CN116885726A - 基于数字孪生技术的电力设备运行控制方法及系统 - Google Patents
基于数字孪生技术的电力设备运行控制方法及系统 Download PDFInfo
- Publication number
- CN116885726A CN116885726A CN202311149114.8A CN202311149114A CN116885726A CN 116885726 A CN116885726 A CN 116885726A CN 202311149114 A CN202311149114 A CN 202311149114A CN 116885726 A CN116885726 A CN 116885726A
- Authority
- CN
- China
- Prior art keywords
- task
- task type
- affinity
- type
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005516 engineering process Methods 0.000 title claims abstract description 28
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims description 87
- 230000000694 effects Effects 0.000 claims description 59
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 42
- 238000004088 simulation Methods 0.000 claims description 34
- 238000007418 data mining Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 230000003213 activating effect Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000002950 deficient Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了基于数字孪生技术的电力设备运行控制方法及系统,涉及数据处理技术领域,方法包括:结合设备数据挖掘模块的任务亲切度分析节点,遍历设备位号列表进行任务亲切评价,生成任务亲切度矩阵,根据待执行任务列表和设备位号列表进行分配优化,生成第一任务分配优化结果,激活数字孪生仿真模块,同步第一任务分配优化结果进行仿真运行生成第一运行效果评分,若满足运行效果评分阈值根据第一任务分配优化结果控制电力设备运行,本发明解决了现有技术中缺乏对多个电力设备运行时的差异性,导致任务分配的精细化程度低的技术问题,实现了合理化精准的对多个电力设备运行差异进行管控,进而提高任务分配的精细化程度。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于数字孪生技术的电力设备运行控制方法及系统。
背景技术
随着电力设备运行领域的发展,电力设备在运行过程中,对电力设备的重要参数的设置,均先需要生成参数设置请求指令,同时电力设备的种类繁多,包括电能表、集中器、负控终端或配变监测终端,而且不管是哪一种电力设备,其具有多种型号。因此,需要完成对行业内的电力设备的参数设置,而在现有技术中存在缺乏对多个电力设备运行时的差异性,从而导致任务分配的精细化程度低的技术问题。
发明内容
本申请提供了基于数字孪生技术的电力设备运行控制方法及系统,用于针对解决现有技术中存在的缺乏对多个电力设备运行时的差异性,导致任务分配的精细化程度低的技术问题。
鉴于上述问题,本申请提供了基于数字孪生技术的电力设备运行控制方法及系统。
第一方面,本申请提供了基于数字孪生技术的电力设备运行控制方法,所述方法包括:获取设备位号列表和待执行任务列表;
结合设备数据挖掘模块的任务亲切度分析节点,遍历所述设备位号列表进行任务亲切评价,生成任务亲切度矩阵,其中,所述任务亲切度矩阵的行属性为第一设备到第W设备,所述任务亲切度矩阵的列属性为第一任务类型到第M任务类型;
控制所述任务分配优化模块的边缘处理器调取存储于边缘存储器的微量变异搜索规则,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第一任务分配优化结果;
激活数字孪生仿真模块,同步所述第一任务分配优化结果进行仿真运行,生成第一运行效果评分,若满足运行效果评分阈值,根据所述第一任务分配优化结果控制电力设备运行。
第二方面,本申请提供了基于数字孪生技术的电力设备运行控制系统,所述系统包括:列表获取模块,所述列表获取模块用于获取设备位号列表和待执行任务列表;
任务亲切评价模块,所述任务亲切评价模块用于结合设备数据挖掘模块的任务亲切度分析节点,遍历所述设备位号列表进行任务亲切评价,生成任务亲切度矩阵,其中,所述任务亲切度矩阵的行属性为第一设备到第W设备,所述任务亲切度矩阵的列属性为第一任务类型到第M任务类型;
分配优化模块,所述分配优化模块用于控制所述任务分配优化模块的边缘处理器调取存储于边缘存储器的微量变异搜索规则,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第一任务分配优化结果;
