CN114992106A - 一种基于数字孪生的泵站机组运行状态分析系统 - Google Patents

Abstract

本发明提供了一种基于数字孪生的泵站机组运行状态分析系统，包括：泵站机组物理实体子系统、数字孪生引擎子系统、泵站机组虚拟实体子系统和数字孪生服务平台；所述数字孪生服务平台用于实现对泵站机组的可视化；所述数字孪生引擎子系统用于实现所述泵站机组物理实体子系统与所述泵站机组虚拟实体子系统的双向交互；所述泵站机组物理实体子系统用于确定泵站机组的实体对象；所述泵站机组虚拟实体子系统为根据所述实体对象构建的数字化镜像虚拟模型。本发明通过数字孪生技术实现泵站机组运行状态分析，有助于更好的了解泵的运行情况，辅助故障检测与个性化维修指导，使得泵站处于高效的运行状态。

Description

一种基于数字孪生的泵站机组运行状态分析系统

技术领域

本发明属于数字孪生技术领域，尤其涉及一种基于数字孪生的泵站机组运行状态分析系统。

背景技术

泵站是能提供有一定压力和流量的液压动力和气压动力的装置和工程。泵站按照功能主要分为灌溉泵站、排水泵站、灌排结合泵站、供水泵站、调水泵站、加压泵站、蓄能泵站。我国许多大型的城市给水工程中，水泵站起了非常重要的作用，如“引滦入津”工程、“东深供水”工程、“南水北调东、中线”工程、“引汉济渭”工程。除此之外，在农田灌溉，防洪排涝等方面，水泵站经常作为一个独立的构筑物而服务于各项事业的。泵站是泵的载体，是供水行业的主要生产组成部分，在其运行耗电量却占成本的40％，远远高于西方发达国家，而当前我国供排水泵站数量多，使用面广，起点低，基础差，普遍存在年久失修、设备老化、管理不善，致使效率低，能耗高。针对目前我国供排水泵站工程效率低，能耗高的情况，具体表现为：(1)泵站能耗无法评估，由于泵站机组的运行状态不能实时监测，所以只有当机组遇到问题，维修人员才会被动检修，且水泵的调节都依赖管控人员的人工经验,不能做到最优化调节,不能保证水泵的高效率运行导致的高能耗成本；(2)当前泵站很多数据的获得是靠安置大量的传感器，此现象会导致传感器的布置繁琐，不利于泵站的检修，另外传感器大量的使用也会导致泵站的成本提升；(3)泵站的数据大多通过经验公式去求解，而泵站的某些参数是无法通过传感器或其他常规方法求得，例如流量，因此经验公式的使用中某些数据的残缺会导致数据的不完善，不具备可靠性，实际参考价值大打折扣。综上所述，泵站的节能升级刻不容缓。

泵站的运行性能参数一直以来无法精确测量，如流量，功率等，而现有大多数泵站是通过流量传感器等方式对流量等性能参数的采集作为泵站运行的状态参考，但往往这种方法得出来的数据与真实数据相差较大，无法作为评估泵站是否正常运行的方法，而数字孪生作为一种技术，通过构建泵站机组的虚拟镜像实现对泵站机组的仿真模拟，数据对模型的动态迭代使数字孪生体更加接近实体，模拟得出的数据也更加具有说服力和参考价值。

发明内容

为解决上述技术问题，本发明提出了一种基于数字孪生的泵站机组运行状态分析系统，通过数字孪生技术实现泵站机组运行状态分析。

为实现上述目的，本发明提供了一种基于数字孪生的泵站机组运行状态分析系统，包括：泵站机组物理实体子系统、数字孪生引擎子系统、泵站机组虚拟实体子系统和数字孪生服务平台；

所述数字孪生服务平台与所述数字孪生引擎子系统连接，用于实现对泵站机组的可视化；

所述数字孪生引擎子系统分别与所述泵站机组物理实体子系统和所述泵站机组虚拟实体子系统连接，用于实现所述泵站机组物理实体子系统与所述泵站机组虚拟实体子系统的双向交互；

