CN117391310A - 基于数字孪生技术的电网设备运行状态预测及优化方法 - Google Patents
基于数字孪生技术的电网设备运行状态预测及优化方法 Download PDFInfo
- Publication number
- CN117391310A CN117391310A CN202311645937.XA CN202311645937A CN117391310A CN 117391310 A CN117391310 A CN 117391310A CN 202311645937 A CN202311645937 A CN 202311645937A CN 117391310 A CN117391310 A CN 117391310A
- Authority
- CN
- China
- Prior art keywords
- equipment
- power grid
- digital twin
- model
- data
- 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 35
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 230000008901 benefit Effects 0.000 claims abstract description 6
- 238000004088 simulation Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000016776 visual perception Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 241000826860 Trapezium Species 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 230000000704 physical effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000036541 health Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Water Supply & Treatment (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数字孪生技术的电网设备运行状态预测及优化控制的方法，具体包括下述步骤：设备信息获取；设备数字孪生模型构建；电网设备数字孪生混合模型构建；设备信息数据处理；综合评估结果获取；设备运行状态全面可视化感知；电网设备状态预测和优化控制；数字孪生模型修正；电网设备状态优化控制。本发明属于电网运行技术领域，具体提供了一种基于数字孪生技术的电网设备运行状态预测及优化控制的方法，该方法具有下述优点：（1）提升设备运行状态全面可视化感知的能力；（2）提升对电网设备运行状态实时预测和优化控制的准确性；（3）提升设备故障预警的准确性以及运维人员应急决策处置的能力。
Description
技术领域
本发明属于电网运行技术领域，具体为一种基于数字孪生技术的电网设备运行状态预测及优化方法。
背景技术
在当前电力物联网建设高速发展、电网在线监测技术广泛应用的背景下，以数据为驱动的电力分析技术应用于电力指标及电网设备状态评估已经是一个重要的课题。对于电网设备运行状态监视的问题，目前获取设备运行状态的主要思路是构建设备状态评估模型，对设备的数据信息进行预处理；进而确定设备各部件评估规则与权重占比，最后对各个部件的评估进行综合分析得到该电网设备的最终评估结果。辅助运维人员提前发现设备问题，及时进行设备状态优化，并提醒运维人员增加监视或安排计划抢修等策略。
然而目前对于电网设备运行状态监视预测的技术存在下述缺陷：
（1）无法实现电网设备运行状态全面可视化感知；
（2）无法对电网设备的运行状态进行实时预测和优化控制；
（3）无法向设备运维人员提供精准的应急决策处置策略。
发明内容
针对上述情况，为弥补上述现有缺陷，本发明提供了一种基于数字孪生技术的电网设备运行状态预测及优化方法，该方法通过在电网设备的数字孪生模型上真实准确的展示设备整体及内部各部件的当前运行状态，实现设备运行状态的全面可视化感知，及时进行设备状态预测和优化控制处理，并及时向运维人员提供精准可靠的抢修策略，提升电网设备运行状态预测和控制的准确度，进而对提升电网系统的总体经济效益具有很高的实用价值和应用前景。
本发明提供如下的技术方案：本发明提出了一种基于数字孪生技术的电网设备运行状态预测及优化方法，具体包括下述步骤：
步骤一、设备信息获取
收集目标设备历史信息数据，所述信息数据为包括设备数据、生产数据、运检数据、经营数据以及现场多种类监测终端收集的离散化数据在内的信息数据；
步骤二、设备数字孪生模型构建，具体流程如下：
（1）收集目标电网设备的物理实体数据；
（2）创建元模型；
（3）按照目标电网设备的具体物理实体数据，将元模型进行组装与重构，完成设备级数字孪生模型的初步生成；
（4）通过目标设备的历史信息数据驱动数字孪生模型工作，检查设备数字孪生模型的正确性以及合理性，并对检查不符合要求的物理特征或功能特征进行修改，得到目标设备当前最优的数字孪生模型；
