CN112380676A - 一种多能源系统数字孪生数据流建模及压缩方法 - Google Patents
一种多能源系统数字孪生数据流建模及压缩方法 Download PDFInfo
- Publication number
- CN112380676A CN112380676A CN202011180853.XA CN202011180853A CN112380676A CN 112380676 A CN112380676 A CN 112380676A CN 202011180853 A CN202011180853 A CN 202011180853A CN 112380676 A CN112380676 A CN 112380676A
- Authority
- CN
- China
- Prior art keywords
- data
- energy system
- data flow
- digital twin
- modeling
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24568—Data stream processing; Continuous queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种多能源系统数字孪生数据流建模及压缩方法,包括进行多能源系统拓扑以及设备参数的识别;获取所述多能源系统数据流数据,并根据不同的数据类型建立不同的数据流模型;利用不同的压缩算法对所述数据流模型进行压缩;将所述压缩后数据流模型存储至数据库。可以提升多能源系统的监控水平,发现系统运行的异常环节,有助于实现基于多能源系统状态的精准运维;数据获取更加高效,可以实时量测电、气、热(冷)子系统的状态并实时传递给能源互联网的数字孪生,进而实现在线仿真、批量仿真,实时控制等功能;可以借助各种智能算法生成大量状态的采集样本,从中筛选出既满足动态运行约束,又具有较优运行的结果。
Description
技术领域
本发明涉及数据建模的技术领域,尤其涉及一种多能源系统数字孪生数据 流建模及压缩方法。
背景技术
随着人类社会的发展,用能需求的增长和能源紧缺间的矛盾日益凸显。传统 供能系统孤立的规划和运行不利于系统整体能效的提升,因此多能源系统的概 念应运而生。多能源系统作为能源互联网的物理基础,将电、气、热、冷等各类 能量流在能源的生产、转换、存储、消费等环节紧密耦合起来,能够达到提升整 体能源利用率和经济性的目的,因此,研究多能源系统的规划问题对实际建设和 生产具有重要意义。
多能源系统数据流建模及压缩方法是多能源系统规划运行的基础。传统的 基于量测装置采集的数据建模及压缩方法存在如下难点:系统所辖实体多元化 且不对称度高,各实体具备很强的非线性、不确定性、隐蔽性,运行方式灵活且 具有一定的关联性;系统本身及其运行环境复杂,且处于一个时刻演变的状态; 信息不准确:配电网网络拓扑更新可能存在延迟,线路阻抗参数易受气候环境的 影响,量测数据也会存在缺失、异常、不同步等瑕疵。
为了解决上述难题,本发明提出了一种多能源系统数字孪生数据流建模及 压缩方法。多能源系统数字孪生充分利用能源互联网的物理模型、先进计量基础 设施的在线量测数据、能源互联网的历史运行数据,并集成电气、流体、热力、 计算机、通信、气候、经济等多学科知识,进行的多物理量、多时空尺度、多概 率的仿真过程,通过在虚拟空间中完成对能源互联网的映射,反映能源互联网的 全生命周期过程;通过数字孪生数据流建模及压缩,可以实现数据流高效、准确 的存储及传输,为多能源系统的规划运行奠定坚实的基础。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳 实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省 略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能 用于限制本发明的范围。
鉴于上述现有多能源系统存在的问题,提出了本发明。
因此,本发明解决的技术问题是:由于多能源互联系统规模复杂,数据庞大, 现有的数据流建模及压缩方法存在以下问题:信息不准确,能源互联系统网络拓 扑更新可能存在延迟,系统参数易受气候环境的影响,量测数据也会存在缺失、 异常、不同步等瑕疵;效率低下,现有的数据流建模及压缩方法数据采集,存储 效率低,无法满足实时仿真和优化运行的要求;数据采集存储困难,随着计算机 网络、传感器、自动化技术的广泛应用,现场数据容量也不断增大,大规模的海 量数据被数据流的采集和存储带来了困难。
为解决上述技术问题,本发明提供如下技术方案:进行多能源系统拓扑以及 设备参数的识别;获取所述多能源系统数据流数据,并根据不同的数据类型建立 不同的数据流模型;利用不同的压缩算法对所述数据流模型进行压缩;将所述压 缩后数据流模型存储至数据库。
作为本发明所述的多能源系统数字孪生数据流建模及压缩方法的一种优选 方案,其中:所述多能源系统拓扑包括,所述多能源系统拓扑由电力网络,天然 气网络,能源集线器和热力网络组成,并且所述多能源系统的数据包括各装置的 地理信息数据,地图坐标,经纬度,各装置连接关系,地图信息以及线路走向。
作为本发明所述的多能源系统数字孪生数据流建模及压缩方法的一种优选 方案,其中:所述设备参数包括,所述设备参数包括变压器、传输线、负荷以及 分布式电源设备的基本参数。
