CN115373278A - 基于数字孪生驱动的工控业务异常预测响应系统和方法 - Google Patents
基于数字孪生驱动的工控业务异常预测响应系统和方法 Download PDFInfo
- Publication number
- CN115373278A CN115373278A CN202211311961.5A CN202211311961A CN115373278A CN 115373278 A CN115373278 A CN 115373278A CN 202211311961 A CN202211311961 A CN 202211311961A CN 115373278 A CN115373278 A CN 115373278A
- Authority
- CN
- China
- Prior art keywords
- industrial control
- module
- control
- digital twin
- process output
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Abstract
本申请公开了基于数字孪生驱动的工控业务异常预测响应系统和方法。本申请依靠数字孪生模型提供的针对任一工控系统业务模块的期望过程输出参考值,以及基于数字孪生模型的描述参数集,通过滚动优化处理,产生适当的自适应控制律,从而,在工控业务实际状态的过程输出发生异常偏离时,能够开展自适应调控,平滑过渡逼近该期望过程,从而在这一过程中对工控业务的异常状态进行预测式的响应。
Description
技术领域
本申请涉及工控系统安全技术领域,特别涉及一种基于数字孪生驱动的工控业务异常预测响应系统和方法。
背景技术
随着智慧工厂的建立和普及,各个行业的工业生产系统走向全面数字化、智能化和自动化的协调控制的趋势持续增强。相应地,工控系统稳定、安全运行的重要性日益凸显。特别是,对于各个业务模块的异常状态,希望工控系统能够给予预测性响应,从而最大程度降低和消除该异常状态的影响。
然而,目前各类工控系统对于其业务模块的异常状态的响应机制,仍然普遍采用传统的异常监测和反馈调控,属于事后型的响应机制,在时效性方面仍然较为滞后,存在对工控业务异常状态判断不清晰,响应不灵敏等方面的问题。
数字孪生(DIGITAL TWINS)指的是建立对某个真实物理对象能够完全复现的动态数字模型,即数字孪生模型,并基于该数字孪生模型实现对该真实物理对象过去和未来运行过程的仿真。数字孪生在工控系统中有着广泛的应用前景,通过对工控系统的各个业务模块进行数字化,建立系统整体的数字孪生模型,能够对工控系统的运行状态进行有效的仿真。目前面向工控系统的数字孪生模型已经在可视化、系统验证、个性化场景优化等方面发挥了一定的作用。
但是,现有技术中基于数字孪生模型实现工控业务异常响应还缺乏有效的解决方案,特别是,工控系统在异常状态下发生的各种非常规的未知因素,会改变工控业务的运行规律性质,导致基于数字孪生模型并不能准确复现工控业务的运行过程,也就不能对工控业务的异常状态仿真以形成有效的响应。
发明内容
(一)申请目的
基于此,本申请公开了基于数字孪生驱动的工控业务异常预测响应系统和方法。本申请依靠数字孪生模型提供的针对任一工控系统业务模块的期望过程输出参考值,以及基于数字孪生模型的描述参数集,通过滚动优化处理,产生适当的自适应控制律,从而,在工控业务实际状态的过程输出发生异常偏离时,能够开展自适应调控,平滑过渡逼近期望过程输出轨迹,从而在这一过程中对工控业务的异常状态进行预测式的响应。
(二)技术方案
本申请公开了基于数字孪生驱动的工控业务异常预测响应系统,其特征在于,包括:
工控数字孪生模型库,用于预先存储工控系统各个业务模块的数字孪生模型,所述数字孪生模型通过对描述参数集赋值,实现对工控系统业务模块的建模和复现,且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数;
期望过程驱动模块,用于从所述工业系统业务模块的数字孪生模型中,调入工控业务期望过程输出的参考值,并根据所述参考值以及工控模块实际的过程输出,生成并输出期望过程输出轨迹;
预测控制模块,用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出,生成预测能够达到所述期望过程输出轨迹的预测控制量,并将预测控制量提供给执行进程模块;
执行进程模块,用于从所述预测控制模块获得所述预测控制量,根据所述预测控制量获得工控系统业务模块的过程输出,该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程输出轨迹。
优选的是,所述期望过程驱动模块通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值,从而生成期望过程输出轨迹。
