CN114091231A - 一种基于数字孪生体与误差自适应优化的开关柜建模方法 - Google Patents
一种基于数字孪生体与误差自适应优化的开关柜建模方法 Download PDFInfo
- Publication number
- CN114091231A CN114091231A CN202111211794.2A CN202111211794A CN114091231A CN 114091231 A CN114091231 A CN 114091231A CN 202111211794 A CN202111211794 A CN 202111211794A CN 114091231 A CN114091231 A CN 114091231A
- Authority
- CN
- China
- Prior art keywords
- model
- error
- switch cabinet
- digital
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000010168 coupling process Methods 0.000 claims description 16
- 238000005859 coupling reaction Methods 0.000 claims description 16
- 238000013499 data model Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 14
- 230000008878 coupling Effects 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000005284 excitation Effects 0.000 claims description 10
- 230000035945 sensitivity Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000009421 internal insulation Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 5
- 210000001503 joint Anatomy 0.000 claims description 5
- 108020001568 subdomains Proteins 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 239000011810 insulating material Substances 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 3
- 230000005672 electromagnetic field Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 16
- 238000011160 research Methods 0.000 description 9
- 230000005684 electric field Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数字孪生体与误差自适应优化的开关柜建模方法，涉及开关柜技术领域，通过物理参数构建多物理场耦合的开关柜的数字化模型的建立，使得最终开关柜数字孪生体模型能进行多方面测量，且采用自适应采用与误差优化控制方法对所述开关柜数字孪生体模型进行优化能够使得最终开关柜数字孪生体模型更为准确，从而解决了现有没有采用数字孪生技术对开关柜进行建模的方法，通过最终开关柜数字孪生体模型能够为开关柜的但状态感知以及性能预测提供可靠的模型。
Description
技术领域
本发明属于开关柜技术领域，尤其涉及一种基于数字孪生体与误差自适应优化的开关柜建模方法。
背景技术
2010年，美国NASA首次提出了数字孪生模型的定义“数字孪生技术一种综合的多物理场、多尺度的、具有概率性的超现实仿真模拟，它使用最合适的物理模型、传感数据和历史数据来镜像现实中的机器设备并反应其实时的工作状态”。随后大量的研究工作被投入到数字孪生技术的研究中，其研究总体可分为两个阶段。
在第一阶段，数字孪生技术侧重于孪生对象的“形”，将孪生对象在空间和时间维度上进行数字化地几何映射。如数字化车间，数字化变电站等，其主要研究思路是将空间维度上的特征参数与实时传感数据融合，来构建数字化孪生体模型，此阶段研究的重点包括智能传感技术，实时信息交互技术，动态建模与可视化技术等，研究成果有西门子COMOS数字化工厂，ABB Ability数字化平台,微软Azure数字孪生架构等。
