CN112488456B - 一种电力设备数字数据建模方法 - Google Patents
一种电力设备数字数据建模方法 Download PDFInfo
- Publication number
- CN112488456B CN112488456B CN202011263875.2A CN202011263875A CN112488456B CN 112488456 B CN112488456 B CN 112488456B CN 202011263875 A CN202011263875 A CN 202011263875A CN 112488456 B CN112488456 B CN 112488456B
- Authority
- CN
- China
- Prior art keywords
- power equipment
- data
- parameters
- equipment
- vector
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000004519 manufacturing process Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 59
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000036314 physical performance Effects 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 2
- 230000006355 external stress Effects 0.000 claims description 2
- 210000000697 sensory organ Anatomy 0.000 claims description 2
- 235000019580 granularity Nutrition 0.000 abstract description 14
- 238000007726 management method Methods 0.000 abstract description 12
- 238000013499 data model Methods 0.000 abstract description 9
- 238000013461 design Methods 0.000 abstract description 6
- 238000009434 installation Methods 0.000 abstract description 5
- 238000013523 data management Methods 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 10
- 230000009466 transformation Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 239000012212 insulator Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000035882 stress Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供的一种电力设备数字数据建模方法,根据电力设备在空间维度的存在形式及数据应用需要将电力设备分解到类别、设备、单元、元件、部件和零件各个层级不同空间颗粒度的数据描述对象;根据电力设备在时间维度的存在形式及数据应用需要将电力设备按照全生命周期分解为设计、制造、安装、运行和更新各个阶段不同时间颗粒度的数据描述过程;按照电力设备在逻辑维度的存在形式及数据应用需要将电力设备分解为数据、信息、知识、策略、方案、决策、计划等从数据产生到数据应用的全部逻辑环节,电力设备所有空间层级、时间阶段和逻辑环节组成的电力设备全景数字数据模型,统一了电力设备全生命周期数据管理数据方法,便于电力设备数据的管理。
Description
技术领域
本发明涉及电力信息管理技术领域,尤其涉及一种电力设备数字数据建模方法。
背景技术
随着电力系自动化、信息化和互动化技术的发展,电力信息的海量特征日益突出,数字电网应用云计算、大数据、物联网、移动互联网、人工智能、区块链等新一代数字技术对传统电网进行数字化改造,发挥数据的生产要素作用,以数据流引领和优化能量流、业务流,增强灵活性、开放性、交互性、经济性、共享性等,使电网更加智能、安全、可靠、绿色、高效。
但是,随着各种面向业务的电力信息化系统的不断涌现,大多数业务数据是以传统的关系表形式存储,使得系统定位数据时必须对已有数据库结构相当熟悉,缺乏通用的数据调用方法,电力设备是数字电网的组成部分,电力设备数字化最关键的第一步为电力设备的数字数据建模。
目前关于数据建模有三种:
一种是以基建为需求的BIM(Building Information Model,建筑信息模型)数据建模。该种建模方式主要考虑了对于3D建模的需求,在几何模型的基础上,建立组合模型,在组合模型的基础上建立物理模型,在物理模型的基础上建立工程模型。其中,几何模型是由多个基本图元构成或参数化定义。组合模型中包括了上述文件的引用和对应的空间变换矩阵。物理模型由组合模型和物理模型属性组成。工程模型由物理模型和工程属性组成。该种建模方式颗粒度不够且未考虑运行以后的各种设备运行业务数据。
