CN111352352A - 用于确定工业系统的系统设定的方法和系统 - Google Patents

用于确定工业系统的系统设定的方法和系统 Download PDF

Info

Publication number
CN111352352A
CN111352352A CN201911328470.XA CN201911328470A CN111352352A CN 111352352 A CN111352352 A CN 111352352A CN 201911328470 A CN201911328470 A CN 201911328470A CN 111352352 A CN111352352 A CN 111352352A
Authority
CN
China
Prior art keywords
industrial
settings
digital twin
simulation
industrial system
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
Application number
CN201911328470.XA
Other languages
English (en)
Other versions
CN111352352B (zh
Inventor
C.法兰克
T.西万蒂
R.伊登贝茨
A.莫加
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Energy Co ltd
ABB Schweiz AG
Original Assignee
ABB Schweiz AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ABB Schweiz AG filed Critical ABB Schweiz AG
Publication of CN111352352A publication Critical patent/CN111352352A/zh
Application granted granted Critical
Publication of CN111352352B publication Critical patent/CN111352352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0294—Optimizing process, e.g. process efficiency, product quality
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32021—Energy management, balance and limit power to tools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Automation & Control Theory (AREA)
  • Environmental & Geological Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明的主题是“用于确定工业系统的系统设定的方法和系统”。为了确定工业系统（10）的系统设定，取回工业系统（10）的数字孪生（41）的数字孪生数据。在将候选系统设定中的一个候选系统设定应用于工业系统（10）之前，基于数字孪生数据来执行工业系统（10）的系统仿真，以探索工业系统（10）的候选系统设定。在正在进行的基础上执行系统仿真的同时，改变系统仿真中使用的至少一个优化目标或至少一个约束。系统仿真的结果用来识别候选系统设定中的一个候选系统设定以用于应用于工业系统（10）。