仿真运行模块,所述仿真运行模块用于激活数字孪生仿真模块,同步所述第一任务分配优化结果进行仿真运行,生成第一运行效果评分,若满足运行效果评分阈值,根据所述第一任务分配优化结果控制电力设备运行。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的基于数字孪生技术的电力设备运行控制方法及系统,涉及数据处理技术领域,解决了现有技术中缺乏对多个电力设备运行时的差异性,导致任务分配的精细化程度低的技术问题,实现了合理化精准的对多个电力设备运行差异进行管控,进而提高任务分配的精细化程度。
附图说明
图1为本申请提供了基于数字孪生技术的电力设备运行控制方法流程示意图;
图2为本申请提供了基于数字孪生技术的电力设备运行控制方法中生成第二任务分配优化结果流程示意图;
图3为本申请提供了基于数字孪生技术的电力设备运行控制系统结构示意图。
附图标记说明:列表获取模块1,任务亲切评价模块2,分配优化模块3,仿真运行模块4。
具体实施方式
本申请通过提供基于数字孪生技术的电力设备运行控制方法及系统,用于解决现有技术中缺乏对多个电力设备运行时的差异性,导致任务分配的精细化程度低的技术问题。
实施例一
如图1所示,本申请实施例提供了基于数字孪生技术的电力设备运行控制方法,该方法应用于基于数字孪生技术的电力设备运行控制系统,所述系统包括设备数据挖掘模块,任务分配优化模块和数字孪生仿真模块,所述设备数据挖掘模块内嵌有任务亲切度分析节点,所述任务分配优化模块包括边缘处理器和边缘存储器,该方法包括:
步骤A100:获取设备位号列表和待执行任务列表;
在本申请中,本申请实施例提供的基于数字孪生技术的电力设备运行控制方法应用于基于数字孪生技术的电力设备运行控制系统,该基于数字孪生技术的电力设备运行控制系统包括设备数据挖掘模块,任务分配优化模块和数字孪生仿真模块,所述设备数据挖掘模块内嵌有任务亲切度分析节点,所述任务分配优化模块包括边缘处理器和边缘存储器,为保证在电力设备裕兴过程中进行精准控制,因此首先需要对进行控制的电力设备的设备位号列表以及电力设备的待执行任务列表进行获取,设备位号列表是指在电力设备运行流程图中,在每个电力设备上均有一对应位号,在依次在电力设备书写设备位号以及设备名称,并根据设备位号的次序对设备名称进行顺序排列,从而获取电力设备的设备位号列表,待执行任务列表是指在电力设备运行过程中所存在的每个等待电力设备运行发生的任务,都被加入到该电力设备的事件控制块中的等待电力设备任务的记录表就叫电力设备的等待任务列表,即待执行任务列表,为后期实现基于数字孪生技术对电力设备进行运行控制作为重要参考依据。
步骤A200:结合设备数据挖掘模块的任务亲切度分析节点,遍历所述设备位号列表进行任务亲切评价,生成任务亲切度矩阵,其中,所述任务亲切度矩阵的行属性为第一设备到第W设备,所述任务亲切度矩阵的列属性为第一任务类型到第M任务类型;
进一步而言,本申请步骤A200还包括:
步骤A210:从所述设备位号列表提取第一设备位号,匹配第一可执行任务类型集,与所述待执行任务列表的待执行任务类型集求交集,生成第一亲切评价任务类型集;
步骤A220:结合所述设备数据挖掘模块,基于所述第一设备位号,遍历所述第一亲切评价任务类型集,采集预设时区运行日志信息;
步骤A230:根据所述预设时区运行日志信息,遍历所述第一亲切评价任务类型集,统计第一任务类型故障率、第二任务类型故障率直到第M任务类型故障率;
步骤A240:根据所述预设时区运行日志信息,遍历所述第一亲切评价任务类型集,统计第一任务类型不良率、第二任务类型不良率直到第M任务类型不良率;
步骤A250:根据所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,结合所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,搭建所述任务亲切度矩阵的第一行特征值;
步骤A260:根据所述第一行特征值、第二行特征值直到第L行特征值,构建所述任务亲切度矩阵。
进一步而言,本申请步骤A250包括:
步骤A251:加和所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,生成故障率加和结果;
步骤A252:遍历所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,与所述故障率加和结果求比,生成第一亲切因子集;
步骤A253:加和所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,生成不良率加和结果;
步骤A254:遍历所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,与所述不良率加和结果求比,生成第二亲切因子集;
步骤A255:对第一任务类型的第一亲切因子和第二亲切因子进行均值计算后求倒数,设为第一任务类型亲切度;
步骤A256:遍历第二任务类型直到第M任务类型,获取第二任务类型亲切度直到第M任务类型亲切度;
步骤A257:将所述第一任务类型亲切度、所述第二任务类型亲切度直到所述第M任务类型亲切度,添加进所述第一行特征值。