作为本发明所述的多能源系统数字孪生数据流建模及压缩方法的一种优选 方案,其中:所述根据不同的数据类型建立不同的数据流模型包括,数据流数据 包括基本的电气参数以及多能源系统拓扑数据,其中由于所述电气参数数据量 大,采用对象简谱数据流模型,便于进行识别和存储,对于所述多能源系统拓扑 数据,为了完整存储和提取系统的拓扑连接关系,建立可缩放的矢量图形的数据 流模型。
作为本发明所述的多能源系统数字孪生数据流建模及压缩方法的一种优选 方案,其中:所述不同的压缩算法包括,采用Huffman及Lz77压缩算法,其中 所述Huffman压缩算法是通过构造Huffman数来进行编码,适用于对字符数据 进行编码,所述多能源系统中对象简谱数据流模型数据标志位多、状态位多及重 复率高,因此利用所述Huffman压缩算法进行压缩;所述可缩放的矢量图形的 数据流模型的数据存储占用内存较大和数据大量冗余,使用Lz77压缩算法进行 压缩。
作为本发明所述的多能源系统数字孪生数据流建模及压缩方法的一种优选 方案,其中:所述压缩后数据流模型存储至数据库中包括,所述多能源系统拓扑 分布和传输线地理信息数据以折线图的形式存储至可缩放的矢量图形的数据流 模型图中,其余设备参数数据流以对象简谱数据流模型形式直接存储在MySQL 数据库中。
作为本发明所述的多能源系统数字孪生数据流建模及压缩方法的一种优选 方案,其中:所述MySQL数据库包括,在所述MySQL数据库中,按照服务器 的硬盘容量存放任意多个数据库,并且在每一个数据库里可以存放任意多个表, 每一个表中可以存放任意多个字段,将多能源系统拓扑数据以及其余设备参数 直接存储在数据表中,即可完成数据存储。
作为本发明所述的多能源系统数字孪生数据流建模及压缩方法的一种优选 方案,其中:所述对象简谱数据流模型包括,通过调用所述对象简谱数据流模型 中设备的基本参数,可以进行电力系统潮流计算和电磁暂态仿真,通过调用其他 数据可以进行电力系统规划运行,故障监测及仿真优化。
本发明的有益效果:本方法可以提升多能源系统的监控水平,发现系统运行 的异常环节,有助于实现基于多能源系统状态的精准运维;数据获取更加高效, 可以实时量测电、气、热(冷)子系统的状态并实时传递给能源互联网的数字孪 生,进而实现在线仿真、批量仿真,实时控制等功能;可以借助各种智能算法生 成大量状态的采集样本,从中筛选出既满足动态运行约束,又具有较优运行的结 果,对多能源系统的准确仿真模拟是必不可少的。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需 要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一 些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还 可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例所述的多能源系统数字孪生数据流建模及压缩 方法的流程示意图;
图2为本发明第一个实施例所述多能源系统数字孪生数据流建模及压缩方 法的多能源系统拓扑图;
图3为本发明第一个实施例所述多能源系统数字孪生数据流建模及压缩方 法的MySQL数据库结构。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附 图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一 部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没 有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护 的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明 还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不 违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例 的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少 一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一 个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例 互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表 示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其 在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度 的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指 示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本 发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以 特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、 第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义 理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、 电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连 通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的 具体含义。
