CN116933626A - 一种基于数字孪生的数据监测方法及装置 - Google Patents
一种基于数字孪生的数据监测方法及装置 Download PDFInfo
- Publication number
- CN116933626A CN116933626A CN202310833546.4A CN202310833546A CN116933626A CN 116933626 A CN116933626 A CN 116933626A CN 202310833546 A CN202310833546 A CN 202310833546A CN 116933626 A CN116933626 A CN 116933626A
- Authority
- CN
- China
- Prior art keywords
- data
- digital twin
- dimension weight
- twin model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000012806 monitoring device Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000036541 health Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000013179 statistical model Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000005215 recombination Methods 0.000 claims description 6
- 230000006798 recombination Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本发明公开了一种基于数字孪生的数据监测方法及装置，包括分别采集各个应用场景中的全息数据；根据预设的训练样本集和测试样本集构建待优化数字孪生模型；基于预设的时间维度权重、空间维度权重和历史维度权重对所述待优化数字孪生模型进行优化；将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果。本发明实施例提供的基于数字孪生的数据监测方法及装置，通过时间维度权重、空间维度权重和历史维度权重对数字孪生模型进行优化，能够得到更为准确的数字孪生模型处理结果，进而能够对实际出现故障的设备进行实时监测，准确分析故障设备的故障原因，提高故障设备的检修效率，保障电网设备的稳定运行。
Description
技术领域
本发明涉及电网技术领域，尤其是涉及一种基于数字孪生的数据监测方法及装置。
背景技术
数字孪生技术是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生技术是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
随着数字电网技术的不断发展，如何通过数字孪生技术，在数字空间实现数据驱动的全局、全生命周期的数字孪生体，进而实现电网设备的数字化实时监测，已成为本领域技术人员所要亟待解决的技术问题。
发明内容
本发明提供一种基于数字孪生的数据监测方法及装置，通过时间维度权重、空间维度权重和历史维度权重对数字孪生模型进行优化，能够得到更为准确的数字孪生模型处理结果，提高了模型的预测准确率，保障了电网设备的稳定运行。
为了解决上述技术问题，本发明实施例提供了一种基于数字孪生的数据监测方法，包括：
分别采集各个应用场景中的全息数据；
根据预设的训练样本集和测试样本集，构建待优化数字孪生模型；
基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化，得到目标数字孪生模型；
将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果，所述处理结果至少包括以下所述中的一种或多种：
预测设备的运行状态、健康状态、故障状态或维护需求状态。
作为其中一种优选方案，在所述分别采集各个应用场景中的全息数据后，所述基于数字孪生的数据监测方法还包括：
对所述全息数据进行预处理，所述预处理至少包括以下所述中的一种或多种：去噪、校正或标准化。
作为其中一种优选方案，在所述根据预设的训练样本集和测试样本集，构建待优化数字孪生模型前，所述基于数字孪生的数据监测方法还包括：
基于网络爬虫技术获取原始数据集；
分别对所述原始数据集中的各个样本数据进行数据清洗、数据标注、数据增强和数据重组，得到待划分数据；
根据预先设定的阈值比例，对所述待划分数据进行划分，得到用于进行训练的训练样本集和用于进行测试的测试样本集。