Description

用于确定工业系统的系统设定的方法和系统
技术领域
本发明涉及工业系统，特别是涉及电力系统。本发明涉及允许改变工业系统的系统设定以关于一个或数个目标优化系统行为的技术。
背景技术
为了确保微电网和其他类型的电网（例如配电和输电网）的稳定操作，在将所得出的设定应用于系统之前广泛地对电气系统的行为进行仿真。执行这类仿真，以便进行与将来有关的预测或者理解关于状态变化的系统特性。仿真基于表示现实系统并且通常在软件中构建的模型。仿真模型由电网公用事业单位广泛用来例如帮助操作员理解系统在某些条件下如何演进或表现。
常规地，用离线方式执行仿真。这么做的一个原因在于，仿真经常花费比现实系统时间长的时间。这意味着系统自适应基于数据快照（data snapshot）的离线分析。与此关联的一个缺点在于，资产状况、资产利用以及诸如操作成本和/或稳定性之类的总体系统目标能够随时间而变化，这不能通过离线仿真而被充分反映。
H. Zhang等人的“A digital twin-based approach for designing anddecoupling of hollow glass production line”，IEEE Access, Vol. 5, 2017, pp.26901-26911公开了一种方法，该方法将基于数字孪生的方法用于中空玻璃生产线的快速个性化设计。数字孪生用来在设计和预生产阶段中验证生产线解决方案。这个技术具有受限的可用性，因为系统状态和系统目标可随时间而变化。
US 2016/0333854 A1公开了一种用于管理具有多个风力涡轮机的风电场的数字孪生接口。该数字孪生接口包括显示风电场的数字等效体的图形用户界面（GUI）。该接口还包括配置成优化风电场的性能的一个或多个控制特征。虽然该系统促进风电场的控制，但是它要求用户输入以便确定最佳操作参数。数字孪生接口可能没有充分反映可在较长时间范围上变化的系统目标，并且可能没有充分考虑到操作参数在例如系统目标或系统状态变化时可能不再是最佳的。
US 2017/0323274 A1公开了一种提供用于优化工业资产集合的操作的推荐的方法。工业资产集合的数字孪生被生成。
WO 2018/111368 A1公开了一种用于配置和参数化能量控制系统的技术。
在本领域中存在对用于确定系统设定的改进方法和系统的持续需要，所述改进方法和系统允许考虑到变更的系统目标。本领域中存在对用于确定电力系统（诸如微电网、分布式能源（DER）、配电和输电网以及其他电力系统）的设定的方法和系统的持续需要。
发明内容
本发明的目的是提供用于确定诸如电力系统的工业系统的设定的改进技术。本发明的目的是提供能够考虑系统状态和系统目标的变化的用于确定工业系统的可能设定的技术。本发明的目的是提供帮助操作员在工业系统的操作期间在正在进行的基础上、特别是连续地识别工业系统的最佳设定的技术。
提供如独立权利要求中记载的方法、计算机可读指令代码和计算系统。从属权利要求限定实施例。
本发明的实施例例如在优化例程中将数字孪生与正在进行或连续的系统仿真相组合。数字孪生能够用于系统设定的在线确定，因为所公开的技术能够使用主动学习，并且能够适应变化的目标。
如本文所使用的，术语“系统设定的确定”可以是候选系统设定的探索。探索可包括确定可能解的近似帕累托前沿（Pareto front）。与基于数字孪生执行的探索有关的信息可被提供给操作员，以用于将要应用于现实世界工业系统的系统设定的最终选择。
根据实施例，模仿现实世界工业系统的（例如现实世界电网的）行为以及工业系统的控制和通信子系统的行为的数字孪生能够由优化引擎用来针对不同目标（例如成本、稳定性、故障容忍度、冗余度、能量消耗、排放最小化、客户可靠性等）或者不同约束确定可能的期望系统设定。通过使用数字孪生数据来针对（一个或多个）指定的目标和/或（一个或多个）指定的约束得出工业系统的优化系统设定，能够确定可能的优化系统设定的帕累托前沿，而不干扰现实世界工业系统的系统操作。
可使用多目标优化引擎，所述多目标优化引擎基于数字孪生数据进行操作。多目标优化引擎能够通过基于数字孪生数据参数化问题实例并且通过仿真这些问题实例，来生成可能解的帕累托前沿的近似。
系统仿真可以是参数仿真。从系统仿真的一次运行到另一次运行改变一个或数个参数，诸如由系统设定组成并且在系统仿真中使用的变量的值，而其他参数保持恒定。能够观测到变更的参数的变化对目标的影响，可通过目标函数来量化所述影响，和/或能够观测到变更的参数的变化对不同目标之间的折衷的影响。
数字孪生能够与现实系统连续同步。多目标优化引擎能够按照正在进行的、特别是连续的方式来针对目标探索解空间。能够连续以及可选地自动适配现实世界工业系统的系统设定。
根据本发明的方面，确定工业系统、特别是电力系统的系统设定的方法包括由计算系统执行的下列步骤：取回工业系统的数字孪生的数字孪生数据；在将候选系统设定中的一个候选系统设定应用于工业系统之前，基于数字孪生数据来执行工业系统的系统仿真，以探索工业系统的候选系统设定，在工业系统的调试和/或操作期间在正在进行的基础上执行系统仿真；以及提供系统仿真的结果以便识别候选系统设定中的一个候选系统设定以用于应用于工业系统。
在优选实施例中，在正在进行的基础上执行系统仿真的同时，可改变系统仿真的至少一个优化目标和/或至少一个约束。至少一个优化目标和/或至少一个约束的改变可由用户输入或者由另一触发事件来触发。
在由与用户输入不同的触发事件触发时，至少一个优化目标和/或至少一个约束的改变可被自动应用。
由于在工业系统的调试和/或操作期间在正在进行的基础上执行系统仿真，所以在确定将要应用于工业系统的适当候选系统设定时能够考虑系统参数设定、系统目标和/或系统约束的改变。
可在工业系统的调试和/或操作期间连续执行系统仿真。
系统仿真可以是参数仿真。
可从系统仿真的一次运行到系统仿真的另一次运行改变一个参数或数个参数，而全部其他参数可保持恒定。这允许将相应参数的变化对一个或数个目标的影响量化。
在系统仿真的第一集合中，可在系统仿真的至少两次运行之间变更第一参数，以识别第一参数的变化对一个或数个目标的影响，如通过例如目标函数来量化所述影响。
在系统仿真的第二集合中，可在系统仿真的至少两次运行之间变更第二参数，以识别第二参数的变化对一个或数个目标的影响，如通过例如目标函数来量化所述影响，其中第二参数与第一参数不同。
第一参数和第二参数可涉及例如电网的工业自动化控制系统（IACS）的不同的智能电子装置（IED）。
第一参数可涉及电路断路器、变压器、输电线、发电机、分布式能源或者电力网络的其他一次装置。第二参数可涉及IED。
可在多目标优化例程中执行系统仿真，所述多目标优化例程使用数字孪生数据。
多目标优化例程可基于数字孪生数据来参数化问题实例，并且可对这些问题实例进行仿真。
多目标优化例程由此可生成可能的系统设定的帕累托前沿的近似。
可经由操作员在用户接口基于系统仿真的结果进行用于应用于工业系统的候选系统设定中的一个候选系统设定的选择。
该方法还可包括：接收输入，该输入改变多目标优化的至少一个目标和/或至少一个约束；以及响应于该输入而修改多目标优化例程。
输入可以是操作员输入。备选地或附加地，输入可以是触发事件，该触发事件可以在工业系统中被检测到或者通过监测与工业系统分离的事件而被检测到。
执行系统仿真可包括取回与数字孪生数据不同的附加信息，并且在系统仿真中使用该附加信息。
可从与工业系统不同的来源取回附加信息。
附加信息可包括天气数据和/或资源价格数据。
附加信息可包括与将来时间点相关的预报信息。
该方法还可包括连续更新数字孪生，以在工业系统的操作期间确保数字孪生与工业系统的一致性。
