CN109684727A - 孪生体模型构建方法、装置和计算机设备 - Google Patents
孪生体模型构建方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN109684727A CN109684727A CN201811591295.9A CN201811591295A CN109684727A CN 109684727 A CN109684727 A CN 109684727A CN 201811591295 A CN201811591295 A CN 201811591295A CN 109684727 A CN109684727 A CN 109684727A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- target
- observation
- thermoelectricity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 38
- 230000005619 thermoelectricity Effects 0.000 claims abstract description 113
- 230000007246 mechanism Effects 0.000 claims abstract description 97
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000013499 data model Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种孪生体模型构建方法、装置和计算机设备，该孪生体模型构建方法包括：根据目标火电系统的结构以及运行过程建立目标火电系统的机理模型；采集目标火电系统在预设输入下目标观测点产生的观测状态量数据；根据预设输入运行机理模型，获得机理模型运算时与目标观测点对应观测点产生的模型预估值数据；判断观测状态量数据与模型预估值数据之间的偏差是否达到预设精度值；利用观测状态量数据对机理模型进行数据同化处理，修正机理偏差，获得同化模型；根据机理建模造成的模型偏差建立数据补偿模型，利用数据补偿模型对同化模型进行补偿，获得目标火电系统的孪生体模型。本发明的孪生体模型构建方法，可提升火电系统建模的精度及降低成本。
Description
技术领域
本发明涉及数字孪生领域，具体而言，涉及一种孪生体模型构建方法、装置、计算机设备和计算机存储介质。
背景技术
数字模型的构建对火电系统的研究具有非常重要的意义，根据火电系统构建的数字模型可以用于火电系统机组运行优化、系统故障检测、系统操作推演以及系统事故预警等。
目前对于火电系统数字模型的构建方法主要为两种，其一为高精度数值建模方法，该方法主要利用高性能计算技术建立精细化火电系统模型，因此其建模的计算成本较高。第二种方法为数据驱动建模方法，该方法主要利用神经网络等算法通过火电系统的历史运行数据进行建模，该方法需要大量的火电系统全工况样本来训练，因此很难保证构建的火电系统模型的精度。
发明内容
鉴于上述问题，本发明提供了一种孪生体模型构建方法、装置、计算机设备和计算机存储介质，以提升火电系统建模的精度，同时降低建模的计算成本。
为了实现上述目的，本发明采用如下的技术方案：
一种孪生体模型构建方法，用于构建火电系统孪生体模型，包括：
根据目标火电系统的结构以及运行过程建立所述目标火电系统的机理模型；
采集所述目标火电系统在预设输入下目标观测点产生的观测状态量数据；
根据所述预设输入运行所述机理模型，并分析所述机理模型，获得所述机理模型运算时与所述目标观测点对应观测点产生的模型预估值数据；
判断观测状态量数据与所述模型预估值数据之间的偏差是否达到预设精度值；
当观测状态量数据与所述模型预估值数据之间的偏差未达到预设精度值时，利用观测状态量数据对所述机理模型进行数据同化处理，修正机理偏差，获得同化模型；
根据机理建模造成的模型偏差建立数据补偿模型，利用所述数据补偿模型对所述同化模型进行补偿，获得所述目标火电系统的孪生体模型。
优选地，所述“采集所述目标火电系统在预设输入下目标观测点产生的观测状态量数据”包括：
根据所述预设输入运行所述目标火电系统；
利用DCS系统及SIS系统采集所述目标火电系统运行中所述目标观测点输出的状态变量；
对所述状态变量进行清洗处理，获得观测状态量数据。
优选地，对所述状态变量进行的所述清洗处理包括去噪处理、缺失值处理以及坏点处理中的至少一种。