其中,表示预测水平,用来表示自第k个控制区间起算的未来控制区间数量,为在预测水平条件下的第个控制区间的期望过程输出,与为第k个、第个控制区间的期望过程输出的参考值,为工控模块第个控制区间的实际的过程输出;为比例系数,基于循环滚动优化后的这三个比例系数,计算保持工控模块正常状态的期望过程输出轨迹;和表示从数字孪生模型调入的表征工控模块正常状态的预设描述参数实际值中描述参数的个数。
优选的是,所述预测控制模块针对期望过程输出轨迹和工控模块实际的过程输出,通过循环滚动优化对转换系数的实际值进行赋值,从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
优选的是,所述预测控制模块按照如下公式生成预测控制量:
其中,第k个控制区间的预测控制量,为第k+1-i个控制区间的预测控制量,为工控模块第k+1-i个控制区间的实际的过程输出,为在预测水平条件下的第个控制区间的期望过程输出,为转换系数的实际值;通过循环滚动优化对转换系数的实际值进行赋值,从而生成预测能够达到所述期望过程输出轨迹的预测控制量;表示从数字孪生模型调入的表征工控模块针对输入控制量发生过程输出响应的描述参数实际值中对应自回归项阶数的描述参数个数,表示从数字孪生模型调入的表征工控模块针对输入控制量发生过程输出响应的描述参数实际值中对应控制变量阶数的描述参数个数。
优选的是,所述期望过程驱动模块从数字孪生模型调入表征工控模块正常状态的预设描述参数实际值,其中表示描述参数的个数,表示描述参数的个数,以上实际值中的各个和是数字孪生模型对正常状态下工控模块的有效状态表征参量进行实测所得到的;进而,按照循环滚动优化方式对的值进行计算。
本发明进而提供了基于数字孪生驱动的工控业务异常预测响应方法,其特征在于,包括:
工控数字孪生建模步骤,用于预先存储工控系统各个业务模块的数字孪生模型,所述数字孪生模型通过对描述参数集赋值,实现对工控系统业务模块的建模和复现,且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数;
期望过程驱动步骤,用于从所述工业系统业务模块的数字孪生模型中,调入工控业务期望过程输出的参考值,并根据所述参考值以及工控模块实际的过程输出,生成并输出期望过程输出轨迹;
预测控制步骤,用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出,生成预测能够达到所述期望过程输出轨迹的预测控制量,并将预测控制量提供给执行进程模块;
执行进程步骤,用于从所述预测控制步骤获得所述预测控制量,根据所述预测控制量获得工控系统业务模块的过程输出,该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程输出轨迹。
优选的是,所述期望过程驱动步骤通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值,从而生成期望过程输出轨迹。
优选的是,所述预测控制步骤针对期望过程输出轨迹和工控模块实际的过程输出,通过循环滚动优化对转换系数的实际值进行赋值,从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
(三)有益效果
本申请公开的一种基于数字孪生驱动的工控业务异常预测响应系统和方法,能够基于期望的过程输出自适应控制律,使得控制效果最大可能的得到优化,对工控系统的异常偏离具有更强的适应能力和更好的鲁棒性,系统容错性高,适合于工控系统的强耦合特性,通过循环滚动优化能有效地解决过程中的干扰。
附图说明
以下参考附图描述的实施例是示例性的,旨在用于解释和说明本申请,而不能理解为对本申请的保护范围的限制。
图1是本申请公开的一种基于数字孪生驱动的工控业务异常预测响应系统结构图;
图2是本申请公开的一种基于数字孪生驱动的工控业务异常预测响应方法流程图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。
本申请提供了基于数字孪生驱动的工控业务异常预测响应系统和方法。本申请依靠数字孪生模型提供的针对任一工控系统业务模块的期望过程输出参考值,以及基于数字孪生模型的描述参数集,通过滚动优化处理,产生适当的自适应控制律,从而,在工控业务实际状态的过程输出发生异常偏离时,能够开展自适应调控,平滑过渡逼近该期望过程,从而在这一过程中对工控业务的异常状态进行预测式的响应。
下面参考图1详细描述本申请所述的基于数字孪生驱动的工控业务异常预测响应系统。该系统包括工控数字孪生模型库、期望过程驱动模块、预测控制模块、执行进程模块。
所述工控数字孪生模型库中预先存储了工控系统各个业务模块的数字孪生模型,数字孪生模型针对真实世界中的工控系统业务模块,在采集该业务模块的历史数据基础上,对数字孪生模型原型的各个描述参数集进行赋值,从而以数字化的形式对真实的工控系统业务模块实现建模和复现。针对本系统中其它各个模块对工控业务异常状态的预测和响应,数字孪生模型能够从本模型的描述参数集中为各个模块提供针对工业系统业务模块的仿真参数,从而实现数字孪生驱动的工控业务异常预测响应。