工业系统可包括多个控制装置以及连接到多个控制装置的通信网络。可基于由多个控制装置发出的控制命令并且基于通信网络中传送的消息来连续更新数字孪生。
工业系统可以是工业自动化控制系统IACS。
控制装置可以是智能电子装置IED。
工业系统可包括电路断路器或开关。可基于电路断路器或开关的状态、基于由IED发出的控制信号并且基于由IED接收或传送的消息来更新数字孪生。
该方法可包括在运行中（on-the-fly）将候选系统设定中的所识别的一个候选系统设定应用于所述工业系统。
应用候选系统设定中的所识别的一个候选系统设定包括向工业系统传递例如在多目标优化中通过系统仿真对于数字孪生识别的候选系统设定中的一个候选系统设定。
可基于例如已经自动确定的可能候选解的集合、通过在用户接口接收的操作员输入来选择候选系统设定中的所识别的一个候选系统设定。
可自动确定并且可例如响应于触发事件自动应用候选系统设定中的所识别的一个候选系统设定。
该方法还可包括在应用于工业系统之前使用数字孪生数据来验证候选系统设定中的所识别的一个候选系统设定。
工业系统可以是电力网或者电力网的一部分。
工业系统可以是分布式能源DER或者微电网。
根据本发明的方面的计算机可读指令代码包含指令，所述指令在由计算装置的至少一个处理器执行时促使该至少一个处理器执行根据实施例的方法。
根据实施例的有形计算机可读介质在其上存储有指令，所述指令在由至少一个处理器执行时促使该至少一个处理器执行根据实施例的方法。
根据本发明的方面的计算系统包括至少一个集成半导体电路，所述至少一个集成半导体电路被编程以：取回工业系统、特别是电力系统的数字孪生的数字孪生数据；在将系统设定应用于工业系统之前基于数字孪生数据来执行工业系统的系统仿真，以探索工业系统的候选系统设定，其中在工业系统的调试和/或操作期间在正在进行的基础上执行系统仿真；以及提供系统仿真的结果，以识别将要应用于工业系统的系统设定。
在优选实施例中，该计算系统可配置成允许在正在进行的基础上执行系统仿真的同时改变系统仿真的至少一个优化目标和/或至少一个约束。
可通过用户输入或者通过另一个触发事件来触发至少一个优化目标和/或至少一个约束的改变。
该计算系统可适于执行根据实施例的方法。
该计算系统可具有数据接口，该数据接口配置成耦合到工业系统的工业自动化控制系统。
该计算系统可配置成经由数据接口来监测工业自动化控制系统的通信网络中传送的消息。
该计算系统可配置成提供数字孪生的计算机实现表示。
数字孪生的计算机实现表示可反映电力系统的一次组件和电力系统的二次组件两者，以及二次组件之间的通信。二次组件可包括IED和/或合并单元。
根据实施例，提供工业系统以及耦合到该工业系统的计算系统的组合。计算系统将工业系统的数字孪生表示与多目标优化相组合，以在正在进行的基础上、特别是连续地确定最佳系统设定。
工业系统可以是工业自动化控制系统IACS。
工业系统可以是电力网、电力网的一部分、微电网或者DER。
在根据本发明的实施例的方法和计算系统中，数字孪生能够可操作以捕获工业系统的实际动态和状态。数字孪生能够与多目标优化引擎一起被使用，所述多目标优化引擎得出表示对多目标优化问题的解的适当系统设定的帕累托前沿的近似。所得出的解能够用于允许由工业系统的操作员进行明智判定。备选地或附加地，提供对多目标优化问题的最佳解的所识别的候选系统设定能够被自动应用于现实世界工业系统。
根据实施例的方法和计算系统适应变更的系统目标和/或系统约束。在工业系统的调试和/或实时操作（live operation）期间在正在进行的基础上执行系统仿真的序列的同时，系统目标和/或系统约束可变更。
方法和计算系统能够适于向系统操作员输出关于最佳系统设定的信息。方法和计算系统能够适于对各种不同系统目标中的分别每一个和/或对系统目标的各种组合中的每一个和/或对各种不同的（一个或多个）系统约束或系统约束的组合中的每一个来输出关于最佳或可能的候选系统设定的信息。
根据本发明的实施例的方法和计算系统使系统操作员能够动态改变或添加优化目标。针对改变的优化目标确定的对应系统设定能够应用于现实世界工业系统。这能够自动地或者响应于系统操作员输入而进行。
通过根据本发明的方法和计算系统来获得各种效果和优点。为了说明，根据实施例的方法和系统允许在系统设定被应用于工业系统之前在工业系统的操作期间在正在进行的基础上、特别是连续地确定工业系统的适当系统设定。根据实施例的方法和系统允许在线、即在现实世界工业系统的操作期间更新现实世界工业系统的系统设定。主动学习能够通过数字孪生和多目标优化的组合来实现。根据实施例的方法和系统能够适应变更的系统目标和/或系统约束。
本文所公开的技术能够应用于各种工业系统，例如电网、微电网、分布式能源、配电或输电网络，而并不局限于此。
附图说明
将参照附图中图示的优选示例性实施例更详细地解释本发明的主题，在附图中：
图1是根据实施例的工业系统和计算系统的框图表示。
图2是根据实施例的方法的流程图。
图3是根据实施例的方法的流程图。
图4是根据实施例的方法的流程图。
图5是根据实施例的方法的流程图。
图6是根据实施例的工业系统和计算系统的框图表示。
具体实施方式
将参照附图来描述本发明的示例性实施例，附图中相同或相似参考标记表示相同或相似元件。虽然将在特定工业系统（诸如电网、微电网、分布式能源、配电或输电网络）的上下文中描述一些实施例，但是实施例并不局限于此。
实施例的特征可相互结合，除非另有明确注解。
图1是工业系统10以及确定工业系统10的适当设定的计算系统40的框图。
工业系统10可以是电力系统。该电力系统可包括多个发电机11、12、13，所述多个发电机11、12、13可形成分布式能源（DER）或者微电网。备选地，发电机11、12、13中的一些可被实现为DER。
电力系统可包括电路断路器或开关31、32、33。电路断路器或开关31、32、33可与发电机11、12、13或者与输电线的端子相关联。虽然在图1中示例性地图示了三个发电机11、12、13和相关联的开关31、32、33，但是电力网的任何其他拓扑和配置可用于应用本文所公开的概念。
电力系统可包括数个控制装置21、22、23。控制装置21、22、23可实现为IED。控制装置21、22、23可向其相关联的电路断路器或开关31、32、33提供控制信号。
电力系统可包括通信系统20。通信系统20可实现为工业自动化控制系统的通信系统。可将来自合并单元16、17、18或传感器的数据经由通信系统20提供给控制装置21、22、23。备选地或附加地，控制装置21、22、23可输出消息以用于经由通信系统20的传输。
提供根据实施例的计算系统40，以确定电力系统10的适当系统设定。计算系统40可配置成探索可能系统设定，以便近似得到可能系统设定的帕累托前沿。系统操作员可选择候选系统设定以便应用于电力系统10。
计算系统40可包括一个或数个集成半导体电路（诸如一个或多个处理器、控制器或专用集成电路（ASIC）），以执行下面将更详细描述的操作。
计算系统40可以是分布式计算系统、可驻留在云中的服务器或计算机。
一般来说，计算系统40组合现实世界工业系统10的数字孪生41以及优化引擎42。优化引擎42使用数字孪生41的数字孪生数据来探索能够应用于工业系统10的系统设定中的可能变化，并且确定多个候选系统设定之中的最佳的一个候选系统设定。通过基于数字孪生数据进行操作，优化引擎42无需干扰现实世界工业系统10的操作，直至已经找到最佳系统设定，并且直至这个最佳系统设定要被应用于现实世界工业系统10。
