




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
第六章电力系统数字孪生技术
6.1电力系统数字孪生概述
6.3电力系统数字孪生的建模
6.2电力系统数字孪生模型的框架
6.4数字孪生在光伏发电功率预测中应用
6.5数字孪生在光伏阵列故障诊断中应用第六章6.1电力系统数字孪生概述6.1.1电力系统数字孪生的定义(1)数字孪生本质利用建模仿真、虚拟现实、机器学习和网络安全等技术,建成与发电-输电-变电-配电-用电(储能)物理实体相匹配的数字孪生体,实现“状态精准感知、数据实时分析、模型科学决策、智能精准控制”,有效破解电力系统运行风险激增、智能化亟须提升等困境,有效保证电力系统经济、优质、安全运行,服务于国家经济社会发展和人民生活用电需求,助推电力系统实现“碳达峰,碳中和”目标。(2)数字孪生的定义通过先进的高性能量测与传感终端、监测系统以及机器人、北斗高精度定位和激光雷达扫描建模等辅助装备,实现电力系统中发电-输电-变电-配电-用电、源-网-荷-储电气量、物理量、环境量、状态量、空间量的全息感知,基于电力专用通信网络、5G等先进通信移动互联和物联网技术,实现全覆盖、广连接、低时延及高可靠的数据传输,从而将电力系统的物理世界实时、完整地映射到数据、模型和算法定义的具有全生命周期数据的虚拟世界。6.1电力系统数字孪生概述6.1.2电力系统数字孪生的应用数字孪生技术可以应用于电力系统的各个方面,包括发电、输电、变电、配电、用电、储能等全流程。(1)在发电环节(2)在输电环节(3)在配电环节(4)在用电环节(5)在储能环节6.1电力系统数字孪生概述6.1.3电力系统数字孪生的发展趋势(1)数字孪生电力系统模型精度更高(2)数字孪生电力系统智能化程度更高(3)数字孪生模型安全性和隐私保护更高(4)电力系统数据格式和交互协议标准化(5)跨领域融合紧密度更高6.2电力系统数字孪生模型的框架
6.2.1电力系统数字孪生的特征(1)数字保真化虚体和实体不仅要保持几何结构的高度保真,在状态、相态和时态上也要保真。物理实体的各项指标及相互关系都能够高度近似地虚拟在数字孪生体中,而数字孪生体的演化预测也能够高度近似物理实体的变化。(2)信息同步化数字孪生体与物理实体之间存在数据及指令相互流动的通道,将信息在虚拟与实体之间进行同步。(3)运行预测化基于物理实体在真实世界中运行的海量历史数据及物理机理、利用数字孪生体进行仿真,从而预测物理实体未来的状态。(4)数据共享化数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时链接。6.2电力系统数字孪生模型的框架
6.2.2电力系统数字孪生的框架(1)数字孪生五维模型数字孪生必须具备几个基本要素,即真实空间、虚拟空间、从真实到虚拟空间的数据流连接及从虚拟到真实空间的信息连接。图6.1电力系统数字孪生五维模型6.2电力系统数字孪生模型的框架
6.2.2电力系统数字孪生的框架(2)电力系统数字孪生框架电力系统数字孪生框架可分为物理层、感知层、传输层、虚拟层、应用层5个。层次图6.2电力系统数字孪生框架6.2电力系统数字孪生模型的框架
6.2.2电力系统数字孪生的框架(2)电力系统数字孪生框架(1)物理层(2)感知层(3)传输层(4)虚拟层(5)应用层图6.2电力系统数字孪生框架6.2电力系统数字孪生模型的框架
6.2.2电力系统数字孪生的框架(2)电力系统数字孪生框架(1)物理层(2)感知层(3)传输层(4)虚拟层(5)应用层图6.2电力系统数字孪生框架6.3电力系统数字孪生的建模