实施例1
参照图1~3,为本发明的第一个实施例,该实施例提供了一种多能源系统数 字孪生数据流建模及压缩方法,包括:
S1:进行多能源系统拓扑以及设备参数的识别。需要说明的是,
参照图2,多能源系统拓扑包括,多能源系统拓扑由电力网络,天然气网络, 能源集线器和热力网络组成,并且多能源系统的数据包括各装置的地理信息数 据,地图坐标,经纬度,各装置连接关系,地图信息以及线路走向;
设备参数包括,设备参数包括变压器、传输线、负荷以及分布式电源设备的 基本参数。
S2:获取多能源系统数据流数据,并根据不同的数据类型建立不同的数据流 模型。其中需要说明的是,
由于不同类型数据之间差异化较大,采用不同结构化的格式分别对不同数 据流进行建模,最终构建将源数据转换为相应数据格式的数据转换模块,导入控 制台,对多能源系统不同数据类型进行建模;
根据不同的数据类型建立不同的数据流模型包括,数据流数据包括传输线、 变压器、负荷、分布式电源等设备的基本电气参数以及多能源系统各装置的地理 信息数据,地图坐标,经纬度,连接关系等多能源系统拓扑数据,其中由于电气 参数数据量大,采用对象简谱(JSON JavaScript Object Notation,JS)数据流模型, 便于进行识别和存储,对于多能源系统拓扑数据,为了完整存储和提取系统的拓 扑连接关系,建立可缩放的矢量图形(SVG)的数据流模型。
进一步的是,JSON数据流模型通过调用JSON数据流模型中设备的基本参 数,可以进行电力系统潮流计算和电磁暂态仿真,通过调用其他数据可以进行电 力系统规划运行,故障监测及仿真优化。
S3:利用不同的压缩算法对数据流模型进行压缩。其中需要说明的是,
不同的压缩算法包括,采用Huffman及Lz77压缩算法,其中Huffman压缩 算法是通过构造Huffman数来进行编码,适用于对字符数据进行编码,多能源 系统中JSON数据流模型数据标志位多、状态位多及重复率高,因此利用Huffman 压缩算法进行压缩;SVG数据流模型的数据存储占用内存较大和数据大量冗余, 使用Lz77压缩算法进行压缩。
S4:将压缩后数据流模型存储至数据库。其中需要说明的是,
压缩后数据流模型存储至数据库中包括,多能源系统拓扑分布和传输线地 理信息数据以折线图的形式存储至SVG的数据流模型图中,其余设备参数数据 流以JSON数据流模型形式直接存储在MySQL数据库中;
进一步的是,参照图3,,在MySQL数据库中,按照服务器的硬盘容量存放 任意多个数据库,并且在每一个数据库里可以存放任意多个表,每一个表中可以 存放任意多个字段,将多能源系统拓扑数据以及其余设备参数直接存储在数据 表中,即可完成数据存储。
实施例2
本实施例的第二个实施例,该实施例对多能源系统拓扑以及基本设备参数 两种角度进行具体建模压缩。
(一)多能源系统拓扑
多能源系统以电力系统为核心,以互联网以及其他的信息通信技术为基础, 同时以分布式可再生能源为主要一次能源,并且与热力系统、天然气网络等其他 相关系统紧密耦合形成的复杂多能流系统。
拓扑连接数据包括多能源系统拓扑由电力网络,天然气网络,能源集线器和 热力网络组成,其中电力网络拓扑由变电站、传输线、负荷、电容器、高压刀闸、 电力电缆、高压接地装置、低压避雷器等电力元件及风力发电、光伏发电、燃气 轮机等分布式电源构成,能源集线器由电热锅炉、热电联产、燃气炉等设备构成, 热力网络包括热负荷及气负荷;并且多能源系统拓扑数据包括各装置的地理信 息数据,地图坐标,经纬度,各装置连接关系,地图信息,线路走向等。
本实施例建立多能源系统拓扑数据的JSON的数据结构,采用Huffman压 缩算法进行压缩,并存储在MySQL数据库中,该拓扑数据的数据结构如下表1 所示, 表1:拓扑连接关系数据结构。
通过调用该数据类型的地图坐标、线路走向及各装置连接关系,可以快速生 成区域多能源系统馈线拓扑、展示连接关系缩略图,各节点位置及相应线路。
(二)区域多能源系统设备具体参数
变压器的设备数据包括基本参数、地理信息数据、负载功率、分接头数据以 及电压实测数据等如下表2所示,
表2:变压器设备数据。
其中,变压器基本参数包括变压器漏阻,漏抗,原副边额定电压、额定容量 等,建立变压器基本参数的JSON的数据结构,其数据结构如下表3所示,
表3:变压器数据结构。
变压器 |
-基本参数(double) |
-负载功率(mat) |
-分接头数据(mat) |
电压实测数据(mat) |
将变压器以JSON数据结构存储在MySQL数据库中,并采用Lz77压缩算 法进行压缩,通过调用该类中的基本参数,可以进行电力系统潮流计算和电磁暂 态仿真,通过调用该类中的其他数据,可以进行电力系统规划运行,故障监测及 仿真优化研究;变压器的地理信息数据以同样JSON数据结构直接存储在MySQL 数据库中,用以显示变压器的地理分布。
再依次建立传输线,负荷,风机,光伏的数据结构,其数据结构如下表4~7 所示,
表4:传输线数据结构。
传输线 |
-基本参数(double) |
-传输功率(mat) |
-电压实测数据(mat) |
表5:负荷数据结构。
负荷 |
-基本参数(double) |
-功率实测数据(mat) |
-电压实测数据(mat) |
表6:风机数据结构。
风机 |
-基本参数(double) |
-风速数据(mat) |
-功率实测数据(mat) |
-电压实测数据(mat) |
表7:光伏数据结构。