优选地，所述的孪生体模型构建方法，还包括：
当所述目标火电系统性能进行调整时，再次采集所述目标火电系统的观测状态量数据对所述孪生体模型进行数据同化处理。
优选地，所述对所述机理模型进行数据同化处理的算法包括卡尔曼滤波同化算法和粒子滤波同化算法中的至少一种算法。
本发明还提供一种孪生体模型构建装置，用于构建火电系统孪生体模型，包括：
机理模型建立模块，用于根据目标火电系统的结构以及运行过程建立所述目标火电系统的机理模型；
观测数据采集模块，用于采集所述目标火电系统在预设输入下目标观测点产生的观测状态量数据；
模型数据采集模块，用于根据所述预设输入运行所述机理模型，并分析所述机理模型，获得所述机理模型运算时与所述目标观测点对应观测点产生的模型预估值数据；
数据偏差判断模块，用于判断观测状态量数据与所述模型预估值数据之间的偏差是否达到预设精度值；
数据同化处理模块，用于当观测状态量数据与所述模型预估值数据之间的偏差未达到预设精度值时，利用观测状态量数据对所述机理模型进行数据同化处理，修正机理偏差，获得同化模型；
孪生模型补偿模块，用于根据机理建模造成的模型偏差建立数据补偿模型，利用所述数据补偿模型对所述同化模型进行补偿，获得所述目标火电系统的孪生体模型。
优选地，所述观测数据采集模块包括：
系统运行单元，用于根据所述预设输入运行所述目标火电系统；
变量采集单元，用于利用DCS系统及SIS系统采集所述目标火电系统运行中所述目标观测点输出的状态变量；
数据清洗单元，用于对所述状态变量进行清洗处理，获得观测状态量数据。
优选地，所述的孪生体模型构建装置，还包括：
孪生模型同化模块，用于当所述目标火电系统性能进行调整时，再次采集所述目标火电系统的观测状态量数据对所述孪生体模型进行数据同化处理。
本发明还提供一种计算机设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行所述的孪生体模型构建方法。
本发明还提供一种计算机存储介质，其存储有所述的计算机设备中所使用的计算机程序。
本发明提供一种孪生体模型构建方法，该孪生体模型构建方法用于构建火电系统孪生体模型，包括：根据目标火电系统的结构以及运行过程建立所述目标火电系统的机理模型；采集所述目标火电系统在预设输入下目标观测点产生的观测状态量数据；根据所述预设输入运行所述机理模型，并分析所述机理模型，获得所述机理模型运算时与所述目标观测点对应观测点产生的模型预估值数据；判断观测状态量数据与所述模型预估值数据之间的偏差是否达到预设精度值；当观测状态量数据与所述模型预估值数据之间的偏差未达到预设精度值时，利用观测状态量数据对所述机理模型进行数据同化处理，修正机理偏差，获得同化模型；根据机理建模造成的模型偏差建立数据补偿模型，利用所述数据补偿模型对所述同化模型进行补偿，获得所述目标火电系统的孪生体模型。本发明的孪生体模型构建方法，采用数据同化的方法优化机理模型的参数，并针对不确定项建立补偿模型进行模型的补偿，可极大提升火电系统建模的精度，同时降低建模的计算成本。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明范围的限定。
图1是本发明实施例1提供的一种孪生体模型构建方法的流程图；
图2是本发明实施例2提供的一种孪生体模型构建方法的采集观测数据的流程图；
图3是本发明实施例3提供的一种孪生体模型构建方法的流程图；
图4是本发明实施例4提供的一种孪生体模型构建装置的结构示意图；
图5是本发明实施例4提供的一种孪生体模型构建装置的观测数据采集模块的结构示意图；
图6是本发明实施例4提供的另一种孪生体模型构建装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
图1是本发明实施例1提供的一种孪生体模型构建方法的流程图，该方法用于构建火电系统孪生体模型，包括如下步骤：
步骤S11：根据目标火电系统的结构以及运行过程建立目标火电系统的机理模型。
本发明实施例中，可以根据目标火电系统的结构以及运行过程，在服务器中建立目标火电系统的机理模型，例如获取火电系统运行时燃料供给结构、给水结构、蒸汽结构、冷却结构以及电气结构中各个结构的数据，再结合能量守恒方程以及热力学定律等在服务器中建立火电系统的机理模型。其中，机理模型的建立过程可以利用应用程序来实现，例如可以在服务器中设置有应用程序，利用应用程序根据火电系统各个结构的数据、运行过程、能量守恒方程以及热力学定律等建立相应的模型。