而在第二阶段，数字孪生技术更侧重于研究孪生对象的“质”，关注孪生对象内部的特征参数与本征规律。如机翼孪生体，套管孪生体等，其主要研究思路是通过构建孪生体的数字化本构模型来动态推演孪生体内部实时工作状态，从而实现设备内部状态的数字化与透明化。此阶段研究的重点包括材料的准确建模与数字化技术，高效数值计算方法，非线性迭代技术等，而此阶段的研究成果鲜有报道，已有的数字孪生体结构单一，规模偏小，如悬臂梁，齿轮等。
而在电气领域，电气设备结构复杂状态繁多，传统的监测与评估技术难以达到数字化、智能化要求，目前仍处于数字孪生研究的第一阶段，停留“形”，而对于“质”即设备本身的内部故障规律等建模鲜有成果。
南方电网公司开展了部分基于高压开关柜检测技术以及基于数字孪生的变电巡检关键技术研究，目前的监测量较为单一，且缺少全面系统的评价，尚未开展基于数字孪生技术开展的高压开关柜状态感知及性能预测方法研究以及应用。
发明内容
本发明的目的在于提供一种基于数字孪生体与误差自适应优化的开关柜建模方法，从而解决了现有采用数字孪生技术对开关柜进行建模的缺点。
为实现上述目的，本发明提供了一种基于数字孪生体与误差自适应优化的开关柜建模方法，包括以下步骤：
获取开关柜内部绝缘结构的物理参数，根据所述物理参数构建多物理场耦合的开关柜的数字化模型，所述数值化模型与数字孪生对接处之间建立连接关系；
建立可测参量接口，通过所述可测参量接口对开关柜的可测参量进行存储至数据库，通过所述数据库与数字模型数据交互；
根据所述数字化模型建立逻辑模型，通过状态感知算法、场景生成算法对所述逻辑模型进行孪生可视化处理，得到仿真模型；
利用数据库中的数据对所述仿真模型进行优化，并将优化后的数据返回数字化模型；
根据开关柜的监测需求，利用数字化存储的方式构建数据模型，并对所述数据模型进行实时监测和确定运行控制策略；
对所述数字化模型、逻辑模型、仿真模型以及数据模型进行整合，构建可视化的虚拟空间内的开关柜数字孪生体模型；
利用自适应采用与误差优化控制方法对所述开关柜数字孪生体模型进行优化，得到最终开关柜数字孪生体模型。
优选地，根据所述物理参数构建多物理场耦合的开关柜的数字化模型包括以下步骤：
将开关柜内部进行物理场进行划分，得到开关柜内部结构场、温度场、电磁场、力场以及温度场；
根据开关柜的内部绝缘材料随物理场直接关系和各物理场之间的关系，确认各物理场之间的耦合关系；
根据开关柜内部各物理场量之间的耦合关系和敏感度关系，建立多物理耦合的开关柜的数字化模型和相应的多物理场耦合控制方程。
优选地，所述可测参量包括通过电力系统数据库中的数据和现场检测仪器测量的数据。
优选地，所述可测参量接口将所述可测参量转换为统一标准的数据。
优选地，所述自适应采用与误差优化控制方法包括内循环自适应计算误差控制方法和外循环自适应动态激励控制方法。
优选地，所述内循环自适应计算误差控制方法包括以下步骤：
基于孪生数据uh，采用梯度重构的方法获得收敛阶次更高的重构结果σ*(uh)；
根据σ*(uh)计算重构误差e*，重构误差e*等于重构结果σ*(uh)与数值结果之间的差；
将所述重构误差作为新的误差指示器来代替真实误差，新的误差指示器应满足：
式(1)中，h为插值间距，随着插值点的增多，新的误差指示器渐近等于真实误差；
在局部域上计算能量范数误差和误差因子，所述能量范数误差和误差因子作为加密插值点的依据；
根据子域上的误差因子的大小控制子域的插值点数量，建立有效的不同阶插值模式，输入到开关柜数字孪生体模型重新计算，以此循环直到满足计算的精度。
优选地，所述外循环自适应动态激励控制方法包括以下步骤：
首先根据开关柜本身的故障模式以及结构特点，将其在开关柜整体上划分为几个子域，采用分布式计算结构，利用LBM方程在开关柜的整体架构上进行粗算，对故障点进行粗略的计算，当检测到异常时，激活子域求解器对粗略计算的故障点进行细算；
对每个子域求解的结果，在实体监测相应数据f(x1,x2…xn)和孪生计算相应数据f′(x1,x2…xn)之间构建目标优化函数g(x1,x2…xn)＝|f(x1,x2…xn)-f(x1,x2…xn)|，分析目标函数与各影响参数的敏感度联系s(xn)；
搭建参数优化体系，寻求g(x1,x2…xn)的最小值；
根据g(x1,x2…xn)的最小值的参数模型输入到孪生模型中进行迭代计算，若满足则收敛准则即完成计算，反之增加激励条件的采样点同时如入优化模型再次进入循环，直到满足收敛准则以此完成自适应采用与误差优化控制。
优选地，所述敏感度联系s(xn)：
式(4)中，xn代表的是第n个优化参数。
与现有的技术相比，本发明具有如下有益效果：