其中,传输线基本参数包括传输线阻抗,容抗,传输线长度等;负荷基本参 数包括额定容量,额定电压,功率-频率因子,功率-电压因子等;风机基本参数 包括定子阻抗,转子阻抗,励磁电流,励磁电阻和励磁电抗,转差率等;光伏发 电基本参数包括额定温度、额定辐照强度、额定开路电压、额定短路电流、最大 功率点、串联电阻、补偿系数等。
传输线,负荷,风机,光伏以及其他设备以JSON的格式存储在MySQL数 据库,并采用Lz77压缩算法进行压缩,传输线地理信息数据以以折线图的形式 存储在SVG图中。
实施例3
本发明的第三个实施例,为了更好地对本发明方法中采用的技术效果加以 验证说明,本实施例中选择某典型的多能源系统算例进行测试,以科学论证的手 段验证本方法所具有的真实效果;
使用多能源系统算例的系统拓扑,该拓扑中有三相电压源1台,变压器3台, 配网传输线36条,负荷12个,其中母线701及742所连接负荷为分布式电源, 对该算例建立变压器、传输线、负荷等的数据流模型,其中变压器的数据结构如 下所示:
其中传输线的数据结构为如下所示:
其中负荷的数据结构为如下所示:
分别将变压器、传输线、负荷的数据模型进行压缩,并将压缩后的数据模型 存入MySQL数据库进行存储,进而为多能源系统数字孪生潮流仿真、暂态分析、 规划、优化等功能提供基础;相对于传统数据流建模及压缩方法,本发明方法加 入云仿真数字孪生技术,实时量测电、气、热(冷)子系统的状态并实时传递给 能源互联网的数字孪生,进而实现在线仿真、批量仿真,实时控制等功能,并且 可以提升多能源系统的监控水平,发现系统运行的异常环节,有助于实现基于多 能源系统状态的精准运维,有助于数据流建模压缩的实际应用。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照 较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对 本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和 范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种多能源系统数字孪生数据流建模及压缩方法,其特征在于:包括,
分别对多能源系统进行拓扑和对设备参数进行识别;
获取所述多能源系统数据流数据,并根据不同的数据类型建立不同的数据流模型;
利用不同的压缩算法对所述数据流模型进行压缩;
将所述压缩后数据流模型存储至数据库。
2.如权利要求1所述的多能源系统数字孪生数据流建模及压缩方法,其特征在于:所述多能源系统拓扑包括,
所述多能源系统拓扑由电力网络,天然气网络,能源集线器和热力网络组成,并且所述多能源系统的数据包括各装置的地理信息数据,地图坐标,经纬度,各装置连接关系,地图信息以及线路走向。
3.如权利要求1或2所述的多能源系统数字孪生数据流建模及压缩方法,其特征在于:所述设备参数包括,
所述设备参数包括变压器、传输线、负荷以及分布式电源设备的基本参数。
4.如权利要求3所述的多能源系统数字孪生数据流建模及压缩方法,其特征在于:所述根据不同的数据类型建立不同的数据流模型包括,
数据流数据包括基本的电气参数以及多能源系统拓扑数据,其中由于所述电气参数数据量大,采用对象简谱数据流模型,便于进行识别和存储,对于所述多能源系统拓扑数据,为了完整存储和提取系统的拓扑连接关系,建立可缩放的矢量图形的数据流模型。
5.如权利要求1~2和4任一所述的多能源系统数字孪生数据流建模及压缩方法,其特征在于:所述不同的压缩算法包括,
采用Huffman及Lz77压缩算法,其中所述Huffman压缩算法是通过构造Huffman数来进行编码,适用于对字符数据进行编码,所述多能源系统中对象简谱数据流模型数据标志位多、状态位多及重复率高,因此利用所述Huffman压缩算法进行压缩;所述可缩放的矢量图形的数据流模型的数据存储占用内存较大和数据大量冗余,使用Lz77压缩算法进行压缩。
6.如权利要求5述的多能源系统数字孪生数据流建模及压缩方法,其特征在于:所述压缩后数据流模型存储至数据库中包括,
所述多能源系统拓扑分布和传输线地理信息数据以折线图的形式存储至可缩放的矢量图形的数据流模型图中,其余设备参数数据流以对象简谱数据流模型形式直接存储在MySQL数据库中。
7.如权利要求1或6任一所述的多能源系统数字孪生数据流建模及压缩方法,其特征在于:所述MySQL数据库包括,
在所述MySQL数据库中,按照服务器的硬盘容量存放任意多个数据库,并且在每一个数据库里可以存放任意多个表,每一个表中可以存放任意多个字段,将多能源系统拓扑数据以及其余设备参数直接存储在数据表中,即可完成数据存储。
8.如权利要求4所述的多能源系统数字孪生数据流建模及压缩方法,其特征在于:所述对象简谱数据流模型包括,
通过调用所述对象简谱数据流模型中设备的基本参数,可以进行电力系统潮流计算和电磁暂态仿真,通过调用其他数据可以进行电力系统规划运行,故障监测及仿真优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011180853.XA CN112380676B (zh) | 2020-10-29 | 2020-10-29 | 一种多能源系统数字孪生数据流建模及压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011180853.XA CN112380676B (zh) | 2020-10-29 | 2020-10-29 | 一种多能源系统数字孪生数据流建模及压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112380676A true CN112380676A (zh) | 2021-02-19 |