本发明实施例中，在建立目标火电系统的机理模型后，还可以进行该机理模型的验证，判断该机理模型的可信度和稳定性。其中，可以在机理模型中进行输入，该输入对应于真实火电系统，例如可以在与该真实火电系统对应的机理模型模拟输入一定量的煤炭，经过机理模型的运行后观察其输出的电能数据，根据该电能数据进行机理模型的验证，判断该机理模型的可信度和稳定性。其中，上述验证过程中，该煤炭的模拟输入量可以由测试人员来决定，并且设定有电能数据的稳定阈值，当机理模型产生的电能达到稳定阈值时，则可确定该机理模型是稳定的，可信的。
步骤S12：采集目标火电系统在预设输入下目标观测点产生的观测状态量数据。
本发明实施例中，该目标火电系统，例如火电系统在输入预设的煤炭量后运行发电将产生一系列的状态变量数据，该状态变量包括有压力、温度、流量、物位以及机械量。其中，压力是指火电系统中各个结构所承受的蒸汽压力，例如蒸汽管道的压力、高压锅体的压力以及汽包的压力等，整个火电系统中压力状态变量的观测点设置有多个，以便全面检测火电系统中各个结构的压力变量。同样地，火电系统中温度状态变量的观测点也设置有多个，以获取火电系统中各个结构的温度变量。流量则是指产生蒸汽过程中一系列的流量，包括蒸汽的风量及风速，加热锅的给水量等，其中，蒸汽的风量及风速可以通过在蒸汽输送管道中设置风量计以及风速计来获取，给水量则通过在给水管道中设置水流量计来获取。该物位指的是在容器或设备中的物料的高度，在火电系统中可以包括水位、油位、煤位、粉位以及灰位等，如各种水箱的水位可以通过水位计来测量，获取水位的状态变量。机械量则包括汽轮机的转速。
本发明实施例中，上述目标火电系统的观测状态量数据需要在系统的各个结构以及设备中设置多个观测点，获取多个观测点的状态变量数据。其中，该多个观测点的状态变量数据可以通过DCS系统(DCS，Distributed Control System，分布式控制系统)进行采集，采集后的观测状态量数据还可以进行清洗处理后再发送至上述服务器中。该多个观测点中还可以设置有电子仪表，该电子仪表可以通过无线网络连接DCS系统或服务器，传输其获取的状态变量数据。
步骤S13：根据预设输入运行机理模型，并分析机理模型，获得机理模型运算时与目标观测点对应观测点产生的模型预估值数据。
本发明实施例中，在服务器中按照上述目标火电系统的预设输入运行机理模型，并进行该机理模型运行时各个结构以及设备的分析，获得机理模型运行时产生的模型预估值数据。其中，该机理模型的各个结构以及设备中同样设置有多个观测点，并且该观测点与目标火电系统的观测点相同并一一对应。上述机理模型观测点的状态变量数据可以利用算法或应用程序来获取，例如可以在该服务器中设置有数据采集软件，当机理模型运行时，使用数据采集软件采集各个观测点的状态变量数据，最后生成模型预估值数据。
步骤S14：判断观测状态量数据与模型预估值数据之间的偏差是否达到预设精度值。
本发明实施例中，该服务器在获取目标火电系统的观测状态量数据以及机理模型的模型预估值数据后，可以进行状态变量数据的对比，判断观测状态量数据与模型预估值数据之间的偏差是否达到预设精度值，也即判断机理模型与实际目标火电系统之间的偏差。其中，该判断过程可以利用算法或应用程序来实现，例如可以在服务器中设置有应用程序，获取相应的状态变量数据进行偏差的判断，如可以获取目标火电系统汽轮机的转速与机理模型的汽轮机转速来进行偏差的判断。
步骤S15：当观测状态量数据与模型预估值数据之间的偏差未达到预设精度值时，利用观测状态量数据对机理模型进行数据同化处理，修正机理偏差，获得同化模型。
本发明实施例中，当服务器确定观测状态量数据与模型预估值数据之间的偏差未达到预设精度值时，则可利用观测状态量数据对机理模型进行数据同化处理。其中，该同化处理过程中，对机理模型进行数据同化处理的算法包括卡尔曼滤波同化算法和粒子滤波同化算法中的至少一种算法。该数据同化处理过程将观测状态量数据融入机理模型的运算中，进行机理模型参数的校正，不断迭代修正机理模型的参数，使机理模型不断与实际的物理目标火电系统高精度匹配。
本发明实施例中，上述数据同化处理过程可以利用应用程序来实现，例如可以在服务器中设置有数据同化应用程序，该数据同化应用程序使用卡尔曼滤波同化算法将观测状态量数据与机理模型进行同化处理，最终生成同化模型。
步骤S16：根据机理建模造成的模型偏差建立数据补偿模型，利用数据补偿模型对同化模型进行补偿，获得目标火电系统的孪生体模型。
本发明实施例中，该服务器还需要根据机理建模造成的模型偏差建立补偿模型，例如根据目标火电系统参数进行线性化处理或简化处理生成机理模型的参数时产生的模型偏差。本发明实施例中，可以通过神经网络建模，再通过观测状态变量中模型偏差项部分的数据进行数据拟合，获得补偿模型，并利用该补偿模型进行同化模型的偏差补偿，进一步提高模型的精度，获得最终的孪生体模型。