期望过程驱动模块用于从所述工业系统业务模块的数字孪生模型中,调入工控业务期望过程输出的参考值;其中k代表第k个控制区间,该参考值是根据该业务模块运行的预期正常状态所设定的以控制控制区间k作为自变量的函数式。所述期望过程驱动模块根据所述参考值以及工控模块实际的过程输出,生成并输出期望过程输出轨迹。
具体来说,所述期望过程驱动模块参照以下公式(一),根据从数字孪生模型调入的对该工控模块的描述参数的实际值,通过循环滚动优化对表示参考值和工控模块实际的过程输出的比例系数的进行赋值,从而生成期望过程输出轨迹。
公式(一)
其中,表示预测水平,用来表示自第k个控制区间起算的未来控制区间数量,为在预测水平条件下的第个控制区间的期望过程输出,与为第k个、第个控制区间的期望过程输出的参考值,为工控模块第个控制区间的实际的过程输出;为公式(一)的比例系数,通过计算可得、、在公式(一)中的比重,基于循环滚动优化后的这三个参数,计算保持工控模块正常状态的期望过程输出轨迹。
期望过程驱动模块从数字孪生模型调入的表征工控模块正常状态的预设描述参数实际值,其中表示描述参数的个数,表示描述参数的个数,以上实际值中的各个和是数字孪生模型对正常状态下工控模块的有效状态表征参量进行实测所得到的;进而,按照循环滚动优化方式对的值进行计算:
通过公式(二)设定初始条件:
for i=1,…,p do
end for
end for
通过公式(四)设定初始条件:
for i=1,…,p do
end for
end for
通过公式(六)设定初始条件:
end for
公式(八)
所述预测控制模块从数字孪生模型调入表征工控模块针对输入控制量发生过程输出响应的描述参数实际值,其中表示描述参数的个数,对应于自回归项的阶数,而表示描述参数的个数,对应于控制变量的阶数。进而,按照以下循环滚动优化方式对的值进行计算:
通过公式(九)设定初始条件:
end for
end for
通过公式(十一)设定初始条件:
end for
end for
通过公式(十三)设定初始条件:
根据初始条件赋值;进而,启动如下循环滚动:
end for
其中,和分别表示从数字孪生模型调入的表征工控系统业务模块过程输出响应的描述参数预测值,其中表示描述参数的个数,表示描述参数的个数。响应预测控制模块提供的自适应的控制律,执行进程模块的过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程,从而在这一过程中对工控业务的异常状态进行预测式的响应。
本发明进而提供了基于数字孪生驱动的工控业务异常预测响应方法,参见图2,包括:
工控数字孪生建模步骤,用于预先存储工控系统各个业务模块的数字孪生模型,所述数字孪生模型通过对描述参数集赋值,实现对工控系统业务模块的建模和复现,且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数;
期望过程驱动步骤,用于从所述工业系统业务模块的数字孪生模型中,调入工控业务期望过程输出的参考值,并根据所述参考值以及工控模块实际的过程输出,生成并输出期望过程输出轨迹;
预测控制步骤,用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出,生成预测能够达到所述期望过程输出轨迹的预测控制量,并将预测控制量提供给执行进程模块;
执行进程步骤,用于从所述预测控制步骤获得所述预测控制量,根据所述预测控制量获得工控系统业务模块的过程输出,该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程。
其中,所述期望过程驱动步骤通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值,从而生成期望过程输出轨迹。
其中,所述预测控制步骤针对期望过程输出轨迹和工控模块实际的过程输出,通过循环滚动优化对转换系数的实际值进行赋值,从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
综上所述,本申请提供的基于数字孪生驱动的工控业务异常预测响应系统和方法,能够基于期望的过程输出自适应控制律,使得控制效果最大可能的得到优化,对工控系统的异常偏离具有更强的适应能力和更好的鲁棒性,系统容错性高,适合于工控系统的强耦合特性,通过循环滚动优化能有效地解决过程中的干扰。
本文中的模块、单元或组件的划分仅仅是一种逻辑功能的划分,在实际实现时可以有其他的划分方式,例如多个模块和/或单元可以结合或集成于另一个系统中。作为分离部件说明的模块、单元、组件在物理上可以是分开的,也可以是不分开的。作为单元显示的部件可以是物理单元,也可以不是物理单元,即可以位于一个具体地方,也可以分布到网格单元中。因此可以根据实际需要选择其中的部分或全部的单元来实现实施例的方案。