所述泵站机组物理实体子系统与所述泵站机组虚拟实体子系统连接；

所述泵站机组物理实体子系统用于确定泵站机组的实体对象；

所述泵站机组虚拟实体子系统为根据所述实体对象构建的数字化镜像虚拟模型。

可选地，所述泵站机组物理实体子系统包括：泵站机组、数据采集模块和控制调节模块；

所述泵站机组包括：水泵、电机、传动设备、电动阀门和止回阀；

所述数据采集模块包括：传感器和接口，用于采集所述泵站机组的运行参数；

所述控制调节模块包括：阀门开启度控制装置、电机转速的控制装置和水泵机组的控制装置，用于调节所述泵站机组的进出口流量、所述泵站机组的电极转速与所述泵站机组的启闭。

可选地，所述泵站机组虚拟实体子系统包括几何模型、机理模型、过程模型、仿真模型和数据模型；

所述几何模型为所述泵站机组的几何结构、外观属性和运行参数的虚拟仿真；

所述机理模型为所述泵站机组的运行约束、运行规律和知识图谱的虚拟仿真；

所述过程模型为所述泵站机组运行过程的虚拟仿真；

所述数据模型为所述泵站机组的运行参数的虚拟仿真；

所述仿真模型为所述泵站机组的虚拟仿真。

可选地，所述泵站机组的运行约束包括：所述泵站机组运行过程中物质守恒；所述运行规律包括：所述泵站机组运行过程中的液体运行方向；所述知识图谱包括：所述泵站机组运行所需要的学科知识。

可选地，所述数字孪生引擎子系统包括知识模块、人机交互模块和存储模块；

所述知识模块用于提供泵站机组知识、智能算法和智能引擎；

所述人机交互模块用于提供可视化的人机交互界面；

所述存储模块用于存储所述泵站机组的运行参数和所述泵站机组虚拟实体子系统的仿真数据。

可选地，所述泵站机组知识包括：知识图谱、历史场景、运行规则和专家经验；

所述智能算法包括：图像识别与分类、回归和推荐搜索；

所述智能引擎包括优化算法模块和机器学习模块。

可选地，所述人机交互模块还包括：监测预警单元，仿真预演单元和知识库；

所述监测预警单元用于监测所述泵站机组虚拟实体子系统的性能参数；

所述仿真预演单元用于基于所述泵站机组虚拟实体子系统，对所述泵站机组进行超前模拟；

所述知识库用于记录所述泵站机组的历史运行参数和所述仿真预演的数据，并传输至所述存储模块。

可选地，所述数字孪生服务平台包括：故障模块、监测模块、仿真模块和决策模块；

所述监测模块用于设置所述泵站机组的性能参数的阈值，并与所述泵站机组虚拟实体子系统的模拟数据进行对比；

所述故障模块用于对所述泵站机组进行故障诊断；

所述仿真模块用于模拟当前与未来所述泵站机组的运行状况；

所述决策模块用于根据故障诊断结果生成解决方案，并进行筛选决策。

可选地，所述数据采集模块包括压力传感器、位移传感器和温度传感器；

所述压力传感器用于测量所述泵站机组进出口两端的液体压力；

所述位移传感器用于测量所述泵站机组的轴承是否发生偏移；

所述温度传感器用于测量液体温度。

与现有技术相比，本发明具有如下优点和技术效果：

本发明通过数字孪生技术构建泵站机组的几何模型，机理模型，过程模型与数据模型的虚拟数字镜像，在此基础上，通过数字孪生引擎对泵站机组虚拟实体进行模型迭代，数据激励，交互驱动，形成与实际泵站机组平行运行，通过安放少量的传感器，经过模型仿真数值计算便可解决泵站机组难以测量的性能参数，如流量，汽蚀余量，功率等，为泵站机组的运行提供了良好的数据支持。此外，基于仿真的数据可通过监测模块，故障诊断模块，决策模块配合机器学习语言与记忆神经网络的算法，可对数据实现自动感知，自动生成并对解决方案择优，并通过接口反馈给泵站机组实体，使泵站机组处于良好，高效的运行状态。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例的一种基于数字孪生的泵站机组运行状态分析系统结构示意图；

