CN109711001B - 基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法 - Google Patents

Abstract

基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法，分析巨型水电站各子系统的时间尺度和刚性特征，提出基于分布式智能多代理技术的柔性化子系统划分方法。根据系统的层次和功能，将水电站分为若干个不同时间尺度和刚性特征的标准模块，建立巨型水电站各个标准子系统的模型；基于局部截断误差对多时间尺度变量进行分组和组间协调处理，实现多维仿真精确性和实时性的统一；基于场景属性的参数层次聚类方法，建立属性特征模型，提出多维数据横向和纵向交互共享技术，实现二三维同步显示。本发明利用柔性化子系统划分方法建立巨型水电站标准子模块，利用场景属性聚类方法建立数据融合属性特征模型，实现二维和三维运维合一仿真的精确性和实时性统一。

Description

基于柔性化子系统划分和场景属性聚类的水电站多维全数字 建模方法

技术领域

本发明涉及巨型水电站仿真技术领域，具体是一种基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法。

背景技术

随着节能减排的深入推进，清洁能源的利用规模进一步扩大。水电作为技术最成熟的清洁能源发电技术，受到国内外的普遍推崇。水电的快速发展，导致对水电站运行和维护的专业技术人才的需求加大。由于水电站是电力系统重要组成部分，对电力系统的负荷支撑具有重要作用，要求从事水电站运行和维护的技术人员必须具有丰富的知识、经验和能力；要求他们全面、正确、熟练地掌握系统及其设备在各种工况下的操作调整技术，具备正确分析、判断和处理各种应急事故的能力。

传统的培训方式是在接受一定专业教育的基础上使受训人员跟班培训。由于电能生产过程的连续性、可靠性及安全性要求，在相当长的时期内，受训者难以得到充分有效的操作训练。这种培训方式周期长、见效慢、难以全面提高受训人员的综合素质。随着我国电力工业的迅速发展，水电站的自动化水平越来越高，运行人员平时的实际操作机会越来越少；同时大规模电力系统对大机组、大容量电厂以及电网运行的安全性、可靠性要求又越来越高，对误操作的可容性越来越小，特别是在事故情况下，要求操作准确无误。依靠传统的培训方式已无法适应现代电力迅速发展的需要，从而迫切需要一种更为有效的现代化培训手段，能在较短的时间内，使受训者得到全面充分有效的操作和检修训练，积累必要的运维和检修经验，能够熟练、准确地进行操作和事故处理，从而确保电力生产的安全性、可靠性。

虚拟仿真培训是一种可实现上述要求的现代化培训手段，具有安全、可靠、故障设置无破坏性，可重复进行操作训练，培训内容丰富灵活，效果逼真等特点。它以现代计算机仿真技术为手段，实现水电站的全站、全过程以及全范围的仿真，融合所创建的电站厂房环境和现地设备一体化三维交互式虚拟场景，可在虚拟场景中进行设备巡检、操作和参观漫游等。二维三维系统的画面和数据实时同步，正常运行场景、事故场景和检修场景可三维展现，实现运维合一培训，增强了临场感，从而达到十分理想的培训效果。但是，巨型水电站由多个动态响应时间尺度不同的子系统组成，各个子系统的设备众多且状态响应复杂，要实现精确反映水电站水机电耦合特性和系统动态响应过程的多维全数字仿真难度较大。

巨型水电站多维仿真有如下难点：①、巨型水电站涉及水、机、电三部分，由多个时间尺度不同的子系统组成，子系统之间具有水机电耦合特性，运行机理复杂。要对巨型水电站实现全站、全范围、全过程的实时和精确仿真，就需要基于一定理论和解耦方法将水电站进行逻辑分解，建立不同元件和功能系统的详细模型；②、巨型水电站包含多个快慢子系统，其数据量巨大，存在不同时间尺度之间系统的不同步问题和动态过程过于复杂问题，如何才能将这些子系统有机地结合在一起，形成一个整体；③、如何创建厂房环境和现地设备的一体化三维交互式虚拟场景，实现二维和三维同步仿真和虚拟现实场景下的运维合一仿真。