另一种以电网资产管理为需求的CIM(Common Information Model,通用信息模型)数据建模。该种建模方式考虑了设备资产等要素,同时考虑对设备的不同运行业务的建模。目前该种模型考虑了设备从空间和时间进行分解的总体架构,但颗粒度不够细,尤其没有考虑设备几何模型的建立。因此同样不能满足电力设备数字化的需要。
最后一种是PDM(Product Data Management,产品数据管理)建模。PDM建模是一门用来管理所有与产品相关信息和所有与产品相关过程,包括零件信息、配置、文档、CAD文件、结构、权限信息等和过程定义和管理的技术。通过实施PDM建模,可以提高生产效率,有利于对产品的全生命周期进行管理,加强对于文档,图纸,数据的高效利用,使工作流程规范化。该种建模主要针对设备制造环节的数据建模,没有考虑设备进入安装和运行环节的建模。同时,建模的数据仅为文件数据,并非数字数据。
目前的数据建模方法应用于电力设备的数据建模时,数据颗粒度不能满足数字电网建设的需求,不能满足电力设备全生命周期管理的要求,大部分数据建模均为面对某一个管理环节而建立,各个环节的数据模型未能统一。
发明内容
本发明提出一种电力设备数字数据建模方法,能够对电力系统设备建立统一数字数据模型,实现电力设备全生命周期管理过程的数据建模,实现对电力信息数据进行有效的管理。
本发明提供的一种电力设备数字数据建模方法,包括:
从逻辑维度将电力设备的数据按照不同逻辑环节分成不同的数据库文件夹;
从空间维度将所述数据库文件夹中的数据分解为结构树,存储所述电力设备的不同层级的数据库文件;
按照时间维度的全生命周期将所述数据库文件分解为不同业务数据表。
优选地,所述数据库文件夹包括数据文件夹、信息文件夹、知识文件夹、策略文件夹、方案文件夹、决策文件夹和计划文件夹;
作为一种优选方式,所述从逻辑维度将电力设备的数据按照不同逻辑环节分成不同的数据库文件夹包括了数据从产生到应用的全部过程,对全部逻辑过程的数据进行数字数据建模,具体为:
将所述电力设备的所观测到的数据进行数字化,分为输入向量、输出向量和状态向量,并从数据中提取输入向量、输出向量和状态向量的中特征参量,即获得信息;
建立输入向量、输出向量和状态向量之间的关系,记为状态评估模型;
获得设备状态评估模型各参量及各参量之间关系在全生命周期内的变化规律,记为相关知识;
当现实客观世界出现变化时,更新设备的输入向量、输出向量或状态向量,并调整设备的工作状态使其符合预期,形成策略;
将策略传递给输入向量的主体,所述主体根据自身的状态对策略进行响应;将信息传递给所述电力设备,所述电力设备根据传递的信息对方案进行优选;根据方案优选的结果传递给责任主体进行决策,形成最终方案;
将确定的最终方案从时间维度上进行安排形成计划。
优选地,所述空间维度分解的结构树具体为:
从设备的类别逐步分解为到设备、单元、元件、部件和零件,将所有的电力设备分解为“树”状结构。
进一步地,所述全生命周期分解具体为:
将所述电力设备按照生命周期分解为不同过程,包括设计、制造、安装、运行和更新过程,而每个过程按照各个业务主体的内部分工可以细分为若干子过程。
优选地,所述输入向量用于描述电力设备所受外部应力,如环境应力和工作应力,用工作参量和环境参量来描述。
所述输出向量用于描述电力设备外部的可观测参量,所述观测参量包括观察参量和测量参量。
所述观察参量是指通过人直接通过五官感知到的并进行数字化处理后的数据;所述测量参量是指通过仪器、设备等测试到的并进行过数字化处理后的数据。
所述状态向量用于描述电力设备的内部状态,包括结构参量和物理参量,所述结构参量用于描述电力设备其尺寸结构和空间位置,物理参量用于描述电力设备的物理性能和功能位置。
进一步地,所述结构参量由基本图元以及基本图元的组合来描述。
所述基本图元是所述电力设备建模时使用的最小几何图形单元。包括几何模型和专用几何体,由一组控制参数进行描述。
所述基本图元的控制参数包含所述部件几何形状与位置参数;
所述物理参量包括所述设备及其部件物理性能参数如介质强度、机械强度等,功能位置参数为所述部件在设备“树”状态结构下的路径。
进一步地,所述不同业务数据表之间通过设备ID、业务ID和逻辑ID进行三个维度以及三个维度的不同层级隶属关系的关联。
本发明提供的一种电力设备数字数据建模方法,根据电力设备在空间维度观测到的存在形式及数据应用需要将电力设备分解到类别、设备、单元、元件、部件和零件各个层级不同空间颗粒度的数据描述对象;根据电力设备在时间维度观测到的存在形式及数据应用需要将电力设备按照全生命周期分解为设计、制造、安装、运行和更新各个阶段不同时间颗粒度的数据描述过程;按照电力设备在逻辑维度观测到的存在形式及数据应用需求将电力设备分解为数据、信息、知识、策略、方案、决策、计划等从数据产生到数据应用的全部逻辑环节,某数据描述对象和过程的基本数字数据可以分解为输入向量、状态向量和输出向量,信息及以上逻辑环节的数字数据均通过基本数字数据逻辑推理或计算获得。电力设备所有空间层级、时间阶段和逻辑环节共同组成了电力设备全景数字数据模型,能够统一电力设备全生命周期管理全过程的数据建模方法,便于电力设备数据的管理。
附图说明