步骤三、电网设备数字孪生混合模型构建，具体流程如下：
依托电网设备的具体三维结构、设备的运行数据以及设备固有的属性，基于模型驱动、数据驱动和知识驱动的建模技术，结合设备的具体物理结构建立物理实体虚拟模型、结合采集的数据利用机器学习等方法构建数据模型、结合设备固有的属性构建知识模型，将这三种模型融合建立电网设备数字孪生混合模型；
步骤四、设备信息数据处理
设备信息数据处理的方式包括不过零点半梯形、过零点半梯形、全梯形、点分布、过零点分段线性分布和不过零点分段线性分布方式；
步骤五、综合评估结果获取
使用熵权法、层次分析法以及组合权重法获取各个设备部件的权重值，进而获取电网设备综合状态模拟仿真结果；
步骤六、设备运行状态全面可视化感知
将电网设备综合状态模拟仿真结果与电网设备实际的运行数据进行对比，当偏差超出设定范围时，采用深度神经网络对仿真结果和实际运行结果进行特征提取，输出修正系数，进而修正数字孪生模型；最终实现物理实体设备与其对应数字孪生模型的映射匹配，实现设备运行状态的全面可视化感知；
步骤七、电网设备状态预测和优化控制
依据修正后的数字孪生模型在数字环境中对电网设备的运行状态进行预测，在保证电网设备稳定运行的前提下以经济成本最优为目标进行设备运行状态实时优化控制；
步骤八、数字孪生模型修正
将电网设备在数字孪生模型中根据优化控制方案仿真的结果与电网设备物理实体实际运行优化控制方案的结果数据进行对比，判断误差是否超出设定的阈值；若超过阈值，则采用深度神经网络算法对仿真结果和实际结果进行特征提取，并输出最终的修正系数，用于修正电网设备的数字孪生模型，从而提高电网设备状态预测和优化控制的准确度和利用率；
步骤九、电网设备状态优化控制
依据修正后的数字孪生模型进行设备运行状态优化控制，延长电网设备的使用寿命，进而提升电网系统的总体经济效益。
进一步地，步骤二所述的元模型包括用来描述目标设备的几何信息以及物理属性等的数据驱动模型和用来描述目标设备的功能特征的数据分析模型。
本方案的预测及优化控制步骤具体总结为：
（1）创建电网设备的数字孪生模型，该模型将电网设备收集的设备数据、生产数据、运检数据、经营数据以及现场多种类监测终端收集的离散化数据等设备信息导入其中；
（2）然后，该模型可以在数字环境中进行模拟和优化，并针对电网设备的运行状态提供准确的预测和优化控制建议；
（3）之后，再根据电网设备的实际运行状态对数字孪生模型进行修正，从而提高电网设备运行状态控制的准确度，进而提升电网系统的总体经济效益。
采用上述结构本发明取得的有益效果如下：本发明提出的一种基于数字孪生技术的电网设备运行状态预测及优化方法，依托于数字孪生技术，通过设备的数字孪生模型将电网设备的设备数据、生产数据、运检数据、经营数据以及现场多种类监测终端收集的离散化数据结构化，并与设备的数字孪生模型进行自动匹配和映射，与此同时建立电网设备数字孪生混合模型，实现电网设备运行状态全面可视化感知、推演及其状态的优化。具体具有下述优点：周期性反复触发以上操作，在设备的数字孪生模型上真实准确的展示设备整体及内部各个部件当前的准确状态，实现设备运行状态的全面可视化感知，提升设备的故障预警能力及时进行设备状态优化处理，及时发现设备在运行过程中的问题，进而解决设备运维人员应急决策处置精准度低的问题。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明的整体流程框图；
图2为本发明设备数字孪生模型构建的流程框图；
图3为本发明电网设备数字孪生混合模型构建的流程框图；
图4为本发明实施例采用不过零点半梯形方式对获取的设备信息数据处理的曲线图；
图5为本发明实施例采用过零点半梯形方式对获取的设备信息数据处理的曲线图；
图6为本发明实施例采用全梯形方式对获取的设备信息数据处理的曲线图。
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；基于本发明中的实施例，本领域普通技术人员在没有做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。
需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
实施例1
参阅图1，本实施例提供的一种基于数字孪生技术的电网设备运行状态预测及优化方法，具体包括下述步骤：
步骤一、设备信息获取
收集目标设备历史信息数据，所述信息数据为包括设备数据、生产数据、运检数据、经营数据以及现场多种类监测终端收集的离散化数据在内的信息数据；
步骤二、设备数字孪生模型构建
对于重要关键电网设备依托数字孪生技术，采用高精细化建模方式，创建设备的数字孪生模型，精确展现设备的整体状态实现设备的运行态势的多维度、多层次精准监测，设备数字孪生模型构建流程如图2所示：
（1）收集目标电网设备的物理实体数据；
（2）创建元模型，所述元模型包括用来描述目标设备的几何信息以及物理属性等的数据驱动模型和用来描述目标设备的功能特征的数据分析模型；
（3）按照目标电网设备的具体物理实体数据，将元模型进行组装与重构，完成设备级数字孪生模型的初步生成；
（4）通过目标设备的历史信息数据驱动数字孪生模型工作，检查设备数字孪生模型的正确性以及合理性，并对检查不符合要求的物理特征或功能特征进行修改，得到目标设备当前最优的数字孪生模型；