作为其中一种优选方案，在所述基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化前，所述基于数字孪生的数据监测方法还包括：
根据时间序列模型提取所述原始数据集中的时间维度特征，并根据与所述时间维度特征相匹配的内容集，计算所述时间维度权重；
根据空间统计模型提取所述原始数据集中的空间维度特征，并根据与所述空间维度特征相匹配的内容集，计算所述空间维度权重；
根据所述原始数据集对应的采样周期和用户选定的历史影响系数，得到所述历史维度权重。
作为其中一种优选方案，在将所述全息数据输入至所述目标数字孪生模型中后，所述基于数字孪生的数据监测方法还包括：
确定要处理的设备节点；
基于所述设备节点的类型，分别对各个所述全息数据进行格式转换；
将所述目标数字孪生模型与格式转换后的全息数据进行融合，以得到对应的处理结果。
本发明另一实施例提供了一种基于数字孪生的数据监测装置，包括：
数据采集模块，用于分别采集各个应用场景中的全息数据；
待优化数字孪生模型模块，用于根据预设的训练样本集和测试样本集，构建待优化数字孪生模型；
目标数字孪生模型模块，用于基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化，得到目标数字孪生模型；
处理模块，用于将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果，所述处理结果至少包括以下所述中的一种或多种：
预测设备的运行状态、健康状态、故障状态或维护需求状态。
作为其中一种优选方案，所述基于数字孪生的数据监测装置还包括：
预处理模块，用于对所述全息数据进行预处理，所述预处理至少包括以下所述中的一种或多种：去噪、校正或标准化。
作为其中一种优选方案，所述基于数字孪生的数据监测装置还包括：
爬虫模块，用于基于网络爬虫技术获取原始数据集；
待划分数据模块，用于分别对所述原始数据集中的各个样本数据进行数据清洗、数据标注、数据增强和数据重组，得到待划分数据；
划分模块，用于根据预先设定的阈值比例，对所述待划分数据进行划分，得到用于进行训练的训练样本集和用于进行测试的测试样本集。
作为其中一种优选方案，所述基于数字孪生的数据监测装置还包括：
时间维度权重模块，用于根据时间序列模型提取所述原始数据集中的时间维度特征，并根据与所述时间维度特征相匹配的内容集，计算所述时间维度权重；
空间维度权重模块，用于根据空间统计模型提取所述原始数据集中的空间维度特征，并根据与所述空间维度特征相匹配的内容集，计算所述空间维度权重；
历史维度权重模块，用于根据所述原始数据集对应的采样周期和用户选定的历史影响系数，得到所述历史维度权重。
作为其中一种优选方案，所述基于数字孪生的数据监测装置还包括：
设备节点模块，用于确定要处理的设备节点；
格式转换模块，用于基于所述设备节点的类型，分别对各个所述全息数据进行格式转换；
融合模块，用于将所述目标数字孪生模型与格式转换后的全息数据进行融合，以得到对应的处理结果。
相比于现有技术，本发明实施例的有益效果在于以下所述中的至少一点：首先分别采集各个应用场景中的全息数据；然后根据预设的训练样本集和测试样本集，构建待优化数字孪生模型；接着基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化，得到目标数字孪生模型；最后将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果，以上整个过程能够预测设备的运行状态、健康状态、故障状态或维护需求状态，其中的时间维度权重、空间维度权重和历史维度权重三项指标也可以对数字孪生模型进行优化，提高模型处理的准确率，进而能够有效监测设备的健康状态，对实际出现故障的设备进行实时监测，准确分析故障设备的故障原因，提高故障设备的检修效率，保障电网设备的稳定运行。
附图说明
图1是本发明其中一种实施例中的基于数字孪生的数据监测方法的流程示意图；
图2是本发明其中一种实施例中的基于数字孪生的数据监测装置的结构示意图；
附图标记：
其中，11、数据采集模块；12、待优化数字孪生模型模块；13、目标数字孪生模型模块；14、处理模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本申请描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
在本申请的描述中，需要说明的是，除非另有定义，本发明所使用的所有的技术和科学术语与属于本的技术领域的技术人员通常理解的含义相同。本发明中说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
