CN114757088A - 一种基于数字孪生的能源设备监测系统及方法 - Google Patents
一种基于数字孪生的能源设备监测系统及方法 Download PDFInfo
- Publication number
- CN114757088A CN114757088A CN202210220498.7A CN202210220498A CN114757088A CN 114757088 A CN114757088 A CN 114757088A CN 202210220498 A CN202210220498 A CN 202210220498A CN 114757088 A CN114757088 A CN 114757088A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- unit
- state
- energy equipment
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 35
- 230000007246 mechanism Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 28
- 238000005516 engineering process Methods 0.000 claims abstract description 25
- 238000010801 machine learning Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 17
- 230000015556 catabolic process Effects 0.000 claims description 11
- 238000006731 degradation reaction Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000008260 defense mechanism Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供一种基于数字孪生的能源设备监测系统及方法。所述系统包括：基础物理单元，获取被监测能源设备的监测数据；数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据，将所述状态数据输出至机理映射单元；机理映射单元，对所述状态数据，通过机器学习，构建最小监测环境模型；技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型；应用交互单元，根据用户基于所述三维模型作出的指令，指示调取所述监测数据和/或更新状态数据。本说明书实施例利用数字孪生技术，将能源设备的监测数据加载在三维模型上展示。用户可以根据三维模型展示信息对被监测能源设备进行指示。
Description
技术领域
本申请涉及能源监测技术领域，尤其涉及一种能源设备监测系统及方法。
背景技术
现代社会，对能源的需求越来越多，能源设备的负荷越来越大。如果能将这些能源设备进行统一监控、统一管理，可以极大提高一个工厂或园区的设备管理效率。
在相关技术中，已经出现了将传统的能源行业和互联网技术相融合的智慧能源监测系统。智慧能源战略为能源行业转型提供互联互通、透明开放、互惠共享的能源共享平台。
然而现有技术由于建立精细化模型对多维数据约简合并技术、复杂事件处理引擎要求较高，只能在对被监测能源设备的数据调取分析的基础上提供管理平台。无法实现能源应用场景的可视化、透明化。
发明内容
有鉴于此，本申请的目的在于提出一种基于数字孪生的能源设备监测系统及方法。
基于上述目的，本申请提供了一种基于数字孪生的能源设备监测系统，包括：
基础物理单元，获取被监测能源设备的监测数据；
数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据，将所述状态数据输出至机理映射单元；
机理映射单元，对所述状态数据，通过机器学习，构建最小监测环境模型；
技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型；
应用交互单元，根据用户基于所述三维模型作出的指令，指示基础物理单元调取所述监测数据和/或指示机理映射单元更新状态数据。
可选的，所述状态数据包括：当前状态数据和性能预测数据；
所述性能预测数据包括性能退化预测数据和/或状态预测数据。
可选的，对于所述当前状态数据，所述数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据包括：
对所述监测数据，利用数据清洗算法进行去重处理或直接存储，得到所述当前状态数据。
可选的，对于所述性能退化预测数据和/或状态预测数据，所述数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据包括：
对所述监测数据，利用性能退化特征提取算法进行运算，得到被监测能源设备的性能退化预测数据；
对所述监测数据，利用状态趋势预测算法进行运算，得到被监测能源设备的状态预测数据。
可选的，所述对所述状态数据，通过机器学习，构建最小监测环境模型，包括：
对所述状态数据，通过机器学习，按照三维坐标位置匹配组合，建设监测环境最小模拟单位；
组合模拟单位全范围监测数据，构建最小监测环境模型。
可选的，所述对所述状态数据，通过机器学习，构建最小监测环境模型，还包括：