以上所述,仅为本申请的具体实施方式,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以所述权利要求的保护范围为准。
Claims (10)
1.一种基于数字孪生驱动的工控业务异常预测响应系统,其特征在于,包括:
工控数字孪生模型库,用于预先存储工控系统各个业务模块的数字孪生模型,所述数字孪生模型通过对描述参数集赋值,实现对工控系统业务模块的建模和复现,且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数;
期望过程驱动模块,用于从所述工业系统业务模块的数字孪生模型中,调入工控业务期望过程输出的参考值,并根据所述参考值以及工控模块实际的过程输出,生成并输出期望过程输出轨迹;
预测控制模块,用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出,生成预测能够达到所述期望过程输出轨迹的预测控制量,并将预测控制量提供给执行进程模块;
执行进程模块,用于从所述预测控制模块获得所述预测控制量,根据所述预测控制量获得工控系统业务模块的过程输出,该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程输出轨迹。
2.根据权利要求1所述的基于数字孪生驱动的工控业务异常预测响应系统,其特征在于,所述期望过程驱动模块通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值,从而生成期望过程输出轨迹。
4.根据权利要求3所述的基于数字孪生驱动的工控业务异常预测响应系统,其特征在于,所述预测控制模块针对期望过程输出轨迹和工控模块实际的过程输出,通过循环滚动优化对转换系数的实际值进行赋值,从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
5.根据权利要求4所述的基于数字孪生驱动的工控业务异常预测响应系统,其特征在于,所述预测控制模块按照如下公式生成预测控制量:
8.一种基于数字孪生驱动的工控业务异常预测响应方法,其特征在于,包括:
工控数字孪生建模步骤,用于预先存储工控系统各个业务模块的数字孪生模型,所述数字孪生模型通过对描述参数集赋值,实现对工控系统业务模块的建模和复现,且所述数字孪生模型能够从所述描述参数集中提供针对工业系统各个业务模块的仿真参数;
期望过程驱动步骤,用于从所述工业系统业务模块的数字孪生模型中,调入工控业务期望过程输出的参考值,并根据所述参考值以及工控模块实际的过程输出,生成并输出期望过程输出轨迹;
预测控制步骤,用于根据期望过程驱动模块所输出的期望过程输出轨迹和工控模块实际的过程输出,生成预测能够达到所述期望过程输出轨迹的预测控制量,并将预测控制量提供给执行进程模块;
执行进程步骤,用于从所述预测控制步骤获得所述预测控制量,根据所述预测控制量获得工控系统业务模块的过程输出,该过程输出能够在工控业务实际状态发生异常偏离时平滑过渡逼近该期望过程输出轨迹。
9.根据权利要求8所述的基于数字孪生驱动的工控业务异常预测响应方法,其特征在于,所述期望过程驱动步骤通过循环滚动优化对所述参考值和工控模块实际的过程输出的比例系数的进行赋值,从而生成期望过程输出轨迹。
10.根据权利要求9所述的基于数字孪生驱动的工控业务异常预测响应方法,其特征在于,所述预测控制步骤针对期望过程输出轨迹和工控模块实际的过程输出,通过循环滚动优化对转换系数的实际值进行赋值,从而生成预测能够达到所述期望过程输出轨迹的预测控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211311961.5A CN115373278B (zh) | 2022-10-25 | 2022-10-25 | 基于数字孪生驱动的工控业务异常预测响应系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211311961.5A CN115373278B (zh) | 2022-10-25 | 2022-10-25 | 基于数字孪生驱动的工控业务异常预测响应系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115373278A true CN115373278A (zh) | 2022-11-22 |
CN115373278B CN115373278B (zh) | 2023-01-06 |
Family
ID=84072705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211311961.5A Active CN115373278B (zh) | 2022-10-25 | 2022-10-25 | 基于数字孪生驱动的工控业务异常预测响应系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115373278B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861478A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