6.3.1基于机理模型驱动的建模方法(1)定义机理模型驱动建模根据电力系统的物理机理,结合能量守恒、动量守恒及质量守恒定律对“源-网-荷-储”中的设备进行表征,实现多尺度、多物理机理的数字孪生模型。(2)机理模型要素拓扑结构、调度方式(规则、约束等)、电磁暂态、潮流模型等。(3)机理模型建模步骤机理模型驱动建模方法可以从物理机理和过程上反映物理实体。首先需要构建装备的一维、二维、三维等几何模型;结合实景数据实现出实景化的数字孪生模型;融合实体的物理参数,以及对物理实体的行为与规则进行表征;实现装备的全尺度多物理场数字孪生模型。6.3电力系统数字孪生的建模
6.3.2基于数据驱动的建模方法(1)定义数据驱动方法摒弃了对研究对象内部机理的严格分析,以大量的试验及测试数据为基础,通过不同的数据处理算法,分析数据之间的关联关系,建立系统模型。(2)数据驱动方法包括统计分析方法、人工智能方法等。(3)数据驱动建模的实现流程结合电力系统的监测数据、试验数据等,利用机器学习方法构造出输入数据与输出数据之间的数据模型,实现用电力系统的物理现象和机理,完成对电力系统的数字孪生建模。6.3电力系统数字孪生的建模
6.3.3基于机理模型和数据双驱动的建模方法(1)并行模式(2)串行模式(3)引导模式(4)反馈模式图6.3模型与数据驱动混合建模方式6.4数字孪生在光伏发电功率预测中应用6.4.1光伏发电功率预测数字孪生的框架(1)光伏功率预测系统数字孪生结构物理层感知层数据传输层数据处理层决策层6.4数字孪生在光伏发电功率预测中应用6.4.1光伏发电功率预测数字孪生的框架(2)光伏发电功率预测中数据光伏发电功率预测中数据主要包括气象数据、电力系统数据、光伏电池组件数据和周围环境数据和周围环境数据等。气象数据:太阳能量、云量、温度、湿度、风速等数据。电力系统数据:电网电压异常波动、电力系统的网络拓扑、输电线路的长度、材料和负载等。光伏电池组件数据:光伏电池的开路电压、短路电流、最大功率点等参数。光伏电站环境数据:光伏电站的接地电阻和土壤电导率、湿度变化等参数。历史数据分析技术:历史光伏发电功率、天气数据等数据信息。6.4数字孪生在光伏发电功率预测中应用6.4.1光伏发电功率预测数字孪生的框架(2)光伏功率预测系统的工作原理一方面,使用传感器对光伏阵列所处环境的实时气象数据进行采集,进行归一化处理后,作为神经网络功率预测模型的输入量进行测试,获得神经网络初步预测结果;另一方面,将采集到的实时气象数据上传到气象数据库进行数据更新,并通过对比分析,搜索最接近的气象数据,得到当时该气象条件对应的光伏发电输出功率实际值和预测值,然后进行误差补偿得到最终的数字孪生体预测值。6.4数字孪生在光伏发电功率预测中应用6.4.2光伏发电功率预测的影响因素影响光伏发电功率的因素众多,除光伏电站本身的历史功率、电压、电流等数据,还有辐射辐强度、日照时长、降雨量、环境温度、相对湿度、风向和风速等气象因素。
特征相关系数ρ相关性气象特征太阳辐照度0.877正相关板温0.517正相关现场温度0.166正相关风向0.177正相关风速0.114正相关历史处理数据平均功率0.997正相关功率A0.996正相关功率B0.969正相关功率C0.979正相关电流A0.989正相关电流B0.975正相关电流C0.986正相关转换效率-0.123负相关转换效率A-0.123负相关转换效率B-0.124负相关转换效率C-0.136负相关电压A-0.221负相关电压B-0.218负相关电压C-0.197负相关表6.1发电功率与天气因素的相关系数6.4数字孪生在光伏发电功率预测中应用6.4.3光伏发电的数学模型(1)BP神经网络预测模型结构输入层变量:太阳辐射强度、温度及湿度等数据;输出层变量:光伏发电功率预测值。