在本申请中,为了更好的对电力设备运行时进行精准控制,因此需要通过将系统内设备数据挖掘模块中内嵌的任务亲切度分析节点,依次根据上述所获的设备位号列表中所包含的电力设备位号进行访问,从而完成对电子设备依次进行任务亲切评价,是指首先从设备位号列表随机提取一个设备位号记作第一设备位号,同时根据第一设备位号所对应的电力设备在大数据记录中进行对应可执行任务的提取将所获与第一设备位号所匹配的所有可执行任务记作第一可执行任务类型集,同时将第一可执行任务类型集与待执行任务列表的待执行任务类型集求交集,基于第一可执行任务类型集在待执行任务列表中进行与待执行任务列表所对应的待执行任务类型集相同的任务的提取操作,根据第一可执行任务类型集中存在交集任务类型生成第一亲切评价任务类型集,进一步的,通过结合设备数据挖掘模块,以第一设备位号作为索引数据,对第一亲切评价任务类型集进行遍历,是指参照第一设备位号在第一亲切评价任务类型集中沿着亲切任务类型对其中所包含的每一个任务数据节点均进行访问后,根据亲切任务类型所对应任务的运行时间节点以及任务事件的记录数据完成对电力设备的时区运行日志信息进行预设,进一步的,根据预设时区运行日志信息,在第一亲切评价任务类型集中依次对每个亲切评价任务类型进行数据访问,从而将所访问出存在故障率的任务类型进行提取,从而完成对第一任务类型故障率、第二任务类型故障率直到第M任务类型故障率的统计,任务类型故障率是指在电力设备的多次运行过程中,出现故障的运行次数占据总运行次数的比例,进一步的,根据预设时区运行日志信息,对第一亲切评价任务类型集进行遍历,即对第一亲切评价任务类型集中所包含的每个具有亲切评价的任务类型数据节点进行访问,从而统计出第一任务类型不良率、第二任务类型不良率直到第M任务类型不良率,不良率是指在电力设备运行时的每次生产过程中,任务执行效果无法达标的次数占据总次数的比例,最终将第一任务类型故障率、第二任务类型故障率直到第M任务类型故障率,分别与第一任务类型不良率、第二任务类型不良率直到第M任务类型不良率根据矩阵排列位序进行结合,继而完成搭建任务亲切度矩阵的第一行特征值,是指首先将第一任务类型故障率、第二任务类型故障率直到第M任务类型故障率进行依次加和,同时将加和结果记作故障率加和结果,依次对第一任务类型故障率、第二任务类型故障率直到第M任务类型故障率进行遍历访问的同时分别与故障率加和结果进行求比,将第一任务类型故障率、第二任务类型故障率直到第M任务类型故障率与故障率加和结果的比值进行汇总后记作第一亲切因子集。
再将第一任务类型不良率、第二任务类型不良率直到第M任务类型不良率进行加和,同时将加和结果记作不良率加和结果,依次对第一任务类型不良率、第二任务类型不良率直到第M任务类型不良率遍历访问的同时分别与不良率加和结果进行求比,将第一任务类型不良率、第二任务类型不良率直到第M任务类型不良率与不良率加和结果的比值进行汇总后记作第二亲切因子集。
进一步的,对第一任务类型中计算所获的第一亲切因子和第二亲切因子进行均值计算后求倒数,第一亲切因子表征电力设备的故障率、第二亲切因子表征电力设备的不良率,因此当故障率和不良率越大,则亲切度越低,且二者成反比例,因此需要对第一亲切因子和第二亲切因子的均值进行倒数求解,并同时将其设为第一任务类型亲切度,在此基础上同理对第二任务类型直到第M任务类型依次进行均值计算后求倒数遍历计算,从而获取第二任务类型亲切度直到第M任务类型亲切度;
最终将第一任务类型亲切度、第二任务类型亲切度直到第M任务类型亲切度依次添加至第一行特征值内进行完善,根据第一行特征值的计算过程,同理对第二行特征值直到第L行特征值进行计算获取,在此不进行赘述,通过第一行特征值、第二行特征值直到第L行特征值完成对任务亲切度矩阵的构建,任务亲切度矩阵是以待执行任务类型集为列属性,当某个设备不可执行对应列的任务类型时,则亲切度为0,且任务亲切度矩阵的行属性为第一设备到第W设备,任务亲切度矩阵的列属性为第一任务类型到第M任务类型,为后续实现基于数字孪生技术对电力设备进行运行控制夯实基础。
步骤A300:控制所述任务分配优化模块的边缘处理器调取存储于边缘存储器的微量变异搜索规则,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第一任务分配优化结果;
进一步而言,本申请步骤A300还包括:
步骤A310:构建微量变异适应度函数:其中,/>表征第i个任务分配结果,/>表征第i个任务分配结果的适应度,/>表征第k任务类型在第j设备的分配数量,/>表征第k任务类型在第j设备的亲切度,Q表征任务类型总数,L表征设备位号总数;步骤A320:将所述待执行任务列表,在所述设备位号列表进行随机分配,生成多个任务分配结果,其中,所述多个任务分配结果的数量大于或等于50;
步骤A330:设定微量变异容量,其中,所述微量变异容量小于或等于所述多个任务分配结果的数量的十分之一;
步骤A340:根据所述微量变异容量,结合所述多个任务分配结果和所述微量变异适应度函数,构建微量变异窗口;
步骤A350:根据所述多个任务分配结果,基于较大适应度原则对所述微量变异窗口进行预设次数更新,生成所述第一任务分配优化结果。
进一步而言,本申请步骤A350包括:
步骤A351:基于所述待执行任务列表,构建第一任务类型约束总数、第二任务类型约束总数直到第Q任务类型约束总数;
步骤A352:设定随机扰动数量;
步骤A353:生成随机扰动概率,其中,所述微量变异窗口的任意一个任务分配结果的随机扰动概率为其适应度,与所述微量变异窗口内的适应度之和的比值;
步骤A354:基于轮盘赌算法,选择待扰动任务分配结果;
步骤A355:根据所述第一任务类型约束总数、所述第二任务类型约束总数直到所述第Q任务类型约束总数,结合所述随机扰动数量,对所述待扰动任务分配结果进行分配任务扰动,生成变异任务分配结果;
步骤A356:根据所述变异任务分配结果对所述微量变异窗口进行内部更新,其中,内部更新次数不计入预设次数。