实施例2
图2是本发明实施例2提供的一种孪生体模型构建方法的采集观测数据的流程图，包括如下步骤：
步骤S21：根据预设输入运行目标火电系统。
步骤S22：利用DCS系统及SIS系统采集目标火电系统运行中目标观测点输出的状态变量。
本发明实施例中，目标火电系统在运行中输出的状态变量，可以通过DCS系统及SIS系统(SIS，Safety Instrumented System，安全仪表系统)进行采集，采集的目标火电系统中各个结构以及各个设备的状态变量将传输至服务器中，由服务器进行处理。其中，该DCS系统及SIS系统通过网络连接目标火电系统中各种仪表或传感器进行状态标量的获取，其获取状态量时可以按照一定的时间间隔进行获取，以减少DCS系统及SIS系统的计算量，增加数据采集的效率，也可以实时获取，以提高状态量的可靠性。
步骤S23：对状态变量进行清洗处理，获得观测状态量数据。
本发明实施例中，对状态变量进行清洗处理包括去噪处理、缺失值处理以及坏点处理中的至少一种处理。其中，该清洗处理过程可以利用算法或应用程序来实现，例如可以在服务器中设置有数据清洗应用程序，在获取目标火电系统的状态量后，对状态量进行数据清洗，去除工业环境的噪声干扰等，生成观测状态量数据。
实施例3
图3是本发明实施例3提供的一种孪生体模型构建方法的流程图，该方法用于构建火电系统孪生体模型，包括如下步骤：
步骤S31：根据目标火电系统的结构以及运行过程建立目标火电系统的机理模型。
此步骤与上述步骤S11一致，在此不再赘述。
步骤S32：采集目标火电系统在预设输入下目标观测点产生的观测状态量数据。
此步骤与上述步骤S12一致，在此不再赘述。
步骤S33：根据预设输入运行机理模型，并分析机理模型，获得机理模型运算时与目标观测点对应观测点产生的模型预估值数据。
此步骤与上述步骤S13一致，在此不再赘述。
步骤S34：判断观测状态量数据与模型预估值数据之间的偏差是否达到预设精度值。
此步骤与上述步骤S14一致，在此不再赘述。
步骤S35：当观测状态量数据与模型预估值数据之间的偏差未达到预设精度值时，利用观测状态量数据对机理模型进行数据同化处理，修正机理偏差，获得同化模型。
此步骤与上述步骤S15一致，在此不再赘述。
步骤S36：根据机理建模造成的模型偏差建立数据补偿模型，利用数据补偿模型对同化模型进行补偿，获得目标火电系统的孪生体模型。
此步骤与上述步骤S16一致，在此不再赘述。
步骤S37：当目标火电系统性能进行调整时，再次采集目标火电系统的观测状态量数据对孪生体模型进行数据同化处理。
本发明实施例中，随着目标火电系统的运行老化，在目标火电系统的各结构或各设备进行改造升级时，目标火电系统的性能也将进行调整，这时可以再次采集目标火电系统的观测状态量数据对孪生体模型进行同化处理，进而调整孪生体模型。其中，该服务器也可以通过连接目标火电系统的DCS系统及SIS系统实时监测目标火电系统的各状态量数据，例如可以按照一定的时间间隔获取目标火电系统的状态量数据进行孪生体模型的同化处理，以达到孪生体模型不断在线同化学习，不断提高孪生体模型的精度的目的。
实施例4
图4是本发明实施例4提供的一种孪生体模型构建装置的结构示意图。
该孪生体模型构建装置400包括：
机理模型建立模块410，用于根据目标火电系统的结构以及运行过程建立所述目标火电系统的机理模型。
观测数据采集模块420，用于采集所述目标火电系统在预设输入下目标观测点产生的观测状态量数据。
模型数据采集模块430，用于根据所述预设输入运行所述机理模型，并分析所述机理模型，获得所述机理模型运算时与所述目标观测点对应观测点产生的模型预估值数据。
数据偏差判断模块440，用于判断观测状态量数据与所述模型预估值数据之间的偏差是否达到预设精度值。
数据同化处理模块450，用于当观测状态量数据与所述模型预估值数据之间的偏差未达到预设精度值时，利用观测状态量数据对所述机理模型进行数据同化处理，修正机理偏差，获得同化模型。
孪生模型补偿模块460，用于根据机理建模造成的模型偏差建立数据补偿模型，利用所述数据补偿模型对所述同化模型进行补偿，获得所述目标火电系统的孪生体模型。
如图5所示，该观测数据采集模块420包括：
系统运行单元421，用于根据所述预设输入运行所述目标火电系统。
变量采集单元422，用于利用DCS系统及SIS系统采集所述目标火电系统运行中所述目标观测点输出的状态变量。