数字孪生41模仿工业系统10的（例如现实电网的）行为以及工业系统10的控制和通信系统的行为。对于电力系统，数字孪生41能够适于模仿电力系统的一次组件和二次组件以及连接二次组件的通信系统的行为。
优化引擎42可操作以针对不同目标和/或不同约束提取可能系统设定。不同目标可包括工业系统10的操作的成本、稳定性准则、冗余度准则、能量消耗、排放最小化、客户可靠性等中的一个或数个。在按照正在进行、特别是连续的方式来执行系统仿真的序列的同时可动态改变目标和/或约束。
计算系统40适于适应改变不同目标的优先级和/或新目标能够变得相关的事实。备选地或附加地，计算系统40适于适应改变不同约束的优先级和/或新约束能够变得相关的事实。计算系统40可具有用户接口44，用户接口44能够允许系统操作员指定改变不同目标的优先级和/或定义新目标。接口44能够允许系统操作员指定改变不同约束的优先级和/或定义新约束。
优化引擎42使用数字孪生41来针对（一个或多个）所指定目标得出现实世界系统10的优化设定，而不干扰现实系统操作。优化引擎42能够被实现为生成可能解的帕累托前沿的近似的多目标优化引擎。为此，优化引擎42可适于基于从数字孪生41取回的数字孪生数据来参数化问题实例，并且对这些问题实例进行仿真。
计算系统40能够使系统操作员能够动态改变或添加优化目标。为了说明，优化引擎42可通过探索对下列形式的目标函数的可能解来找到候选系统设定：
C(s1, ...., sN) = ∑jαj Cj(s1, ...., sN) （1）
在等式（1）中，(s1, ...., sN)表示统称为系统设定的参数集合。例如，参数集合可包括定义工业系统10的各种IED 21、22、23的操作的参数。Cj(s1, ...., sN)表示与数个目标中的第j个目标相关联的目标函数。为了说明，目标函数Cj(s1, ...., sN)可表示与工业系统10的操作或安装相关联的财务成本、稳定性准则、冗余度准则、能量消耗、排放最小化、客户可靠性等。系数αj表示加权因子。在多目标优化中，系数αj可以是例如响应于用户输入而可调整的。系数αj可作为时间的函数而变更。
可按照各种方式、例如作为硬约束或者作为目标函数中的惩罚项（penalty term）来施加约束。为了说明，优化引擎42可通过探索对下列形式的目标函数的可能解来找到候选系统设定：
C(s1, ...., sN) = ∑j αj Cj(s1, ...., sN) + ∑k βk Pk(s1, ...., sN) （2）
其中Pk j(s1, ...., sN)表示与数个约束中的第k个约束相关联的惩罚。系数βk表示加权因子。例如，系数βk可以是响应于用户输入而可调整的。系数βk可作为时间的函数而变更。
计算系统40具有数据接口43。数据接口43允许数字孪生41在工业系统10的操作期间被连续更新，以便模仿工业系统10。这允许计算系统40不仅在调试期间（即，在工业系统10的操作之前）而且在工业系统10的正在进行的操作期间被用于识别适当的系统设定。可以不仅离线地而且在工业系统10的正在进行的操作期间在线地调整工业系统10的系统设定。
为了减轻与潜在长的仿真时间相关联的缺点，优化引擎42可连续执行仿真，所述仿真针对不同系统目标探索各种候选系统设定的适合性。当现实世界中工业系统10的系统设定改变时，这可通过数字孪生41的相应更新来被考虑，这提供数字孪生数据，优化引擎42对所述数字孪生数据进行操作。
当工业系统10的系统目标和/或系统约束改变时，这可由优化引擎42来考虑。
所执行的系统仿真可以是参数仿真。可从系统仿真的一次运行到系统仿真的另一次运行改变一个参数或数个参数，而全部其他参数可保持恒定。这允许相应参数的变化对一个或数个目标的影响被量化。
在系统仿真的第一集合中，可在系统仿真的至少两次运行之间变更第一参数（例如s1），以识别第一参数的变化对一个或数个目标的影响，如通过例如目标函数来量化所述影响。在系统仿真的第二集合中，可在系统仿真的至少两次运行之间变更第二参数（例如s2），以识别第二参数的变化对一个或数个目标的影响，如通过例如目标函数C(s1, ....,sN)来量化所述影响，其中第二参数s2与第一参数s1不同。
在系统仿真的运行的不同集合中变更的第一参数和第二参数可涉及不同智能电子装置（IED）。可在系统仿真的运行的不同集合中接连变更与电网的一次和二次装置相关的参数。第一参数可涉及电路断路器、变压器、输电线、发电机、分布式能源或者电力网络的其他一次装置。第二参数可涉及IED。
在系统设置（或者预生产）期间以及在系统操作（或者生产）期间，多目标优化引擎42（例如NGSA II）使用数字孪生41来探索与系统目标有关的可能解的解空间。探索与多目标优化的不同解相关的系统设定。
计算系统40可允许系统操作员使用探索的解来选择和/或修改工业系统10的操作点。与所选择的解相关的来自数字孪生41的设定然后被应用于工业系统10。将探索的系统设定中的所选择的系统设定应用于工业系统10可响应于专用用户或请求而发生或者自动地发生。
根据本发明的实施例的计算系统40和方法改进调整工业系统10的系统设定以及将工业系统10调节到最佳操作状态的数个方面。使用基于数字孪生数据的仿真针对不同优化目标（例如成本、稳定性准则、冗余度准则、能量消耗、排放最小化、客户可靠性等）的可能系统状态的连续探索使系统操作员能够具有对系统和情形的更好理解。为了说明，可经由用户接口44来输出关于相应最佳系统设定的信息。可考虑随时间变更的系统目标和/或约束。
使用来自数字孪生41的例如关于可能系统操作点的信息还帮助系统操作员进行明智判定。
根据实施例的计算系统40和方法允许按照连续方式来执行系统调节。即，针对某些目标和/或某些约束来改进工业系统10的对系统设定的改变无需由系统操作员周期性地触发，而是能够在后台中连续、可选地自动被执行。
如将参照图6更详细解释的，使用数字孪生数据的优化还能够使用外部数据来源。这允许将对稳定性或系统操作成本或者系统约束可能具有实际影响的天气数据、资源价格或其他外部数据自动集成在优化过程中。外部数据来源可提供附加数据，所述附加数据包括预报数据，例如天气预报数据。
图2是根据实施例的方法50的流程图。方法50可由计算系统40自动执行。
在步骤51，开始系统设定探索。这可例如在电网、微电网或其他电力系统的正在进行的操作期间进行。
在步骤52，在工业系统的正在进行的操作期间，根据现实世界工业系统10的变化来连续更新数字孪生41。
同时，在步骤53，可在正在进行的基础上、特别是连续地执行系统仿真。如上文已经解释的，系统仿真可由多目标优化引擎来执行。在步骤53，能够通过使用数字孪生数据的连续系统仿真来探索不同系统目标和/或系统约束。例如，这可以不仅在工业系统10的正在进行的实时操作（live operation）期间而且在调试期间发生。在步骤53的连续系统仿真可产生对帕累托前沿的近似，这由计算系统40来自动确定。系统仿真可以是参数仿真。
在步骤54，可基于在步骤53的系统仿真的结果来确定适当系统设定，所述系统仿真基于数字孪生数据。
在步骤55，在适当系统设定的探索中已经被确定为最佳的系统设定可被应用于工业系统10。候选系统设定中的所识别的一个候选系统设定的应用可响应于用户请求而发生。所应用的系统设定可由系统操作员基于系统仿真来选择。备选地，候选系统设定中的所识别的一个候选系统设定的应用可在后台中自动发生。
可在循环中执行步骤52到55。由此，可在工业系统10的正在进行的操作期间周期性地更新工业系统10的系统设定。
系统设定的改变可以不仅是改变系统状态的结果，而且还可由系统目标或系统约束的改变引起。为了说明，系统操作员可在任何时间点修改多目标优化的一个或数个目标和/或一个或数个约束。通过多目标优化例程基于数字孪生数据计算确定的最佳系统设定的作为结果的改变能够自动地或者响应于来自系统操作员的请求而被应用于现实世界工业系统10。