在本申请中,为了提升在电力设备运行时的任务分配效率,首先通过系统内的任务分配优化模块所包含的边缘处理器对存储于边缘存储器内的微量变量搜索规则进行调取,该微量变异搜索规则是通过如下所构建的微量变异适应度函数进行确定的,其微量变异适应度函数为:其中,/>表征第i个任务分配结果,表征第i个任务分配结果的适应度,/>表征第k任务类型在第j设备的分配数量,表征第k任务类型在第j设备的亲切度,Q表征任务类型总数,L表征设备位号总数; 进一步的,以上述所获任务亲切度矩阵作为基础数据,同时根据待执行任务列表以及设备位号列表进行分配优化,是指首先将待执行任务列表,在设备位号列表进行随机分配,是指待执行任务列表中的待执行任务在设备位号列表中与设备位号进行分配的机会是完全均等的,根据匹配完成的数据生成多个任务分配结果,且多个任务分配结果的数量大于或等于50,进一步的,设定微量变异容量,微量变异容量是指通过任务分配后的任务分配结果不利于电力设备运行控制的任务数量,其微量变异容量小于或等于多个任务分配结果的数量的十分之一,通过将微量变异容量分别与多个任务分配结果、微量变异适应度函进行结合,构建微量变异窗口,主要用于展示微量变异数据,且微量变异窗口控件则把微量变异窗口对象,即微量变异数据放置到窗口上进行呈现,进一步的,根据多个任务分配结果,基于较大适应度原则对微量变异窗口进行预设次数更新,是指以待执行任务列表作为基础数据,根据待执行任务列表中所包含的任务类型对第一任务类型约束总数、第二任务类型约束总数直到第Q任务类型约束总数进行构建,同时对随机扰动数量进行设定,随机扰动数量是指在当前基于数字孪生技术的电力设备运行控制系统中的一种干扰,可以指计量经济模型中的随机干扰项。在基于数字孪生技术的电力设备运行控制系统中,存在着时隐时现, 忽大忽小,其变化规律不能用某一确定函数关系描述的干扰,将这种干扰的次数进行汇总记作随机扰动数量,进一步的,通过所构建的微量变异窗口的任意一个任务分配结果的随机扰动概率为其适应度,与微量变异窗口内的适应度之和的比值生成随机扰动概率后,为了防止适应度数值较小的个体被直接淘汰,因此需要通过轮盘赌算法选择待扰动任务分配结果,是指在待扰动任务分配结果中的所有个体被选中的概率与其适应度函数值大小成正比,且适应度越大,选中概率也越大,同时根据第一任务类型约束总数、第二任务类型约束总数直到第Q任务类型约束总数,分别将第一任务类型约束总数、第二任务类型约束总数直到第Q任务类型约束总数依次与随机扰动数量进行结合,同时对待扰动任务分配结果中的任务进行分配任务扰动,从而生成在进行任务分配过程中存在异常的分配任务,将其记作变异任务分配结果,最终根据变异任务分配结果对微量变异窗口进行内部更新,是指将微量变异窗口中所出现的变异任务分配结果进行剔除操作,且内部更新次数不计入预设次数,从而对第一任务分配优化结果进行生成,而第一任务分配优化结果是通过选取最终的窗口内的适应度最大值所获,实现基于数字孪生技术对电力设备进行运行控制有着限定的作用。
步骤A400:激活数字孪生仿真模块,同步所述第一任务分配优化结果进行仿真运行,生成第一运行效果评分,若满足运行效果评分阈值,根据所述第一任务分配优化结果控制电力设备运行。
在本申请中,为使得电力设备根据上述所获第一任务分配优化结果进行更精准的运行控制,首先需要对基于数字孪生技术的电力设备运行控制系统内所包含的数字孪生仿真模块进行激活,并通过所激活的数字孪生仿真模块根据上述所获的第一任务分配优化结果进行同步仿真运行,对与第一任务分配优化结果所对应的第一运行效果评分进行生成,是指所激活的根据数字孪生模块,通过电力设备的各个位号所对应各个元件的实时运行监测状态进行建模,获取与电力设备运行数据所对应同步的实时的数字孪生模型,将第一任务分配结果输入至实时数字孪生模型中进行仿真运行,以电力设备运行过程中的能耗量和运行时长作为评分标准,其能耗量越大、运行时长越长,则所生成的第一运行效果就评分越低,同时对所获第一运行效果评分与运行效果评分阈值进行判断,运行效果评分阈值是指求取电力设备在正常状态下的运行数据所对应的运行效果评分的均值,并将其作为判断依据,当所获第一运行效果评分满足运行效果评分阈值时,则根据第一任务分配优化结果对目标电力设备进行运行控制,以便为后期基于数字孪生技术对电力设备进行运行控制时作为参照数据。
进一步而言,如图2所示,本申请步骤A500还包括:
步骤A510:若所述第一运行效果评分不满足所述运行效果评分阈值,获取所述第一任务分配优化结果的第一适应度评价值;
步骤A520:将所述第一适应度评价值设定优化下限适应度,反馈至所述任务分配优化模块,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第二任务分配优化结果。
进一步而言,本申请步骤A520包括:
步骤A521:激活数字孪生仿真模块,同步第N任务分配优化结果进行仿真运行,生成第N运行效果评分;
步骤A522:当所述第N运行效果评分不满足所述运行效果评分阈值,提取所述第一运行效果评分、第二运行效果评分直到所述第N运行效果评分的最大值的任务分配优化结果,控制电力设备运行,N为整数,N≥50。
在本申请中,当所获第一运行效果评分不满足运行效果评分阈值时,则提取第一任务分配优化结果中所包含的第一适应度评价值,并同时将此时的第一适应度评价值设定为对任务分配优化过程中的优化下限适应度,并将该优化下限适应度反馈至任务分配优化模块,进一步的,以任务亲切度矩阵作为基础,根据待执行任务列表和设备位号列表对第一任务分配优化结果进行分配优化,是指,通过第一任务分配优化结果所对应的待执行任务以及设备位号在任务亲切度矩阵中进行遍历,将搜索目标数据的临近任务进行提取,且所提取的临近任务的任务亲切度大于搜索目标数据,从而将优化完成的任务分配优化结果记作第二任务分配优化结果,以此进行迭代,其迭代次数到达预设50次停止。