图1是本发明提供的电力设备数字数据建模方法的一个实施例的流程示意图;
图2是本发明提供的电力设备数字数据建模方法的一个实施例的模型分解图;
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
参见图1,是本发明提供的电力设备数字数据建模方法的一个实施例的流程示意图。
如图2所示,本发明实施例提供一种电力设备数字数据建模方法,包括步骤S101至步骤S103,具体如下:
S101,从逻辑维度将电力设备的数据按照不同逻辑环节分成不同的数据库文件夹;
S102,从空间维度将所述数据库文件夹中的数据分解为结构树,存储所述电力设备的不同层级的数据库文件;
S103,按照时间维度的全生命周期将所述数据库文件分解为不同业务数据表。
在具体实施当中,从电力设备的逻辑维度上对设备进行分解包括了数据从产生到应用的全部过程,且对全部逻辑过程的数据进行数字数据建模,明确电力设备建模的逻辑深度要求。
参见图2,是本发明提供的电力设备数字数据建模方法的一个实施例的模型分解图,如图2所示,本发明提供的电力设备数字数据建模方法的模型分解图:
从逻辑维度将数字数据分解为数据、信息、知识、策略、方案、决策和计划,其中在逻辑维度的模型需要获取电力设备的基本数字数据:工作参量、环境参量、结构参量、物理参量、观察参量和测量参量作为输入向量,状态向量和输出参量。
从时间维度将电力设备的数字数据分解为设计、制造、安装、运行和更新各个阶段。
从空间维度将电力设备的数字数据分解为类别、设备、单元、元件、部件零件等各层级。
具体建模过程,从数据到信息,信息到知识,从知识到策略,从策略到方案,从方案到决策,从决策到计划,层层递进。
通过不同的维度从客观世界直接观测到设备的外部数据,从数据中获得输入向量、输出向量和状态向量等相关信息;通过大量来自客观世界的数据即可建立输入向量、输出向量和状态向量之间的关系,即状态评估模型,即获得设备在全生命周期内变化规律即相关知识;当现实客观世界出现相关的状态向量变化时,通过更新设备的输入向量、输出向量或状态向量以调整设备的工作状态使其符合预期,即形成了策略;
将策略传递给输入向量的相关主体,各个主体根据自身的状态对策略进行响应并将信息传递给设备,设备根据传递的信息对方案进行优选;
根据方案优选的结果传递给相关责任主体进行决策,形成最终方案;将确定的最终方案从时间维度上进行安排形成计划。
上述逻辑过程在具体实施当中,从电力设备的空间维度上对设备进行分解,来明确电力设备建模的空间尺度要求。
首先在空间上应明确统计的基本单位和统计的最小颗粒度,如根据设备全生命周期管理的需求确定组合电器的统计基本单位为套。
在组合电器成套设备级别以上,电力设备的分类按照使用功能进行分类,如电力设备分为变电设备和输电设备,变电设备分为变电一次设备和变电二次设备,变电一次设备分为变压器、组合电器成套设备等。
对于组合电器成套设备级别以下,按照设备使用的可更换单元从空间上进行分解,如组合电器成套设备可以整体更换,在组合电器成套设备的基础上进行分解,可以分解为组合电器间隔或称之为组合电器单元,间隔可以更换。组合电器间隔又可以分解为断路器、隔离开关等元件,断路器元件又可以分解为断路器本体和断路器机构等。
根据目前电力设备的运维检修需求最终分解为最小的现场可更换单元,同时该最小的现场可更换单元应为该设备在行业内已经实现模块化的单元,此时该模块即为最小的颗粒度,因此确定最小颗粒度的依据为电力设备的模块化程度。
在统计的基本单元和最小颗粒度确定后,再确定每个分解单元的本质属性,本质属性是决定一事物之所以成为该事物而区别于其他事物的属性,如组合电器的本质属性是一种包含关系,即其至少包含2种以上的电器组合而成,如断路器的本质属性为具有短路开断能力。在统计的基本单元级别以上为父子继承关系,因此下层将继承上层的属性,而在统计的基本单元级别及以下即为包含关系,上层包含下层的基本属性。
在本实施例中,从电力设备的时间维度上对设备进行分解,可以分解为设计、制造、安装、运行和更新五个环节,而每个环节按照各个业务主体的内部分工可以细分为若干环节。
具体实施时制造环节可以细分为外购外协、制造加工、装配调试、厂内储存、包装运输等,而运行环节可以细分为投入运行、转为备用、转为停运等,而转为停运可以细分为事故事件、缺陷、检修、试验等,再细分可以分为不同的观测项目,观测项目是指对过程监督的试验或观察项目,如断路器的机械特性测试试验、外观检查等。观测项目下有不同的观测数据等,如断路器的机械特性曲线、是否存在破损等。时间最大尺度为全生命周期,而最小是根据目前观测电力设备的最小时间单位,跟目前的测试技术水平相关,如机械特性测试的时间尺寸达到毫秒级,而局放测试的时间尺寸达到微秒级。
在时间尺度确定以后,再确定业务的属性,业务属性依据现代控制理论,包括输入向量、输出向量和状态向量,如进行机械特性测试,其输入向量为分、合闸命令以及分合闸时的环境参量,输出向量为机械特性测试结果分合闸时间、速度等,状态向量为传感器的安装位置、传感器的类型以及设备本身跟机械特性测试相关的状态向量,状态向量包括设备的几何尺寸和材料性能等。