步骤三、电网设备数字孪生混合模型构建
依托电网设备的具体三维结构、设备的运行数据以及设备固有的属性，基于模型驱动、数据驱动和知识驱动的建模技术，结合设备的具体物理结构建立物理实体虚拟模型、结合采集的数据利用机器学习等方法构建数据模型、结合设备固有的属性构建知识模型，将这三种模型融合建立电网设备数字孪生混合模型，设备数字孪生混合模型建模流程如图3所示；
步骤四、设备信息数据处理
以柱上开关为例，使用不过零点半梯形、过零点半梯形、全梯形、点分布、过零点分段线性分布、不过零点分段线性分布等方式对获取的设备信息进行处理；
A：不过零点半梯形（向上），曲线图参阅图4，健康指数值的计算公式如下：式中，/>为采样值，/>为数据库配置的alarm_max，/> 0为数据库配置的threshold，/>为计算的健康指数值；
B,过零点半梯形（向上），曲线图参阅图5，健康指数值的计算公式如下：式中，/>为采样值，/>为数据库配置的alarm_max，/>为计算的健康指数值。
C：全梯形（下），曲线图参阅图6，健康指数值的计算公式如下：式中，/>为采样值，/>为计算的健康指数值。
D：点分布（此为样例，不同的点分布HI值不同）式中，/>为采样值/类型，污秽等级采用点分布，a级HI为0，B级为2，C级为4，D级为6，E级为10；
步骤五、综合评估结果获取
使用熵权法、层次分析法以及组合权重法获取各个设备部件的权重值，进而获取电网设备综合状态模拟仿真结果；
步骤六、设备运行状态全面可视化感知
将电网设备综合状态模拟仿真结果与电网设备实际的运行数据进行对比，当偏差超出设定范围时，采用深度神经网络对仿真结果和实际运行结果进行特征提取，输出修正系数，进而修正数字孪生模型；最终实现物理实体设备与其对应数字孪生模型的映射匹配，实现设备运行状态的全面可视化感知；
步骤七、电网设备状态预测和优化控制
依据修正后的数字孪生模型在数字环境中对电网设备的运行状态进行预测，在保证电网设备稳定运行的前提下以经济成本最优为目标进行设备运行状态实时优化控制；
步骤八、数字孪生模型修正
将电网设备在数字孪生模型中根据优化控制方案仿真的结果与电网设备物理实体实际运行优化控制方案的结果数据进行对比，判断误差是否超出设定的阈值；若超过阈值，则采用深度神经网络算法对仿真结果和实际结果进行特征提取，并输出最终的修正系数，用于修正电网设备的数字孪生模型，从而提高电网设备状态预测和优化控制的准确度和利用率；
步骤九、电网设备状态优化控制
依据修正后的数字孪生模型进行设备运行状态优化控制，延长电网设备的使用寿命，进而提升电网系统的总体经济效益。
本发明中搭建的电网设备数字孪生模型可以实现物理实体设备与数字孪生模型之间的实时映射。数字孪生模型具有与物理实体相同的属性、结构、状态、性能、功能和行为。因此，可以通过对电网设备数字孪生模型的控制和优化仿真，推演得到物理实体设备的近似结果，从而为物理实体的实际操作提供参考。在本发明中，为保证电力系统的供电可靠性电网设备的运行过程不可中断，故在真实环境中进行电网设备在运行过程中的状态预测和优化控制实验具有极高的试错成本，且对用户影响巨大难以实现。因此，通过数字孪生技术进行优化仿真，从而得出在实际操作过程中的方法和建议，是一种十分有效的方法。
要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物料或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物料或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (3)
1.基于数字孪生技术的电网设备运行状态预测及优化控制的方法，其特征在于，具体包括下述步骤：
步骤一、设备信息获取
收集目标设备历史信息数据，所述信息数据为包括设备数据、生产数据、运检数据、经营数据以及现场多种类监测终端收集的离散化数据在内的信息数据；
步骤二、设备数字孪生模型构建
步骤三、电网设备数字孪生混合模型构建，具体流程如下：
依托电网设备的具体三维结构、设备的运行数据以及设备固有的属性，基于模型驱动、数据驱动和知识驱动的建模技术，结合设备的具体物理结构建立物理实体虚拟模型、结合采集的数据利用机器学习方法构建数据模型、结合设备固有的属性构建知识模型，将这三种模型融合建立电网设备数字孪生混合模型；
步骤四、设备信息数据处理
设备信息数据处理的方式包括不过零点半梯形、过零点半梯形、全梯形、点分布、过零点分段线性分布和不过零点分段线性分布方式；
步骤五、综合评估结果获取
使用熵权法、层次分析法以及组合权重法获取各个设备部件的权重值，进而获取电网设备综合状态模拟仿真结果；
步骤六、设备运行状态全面可视化感知
将电网设备综合状态模拟仿真结果与电网设备实际的运行数据进行对比，当偏差超出设定范围时，采用深度神经网络对仿真结果和实际运行结果进行特征提取，输出修正系数，进而修正数字孪生模型；最终实现物理实体设备与其对应数字孪生模型的映射匹配，实现设备运行状态的全面可视化感知；
步骤七、电网设备状态预测和优化控制
依据修正后的数字孪生模型在数字环境中对电网设备的运行状态进行预测，在保证电网设备稳定运行的前提下以经济成本最优为目标进行设备运行状态实时优化控制；