图3是根据实施例的方法60的流程图。在方法60中，在调试期间执行基于数字孪生数据62的多目标优化。
在步骤61，开始调试。
在步骤62，执行基于数字孪生数据的多目标优化。可如例如针对图1和图2所述的那样来实现步骤62。
在步骤63，在工业系统10开始操作之前，可以将探索的候选系统设定中的一个候选系统设定应用于工业系统10。可以可选地在将候选系统设定应用于工业系统10之前使用相同的数字孪生来验证所述候选系统设定。
图4是根据实施例的方法70的流程图。方法70可由计算系统40自动执行。
在步骤71，在工业系统10的操作期间将数字孪生41与工业系统10同步。这可涉及由计算系统40监测工业系统10的通信网络20中传送的消息。将数字孪生41与工业系统10同步可包括使数字孪生41适配于工业系统10的物理装置的变化，例如电路断路器或开关的变化。将数字孪生41与工业系统10同步可包括使数字孪生41适配于IED 21、22、23的内部状态的变化。
这个同步能够主要是从现实世界工业系统10到数字孪生41的。同步能够覆盖同样在数字孪生41中建模的全部系统和控制相关数据。使数字孪生41能够像现实世界工业系统10一样利用该目的所需的所有信息来执行所有决策。数字孪生41应当能够执行工业系统10的控制操作，而且能够执行基于更慢循环的判定（例如维护相关）。
对于电气系统，数字孪生41能够模仿一次和二次装置两者以及相关控制组件（诸如IED）的时间相关行为。
在步骤72，基于数字孪生数据来执行多目标优化。多目标优化可探索多个候选系统设定。作为多目标优化的结果，计算系统40可确定一个或数个适当候选系统设定以用于应用于工业系统10。一个或数个系统目标和/或约束可在多目标优化的执行期间改变。
在步骤73，确定所识别的系统设定是否将要被传递给工业系统10。确定步骤73可包括监测对系统设定传递的用户请求。备选地或附加地，确定步骤73可包括监测与用户请求不同的触发事件。在又一些其他实现中，可在正在进行的基础上例如周期性地或准连续地传递系统设定。如果将不传递系统设定，则该方法可返回到步骤71。可自动地或者响应于用户输入而执行系统设定的传递。
在步骤74，如果系统设定将要被传递给现实世界工业系统10，则可将系统设定应用于工业系统10。应用系统设定可包括适配工业系统10的智能电子装置IED 21、22、23的设定。
可实现各种机制，以便将系统设定从计算系统40传递给工业系统10。为了说明，IED 21、22、23可分别执行响应于来自计算系统40的数据的代理，以便改变相应IED 21、22、23的设定。备选地或附加地，可提供单独的主IED，所述单独的主IED从计算系统40接收更新的系统设定，并且将它进一步分配到IED 21、22、23上。
可基本上实时地在运行中执行在步骤74的系统设定的应用。
图5是根据实施例的方法75的流程图。该方法可包括步骤71至74，可如参照图4所描述的那样实现步骤71至74。
方法75还可适于允许系统操作员改变多目标优化的一个或数个系统目标和/或一个或数个系统约束。为了说明，在步骤76，确定是否改变多目标优化的一个或数个目标和/或一个或数个系统约束。目标的改变可涉及等式（1）或（2）中的加权因子的改变。备选地或附加地，目标的改变可包括结合到等式（1）或（2）的目标函数中的附加的新目标的定义。约束的改变可包括撤消或施加硬约束和/或改变等式（2）中的加权因子βk。
在步骤77，如果多目标优化的一个或数个目标和/或约束已经改变，则实现多目标优化的改变。这可涉及改变硬约束或软约束和/或改变目标函数，针对所述目标函数将要确定系统设定的最佳集合。
在图2至图5的方法中，候选系统设定，即，将要应用于工业系统10的参数集合可在其实际被应用于工业系统10之前被验证。验证可再次基于数字孪生41。可生成数字孪生41的副本，以便确保验证能够与数字孪生41和现实世界工业系统10的同步以及连续更新并行进行。
在本文所公开的实施例中的任一个实施例中，优化例程可以不仅考虑数字孪生数据，而且考虑附加数据。可由外部数据来源或者由与工业系统10分开且不同的数个外部数据来源来提供附加数据。如天气预报、资源价格等的数据来源是这种附加数据的示例。这样，在确定最佳系统设定时还能够自动考虑外部价格或操作成本参数。
为了说明，对于DER，最佳系统设定可取决于预报参数，诸如天气预报数据。计算系统40可具有接口45以从外部来源取回这类附加参数，如图6中所图示的。为了说明，计算系统40可具有接口45，所述接口45适于从数据库服务器81取回附加信息，诸如预报天气信息或不同能源的定价信息。计算系统40可经由广域网80来耦合到数据库服务器81。
在根据实施例的方法和计算系统40中，能够通过使用数字孪生41的连续系统仿真来探索所指定的系统目标。这可被进行以生成帕累托前沿的近似。可在工业系统的操作之前（例如在设计和调试阶段期间）并且在工业系统10的操作阶段期间来执行探索。当在正在进行的基础上执行多目标优化的同时，一个或数个系统目标和/或一个或数个系统约束可改变。
至少当工业系统10处于实时操作时，可将数字孪生41与工业系统10连续地同步。
来自外部来源的信息，诸如用于成本数据、资源价格数据或其他数据的方法，可被集成并且用在优化过程中。
根据实施例的方法和计算系统40可经由用户接口来输出与多目标优化的探索的解有关的信息，例如与探索的候选系统设定及其对多目标优化的影响有关的信息。这允许系统操作员在任何时间查看或分析探索的解空间并且选择新目标。
能够通过将基于数字孪生来确定的参数复制到现实系统来在运行中应用新系统设定。
相同数字孪生可在新系统设定被应用于工业系统10之前用于验证新系统设定。
通过根据实施例的方法和计算系统40来获得各种效果。为了说明，方法和计算系统40允许系统操作员在每当需要时改变（一个或多个）系统操作目标和/或（一个或多个）系统约束。对应于潜在的（一个或多个）新目标和/或（一个或多个）系统约束，自动地探索新系统设定并且能够按照需要使用新系统设定。
因为使用数字孪生41，系统仿真的结果是真实的。由于数字孪生41在后台中运行，所以现实世界工业系统10的操作不受对新系统设定的搜索影响。
能够使用来自数字孪生的设定在运行中更新现实世界工业系统10。这能够关于现实世界工业系统10的操作以安全方式来被进行，因为数字孪生41也能够用来验证新系统设定。
外部信息来源能够被集成，因为数字孪生41和/或优化引擎42能够使用这种附加信息（例如天气预报、资源成本）。这特别适用于成本信息。
能够在调试期间（即，对于工业系统10的初始设置）按照由系统操作员优选的方式来使用根据实施例的方法和计算系统40。
根据实施例的方法和计算系统40能够在实时系统操作期间（即，在调试之后）用于目标的动态选择、系统解的探索和系统设定的自动应用，而并不局限于此。
本发明的实施例可用于确定针对电力系统（诸如微电网或DER）的一个或数个系统目标和/或一个或数个约束的最佳系统设定，而并不局限于此。
虽然已经在附图和以上描述中详细描述了本发明，但是这种描述要被认为是说明性或示例性的，并且不是限制性的。从研究附图、本公开和随附权利要求，实践所要求保护的发明的本领域技术人员可理解和实现对所公开实施例的变型。在权利要求书中，词语“包括”并不排除其他元件或步骤，以及不定冠词“一（a或an）”并不排除多个。在不同权利要求中记载某些元件或步骤的纯粹事实并不指示这些元件或步骤的组合不能用来获益，特别地，除了实际的权利要求相关性之外，应认为任何另外的有意义的权利要求组合也是被公开的。