发明内容

本发明的目的在于提出一种基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法，利用柔性化子系统划分方法建立巨型水电站标准子模块，利用场景属性聚类方法建立数据融合属性特征模型，实现二维和三维运维合一仿真的精确性和实时性统一。

本发明采取的技术方案为：

基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法，分析巨型水电站各子系统的时间尺度和刚性特征，提出基于分布式智能多代理技术的柔性化子系统划分方法，根据系统的层次和功能，将水电站分为若干个不同时间尺度和刚性特征的标准模块，建立巨型水电站各个标准子系统的模型；基于局部截断误差对多时间尺度变量进行分组和组间协调处理，实现多维仿真精确性和实时性的统一；基于场景属性的参数层次聚类方法，建立属性特征模型，提出多维数据横向和纵向交互共享技术，实现二三维同步显示；

多时间尺度变量进行分组和组间协调处理，包括：在动态系统积分计算过程中，对不同时间尺度标准化子系统变量的局部截断误差进行计算，基于此截断误差进行变量分组，然后采用拟合法建立各个变量组的耦合关系，使得各个子系统紧密耦合，成为一个整体，准确的描述巨型水电站在各种工况下的动态特性。

基于场景属性的参数层次聚类方法，包括：建立多时间尺度、多空间维度和多场景的数据融合属性特征模型，实现参数在不同级层场景的聚类，完成复杂耦合大系统的大批量多维数据实时分析、处理、交互以及压缩和提取，构建时间维度和空间维度的数据共享平台，实现二三维同步显示。

本发明一种基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法，提出巨型水电站“全站、全范围、全过程”运维合一仿真思想，建立多维全数字实时仿真精细化模型、厂房环境和现地设备一体化的三维交互式虚拟场景，支持设备在线式三维拆装和检修，实现运维合一培训。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为水电站多维全数字模型总体结构示意图。

图2为水电站各快慢子系统划分示意图。

图3为辅机系统的生产行为分层示意图。

图4为辅机系统标准模型基本框架示意图。

图5为电源模块逻辑图。

图6为电动机逻辑图。

图7为阀门逻辑图。

图8为分组培训模式下同组内三、二维仿真系统数据融合和交互结构示意图。

图9为基于分布式智能多代理技术的柔性化子系统建模流程图。

图10为基于局部截断误差的多时间尺度数据分组和协调方法流程图。

图11为基于场景属性的参数层次聚类方法流程图。

具体实施方式

基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法，具体包括：

一：基于分布式智能多代理技术的柔性化子系统划分方法：

水电站由引水系统、电气系统、辅机系统、保护系统、开关系统和通信系统等多个动态响应时间尺度不同的子系统组成，各个系统的设备众多、控制过程多样、状态响应复杂；子系统之间的水机电耦合作用使得全发电过程的水机电动态特性混合着快速动态过程和慢速动态过程，具有明显的刚性特征；在实际运行过程中针对设备对象的操控及故障处理的不确定性；这一系列因素都给动态仿真和故障处理带来了很大的困难。项目组经过研究发现，基于严格机理建立巨型水电站详细的整体系统仿真模型，模型维数将非常大，形成维数灾，难以满足实时性要求。因此，基于严格机理建立的水电站数学模型与仿真实时性相矛盾是本项目首要解决的难题。

当前水电站仿真的模型体系是采用“由上而下”的方式构建。针对操作培训、故障培训、流程培训等具体的仿真需求来构建相应的仿真进程，在仿真进程中通过调用相关的功能模块来实现各自的功能，通过调用仿真进程来实现不同的仿真需求。采用这种方式构造的模型对整体系统进行了割裂，在功能上存在着一定的缺陷，因此它很难如实的反映出设备在不同操作、故障及事故之间的状态变化过程。

本发明为了完全反映水电站水机电耦合特性和系统动态反应过程，根据水电站各个子系统变量变化快慢的不同和水机电耦合强度，提出基于分布式多代理技术的柔性化子系统划分方法，自底向上将水电站划分为多个快慢不同的子系统。每个子系统都是一个智能单元，通过各Agent之间的通信、协调和协作，在松散的耦合环境中，完成对水电站实时、精确的仿真。首先将巨型水电站划分为几个大系统，如图2所示。如图3所示，以辅机系统为例，基于复杂系统思想将辅机系统的生产行为划分为4个层次，确定不同层次的行为对象，按设备的功能组成将其分割至最小元素作为模型主体，并将对象的功能算法和故障推理算法融合，建立了不同层次的Agent模型，确定Agent之间的信息交互方式及交互内容，系统动态可以通过主体在不同层次上的功能实现自动涌现。可对辅机大系统进一步划分为各个标准的子模块。