本发明一实施例提供了一种基于数字孪生的数据监测方法，具体的，请参见图1，图1示出为本发明其中一种实施例中的基于数字孪生的数据监测方法的流程示意图，其具体包括步骤S1～S4：
S1、分别采集各个应用场景中的全息数据；
S2、根据预设的训练样本集和测试样本集，构建待优化数字孪生模型；
S3、基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化，得到目标数字孪生模型；
S4、将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果，所述处理结果至少包括以下所述中的一种或多种：预测设备的运行状态、健康状态、故障状态或维护需求状态。
本发明实施例提供的基于数字孪生的数据监测方法，可以在保证三维模型数据在无插件WEB3DGIS的应用中，基于普通计算机硬件设备，实现变电设备数字孪生体进行全息数据空间纹理映射绑定，并且实现设备对象单体化，满足用户开展进一步业务仿真、分析、模拟、预警等智能运维应用。
需要说明的是，可以使用传感器等设备收集实际场景中的全息数据，需要进行空间分布采样以获取场景中各个位置的数据。全息数据采集通过接口形式传入服务器。
在得到全息数据后，优选地，对所述全息数据进行预处理，所述预处理至少包括以下所述中的一种或多种：去噪、校正或标准化，以确保数据的准确性和一致性。
在基于神经网络技术构建待优化数字孪生模型前，需要获取源数据，本发明实施例是基于网络爬虫技术获取原始数据集作为源数据，当然，也可以选用相关的历史数据，对其进行迭代选取，来得到用于进行模型构建的样本集和测试集，在本实施例中不作具体限定。
关于如何获取样本集和测试集，具体如下步骤S11～S13所示：
S11、基于网络爬虫技术获取原始数据集；
S12、分别对所述原始数据集中的各个样本数据进行数据清洗、数据标注、数据增强和数据重组，得到待划分数据；
S13、根据预先设定的阈值比例，对所述待划分数据进行划分，得到用于进行训练的训练样本集和用于进行测试的测试样本集。
上述数据清洗的作用是为了保证数据的准确；数据标注在工作量较少的情况下可以由人工进行，如果量大的话也可以交给特定的数据标注模型进行处理；对于某些特定数据，可以在已有样本的基础上通过数据变换对样本进行扩充，也即数据增强(DataAugmentation)，以实现样本的有效扩充；数据重组指的是根据样本特性，从已有的数据中筛选或构造符合条件的样本的过程。此外，测试集和样本集的选取划分比例关乎到具体的电网类型，人为影响因素较大，在此不做过多赘述。
在上述实施例中，是根据时间维度权重、空间维度权重和历史维度权重三项指标对数字孪生模型进行优化，提高模型处理的准确率，具体的，这三项指标的计算如下：
根据时间序列模型提取所述原始数据集中的时间维度特征，并根据与所述时间维度特征相匹配的内容集，计算所述时间维度权重；利用时间序列模型来对时间因素进行建模，使用ARIMA、LSTM等模型来预测未来的趋势和变化。
根据空间统计模型提取所述原始数据集中的空间维度特征，并根据与所述空间维度特征相匹配的内容集，计算所述空间维度权重；利用空间统计模型来对空间因素进行建模，使用地理加权回归、空间自相关等方法来分析空间数据。
根据所述原始数据集对应的采样周期和用户选定的历史影响系数，得到所述历史维度权重。此外，也可选取诸如LSTM、GRU等模型来学习历史数据的模式和规律，进而得到历史维度权重。
需要说明的是，融合全息数据与数字孪生体模型，需要进行空间配准、坐标转换、对齐等处理，以实现全息数据与数字孪生体模型的一致性和可视化。进一步地，在上述实施例中，在将所述全息数据输入至所述目标数字孪生模型中后，所述基于数字孪生的数据监测方法还包括：
确定要处理的设备节点；
基于所述设备节点的类型，分别对各个所述全息数据进行格式转换；
将所述目标数字孪生模型与格式转换后的全息数据进行融合，以得到对应的处理结果。返回的融合数字孪生仿真数据能够实现前端应用场景的展示分析及预测等应用。
具体的，请参见图2，图2示出为本发明其中一种实施例中的基于数字孪生的数据监测装置的结构示意图，其包括：
数据采集模块11，用于分别采集各个应用场景中的全息数据；
待优化数字孪生模型模块12，用于根据预设的训练样本集和测试样本集，构建待优化数字孪生模型；
目标数字孪生模型模块13，用于基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化，得到目标数字孪生模型；
处理模块14，用于将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果，所述处理结果至少包括以下所述中的一种或多种：预测设备的运行状态、健康状态、故障状态或维护需求状态。
作为其中一种优选方案，所述基于数字孪生的数据监测装置还包括：
