监控系统是变电站综合自动化的核心系统。“四遥”也就是我们经常说的:遥测、遥信、遥控、遥调。“四遥”是电力监控系统中最基本、最重要的功能,今天我们主要说一说“遥信”的功能特点。

遥信,即状态量,是为了将开关、刀闸、中央信号等位置信号上送到监控后台。综自系统应采集的遥信包括:开关状态、刀闸状态、变压器分接头信号、一次设备告警信号、保护跳闸信号、预告信号等。

(1)遥信的分类

a.实遥信、虚遥信

大部分遥信采用光电隔离方式输入系统,通过这种方式采集的遥信称为“实遥信”。保护闭锁告警、保护装置异常、直流屏信号等重要设备的故障异常信号,必须通过实遥信方式输出;另一部分通过通信方式获取的遥信称为“虚遥信”。比如一些合成信号、计算遥信。

b.全遥信和变位遥信

全遥信:如果没有遥信状态没有发生变化,测控装置每隔一定周期,定时向监控后台发送本站所有遥信状态信息。这就是全遥信的含义。

变位遥信:当某遥信状态发生改变,测控装置立即向监控后台插入发送变位遥信的信息。后台收到变位遥信报文后,与遥信历史库比较后发现不一致,于是提示该遥信状态发生改变。这就是变位遥信的含义。

c.单位置遥信、双位置遥信、计算遥信

单位置遥信:从开关辅助装置上取一对常开接点,值为1或0的遥信。比如刀闸位置。

双位置遥信:从开关辅助装置上取两对常开/常闭接点,值为10、01、00、11的遥信。分为主遥信、副遥信,如断路器状态。

计算遥信:通过通过遥测、遥信量的混合计算发出的遥信。比如:PT断线,判别条件为母线PT任一线电压低于额定电压的80%,则报PT断线遥信。

(2)遥信的采集

光电隔离遥信输入原理图如图所示,接点闭合,光耦二极管导通,光信号转换成数字信息发送给CPU。为了取得良好的抗干扰性能,信号量的开入通常采用DC220/110V直流电压强电输入。

(3)遥信防抖的概念

遥信输入是带时限的,就是说某一状态变位后,在一定时限内不应再发生变位,如果短时间内发生变为将不被确认。这是为了防止遥信受干扰发生瞬时变位,导致遥信误报。这就是防抖的概念。防抖时限一般设为20~40ms。防抖时限设得太短,易造成误报,设得太长,可能导致遥信丢失。

需要注意的是,对于“开关控制回路断线”信号,防抖时间不可以设得太短。因为控回断线信号由HWJ、TWJ常闭接点串联而成。开关在分合过程中总有一个交叠时间,TWJ、HWJ都处于闭合状态,若防抖时限小于这个交叠时间,就会误报“控回断线”。

(4)SOE的概念

SOE即事件顺序记录。为了分析系统故障,需要掌握遥信变位动作的先后顺序及准确时间。SOE由测控装置产生,遥信发生变位时,测控装置确认遥信变位,通过报文的形式将该信息上送到监控后台。报文包含了遥信变位的具体时刻,精确到秒。这就是SOE的概念,对监控系统非常重要。

我司生产的单路遥信采集模块RS-YX-N01R01-4能够采集1路开关量信号,外壳采用卡轨式安装式设计,可接入现场组态系统或 PLC,通过485接口标准ModBus-RTU协议上实现数据上传,广泛应用于机房机柜、配电柜、电力机柜以及其它需开关量检测的场所。

(5)单路遥信采集模块RS-YX-N01R01-4的产品特点:

可设置延时报警和报警保持时间。

常开报警或常闭报警两种报警方式可选。

具有1路继电器输出,可任意关联报警事项输出。

大量的电网运行监视以遥信为主,所以遥信信号的可靠性是电网运行监视的关键。
电力系统中,断路器和隔离刀闸的位置也实时反映了电网的运行方式,对电网的潮流分布和供用电平衡有很大影响,是电网运行不可或缺的信号。同时,测控装置等二次设备的故障告警信号、继电保护动作信号、一次设备运行工况等位置信息,也反映了电网和变电站的一些不正常运行状态,也需要运行监控人员实时监测,这类信息的可靠与否直接关系到电网的运行质量。

aida64副屏监控_“遥信”在电力监控系统中的重要作用相关推荐

  1. 监控系统中的服务器,监控系统中服务器的作用

    监控系统中服务器的作用 内容精选 换一换 电商业务内存要求高.数据量大并且数据访问量大.要求快速的数据交换和处理,监控要求极其高.ECS为核心服务,全面.立体的ECS监控系统对业务稳定起到了至关重要的 ...

  2. java 写文件 权限不够_教你解决Linux系统中JAVA创建文件后权限不足的问题

    在作业中,项目使用文件上传. 这个功能很常见. 当Kai Ge今天更改其官方帐户时,他遇到了一个问题,即无法访问下载的文件,也无法通过浏览器访问该文件. 它是怎么发生的? 经过许多问题之后,事实证明这 ...