进一步的,再对系统内的数字孪生仿真模块进行激活,根据第N任务分配优化结果进行同步仿真运行,通过电力设备的各个位号所对应各个元件的实时运行监测状态进行建模,获取与电力设备运行数据所对应同步的实时的数字孪生模型,再将第N任务分配结果输入至实时数字孪生模型中进行仿真运行,以电力设备运行过程中的能耗量和运行时长作为评分标准,其能耗量越大、运行时长越长,则所生成的第N运行效果就评分越低,从而生成第N运行效果评分,进一步的,对第N运行效果评分与运行效果评分阈值进行比较判断,当第N运行效果评分满足运行效果评分阈值时,则根据第N运行效果评分所对应的第N任务分配优化结果对电力设备进行运行控制,当第N运行效果评分不满足运行效果评分阈值,则遍历第一运行效果评分、第二运行效果评分直到第N运行效果评分,并根据遍历结果提取运行效果评分的最大值的任务分配优化结果,最终根据运行评分最大值所对应的任务分配结果对电力设备进行运行控制,其中,N为整数,N≥50,提高后期实现基于数字孪生技术对电力设备进行运行控制的准确率。
综上所述,本申请实施例提供的基于数字孪生技术的电力设备运行控制方法,至少包括如下技术效果,实现了合理化精准的对多个电力设备运行差异进行管控,进而提高任务分配的精细化程度。
实施例二
基于与前述实施例中基于数字孪生技术的电力设备运行控制方法相同的发明构思,如图3所示,本申请提供了基于数字孪生技术的电力设备运行控制系统,系统包括:
列表获取模块1,所述列表获取模块1用于获取设备位号列表和待执行任务列表;
任务亲切评价模块2,所述任务亲切评价模块2用于结合设备数据挖掘模块的任务亲切度分析节点,遍历所述设备位号列表进行任务亲切评价,生成任务亲切度矩阵,其中,所述任务亲切度矩阵的行属性为第一设备到第W设备,所述任务亲切度矩阵的列属性为第一任务类型到第M任务类型;
分配优化模块3,所述分配优化模块3用于控制所述任务分配优化模块的边缘处理器调取存储于边缘存储器的微量变异搜索规则,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第一任务分配优化结果;
仿真运行模块4,所述仿真运行模块4用于激活数字孪生仿真模块,同步所述第一任务分配优化结果进行仿真运行,生成第一运行效果评分,若满足运行效果评分阈值,根据所述第一任务分配优化结果控制电力设备运行。
进一步而言,系统还包括:
第一判断模块,所述第一判断模块用于若所述第一运行效果评分不满足所述运行效果评分阈值,获取所述第一任务分配优化结果的第一适应度评价值;
优化模块,所述优化模块用于将所述第一适应度评价值设定优化下限适应度,反馈至所述任务分配优化模块,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第二任务分配优化结果。
进一步而言,系统还包括:
仿真运行模块,所述仿真运行模块用于激活数字孪生仿真模块,同步第N任务分配优化结果进行仿真运行,生成第N运行效果评分;
控制模块,所述控制模块用于当所述第N运行效果评分不满足所述运行效果评分阈值,提取所述第一运行效果评分、第二运行效果评分直到所述第N运行效果评分的最大值的任务分配优化结果,控制电力设备运行,N为整数,N≥50。
进一步而言,系统还包括:
匹配模块,所述匹配模块用于从所述设备位号列表提取第一设备位号,匹配第一可执行任务类型集,与所述待执行任务列表的待执行任务类型集求交集,生成第一亲切评价任务类型集;
第一遍历模块,所述第一遍历模块用于结合所述设备数据挖掘模块,基于所述第一设备位号,遍历所述第一亲切评价任务类型集,采集预设时区运行日志信息;
第二遍历模块,所述第二遍历模块用于根据所述预设时区运行日志信息,遍历所述第一亲切评价任务类型集,统计第一任务类型故障率、第二任务类型故障率直到第M任务类型故障率;
第三遍历模块,所述第三遍历模块用于根据所述预设时区运行日志信息,遍历所述第一亲切评价任务类型集,统计第一任务类型不良率、第二任务类型不良率直到第M任务类型不良率;
结合模块,所述结合模块用于根据所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,结合所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,搭建所述任务亲切度矩阵的第一行特征值;
构建模块,所述构建模块用于根据所述第一行特征值、第二行特征值直到第L行特征值,构建所述任务亲切度矩阵。
进一步而言,系统还包括:
第一加和模块,所述第一加和模块用于加和所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,生成故障率加和结果;
第四遍历模块,所述第四遍历模块用于遍历所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,与所述故障率加和结果求比,生成第一亲切因子集;
第二加和模块,所述第二加和模块用于加和所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,生成不良率加和结果;
