Austria | Germany | France | Sweden | India | USA | China | Singapore

ANALYTICS

智能电网的先进系统监测与分析

导航

探索未来智能电网服务的实时边缘控制和人工智能

范围

先进的系统监控和分析解决方案增强了智能互操作数据驱动功能,可实现高效的大数据实时分析、故障诊断、自动化管理和集成微电网控制

未来的电网将包括大量分布式和波动性可再生能源。未来的电网将采用数字化技术,以实现对基础分布式能源资源(DER)资产的必要观测和控制。在电力行业去碳化和满足未来能源需求的范围内,一个重大挑战是通过先进的管理和控制系统,确保电力网络中太阳能光伏发电和电池储能系统等 DER 的无缝集成。
因此,我们正在进入这样一个时代,即能源的重点是提高光伏发电的性能,并通过新的发展加速进步,从而促进完全可调度的储能发电。正如 “欧洲太阳能产业倡议”(SEII)所强调的那样,为实现向可再生电网的过渡,对先进的、强劲的和高性能的系统监测提出了工业要求。

Smart Grid

优势

目标是通过开发新一代多服务监控系统来提高风能、太阳能和储能的价值和能力,该系统是:

  • 提高系统效率,
  • 以最佳性能降低开发成本,
  • 提供通信智能电网控制服务。

通过将先进的数据分析算法集成到云连接功能的边缘计算解决方案中,将开发出智能监控和基于云的控制系统。实施智能化、自动化和可互操作的数据驱动功能可实现高效的大数据实时分析、预测性故障诊断、运营管理和集成智能电网控制。这些功能将通过增加使用寿命产出、提高运行效率和优化系统操作来降低平准化电力成本(LCoE)。因此,该系统将对技术价值链产生重大影响,并成为实现完全可调度可再生能源发电的过渡步骤。

Analytics_Machine_Learning

方法

研究项目的方法有:

  • 评估数据汇总和互操作性协议
  • 为可互操作的智能电网控制制定协议和指南
  • 开发预测性运行与维护故障诊断算法和资产可靠性模型,并将其作为软件模块纳入高级系统中
  • 通过开发峰值性能副本(数字孪生)优化光伏加存储性能
  • 在智能电网频率下展示数字孪生和基于软件的灵活电厂控制器的最佳性能

智能监控和基于云的控制系统将与新一代运行维护、突破性监管服务(例如,经济高效的预测性运行维护、性能损失和故障预测以及可靠性例程)以及先进的电网到存储应用集成在一起,这些应用可根据从大量设备(即,存储和电网控制)和工具(即,天气预报、工作流和资产警报)中获取的数据进行操作。

您是否对我们平台上的技术构件或首批试点项目示范成果感兴趣?

给我们发 email我们会为您安排一次演示。

主要的项目活动

  1. 可再生能源性能数据集的获取和分析指南
  2. 工厂数字化和能源流管理的硬件和软件要求
  3. 电池储能系统的精确性能模型
  4. 预测/诊断故障和趋势损失的软件模块
  5. 预测设备故障的可靠性模型
  6. 可互操作通信,实现综合运行和数据汇总
  7. 基于云的解决方案,增强了能源管理的互操作性
  8. 数字孪生和基于软件的控制器,在边缘具有实时频率响应功能

技术推动因素

研究项目的活动分为八个工作包 (WPs)

Real-time edge computing

Scalable time-series data backend

Advanced Analytics

Machine learning

API, Open protocols and interfaces

Low-cost IoT Solutions

Real-world use cases

Financial performance & Risk classification

深入了解实时边缘控制和人工智能对未来智能电网和资产服务的影响。

最新成果

成果 1:

在塞浦路斯大学校园建立微电网

  • 商业规模微电网实时监控管理仪表界面
  • 所有底层微电网资产(楼宇管理系统、智能电表、储能和太阳能光伏系统)实时信息流的互操作接口
  • 能源管理系统实时(分辨率为 1 Hz)显示所有主要消耗/生产和电能质量参数
Microgrid setup at University Campus in Cyprus
Hardware and cloud backend setup at Campus