综上所述,本实施例提供的一种电力设备数字数据建模方法,根据电力设备在空间维度观测到的存在形式及数据应用需要将电力设备分解到类别、设备、单元、元件、部件和零件各个层级不同空间颗粒度的数据描述对象;根据电力设备在时间维度观测到的存在形式及数据应用需要将电力设备按照全生命周期分解为设计、制造、安装、运行和更新各个阶段不同时间颗粒度的数据描述过程;按照电力设备在逻辑维度观测到的存在形式及数据应用需求将电力设备分解为数据、信息、知识、策略、方案、决策、计划等从数据产生到数据应用的全部逻辑环节,某数据描述对象和过程的基本数字数据可以分解为输入向量、状态向量和输出向量,信息及以上逻辑环节的数字数据均通过基本数字数据逻辑推理或计算获得。电力设备所有空间层级、时间阶段和逻辑环节共同组成了电力设备全景数字数据模型,能够统一电力设备全生命周期管理全过程的数据建模方法,便于电力设备数据的管理。
由于每种电力设备的建模方法均是一致的,因此本实施例以组合电器成套设备为例进行说明,数字数据建模的具体过程如下:
首先从空间维度进行分解,所有的电力设备在制造环节的组织管理均为“树”状结构,从设备的整体逐步分解为到组部件,将“树”节点下面的每个数据文件进行了结构化、数字化处理,变成基本图元,依据最小的现场可更换单元对电力设备的进行模块化设计,进而能够统一各个不同制造厂商的电力设备的数字数据模型,而最小的模块即为数据建模的最小颗粒度。
如组合电器盆式绝缘子实现了模块化设计,即最小的现场可更换单元。基本图元数据是三维建模时使用的最小几何图形单元,包括几何模型和专用几何体,由一组控制参数进行描述,由控制参数描述即实现了数字化。如盆式绝缘子由圆柱体基本图元组成,控制参数可以为圆柱的直径和柱体的高度以及圆柱体的坐标位置。每个基本图元均有控制参数即实现了基本图元的数字化建模。在基本图元的基础上为物理模型,物理模型包括物理性能参数和功能位置参数,物理性能参数如盆式其物理参数介质强度、机械强度等,技术参数的来源其技术标准,技术标准对盆式绝缘子的所有属性的描述均可以实现数字化;功能位置参数即该部件在“树”状态结构下的路径,如某盆式绝缘子的路径为成套组合电器/组合电器间隔/断路器/断路器本体/盆式绝缘子。这样逐步建立每一级的静态模型,即实现了电力设备的逐级建模。
从时间维度进行建模。由于建立的电力设备物理模型和几何模型,其模型中的参数在全生命周期管理过程将不断的变化。由于在不同的时间阶段工作条件、环境条件和观测条件不同,有必要从时间维度进行统一的分解。其主要建模的参数包括工作参量、环境参量、观测参量和时间参量。比如电力设备在运输过程中,其受到运输的颠簸应力,颠簸应力即为工作参量;环境参量即自然环境参数,如运输过程中的环境温度和湿度等;观测参量即在运输过程中进行监控的参量,如重力加速度等。因此在空间维度模型的基础上增加时间维度的模型参量,即构成了电力设备的现实世界的动态数据模型。
在现实世界数据模型的基础上,需要对数据进行处理加工和应用,而在这个过程中产生的二次加工数据根据虚拟世界的逻辑来进行建模,即包括数据、信息、知识、策略、方案、决策、计划7个环节。
如前面所述的例子,在电力设备运输过程中,获得的电力设备运输颠簸加速度的数据,可以计算特征参量,如加速度最大值等特征参量,该特征参量即为信息。如果我们在研发设计环节进行了大量的运输试验,即获得了大量的加速度数据及其特征参量,掌握了加速度特征参量与物理模型某参数的之间的关系即获得了知识,继而得到了电力设备运输的策略,如电力设备运输应在一级公路上行驶,加速度最大值不应超过3g等,而具体的方案应根据具体的现实情况来确定,如某台电力设备运输至现场某段路程不存在一级公路,因此确定的方案只能是采取安装加速度传感器,监控加速度最大值不超过3g,且超过3g就报警,同时可以确定几种不同的在电力设备的不同位置安装加速度传感器的方案,然后该几种方案需要考虑电力设备各方管理者和执行者的意愿和价值需求,需要进行决策,如决策采用在电力设备的上中下三个位置加装3个传感器即完成决策;最后确定计划,即电力设备在什么时间运输。
上述每个逻辑环节均需要对数据进行记录以便后续与实际过程进行比对反馈,对原有策划过程进行优化。因此需要建立各逻辑环节的数据模型。这里面包括数据、信息、知识、策略、方案、决策、计划7类模型参量。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现,当然也可以全部通过硬件来实施。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种电力设备数字数据建模方法,其特征在于,包括:
从逻辑维度将电力设备的数据按照不同逻辑环节分成不同的数据库文件夹;
从空间维度将所述数据库文件夹中的数据分解为结构树,存储所述电力设备的不同层级的数据库文件;
按照时间维度的全生命周期将所述数据库文件分解为不同业务数据表;
所述从逻辑维度将电力设备的数据按照不同逻辑环节分成不同的数据库文件夹包括了数据从产生到应用的全部过程,对全部逻辑过程的数据进行数字数据建模,具体为:
将所述电力设备的所观测到的数据进行数字化,分为输入向量、输出向量和状态向量,并从数据中提取输入向量、输出向量和状态向量的中特征参量;
建立输入向量、输出向量和状态向量之间的关系,记为状态评估模型;
获得设备状态评估模型各参量及各参量之间关系在全生命周期内的变化规律,记为相关知识;
当现实客观世界出现变化时,更新设备的输入向量、输出向量或状态向量,并调整设备的工作状态使其符合预期,形成策略;
将策略传递给输入向量的主体,所述主体根据自身的状态对策略进行响应;将信息传递给所述电力设备,所述电力设备根据传递的信息对方案进行优选;根据方案优选的结果传递给责任主体进行决策,形成最终方案;