第五遍历模块,所述第五遍历模块用于遍历所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,与所述不良率加和结果求比,生成第二亲切因子集;
第一计算模块,所述第一计算模块用于对第一任务类型的第一亲切因子和第二亲切因子进行均值计算后求倒数,设为第一任务类型亲切度;
第六遍历模块,所述第六遍历模块用于遍历第二任务类型直到第M任务类型,获取第二任务类型亲切度直到第M任务类型亲切度;
添加模块,所述添加模块用于将所述第一任务类型亲切度、所述第二任务类型亲切度直到所述第M任务类型亲切度,添加进所述第一行特征值。
进一步而言,系统还包括:
第二计算模块,所述第二计算模块用于构建微量变异适应度函数:
其中,/>表征第i个任务分配结果,/>表征第i个任务分配结果的适应度,/>表征第k任务类型在第j设备的分配数量,/>表征第k任务类型在第j设备的亲切度,Q表征任务类型总数,L表征设备位号总数;随机分配模块,所述随机分配模块用于将所述待执行任务列表,在所述设备位号列表进行随机分配,生成多个任务分配结果,其中,所述多个任务分配结果的数量大于或等于50;
第二判断模块,所述第二判断模块用于设定微量变异容量,其中,所述微量变异容量小于或等于所述多个任务分配结果的数量的十分之一;
窗口构建模块,所述窗口构建模块用于根据所述微量变异容量,结合所述多个任务分配结果和所述微量变异适应度函数,构建微量变异窗口;
第一更新模块,所述第一更新模块用于根据所述多个任务分配结果,基于较大适应度原则对所述微量变异窗口进行预设次数更新,生成所述第一任务分配优化结果。
进一步而言,系统还包括:
约束构建模块,所述约束构建模块用于基于所述待执行任务列表,构建第一任务类型约束总数、第二任务类型约束总数直到第Q任务类型约束总数;
设定模块,所述设定模块用于设定随机扰动数量;
概率生成模块,所述概率生成模块用于生成随机扰动概率,其中,所述微量变异窗口的任意一个任务分配结果的随机扰动概率为其适应度,与所述微量变异窗口内的适应度之和的比值;
分配模块,所述分配模块用于基于轮盘赌算法,选择待扰动任务分配结果;
扰动模块,所述扰动模块用于根据所述第一任务类型约束总数、所述第二任务类型约束总数直到所述第Q任务类型约束总数,结合所述随机扰动数量,对所述待扰动任务分配结果进行分配任务扰动,生成变异任务分配结果;
第二更新模块,所述第二更新模块用于根据所述变异任务分配结果对所述微量变异窗口进行内部更新,其中,内部更新次数不计入预设次数。
本说明书通过前述对基于数字孪生技术的电力设备运行控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中基于数字孪生技术的电力设备运行控制系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.基于数字孪生技术的电力设备运行控制方法,其特征在于,应用于基于数字孪生技术的电力设备运行控制系统,所述系统包括设备数据挖掘模块,任务分配优化模块和数字孪生仿真模块,所述设备数据挖掘模块内嵌有任务亲切度分析节点,所述任务分配优化模块包括边缘处理器和边缘存储器,所述方法执行步骤包括:
获取设备位号列表和待执行任务列表;
结合设备数据挖掘模块的任务亲切度分析节点,遍历所述设备位号列表进行任务亲切评价,生成任务亲切度矩阵,其中,所述任务亲切度矩阵的行属性为第一设备到第W设备,所述任务亲切度矩阵的列属性为第一任务类型到第M任务类型;
控制所述任务分配优化模块的边缘处理器调取存储于边缘存储器的微量变异搜索规则,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第一任务分配优化结果;
激活数字孪生仿真模块,同步所述第一任务分配优化结果进行仿真运行,生成第一运行效果评分,若满足运行效果评分阈值,根据所述第一任务分配优化结果控制电力设备运行。
2.如权利要求1所述的方法,其特征在于,还包括:
若所述第一运行效果评分不满足所述运行效果评分阈值,获取所述第一任务分配优化结果的第一适应度评价值;
将所述第一适应度评价值设定优化下限适应度,反馈至所述任务分配优化模块,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第二任务分配优化结果。
3.如权利要求2所述的方法,其特征在于,还包括:
激活数字孪生仿真模块,同步第N任务分配优化结果进行仿真运行,生成第N运行效果评分;
当所述第N运行效果评分不满足所述运行效果评分阈值,提取所述第一运行效果评分、第二运行效果评分直到所述第N运行效果评分的最大值的任务分配优化结果,控制电力设备运行,N为整数,N≥50。
4.如权利要求1所述的方法,其特征在于,结合设备数据挖掘模块的任务亲切度分析节点,遍历所述设备位号列表进行任务亲切评价,生成任务亲切度矩阵,包括:
从所述设备位号列表提取第一设备位号,匹配第一可执行任务类型集,与所述待执行任务列表的待执行任务类型集求交集,生成第一亲切评价任务类型集;
结合所述设备数据挖掘模块,基于所述第一设备位号,遍历所述第一亲切评价任务类型集,采集预设时区运行日志信息;
根据所述预设时区运行日志信息,遍历所述第一亲切评价任务类型集,统计第一任务类型故障率、第二任务类型故障率直到第M任务类型故障率;
根据所述预设时区运行日志信息,遍历所述第一亲切评价任务类型集,统计第一任务类型不良率、第二任务类型不良率直到第M任务类型不良率;