本发明所提供的基于数字孪生体与误差自适应优化的开关柜建模方法，通过获取开关柜内部绝缘结构的物理参数，根据所述物理参数构建多物理场耦合的开关柜的数字化模型，所述数值化模型与数字孪生对接处之间建立连接关系；建立可测参量接口，通过所述可测参量接口对开关柜的可测参量进行存储至数据库，通过所述数据库与数字模型数据交互，数据的稳定与可靠是孪生体建模准确的前提和接入外部数据；利用数据库中的数据对所述仿真模型进行优化，并将优化后的数据返回数字化模型；根据开关柜的监测需求，利用数字化存储的方式构建数据模型，并对所述数据模型进行实时监测和确定运行控制策略；对所述数字化模型、逻辑模型、仿真模型以及数据模型进行整合，构建可视化的虚拟空间内的开关柜数字孪生体模型；最后利用自适应采用与误差优化控制方法对所述开关柜数字孪生体模型进行优化，得到最终开关柜数字孪生体模型。通过物理参数构建多物理场耦合的开关柜的数字化模型的建立，使得最终开关柜数字孪生体模型能进行多方面测量，且采用自适应采用与误差优化控制方法对所述开关柜数字孪生体模型进行优化能够使得最终开关柜数字孪生体模型更为准确，从而解决了现有没有采用数字孪生技术对开关柜进行建模的方法，通过最终开关柜数字孪生体模型能够为开关柜的但状态感知以及性能预测提供可靠的模型。
附图说明
为了更清楚地说明本发明的技术方案，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个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的基于数字孪生体与误差自适应优化的开关柜建模方法的流程图；
图2是本发明的内循环自适应计算误差控制方法的流程图；
图3是本发明的外循环自适应动态激励控制方法的流程图。
具体实施方式
下面结合本发明实施例中的附图，对本发明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。
如图1所示，本发明所提供的基于数字孪生体与误差自适应优化的开关柜建模方法包括以下步骤：
S1、获取开关柜内部绝缘结构的物理参数，根据所述物理参数构建多物理场耦合的开关柜的数字化模型，所述数值化模型与数字孪生对接处之间建立连接关系；
S2、建立可测参量接口，通过所述可测参量接口对开关柜的可测参量进行存储至数据库，通过所述数据库与数字模型数据交互，数据的稳定与可靠是孪生体建模准确的前提；
S3、根据所述数字化模型建立逻辑模型，通过状态感知算法、场景生成算法对所述逻辑模型进行孪生可视化处理，得到仿真模型；
S4、利用数据库中的数据对所述仿真模型进行优化，并将优化后的数据返回数字化模型；
S5、根据开关柜的监测需求，利用数字化存储的方式构建数据模型，并对所述数据模型进行实时监测和确定运行控制策略；
S6、对所述数字化模型、逻辑模型、仿真模型以及数据模型进行整合，构建可视化的虚拟空间内的开关柜数字孪生体模型；
S7、利用自适应采用与误差优化控制方法对所述开关柜数字孪生体模型进行优化，得到最终开关柜数字孪生体模型。
上述的基于数字孪生体与误差自适应优化的开关柜建模方法，通过获取开关柜内部绝缘结构的物理参数，根据所述物理参数构建多物理场耦合的开关柜的数字化模型，所述数值化模型与数字孪生对接处之间建立连接关系；建立可测参量接口，通过所述可测参量接口对开关柜的可测参量进行存储至数据库，通过所述数据库与数字模型数据交互，数据的稳定与可靠是孪生体建模准确的前提和接入外部数据；利用数据库中的数据对所述仿真模型进行优化，并将优化后的数据返回数字化模型；根据开关柜的监测需求，利用数字化存储的方式构建数据模型，并对所述数据模型进行实时监测和确定运行控制策略；对所述数字化模型、逻辑模型、仿真模型以及数据模型进行整合，构建可视化的虚拟空间内的开关柜数字孪生体模型；最后利用自适应采用与误差优化控制方法对所述开关柜数字孪生体模型进行优化，得到最终开关柜数字孪生体模型。通过物理参数构建多物理场耦合的开关柜的数字化模型的建立，使得最终开关柜数字孪生体模型能进行多方面测量，且采用自适应采用与误差优化控制方法对所述开关柜数字孪生体模型进行优化能够使得最终开关柜数字孪生体模型更为准确，从而解决了现有没有采用数字孪生技术对开关柜进行建模的方法，通过最终开关柜数字孪生体模型能够为开关柜的但状态感知以及性能预测提供可靠的模型。
其中一个实施例，步骤S1中、根据所述物理参数构建多物理场耦合的开关柜的数字化模型包括以下步骤：
S11、将开关柜内部进行物理场进行划分，得到开关柜内部结构场、温度场、电磁场、力场以及温度场等多个物理场；
S12、根据开关柜的内部绝缘材料随物理场直接关系和各物理场之间的关系，确认各物理场之间的耦合关系；
其中，温度场的方程参量为其他物理场的函数，在温度场计算时要考虑物理场之间的相互影响；在开关柜内部电场的计算中，内部绝缘材料的电导率是温度的函数；在求解电场的泊松的方程时需要考虑温度对于电场影响；温度场的场量的变化同时也会影响到比热容C、热导率λ。
S13、根据开关柜内部各物理场量之间的耦合关系和敏感度关系，建立多物理耦合的开关柜的数字化模型和相应的多物理场耦合控制方程。
通过对开关柜内部进行物理场划分，根据开关柜的内部绝缘材料与物理场的关系以及物理场之间的关系确定物理场的耦合关系，根据耦合关系以及敏感度关系建立多物理耦合的高压开关柜数字化模型和相应的多物理场耦合控制方程，使得开关柜的数字化模型更可靠有效，从而使最终的开关柜数字孪生体模型更为有效可靠。