对所述状态数据价值评估和/或状态评估，得到价值评估分数和/或状态评估分数；
将所述分数与设定阈值进行对比判断；
当所述分数在所述设定阈值范围内时，根据所述状态数据，通过机器学习，构建最小监测环境模型。
可选的，所述对所述状态数据，通过机器学习，构建最小监测环境模型，还包括：
对所述状态数据价值评估和/或状态评估，得到价值评估分数和/或状态评估分数；
将所述分数与设定阈值进行对比判断；
当所述分数不在所述设定阈值范围内时，指示基础物理单元重新获取被监测能源设备的数据。
可选的，所述技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型，包括：
根据所述最小监测环境模型，通过三维仿真技术，将所述最小监测环境模型转化到三维坐标中，得到所述被监测能源设备三维模型；
所述被监测能源设备三维模型，可以展示所述状态数据。
可选的，所述技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型，包括：
对所述状态数据与设定阈值进行对比判断，当所述数据不在阈值范围内时，对所述数据进行标注并出现预警信息。
基于同一发明构思，本说明书一个或多个实施例还提供了一种基于数字孪生的能源设备监测方法，包括有基础物理单元、数据处理单元、机理映射单元、技术表现单元和应用交互单元的基于数字孪生的能源设备监测系统；
所述基础物理单元，获取被监测能源设备的监测数据；
所述数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据，将所述状态数据输出至机理映射单元；
所述机理映射单元，对所述状态数据，通过机器学习，构建最小监测环境模型；
所述技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型；
所述应用交互单元，根据用户基于所述三维模型作出的指令，指示基础物理单元调取所述监测数据和/或指示机理映射单元更新状态数据。
从上面所述可以看出，本申请一个或多个实施例提供的基于数字孪生的能源设备监测系统及方法，该系统基础物理单元收集被监测能源设备的监测数据，数据处理单元和机理映射单元根据所述监测数据进行算法分析和模型初拟工作，技术表现单元完成三维模型的建立和展示。用户可以在应用交互层通过模型对设备进行指令。用户利用所述系统进行能源设备的监测管理时，不仅可以直观地查看被监测能源设备的三维模型，也展示设备的运维状态数据和预测数据。反过来，也可以根据用户指令对物理设备进行指示。
本申请一种基于孪生的能源系统增强了数据孪生技术在智慧能源系统中的应用，提高智慧能源系统平台服务水平，为用户提供了更加真实的映射与体验。利用本系统可实现平面式展示向三维虚拟的转变；可助力智慧能源系统平台实现“虚实同步”，实时展示监测对象状态，做到及时监测与保障。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术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申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一个或多个实施例的基于数字孪生的能源设备监测系统结构示意图；
图2为本申请一个或多个实施例的基于数字孪生的能源设备监测方法示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如背景技术部分所述，相关技术中的通过利用互联网技术与传统能源行业相结合，构建智慧能源监测系统的技术方案，一般是对设备运维数据进行分析处理后，提供用户一个设备评价，方便用户根据上述数据进行管理。
然而，相关技术中只能根据监控设备获取的数据对能源设备进行监测，往往只能得到设备整体评价，无法直观地查看设备各部分运行状态以及运行数据。另外，现有技术一般只能获取设备当前运维状态数据，无法对设备状态进行预估和预警。
综合上述考虑，本说明书一个或多个实施例提出一种基于数字孪生的能源设备监测系统及方法。所述监测系统基于数字孪生的通用架构，结合智慧能源监测系统特点，建设数字孪生PDMEM架构(P-物理、D-数据、M-机理、E-表现、M-交互)，辅助智慧能源监测系统利用数字孪生技术精准建模。PDMEM架构即基础物理单元、数据处理单元、机理映射单元、技术表现单元以及应用交互单元。
数据处理单元和机理映射单元根据所述监测数据进行算法分析和模型初拟工作，技术表现单元完成三维模型的建立和展示。用户可以在应用交互层通过模型对设备进行指令。用户利用所述系统进行能源设备的监测管理时，不仅可以直观地查看被监测能源设备的三维模型，也展示设备的运维状态数据和预测数据。反过来，也可以根据用户指令对物理设备进行指示。用户利用所述系统进行能源设备的监测管理时，不仅可以直观地查看被监测能源设备的三维模型，也展示设备的运维状态数据和预测数据。本申请的系统增强了数据孪生技术在智慧能源系统中的应用，提高了智慧能源系统平台服务水平，为用户提供更加真实的能源设备的三维映射模型以及更直观地设备状态查看体验。
以下，通过具体的实施例来详细说明本说明书一个或多个实施例的技术方案。
参考图1，本说明书一个实施例的基于数字孪生的能源设备监测系统，包括以下单元：
基础物理单元，获取被监测能源设备的监测数据。
在实现本公开的过程中，发明人发现，各个被监测能源设备的设计结构、制造工艺、性能参数、运行参数等，对整个工厂或园区的能源设备运行服务均会产生影响。以服务中设备实体与三维模型之间的关联关系和数据与设备全生命周期的映射关系作为基础，并以数据的采集、传输、分析和输出这一全过程“数据链”作为线索，通过算法分析和机器学习智能算法，有利于实现数字孪生技术对物理设备的镜像三维仿真，接收能源设备的实时信息，以及反过来驱动能源设备的调控，预测能源设备的生命状态。