根据所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,结合所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,搭建所述任务亲切度矩阵的第一行特征值;
根据所述第一行特征值、第二行特征值直到第L行特征值,构建所述任务亲切度矩阵。
5.如权利要求4所述的方法,其特征在于,根据所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,结合所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,搭建所述任务亲切度矩阵的第一行特征值,包括:
加和所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,生成故障率加和结果;
遍历所述第一任务类型故障率、所述第二任务类型故障率直到所述第M任务类型故障率,与所述故障率加和结果求比,生成第一亲切因子集;
加和所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,生成不良率加和结果;
遍历所述第一任务类型不良率、所述第二任务类型不良率直到所述第M任务类型不良率,与所述不良率加和结果求比,生成第二亲切因子集;
对第一任务类型的第一亲切因子和第二亲切因子进行均值计算后求倒数,设为第一任务类型亲切度;
遍历第二任务类型直到第M任务类型,获取第二任务类型亲切度直到第M任务类型亲切度;
将所述第一任务类型亲切度、所述第二任务类型亲切度直到所述第M任务类型亲切度,添加进所述第一行特征值。
6.如权利要求1所述的方法,其特征在于,控制所述任务分配优化模块的边缘处理器调取存储于边缘存储器的微量变异搜索规则,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第一任务分配优化结果,包括:
构建微量变异适应度函数:;其中,/>表征第i个任务分配结果,/>表征第i个任务分配结果的适应度,/>表征第k任务类型在第j设备的分配数量,/>表征第k任务类型在第j设备的亲切度,Q表征任务类型总数,L表征设备位号总数;将所述待执行任务列表,在所述设备位号列表进行随机分配,生成多个任务分配结果,其中,所述多个任务分配结果的数量大于或等于50;
设定微量变异容量,其中,所述微量变异容量小于或等于所述多个任务分配结果的数量的十分之一;
根据所述微量变异容量,结合所述多个任务分配结果和所述微量变异适应度函数,构建微量变异窗口;
根据所述多个任务分配结果,基于较大适应度原则对所述微量变异窗口进行预设次数更新,生成所述第一任务分配优化结果。
7.如权利要求6所述的方法,其特征在于,根据所述多个任务分配结果,基于较大适应度原则对所述微量变异窗口进行预设次数更新,生成所述第一任务分配优化结果,包括:
基于所述待执行任务列表,构建第一任务类型约束总数、第二任务类型约束总数直到第Q任务类型约束总数;
设定随机扰动数量;
生成随机扰动概率,其中,所述微量变异窗口的任意一个任务分配结果的随机扰动概率为其适应度,与所述微量变异窗口内的适应度之和的比值;
基于轮盘赌算法,选择待扰动任务分配结果;
根据所述第一任务类型约束总数、所述第二任务类型约束总数直到所述第Q任务类型约束总数,结合所述随机扰动数量,对所述待扰动任务分配结果进行分配任务扰动,生成变异任务分配结果;
根据所述变异任务分配结果对所述微量变异窗口进行内部更新,其中,内部更新次数不计入预设次数。
8.基于数字孪生技术的电力设备运行控制系统,其特征在于,所述系统包括设备数据挖掘模块,任务分配优化模块和数字孪生仿真模块,所述设备数据挖掘模块内嵌有任务亲切度分析节点,所述任务分配优化模块包括边缘处理器和边缘存储器,所述系统执行步骤包括:
列表获取模块,所述列表获取模块用于获取设备位号列表和待执行任务列表;
任务亲切评价模块,所述任务亲切评价模块用于结合设备数据挖掘模块的任务亲切度分析节点,遍历所述设备位号列表进行任务亲切评价,生成任务亲切度矩阵,其中,所述任务亲切度矩阵的行属性为第一设备到第W设备,所述任务亲切度矩阵的列属性为第一任务类型到第M任务类型;
分配优化模块,所述分配优化模块用于控制所述任务分配优化模块的边缘处理器调取存储于边缘存储器的微量变异搜索规则,基于所述任务亲切度矩阵,根据所述待执行任务列表和所述设备位号列表进行分配优化,生成第一任务分配优化结果;
仿真运行模块,所述仿真运行模块用于激活数字孪生仿真模块,同步所述第一任务分配优化结果进行仿真运行,生成第一运行效果评分,若满足运行效果评分阈值,根据所述第一任务分配优化结果控制电力设备运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149114.8A CN116885726B (zh) | 2023-09-07 | 2023-09-07 | 基于数字孪生技术的电力设备运行控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149114.8A CN116885726B (zh) | 2023-09-07 | 2023-09-07 | 基于数字孪生技术的电力设备运行控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116885726A true CN116885726A (zh) | 2023-10-13 |
CN116885726B CN116885726B (zh) | 2023-12-01 |
Family