其中一个实施例，所述可测参量包括通过电力系统数据库中的数据和现场检测仪器测量的数据。
其中，电力系统数据库中的数据例如电流和电压等数据。
其中一个实施例，由于现场检测仪器测量的数据较为复杂遇到不是数字量的情况需要将所得的数据进行数字化之后传入数据库，因此，所述可测参量接口将所述可测参量转换为统一标准的数据。
为了保证数据安全和对数据的管理分类，所述数据的存储类型划分为：结构化数据、非结构化数据和历史/实时数据，且数据库建立在高性能的服务器中。历史/实时数据为原始数据，结构化数据和非结构化数据为进行转换后的数据类型。
其中一个实施例，步骤S7中，所述自适应采用与误差优化控制方法包括内循环自适应计算误差控制方法和外循环自适应动态激励控制方法。
具体的，图2示出了所述内循环自适应计算误差控制方法，包括以下步骤：
内循环自适应计算主要针对开关柜数字孪生体模型计算的误差进行优化，孪生体数值计算的误差e主要包括插值误差和离散误差，误差e的值等于真实值与孪生体计算的值之差，但是真实一般无法得到是一种未知的常量，难以作为误差指示器。因此，内循环自适应计算误差控制方法包括以下步骤：
S711、基于孪生数据uh，采用梯度重构的方法获得收敛阶次更高的重构结果σ*(uh)；
S712、根据σ*(uh)计算重构误差e*，重构误差e*等于重构结果σ*(uh)与数值结果(孪生数据σh)之间的差；
S713、将所述重构误差作为新的误差指示器来代替或逼近真实误差，新的误差指示器应满足：
式(1)中，h为插值间距，即随着插值点的增多，新的误差指示器渐近等于真实误差；
S714、在局部域上计算能量范数误差和误差因子，所述能量范数误差和误差因子作为加密插值点的依据；
其中，能量范数误差的计算公式为：
误差因子的计算公式为：
S715、根据子域上的误差因子的大小控制子域的插值点数量，建立有效的不同阶插值模式，输入到开关柜数字孪生体模型重新计算，以此循环直到满足计算的精度。
图3示出了外循环自适应动态激励控制方法，包括以下步骤：
外循环自适应计算主要针对的是孪生体整体镜像与实体设备之间的误差进行优化。
S721、首先根据开关柜本身的故障模式以及结构特点，将其在开关柜整体上划分为几个子域，采用分布式计算结构，利用LBM方程在开关柜的整体架构上进行粗算，对故障点进行粗略的计算，当检测到异常时，激活子域求解器对粗略计算的故障点进行细算；
S722、对每个子域求解的结果，在实体监测相应数据f(x1,x2…xn)和孪生计算相应数据f′(x1,x2…xn)之间构建目标优化函数g(x1,x2…xn)＝|f(x1,x2…xn)-f(x1,x2…xn)|，分析目标函数与各影响参数的敏感度联系s(xn)：
式(4)中，xn代表的是第n个优化参数；
S723、搭建参数优化体系，寻求g(x1,x2…xn)的最小值；
S724、根据g(x1,x2…xn)的最小值的参数模型输入到孪生模型中进行迭代计算，若满足则收敛准则即完成计算，反之增加激励条件的采样点同时如入优化模型再次进入循环，直到满足收敛准则以此完成自适应采用与误差优化控制。
以上所揭露的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，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于数字孪生体与误差自适应优化的开关柜建模方法，其特征在于，包括以下步骤：
获取开关柜内部绝缘结构的物理参数，根据所述物理参数构建多物理场耦合的开关柜的数字化模型，所述数值化模型与数字孪生对接处之间建立连接关系；
建立可测参量接口，通过所述可测参量接口对开关柜的可测参量进行存储至数据库，通过所述数据库与数字模型数据交互；
根据所述数字化模型建立逻辑模型，通过状态感知算法、场景生成算法对所述逻辑模型进行孪生可视化处理，得到仿真模型；
利用数据库中的数据对所述仿真模型进行优化，并将优化后的数据返回数字化模型；
根据开关柜的监测需求，利用数字化存储的方式构建数据模型，并对所述数据模型进行实时监测和确定运行控制策略；
对所述数字化模型、逻辑模型、仿真模型以及数据模型进行整合，构建可视化的虚拟空间内的开关柜数字孪生体模型；
利用自适应采用与误差优化控制方法对所述开关柜数字孪生体模型进行优化，得到最终开关柜数字孪生体模型。
2.根据权利要求1所述的基于数字孪生体与误差自适应优化的开关柜建模方法，其特征在于，根据所述物理参数构建多物理场耦合的开关柜的数字化模型包括以下步骤：
将开关柜内部进行物理场进行划分，得到开关柜内部结构场、温度场、电磁场、力场以及温度场；
根据开关柜的内部绝缘材料随物理场直接关系和各物理场之间的关系，确认各物理场之间的耦合关系；
根据开关柜内部各物理场量之间的耦合关系和敏感度关系，建立多物理耦合的开关柜的数字化模型和相应的多物理场耦合控制方程。
3.根据权利要求1所述的基于数字孪生体与误差自适应优化的开关柜建模方法，其特征在于，所述可测参量包括通过电力系统数据库中的数据和现场检测仪器测量的数据。