基于严格机理，利用分布式多代理技术的柔性化子系统划分方法，建立了标准模块详细数学模型，满足了计算精确性和实时性要求。

1)、巨型水电站电气系统建模：

巨型水电站电气系统建模，根据水轮发电机组与母线结合的刚性特征，基于强耦合点解耦，将水电站全范围仿真模型在机组高压母线和厂用电母线处横向解耦为若干个能独立计算的子系统，并且每一个子系统根据其层次和各部分功能纵向解耦为若干个标准的模块，包括系统模块、控制模块和接口模块。采用这种方法开发水电站仿真电气模型较好地满足了巨型水电站仿真系统的仿真准确性要求、实时性要求及仿真模型的移植、扩展及维护的方便性要求。水电站电气系统仿真数学模型由一组微分方程和代数方程组成，如式(1)、(2)所示，其中式(1)表示所有电气子系统及其控制系统的动态方程，式(2)表示电气子系统的网络接口方程。

Y＝G(X,Y) (2)

式中X为状态变量，Y为控制变量。式(1)为动态方程，式(2)为网络方程。

2)、巨型水电站辅机系统建模：

基于时间尺度和刚性特征将巨型水电站辅机系统划分为多个标准模型，在每个模块中以最底层的设备为对象来建立设备类，根据设备功能设计通用设模型模版，相同类型的设备采用相同的模版建模。模版可包含三个部分：交互数据、数据接口及设备规则，模型基本框架可表述如图4所示。

(1)：交互部分

①操作模块：

模型对象是监控画面和现地盘柜上的所有操作部件，操作部件包括：按钮、把手、开关、保险、熔断器、阀门把手、监控操作控件、压板等；该模块放在客户端实现。

②信号模块：

模型对象是监控的信号系统，包括信号灯、仪表、简报(形式)，该模块可放在客户端实现。

③故障设置：

辅机故障通过教练员台进行设置，故障指令通过数据库传递至服务器，服务器相关模型从数据库中取得故障指令触发相关的故障计算模型。其功能应包括：1)故障的设置应能够正确反映辅机系统的常用故障类型；2)故障启动与故障设置应分开实现，即所设置的故障不直接启动相关保护装置，而是改变相应的设备状态，故障的启动由所改变的状态量来触发；3)所有的设置故障均能够通过服务器复归。

(2)过程部分：

实现设备不同交互方式下的过程。

①策略模块：

模型对象是辅机自动控制策略，按系统形成模型模版。包括：油压装置及补气系统、闸门控制系统系统、主变冷却器控制、压缩空气系统、排水系统、辅机故障逻辑、机械保护逻辑等模型框架。辅机故障逻辑和机械保护逻辑按照具体故障建立模型模版。

②流程模块：

模型对象是自动完成复杂操作功能的流程，按完成每一阶段操作的流程设计基本模版，通过叠加基本模型来完成流程的模型。

③控制系统模块：

模型对象是盘柜电源系统和现地控制盘柜的二次控制系统。根据盘柜类型(控制系统类型)来设计模型模版。

④电源模块：

计算各控制系统或盘柜系统的电源逻辑计算。

例如：实现电动机控制，至少要包含以下部件：反映电源状态部件：负荷开关、熔断器、接触器；二次开关、保险反映控制行为部件：控制方式切换把手、启动/停止按钮、PLC控制器。反映信号部件：信号灯。按上述模块建模，再按照控制系统的逻辑关系将设备模型连接起来。