图2为本发明实施例的人机交互界面映射示意图；

图3为本发明实施例的仿真模拟示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例

本实施例提供了一种基于数字孪生的泵站机组运行状态分析系统，包括：泵站机组物理实体子系统、数字孪生引擎子系统、泵站机组虚拟实体子系统和数字孪生服务平台；数字孪生服务平台与数字孪生引擎子系统连接，用于实现对泵站机组的可视化；数字孪生引擎子系统分别与泵站机组物理实体子系统和泵站机组虚拟实体子系统连接，用于实现泵站机组物理实体子系统与泵站机组虚拟实体子系统的双向交互；泵站机组物理实体子系统与泵站机组虚拟实体子系统连接；泵站机组物理实体子系统用于确定泵站机组的实体对象；泵站机组虚拟实体子系统为根据实体对象构建的数字化镜像虚拟模型。

进一步地，泵站机组物理实体子系统包括：泵站机组、数据采集模块和控制调节模块；泵站机组包括：水泵、电机、传动设备、电动阀门和止回阀；数据采集模块包括：传感器和接口，用于采集泵站机组的运行参数；控制调节模块包括：阀门开启度控制装置、电机转速的控制装置和水泵机组的控制装置，用于调节泵站机组的进出口流量、泵站机组的电极转速与泵站机组的启闭。

进一步地，泵站机组虚拟实体子系统包括几何模型、机理模型、过程模型、仿真模型和数据模型；几何模型为泵站机组的几何结构、外观属性和运行参数的虚拟仿真；机理模型为泵站机组的运行约束、运行规律和知识图谱的虚拟仿真；过程模型为泵站机组运行过程的虚拟仿真；数据模型为泵站机组的运行参数的虚拟仿真；仿真模型为泵站机组的虚拟仿真。

进一步地，泵站机组的运行约束包括：泵站机组运行过程中物质守恒；运行规律包括：泵站机组运行过程中的液体运行方向；知识图谱包括：泵站机组运行所需要的学科知识。

进一步地，数字孪生引擎子系统包括知识模块、人机交互模块和存储模块；知识模块用于提供泵站机组知识、智能算法和智能引擎；人机交互模块用于提供可视化的人机交互界面；存储模块用于存储泵站机组的运行参数和泵站机组虚拟实体子系统的仿真数据。

进一步地，泵站机组知识包括：知识图谱、历史场景、运行规则和专家经验；智能算法包括：图像识别与分类、回归和推荐搜索；智能引擎包括优化算法模块和机器学习模块。

进一步地，人机交互模块还包括：监测预警单元，仿真预演单元和知识库；监测预警单元用于监测泵站机组虚拟实体子系统的性能参数；仿真预演单元用于基于泵站机组虚拟实体子系统，对泵站机组进行超前模拟；知识库用于记录泵站机组的历史运行参数和仿真预演的数据，并传输至存储模块。

进一步地，数字孪生服务平台包括：故障模块、监测模块、仿真模块和决策模块；监测模块用于设置泵站机组的性能参数的阈值，并与泵站机组虚拟实体子系统的模拟数据进行对比；故障模块用于对泵站机组进行故障诊断；仿真模块用于模拟当前与未来泵站机组的运行状况；决策模块用于根据故障诊断结果生成解决方案，并进行筛选决策。

进一步地，数据采集模块包括压力传感器、位移传感器和温度传感器；压力传感器用于测量泵站机组进出口两端的液体压力；位移传感器用于测量泵站机组的轴承是否发生偏移；温度传感器用于测量液体温度。