CN112380676B CN112380676B (zh) | 2023-07-14 |
Family
ID=74576004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011180853.XA Active CN112380676B (zh) | 2020-10-29 | 2020-10-29 | 一种多能源系统数字孪生数据流建模及压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112380676B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485156A (zh) * | 2021-06-17 | 2021-10-08 | 国家电网有限公司 | 一种变压器数字孪生云平台及其实现方法 |
CN114362172A (zh) * | 2022-01-17 | 2022-04-15 | 国网内蒙古东部电力有限公司检修分公司 | 一种基于数字孪生技术的多能源系统稳定性判别方法 |
CN116700049A (zh) * | 2023-07-12 | 2023-09-05 | 山东大学 | 基于数据驱动的多能源网络数字孪生实时仿真系统及方法 |
CN116933409A (zh) * | 2023-06-14 | 2023-10-24 | 江苏海洋大学 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070195953A1 (en) * | 2004-03-08 | 2007-08-23 | Medialive, A Corporation Of France | Method And System For The Secure Distribution Of Compressed Digital Texts |
CN101763422A (zh) * | 2010-01-12 | 2010-06-30 | 北京国信慧通科技有限责任公司 | 一种矢量数据的存储及空间索引方法 |
CN103078958A (zh) * | 2013-02-05 | 2013-05-01 | 北京四方继保自动化股份有限公司 | 一种基于可缩放矢量图形svg结合富互联网ria的电力scada web方式实时监控复视方法 |
CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
CN110995396A (zh) * | 2019-12-19 | 2020-04-10 | 中国电力科学研究院有限公司 | 基于层级结构的用电信息采集系统通信报文的压缩方法 |
AU2020100429A4 (en) * | 2020-03-20 | 2020-09-10 | Southeast University | A dynamic optimal energy flow computing method for the combined heat and power system |
CN111722540A (zh) * | 2020-06-19 | 2020-09-29 | 中国电力科学研究院有限公司 | 一种能源互联网数字孪生仿真系统及方法 |
-
2020
- 2020-10-29 CN CN202011180853.XA patent/CN112380676B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070195953A1 (en) * | 2004-03-08 | 2007-08-23 | Medialive, A Corporation Of France | Method And System For The Secure Distribution Of Compressed Digital Texts |
CN101763422A (zh) * | 2010-01-12 | 2010-06-30 | 北京国信慧通科技有限责任公司 | 一种矢量数据的存储及空间索引方法 |
CN103078958A (zh) * | 2013-02-05 | 2013-05-01 | 北京四方继保自动化股份有限公司 | 一种基于可缩放矢量图形svg结合富互联网ria的电力scada web方式实时监控复视方法 |
CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
CN110995396A (zh) * | 2019-12-19 | 2020-04-10 | 中国电力科学研究院有限公司 | 基于层级结构的用电信息采集系统通信报文的压缩方法 |
AU2020100429A4 (en) * | 2020-03-20 | 2020-09-10 | Southeast University | A dynamic optimal energy flow computing method for the combined heat and power system |
CN111722540A (zh) * | 2020-06-19 | 2020-09-29 | 中国电力科学研究院有限公司 | 一种能源互联网数字孪生仿真系统及方法 |
Non-Patent Citations (4)
Title |
---|
唐文虎等: "面向智慧能源系统的数字孪生技术及其应用", 《中国工程科学》 * |