WO2020049214A1 (en) * | 2018-09-03 | 2020-03-12 | Metso Flow Control Oy | Valve positioner and diagnostic method |
WO2021019551A1 (en) * | 2019-07-26 | 2021-02-04 | Tata Consultancy Services Limited | System and method for real-time self-optimization of manufacturing operations |
US20210118067A1 (en) * | 2016-12-15 | 2021-04-22 | Siemens Aktiengesellschaft | Configuration and parameterization of energy control system |
CN113780375A (zh) * | 2021-08-26 | 2021-12-10 | 同济大学 | 一种基于数字孪生的虚实交互风电场风力监测系统及应用 |
CN113805550A (zh) * | 2021-09-30 | 2021-12-17 | 上海卫星装备研究所 | 基于数字孪生的航天器装配过程管控方法及系统 |
CN114091231A (zh) * | 2021-10-18 | 2022-02-25 | 广西电网有限责任公司电力科学研究院 | 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 |
CN114217616A (zh) * | 2021-12-14 | 2022-03-22 | 武汉理工大学 | 船岸协同内河船舶远程控制方法及系统 |
CN114239883A (zh) * | 2021-12-27 | 2022-03-25 | 华南智能机器人创新研究院 | 一种基于数字孪生的服务机器人在线运维系统及方法 |
US20220114897A1 (en) * | 2020-10-12 | 2022-04-14 | Tongji University | Method for feasibility evaluation of UAV digital twin based on vicon motion capture system |
CN114442510A (zh) * | 2021-12-31 | 2022-05-06 | 广东省科学院智能制造研究所 | 数字孪生闭环控制方法、系统、计算机设备及存储介质 |
-
2022
- 2022-10-25 CN CN202211311961.5A patent/CN115373278B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210118067A1 (en) * | 2016-12-15 | 2021-04-22 | Siemens Aktiengesellschaft | Configuration and parameterization of energy control system |
CN107861478A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
WO2020049214A1 (en) * | 2018-09-03 | 2020-03-12 | Metso Flow Control Oy | Valve positioner and diagnostic method |
WO2021019551A1 (en) * | 2019-07-26 | 2021-02-04 | Tata Consultancy Services Limited | System and method for real-time self-optimization of manufacturing operations |
US20220114897A1 (en) * | 2020-10-12 | 2022-04-14 | Tongji University | Method for feasibility evaluation of UAV digital twin based on vicon motion capture system |
CN113780375A (zh) * | 2021-08-26 | 2021-12-10 | 同济大学 | 一种基于数字孪生的虚实交互风电场风力监测系统及应用 |