在本实施例中，如图1所示，基于数字孪生的泵站机组运行状态分析系统，包括四个部分：泵站机组物理实体、数字孪生引擎、泵站机组虚拟实体、数字孪生服务平台。

其中泵站机组物理实体主要包括泵站机组、数据采集模块、控制调节模块。泵站机组主要由水泵、电机、传动设备、电动阀门、止回阀组成；其中水泵是输送液体或使液体增压的机械，将电机的机械能或其他外部能量传送给液体，使液体能量增加；电机是指依据电磁感应定律实现电能转换或传递的一种电磁装置，用来提供水泵所需的动力；传动装置是连接电机和水泵的中间设备，把动力装置上的动力传递给水泵；电动阀门通过开启闭合实现流量的进出；止回阀是用来防止液体的回流作用。泵站机组数据采集模块主要由相关传感器和接口组成，通过相应的传感器采集泵站机组的运行参数，在本实施例中，主要采用压力传感器，位移传感器，温度传感器，压力传感器主要用来测量泵站机组进出口两端的液体压力；温度传感器用于测量液体的温度；位移传感器用于测量水泵的轴承是否发生偏移。控制调节模块在以下两种情况下会发生：一种是泵站机组发生故障的情况，另外一种是泵站机组进行检修；控制调节模块由阀门开启度按钮，水泵机组的开关按钮，电机转速的旋钮组成，其主要功能是调节泵站机组进出口流量，泵站机组的转速与泵站机组的启闭。

泵站机组虚拟实体由几何模型、机理模型、过程模型、仿真模型、数据模型构成，其中的几何模型通过确定服务的泵站机组实体对象，获得泵站机组的几何结构，外观属性及运行参数，几何结构主要由泵站机组的设备组成；外观属性主要包括泵站机组的材料属性，颜色等；运行参数主要包括泵站机组运行的额定流量，额定功率，额定扬程等运行性能参数，构建泵站机组的几何模型；机理模型主要通过对泵站机组的运行机理的分析，了解泵站机组的运行约束，运行规律，以及涉及到的多领域学科的知识形成知识图谱，构建机理模型；过程模型通过对泵站机组历史运行性能参数与维修记录数据的收集，结合机组运行过程，对数据进行分层处理，对运行的每一部分的数据进行相似性分析，使数据与运行过程一一对应，构建过程模型；数据模型的创建基于多源数据的收集，通过多种计算方式，实现对数据的针对性处理，构建具有特殊功能的数据模型。

数字孪生引擎由知识模块、人机交互模块、存储模块组成，其中知识模块用于存储包括泵站机组知识，智能算法，智能引擎，其中泵站机组知识包括知识图谱，历史场景，运行规则，专家经验；智能算法主要包括图像识别以及分类，回归，推荐搜索等学习算法；智能引擎包括优化算法和机器学习。泵站机组知识中的知识图谱与智能体技术结合，建立动态知识图谱，为建立泵站机组机理数字孪生体中模型构建提供相关技术；历史场景主要指该泵站机组历史中重要的运行记录；运行规则和知识图谱有类似的作用，同样为建立机理模型提供条件；专家经验是指该泵站机所属的行业内的数年形成的经验数据。泵站机组智能算法中的图像识别主要是对仿真模拟中的模型可视化的分析。学习算法主要是根据现有的输入数据，包括环境条件，运行工况以及该泵站机组的行为反应数据，通过学习算法形成两者之间的映射函数，并基于此对其他输入数据自动响应。智能引擎中的优化算法是指泵站机组数字孪生体在输入条件一定的情况下，模型生成最优解并反馈于泵站机组物理实体；机器学习一方面对运行数据进行学习并不断优化数据，能够用优化数据迭代模型，另一方面通过对大量数据的学习，泵站机组形成自己的解决方案并反馈于泵站机组物理实体。人机交互模块主要是提供人机交互界面，即数字门户，提供给工作人员泵站机组数字化镜像，泵站机组运行的性能参数可视化，比如流量，扬程，效率等；人机交互模块还包含监测预警，仿真预演，知识库，其中监测预警是通过监测模型中设置的参数上下值，若性能参数超过则预警；仿真预演是通过仿真模型进行模拟，实现泵站机组对某种情况的超前实现；知识库中包含的是泵站机组运行的历史数据与仿真预演的记录，但知识库中的内容最终是储存到存储模块中。存储模块用于存储泵站机组的历史运行数据，泵站的实时数据，仿真模型的记录数据以及数字孪生模型所包含的必要数据。