(3)物理部分：

元件包括阀门、电动机、断路器，它们是过程模型和物理部分的接口。过程部分模型对元件的状态进行控制，元件的状态变化引起物理动态模型的动态响应。

元件模块的功能设计应包含两个方面，一是与过程模型相连接的部分，二是与物理计算模型相连接的部分。前者用于计算元件的状态，后者用于反映元件在物理计算中逻辑关系。

①电动机：

电动机包括4个过程，启动中/停止中/运行/停止，其逻辑如如下所示：

②阀门：

阀门包括电动阀门和手动阀门

二、基于局部截断误差的多时间尺度数据分组和协调策略：

本发明根据各个子系统的时空尺度和刚柔特征，利用一种改进的隐式梯形积分法，对巨型水电站不同时空尺度和刚性特征的子系统进行耦合计算，正确描述水电站在正常运行工况下、异常运行工况下和故障工况下的动态特性。

1)变量分组：

不同的时空尺度和不同的刚柔特性，导致各个子系统在利用隐式梯形积分法时误差不一样，积分步长也不一样。所以，在不同标准化子系统的变量进展同一时刻时，对各个变量的局部截断误差进行计算，如式(4)所示。

其中h_n＝t_n-t_n-1、α_n＝h_n+h_n-1β_n＝h_n+h_n-1+h_n-2。式中，h为步长，t为时段。

式(5)中E_max和E_min分别为局部截断误差的上下限。

利用式(4)的局部截断误差，当变量E_LT∈[E_min,E_max]时，步长h_n保持不变，否则根据式(5)更新下一步计算步长，然后对不同的时空尺度和不同刚柔特性的子系统中的变量进行分组，实现对积分过程中的积分步长的自适应调整。

2)变量组协调策略：

根据公式(5)将巨型水电站各个子系统的变量分到不同的变量组，如何建立各个变量组的耦合关系，使得各个子系统紧密耦合，成为一个整体，准确的描述巨型水电站在各种工况下的动态特性。

采用拟合法，计算相对较慢的第k+1组参数

在t_j时刻的值，然后利用/>

再对第k组进行积分求得时刻t_j的/>

的值，建立第k组和第k+1组的耦合关系：/>

根据式(6)和式(7)建立各个变量组的耦合关系，使得各个子系统紧密耦合，成为一个整体，准确的描述巨型水电站在各种工况下的动态特性，实现巨型水电站实时和高精度的仿真。

三、基于场景属性的参数层次聚类方法：

水电站多维多媒体仿真系统由二维和三维模型组成，包含多个快慢子系统和多个虚拟场景，其数据量巨大，依据维度可以分为二维数据和三维数据，依据时间尺度可以分为静态、快慢动态数据，依据场景可以分为水轮发电机组数据、闸门数据、地下厂房数据、大坝数据等。本发明提出了基于场景属性的参数层次聚类方法，利用多维数据横向和纵向交互共享技术，建立了多时间尺度、多空间维度和多场景的数据融合属性特征模型，基于属性特征模型实现数据聚类，实现了各个快慢子系统、多个场景之间的数据交互共享和同步显示。基于数据交互共享技术，实现复杂耦合大系统的大批量多维数据的实时分析、处理、交互以及压缩和提取，构建了学员站主机和学员站从机完全一致的场景数据共享平台，支持海量数据的存储和显示，数据库服务器采用广播的方式更新所有的学员站从机的共享内存，保证了仿真过程中多维场景数据的一致性。

巨型水电站海量数据从空间维度上讲包括二维数据和三维数据，从时间尺度上讲包括多个快慢子系统数据，从场景上讲包括水轮发电机组数据、闸门数据、地下厂房数据、大坝数据等。例如一个变压器按设备属性不仅有表示运行状态的二维数据，还包括三维形状、设备元件拆装和地理位置参数的三维数据；变压器按快系统属性包括快系统(电气系统、保护系统)二维和三维数据；变压器按慢系统属性包括慢系统(水气油系统)二维和三维数据。变压器又属于厂房，而厂房还包含发电机、励磁系统、调速系统、母线等设备，这些设备的二维数据、三维数据也可以按厂房主设备属性聚类。因此，可根据数据不同属性按层次、同一层次按类型将数据融合在一起，以便更好的提取和压缩海量数据，从而构建学员站主机和学员站从机完全一致的场景数据共享平台。基于场景属性的参数层次聚类方法如下：

