CN116579190A - 一种基于物联网的储能孪生模型构建方法及系统 - Google Patents

Abstract

本发明属于孪生模型技术领域，公开了一种基于物联网的储能孪生模型构建方法及系统。所述的方法包括如下步骤：周期性采集储能孪生模型构建数据；构建三维仿真分析模型和对应的储能系统分析模型；构建储能孪生模型，并获取模型元数据；将储能孪生模型的模型元数据返回至对应的储能系统；进行模型重构渲染，得到并展示重构的储能孪生模型；对储能系统的储能孪生模型进行修正，得到并展示修正的储能孪生模型。所述的系统包括监测中心、云数据中心、若干物联网网关以及若干储能端服务器。本发明解决了现有技术存在的储能孪生模型准确性低，价值低，功能性差，实用性低以及功能单一的问题。

Description

一种基于物联网的储能孪生模型构建方法及系统

技术领域

本发明属于孪生模型技术领域，具体涉及一种基于物联网的储能孪生模型构建方法及系统。

背景技术

储能系统是一种将能量储存起来，并在需要时释放能量的设备或系统。

由于可再生能源的不稳定性，如太阳能和风能等，导致其发电量在不同的天气条件下波动很大，因此需要通过储能技术来解决这一问题。

同时，储能系统也可以在高峰期释放能量，以满足能源供应的需求稳定性，从而提高电网安全性。

储能系统的工作原理是将能量转换成不同的物理形式，以在需要时重新转换为能量。

目前主要的储能技术包括电池储能、超级电容器储能、压缩空气储能、水泵蓄能、飞轮储能等，并不同程度地应用于不同的领域，如家庭储能、电动汽车、电网调峰等。

总之，储能系统是一种可靠的能量储存和释放技术，能够提高可再生能源的利用率并保障能源的安全供应。

随着技术的进步和降低成本，储能系统将会得到广泛的应用，推动新能源产业的发展。

鉴于储能系统的重要性，需要对储能系统的实际运行状态进行实时在线监测。

随着人工智能和物联网通信的快速发展，越来越多的现代化技术被运用至储能系统的监测领域，其中就包括了基于数字孪生的储能模型技术。

现有的储能模型构建，大多基于本地服务器，以本地储能系统各个层级单元的表观模型为基础，集成各类动态监测信息，在此基础上对运行数据采用一些算法做分析计算，得出相应分析计算结果进而判断是否存在异常，或利用历史运行数据进行数据预测，达到安全预警的目的，这种方式存在以下问题：

数据本地化处理，各储能系统之间的数据存在孤岛效应，缺乏信息交流，建立的数字孪生模型准确性低，价值低，并且数字孪生模型的功能性差，无法对潜伏期故障或关键设备之外的系统整体故障进行准确性检测，实用性低，数字孪生模型在实体对象的三维模型层面，更侧重于用户看到的可视化展示效果，只是做单纯的渲染展示，不具备分析计算功能，难以体现数字孪生模型分析的真正价值。

发明内容

为了解决现有技术存在的储能孪生模型准确性低，价值低，功能性差，实用性低以及功能单一的问题，本发明目的在于提供一种基于物联网的储能孪生模型构建方法及系统。

本发明所采用的技术方案为：

一种基于物联网的储能孪生模型构建方法，包括如下步骤：

通过物联网，周期性采集储能系统的储能孪生模型构建数据；

根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型；

整合储能系统的三维仿真分析模型和对应的储能系统分析模型，得到储能系统的储能孪生模型，并获取储能孪生模型的模型元数据；

通过物联网，将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行云存储，并将储能孪生模型的模型元数据返回至对应的储能系统；

根据储能孪生模型的模型元数据，在储能系统进行模型重构渲染，得到并展示重构的储能孪生模型；

根据储能系统的下一周期的储能孪生模型构建数据，对储能系统的储能孪生模型进行修正，重复上述步骤，得到并展示修正的储能孪生模型。

进一步地，储能系统的类型包括电化学储能系统、机械储能系统、热储能系统、重力储能系统以及氢储能系统，且储能系统的物理实体包括系统场地、储能设备、辅助设备以及数据服务器，储能设备和辅助设备均为设备实体。