隐含层神经元的数量:隐含层神经元数量兼顾Kolmogrov公式,其中,m为输入层神经元数;n为输出层神经元数,最终确定隐含层神经元数量q为8。图6.5BP神经网络预测模型结构6.4数字孪生在光伏发电功率预测中应用6.4.3光伏发电的数学模型(2)BP神经网络建模步骤步骤1:模型初始化。设置模型输入层、隐含层节点个数和,初始化各层之间的权值矩阵和阈值,设定学习速度并选择激励函数。步骤2:计算隐含层的输出。隐含层输出可以表示为:步骤3:计算输出层的输出。输出层输出可以表示为:步骤4:计算误差。计算模型输出误差:步骤5:权值反向传播。根据误差,更新模型权值:步骤6:迭代停止条件判定。判断误差是否满足要求,如满足模型迭代结束;如不满足,返回步骤2。6.4数字孪生在光伏发电功率预测中应用6.4.3光伏发电的数学模型(3)基于GA的预测模型参数优化步骤1:产生初始化种群;步骤2:计算适应度函数步骤3:进行遗传算子基因交叉基因变异步骤4:重新评价新一代种群对新一代种群进行误差评价。若网络总误差E满足精度要求,算法结束;若不满足精度要求,则将该种群作为父代种群,再次迭代,直到误差达到精度要求,即E<ε。图6.6遗传算法优化的BP网络流程图6.4数字孪生在光伏发电功率预测中应用6.4.3光伏发电的数学模型(3)基于GA的预测模型参数优化步骤5:判断是否满足终止的条件,如果满足,转至输出BP网络最优权值和阈值,如果不满足,返回计算适应度函数计算。步骤6:如果获得BP网络最优的权值和阈值,调整各层参数。步骤7:计算BP网络的误差,如果误差在要求的范围内,则结束整个过程。反之继续校正BP网络参数。步骤8:得到优化后BP神经网络参数,对网络空间和映射关系进行保存。图6.6遗传算法优化的BP网络流程图6.5数字孪生在光伏阵列故障诊断中应用6.5.1光伏阵列故障诊断数字孪生的框架以物理实体、孪生数据、连接、虚拟实体和服务为主体的五维结构模型为基础,建立光伏阵列故障诊断的框架如图6.7所示,主要由数字孪生模型、数据采集与传输模块、服务应用系统3部分组成。图6.7光伏阵列故障诊断数字孪生的框架6.5数字孪生在光伏阵列故障诊断中应用6.5.2光伏阵列故障类型及特性分析(1)开路故障形成原因危害(2)短路故障形成原因危害(3)阴影遮挡故障形成原因危害(4)异常老化形成原因危害图6.8光伏阵列典型故障示意图6.5数字孪生在光伏阵列故障诊断中应用6.5.3光伏阵列的数学模型(1)光伏阵列数学模型单体太阳电池物理特性方程缺点:超越方程,求解困难太阳电池的工程模型当光照强度和温度发生变化时,修正方法(2)光伏电站仿真模型光伏电站物理实体采用多级型非隔离三相逆变器,有功功率采用最大功率点MPPT跟踪控制,MPPT采用扰动观察法(P&O),以保证输出功率最大;无功功率采用逆变器的脉宽调制PWM控制,逆变器采用PQ控制策略(PLL、d-q变换、功率环、电流环、SPWM环节),以控制逆变器的输出电压和电流。6.5数字孪生在光伏阵列故障诊断中应用6.5.4光伏阵列故障诊断数字孪生建模(1)神经网络故障诊断模型光伏阵列故障诊断模型构建时,通常从光伏阵列的开路电压、短路电流、最大电流、U-I曲线和并网电流等参量中选择一组数据参量,作为神经网络的输入量,输出为正常(F1)、短路(F2)、断路(F3)、局部阴影(F4)与雨天接地(F5)故障类型,构建如图6.9所示的故障诊断模型。