将确定的最终方案从时间维度上进行安排形成计划;
所述状态向量用于描述电力设备的内部状态,包括结构参量和物理参量,所述结构参量用于描述电力设备其尺寸结构和空间位置,物理参量用于描述电力设备的物理性能和功能位置;
所述结构参量由基本图元以及基本图元的组合来描述;
所述基本图元是所述电力设备建模时使用的最小几何图形单元;包括几何模型和专用几何体,由一组控制参数进行描述;
所述基本图元的控制参数包含部件几何形状与位置参数;
所述物理参量包括所述设备及其部件物理性能参数功能位置为所述部件在设备“树”状态结构下的路径。
2.如权利要求1所述的一种电力设备数字数据建模方法,其特征在于,所述数据库文件夹包括数据文件夹、信息文件夹、知识文件夹、策略文件夹、方案文件夹、决策文件夹和计划文件夹。
3.如权利要求1所述的一种电力设备数字数据建模方法,其特征在于,所述空间维度分解的结构树具体为:
从设备的类别逐步分解为到设备、单元、元件、部件和零件,将所有的电力设备分解为“树”状结构。
4.如权利要求1所述的一种电力设备数字数据建模方法,其特征在于,所述全生命周期分解具体为:
将所述电力设备按照生命周期分解为不同过程,包括设计、制造、安装、运行和更新过程,而每个过程按照各个业务主体的内部分工细分为若干子过程。
5.如权利要求1所述的一种电力设备数字数据建模方法,其特征在于:
所述输入向量用于描述电力设备所受外部应力,用工作参量和环境参量来描述;
所述输出向量用于描述电力设备外部的可观测参量,所述可观测参量包括观察参量和测量参量;
所述观察参量是指通过人直接通过五官感知到的并进行数字化处理后的数据;所述测量参量是指通过仪器和设备测试到的并进行过数字化处理后的数据。
6.如权利要求1所述的一种电力设备数字数据建模方法,其特征在于,所述不同业务数据表之间通过设备ID、业务ID和逻辑ID进行三个维度以及三个维度的不同层级隶属关系的关联。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263875.2A CN112488456B (zh) | 2020-11-12 | 2020-11-12 | 一种电力设备数字数据建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263875.2A CN112488456B (zh) | 2020-11-12 | 2020-11-12 | 一种电力设备数字数据建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488456A CN112488456A (zh) | 2021-03-12 |
CN112488456B true CN112488456B (zh) | 2023-02-28 |
Family
ID=74930335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011263875.2A Active CN112488456B (zh) | 2020-11-12 | 2020-11-12 | 一种电力设备数字数据建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488456B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100483343C (zh) * | 2007-11-30 | 2009-04-29 | 清华大学 | 一种基于产品结构树的仿真流程信息建模及维护方法 |
CN104573547B (zh) * | 2014-10-21 | 2018-06-19 | 江苏通付盾信息安全技术有限公司 | 一种信息交互的安全防范系统及其操作实现方法 |
CN105303456A (zh) * | 2015-10-16 | 2016-02-03 | 国家电网公司 | 电力传输设备监控数据处理方法 |
CN108229827A (zh) * | 2018-01-04 | 2018-06-29 | 南京航空航天大学 | 一种电力设备质量问题建模分析方法 |
CN108717415B (zh) * | 2018-03-30 | 2020-04-14 | 广州供电局有限公司 | 生产设备生命周期状态数据建模方法和系统 |
CN109711563A (zh) * | 2018-12-06 | 2019-05-03 | 安徽凯川电力保护设备有限公司 | 一种用于电力设备的运行状态评估方法 |
CN111475925B (zh) * | 2020-03-18 | 2022-12-06 | 南方电网科学研究院有限责任公司 | 一种电力设备的状态评估方法、装置及存储介质 |
-
2020
- 2020-11-12 CN CN202011263875.2A patent/CN112488456B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112488456A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113033001B (zh) | 一种面向数字孪生应用的三维数字工厂建模方法及系统 | |