进一步地，储能系统的储能孪生模型构建数据包括储能系统的基础数据、三维物理数据、三维扫描数据、机理数据、逻辑数据、运行数据以及故障数据。

进一步地，三维物理数据为储能系统的物理实体的三维物理尺寸、三维物理参数以及三维物理材料，三维扫描数据为采用三维扫描设备采集的储能系统的物理实体的三维扫描视频和三维扫描图像，机理数据为储能设备自身的和辅助设备自身的运行机理关系，逻辑数据为储能设备自身的设备逻辑关系、辅助设备自身的设备逻辑关系以及储能设备与辅助设备之间的设备逻辑关系，运行数据为储能设备自身的运行参数、辅助设备自身的运行参数以及储能设备与辅助设备之间的运行参数，故障数据为储能设备自身的故障信号、辅助设备自身的故障信号以及储能设备与辅助设备之间的故障信号，且故障数据基于运行数据得到，基础数据包括储能系统的编号、类型、名称以及位置，且基础数据、三维物理数据、三维扫描数据、机理数据、逻辑数据、运行数据以及故障数据均存储于数据服务器。

进一步地，根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型，包括如下步骤：

根据储能系统的基础数据，匹配对应的初始物理模型，并根据当前周期的三维物理数据和三维扫描数据，对匹配的初始物理模型进行修正，得到对应的三维物理模型；

根据当前周期的机理数据和逻辑数据，对储能系统的三维物理模型进行机理映射，得到对应的机理模型；

使用仿真渲染工具，根据储能系统的机理模型，对对应的三维物理模型进行仿真渲染，得到对应的三维仿真模型；

构建储能系统分析数据库，并将储能系统分析数据库添加至储能系统的三维仿真模型，得到对应的三维仿真分析模型；

在储能系统的三维仿真分析模型的储能系统分析数据库，根据当前周期的机理数据、逻辑数据、运行数据以及故障数据，构建储能系统分析模型。

进一步地，储能系统分析模型由储能情况分析子模型和设备故障预测子模型构成，储能情况分析子模型和设备故障预测子模型均设置于储能系统分析数据库，储能情况分析子模型的输入端和设备故障预测子模型的输入端接收储能系统分析数据库存储的机理数据、逻辑数据、运行数据和故障数据，且储能情况分析子模型的输出端和设备故障预测子模型的输出端输出对应的储能情况分析结果和设备故障预测结果，并将储能情况分析结果和设备故障预测结果发送至三维仿真分析模型。

进一步地，储能情况分析子模型的构建方法，包括如下步骤：

根据储能系统的机理数据和逻辑数据，使用ROPN建模方法，构建ROPN模型；

根据储能系统的运行数据，对ROPN模型进行优化，得到储能情况分析子模型。

进一步地，设备故障预测子模型的构建方法，包括如下步骤：

构建储能系统中设备实体与对应的故障数据之间的关联关系；

根据设备实体与对应的故障数据之间的关联关系，以及储能系统的机理数据和逻辑数据，基于模糊Petri网，构建设备故障机理子模型；

根据储能系统的运行数据和故障数据，使用深度学习算法，构建设备故障数据驱动子模型；

整合设备故障机理子模型和设备故障数据驱动子模型，得到设备故障预测子模型。

一种基于物联网的储能孪生模型构建系统，用于实现储能孪生模型构建方法，系统的储能管辖范围包括若干储能管辖区域，每个储能管辖区域设置有若干储能系统，且系统包括监测中心、云数据中心、若干物联网网关以及若干储能端服务器，监测中心分别与云数据中心和若干物联网网关连接，每个储能端服务器一一对应的设置于一储能系统，储能端服务器与对应的储能系统的数据服务器连接，每个物联网网关一一对应的设置于一储能管辖区域，且物联网网关分别与储能管辖区域内的所有储能端服务器连接；

储能端服务器，用于周期性提取储能系统的数据服务器存储的储能孪生模型构建数据，并将储能系统的储能孪生模型构建数据物联网网关发送至物联网网关；接收监测中心发送的储能孪生模型的模型元数据，并根据储能孪生模型的模型元数据，在储能系统进行模型重构渲染，得到并展示重构的储能孪生模型；接收监测中心发送的修正的储能孪生模型的模型元数据，并根据修正的储能孪生模型的模型元数据，在储能系统对重构的储能孪生模型进行模型修正，得到并展示修正的储能孪生模型；

物联网网关，用于提供监测中心与所有储能端服务器之间进行数据传输的物联网；将储能端服务器采集的储能孪生模型构建数据发送至监测中心；将监测中心返回的储能孪生模型的模型元数据发送至对应的储能端服务器；