Claims (20)

1.一种确定工业系统（10），特别是电力系统的系统设定的方法，所述方法包括由计算系统（40）执行的下列步骤：
取回所述工业系统（10）的数字孪生（41）的数字孪生数据；
在将候选系统设定中的一个候选系统设定应用于所述工业系统（10）之前基于所述数字孪生数据来执行所述工业系统（10）的系统仿真，以探索所述工业系统（10）的所述候选系统设定，在所述工业系统（10）的调试和/或操作期间在正在进行的基础上执行所述系统仿真，其中在正在进行的基础上执行所述系统仿真的同时改变所述系统仿真中使用的至少一个目标或者至少一个约束；以及
提供所述系统仿真的结果以便识别所述候选系统设定中的一个候选系统设定以用于应用于所述工业系统（10）。
2.如权利要求1所述的方法，其中在所述工业系统（10）的调试和/或操作期间连续地执行所述系统仿真。
3.如权利要求1所述的方法，其中在多目标优化例程中执行所述系统仿真，所述多目标优化例程使用所述数字孪生数据。
4.如权利要求3所述的方法，其中经由用户接口来输出与所述多目标优化例程的探索的解有关的信息，以允许系统操作员查看探索的解空间，所述与所述多目标优化例程的探索的解有关的信息包括与探索的候选系统设定及所述探索的候选系统设定对所述多目标优化的影响有关的信息。
5.如权利要求3所述的方法，还包括在接口（44）接收输入，并且响应于所述输入而修改所述多目标优化例程，所述输入改变所述多目标优化的所述至少一个目标和/或所述至少一个约束。
6.如权利要求1至5中的任一项所述的方法，其中执行所述系统仿真包括从与所述工业系统（10）不同的来源（81）取回与所述数字孪生数据不同的附加信息，并且在所述系统仿真中使用所述附加信息。
7.如权利要求6所述的方法，其中所述附加信息包括天气预报数据和/或资源价格数据。
8.如权利要求1至5中的任一项所述的方法，还包括连续更新所述数字孪生（41），以在所述工业系统（10）的操作期间确保所述数字孪生（41）与所述工业系统（10）的一致性。
9.如权利要求8所述的方法，其中所述工业系统（10）包括多个控制装置（21-23）以及连接到所述多个控制装置（21-23）的通信网络（20），其中基于由所述多个控制装置（21-23）发出的控制命令并且基于在所述通信网络（20）中传送的消息来连续更新所述数字孪生（41）。
10.如权利要求1至5中的任一项所述的方法，还包括在运行中将所述候选系统设定中的所识别的一个候选系统设定应用于所述工业系统（10）。
11.如权利要求10所述的方法，其中应用所述候选系统设定中的所述所识别的一个候选系统设定包括向所述工业系统（10）传递对于所述数字孪生（41）识别的所述候选系统设定中的所述一个候选系统设定。
12.如权利要求10所述的方法，还包括在应用于所述工业系统（10）之前使用所述数字孪生（41）来验证所述候选系统设定中的所述所识别的一个候选系统设定。
13.如权利要求1至5中的任一项所述的方法，其中所述工业系统（10）是电力网或者电力网的一部分。
14.如权利要求1至5中的任一项所述的方法，其中所述工业系统（10）是分布式能源DER或者微电网。
15.一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，所述计算机程序在由计算系统（40）的至少一个处理器执行时，促使所述至少一个处理器执行根据权利要求1至5中的任一项所述的方法。
16.一种计算系统（40），包括至少一个集成半导体电路，所述至少一个集成半导体电路被编程以：
取回工业系统（10）、特别是电力系统的数字孪生（41）的数字孪生数据；
在将系统设定应用于所述工业系统（10）之前基于所述数字孪生数据来执行所述工业系统（10）的系统仿真，以探索所述工业系统（10）的候选系统设定，其中在所述工业系统（10）的调试和/或操作期间在正在进行的基础上执行所述系统仿真，其中在正在进行的基础上执行所述系统仿真的同时改变所述系统仿真中使用的至少一个目标或者至少一个约束；以及
提供所述系统仿真的结果以便识别将要应用于所述工业系统（10）的系统设定。
17.如权利要求16所述的计算系统（40），其中在所述工业系统（10）的调试和/或操作期间连续地执行所述系统仿真。
18.如权利要求16所述的计算系统（40），其中在多目标优化例程中执行所述系统仿真，所述多目标优化例程使用所述数字孪生数据。
19.如权利要求18所述的计算系统（40），还包括用户接口，其中经由所述用户接口来输出与所述多目标优化例程的探索的解有关的信息，以允许系统操作员查看探索的解空间，所述与所述多目标优化例程的探索的解有关的信息包括与探索的候选系统设定及所述探索的候选系统设定对所述多目标优化的影响有关的信息。
20.如权利要求18所述的计算系统（40），还包括接口（44）以接收输入，所述输入改变所述多目标优化的所述至少一个目标和/或所述至少一个约束，所述计算系统（40）被编程以响应于所述输入而修改所述多目标优化例程。
CN201911328470.XA 2018-12-21 2019-12-20 用于确定工业系统的系统设定的方法和系统 Active CN111352352B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18214990.6 2018-12-21
EP18214990.6A EP3671374A1 (en) 2018-12-21 2018-12-21 Method and system for determining system settings for an industrial system