步骤八、数字孪生模型修正
将电网设备在数字孪生模型中根据优化控制方案仿真的结果与电网设备物理实体实际运行优化控制方案的结果数据进行对比，判断误差是否超出设定的阈值；若超过阈值，则采用深度神经网络算法对仿真结果和实际结果进行特征提取，并输出最终的修正系数，用于修正电网设备的数字孪生模型，从而提高电网设备状态预测和优化控制的准确度和利用率；
步骤九、电网设备状态优化控制
依据修正后的数字孪生模型进行设备运行状态优化控制，延长电网设备的使用寿命，进而提升电网系统的总体经济效益。
2.根据权利要求1所述的基于数字孪生技术的电网设备运行状态预测及优化控制的方法，其特征在于，所述设备数字孪生模型构建具体流程如下：
（1）收集目标电网设备的物理实体数据；
（2）创建元模型；
（3）按照目标电网设备的具体物理实体数据，将元模型进行组装与重构，完成设备级数字孪生模型的初步生成；
（4）通过目标设备的历史信息数据驱动数字孪生模型工作，检查设备数字孪生模型的正确性以及合理性，并对检查不符合要求的物理特征或功能特征进行修改，得到目标设备当前最优的数字孪生模型。
3.根据权利要求2所述的基于数字孪生技术的电网设备运行状态预测及优化控制的方法，其特征在于，步骤二中（2）所述的元模型包括用来描述目标设备的几何信息以及物理属性的数据驱动模型和用来描述目标设备的功能特征的数据分析模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311645937.XA CN117391310B (zh) | 2023-12-04 | 2023-12-04 | 基于数字孪生技术的电网设备运行状态预测及优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311645937.XA CN117391310B (zh) | 2023-12-04 | 2023-12-04 | 基于数字孪生技术的电网设备运行状态预测及优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117391310A true CN117391310A (zh) | 2024-01-12 |
| CN117391310B CN117391310B (zh) | 2024-03-08 |
Family
ID=89439546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311645937.XA Active CN117391310B (zh) | 2023-12-04 | 2023-12-04 | 基于数字孪生技术的电网设备运行状态预测及优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117391310B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112731887A (zh) * | 2020-12-31 | 2021-04-30 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
| CN113902242A (zh) * | 2021-08-27 | 2022-01-07 | 广西电网有限责任公司南宁供电局 | 一种基于数字孪生的电网设备的综合状态评价方法及系统 |
| US20220164502A1 (en) * | 2020-11-23 | 2022-05-26 | Jiangsu University | Pump machine unit optimized operation regulation system and method based on digital twin |
| CN114584571A (zh) * | 2021-12-24 | 2022-06-03 | 北京中电飞华通信有限公司 | 基于空间计算技术的电网场站数字孪生同步通信方法 |
| CN115062493A (zh) * | 2022-07-22 | 2022-09-16 | 东方电子股份有限公司 | 电网二次设备连续运行测试专用数字孪生系统及构建方法 |
| CN115310638A (zh) * | 2022-09-20 | 2022-11-08 | 广东电网有限责任公司 | 基于数字孪生的变电站运维方法及系统 |
| CN115545970A (zh) * | 2022-10-13 | 2022-12-30 | 国网山西省电力公司 | 基于数字孪生的电网故障分析方法、系统、设备及介质 |
| CN115545345A (zh) * | 2022-11-08 | 2022-12-30 | 国网重庆市电力公司电力科学研究院 | 一种基于gru-tcn模型的电网负荷预测方法 |
| CN115693757A (zh) * | 2022-09-14 | 2023-02-03 | 国网浙江省电力有限公司嘉善县供电公司 | 一种基于数字孪生技术的光伏能源优化调控方法 |
| CN115801594A (zh) * | 2022-10-25 | 2023-03-14 | 国网辽宁省电力有限公司信息通信分公司 | 电力数据通信网的数字孪生模型的构建方法、设备及介质 |