Wang et al. | A collaborative architecture of the industrial internet platform for manufacturing systems | |
CN107977737B (zh) | 基于mxnet框架深度神经网络的配变负荷预测方法 | |
Jiang et al. | A novel application architecture of digital twin in smart grid | |
Son et al. | Simulation-based shop floor control: formal model, model generation and control interface | |
Wu et al. | The Internet of Things enabled shop floor scheduling and process control method based on Petri nets | |
CN115544775A (zh) | 一种数字孪生车间多维多层级模型构建与动态配置方法 | |
Fang et al. | Flexible worker allocation in aircraft final assembly line using multiobjective evolutionary algorithms | |
CN116976549A (zh) | 一种面向设备密集离散型制造工厂的智能优化管控方法 | |
Ayinla et al. | A semantic offsite construction digital Twin-Offsite Manufacturing Production Workflow (OPW) ontology | |
Plakhotnikov et al. | The use of artificial intelligence in cyber-physical systems | |
Lu et al. | Digital twin-based operation simulation system and application framework for electromechanical products | |
CN112488456B (zh) | 一种电力设备数字数据建模方法 | |
Zhang et al. | Base types selection of PSS based on a priori algorithm and knowledge‐based ANN | |
Nwasuka et al. | Industry 4.0: An Overview | |
Yue et al. | Building a reference model for a Manufacturing Execution System (MES) platform in an Industry 4.0 context | |
Lan et al. | Research on modeling and scheduling methods of an intelligent manufacturing system based on deep learning | |
Li et al. | A" smart component" data model in PLM | |
Guan et al. | Optimization of manufacturing systems using Genetic Search and Muti-resolution simulation | |
Schulz et al. | Graph Representation and Embedding for Semiconductor Manufacturing Fab States | |
Poudel et al. | An integrated framework for dynamic manufacturing planning to obtain new line configurations | |
Khemiri et al. | Towards a generic semiconductor manufacturing simulation model | |
Abdoli et al. | A target-driven framework for assessing the effectiveness of product-service-system development approaches at System of Systems level | |
CN110489861A (zh) | 一种ai边缘运算芯片设计的弹性实现方法 | |
Lefrançois et al. | An organism-oriented modeling approach to support the analysis and design of intelligent manufacturing systems |
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 |