图6.9神经网络故障诊断模型6.5数字孪生在光伏阵列故障诊断中应用6.5.4光伏阵列故障诊断数字孪生建模(2)TCN算法原理时间卷积网络TCN是在CNN基础上衍生的可以对输入数据进行特征提取的时间卷积神经网络,融合一维卷积、因果卷积、扩张卷积和残差卷积结构,能够挖掘数据中的时间特征,保证时序逻辑性。图6.10TCN网络结构6.5数字孪生在光伏阵列故障诊断中应用6.5.4光伏阵列故障诊断数字孪生建模(2)TCN算法原理TCN的残差模块内有两层扩张卷积(扩展因果卷积)和ReLU非线性激活函数,且卷积核的权重都经过了权重归一化。首先进行一维扩张因果卷积,通过扩张系数调整采样间隔来调整感受野;然后对权重进行归一化处理,使用ReLU作为激活函数,通过Dropout层实现正则化处理,避免过度拟合。图6.11TCN残差模块6.5数字孪生在光伏阵列故障诊断中应用6.5.4光伏阵列故障诊断数字孪生建模(3)BiGRU算法原理BiGRU是循环神经网络(RNN)和长短期记忆网络(LSTM)的改进,在不降低收敛速度的情况下,将LSTM原有的三个门控单元减少到两个。在前向GRU层中,通过前向传播将特征输入到网络训练中,并挖掘数据的前向相关性。在逆向GRU层中,输入序列通过反向传播进行训练,挖掘数据的逆相关性。BiGRU网络架构可以对输入的特征进行双向提取,从而更准确捕捉序列数据中的特征信息,提高特征的完整性和全局性。图6.12BiGRU网络结构6.5数字孪生在光伏阵列故障诊断中应用6.5.4光伏阵列故障诊断数字孪生建模(3)TCN-BiGRU算法首先,将时间序列数据输入到TCN网络中,TCN的卷积层可以捕捉不同时间尺度的特征,并对时序数据进行初步处理;其次,将TCN网络的输出作为BiGRU的输入,BiGRU可进一步处理TCN提取的特征,并从前向和后向角度对这些特征进行建模,更全面理解特征之间的依赖关系,从而提高故障诊断的准确性;最终,在BiGRU的输出上添加一个全连接层或其他分类器,用于将提取的特征映射到
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 黄鳝泥鳅交易大棚项目可行性研究报告-黄鳝泥鳅消费需求攀升专业交易场所需求凸显
- 第八章第三节摩擦力第一课时教学设计 -2023-2024学年人教版物理八年级下册
- 2024年12月云浮市郁南县产业园区工会联合会公开招聘社会化工会工作者1人笔试历年典型考题(历年真题考点)解题思路附带答案详解
- 第二单元第8课二、《应用通道合成图像》教学设计 2023-2024学年人教版初中信息技术七年级下册
- 第五单元 课题1质量守恒定律教学设计-2024-2025学年九年级化学人教版(2024)上册
- 古诗词诵读《李凭箜篌引》教学设计 2024-2025学年统编版高中语文选择性必修中册
- 继电保护员-初级工试题含答案
- 实验诊断学练习题+参考答案
- 2025年湖北体育职业学院单招职业倾向性测试题库带答案
- 第20课 第一次工业革命(教学设计)-2024-2025学年九年级历史上册素养提升教学设计(统编版)
- 乡镇教育管理中心2025年教育教学工作计划
- 哈尔滨铁道职业技术学院单招《语文》考试复习题库(含答案)
- 2024年中考模拟试卷语文(考试版A4)
- 1医学图像处理绪论课件
- 校园门禁系统升级方案
- 神经内科一病区不良事件PDCA-
- 汽车行业职位职级管理制度实施方案
- 八年级物理上册课程纲要
- 商用密码应用服务平台建设方案
- 档案销毁清册(封面)
- 数据结构与算法 课件全套 机械自考版 第1-8章 绪论、线性表-查找
评论
0/150
提交评论