数据清洗单元423，用于对所述状态变量进行清洗处理，获得观测状态量数据。
如图6所示，该孪生体模型构建装置400还包括：
孪生模型同化模块470，用于当所述目标火电系统性能进行调整时，再次采集所述目标火电系统的观测状态量数据对所述孪生体模型进行数据同化处理。
本发明实施例中，上述各个模块及单元更加详细的功能描述可以参考前述实施例中相应部分的内容，在此不再赘述。
此外，本发明还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器可用于存储计算机程序，处理器通过运行所述计算机程序，从而使计算机设备执行上述方法或者上述孪生体模型构建装置中的各个模块的功能。
存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本实施例还提供了一种计算机存储介质，用于储存上述计算机设备中使用的计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种孪生体模型构建方法，用于构建火电系统孪生体模型，其特征在于，包括：
根据目标火电系统的结构以及运行过程建立所述目标火电系统的机理模型；
采集所述目标火电系统在预设输入下目标观测点产生的观测状态量数据；
根据所述预设输入运行所述机理模型，并分析所述机理模型，获得所述机理模型运算时与所述目标观测点对应观测点产生的模型预估值数据；
判断观测状态量数据与所述模型预估值数据之间的偏差是否达到预设精度值；
当观测状态量数据与所述模型预估值数据之间的偏差未达到预设精度值时，利用观测状态量数据对所述机理模型进行数据同化处理，修正机理偏差，获得同化模型；
根据机理建模造成的模型偏差建立数据补偿模型，利用所述数据补偿模型对所述同化模型进行补偿，获得所述目标火电系统的孪生体模型。
2.根据权利要求1所述的孪生体模型构建方法，其特征在于，所述“采集所述目标火电系统在预设输入下目标观测点产生的观测状态量数据”包括：
根据所述预设输入运行所述目标火电系统；
利用DCS系统及SIS系统采集所述目标火电系统运行中所述目标观测点输出的状态变量；
对所述状态变量进行清洗处理，获得观测状态量数据。
3.根据权利要求2所述的孪生体模型构建方法，其特征在于，对所述状态变量进行的所述清洗处理包括去噪处理、缺失值处理以及坏点处理中的至少一种。
4.根据权利要求1所述的孪生体模型构建方法，其特征在于，还包括：
当所述目标火电系统性能进行调整时，再次采集所述目标火电系统的观测状态量数据对所述孪生体模型进行数据同化处理。
5.根据权利要求1所述的孪生体模型构建方法，其特征在于，对所述机理模型进行数据同化处理的算法包括卡尔曼滤波同化算法和粒子滤波同化算法中的至少一种算法。
6.一种孪生体模型构建装置，用于构建火电系统孪生体模型，其特征在于，包括：
机理模型建立模块，用于根据目标火电系统的结构以及运行过程建立所述目标火电系统的机理模型；
观测数据采集模块，用于采集所述目标火电系统在预设输入下目标观测点产生的观测状态量数据；
模型数据采集模块，用于根据所述预设输入运行所述机理模型，并分析所述机理模型，获得所述机理模型运算时与所述目标观测点对应观测点产生的模型预估值数据；
数据偏差判断模块，用于判断观测状态量数据与所述模型预估值数据之间的偏差是否达到预设精度值；
数据同化处理模块，用于当观测状态量数据与所述模型预估值数据之间的偏差未达到预设精度值时，利用观测状态量数据对所述机理模型进行数据同化处理，修正机理偏差，获得同化模型；
孪生模型补偿模块，用于根据机理建模造成的模型偏差建立数据补偿模型，利用所述数据补偿模型对所述同化模型进行补偿，获得所述目标火电系统的孪生体模型。
7.根据权利要求6所述的孪生体模型构建装置，其特征在于，所述观测数据采集模块包括：
系统运行单元，用于根据所述预设输入运行所述目标火电系统；
变量采集单元，用于利用DCS系统及SIS系统采集所述目标火电系统运行中所述目标观测点输出的状态变量；
数据清洗单元，用于对所述状态变量进行清洗处理，获得观测状态量数据。
8.根据权利要求6所述的孪生体模型构建装置，其特征在于，还包括：
孪生模型同化模块，用于当所述目标火电系统性能进行调整时，再次采集所述目标火电系统的观测状态量数据对所述孪生体模型进行数据同化处理。
9.一种计算机设备，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行根据权利要求1至5中任一项所述的孪生体模型构建方法。