监测中心，用于根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型；整合储能系统的三维仿真分析模型和对应的储能系统分析模型，得到储能系统的储能孪生模型，并获取储能孪生模型的模型元数据；通过物联网，将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据发送至云数据中心，并将储能孪生模型的模型元数据返回至对应的储能系统；根据储能系统的下一周期的储能孪生模型构建数据，对储能系统的储能孪生模型进行修正，得到储能系统的修正的储能孪生模型，并获取修正的储能孪生模型的模型元数据；通过物联网，将修正的储能孪生模型的模型元数据返回至对应的储能系统；

云数据中心，用于接收监测中心发送的储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据，并将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行云存储。

进一步地，监测中心与储能端服务器之间的数据传输，使用非对称加密解密算法，进行加密处理，具体方法为：

在系统初始化过程中，监测中心生成公私密钥对，存储公私密钥对中的私钥，并将公私密钥对中的公钥通过物联网网关广播至所有储能端服务器；

基于储能端服务器，根据公钥，使用非对称加密算法，对储能系统的储能孪生模型构建数据进行非对称加密，得到一次加密后储能孪生模型构建数据，并将一次加密后储能孪生模型构建数据发送至物联网网关；

基于物联网网关，对一次加密后储能孪生模型构建数据进行压缩处理，得到加密压缩包，并将加密压缩包发送至监测中心；

基于监测中心，对加密压缩包进行解压，得到还原的一次加密后储能孪生模型构建数据，根据私钥，使用非对称解密算法，对还原的一次加密后储能孪生模型构建数据进行非对称解密，得到解密的储能孪生模型构建数据；

基于监测中心，根据私钥，使用非对称加密算法，对解密的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行非对称加密，得到二次加密后储能孪生模型构建数据和加密后模型元数据，将二次加密后储能孪生模型构建数据和加密后模型元数据发送至云数据中心，并将加密后模型元数据发送至物联网网关；

基于物联网网关，将加密后模型元数据发送至对应的储能端服务器；

基于储能端服务器，根据公钥，使用非对称加密算法，对加密后模型元数据进行非对称解密，得到储能孪生模型的解密的模型元数据。

本发明的有益效果为：

本发明提供的一种基于物联网的储能孪生模型构建方法及系统，结合物联网数据传输，实现了各个储能系统之间的数据交流，避免了孤岛效应，通过监测中心进行统一的模型建立与数据分析，提高了数字孪生模型准确性和利用价值，建立的储能孪生模型不仅仅局部三维效果可视化展示，还具备对储能系统的运行状况、潜伏期故障分析与预测的功能，提高了储能孪生模型的功能性，并且储能孪生模型的分析和预测功能针对整个储能系统，提高了储能孪生模型的实用性。

本发明的其他有益效果将在具体实施方式中进一步进行说明。

附图说明

图1是本发明中基于物联网的储能孪生模型构建方法的流程框图。

图2是本发明中基于物联网的储能孪生模型构建系统的结构框图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步阐释。

实施例1

如图1所示，本实施例提供一种基于物联网的储能孪生模型构建方法，包括如下步骤：

通过物联网，周期性采集储能系统的储能孪生模型构建数据；

物联网的数据传输通道将各个储能系统进行联系，打破了不同储能系统之间的通信壁垒，建立了统一的数据监测平台，并且周期性的数据采集，避免了静态储能孪生模型导致的实时性问题；

储能系统的类型包括电化学储能系统、机械储能系统、热储能系统、重力储能系统以及氢储能系统，且储能系统的物理实体包括系统场地、储能设备、辅助设备以及数据服务器，储能设备和辅助设备均为设备实体；

不同的储能系统的包括的结构不同，但是最为重要和核心的则是系统场地、储能设备、辅助设备以及数据服务器，储能设备和辅助设备作为储能系统的核心设备，其自身、联合的运行情况能够代表储能系统的整体运行情况，并且剔除掉无关的设备和结构，能够更加直观的对储能系统进行观察和展示；

储能系统的储能孪生模型构建数据包括储能系统的基础数据、三维物理数据、三维扫描数据、机理数据、逻辑数据、运行数据以及故障数据；

三维物理数据和三维扫描数据包含了储能系统在物理世界的信息，能够提高数字孪生模型的准确性，使数字孪生模型能够真实的反应物理世界的信息，机理数据和逻辑数据包含了储能系统中设备实体的机理和逻辑，对后续的储能系统分析模型作出了机理支撑，提高了储能系统分析模型的准确性和实用性，运行数据和故障数据包含了储能系统中设备实体的运行情况和故障情况，对后续的储能系统分析模型作出了数据支撑，提高了储能系统分析模型的功能性；