数字孪生服务平台主要包括：故障模块、监测模块、仿真模块、决策模块，通过几何，机理，过程，仿真与数据模型支撑泵站机组的数字孪生虚拟实体，并基于数字孪生引擎实现对物理实体与虚拟实体的双向交互，通过嵌入的知识模块进行模型的优化迭代，使虚实充分结合，最后通过数字孪生服务实现用户端对泵站机组的可视化，其中监测模块主要用于设置性能参数的阈值，对比模拟数据，反映于人机交互界面的监测预警界面中；故障模块主要是通过机器学习语言与图像识别实现对泵站机组的故障诊断，包括故障位置，故障类型等信息；仿真模型主要通过仿真软件进行数值计算，用于模拟当前与未来泵站机组的运行状况；决策模块主要是由机器学习语言通过对故障状况下自动生成的解决方案进行筛选决策，最终一切都是实现对泵站机组运行状态的动态分析与最优运行。

泵站机组物理实体与虚拟实体是通过通讯协议实现数据的双向交互，另外分别通过物理实体交互驱动接口与虚拟实体交互驱动接口实现物理实体，虚拟实体与数字孪生引擎的数据交互，供数字引擎中相应模块处理后原路反馈，实现模型与运行状态更新，数字孪生引擎则通过服务接口实现与数字孪生服务平台的连接，服务接口是数字孪生引擎为数字孪生服务模块提供各类模型和数据访问的接口。

如图2所示，基于对泵站机组的全方位分析，构建了上述基于数字孪生的泵站机组运行状态分析系统的人机交互界面映射图。人机交互界面主要用于对泵站机组的运行状况可视化，为进一步分析提供相应的数据与图像支撑，其主要分为四个部分：数字门户、监测预警、仿真预演、知识库，其中数字门户主要用于显示泵站机组总体运行情况以及泵站机组物理实体的数字化镜像运行同步可视化；监测预警主要是对相应指标的运行数据进行显示并判断是否异常，如流量、扬程、效率、功率等，基于监测模块中设置的参数上下限，自动判别预警情况并智能推送；仿真预演则是通过仿真模块中的仿真模型进行边界条件参数输入与模型的处理后进行模拟，通过输入的执行指令，基于算法支撑基础则可进行数据求解，方案筛选后得出的数据经过处理重新带入监测模块；知识库主要存储历史场景，预演方案，系统只能匹配预演方案和历史类似运行流程，使用机器学习几乎不断迭代优化模型算法，优化方案，图片自动识别技术则通过图片样本库记录自动匹配实现精准智能识别。

如图3所示，基于泵站机组数字孪生系统，构建了上述基于数字孪生的泵站机组运行状态分析方法的仿真模拟流程图。首先，对泵站机组物理实体几何结构，装配方式等物理属性进行全方位的分析，基于三维建模软件构建泵站机组的物理模型，下一步进行网格划分，采用有限元分析法将其划分为无穷多个无限小的单元并对其分析，通过压力传感器对泵站进出口进行数据采集，通过接口转入到模型中，然后通过数值计算软件前处理cfx-pre进行边界条件的输入，而边界条件的输入则采用python编程语言构成相应的逻辑顺序，执行“打开软件-输入模型与参数-模拟计算”的流程，并把求得的泵站机组数字模型的运行状态数据转化为可视化图像显示在可视化软件中，还能够与模型融合共同模拟泵站机组内部的运行情况，生成压力，速度等云图；离线仿真也采用相同的流程，唯一不同的是泵站机组的实时采集数据替换为labview中的仿真数字信号，通过改变输入的数值，可以模拟不同情况下的泵站机组的运行状态，实现对机组运行情况的预测分析。

一种基于数字孪生的泵站机组运行状态分析系统中，构建泵站机组的数字孪生体中的模型包括如下步骤：

步骤1.确定服务的泵站机组实体对象，获得泵站机组的几何结构，外观属性及运行参数，几何结构主要包括泵站机组的设备组成，泵站机组主要由水泵，电机，传动设备，电动阀门、止回阀以及相关传感器组成；外观属性主要包括泵站机组的材料属性，颜色等；运行参数主要包括泵站机组运行的额定流量，额定功率，额定扬程等运行性能参数，构建泵站机组的几何模型；