X＝{x₁,K,x_n}表示整个巨型水电站数据集；x_i＝{x_i1,K,x_im}，i＝1,2,K,n表示第i个子系统数据集合，每个数据项有m＝r+p个属性，H聚类器，H_i为类属性A_i对应的聚类器，完成第i个子系统相同类型数据λ_i的聚类融合：

λ_i＝{H_i(x_i,A_i)|x_i,A_i∈V_i,x_i∈X} (8)

则整个巨型水电站数据集X相同类型数据λ_X的聚类融合：

λ_X＝{H_X(X,A_X)|X} (9)

其中H_X为类属性A_X对应的聚类器。

实施步骤：参见图9:

S11、分析巨型水电站引水系统、电气系统、辅机系统、保护系统、开关系统和通信系统的时间尺度和刚性特征，对系统进行划分，如图2所示。

S12、将S11步骤中基于时间尺度和刚性特征划分的子系统，再根据子系统生产行为划分为4个层次，按设备的功能组成将其分割至最小元素作为模型主体，如图3所示。

S13、根据步骤S12所划分层次，基于公式(1)和公式(2)，建立4个层次对应的Agent模型。建立操作模块、信号模块和故障设置模块模型，如图4所示；建立过程部分的策略模块、流程模块、控制系统模块、电源模块的模型，如图5所示；建立物理部分的元件本体模型，如图6和图7所示。

参见图10，在对不同时间尺度和不同刚性特征的子系统整体求解时，基于局部截断误差的子系统数据分组和组间协调策略步骤包括：

S21、设置不同时间尺度子系统参数的积分误差上下限E_max和E_min。根据时间尺度和刚性特征，将巨型水电站划分为快系统(例如电气系统)、次快系统(例如水气油系统)、慢系统(例如闸门系统)等三类子系统，设置这三种系统的积分步长比R。

S22、根据式(4)计算第k步积分的各个系统参数的局部截断误差

S23、当变量

时，步长h_n保持不变，否则根据式(5)更新h_n。

S24、根据子系统中最小的h_min小，将步长小于Rh_min的变量分为一组，最终完成不同时间尺度子系统变量分组。

S25、采用拟合法，根据式(6)和式(7)，建立第k组和第k+1组的耦合关系。

S26、利用隐式梯形积分方法，对不同时间尺度子系统协调统一计算，实现巨型水电站实时和高精度的仿真。

参见图11，基于场景属性的参数层次聚类方法，实现数据的统一协调处理，其具体步骤包括：

S31、建立第i个子系统参数x_i＝{x_i1,K,x_im}的设备属性、场景属性、时间属性和维度属性融合特征模型。

S32、H_i为类属性A_i对应的聚类器，如式(8)所示，完成第i个子系统相同类型数据λ_i的聚类融合。

S33、H_X为类属性A_X对应的聚类器，如式(9)所示，完成整个巨型水电站数据集X相同类型数据λ_X的聚类融合，从而实现参数层次聚类融合。

S34、数据的实时分析、处理、交互以及压缩和提取，构建学员站主机和学员站从机完全一致的场景数据共享平台，实现多维数据横向和纵向交互共享。

Claims (2)

1.基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法，其特征在于：分析巨型水电站各子系统的时间尺度和刚性特征，提出基于分布式智能多代理技术的柔性化子系统划分方法，根据系统的层次和功能，将水电站分为若干个不同时间尺度和刚性特征的标准模块，建立巨型水电站各个标准子系统的模型；

基于分布式多代理技术的柔性化子系统划分方法，自底向上将水电站划分为多个快慢不同的子系统,每个子系统都是一个智能单元，通过各Agent之间的通信、协调和协作，在松散的耦合环境中，完成对水电站实时、精确的仿真；

首先，将巨型水电站划分为几个大系统，将辅机系统的生产行为划分为4个层次，确定不同层次的行为对象，按设备的功能组成将其分割至最小元素作为模型主体，并将对象的功能算法和故障推理算法融合，建立了不同层次的Agent模型，确定Agent之间的信息交互方式及交互内容，系统动态可以通过主体在不同层次上的功能实现自动涌现；能够对辅机大系统进一步划分为各个标准的子模块；