在一些实施例中，本单元通过设备状态监测终端、安防监测终端、环境监测终端、音视频接收器获取数据。设备状态监测终端主要采集监测环境中被监测设备展示的状态数据，被监测设备主要包含太阳能热水器、冰蓄冷设备、地源热泵、机载冷水器、铅酸储能设备、蓄热式电锅炉。监测数据包括设备开关状态、显示预警灯、表计数据。安防监测终端主要采集包含环境电路、暖通、空调、照明在内的数据。监测数据包括电路线路使用程度、暖通使用强度、照明亮度。环境监测终端主要采集温湿度传感器数据。监测数据包括监测环境的温湿度。音视频监测终端设备主要通过摄像头采集监测环境的动态变化，监测数据包括设备图片及环境音频。各个监测终端每15分钟回传一次，并将各类传感器采集的各类数据传输至数据处理层处理。
数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据，将所述状态数据输出至机理映射单元。
数据处理单元主要负责对采集到的监测数据进行实时筛选与规范化处理，得到被监测能源设备的状态数据。状态数据包括当前状态数据和性能预测数据。其中性能预测数据又包括性能退化预测数据和状态预测数据。之后采用高效率、大容量、低时延的通信线路向机理映射单元传输需求数据。
当前状态数据为监测数据，包含被监测设备的当前状态信息。在一些实施例中，通过数据清洗算法库对监测数据进行去重处理。
性能退化预测数据利用性能退化特征提取算法对监测数据进行运算得到，状态预测数据利用状态趋势预测算法对监测数据进行运算得到。在一些实施例中，对去重后监测数据运算得到。
上述状态数据在输出至机理映射单元之前可以存储在各个数据库当中。在一些实施例中，所述数据库包括：设备数据库、安防数据库、温湿度数据库、监测环境图像数据库。其中，设备数据库存储由设备状态监测终端采集的数据，安防数据库存储由安防监测终端采集的数据，温湿度数据库存储由环境监测终端采集的数据，监测环境图像数据库存储由音视频接收器采集得到的数据。此外，数据处理层还包括数据安全保障日志，用于在运行过程中记录错误，方便后期维护和调试，减少维护成本。
通过算法分析得到状态数据后，将状态数据输出至机理映射单元。
机理映射单元，对所述状态数据，通过机器学习，构建最小监测环境模型。
机理映射单元对状态数据进行价值评估和状态评估，得到相应的价值评估分数和状态评估分数。在一些实施例中，对状态数据进行评估的方法包括：在机理映射层会存入一些模型，系统将结合数据类型和数值进行自动匹配，以确认所采集数据能否构成完整的仿真。
当评估分数在阈值范围内时，将所述状态数据中包含的监测环境图像数据库中的图像数据作为基础，以代码调用形式读取图像数据中环境所属领域的相关数据，将状态数据与图片局部位置匹配组合，建设监测环境最小模拟单位。之后组合模拟单位全范围监测数据，构建最小监测环境模型。
当评估分数不在阈值范围内时，则只是基础物理单元重新获取被监测能源设备的数据。
技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型。
在一些实施例中，技术表现单元包括数据关联可视化模块、三维仿真模块、数据显示模块以及预警模块。三维仿真技术包括：激光点云、三维仿真等重构图片信息的技术。其中激光点云技术是将可视化图片图像进行多幅拼接与重叠处理，提升图像的真实反映，属于中期处理阶段。三维仿真技术将仿真立体化。通过上述技术，将二维图片上的信息在三维坐标中展示出来，得到三维立体模型。利用数据关联可视化模块，将数据信息进行切片、块、旋转、组合、计算等剖析，多角度多侧面的观察模拟单元的数据，以图形图像形式展示，并以此将三维模型与数据进行关联。然后通过数据显示模块，将所述模型上携带和展示其他监测环境信息。预警模块在当数据超过正常阈值范围时，对所述数据进行标注和预警。
技术表现单元同样包含包括风险阈值控制模块，所述模块通过构建与数据完整性攻击相关的特征属性集，针对网络攻击、恶意篡改、恶意解析、拦截等风险，优化智慧能源系统安全防御机制。该模块通过增强底层(基础数据单元、数据处理单元)多源传输能力，构建增量式分类器库，实现攻击类型监测；建立安全风险评估机制，对接入智慧能源系统的各个系统进行风险定级，设定对接风险阈值，在可控范围内，保障系统安全性。
应用交互单元，根据用户基于所述三维模型作出的指令，指示基础物理单元调取所述监测数据和/或指示机理映射单元更新状态数据。
应用交互单元通过3R(VR、AR、MR)技术，构建人机交互，实现可视化展示组件，形成三维虚拟空间，为用户建立语音、视频、姿态的多耦合整合互动环境。用户通过对虚拟3R展示环境的操作与控制。系统根据用户基于所述三维模型作出的指令，指示基础物理单元调取所述监测数据和/或指示机理映射单元更新状态数据。
通过上述实施例可以看出，本申请一种基于数字孪生的能源设备监测系统提供用户一个可以实时展示被监测能源设备精细化三维仿真模型、状态数据以及预测数据的系统。用户同时可以利用3R技术对三维模型进行操作和控制，以此对真实能源设备进行操作和控制。
此外，所述系统还可以针对超出阈值范围或警告信息进行标注，提醒用户对设备状态进行查看，方便用户对设备进行及时监测和保障。
基于同一发明构思，本说明书一个或多个实施例还提供了一种基于数字孪生的能源设备监测方法。参考图2，所述的基于数字孪生的能源设备监测方法应用于包括有基础物理单元、数据处理单元、机理映射单元、技术表现单元和应用交互单元的基于数字孪生的能源设备监测系统：