预处理模块，用于对所述全息数据进行预处理，所述预处理至少包括以下所述中的一种或多种：去噪、校正或标准化。
作为其中一种优选方案，所述基于数字孪生的数据监测装置还包括：
爬虫模块，用于基于网络爬虫技术获取原始数据集；
待划分数据模块，用于分别对所述原始数据集中的各个样本数据进行数据清洗、数据标注、数据增强和数据重组，得到待划分数据；
划分模块，用于根据预先设定的阈值比例，对所述待划分数据进行划分，得到用于进行训练的训练样本集和用于进行测试的测试样本集。
作为其中一种优选方案，所述基于数字孪生的数据监测装置还包括：
时间维度权重模块，用于根据时间序列模型提取所述原始数据集中的时间维度特征，并根据与所述时间维度特征相匹配的内容集，计算所述时间维度权重；
空间维度权重模块，用于根据空间统计模型提取所述原始数据集中的空间维度特征，并根据与所述空间维度特征相匹配的内容集，计算所述空间维度权重；
历史维度权重模块，用于根据所述原始数据集对应的采样周期和用户选定的历史影响系数，得到所述历史维度权重。
作为其中一种优选方案，所述基于数字孪生的数据监测装置还包括：
设备节点模块，用于确定要处理的设备节点；
格式转换模块，用于基于所述设备节点的类型，分别对各个所述全息数据进行格式转换；
融合模块，用于将所述目标数字孪生模型与格式转换后的全息数据进行融合，以得到对应的处理结果。
本发明实施例提供的基于数字孪生的数据监测方法及装置，有益效果在于以下所述中的至少一点：
(1)本发明得到的全息数据融合配准成果，实现一种多区块、多层级、多类型的数字孪生体数据融合技术，为变电设备数字孪生模型及虚拟孪生体与物理实体虚实交互的构建提供方法支撑。基于数字孪生模型的全息状态数据融合技术，建立变电主设备全息状态数据映射和融合方法。利用本发明对采集的数据进行处理以标准融合数字孪生模型，以实时地模拟现实世界中的物理对象，以反映其运行状态、性能指标等信息，实现变电全景管控和变压器实时状态评估及预测能力，解决传统变电站现场作业数据采集困难，摄像头、机器人及无人机巡检交互困难等问题，减少巡检数据处理周期、减少数据收集频次及工作量，有效提升运维人员工作效率、降低劳动强度与提升安全保障，强化对变电站设备的状态管控，大幅提高变电站巡检、安全管控效率、主设备安全运行水平；
(2)首先分别采集各个应用场景中的全息数据；然后根据预设的训练样本集和测试样本集，构建待优化数字孪生模型；接着基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化，得到目标数字孪生模型；最后将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果，以上整个过程能够预测设备的运行状态、健康状态、故障状态或维护需求状态，其中的时间维度权重、空间维度权重和历史维度权重三项指标也可以对数字孪生模型进行优化，提高模型处理的准确率，进而能够有效监测设备的健康状态，对实际出现故障的设备进行实时监测，准确分析故障设备的故障原因，提高故障设备的检修效率，保障电网设备的稳定运行。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于数字孪生的数据监测方法，其特征在于，包括：
分别采集各个应用场景中的全息数据；
根据预设的训练样本集和测试样本集，构建待优化数字孪生模型；
基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化，得到目标数字孪生模型；
将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果，所述处理结果至少包括以下所述中的一种或多种：
预测设备的运行状态、健康状态、故障状态或维护需求状态。
2.如权利要求1所述的基于数字孪生的数据监测方法，其特征在于，在所述分别采集各个应用场景中的全息数据后，所述基于数字孪生的数据监测方法还包括：
对所述全息数据进行预处理，所述预处理至少包括以下所述中的一种或多种：去噪、校正或标准化。
3.如权利要求1所述的基于数字孪生的数据监测方法，其特征在于，在所述根据预设的训练样本集和测试样本集，构建待优化数字孪生模型前，所述基于数字孪生的数据监测方法还包括：
基于网络爬虫技术获取原始数据集；
分别对所述原始数据集中的各个样本数据进行数据清洗、数据标注、数据增强和数据重组，得到待划分数据；
根据预先设定的阈值比例，对所述待划分数据进行划分，得到用于进行训练的训练样本集和用于进行测试的测试样本集。
4.如权利要求3所述的基于数字孪生的数据监测方法，其特征在于，在所述基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化前，所述基于数字孪生的数据监测方法还包括：