Publications (2)

Publication Number Publication Date
CN111352352A true CN111352352A (zh) 2020-06-30
CN111352352B CN111352352B (zh) 2024-04-26

Family

ID=64901351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911328470.XA Active CN111352352B (zh) 2018-12-21 2019-12-20 用于确定工业系统的系统设定的方法和系统

Country Status (3)

Country Link
US (1) US11669085B2 (zh)
EP (1) EP3671374A1 (zh)
CN (1) CN111352352B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330492A (zh) * 2020-11-24 2021-02-05 国网河南省电力公司经济技术研究院 一种基于通信可靠性约束的主动配电网能源共享方法
CN115700504A (zh) * 2022-10-18 2023-02-07 国网青海省电力公司海北供电公司 一种基于数字孪生智慧电网推演系统
CN116529034A (zh) * 2020-11-20 2023-08-01 西门子工业软件公司 生成数字孪生、方法、系统、计算机程序产品

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3827316A1 (en) * 2018-08-23 2021-06-02 Siemens Aktiengesellschaft Automatic setup of digital twins for industrial controllers
US11881713B1 (en) * 2020-03-06 2024-01-23 National Technology & Engineering Solutions Of Sandia, Llc Digital twin advanced distribution management systems (ADMS) and methods
CN112464418B (zh) * 2020-11-17 2023-07-28 海南省电力学校(海南省电力技工学校) 一种分布式能源资源的通用数字孪生体构建方法
EP4016359A1 (de) * 2020-12-21 2022-06-22 Siemens Aktiengesellschaft Verfahren, computer-programm-produkt und modellierungswerkzeug zum referenzmodellbasierten, anforderungsbezogenen entwickeln eines technischen systems
CN113193589B (zh) * 2021-03-31 2022-08-16 哈尔滨工业大学 基于数字孪生模拟的dfig风电场次同步振荡抑制方法
US11868122B2 (en) * 2021-09-10 2024-01-09 Rockwell Automation Technologies, Inc. Digital twin outcome-driven orchestration
EP4398052A1 (en) * 2023-01-05 2024-07-10 Linde GmbH Method for operating a process plant, control system and process plant
CN116227248B (zh) * 2023-05-10 2023-07-07 长江三峡集团实业发展(北京)有限公司 重力储能系统的数字孪生体构建方法、装置及电子设备
CN116703321B (zh) * 2023-06-09 2023-11-21 北京市永康药业有限公司 一种基于绿色生产的药厂管理方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110082597A1 (en) * 2009-10-01 2011-04-07 Edsa Micro Corporation Microgrid model based automated real time simulation for market based electric power system optimization
US20160247129A1 (en) * 2015-02-25 2016-08-25 Siemens Corporation Digital twins for energy efficient asset maintenance
US20160333854A1 (en) * 2015-05-15 2016-11-17 General Electric Company Digital Twin Interface for Operating Wind Farms
US20170091791A1 (en) * 2015-09-25 2017-03-30 General Electric Company Digital power plant system and method
US9811074B1 (en) * 2016-06-21 2017-11-07 TruPhysics GmbH Optimization of robot control programs in physics-based simulated environment
US20170323239A1 (en) * 2016-05-06 2017-11-09 General Electric Company Constrained time computing control system to simulate and optimize aircraft operations with dynamic thermodynamic state and asset utilization attainment
US20170323274A1 (en) * 2016-05-06 2017-11-09 General Electric Company Controlling aircraft operations and aircraft engine components assignment
WO2018111368A1 (en) * 2016-12-15 2018-06-21 Siemens Aktiengesellschaft Configuration and parameterization of energy control system
CN108427390A (zh) * 2018-04-16 2018-08-21 长安大学 一种基于数字孪生的车间级智能制造系统及其配置方法
US20180247001A1 (en) * 2015-09-06 2018-08-30 China Electric Power Research Institute Company Limited Digital simulation system of power distribution network