10.一种计算机存储介质，其特征在于，其存储有权利要求9所述的计算机设备中所使用的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811591295.9A CN109684727B (zh) | 2018-12-20 | 2018-12-20 | 孪生体模型构建方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811591295.9A CN109684727B (zh) | 2018-12-20 | 2018-12-20 | 孪生体模型构建方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109684727A true CN109684727A (zh) | 2019-04-26 |
| CN109684727B CN109684727B (zh) | 2023-04-25 |
Family
ID=66189251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811591295.9A Active CN109684727B (zh) | 2018-12-20 | 2018-12-20 | 孪生体模型构建方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109684727B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111159250A (zh) * | 2019-12-19 | 2020-05-15 | 电子科技大学 | 基于嵌套式深度孪生神经网络的移动端用户行为检测方法 |
| CN111475889A (zh) * | 2020-03-30 | 2020-07-31 | 西安交通大学 | 一种物理与数据驱动的航空发动机数字孪生建模方法 |
| CN111496781A (zh) * | 2020-03-17 | 2020-08-07 | 浙江大学 | 数字孪生驱动的机械臂建模、控制与监测一体化集成系统 |
| CN112200493A (zh) * | 2020-11-02 | 2021-01-08 | 傲林科技有限公司 | 一种数字孪生模型构建方法及装置 |
| CN112329183A (zh) * | 2020-11-06 | 2021-02-05 | 北京三一智造科技有限公司 | 设备状态数据获取方法、装置、电子设备及存储介质 |
| CN112417619A (zh) * | 2020-11-23 | 2021-02-26 | 江苏大学 | 一种基于数字孪生的泵机组优化运行调节系统及方法 |
| CN112523818A (zh) * | 2020-11-19 | 2021-03-19 | 上海发电设备成套设计研究院有限责任公司 | 基于数字孪生体信息的监控方法、系统、服务端及存储介质 |
| CN113011010A (zh) * | 2021-03-01 | 2021-06-22 | 常州英集动力科技有限公司 | 基于结构机理和运行数据的锅炉故障诊断方法及诊断系统 |
| CN113608517A (zh) * | 2021-07-20 | 2021-11-05 | 大唐互联科技(武汉)有限公司 | 一种基于物联网的机理模型诊断系统 |
| CN114819609A (zh) * | 2022-04-21 | 2022-07-29 | 上海擎测机电工程技术有限公司 | 一种火电监盘综合评分报警方法 |
| CN115577488A (zh) * | 2022-08-17 | 2023-01-06 | 国网山东省电力公司营销服务中心(计量中心) | 一种关口电能计量装置性能诊断系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196693A (zh) * | 2013-04-19 | 2013-07-10 | 国家电网公司 | 一种锅炉蓄热系数的测量方法和测量装置 |
| CN108388146A (zh) * | 2018-02-01 | 2018-08-10 | 东南大学 | 一种基于信息物理融合的三维装配工艺设计系统及运行方法 |
| US20180284703A1 (en) * | 2017-03-29 | 2018-10-04 | Fanuc Corporation | Machine learning device, servo control apparatus, servo control system, and machine learning method |
