Acrel-2000电力监控系统在上海大世界保护修缮工程项目中的应用

摘要:安科瑞生产厂家1876+150/-62+37黄安南

介绍上海大世界电力监控系统,采用智能电力仪表采集配电现场的各种电参量和开关信号。系统采用现场就地组网的方式,组网后通过现场总线通讯并远传至后台,通过Acrel-2000型电力监控系统实现配电回路用电的预付费报警、实时监控和电力监控。

关键词:上海大世界   电力监控系统    无人值守  配电维护  智能配电系统  配电自动化


0  概述
  上海“大世界”位于西藏南路、延安东路交叉口。始建于1917年,创办人是黄楚九。以游艺杂耍和南北戏曲、曲艺为其特色,12面哈哈镜成了"大世界"独有的吸引物。建国后曾改名“人民游乐场”,1958年恢复原名,1974年改名“上海市青年宫”,1981年1月25日大世界复业,定名为“大世界游乐中心”。“大世界”是上海最大的室内游乐场,素以游艺、杂耍和南北戏剧、曲艺为特色。
  本项目为上海大世界电力监控系统。根据配电系统管理的要求,需要对低压出线回路进行电力监控,以保证用电的透明、安全、可靠和高效。
  Acrel-2000型低压智能配电系统,充分利用了现代电子技术、计算机技术、网络技术和现场总线技术的最新发展,对变配电系统进行分散数据采集和集中监控管理。对配电系统的二次设备进行组网,通过计算机和通讯网络,将分散在楼层的现场设备连接为一个有机的整体,实现电网运行的远程监控和集中管理,辅助预付费售电管理。


1  系统结构描述
  本监控系统主要实现上海大世界的0.4kV配电所配电系统进行用电监控,监控范围为33台电力仪表ACR220EL,共2条总线,分别接入三个串口服务器,在主楼设置后台进行监控管理及收费管理,两个辅楼通过采集箱局部组网后经光纤通讯接入后台。
  本监控系统采用分层分布式结构,即站控层,通讯层与设备层;

图(1) 网络拓扑图


  设备层主要为:多功能网络电力仪表ACR220EL。这些装置分别对应相应的一次设备安装在电气柜内,这些装置均采用RS485通讯接口,通过现场MODBUS总线组网通讯,实现数据现场采集。
  网络通讯层主要为:通讯服务器,其主要功能为把分散在现场采集装置集中采集并储存数据,同时远传至站控层,完成现场层和站控层之间的数据交互,在后台断电的情况下可以实现断点续传功能。
  站控管理层:设有高性能工业计算机、显示器、UPS电源、打印机等设备。监控系统安装在计算机上,集中采集显示现场设备运行状况,以人机交互的形式显示给用户。
  以上网络仪表均采用RS485接口和MODBUS-RTU通讯协议,RS485采用屏蔽线传输,一般都采用二根连线,接线简单方便;通讯接口是半双工通信即通信的双方都可以接收、发送数据但是在同一时刻只能发送或接收数据,数据最高传输速率为10Mbps。
  RS485接口是采用平衡驱动器和差分接收器的组合,抗噪声干扰能力增强,总线上允许连接多达32个设备,最大传输距离为1.2km。


2  电力监控系统主要功能
  上海大世界电力监控系统为变电所低压配电系统的管理,本项目针对这及楼层配电箱的0.4kV配电和进行电力监控。
2.1  数据采集与处理
  数据采集是配电监控的基础,数据采集主要由底层多功能网络仪表采集完成,实现远程数据的本地实时显示。需要完成采集的信号包括:三相电压U、三相电流I、频率Hz、功率P、功率因数COSφ、电度Epi、远程设备运行状态等数据。

图(2)系统通讯结构示意图

  数据处理主要是把按要求采集到的电参量实时准确的显示给用户,达到配电监控的自动化化和智能化要求,同时把采集到的数据存入数据库供用户查询。
2.2  人机交互
  系统提供简单、易用、良好的用户使用界面。采用全中文界面,CAD图形显示低压配电系统电气一次主接线图,显示配电系统设备状态及相应实时运行参数,画面定时轮巡切换;画面实时动态刷新;模拟量显示;开关量显示;连续记录显示等。

图(3)低压配电一次图

2.3  历史事件
  历史事件查看界面主要为用户查看曾经发生过的故障记录、信号记录、操作记录、越限记录提供方便友好的人机交互,通过历史事件查看平台,您可以根据自己的要求和查询条件方便定位您所要查看的历史事件,为您把握整个系统的运行情况提供了良好的软件支持。

图(4) 参数报表


2.4  用电量报表功能
  可选择时间段进行查询,支持任意时间段电度累计查询,具备数据导出和报表打印等功能。为值班人员提供了精确可靠的电能报表。该报表各回路名称和数据库关联,方便用户修改回路名称。