根据时间序列模型提取所述原始数据集中的时间维度特征，并根据与所述时间维度特征相匹配的内容集，计算所述时间维度权重；
根据空间统计模型提取所述原始数据集中的空间维度特征，并根据与所述空间维度特征相匹配的内容集，计算所述空间维度权重；
根据所述原始数据集对应的采样周期和用户选定的历史影响系数，得到所述历史维度权重。
5.如权利要求1所述的基于数字孪生的数据监测方法，其特征在于，在将所述全息数据输入至所述目标数字孪生模型中后，所述基于数字孪生的数据监测方法还包括：
确定要处理的设备节点；
基于所述设备节点的类型，分别对各个所述全息数据进行格式转换；
将所述目标数字孪生模型与格式转换后的全息数据进行融合，以得到对应的处理结果。
6.一种基于数字孪生的数据监测装置，其特征在于，包括：
数据采集模块，用于分别采集各个应用场景中的全息数据；
待优化数字孪生模型模块，用于根据预设的训练样本集和测试样本集，构建待优化数字孪生模型；
目标数字孪生模型模块，用于基于预设的时间维度权重、空间维度权重和历史维度权重，对所述待优化数字孪生模型进行优化，得到目标数字孪生模型；
处理模块，用于将所述全息数据输入至所述目标数字孪生模型中，以使所述目标数字孪生模型输出相关联的处理结果，所述处理结果至少包括以下所述中的一种或多种：
预测设备的运行状态、健康状态、故障状态或维护需求状态。
7.如权利要求6所述的基于数字孪生的数据监测装置，其特征在于，所述基于数字孪生的数据监测装置还包括：
预处理模块，用于对所述全息数据进行预处理，所述预处理至少包括以下所述中的一种或多种：去噪、校正或标准化。
8.如权利要求6所述的基于数字孪生的数据监测装置，其特征在于，所述基于数字孪生的数据监测装置还包括：
爬虫模块，用于基于网络爬虫技术获取原始数据集；
待划分数据模块，用于分别对所述原始数据集中的各个样本数据进行数据清洗、数据标注、数据增强和数据重组，得到待划分数据；
划分模块，用于根据预先设定的阈值比例，对所述待划分数据进行划分，得到用于进行训练的训练样本集和用于进行测试的测试样本集。
9.如权利要求8所述的基于数字孪生的数据监测装置，其特征在于，所述基于数字孪生的数据监测装置还包括：
时间维度权重模块，用于根据时间序列模型提取所述原始数据集中的时间维度特征，并根据与所述时间维度特征相匹配的内容集，计算所述时间维度权重；
空间维度权重模块，用于根据空间统计模型提取所述原始数据集中的空间维度特征，并根据与所述空间维度特征相匹配的内容集，计算所述空间维度权重；
历史维度权重模块，用于根据所述原始数据集对应的采样周期和用户选定的历史影响系数，得到所述历史维度权重。
10.如权利要求6所述的基于数字孪生的数据监测装置，其特征在于，所述基于数字孪生的数据监测装置还包括：
设备节点模块，用于确定要处理的设备节点；
格式转换模块，用于基于所述设备节点的类型，分别对各个所述全息数据进行格式转换；
融合模块，用于将所述目标数字孪生模型与格式转换后的全息数据进行融合，以得到对应的处理结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310833546.4A CN116933626A (zh) | 2023-07-07 | 2023-07-07 | 一种基于数字孪生的数据监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310833546.4A CN116933626A (zh) | 2023-07-07 | 2023-07-07 | 一种基于数字孪生的数据监测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116933626A true CN116933626A (zh) | 2023-10-24 |
Family
ID=88390409
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310833546.4A Pending CN116933626A (zh) | 2023-07-07 | 2023-07-07 | 一种基于数字孪生的数据监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116933626A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117148805A (zh) * | 2023-10-30 | 2023-12-01 | 国网江苏省电力有限公司南通供电分公司 | 一种多场景适应的电厂设备预警方法及系统 |
-
2023
