Nâng cao tiêu chuẩn về độ tin cậy của lưới điện

 Nâng cao tiêu chuẩn về độ tin cậy của lưới điện

Có thể đã đến lúc các tiện ích cần chú trọng hơn đến MAIFI và các tiêu chí liên quan đến chất lượng điện năng để có được cái nhìn sâu sắc hơn về chất lượng dịch vụ tổng thể.

David Shadle

Báo cáo về độ tin cậy điện công nghiệp và thương mại năm 2021 do S&C Electric Co. phát hành cho thấy số lượng cúp điện hàng tháng trong số 5 ngành công nghiệp chính bao gồm sản xuất, chăm sóc sức khỏe, giáo dục, nhượng quyền thương mại nhỏ và nhà bán lẻ tăng gấp đôi vào năm 2020. Điều đáng lo ngại hơn có thể là dữ liệu tiết lộ tình trạng cúp điện trên sự gia tăng bao gồm sự đa dạng trong thời gian ngắn không được các chỉ số độ tin cậy tiện ích SAIDI và SAIFI giám sát chặt chẽ. Khi chúng ta ngày càng đi sâu hơn vào thế giới kỹ thuật số tràn lan, đã đến lúc đánh giá lại cách chúng ta xác định và duy trì độ tin cậy của hệ thống?

Hướng dẫn IEEE về Chỉ số độ tin cậy phân phối điện (Tiêu chuẩn 1366) được sử dụng phổ biến để đánh giá độ tin cậy của dịch vụ phân phối. Có thể các chỉ số được theo dõi và báo cáo thường xuyên nhất bao gồm Chỉ số tần suất gián đoạn trung bình của hệ thống (SAIFI), là tần suất khách hàng trung bình gặp phải gián đoạn; và Chỉ số thời lượng gián đoạn trung bình của hệ thống (SAIDI) được xác định là tổng số phút gián đoạn mà khách hàng trung bình phải trải qua. Các chỉ số này liên quan đến gián đoạn kéo dài được IEEE xác định là gián đoạn trên năm phút.

Cuộc khảo sát của S&C chỉ ra rằng ngày càng có nhiều khách hàng thương mại và công nghiệp bị ảnh hưởng đáng kể bởi sự cố mất điện tạm thời và các vấn đề về chất lượng điện. Các khách hàng ở khu dân cư cũng cho biết không hài lòng về việc ngừng hoạt động trong chốc lát làm hỏng các linh kiện điện tử nhạy cảm hiện nay phổ biến trong các thiết bị gia dụng. IEEE sử dụng Chỉ số tần số gián đoạn trung bình tạm thời (MAIFI) để mô tả các gián đoạn ngắn. Có thể đã đến lúc các tiện ích cần chú trọng hơn đến MAIFI và các tiêu chí liên quan đến chất lượng điện năng để có được cái nhìn sâu sắc hơn về chất lượng dịch vụ tổng thể.

S&C nhận thấy rằng các công ty C&I đang ngày càng thực hiện các biện pháp để theo dõi tần suất, thời lượng và chi phí ngừng hoạt động để theo đuổi việc bồi thường hoặc bắt buộc hành động sửa chữa tiện ích. Để bảo vệ các nhà cung cấp dịch vụ điện, sự phức tạp ngày càng tăng của các mạng lưới điện không nhất thiết nằm trong tầm kiểm soát của họ. Với dự đoán về mức tăng DER gấp 10 lần từ năm 2020 đến năm 2030, sự bất ổn về nguồn cung ngày càng gia tăng. Chúng tôi không nhìn thấy sự cân bằng thông qua việc gia tăng tính linh hoạt của tải trọng nhu cầu và các tùy chọn lưu trữ không có mức độ cân bằng hệ thống. Giải pháp theo một số chuyên gia là cùng một chuyển động đã đưa chúng ta đến vị trí của ngày hôm nay: số hóa.

Siemens tin rằng việc số hóa cơ sở hạ tầng điện của chúng tôi, bao gồm các quy trình và dữ liệu tương tự, là một bước quan trọng trong quá trình chuyển đổi của chúng tôi sang lưới điện trong tương lai. Được hỗ trợ bởi các cảm biến kỹ thuật số và kết nối IOT: phân tích dữ liệu, AI và tự động hóa sẽ biến đổi ngành công nghiệp, cải thiện độ tin cậy và khả năng phục hồi. Phát biểu trong hội thảo trên web T&D World do Siemens tài trợ với tiêu đề “Lưới thích ứng, an toàn và đàn hồi: AI và tự động hóa mang lại lợi ích gì?”, Đại diện Exelon đã chia sẻ tầm nhìn của họ về việc sử dụng phân tích để làm việc với dữ liệu đầu vào từ GIS; các hệ điều hành; quản lý tài sản và công trình; quản lý và báo cáo cúp điện; mô hình mạng; quản lý năng lượng; AMI; giám sát thời tiết và hệ thống khách hàng. Các kết quả tiềm năng từ việc tìm kiếm dữ liệu sâu như vậy bao gồm một phạm vi rộng, bao gồm các công cụ mô hình mạng được tối ưu hóa; đánh giá hiệu quả bảo trì tài sản và dự đoán tuổi thọ; xác định các tài sản và mạch có rủi ro cao; sự cố mất điện, thiệt hại do bão và dự đoán thời gian khôi phục; và nhiều, nhiều hơn nữa.

Các nỗ lực của Exelon đang thể hiện các cơ hội chương trình có thể chuyển nhượng để cải thiện an toàn công cộng và người lao động, giảm chi phí vận hành và bảo dưỡng, tăng sự hài lòng của khách hàng cũng như cải thiện độ tin cậy và khả năng phục hồi. Một ví dụ đáng chú ý là việc sử dụng phân tích dữ liệu và AI trong các lĩnh vực quản lý thảm thực vật (VM) và dự đoán cúp điện. Hầu hết các tiện ích đều theo dõi khoảng 20% ​​sự cố mất điện do các nguyên nhân liên quan đến thảm thực vật mặc dù việc quản lý thảm thực vật thường xuyên đứng đầu danh sách các chi phí bảo trì liên tục. Exelon đang sử dụng phân tích VM để kiểm soát chi tiêu, dự đoán rủi ro ngừng hoạt động và lập kế hoạch khôi phục.

Tận dụng mối quan tâm ngày càng tăng trong việc sử dụng phân tích dữ liệu để hiện đại hóa máy ảo tiện ích, AIDASH đã kết hợp hình ảnh vệ tinh và AI để tạo điều kiện thuận lợi cho việc giám sát và kiểm tra từ xa các điều kiện ROW và thực hiện một loạt các hoạt động lập kế hoạch, ưu tiên và xem xét phức tạp. Các thuật toán cải tiến, theo từng trường hợp cụ thể, được đào tạo trước, hình ảnh giám sát vệ tinh và dữ liệu nguồn khác được kết hợp với dữ liệu vị trí, thời tiết, đất và loài cây theo thời gian thực để xác định tốc độ phát quang và tốc độ phát triển của thảm thực vật dọc theo đường dây điện; xác định cây nguy hiểm / nguy hiểm và các khu vực có nguy cơ cao; lập kế hoạch cắt chu kỳ / giải phóng mặt bằng; và lập kế hoạch sử dụng thuốc diệt cỏ và các chất điều hòa sinh trưởng cây. Ngoài ra, các nền tảng AIDASH có thể được sử dụng

Nguồn : https://www.tdworld.com/transmission-reliability/article/21216335/raising-the-bar-for-grid-reliability?utm_source=TW%20TDW%20Energizing&utm_medium=email&utm