图(5) 电能报表

2.5  数据库建立与查询
  主要完成遥测量和遥信量定时采集,并且建立数据库,定期生成报表,以供用户查询打印。
2.6  遥信和遥测报警功能
  主要完成对低压各出线回路的开关运行状态和负载进线监控,对开关变位和负载越限弹出报警界面指示具体的报警位置并声音报警,提醒值班人员及时处理。负载越限值在相应权限下可自由设置。具备历史查询功能。

图(6) 实时遥信报警信息


2.7用户权限管理
  针对不同级别的用户,设置不同的权限组,防止因人为误操作给生产,生活带来的损失,实现配电系统的安全,可靠运行。可以通过用户管理进行用户登录、用户注销、修改密码、添加删除等操作,方便用户对账号和权限的修改。


3 结束语
  随着社会的发展及电力的广泛应用,电力监控系统已成为全国各地重点工程项目、标志性建筑/大型公共设施等大面积多变电所用户的必然选择,本文介绍的Acrel-2000电力监控系统在上海大世界保护及修缮工程的应用,可以实现对配电所配电的实时监控与电力监控,不仅能显示回路用电状况,还具有网络通讯功能,可以与数据管理机、计算机等组成电力监控系统。系统实现对采集数据的分析、处理,实时显示变电所内各配电回路的运行状态,对分合闸、负载越限具有弹出报警对话框及语音提示,并生成各种电能报表、分析曲线、图形等,便于电能的远程抄表以及分析、研究。该系统运行安全、可靠、稳定,为变电所用户解决用电问题提供了真实可靠的依据,取得了较好的社会效益。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/169268.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Vue与UserEcharts、DataV的协同

文章目录 引言一、Vue.js简介二、ECharts和UserEcharts1.ECharts简介2.UserEcharts:Vue和ECharts的结合 三、DataV简介四、Vue与DataV的结合1.DataV的Vue插件2.Vue和DataV的数据交互 结论我是将军,我一直都在,。! 引言 接着上一篇…

ubuntu22.04 arrch64版在线安装java环境

脚本 #安装java#!/bin/bashif type -p java; thenecho "Java has been installed."else#2.Installed Java , must install wgetwget -c https://repo.huaweicloud.com/java/jdk/8u151-b12/jdk-8u151-linux-arm64-vfp-hflt.tar.gz;tar -zxvf ./jdk-8u151-linux-arm6…

【数据分享】我国12.5米分辨率的山体阴影数据(免费获取)

地形数据,也叫DEM数据,是我们在各项研究中最常使用的数据之一。之前我们分享过源于NASA地球科学数据网站发布的12.5米分辨率DEM地形数据,这个DEM数据的优点是精度高!基于该数据我们处理得到12.5米分辨率的坡度数据(以上…

外贸分享|如何从外贸小白成长为大咖?这10件事值得你坚持做

外贸成功不是一朝一夕的事,而是需要有充分的准备和持续的努力。作为一位有着丰富经验的外贸人员,我总结了成功的秘诀,分享了一个优秀的外贸人应该做好的10项工作。 1 找不到客户怎么办? 有很多各种各样的原因值得思考&#xff1a…

【数字图像处理】均值滤波与中值滤波

在数字图像处理中,均值滤波和中值滤波是常见的空间域处理方法,可以用于过滤图像中的噪声。本文主要介绍数字图像均值滤波与中值滤波的基本原理,并记录在紫光同创 PGL22G FPGA 平台的布署与实现过程。 目录 1. 均值滤波与中值滤波 2. FPGA 布署与实现 2.1 功能与指标定义

基于减法平均算法优化概率神经网络PNN的分类预测 - 附代码

基于减法平均算法优化概率神经网络PNN的分类预测 - 附代码 文章目录 基于减法平均算法优化概率神经网络PNN的分类预测 - 附代码1.PNN网络概述2.变压器故障诊街系统相关背景2.1 模型建立 3.基于减法平均优化的PNN网络5.测试结果6.参考文献7.Matlab代码 摘要:针对PNN神…

Python----函数的参数----形参(定义函数时编写的),实参(调用函数时传递的)

在函数定义与调用时,我们可以根据自己的需求来实现参数的传递。在Python中,函数的参数一共有两种形式:① 形参 ② 实参 形参:在函数定义时,所 编写 的参数就称之为 形式参数 实参:在函数调用时&#…

Spring Boot配置文件 Spring日志文件相关的知识

在上文中,小编带领大家创建了一个Spring Boot项目,并且成功的执行了第一个SPring Boot项目(在网页上运行hello world) 那么,本文的主要作用便是带领大家走进:Spring Boot配置文件 && Spring日志文件…

flutter之graphic图表自定义tooltip

renderer graphic中tooltip的TooltipGuide类提供了renderer方法&#xff0c;接收三个参数Size类型&#xff0c;Offset类型&#xff0c;Map<int, Tuple>类型。可查到的文档是真的少&#xff0c;所以只能在源码中扒拉例子&#xff0c;做符合需求的修改。 官方github示例 …