| CN115828696A (zh) * | 2022-12-12 | 2023-03-21 | 昆明理工大学 | 基于数字孪生技术的齿轮箱phm优化方法及系统和应用 |
| CN116014715A (zh) * | 2022-12-15 | 2023-04-25 | 中国电力科学研究院有限公司 | 一种基于数字孪生的综合能源控制方法及系统 |
| CN116050250A (zh) * | 2022-12-12 | 2023-05-02 | 国网河北省电力有限公司电力科学研究院 | 基于混合驱动模型的电网数字孪生模型建模方法及装置 |
| CN116070305A (zh) * | 2022-12-27 | 2023-05-05 | 北京航天智造科技发展有限公司 | 一种数字孪生体建模实现系统、方法和存储介质 |
| WO2023079139A1 (en) * | 2021-11-05 | 2023-05-11 | Swiss Reinsurance Company Ltd. | Automated standardized location digital twin and location digital twin method factoring in dynamic data at different construction levels, and system thereof |
| CN116151662A (zh) * | 2023-01-09 | 2023-05-23 | 青岛联众芯云科技有限公司 | 一种基于多状态量模型评估配电变压器健康状态的方法 |
| US20230195066A1 (en) * | 2021-12-21 | 2023-06-22 | Johnson Controls Tyco IP Holdings LLP | Building data platform with policy learning for digital twins |
| CN116546521A (zh) * | 2023-04-04 | 2023-08-04 | 中国移动紫金(江苏)创新研究院有限公司 | 一种基于数字孪生技术的移动通信网络覆盖优化方法 |
-
2023
- 2023-12-04 CN CN202311645937.XA patent/CN117391310B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220164502A1 (en) * | 2020-11-23 | 2022-05-26 | Jiangsu University | Pump machine unit optimized operation regulation system and method based on digital twin |
| CN112731887A (zh) * | 2020-12-31 | 2021-04-30 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
| CN113902242A (zh) * | 2021-08-27 | 2022-01-07 | 广西电网有限责任公司南宁供电局 | 一种基于数字孪生的电网设备的综合状态评价方法及系统 |
| WO2023079139A1 (en) * | 2021-11-05 | 2023-05-11 | Swiss Reinsurance Company Ltd. | Automated standardized location digital twin and location digital twin method factoring in dynamic data at different construction levels, and system thereof |
| US20230195066A1 (en) * | 2021-12-21 | 2023-06-22 | Johnson Controls Tyco IP Holdings LLP | Building data platform with policy learning for digital twins |
| CN114584571A (zh) * | 2021-12-24 | 2022-06-03 | 北京中电飞华通信有限公司 | 基于空间计算技术的电网场站数字孪生同步通信方法 |
| CN115062493A (zh) * | 2022-07-22 | 2022-09-16 | 东方电子股份有限公司 | 电网二次设备连续运行测试专用数字孪生系统及构建方法 |
| CN115693757A (zh) * | 2022-09-14 | 2023-02-03 | 国网浙江省电力有限公司嘉善县供电公司 | 一种基于数字孪生技术的光伏能源优化调控方法 |
| CN115310638A (zh) * | 2022-09-20 | 2022-11-08 | 广东电网有限责任公司 | 基于数字孪生的变电站运维方法及系统 |
| CN115545970A (zh) * | 2022-10-13 | 2022-12-30 | 国网山西省电力公司 | 基于数字孪生的电网故障分析方法、系统、设备及介质 |