三维物理数据为储能系统的物理实体的三维物理尺寸、三维物理参数以及三维物理材料，三维扫描数据为采用三维扫描设备采集的储能系统的物理实体的三维扫描视频和三维扫描图像，机理数据为储能设备自身的和辅助设备自身的运行机理关系，逻辑数据为储能设备自身的设备逻辑关系、辅助设备自身的设备逻辑关系以及储能设备与辅助设备之间的设备逻辑关系，运行数据为储能设备自身的运行参数、辅助设备自身的运行参数以及储能设备与辅助设备之间的运行参数，故障数据为储能设备自身的故障信号、辅助设备自身的故障信号以及储能设备与辅助设备之间的故障信号，且故障数据基于运行数据得到，基础数据包括储能系统的编号、类型、名称以及位置，且基础数据、三维物理数据、三维扫描数据、机理数据、逻辑数据、运行数据以及故障数据均存储于数据服务器；

根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型，包括如下步骤：

根据储能系统的基础数据，匹配对应的初始物理模型，并根据当前周期的三维物理数据和三维扫描数据，对匹配的初始物理模型进行修正，得到对应的三维物理模型；

预存有若干类型的初始物理模型，节省了三维物理模型的构建消耗，提高了三维物理模型构建效率，初始物理模型的参数与实际的储能系统的实际参数不同，因此根据三维物理数据和三维扫描数据对三维物理模型进行不断改进和优化，得到的三维物理模型能够充分模拟物理世界的储能系统的参数；

根据当前周期的机理数据和逻辑数据，对储能系统的三维物理模型进行机理映射，得到对应的机理模型；

机理模型真实的展示了设备实体自身或设备之间的工作机理和逻辑关系，考虑到了设备之间的相互影响，提高了数字孪生模型的准确性；

使用仿真渲染工具，根据储能系统的机理模型，对对应的三维物理模型进行仿真渲染，得到对应的三维仿真模型；

三维仿真模型能够直观、真实的反应储能系统的实际情况，便于工作人员观察储能系统的全貌；

构建储能系统分析数据库，并将储能系统分析数据库添加至储能系统的三维仿真模型，得到对应的三维仿真分析模型；

三维仿真分析模型在三维仿真模型的基础上，增加了数据存储功能，提高了数字孪生模型的功能性；

在储能系统的三维仿真分析模型的储能系统分析数据库，根据当前周期的机理数据、逻辑数据、运行数据以及故障数据，构建储能系统分析模型；

储能系统分析模型能够对储能系统的储能情况进行自动化分析，还能够根据实时运行数据进行潜伏期故障预测，进一步提高了数字孪生模型的功能性；

储能系统分析模型由储能情况分析子模型和设备故障预测子模型构成，储能情况分析子模型和设备故障预测子模型均设置于储能系统分析数据库，储能情况分析子模型的输入端和设备故障预测子模型的输入端接收储能系统分析数据库存储的机理数据、逻辑数据、运行数据和故障数据，且储能情况分析子模型的输出端和设备故障预测子模型的输出端输出对应的储能情况分析结果和设备故障预测结果，并将储能情况分析结果和设备故障预测结果发送至三维仿真分析模型；

储能情况分析子模型的构建方法，包括如下步骤：

根据储能系统的机理数据和逻辑数据，使用ROPN建模方法，构建ROPN模型；面向资源的Petri网（Resource-Oriented PetriNet，ROPN）模型的规模小，节省了监测中心的硬件资源，可以更加有效地分析离散事件系统的死锁、活性等方面问题，相对来说更接近对应实际应用；能够根据储能系统的运行数据，进行反推，输出对应的储能情况分析结果；

根据储能系统的运行数据，对ROPN模型进行优化，得到储能情况分析子模型；

设备故障预测子模型的构建方法，包括如下步骤：

构建储能系统中设备实体与对应的故障数据之间的关联关系；

根据设备实体与对应的故障数据之间的关联关系，以及储能系统的机理数据和逻辑数据，基于模糊Petri网，构建设备故障机理子模型；模糊Petri网能够根据故障数据进行正反向推理，合理推演设备故障因果关系及传播途径，输出对应的机理分析的设备故障原因，但是仅仅依靠机理进行推理是不准确的；