所述基础物理单元，获取被监测能源设备的监测数据；
所述数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据，将所述状态数据输出至机理映射单元；
所述机理映射单元，对所述状态数据，通过机器学习，构建最小监测环境模型；
所述技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型；
所述应用交互单元，根据用户基于所述三维模型作出的指令，指示基础物理单元调取所述监测数据和/或指示机理映射单元更新状态数据。
上述实施例的方法用于实现前述任一实施例中相应的基于数字孪生的能源设备监测系统，并且具有相应的系统实施例的有益效果，在此不再赘述。
需要说明的是，本申请实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本申请的范围(包括权利要求)被限于这些例子；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本申请实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本申请实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本申请的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于数字孪生的能源设备监测系统，其特征在于，包括：
基础物理单元，获取被监测能源设备的监测数据；
数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据，将所述状态数据输出至机理映射单元；
机理映射单元，对所述状态数据，通过机器学习，构建最小监测环境模型；
技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型；
应用交互单元，根据用户基于所述三维模型作出的指令，指示基础物理单元调取所述监测数据和/或指示机理映射单元更新状态数据。
2.根据权利要求1所述的基于数字孪生的能源设备监测系统，其特征在于，所述状态数据包括当前状态数据和性能预测数据；
所述性能预测数据包括性能退化预测数据和/或状态预测数据。
3.根据权利要求2所述的基于数字孪生的能源设备监测系统，其特征在于，对于所述当前状态数据，所述数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据包括：
对所述监测数据，利用数据清洗算法进行去重处理或直接存储，得到所述当前状态数据。
4.根据权利要求2所述的基于数字孪生的能源设备监测系统，其特征在于，对于所述性能退化预测数据和/或状态预测数据，所述数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据包括：
对所述监测数据，利用性能退化特征提取算法进行运算，得到被监测能源设备的性能退化预测数据；
对所述监测数据，利用状态趋势预测算法进行运算，得到被监测能源设备的状态预测数据。
5.根据权利要求1所述的基于数字孪生的能源设备监测系统，其特征在于，所述对所述状态数据，通过机器学习，构建最小监测环境模型，包括：
对所述状态数据，通过机器学习，按照三维坐标位置匹配组合，建设监测环境最小模拟单位；
组合模拟单位全范围监测数据，构建最小监测环境模型。
6.根据权利要求5所述的基于数字孪生的能源设备监测系统，其特征在于，所述对所述状态数据，通过机器学习，构建最小监测环境模型，还包括：
对所述状态数据价值评估和/或状态评估，得到价值评估分数和/或状态评估分数；
将所述分数与设定阈值进行对比判断；
当所述分数在所述设定阈值范围内时，根据所述状态数据，通过机器学习，构建最小监测环境模型。
7.根据权利要求5所述的基于数字孪生的能源设备监测系统，其特征在于，所述对所述状态数据，通过机器学习，构建最小监测环境模型，还包括：
对所述状态数据价值评估和/或状态评估，得到价值评估分数和/或状态评估分数；
将所述分数与设定阈值进行对比判断；
当所述分数不在所述设定阈值范围内时，指示基础物理单元重新获取被监测能源设备的数据。
8.根据权利要求1所述的基于数字孪生的能源设备监测系统，其特征在于，所述技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型，包括：
根据所述最小监测环境模型，通过三维仿真技术，将所述最小监测环境模型转化到三维坐标中，得到所述被监测能源设备三维模型；
所述被监测能源设备三维模型，可以展示所述状态数据。
9.根据权利要求8所述的基于数字孪生的能源设备监测系统，其特征在于，所述技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型，包括：
对所述状态数据与设定阈值进行对比判断，当所述数据不在阈值范围内时，对所述数据进行标注并出现预警信息。
10.一种基于数字孪生的能源设备监测方法，其特征在于，所述方法应用于包括有基础物理单元、数据处理单元、机理映射单元、技术表现单元和应用交互单元的基于数字孪生的能源设备监测系统；
所述基础物理单元，获取被监测能源设备的监测数据；
所述数据处理单元，对所述监测数据进行算法分析，得到所述被监测能源设备的状态数据，将所述状态数据输出至机理映射单元；
所述机理映射单元，对所述状态数据，通过机器学习，构建最小监测环境模型；
所述技术表现单元，根据所述最小监测环境模型，通过三维仿真技术，得到所述被监测能源设备三维模型；
