给风机装上“翅膀”,解决网络“最后一公里”难题

简介: 给风机装上“翅膀”,解决网络“最后一公里”难题


分享一个好消息——达摩院成功研发内嵌XLINK协议的多路行业网关,破解野外风机等智能设施的无线传输弱网问题。


目前,该技术已成功应用于全国多个风力发电厂,风机装上“翅膀”后,平均网络可用率提升80%,为智慧风电的实现提供了关键的实时数据支撑。



数据是智慧风电的核心要素,只有基于实时、有效的风电机组和环境数据,风力发电厂才能精准地预测发电量、减少电网波动、提升智慧运维水平。


然而,风电场通常坐落于人迹罕至的偏远野外,特别是在无专用光缆、分散式部署的风电机组场景中,风机辅助系统只能靠无线网络传输数据,极易受风向变化、风机桨叶阻挡、恶劣天气等因素影响而不能联网,智慧风电迟迟无法全面铺开。


为解决风电等行业的移动通信弱网难题,达摩院XG实验室基于新近研发的下一代网络协议XLINK技术采用用户体验驱动(QoE-driven)的多传输调度策略,开发出一款高性能、低延迟的多路行业网关


该网关实现了5G、4G、WAN等多条通信链路的有效聚合,大幅提升数据回传的实时性和准确性,并联合浙江运达风电股份有限公司实现了风电场景验证及优化。


达摩院研发的多路行业网关系统框图


运达股份是国内最早从事大型风力发电机组研究与制造的行业领先企业之一,达摩院联合运达股份已将该技术成功应用于全国多个风力发电厂。


某风力发电厂在安装部署多路行业网关后,风机到控制中心的网络性能实现极大提升,平均可用率从之前50%的水平提升至90%左右,增幅超八成。


这意味着一台风机每天产生的数十Gb数据,从集中“月更”进化到实时传输


采用达摩院多路行业网关后,风机网络可利用率增至90%

 

“有了更好的网络传输条件,我们部署在野外的风机才能更‘智慧’,控制中心也可根据这些实时数据探索更多智慧风电的新功能和新应用,比如可实时查看风机内外的视频图像。”运达股份技术中心高级工程师戴建军说。


如今,达摩院XG实验室的多路行业网关已广泛应用于能源、电力、巡检、医疗等行业,有效解决各领域网络“最后一公里”的难题。



/ END /

目录
相关文章
|
达摩院 运维 网络协议
给风机装上“翅膀”,解决网络“最后一公里”难题
达摩院成功研发内嵌XLINK协议的多路行业网关,破解野外风机等智能设施的无线传输弱网问题。目前,该技术已成功应用于全国多个风力发电厂,风机装上“翅膀”后,平均网络可用率提升80%,为智慧风电的实现提供了关键的实时数据支撑。
451 0
给风机装上“翅膀”,解决网络“最后一公里”难题
|
1月前
|
机器学习/深度学习 数据采集 人工智能
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
43 0
|
1月前
|
机器学习/深度学习 算法 计算机视觉
基于yolov2深度学习网络的火焰烟雾检测系统matlab仿真
基于yolov2深度学习网络的火焰烟雾检测系统matlab仿真
|
1月前
|
机器学习/深度学习 算法 计算机视觉
m基于深度学习网络的性别识别系统matlab仿真,带GUI界面
m基于深度学习网络的性别识别系统matlab仿真,带GUI界面
29 2
|
1月前
|
机器学习/深度学习 算法 计算机视觉
基于yolov2深度学习网络的视频手部检测算法matlab仿真
基于yolov2深度学习网络的视频手部检测算法matlab仿真
|
1月前
|
机器学习/深度学习 算法 数据库
基于CNN卷积网络的MNIST手写数字识别matlab仿真,CNN编程实现不使用matlab工具箱
基于CNN卷积网络的MNIST手写数字识别matlab仿真,CNN编程实现不使用matlab工具箱
|
1月前
|
传感器 算法 Go
基于EKF扩展卡尔曼滤波的传感器网络目标跟踪matlab仿真
基于EKF扩展卡尔曼滤波的传感器网络目标跟踪matlab仿真
|
2月前
|
机器学习/深度学习 算法 数据挖掘
【MATLAB】tvf_emd_ MFE_SVM_LSTM 神经网络时序预测算法
【MATLAB】tvf_emd_ MFE_SVM_LSTM 神经网络时序预测算法
46 2
|
2月前
|
机器学习/深度学习 算法 数据挖掘
【MATLAB】REMD_ MFE_SVM_LSTM 神经网络时序预测算法
【MATLAB】REMD_ MFE_SVM_LSTM 神经网络时序预测算法
44 5