根据储能系统的运行数据和故障数据，使用深度学习算法，构建设备故障数据驱动子模型；

深度学习模型能够挖掘出运行数据与故障数据之间的深度关联，通过深度学习模型的数据学习功能和神经元之间的连接权值和阈值，模仿人类的神经系统，输出对应的数据分析的设备故障原因，结合机理分析的设备故障原因，能够准确的对储能系统中设备实体自身或联合运行下的潜伏期故障进行预测；

整合设备故障机理子模型和设备故障数据驱动子模型，得到设备故障预测子模型；

整合储能系统的三维仿真分析模型和对应的储能系统分析模型，得到储能系统的储能孪生模型，并获取储能孪生模型的模型元数据；

通过物联网，将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行云存储，并将储能孪生模型的模型元数据返回至对应的储能系统；

根据储能孪生模型的模型元数据，在储能系统进行模型重构渲染，得到并展示重构的储能孪生模型；

根据储能系统的下一周期的储能孪生模型构建数据，对储能系统的储能孪生模型进行修正，重复上述步骤，得到并展示修正的储能孪生模型；

在储能孪生模型的实际运用中，其储能孪生模型构建数据并不是静止的，为了提高储能孪生模型对储能系统仿真的准确性，采用了周期性数据采集和实时修正的方式，实现了动态储能孪生模型的构建，并且在对储能系统的储能孪生模型进行修正的过程中，仅仅根据下一周期的储能孪生模型构建数据对储能孪生模型涉及的三维物理模型、机理模型、三维仿真模型、三维仿真分析模型以及储能系统分析模型进行修正，而不是像初次运行的构建模型，大大的节省了模型构建消耗。

实施例2

如图2所示，本实施例提供一种基于物联网的储能孪生模型构建系统，用于实现储能孪生模型构建方法，系统的储能管辖范围包括若干储能管辖区域，每个储能管辖区域设置有若干储能系统，且系统包括监测中心、云数据中心、若干物联网网关以及若干储能端服务器，监测中心分别与云数据中心和若干物联网网关连接，每个储能端服务器一一对应的设置于一储能系统，储能端服务器与对应的储能系统的数据服务器连接，每个物联网网关一一对应的设置于一储能管辖区域，且物联网网关分别与储能管辖区域内的所有储能端服务器连接；

储能端服务器，用于周期性提取储能系统的数据服务器存储的储能孪生模型构建数据，并将储能系统的储能孪生模型构建数据物联网网关发送至物联网网关；接收监测中心发送的储能孪生模型的模型元数据，并根据储能孪生模型的模型元数据，在储能系统进行模型重构渲染，得到并展示重构的储能孪生模型；接收监测中心发送的修正的储能孪生模型的模型元数据，并根据修正的储能孪生模型的模型元数据，在储能系统对重构的储能孪生模型进行模型修正，得到并展示修正的储能孪生模型；

物联网网关，用于提供监测中心与所有储能端服务器之间进行数据传输的物联网；将储能端服务器采集的储能孪生模型构建数据发送至监测中心；将监测中心返回的储能孪生模型的模型元数据发送至对应的储能端服务器；

监测中心，用于根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型；整合储能系统的三维仿真分析模型和对应的储能系统分析模型，得到储能系统的储能孪生模型，并获取储能孪生模型的模型元数据；通过物联网，将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据发送至云数据中心，并将储能孪生模型的模型元数据返回至对应的储能系统；根据储能系统的下一周期的储能孪生模型构建数据，对储能系统的储能孪生模型进行修正，得到储能系统的修正的储能孪生模型，并获取修正的储能孪生模型的模型元数据；通过物联网，将修正的储能孪生模型的模型元数据返回至对应的储能系统；

监测中心包括密钥生成单元、数据解压单元、非对称加密解密单元、模型构建单元、模型整合单元以及模型元数据获取单元，所述的密钥生成单元、数据解压单元以及模型元数据获取单元均与物联网网关连接，且模型元数据获取单元与云数据中心连接，所述的数据解压单元、非对称加密解密单元、模型构建单元、模型整合单元以及模型元数据获取单元依次连接；