成果 2:

塞浦路斯大学校园的硬件和云后台设置

  • 使用 Modbus TCP 通信协议的全面互操作性演示
  • 集成资产包括楼宇管理系统、智能电表、光伏逆变器、电池存储系统和气象站

成果 3:

光伏故障诊断和健康状态监控的数字孪生方法。

221020_PowerPoint-Bildschirmpräsentation - ANALYTICS_slides_for_results_screenshots_2_000637
Mechanistic Performance Model (MPM) for PV Arrays

成果 4:

光伏陈列机械性能模型 (MPM)

  • MPM为预期性能行为分配一个有意义的归一化系数,以便用可理解的损耗系数来匹配观测到的测量结果

成果 5:

机械性能模型是甘纳仪器监测平台的一部分

MPM part of Gantner’s Monitoring and control platform
Prediction of performance

成果 6:

数字孪生的预测性能,误差 < 3 % 按兆瓦级

  • 利用机械和机器学习原理(人工神经网络和极梯度提升)的数字孪生预测模型
  • 针对具体地点的建模与全面优化的超参数定义实施阶段

成果 7:

用于兆瓦级和微电网离群点分类的无监督学习方法

  • 应用于数据的无监督机器学习机制(如 k-近邻、基于角度的异常值检测器),以检测异常值(故障)并对其进行分类
Unsupervised-Learning
Digital Twin modelling and replica

成果 8:

数字孪生建模和复制

  • 从小型光伏电站到公用事业级光伏电站的全面验证、强劲且可复制的模型

成果 9:

光伏系统偏差建模

  • 包括短期和长期在内的光伏系统退化率计算 (RdTools)
  • 性能损失率建模和性能拐点检测(长期性能偏差)
  • 太阳能光伏分析的数据质量、处理和正确性验证建模
Analytics_Ûse Case

研讨会 / 出版物

“提高光伏性能和可靠性分析的数据处理和质量验证” 《Progress in Photovoltaics》杂志, DOI:10.1002/pip.3349, 2020
光伏发电厂基于智能云的监控数字孪生,第49届IEEE光伏专家会议 (IEEE PVSC 49), 美国费城, 2022 (白皮书)
光伏发电厂基于智能云的监控数字孪生,第49届IEEE光伏专家会议(IEEE PVSC 49),美国费城,2022(报告)
先进的系统监测和人工智能数据驱动分析,以满足GW规模的光伏发电厂需求,光伏性能建模协作组织,美国,盐湖城,2022
光伏数据处理、质量验证的统一方法,与数据质量和光伏发电厂提前监测相关的新项目结果的网络公告,光伏杂志《国际版》,2020
光伏组件监测和表征,从数据到光伏技术开发周期的见解,SUPSI PVLab行业日,2021
IEC 61883矩阵测量的改进分析方法,光伏性能建模协作组织,美国,盐湖城,2022
公用事业规模光伏发电厂的高级健康状态数据分析工作流程,IEEE第50届光伏专家会议(PVSC),San Juan, Puerto Rico,2023
先进的数据驱动太阳能分析和公用事业规模工厂的简化工作流程,第40届欧洲光伏太阳能大会和展览会
(EU PVSEC),葡萄牙,里斯本,2023 年 9 月(论文)
经验交流(SOLAR Cofund 2、CSP ERANET 和 CETPartnership),会议:光伏电站的运行和诊断;项目介绍、成果和经验教训
用于公用事业级光伏电站高效故障诊断的预测分析的最新创新",光伏性能建模合作组织,Lugano, Switzerland,2023 年

PV-ANALYTIC 项目在 SOLAR-ERA.NET Cofund 2 的框架下,由奥地利研究促进局 (FFG) 和塞浦路斯研究与创新基金会 (RIF) 提供支持(P2P/SOLAR/0818/0012)。 SOLAR-ERA.NET 由欧盟委员会在欧盟研究与创新框架计划 HORIZON 2020(ERA-NET 行动 Cofund 2,编号 786483)内提供支持。