基于严格机理，利用分布式多代理技术的柔性化子系统划分方法，建立标准模块详细数学模型：

1)、巨型水电站电气系统建模：

巨型水电站电气系统建模，根据水轮发电机组与母线结合的刚性特征，基于强耦合点解耦，将水电站全范围仿真模型在机组高压母线和厂用电母线处横向解耦为若干个能独立计算的子系统，并且每一个子系统根据其层次和各部分功能纵向解耦为若干个标准的模块，包括系统模块、控制模块和接口模块；采用这种方法开发水电站仿真电气模型较好地满足了巨型水电站仿真系统的仿真准确性要求、实时性要求及仿真模型的移植、扩展及维护的方便性要求；水电站电气系统仿真数学模型由一组微分方程和代数方程组成，如式(1)、(2)所示，其中，式(1)表示所有电气子系统及其控制系统的动态方程，式(2)表示电气子系统的网络接口方程；

Y＝G(X,Y) (2)

式中：X为状态变量，Y为控制变量；式(1)为动态方程，式(2)为网络方程；

2)、巨型水电站辅机系统建模：

基于时间尺度和刚性特征将巨型水电站辅机系统划分为多个标准模型，在每个模块中以最底层的设备为对象来建立设备类，根据设备功能设计通用设模型模版，相同类型的设备采用相同的模版建模；模版包含三个部分：交互数据、数据接口及设备规则；

基于局部截断误差对多时间尺度变量进行分组和组间协调处理，实现多维仿真精确性和实时性的统一；

基于局部截断误差的多时间尺度数据分组和协调策略如下：

根据各个子系统的时空尺度和刚柔特征，利用一种改进的隐式梯形积分法，对巨型水电站不同时空尺度和刚性特征的子系统进行耦合计算，正确描述水电站在正常运行工况下、异常运行工况下和故障工况下的动态特性；

1)变量分组：

不同的时空尺度和不同的刚柔特性，导致各个子系统在利用隐式梯形积分法时误差不一样，积分步长也不一样，故在不同标准化子系统的变量进展同一时刻时，对各个变量的局部截断误差进行计算，如式(4)所示；

其中h_n＝t_n-t_n-1、α_n＝h_n+h_n-1β_n＝h_n+h_n-1+h_n-2；式中，h为步长，t为时段；

式(5)中E_max和E_min分别为局部截断误差的上下限；

利用式(4)的局部截断误差，当变量E_LT∈[E_min,E_max]时，步长h_n保持不变，否则根据式(5)更新下一步计算步长，然后对不同的时空尺度和不同刚柔特性的子系统中的变量进行分组，实现对积分过程中的积分步长的自适应调整；

2)变量组协调策略：

采用拟合法，计算相对较慢的第k+1组参数

在t_j时刻的值，然后利用

再对第k组进行积分求得时刻t_j的

的值，建立第k组和第k+1组的耦合关系：

根据式(6)和式(7)建立各个变量组的耦合关系，使得各个子系统紧密耦合，成为一个整体，准确的描述巨型水电站在各种工况下的动态特性，实现巨型水电站实时和高精度的仿真；

基于场景属性的参数层次聚类方法，建立属性特征模型，提出多维数据横向和纵向交互共享技术，实现二三维同步显示；其具体步骤包括：

S31、建立第i个子系统参数x_i＝{x_i1,…,x_im}的设备属性、场景属性、时间属性和维度属性融合特征模型；

S32、H_i为类属性A_i对应的聚类器，如式(8)所示，完成第i个子系统相同类型数据λ_i的聚类融合；

S33、H_X为类属性A_X对应的聚类器，如式(9)所示，完成整个巨型水电站数据集X相同类型数据λ_X的聚类融合，从而实现参数层次聚类融合；

S34、数据的实时分析、处理、交互以及压缩和提取，构建学员站主机和学员站从机完全一致的场景数据共享平台，实现多维数据横向和纵向交互共享。

2.基于柔性化子系统划分和场景属性聚类的水电站多维全数字建模方法，其特征在于包括以下步骤：

S11、分析巨型水电站引水系统、电气系统、辅机系统、保护系统、开关系统和通信系统的时间尺度和刚性特征，对系统进行划分；

S12、将S11步骤中基于时间尺度和刚性特征划分的子系统，再根据子系统生产行为划分为4个层次，按设备的功能组成将其分割至最小元素作为模型主体；

S13、根据步骤S12所划分层次，基于公式(1)和公式(2)建立4个层次对应的Agent模型；建立操作模块、信号模块和故障设置模块模型；建立过程部分的策略模块、流程模块、控制系统模块、电源模块的模型；建立物理部分的元件本体模型；