密钥生成单元，用于在系统初始化过程中，监测中心生成公私密钥对，存储公私密钥对中的私钥，并将公私密钥对中的公钥通过物联网网关广播至所有储能端服务器；

数据解压单元，用于对加密压缩包进行解压，得到还原的一次加密后储能孪生模型构建数据；

非对称加密解密单元，用于根据私钥，使用非对称解密算法，对还原的一次加密后储能孪生模型构建数据进行非对称解密，得到解密的储能孪生模型构建数据；根据私钥，使用非对称加密算法，对解密的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行非对称加密，得到二次加密后储能孪生模型构建数据和加密后模型元数据；

模型构建单元，用于周期性采集储能系统的储能孪生模型构建数据；根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型；

模型构建单元包括依次连接的模型匹配模块、机理模型构建模块、仿真渲染模块、数据库构建模块以及分析模型构建模块，模型匹配模块与非对称加密解密单元连接，分析模型构建模块与模型整合单元连接；

模型匹配模块，用于根据储能系统的基础数据，匹配对应的初始物理模型，并根据当前周期的三维物理数据和三维扫描数据，对匹配的初始物理模型进行修正，得到对应的三维物理模型；

机理模型构建模块，用于根据当前周期的机理数据和逻辑数据，对储能系统的三维物理模型进行机理映射，得到对应的机理模型；

仿真渲染模块，用于使用仿真渲染工具，根据储能系统的机理模型，对对应的三维物理模型进行仿真渲染，得到对应的三维仿真模型；

数据库构建模块，构建储能系统分析数据库，并将储能系统分析数据库添加至储能系统的三维仿真模型，得到对应的三维仿真分析模型；

分析模型构建模块，用于在储能系统的三维仿真分析模型的储能系统分析数据库，根据当前周期的机理数据、逻辑数据、运行数据以及故障数据，构建储能系统分析模型；

模型整合单元，用于整合储能系统的三维仿真分析模型和对应的储能系统分析模型，得到储能系统的储能孪生模型；

模型元数据获取单元，用于获取储能孪生模型的模型元数据；调用非对称加密解密单元，得到二次加密后储能孪生模型构建数据和加密后模型元数据；将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据发送至云数据中心进行云存储，并将储能孪生模型的模型元数据发送至物联网网关并返回至对应的储能系统；

云数据中心，用于接收监测中心发送的储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据，并将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行云存储。

作为优选，监测中心与储能端服务器之间的数据传输，使用非对称加密解密算法，进行加密处理，具体方法为：

在系统初始化过程中，监测中心生成公私密钥对，存储公私密钥对中的私钥，并将公私密钥对中的公钥通过物联网网关广播至所有储能端服务器；

基于储能端服务器，根据公钥，使用非对称加密算法，对储能系统的储能孪生模型构建数据进行非对称加密，得到一次加密后储能孪生模型构建数据，并将一次加密后储能孪生模型构建数据发送至物联网网关；

基于物联网网关，对一次加密后储能孪生模型构建数据进行压缩处理，得到加密压缩包，并将加密压缩包发送至监测中心；

基于监测中心，对加密压缩包进行解压，得到还原的一次加密后储能孪生模型构建数据，根据私钥，使用非对称解密算法，对还原的一次加密后储能孪生模型构建数据进行非对称解密，得到解密的储能孪生模型构建数据；

基于监测中心，根据私钥，使用非对称加密算法，对解密的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行非对称加密，得到二次加密后储能孪生模型构建数据和加密后模型元数据，将二次加密后储能孪生模型构建数据和加密后模型元数据发送至云数据中心，并将加密后模型元数据发送至物联网网关；

基于物联网网关，将加密后模型元数据发送至对应的储能端服务器；

基于储能端服务器，根据公钥，使用非对称加密算法，对加密后模型元数据进行非对称解密，得到储能孪生模型的解密的模型元数据；

使用非对称加密解密算法，保证了数据传输过程中的数据安全性，避免了数据泄露对储能系统造成损失，数据在传输过程和存储过程中均为密文形式。

本发明提供的一种基于物联网的储能孪生模型构建方法及系统，结合物联网数据传输，实现了各个储能系统之间的数据交流，避免了孤岛效应，通过监测中心进行统一的模型建立与数据分析，提高了数字孪生模型准确性和利用价值，建立的储能孪生模型不仅仅局部三维效果可视化展示，还具备对储能系统的运行状况、潜伏期故障分析与预测的功能，提高了储能孪生模型的功能性，并且储能孪生模型的分析和预测功能针对整个储能系统，提高了储能孪生模型的实用性。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。

上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (10)