- 2023-07-07 CN CN202310833546.4A patent/CN116933626A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117148805A (zh) * | 2023-10-30 | 2023-12-01 | 国网江苏省电力有限公司南通供电分公司 | 一种多场景适应的电厂设备预警方法及系统 |
| CN117148805B (zh) * | 2023-10-30 | 2024-01-12 | 国网江苏省电力有限公司南通供电分公司 | 一种多场景适应的电厂设备预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116129366B (zh) | 基于数字孪生的园区监测方法及相关装置 | |
| CN112231305A (zh) | 一种基于数字孪生的数字电网系统及方法 | |
| CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
| CN111600297B (zh) | 云-边协同下电网设备运行数据的在线分析方法及装置 | |
| CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
| CN116229019A (zh) | 面向数字孪生的大场景融合三维重建方法及系统 | |
| CN116933626A (zh) | 一种基于数字孪生的数据监测方法及装置 | |
| CN110379036A (zh) | 变电站智能巡检识别方法、系统、装置及存储介质 | |
| CN114386626A (zh) | 基于数字孪生的设备状态评价及运维策略制定实现系统 | |
| CN115438726A (zh) | 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统 | |
| CN114565038A (zh) | 一种基于改进胶囊网络的智能电表故障诊断方法 | |
| CN116599857B (zh) | 一种适用于物联网多场景的数字孪生应用系统 | |
| CN116305797B (zh) | 一种基于bim和多源质量信息融合的施工风险评估系统 | |
| CN116882145A (zh) | 数字孪生推演模拟系统 | |
| CN115184563B (zh) | 一种基于数字孪生的化工车间现场数据采集方法 | |
| CN117033923A (zh) | 一种基于可解释性机器学习的犯罪数量预测方法及系统 | |
| CN115561583A (zh) | 一种基于数字孪生技术的电力设备巡检方法、装置及系统 | |
| CN115758561A (zh) | 一种飞机飞行模拟参数数据的生成方法 | |
| CN109902209A (zh) | 一种基于空间智能的特种承压设备用户三维可视化方法 | |
| CN111965995B (zh) | 一种三库合一飞机航电系统健康评估与预测系统及其方法 | |
| Rachmat et al. | Evaluation of academic information system using Delone and Mclane success model: A case study ff academic information system Hasanuddin University | |
| CN116628829B (zh) | 一种基于数字孪生的智慧建筑三维可视化系统 | |
| CN117151699B (zh) | 一种基于电力场景模型的运维巡检方法及系统 | |
| CN117148048B (zh) | 基于数字孪生技术的配电网故障预测方法及系统 | |
| CN117131581B (zh) | 一种数字孪生城市道路的构建系统及方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231222 Address after: 310000 No. 59, Jiefang East Road, Shangcheng District, Hangzhou City, Zhejiang Province Applicant after: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Address before: 310000 No. 59, Jiefang East Road, Hangzhou, Zhejiang Applicant before: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Applicant before: Beijing Huake Zhixing Technology Co.,Ltd. |