所述应用交互单元，根据用户基于所述三维模型作出的指令，指示基础物理单元调取所述监测数据和/或指示机理映射单元更新状态数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210220498.7A CN114757088A (zh) | 2022-03-08 | 2022-03-08 | 一种基于数字孪生的能源设备监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210220498.7A CN114757088A (zh) | 2022-03-08 | 2022-03-08 | 一种基于数字孪生的能源设备监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114757088A true CN114757088A (zh) | 2022-07-15 |
Family
ID=82324773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210220498.7A Pending CN114757088A (zh) | 2022-03-08 | 2022-03-08 | 一种基于数字孪生的能源设备监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114757088A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115824318A (zh) * | 2023-02-27 | 2023-03-21 | 国网江西省电力有限公司电力科学研究院 | 用于立杆机工作状态的数字化管控的动态监测系统及方法 |
-
2022
- 2022-03-08 CN CN202210220498.7A patent/CN114757088A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115824318A (zh) * | 2023-02-27 | 2023-03-21 | 国网江西省电力有限公司电力科学研究院 | 用于立杆机工作状态的数字化管控的动态监测系统及方法 |
| CN115824318B (zh) * | 2023-02-27 | 2023-08-15 | 国网江西省电力有限公司电力科学研究院 | 用于立杆机工作状态的数字化管控的动态监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104680260A (zh) | 一种电网可视化感知模型构建方法及系统 | |
| CN113505046A (zh) | 一种三维可视化数据中心监控管理系统与方法 | |
| CN107071297A (zh) | 一种用于电力信通机房展示的虚拟现实系统 | |
| CN107909638A (zh) | 虚拟物体的渲染方法、介质、系统和电子设备 | |
| CN114757088A (zh) | 一种基于数字孪生的能源设备监测系统及方法 | |
| CN114143220A (zh) | 实时数据可视化平台 | |
| CN113946952A (zh) | 风机孪生体的生成方法、装置及电子设备 | |
| CN111223079A (zh) | 输电线路检测方法和装置、存储介质及电子装置 | |
| CN115578685A (zh) | 一种基于三维模型的区域监控方法、系统、设备及存储介质 | |
| CN116345685A (zh) | 一种基于3d虚拟现实技术的配电网数字化巡检方法 | |
| CN112734637B (zh) | 一种导线温度监测的热红外图像处理方法和系统 | |
| CN113094325B (zh) | 设备部署方法、装置、计算机系统和计算机可读存储介质 | |
| CN107704629B (zh) | 一种输电线路无人机巡检可视化管理方法及装置 | |
| CN111414501A (zh) | 基于区块链与cim的木材易燃风险预测系统 | |
| CN115641045A (zh) | 一种冷链运输远程监控系统 | |
| CN112052833B (zh) | 对象密度监控系统、方法、视频解析服务器及存储介质 | |
| CN114066673A (zh) | 能源互联网数字孪生系统构建方法、装置及终端设备 | |
| CN113987902A (zh) | 一种天气场景模拟方法、装置、电子设备及存储介质 | |
| CN111145100B (zh) | 动态影像生成方法及系统、计算机装置、及可读存储介质 | |
| CN114387391A (zh) | 变电站设备的安全监测方法、装置、计算机设备和介质 | |
| CN110838157A (zh) | 一种应急突发场景专题图生成的方法及装置 | |
| CN216014003U (zh) | 一种智慧工地可视化管理系统 | |
| EP3770860A1 (en) | Style transfer of an image based on information related to a use environment | |
| CN116486347B (zh) | 基于尺度不变特征变换图像识别的团雾监测捕获方法及装置 | |
| CN112802190B (zh) | 一种气象观测场运行管理模型建立方法及装置 |
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 |