枚举与应用

作者简介&#xff1a;大家好&#xff0c;我是smart哥&#xff0c;前中兴通讯、美团架构师&#xff0c;现某互联网公司CTO 联系qq&#xff1a;184480602&#xff0c;加我进群&#xff0c;大家一起学习&#xff0c;一起进步&#xff0c;一起对抗互联网寒冬 枚举简介 枚举是一种特…

CentOS 7 使用异步网络框架Libevent

CentOS 7 安装Libevent库 libevent github地址&#xff1a;https://github.com/libevent/libevent 步骤1&#xff1a;首先&#xff0c;你需要下载libevent的源代码。你可以从github或者源代码官方网站下载。并上传至/usr/local/source_code/ 步骤2&#xff1a;下载完成后&…

C语言 - 基础

C 语言 1. Hello World #include <stdio.h>int main(int argc, const char *argv[]) {printf("hello world\n");return 0; }注意: 所有的标点符号必须在英文状态下输入单词不要写错注意空格 创建 C语言 程序步骤&#xff1a; 1、创建一个文档&#xff0c;以…

Springboot 南阳旅游平台-计算机毕设 附源码 31829

Springboot 南阳旅游平台 目 录 摘要 1 绪论 1.1 研究背景 1.2 研究意义 1.3 论文结构与章节安排 2 南阳旅游平台系统分析 2.1 可行性分析 2.1.1 技术可行性分析 2.1.2 经济可行性分析 2.1.3 法律可行性分析 2.2 系统功能分析 2.2.1 功能性分析 2.2.2 非功能性分析…

芙蓉花 欣赏

芙蓉&#xff08;Hibiscus mutabilis Linn&#xff09;是一种锦葵科、木槿属植物原名&#xff1a;木芙蓉&#xff0c;别名&#xff1a;芙蓉花、拒霜花、木莲、地芙蓉、华木、酒醉芙蓉。其花或白或粉或赤&#xff0c;皎若芙蓉出水&#xff0c;艳似菡萏展瓣&#xff0c;故有“芙蓉…

Ubuntu服务器/工作站常见故障修复记录

日常写代码写方案文档&#xff0c;偶尔遇上服务器出现问题的时候&#xff0c;也需要充当一把运维工程师&#xff0c;此帖用来记录服务器报错的一些解决方案&#xff0c;仅供参考&#xff01; 文章目录 一、服务器简介二、机箱拆解三、基本操作3.1 F2进入BIOS3.2 F12进入Boot Me…

教你IDEA解决GIT冲突

前言 GIT基本上贯穿我们的开发生涯&#xff0c;之所以要使用git也是有很多优点的 &#x1f339;&#x1f339;&#x1f339;&#x1f339;&#x1f339;&#x1f339;&#x1f339;&#x1f339; 1.通俗易懂点&#xff0c;保存代码不丢失&#xff1a;防止因内存&#xff0c;操…

字符串函数

读取字符串的函数 1.gets()函数 说明&#xff1a;gets函数简单易用&#xff0c;它读取整行输入&#xff0c;直至遇到换行符&#xff0c;然后丢掉换行符&#xff0c;储存其余字符&#xff0c;并在末尾添加一个空字符使其成为一个C字符串。它经常和puts&#xff08;&#xff09;…

从零开始的RISC-V模拟器开发(一)环境搭建

前言 博主这系列文章是跟随中科院吴伟老师的b站公开课&#xff1a;[完结]从零开始的RISC-V模拟器开发第一季2021春季_哔哩哔哩_bilibili 记录的笔记。仅供学习使用&#xff0c;侵删&#xff01; 苦逼的博主现在自己毕设也是要设计类似的东西。哎。我需要做的是给一个现成的 R…

STM32 MAP文件

文章目录 1 生成Map2 map中概念3 文件分析流程3.1 Section Cross References3.2 Removing Unused input sections from the image&#xff08;移除未使用的段&#xff09;3.3 Memory Map of the image&#xff08;映像的内存分布&#xff09;3.3.1 加载域3.3.2 运行域 4 代码运…

机器学习探索计划——KNN算法流程的简易了解

文章目录 数据准备阶段KNN预测的过程1.计算新样本与已知样本点的距离2.按照举例排序3.确定k值4.距离最近的k个点投票 scikit-learn中的KNN算法 数据准备阶段 import matplotlib.pyplot as plt import numpy as np# 样本特征 data_X [[0.5, 2],[1.8, 3],[3.9, 1],[4.7, 4],[6.…