4.根据权利要求3所述的基于数字孪生体与误差自适应优化的开关柜建模方法，其特征在于，所述可测参量接口将所述可测参量转换为统一标准的数据。
5.根据权利要求1所述的基于数字孪生体与误差自适应优化的开关柜建模方法，其特征在于，所述自适应采用与误差优化控制方法包括内循环自适应计算误差控制方法和外循环自适应动态激励控制方法。
6.根据权利要求5所述的基于数字孪生体与误差自适应优化的开关柜建模方法，其特征在于，所述内循环自适应计算误差控制方法包括以下步骤：
基于孪生数据uh，采用梯度重构的方法获得收敛阶次更高的重构结果σ*(uh)；
根据σ*(uh)计算重构误差e*，重构误差e*等于重构结果σ*(uh)与数值结果之间的差；
将所述重构误差作为新的误差指示器来代替真实误差，新的误差指示器应满足：
式(1)中，h为插值间距，随着插值点的增多，新的误差指示器渐近等于真实误差；
在局部域上计算能量范数误差和误差因子，所述能量范数误差和误差因子作为加密插值点的依据；
根据子域上的误差因子的大小控制子域的插值点数量，建立有效的不同阶插值模式，输入到开关柜数字孪生体模型重新计算，以此循环直到满足计算的精度。
7.根据权利要求5所述的基于数字孪生体与误差自适应优化的开关柜建模方法，其特征在于，所述外循环自适应动态激励控制方法包括以下步骤：
首先根据开关柜本身的故障模式以及结构特点，将其在开关柜整体上划分为几个子域，采用分布式计算结构，利用LBM方程在开关柜的整体架构上进行粗算，对故障点进行粗略的计算，当检测到异常时，激活子域求解器对粗略计算的故障点进行细算；
对每个子域求解的结果，在实体监测相应数据f(x1,x2…xn)和孪生计算相应数据f′(x1,x2…xn)之间构建目标优化函数g(x1,x2…xn)＝|f(x1,x2…xn)-f(x1,x2…xn)|，分析目标函数与各影响参数的敏感度联系s(xn)；
搭建参数优化体系，寻求g(x1,x2…xn)的最小值；
根据g(x1,x2…xn)的最小值的参数模型输入到孪生模型中进行迭代计算，若满足则收敛准则即完成计算，反之增加激励条件的采样点同时如入优化模型再次进入循环，直到满足收敛准则以此完成自适应采用与误差优化控制。
8.根据权利要求7所述的基于数字孪生体与误差自适应优化的开关柜建模方法，其特征在于，所述敏感度联系s(xn)：
式(4)中，xn代表的是第n个优化参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111211794.2A CN114091231A (zh) | 2021-10-18 | 2021-10-18 | 一种基于数字孪生体与误差自适应优化的开关柜建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111211794.2A CN114091231A (zh) | 2021-10-18 | 2021-10-18 | 一种基于数字孪生体与误差自适应优化的开关柜建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114091231A true CN114091231A (zh) | 2022-02-25 |
Family
ID=80297211
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111211794.2A Pending CN114091231A (zh) | 2021-10-18 | 2021-10-18 | 一种基于数字孪生体与误差自适应优化的开关柜建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114091231A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115373278A (zh) * | 2022-10-25 | 2022-11-22 | 北京安帝科技有限公司 | 基于数字孪生驱动的工控业务异常预测响应系统和方法 |
| CN115576267A (zh) * | 2022-11-07 | 2023-01-06 | 河北工业大学 | 一种基于数字孪生的轮毂机加工尺寸误差修正方法 |
| CN116227248A (zh) * | 2023-05-10 | 2023-06-06 | 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 |
-
2021
- 2021-10-18 CN CN202111211794.2A patent/CN114091231A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115373278A (zh) * | 2022-10-25 | 2022-11-22 | 北京安帝科技有限公司 | 基于数字孪生驱动的工控业务异常预测响应系统和方法 |