-
2018
- 2018-12-20 CN CN201811591295.9A patent/CN109684727B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196693A (zh) * | 2013-04-19 | 2013-07-10 | 国家电网公司 | 一种锅炉蓄热系数的测量方法和测量装置 |
| US20180284703A1 (en) * | 2017-03-29 | 2018-10-04 | Fanuc Corporation | Machine learning device, servo control apparatus, servo control system, and machine learning method |
| CN108388146A (zh) * | 2018-02-01 | 2018-08-10 | 东南大学 | 一种基于信息物理融合的三维装配工艺设计系统及运行方法 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111159250B (zh) * | 2019-12-19 | 2023-02-21 | 电子科技大学 | 基于嵌套式深度孪生神经网络的移动端用户行为检测方法 |
| CN111159250A (zh) * | 2019-12-19 | 2020-05-15 | 电子科技大学 | 基于嵌套式深度孪生神经网络的移动端用户行为检测方法 |
| CN111496781B (zh) * | 2020-03-17 | 2021-08-03 | 浙江大学 | 数字孪生驱动的机械臂建模、控制与监测一体化集成系统 |
| CN111496781A (zh) * | 2020-03-17 | 2020-08-07 | 浙江大学 | 数字孪生驱动的机械臂建模、控制与监测一体化集成系统 |
| CN111475889A (zh) * | 2020-03-30 | 2020-07-31 | 西安交通大学 | 一种物理与数据驱动的航空发动机数字孪生建模方法 |
| CN111475889B (zh) * | 2020-03-30 | 2022-12-06 | 西安交通大学 | 一种物理与数据驱动的航空发动机数字孪生建模方法 |
| CN112200493A (zh) * | 2020-11-02 | 2021-01-08 | 傲林科技有限公司 | 一种数字孪生模型构建方法及装置 |
| CN112329183A (zh) * | 2020-11-06 | 2021-02-05 | 北京三一智造科技有限公司 | 设备状态数据获取方法、装置、电子设备及存储介质 |
| CN112523818A (zh) * | 2020-11-19 | 2021-03-19 | 上海发电设备成套设计研究院有限责任公司 | 基于数字孪生体信息的监控方法、系统、服务端及存储介质 |
| CN112417619A (zh) * | 2020-11-23 | 2021-02-26 | 江苏大学 | 一种基于数字孪生的泵机组优化运行调节系统及方法 |
| CN113011010A (zh) * | 2021-03-01 | 2021-06-22 | 常州英集动力科技有限公司 | 基于结构机理和运行数据的锅炉故障诊断方法及诊断系统 |
| CN113608517A (zh) * | 2021-07-20 | 2021-11-05 | 大唐互联科技(武汉)有限公司 | 一种基于物联网的机理模型诊断系统 |
| CN114819609A (zh) * | 2022-04-21 | 2022-07-29 | 上海擎测机电工程技术有限公司 | 一种火电监盘综合评分报警方法 |
| CN115577488A (zh) * | 2022-08-17 | 2023-01-06 | 国网山东省电力公司营销服务中心(计量中心) | 一种关口电能计量装置性能诊断系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109684727B (zh) | 2023-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109684727A (zh) | 孪生体模型构建方法、装置和计算机设备 | |