1.一种基于物联网的储能孪生模型构建方法，其特征在于：包括如下步骤：

通过物联网，周期性采集储能系统的储能孪生模型构建数据；

根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型；

整合储能系统的三维仿真分析模型和对应的储能系统分析模型，得到储能系统的储能孪生模型，并获取储能孪生模型的模型元数据；

通过物联网，将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行云存储，并将储能孪生模型的模型元数据返回至对应的储能系统；

根据储能孪生模型的模型元数据，在储能系统进行模型重构渲染，得到并展示重构的储能孪生模型；

根据储能系统的下一周期的储能孪生模型构建数据，对储能系统的储能孪生模型进行修正，重复上述步骤，得到并展示修正的储能孪生模型。

2.根据权利要求1所述的一种基于物联网的储能孪生模型构建方法，其特征在于：所述的储能系统的类型包括电化学储能系统、机械储能系统、热储能系统、重力储能系统以及氢储能系统，且储能系统的物理实体包括系统场地、储能设备、辅助设备以及数据服务器，所述的储能设备和辅助设备均为设备实体。

3.根据权利要求2所述的一种基于物联网的储能孪生模型构建方法，其特征在于：所述的储能系统的储能孪生模型构建数据包括储能系统的基础数据、三维物理数据、三维扫描数据、机理数据、逻辑数据、运行数据以及故障数据。

4.根据权利要求3所述的一种基于物联网的储能孪生模型构建方法，其特征在于：所述的三维物理数据为储能系统的物理实体的三维物理尺寸、三维物理参数以及三维物理材料，所述的三维扫描数据为采用三维扫描设备采集的储能系统的物理实体的三维扫描视频和三维扫描图像，所述的机理数据为储能设备自身的和辅助设备自身的运行机理关系，所述的逻辑数据为储能设备自身的设备逻辑关系、辅助设备自身的设备逻辑关系以及储能设备与辅助设备之间的设备逻辑关系，所述的运行数据为储能设备自身的运行参数、辅助设备自身的运行参数以及储能设备与辅助设备之间的运行参数，所述的故障数据为储能设备自身的故障信号、辅助设备自身的故障信号以及储能设备与辅助设备之间的故障信号，且故障数据基于运行数据得到，所述的基础数据包括储能系统的编号、类型、名称以及位置，且基础数据、三维物理数据、三维扫描数据、机理数据、逻辑数据、运行数据以及故障数据均存储于数据服务器。

5.根据权利要求4所述的一种基于物联网的储能孪生模型构建方法，其特征在于：根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型，包括如下步骤：

根据储能系统的基础数据，匹配对应的初始物理模型，并根据当前周期的三维物理数据和三维扫描数据，对匹配的初始物理模型进行修正，得到对应的三维物理模型；

根据当前周期的机理数据和逻辑数据，对储能系统的三维物理模型进行机理映射，得到对应的机理模型；

使用仿真渲染工具，根据储能系统的机理模型，对对应的三维物理模型进行仿真渲染，得到对应的三维仿真模型；

构建储能系统分析数据库，并将储能系统分析数据库添加至储能系统的三维仿真模型，得到对应的三维仿真分析模型；

在储能系统的三维仿真分析模型的储能系统分析数据库，根据当前周期的机理数据、逻辑数据、运行数据以及故障数据，构建储能系统分析模型。

6.根据权利要求5所述的一种基于物联网的储能孪生模型构建方法，其特征在于：所述的储能系统分析模型由储能情况分析子模型和设备故障预测子模型构成，所述的储能情况分析子模型和设备故障预测子模型均设置于储能系统分析数据库，储能情况分析子模型的输入端和设备故障预测子模型的输入端接收储能系统分析数据库存储的机理数据、逻辑数据、运行数据和故障数据，且储能情况分析子模型的输出端和设备故障预测子模型的输出端输出对应的储能情况分析结果和设备故障预测结果，并将储能情况分析结果和设备故障预测结果发送至三维仿真分析模型。