步骤2.通过对泵站机组的运行机理的分析，可以了解泵站机组的运行约束，运行规律以及涉及到的多领域学科的知识，构建机理模型。

步骤3.通过对泵站机组历史运行性能参数与维修记录数据的收集，结合机组运行过程，对数据进行分层处理，对运行的每一部分的数据进行相似性分析，使数据与运行过程一一对应，构建过程模型；

步骤4.数据模型的创建基于多源数据的收集，通过多种计算方式，实现对数据的针对性处理，构建具有特殊功能的数据模型；

步骤5.数字孪生体的构建，基于步骤1，步骤2，步骤3，步骤4，构建与泵站机组物理实体几何，机理，过程相一致数字孪生体，实现泵站机组物理实体的数字化镜像；

步骤6.数字孪生体的优化，通过数据采集模块对实时运行数据的采集，对比数字孪生体采用相同输入参数模拟的数值，进行两者的相关性分析，通过机器学习与优化算法对模型原始参数进行修正，实现泵站机组数字化模型进行迭代优化，使其能够与物理实体运行一致；

步骤7.仿真模型的构建，基于构建的数字孪生体与泵站机组的运行数据对仿真模型进行约束施加，初始化和输入设置，进行仿真模型的精确构建；

上述泵站机组运行约束主要包括运行过程中质量，能量等物质守恒；运行规律主要指泵站机组运行中的流体运行方向，运行规程中考虑能量损失；涉及到的多领域知识指的是泵站机组运行所需要的学科知识支撑，主要包括机械，电力，液压等相关学科。

一种基于数字孪生的泵站机组运行状态分析系统中，对泵站机组运行状态分析运行机理包括如下步骤：

步骤1.在泵站机组进出口放置压力传感器获取进出口压力的数据，计算出扬程；

步骤2.基于所述的出口压力数据通过傅里叶变换得出出口压力主频进而计算出泵站机组转速；

步骤3.基于进出口压力及转速通过仿真模型即可求得泵站机组的其他运行性能参数；

步骤4.通过人机交互界面对求得的泵站机组各性能参数实时显示与监测；

步骤5.对性能参数设定对应的阈值，若超过则进行预警通知，并通过机器学习语言对故障状态学习并进行解决方案的生成；

步骤6.通过决策模块实现对各解决方案的决策并选出最优的一种，实现虚拟孪生体对物理实体的反向调节；

步骤7.当泵站机组物理实体与虚拟孪生体断开，则可通过仿真模拟对虚拟孪生体进行仿真计算，进而可以预测未来泵站机组的运行状态并对故障提前调节，实现对泵站机组未来运行状态的分析；

一种基于数字孪生的泵站机组运行状态分析系统中，当泵站机组物理实体与虚拟体断开，可以通过数据采集软件中的仿真数字信号对泵站机组虚拟孪生体进行仿真计算，通过计算机编程语言实现仿真计算的自动运行与数据可视化，具体步骤如下：

步骤1.模拟进出口压力：通过数据采集软件中的仿真数据信号，输入频率，偏移量等信号参数，经过软件自带的控件进行信号处理输出相应的泵站机组进出口压力；

步骤2.对相应的仿真数值计算软件的运行进行批处理文件，并将其带入到相关的编程语言形成逻辑顺序；

步骤3.采用采集系统软件自带的控件进行编程语言的打开与执行，进行数值计算的操作；

步骤4.数值计算结束后，通过调用指定的编程语言逻辑顺序进行数值结果图像化显示；

步骤5.通过可视化图像可以生成速度，压力等云图，确定故障发生的位置，为后期解决此故障提供相应的依据，并通过机器语言学习匹配相应的解决方案。

以上，仅为本申请较佳的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种基于数字孪生的泵站机组运行状态分析系统，其特征在于，包括：泵站机组物理实体子系统、数字孪生引擎子系统、泵站机组虚拟实体子系统和数字孪生服务平台；

所述数字孪生服务平台与所述数字孪生引擎子系统连接，用于实现对泵站机组的可视化；

所述数字孪生引擎子系统分别与所述泵站机组物理实体子系统和所述泵站机组虚拟实体子系统连接，用于实现所述泵站机组物理实体子系统与所述泵站机组虚拟实体子系统的双向交互；