| CN115801594A (zh) * | 2022-10-25 | 2023-03-14 | 国网辽宁省电力有限公司信息通信分公司 | 电力数据通信网的数字孪生模型的构建方法、设备及介质 |
| CN115545345A (zh) * | 2022-11-08 | 2022-12-30 | 国网重庆市电力公司电力科学研究院 | 一种基于gru-tcn模型的电网负荷预测方法 |
| CN115828696A (zh) * | 2022-12-12 | 2023-03-21 | 昆明理工大学 | 基于数字孪生技术的齿轮箱phm优化方法及系统和应用 |
| CN116050250A (zh) * | 2022-12-12 | 2023-05-02 | 国网河北省电力有限公司电力科学研究院 | 基于混合驱动模型的电网数字孪生模型建模方法及装置 |
| CN116014715A (zh) * | 2022-12-15 | 2023-04-25 | 中国电力科学研究院有限公司 | 一种基于数字孪生的综合能源控制方法及系统 |
| CN116070305A (zh) * | 2022-12-27 | 2023-05-05 | 北京航天智造科技发展有限公司 | 一种数字孪生体建模实现系统、方法和存储介质 |
| CN116151662A (zh) * | 2023-01-09 | 2023-05-23 | 青岛联众芯云科技有限公司 | 一种基于多状态量模型评估配电变压器健康状态的方法 |
| CN116546521A (zh) * | 2023-04-04 | 2023-08-04 | 中国移动紫金(江苏)创新研究院有限公司 | 一种基于数字孪生技术的移动通信网络覆盖优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 齐波等: "数字孪生技术在输变电设备状态评估中的应用现状与发展展望", 《高电压技术》, 31 May 2021 (2021-05-31), pages 1522 - 1538 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117391310B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
| WO2023142424A1 (zh) | 基于gru-lstm神经网络的电力金融业务风控方法及系统 | |
| CN117389236B (zh) | 一种环氧丙烷生产过程优化方法及系统 | |
| CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
| CN107862763B (zh) | 列车安全预警评估模型训练方法、模块及监测评估系统 | |
| CN111143447B (zh) | 一种电网薄弱环节动态监测预警决策系统及方法 | |
| CN113971463A (zh) | 一种供热管线风险分布分析方法与巡检路径规划系统 | |
| CN113887846B (zh) | 一种电容式电压互感器的超差风险预警方法 | |
| CN106951990A (zh) | 电力负荷智能预测方法及装置 | |
| CN110232490A (zh) | 一种配电网工程投资成效的评估方法及系统 | |
| CN103698627A (zh) | 基于灰模糊萤火虫算法优化的变压器故障诊断方法 | |
| CN113987294A (zh) | 一种基于遗传优化gru神经网络的cvt在线故障诊断方法 | |
| CN114548494B (zh) | 一种可视化造价数据预测智能分析系统 | |
| CN116720324A (zh) | 基于预测模型的牵引变电所关键设备故障预警方法及系统 | |
| CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与系统 | |
| CN118297775B (zh) | 基于数字孪生技术的城市规划管控系统 | |
| CN116933010A (zh) | 一种基于多源数据融合与深度学习的负载率分析评价方法和系统 | |
| CN111612227A (zh) | 一种基于K-means聚类与蝙蝠优化神经网络的负荷预测方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN118278914A (zh) | 一种基于gis系统设备故障抢修的实现方法 | |
| CN117391310B (zh) | 基于数字孪生技术的电网设备运行状态预测及优化方法 | |
| CN117611135A (zh) | 一种可视化设备运维管控方法及系统 | |
| CN115864644A (zh) | 一种继电保护装置状态评价方法、系统、设备及介质 | |
| CN114332515A (zh) | 一种基于直觉模糊聚类磨煤机运行安全性在线评判方法 | |
| CN111382946B (zh) | 设备健康状态的自主评估方法、系统及工业互联网设备 |
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 |