ID=88262592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311149114.8A Active CN116885726B (zh) | 2023-09-07 | 2023-09-07 | 基于数字孪生技术的电力设备运行控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116885726B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236805A (zh) * | 2023-11-16 | 2023-12-15 | 北京国电通网络技术有限公司 | 电力设备控制方法、装置、电子设备和计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115859700A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
CN116108740A (zh) * | 2022-12-09 | 2023-05-12 | 北京中电普华信息技术有限公司 | 一种电力设备的建模方法及装置 |
-
2023
- 2023-09-07 CN CN202311149114.8A patent/CN116885726B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116108740A (zh) * | 2022-12-09 | 2023-05-12 | 北京中电普华信息技术有限公司 | 一种电力设备的建模方法及装置 |
CN115859700A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236805A (zh) * | 2023-11-16 | 2023-12-15 | 北京国电通网络技术有限公司 | 电力设备控制方法、装置、电子设备和计算机可读介质 |
CN117236805B (zh) * | 2023-11-16 | 2024-02-02 | 北京国电通网络技术有限公司 | 电力设备控制方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116885726B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298501B (zh) | 基于长短时记忆神经网络的电负荷预测方法 | |
CN116885726B (zh) | 基于数字孪生技术的电力设备运行控制方法及系统 | |
CN108846555B (zh) | 一种电力负荷大数据缺失值的高效精确填补法 | |
CN112001110B (zh) | 一种基于振动信号空间时时递归图卷积神经网络的结构损伤识别监测方法 | |
CN108596242B (zh) | 基于小波神经网络和支持向量机的电网气象负荷预测方法 | |
CN112381673B (zh) | 一种基于数字孪生的园区用电信息分析方法及装置 | |
CN106383916A (zh) | 基于工业设备预测性维护的数据处理方法 | |
CN107632590A (zh) | 一种基于优先级的底事件排序方法 | |
CN111585277B (zh) | 一种基于混合集成模型的电力系统动态安全评估方法 | |
CN115965150A (zh) | 一种基于权重分配的电力负荷预测方法 | |
CN112598188A (zh) | 神经网络的生成方法、功率预测方法、装置和存储介质 | |
CN114021425B (zh) | 电力系统运行数据建模与特征选择方法、装置、电子设备和存储介质 | |
CN116579447A (zh) | 一种基于分解机制和注意力机制的时间序列预测方法 | |
CN115146718A (zh) | 基于深度表示的风电机组异常检测方法 | |
CN112199850B (zh) | 一种基于过程特征的系统弹性分布规律研究方法 | |
CN117318033B (zh) | 一种结合数据孪生的电网数据管理方法及系统 | |
CN114385403A (zh) | 基于双层知识图谱架构的分布式协同故障诊断方法 | |
CN112559741B (zh) | 核电设备缺陷记录文本分类方法、系统、介质及电子设备 | |
CN112883380A (zh) | 智慧教育平台的大数据组件安全风险分析方法及系统 | |
CN109887253B (zh) | 石油化工装置报警的关联分析方法 | |
Zhang et al. | Building marginal pattern library with unbiased training dataset for enhancing model-free load-ED mapping | |
CN109902352B (zh) | 一种暂态功角稳定分析关键特征量提取方法及系统 | |
CN108665090B (zh) | 基于主成分分析与Verhulst模型的城市电网饱和负荷预测方法 | |
CN113949079B (zh) | 基于深度学习的配电台区用户三相不平衡预测优化方法 | |
CN114021644A (zh) | 一种基于K-means和去丛聚法的区域代表性地下水位计算方法 |
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 |