所述泵站机组物理实体子系统与所述泵站机组虚拟实体子系统连接；

所述泵站机组物理实体子系统用于确定泵站机组的实体对象；

所述泵站机组虚拟实体子系统为根据所述实体对象构建的数字化镜像虚拟模型。

2.根据权利要求1所述的基于数字孪生的泵站机组运行状态分析系统，其特征在于，所述泵站机组物理实体子系统包括：泵站机组、数据采集模块和控制调节模块；

所述泵站机组包括：水泵、电机、传动设备、电动阀门和止回阀；

所述数据采集模块包括：传感器和接口，用于采集所述泵站机组的运行参数；

所述控制调节模块包括：阀门开启度控制装置、电机转速的控制装置和水泵机组的控制装置，用于调节所述泵站机组的进出口流量、所述泵站机组的电极转速与所述泵站机组的启闭。

3.根据权利要求1所述的基于数字孪生的泵站机组运行状态分析系统，其特征在于，所述泵站机组虚拟实体子系统包括几何模型、机理模型、过程模型、仿真模型和数据模型；

所述几何模型为所述泵站机组的几何结构、外观属性和运行参数的虚拟仿真；

所述机理模型为所述泵站机组的运行约束、运行规律和知识图谱的虚拟仿真；

所述过程模型为所述泵站机组运行过程的虚拟仿真；

所述数据模型为所述泵站机组的运行参数的虚拟仿真；

所述仿真模型为所述泵站机组的虚拟仿真。

4.根据权利要求3所述的基于数字孪生的泵站机组运行状态分析系统，其特征在于，所述泵站机组的运行约束包括：所述泵站机组运行过程中物质守恒；所述运行规律包括：所述泵站机组运行过程中的液体运行方向；所述知识图谱包括：所述泵站机组运行所需要的学科知识。

5.根据权利要求1所述的基于数字孪生的泵站机组运行状态分析系统，其特征在于，所述数字孪生引擎子系统包括知识模块、人机交互模块和存储模块；

所述知识模块用于提供泵站机组知识、智能算法和智能引擎；

所述人机交互模块用于提供可视化的人机交互界面；

所述存储模块用于存储所述泵站机组的运行参数和所述泵站机组虚拟实体子系统的仿真数据。

6.根据权利要求5所述的基于数字孪生的泵站机组运行状态分析系统，其特征在于，所述泵站机组知识包括：知识图谱、历史场景、运行规则和专家经验；

所述智能算法包括：图像识别与分类、回归和推荐搜索；

所述智能引擎包括优化算法模块和机器学习模块。

7.根据权利要求5所述的基于数字孪生的泵站机组运行状态分析系统，其特征在于，所述人机交互模块还包括：监测预警单元，仿真预演单元和知识库；

所述监测预警单元用于监测所述泵站机组虚拟实体子系统的性能参数；

所述仿真预演单元用于基于所述泵站机组虚拟实体子系统，对所述泵站机组进行超前模拟；

所述知识库用于记录所述泵站机组的历史运行参数和所述仿真预演的数据，并传输至所述存储模块。

8.根据权利要求1所述的基于数字孪生的泵站机组运行状态分析系统，其特征在于，所述数字孪生服务平台包括：故障模块、监测模块、仿真模块和决策模块；

所述监测模块用于设置所述泵站机组的性能参数的阈值，并与所述泵站机组虚拟实体子系统的模拟数据进行对比；

所述故障模块用于对所述泵站机组进行故障诊断；

所述仿真模块用于模拟当前与未来所述泵站机组的运行状况；

所述决策模块用于根据故障诊断结果生成解决方案，并进行筛选决策。

9.根据权利要求2所述的基于数字孪生的泵站机组运行状态分析系统，其特征在于，所述数据采集模块包括压力传感器、位移传感器和温度传感器；

所述压力传感器用于测量所述泵站机组进出口两端的液体压力；

所述位移传感器用于测量所述泵站机组的轴承是否发生偏移；

所述温度传感器用于测量液体温度。

Images