7.根据权利要求6所述的一种基于物联网的储能孪生模型构建方法，其特征在于：所述的储能情况分析子模型的构建方法，包括如下步骤：

根据储能系统的机理数据和逻辑数据，使用ROPN建模方法，构建ROPN模型；

根据储能系统的运行数据，对ROPN模型进行优化，得到储能情况分析子模型。

8.根据权利要求6所述的一种基于物联网的储能孪生模型构建方法，其特征在于：所述的设备故障预测子模型的构建方法，包括如下步骤：

构建储能系统中设备实体与对应的故障数据之间的关联关系；

根据设备实体与对应的故障数据之间的关联关系，以及储能系统的机理数据和逻辑数据，基于模糊Petri网，构建设备故障机理子模型；

根据储能系统的运行数据和故障数据，使用深度学习算法，构建设备故障数据驱动子模型；

整合设备故障机理子模型和设备故障数据驱动子模型，得到设备故障预测子模型。

9.一种基于物联网的储能孪生模型构建系统，用于实现如权利要求1-8任一所述的储能孪生模型构建方法，其特征在于：所述的系统的储能管辖范围包括若干储能管辖区域，每个所述的储能管辖区域设置有若干储能系统，且系统包括监测中心、云数据中心、若干物联网网关以及若干储能端服务器，所述的监测中心分别与云数据中心和若干物联网网关连接，每个所述的储能端服务器一一对应的设置于一储能系统，储能端服务器与对应的储能系统的数据服务器连接，每个所述的物联网网关一一对应的设置于一储能管辖区域，且物联网网关分别与储能管辖区域内的所有储能端服务器连接；

储能端服务器，用于周期性提取储能系统的数据服务器存储的储能孪生模型构建数据，并将储能系统的储能孪生模型构建数据物联网网关发送至物联网网关；接收监测中心发送的储能孪生模型的模型元数据，并根据储能孪生模型的模型元数据，在储能系统进行模型重构渲染，得到并展示重构的储能孪生模型；接收监测中心发送的修正的储能孪生模型的模型元数据，并根据修正的储能孪生模型的模型元数据，在储能系统对重构的储能孪生模型进行模型修正，得到并展示修正的储能孪生模型；

物联网网关，用于提供监测中心与所有储能端服务器之间进行数据传输的物联网；将储能端服务器采集的储能孪生模型构建数据发送至监测中心；将监测中心返回的储能孪生模型的模型元数据发送至对应的储能端服务器；

监测中心，用于根据储能系统的当前周期的储能孪生模型构建数据，构建储能系统的三维仿真分析模型和对应的储能系统分析模型；整合储能系统的三维仿真分析模型和对应的储能系统分析模型，得到储能系统的储能孪生模型，并获取储能孪生模型的模型元数据；通过物联网，将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据发送至云数据中心，并将储能孪生模型的模型元数据返回至对应的储能系统；根据储能系统的下一周期的储能孪生模型构建数据，对储能系统的储能孪生模型进行修正，得到储能系统的修正的储能孪生模型，并获取修正的储能孪生模型的模型元数据；通过物联网，将修正的储能孪生模型的模型元数据返回至对应的储能系统；

云数据中心，用于接收监测中心发送的储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据，并将储能系统的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行云存储。

10.根据权利要求9所述的一种基于物联网的储能孪生模型构建系统，其特征在于：所述的监测中心与所述的储能端服务器之间的数据传输，使用非对称加密解密算法，进行加密处理，具体方法为：

在系统初始化过程中，监测中心生成公私密钥对，存储公私密钥对中的私钥，并将公私密钥对中的公钥通过物联网网关广播至所有储能端服务器；

基于储能端服务器，根据公钥，使用非对称加密算法，对储能系统的储能孪生模型构建数据进行非对称加密，得到一次加密后储能孪生模型构建数据，并将一次加密后储能孪生模型构建数据发送至物联网网关；

基于物联网网关，对一次加密后储能孪生模型构建数据进行压缩处理，得到加密压缩包，并将加密压缩包发送至监测中心；

基于监测中心，对加密压缩包进行解压，得到还原的一次加密后储能孪生模型构建数据，根据私钥，使用非对称解密算法，对还原的一次加密后储能孪生模型构建数据进行非对称解密，得到解密的储能孪生模型构建数据；

基于监测中心，根据私钥，使用非对称加密算法，对解密的储能孪生模型构建数据和对应的储能孪生模型的模型元数据进行非对称加密，得到二次加密后储能孪生模型构建数据和加密后模型元数据，将二次加密后储能孪生模型构建数据和加密后模型元数据发送至云数据中心，并将加密后模型元数据发送至物联网网关；

基于物联网网关，将加密后模型元数据发送至对应的储能端服务器；

基于储能端服务器，根据公钥，使用非对称加密算法，对加密后模型元数据进行非对称解密，得到储能孪生模型的解密的模型元数据。