  3. aida64副屏背景图_仅需100元!电脑监控副屏超傻瓜解决方案

    [前言] 最近看到很多关于利用AIDA 64软件打造机箱内系统监控副屏的文章,看来灯大灯闪亮已经不能满足追求炫酷感的DIY玩家了.作为装机的老司机,自然免不了跟风想要富有未来科技感的台式机,于是攒了套 ...

  4. 程序默认在副屏显示_聊一款性价比极高的电竞显示器

    小米在6月17日开启了小米显示器27寸165Hz版本的众筹,这台显示器的分辨率为2560x1440,也就是大家熟悉的小金刚,它与大金刚的最大区别也只是省去了G-Sync功能,而其他方面的参数几乎是一致 ...

  5. android 副屏驱动_高通 android平台LCD驱动分析

    目前手机芯片厂家提供的源码里包含整个LCD驱动框架,一般厂家会定义一个xxx_fb.c的源文件,注册一个平台设备和平台驱动,在驱动的probe函数中来调用register_framebuffer(), ...

  6. 普罗米修斯 监控_完美的分布式监控系统——普罗米修斯

    DevOps工程师或SRE工程师,可能都知道Prometheus普罗米修斯.Prometheus于2012年由SoundCloud创建,目前已经已发展为最热门的分布式监控系统.Prometheus完全 ...

  7. cat全链路监控_谛听全链路监控平台实践与思考

    一.项目背景 近几年,信也科技的研发技术伴随着业务的快速增长逐步演化为微服务化的分布式体系架构,但随之带来的系统间的上下游依赖关系的复杂度也呈指数级上升,已有的烟囱式的监控产品(CAT.ELK等)存在 ...

  8. curl循环监控_阿里巴巴开源性能监控神器Arthas

    线上经常遇到MQ消费速度忽高忽低,但是线下测试却没有问题.那会是哪一个问题引起的呢?因为影响MQ消费速度的因素太多了,如下因素只要任何一种出现问题,就会影响MQ消费速度. JVM内存过高,一直在Ful ...

  9. mysql pt监控_技术分享 | MySQL 监控利器之 Pt-Stalk

    作者:xuty 本文来源:原创投稿 *爱可生开源社区出品,原创内容未经授权不得随意使用,转载请联系小编并注明来源. 一.概述 之前在社区发了一篇[有效解决 MySQL 行锁等待超时问题]文档,主要介绍 ...

最新文章

  1. 一些极其简易的自动巡线车模
  2. OSPF:LSA Type-7 to Type-5 转发地址抑制(实验)
  3. SCA (Service Component Architecture)
  4. python行数最短的PCA实现方式
  5. css案例学习之按钮超链接
  6. halcon模板匹配学习(二) 准备模板
  7. php 继承内核中的基类,继承类上的PHP new self()正在创建一个基类对象
  8. 第二章 html标记语言,第二章-认识HTML标签
  9. html 清除flex,清除display:flex样式
  10. Exchange 2010 PowerShell
  11. ibm服务器刷主板系统,ibm bios 升级图解 ibm服务器进入bios/升级程序
  12. 神经网络梯度消失和梯度爆炸原因推导及其解决方案
  13. php判断信用卡,PHP函数验证信用卡卡号是否正确
  14. [git]warning: LF will be replaced by CRLF in 解决办法
  15. 从OPPO Finder看手机产品的差异化体现
  16. 美图公司FinOps探索的那些事儿~
  17. 自然语言处理:问答语料生成词汇表,词转向量(三)
  18. DSSD: Deconvolutional Single Shot Detector
  19. 在AD中创建子域和域树
  20. FileZilla Server 0.9.43 中文版 安装教程

热门文章

  1. R语言绘制三维散点图
  2. 蚂蚁森林最高效的合种团队—招募队友云植树,最快1天1颗树
  3. 245热图展示微生物组的物种和功能丰度或有无、距离矩阵
  4. Microbiome:中外合作揭示微生物群落降解复杂微生物聚合物的酶(视频导读)
  5. pandas使用groupby函数和agg函数获取每个分组特定变量独特值的个数(number of distinct values in each group in dataframe)
  6. R语言广义线性模型函数GLM、R中有几种logistic回归扩展和变异、robust包中的glmRob函数鲁棒logistic回归、ms包中的lrm函数拟合序数逻辑回归
  7. R语言使用geompointdensity包的geom_pointdensity函数将散点图和密度图结合起来、使用viridis包的scale_color_virdis函数为密度数据添加调色板色彩渐变
  8. R语言随机森林模型:计算随机森林模型的特征重要度(feature importance)并可视化特征重要度、使用少数重要特征拟合随机森林模型(比较所有特征模型和重要特征模型在测试集上的表现差异)
  9. SQL中where与having的区别
  10. R语言检验类别型变量独立性