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180356811A1 (en) * 2017-06-12 2018-12-13 Honeywell International Inc. Apparatus and method for automated identification and diagnosis of constraint violations

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110082597A1 (en) * 2009-10-01 2011-04-07 Edsa Micro Corporation Microgrid model based automated real time simulation for market based electric power system optimization
US20160247129A1 (en) * 2015-02-25 2016-08-25 Siemens Corporation Digital twins for energy efficient asset maintenance
US20160333854A1 (en) * 2015-05-15 2016-11-17 General Electric Company Digital Twin Interface for Operating Wind Farms
US20180247001A1 (en) * 2015-09-06 2018-08-30 China Electric Power Research Institute Company Limited Digital simulation system of power distribution network
US20170091791A1 (en) * 2015-09-25 2017-03-30 General Electric Company Digital power plant system and method
US20170323239A1 (en) * 2016-05-06 2017-11-09 General Electric Company Constrained time computing control system to simulate and optimize aircraft operations with dynamic thermodynamic state and asset utilization attainment
US20170323274A1 (en) * 2016-05-06 2017-11-09 General Electric Company Controlling aircraft operations and aircraft engine components assignment
US9811074B1 (en) * 2016-06-21 2017-11-07 TruPhysics GmbH Optimization of robot control programs in physics-based simulated environment
WO2018111368A1 (en) * 2016-12-15 2018-06-21 Siemens Aktiengesellschaft Configuration and parameterization of energy control system
CN108427390A (zh) * 2018-04-16 2018-08-21 长安大学 一种基于数字孪生的车间级智能制造系统及其配置方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116529034A (zh) * 2020-11-20 2023-08-01 西门子工业软件公司 生成数字孪生、方法、系统、计算机程序产品
CN112330492A (zh) * 2020-11-24 2021-02-05 国网河南省电力公司经济技术研究院 一种基于通信可靠性约束的主动配电网能源共享方法
CN115700504A (zh) * 2022-10-18 2023-02-07 国网青海省电力公司海北供电公司 一种基于数字孪生智慧电网推演系统

Also Published As

Publication number Publication date
EP3671374A1 (en) 2020-06-24
US11669085B2 (en) 2023-06-06
CN111352352B (zh) 2024-04-26
US20200201314A1 (en) 2020-06-25

Similar Documents

Publication Publication Date Title
CN111352352B (zh) 用于确定工业系统的系统设定的方法和系统
Lan et al. AI-based autonomous line flow control via topology adjustment for maximizing time-series ATCs
Wang et al. On multi-event co-calibration of dynamic model parameters using soft actor-critic
Xu et al. Robust transient stability-constrained optimal power flow with uncertain dynamic loads
Stanovich et al. Development of a smart-grid cyber-physical systems testbed
US10809753B2 (en) Real-time simulator and controller of power system using distributed data streaming server
Mazhari et al. A hybrid fault cluster and thévenin equivalent based framework for rotor angle stability prediction
US11669060B2 (en) Hybrid machine learning and simulation based system for forecasting in electricity systems
KR101759893B1 (ko) 분산자원 모의운전을 위한 시나리오 기반 가상장비 관리 장치
Pérez‐Rúa et al. Reliability‐based topology optimization for offshore wind farm collection system
Acharya et al. Optimal coordination of over current relay using opposition learning-based gravitational search algorithm
Bovo et al. Review of the Mathematic Models to Calculate the Network Indicators to Define the Bidding Zones
Kovalyov Distributed energy resources management: from digital twin to digital platform
Bai et al. Automatic modeling and optimization for the digital twin of a regional multi-energy system
CN117313552B (zh) 半导体器件建模方法、系统及电子设备
Liu et al. A colored generalized stochastic petri net simulation model for service reliability evaluation of active-active cloud data center based on it infrastructure
Lin et al. Hpt-rl: Calibrating power system models based on hierarchical parameter tuning and reinforcement learning
Li et al. On‐line voltage security assessment and control
Fernandes et al. Distributed control on a multi-agent environment co-simulation for DC bus voltage control
Liu et al. Bi-objective Pareto optimization for clustering-based hierarchical power control in a large-scale PV power plant
Jaisiva et al. Real Time Investigation on Congestion Forecasting in De-regulated Power Markets using Artificial Neural Network
Tomak et al. RAST: evaluating performance of a legacy system using regression analysis and simulation
CN115053188A (zh) 事件预测
US20240143861A1 (en) Actor-based distribution computation for partitioned power system simulation
Castro et al. Systematic dynamic assessment for resilient operation of distribution networks

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
CB02 Change of applicant information

Address after: Swiss Baden

Applicant after: ABB Switzerland Co.,Ltd.

Applicant after: Hitachi energy Switzerland AG

Address before: Swiss Baden

Applicant before: ABB Switzerland Co.,Ltd.

Applicant before: ABB grid Switzerland AG

CB02 Change of applicant information
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220507

Address after: Swiss Baden

Applicant after: ABB Switzerland Co.,Ltd.

Applicant after: ABB grid Switzerland AG

Address before: Swiss Baden

Applicant before: ABB Switzerland Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TA01 Transfer of patent application right

Effective date of registration: 20240425

Address after: Swiss Baden

Applicant after: ABB Switzerland Co.,Ltd.

Country or region after: Switzerland

Applicant after: Hitachi Energy Co.,Ltd.

Address before: Swiss Baden

Applicant before: ABB Switzerland Co.,Ltd.

Country or region before: Switzerland

Applicant before: Hitachi energy Switzerland AG

TA01 Transfer of patent application right
TG01 Patent term adjustment