| CN115373278B (zh) * | 2022-10-25 | 2023-01-06 | 北京安帝科技有限公司 | 基于数字孪生驱动的工控业务异常预测响应系统和方法 |
| CN115576267A (zh) * | 2022-11-07 | 2023-01-06 | 河北工业大学 | 一种基于数字孪生的轮毂机加工尺寸误差修正方法 |
| CN116227248A (zh) * | 2023-05-10 | 2023-06-06 | 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114091231A (zh) | 一种基于数字孪生体与误差自适应优化的开关柜建模方法 | |
| CN114154722A (zh) | 一种基于数字孪生技术的配电台区管理方法、系统及装置 | |
| CN111595485A (zh) | 一种基于降阶模型的锂离子电池在线温度分布观测器设计方法 | |
| CN115563897A (zh) | 一种基于数字孪生的变压器状态评价方法 | |
| CN115878963A (zh) | 电容式电压互感器计量误差预测方法、系统、终端及介质 | |
| CN114414955A (zh) | 一种开关柜状态监测与评估方法及系统 | |
| Han et al. | Research on quality problems management of electric power equipment based on knowledge–data fusion method | |
| CN117419829A (zh) | 过热故障的预警方法、装置和电子设备 | |
| CN114091322A (zh) | 一种基于数字模型的高压开关柜状态预测方法 | |
| Yang et al. | A new method for transformer hot-spot temperature prediction based on dynamic mode decomposition | |
| CN117526561A (zh) | 基于数字孪生的变电站设备异常监控和预警方法及系统 | |
| CN116050261A (zh) | 油浸式变压器热点温度预测方法、系统、设备和存储介质 | |
| CN113239623B (zh) | 一种适用于电力装备的故障定位方法 | |
| CN113435073B (zh) | 一种gis母线外壳温度测点布置优化方法 | |
| Chen et al. | A digital twin model of the axial temperature field of a DC cable for millisecond calculations | |
| CN113156247A (zh) | 一种电力系统低频振荡的预警方法及装置 | |
| CN116840767A (zh) | 电能计量装置整体误差评估方法及装置、存储介质、终端 | |
| CN113204887B (zh) | 一种电力装备的多物理场多参数反演方法 | |
| Chen et al. | Application of Kalman filter to hot‐spot temperature monitoring in oil‐immersed power transformer | |
| CN114996633A (zh) | 一种ai智能局部放电检测方法 | |
| Leng et al. | Identification of Anomaly Detection in Power System State Estimation Based on Fuzzy C‐Means Algorithm | |
| Huang et al. | The system of temperature rise monitoring and temperature prediction for power equipment | |
| CN112163323A (zh) | 一种综合能源系统的状态估计方法和系统 | |
| Zhang et al. | Temperature Prediction for Ultra-Low Temperature Measurement System Based on Improved Extreme Learning Machine Algorithm | |
| Kada et al. | Study of designing regulator for temperature electrical resistance furnace using Kalman stochastic reconstructor |
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 |