屈志坚等: "电力网络在线仿真系统的矢量流追踪算法", 《电力自动化设备》 * |
沈沉等: "能源互联网数字孪生及其应用", 《全球能源互联网》 * |
贺兴等: "数字孪生在电力系统应用中的机遇和挑战", 《电网技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485156A (zh) * | 2021-06-17 | 2021-10-08 | 国家电网有限公司 | 一种变压器数字孪生云平台及其实现方法 |
CN113485156B (zh) * | 2021-06-17 | 2024-03-19 | 国家电网有限公司 | 一种变压器数字孪生云平台及其实现方法 |
CN114362172A (zh) * | 2022-01-17 | 2022-04-15 | 国网内蒙古东部电力有限公司检修分公司 | 一种基于数字孪生技术的多能源系统稳定性判别方法 |
CN114362172B (zh) * | 2022-01-17 | 2023-10-20 | 国网内蒙古东部电力有限公司检修分公司 | 一种基于数字孪生技术的多能源系统稳定性判别方法 |
CN116933409A (zh) * | 2023-06-14 | 2023-10-24 | 江苏海洋大学 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
CN116700049A (zh) * | 2023-07-12 | 2023-09-05 | 山东大学 | 基于数据驱动的多能源网络数字孪生实时仿真系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112380676B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112380676B (zh) | 一种多能源系统数字孪生数据流建模及压缩方法 | |
CN107272615B (zh) | 一种调配一体化系统的厂站模型处理方法 | |
CN104598671B (zh) | 一种基于在线数据的数字电网构建方法 | |
CN102510127A (zh) | 电网在线监测的一次和二次设备统一模型的方法 | |
CN101751426A (zh) | 在scada和gis之间实现信息共享的方法和装置 | |
CN106684915A (zh) | 一种风氢耦合发电系统的优化方法及装置 | |
CN106970999B (zh) | 一种bpa数据库建模与维护方法 | |
CN113904322A (zh) | 一种基于电流+电压的低压配网拓扑生成方法 | |
Ding et al. | Transmission line overload risk assessment considering dynamic line rating mechanism in a high-wind-penetrated power system: A data-driven approach | |
CN102539823A (zh) | 一种wtg风速分布的预测方法 | |
CN110336322B (zh) | 基于日最小负荷置信区间的光伏发电准入容量确定方法 | |
CN116845966A (zh) | 基于拓扑供电路径生成的新能源聚合计算分析方法及系统 | |
CN113779767B (zh) | 一种电气网络电磁暂态仿真模型的自动可视化方法 | |
CN110309565A (zh) | 一种基于树形层级划分结构维护电网计算数据的方法及系统 | |
CN111553040B (zh) | 一种基于gpu加速的电网拓扑分析高性能计算方法及装置 | |
CN113890029A (zh) | 面向可开放容量提升的配电网多目标优化方法 | |
CN113516280A (zh) | 一种基于大数据的电网设备故障概率预测的优化方法 | |
CN105514981A (zh) | 一种基于建筑信息模型的光伏逆变器接入位置优化方法 | |
Wu et al. | Research on GIS Topology Modeling of Distribution Network Based on Data Fusion | |
Dong et al. | Voltage quality evaluation of distribution network based on probabilistic load flow | |
CN117526225A (zh) | 一种基于数字孪生的配电网短路电流计算方法及装置 | |
CN113609686B (zh) | 一种新能源置信容量分析方法及系统 | |
TÁCZI et al. | CHAPTER ELEVEN STATE ESTIMATION ON A LOW VOLTAGE GRID CONSIDERING THE EFFECT OF HOUSEHOLD | |
Teng et al. | Simulation Platform Parameter Extraction Method for Distribution Area based on User Electrical Characteristic | |
Zhao et al. | Research on Online Modeling Technology of Wind Farm in Online Stability Analysis |
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 |