CN113805550A (zh) * | 2021-09-30 | 2021-12-17 | 上海卫星装备研究所 | 基于数字孪生的航天器装配过程管控方法及系统 |
CN114091231A (zh) * | 2021-10-18 | 2022-02-25 | 广西电网有限责任公司电力科学研究院 | 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 |
CN114217616A (zh) * | 2021-12-14 | 2022-03-22 | 武汉理工大学 | 船岸协同内河船舶远程控制方法及系统 |
CN114239883A (zh) * | 2021-12-27 | 2022-03-25 | 华南智能机器人创新研究院 | 一种基于数字孪生的服务机器人在线运维系统及方法 |
CN114442510A (zh) * | 2021-12-31 | 2022-05-06 | 广东省科学院智能制造研究所 | 数字孪生闭环控制方法、系统、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
徐博 等: "数字孪生视角下基于LSTM的工控系统异常检测方法", 《信息安全研究》 * |
黄海松 等: "数字孪生技术在智能制造中的发展与应用研究综述", 《贵州大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115373278B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10990087B2 (en) | Parallel control method and system for intelligent workshop | |
US20070179675A1 (en) | System for dispatching and controlling of generation in large-scale electric power systems | |
CN112018758A (zh) | 基于数字孪生的含高比例新能源交直流混联系统建模方法 | |
CN109032117B (zh) | 基于arma模型的单回路控制系统性能评价方法 | |
CN111013370A (zh) | 一种基于深度神经网络的湿法脱硫浆液供给量预测方法 | |
CN112526882A (zh) | 基于分层模型预测控制算法的超临界机组协调控制方法 | |
CN111522230A (zh) | Mimo异因子紧格式无模型控制方法 | |
CN110880044B (zh) | 一种基于马尔科夫链的负荷预测方法 | |
CN107717986A (zh) | 一种智能机器人的控制方法 | |
CN115373278B (zh) | 基于数字孪生驱动的工控业务异常预测响应系统和方法 | |
CN113225994B (zh) | 一种面向数据中心的智能空调控制方法 | |
CN110486261A (zh) | 基于多点压力轨迹预测的空压机组调配系统及方法 | |
CN111756031B (zh) | 一种电网运行趋势估算方法和系统 | |
CN117200250A (zh) | 火储联合调频的控制方法及系统 | |
CN113850017B (zh) | 一种基于潮流变化图谱的系统级故障分析系统及方法 | |
JP2005160171A (ja) | 産業用エネルギー管理システム | |
Kumar et al. | Multiarea automatic generation control using model predictive based control in deregulated environment | |
CN112784439A (zh) | 一种基于离散化模型的能源互联网规划方法及装置 | |
CN113836820A (zh) | 一种基于自相关模型和多变量监控方法的设备健康评估与故障诊断算法 | |
CN103064284B (zh) | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 | |
CN103558762B (zh) | 基于图形化组态技术的免疫遗传pid控制器的实现方法 | |
CN110633844A (zh) | 基于emd和ann的建筑能源系统模拟预测方法及应用 | |
CN112859614A (zh) | 一种超超临界火电机组的控制方法、装置、设备及存储介质 | |
CN111852596B (zh) | 一种锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法 | |
CN110631003A (zh) | 一种基于层级调度多模型预测控制的再热汽温调节方法 |
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 |