公式(1)表示所有子系统及其控制系统的动态方程，公式(2)表示所有子系统的网络接口方程；

Y＝G(X,Y) (2)

式中：X为状态变量，Y为控制变量；公式(1)为系统动态方程，公式(2)为网络接口方程；

在对不同时间尺度和不同刚性特征的子系统整体求解时，基于局部截断误差的子系统数据分组和组间协调策略步骤包括：

S21、设置不同时间尺度子系统参数的积分误差上下限E_max和E_min；根据时间尺度和刚性特征，将巨型水电站划分为快系统、次快系统、慢系统三类子系统，设置这三种系统的积分步长比R；

S22、根据公式(4)计算第k步积分的各个系统参数的局部截断误差

S23、当变量

时，步长h_n保持不变，否则根据式(5)更新h_n；

S22、S23具体如下：

其中h_n＝t_n-t_n-1、α_n＝h_n+h_n-1β_n＝h_n+h_n-1+h_n-2；式中，h为步长，t为时段；

公式(5)中E_max和E_min分别为局部截断误差的上下限；利用公式(4)的局部截断误差，当变量E_LT∈[E_min,E_max]时，步长h_n保持不变，否则根据公式(5)更新下一步计算步长，然后对不同的时空尺度和不同刚柔特性的子系统中的变量进行分组，实现对积分过程中的积分步长的自适应调整；

S24、根据子系统中最小的h_min小，将步长小于Rh_min的变量分为一组，最终完成不同时间尺度子系统变量分组；

S25、采用拟合法，根据式(6)和式(7)，建立第k组和第k+1组的耦合关系，具体如下：采用拟合法，计算相对较慢的第k+1组参数

在t_j时刻的值，然后利用

再对第k组进行积分求得时刻t_j的

值，建立第k组和第k+1组的耦合关系：

根据式(6)和式(7)建立各个变量组的耦合关系，使得各个子系统紧密耦合，成为一个整体，准确的描述巨型水电站在各种工况下的动态特性，实现巨型水电站实时和高精度的仿真；

S26、利用隐式梯形积分方法，对不同时间尺度子系统协调统一计算，实现巨型水电站实时和高精度的仿真；

基于场景属性的参数层次聚类方法，实现数据的统一协调处理，其具体步骤包括：

S31、建立第i个子系统参数x_i＝{x_i1,…,x_im}的设备属性、场景属性、时间属性和维度属性融合特征模型；

S32、H_i为类属性A_i对应的聚类器，如式(8)所示，完成第i个子系统相同类型数据λ_i的聚类融合；

S33、H_X为类属性A_X对应的聚类器，如式(9)所示，完成整个巨型水电站数据集X相同类型数据λ_X的聚类融合，从而实现参数层次聚类融合；

S32、S33具体如下：

基于场景属性的参数层次聚类方法如下：

X＝{x₁,…,x_n}表示整个巨型水电站数据集；x_i＝{x_i1,…,x_im}，i＝1,2,…,n表示第i个子系统数据集合，每个数据项有m＝r+p个属性，H聚类器，H_i为类属性A_i对应的聚类器，完成第i个子系统相同类型数据λ_i的聚类融合：

λ_i＝{H_i(x_i,A_i)|x_i,A_i∈V_i,x_i∈X} (8)

则整个巨型水电站数据集X相同类型数据λ_X的聚类融合：

λ_X＝{H_X(X,A_X)|X} (9)

其中H_X为类属性A_X对应的聚类器；

S34、数据的实时分析、处理、交互以及压缩和提取，构建学员站主机和学员站从机完全一致的场景数据共享平台，实现多维数据横向和纵向交互共享。

Images