| Sohoni et al. | A critical review on wind turbine power curve modelling techniques and their applications in wind based energy systems | |
| CN109118384A (zh) | 一种风电机组健康预警方法 | |
| CN104632521B (zh) | 一种基于偏航校正的风电功率优化系统及其方法 | |
| KR101660102B1 (ko) | 용수량 수요 예측 장치 | |
| KR101994465B1 (ko) | 기술 시스템, 특히 전기 에너지-발생 설비의 동작의 컴퓨터-보조 모니터링을 위한 방법 | |
| JP6304274B2 (ja) | プラント性能評価装置、プラント性能評価システム、およびプラント性能評価方法 | |
| CN102436515A (zh) | 用于估算涡轮机翼型的剩余寿命的方法和系统 | |
| CN104061208A (zh) | 一种液压系统在线故障诊断方法 | |
| Wekesa et al. | Empirical and numerical analysis of small wind turbine aerodynamic performance at a plateau terrain in Kenya | |
| CN103544527B (zh) | 超超临界汽轮机fcb工况下除氧器水位的预测方法 | |
| CN103823971A (zh) | 一种燃煤电站锅炉烟气含氧量检测方法 | |
| CN109376499A (zh) | 火电机组热力系统的建模方法及模型 | |
| Pandit et al. | Performance assessment of a wind turbine using SCADA based Gaussian Process model | |
| CN106227127A (zh) | 发电设备智能监控装置和监控方法 | |
| CN101825869A (zh) | 基于数据驱动的过热器模型参数辨识方法 | |
| Bilbao et al. | Virtual sensing in an onshore wind turbine tower using a Gaussian process latent force model | |
| JP2021111207A (ja) | プラント性能評価システムおよびプラント性能評価方法 | |
| US10693318B2 (en) | Energy management system, energy management method, and program | |
| KR102148903B1 (ko) | 비행체를 이용한 플랜트 ar 능동제어 시스템 | |
| CN112204547A (zh) | 基于工业对象模型的数据处理方法、装置及设备 | |
| CN116663426A (zh) | 汽化炉炉温预测模型的训练方法、装置及电子设备 | |
| CN206833239U (zh) | 一种基于数据驱动的火电厂控制系统故障检测系统 | |
| Ma et al. | A fault prediction framework for Doubly‐fed induction generator under time‐varying operating conditions driven by digital twin | |
| Jiangxia et al. | A combination prediction model for wind farm output power |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240328 Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd. Country or region after: China Address before: 523000 Room 302, building 18, songkeyuan, Songshanhu high tech Industrial Development Zone, Dongguan City, Guangdong Province Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |