CN115954933A - 电网数字孪生***构建方法、装置、电子设备和存储介质 - Google Patents
电网数字孪生***构建方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115954933A CN115954933A CN202211590254.4A CN202211590254A CN115954933A CN 115954933 A CN115954933 A CN 115954933A CN 202211590254 A CN202211590254 A CN 202211590254A CN 115954933 A CN115954933 A CN 115954933A
- Authority
- CN
- China
- Prior art keywords
- equipment
- digital twin
- data
- electrical quantity
- twin
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种电网数字孪生***构建方法、装置、电子设备和存储介质,其中,该方法包括:采集电网内的设备的电气量及非电气量数据;对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,设备的孪生模型根据设备实体建模生成;对设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。通过本发明,解决了相关技术中存在的缺少利用数字孪生对大量分布式能源进行协调管理的问题。
Description
技术领域
本发明涉及数字孪生技术领域,尤其涉及一种电网数字孪生***构建方法、装置、电子设备和存储介质。
背景技术
随着光伏、风电等新能源的开发和利用,能源供应朝着分散生产和网络共享的方向转变,但能源行业仍普遍存在体制、技术和市场壁垒,能源供应侧、传输侧和消费侧都存在大量信息不透明、不共享的问题。构建智慧能源互联网是能源行业的发展趋势,而信息技术的发展,如云计算、AI、大数据、数字孪生等新兴热点技术,为能源行业的创新与变革、能源***的数字化转型提供了技术支持。
由于电网数字孪生体涉及电力、物联网、5G通信、人工智能、大数据等技术,较为复杂且难以描述,目前数字孪生对于电网数字孪生体的研究还处于初级阶段。因此,现有技术中存在缺少利用数字孪生对大量分布式能源进行协调管理的问题。
发明内容
本发明提供了一种电网数字孪生***构建方法、装置、电子设备和存储介质,以至少解决相关技术中存在缺少利用数字孪生对大量分布式能源进行协调管理的问题。
根据本发明实施例的第一方面,提供了一种电网数字孪生***构建方法,该方法包括:采集电网内的设备的电气量及非电气量数据;对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,所述设备的孪生模型根据设备实体建模生成;对所述设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。
可选地,所述对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,所述设备的孪生模型根据设备实体建模生成,包括:对所述电气量及非电气量数据采用主成分分析法去除冗余信息;利用神经网络对去除冗余信息后的电气量及非电气量数据进行特征提取,得到特征信息;根据实体设备的结构、实体设备包含的器件属性、设备的纹理建立设备的孪生模型;将所述特征信息与所述设备的孪生模型关联,建立设备级数字孪生体。
可选地,在所述对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体之后,所述方法还包括:根据设备物理实体属性信息建立数字孪生子模型,其中,所述数字孪生子模型包括:机理子模型、数据驱动子模型、电磁暂态模型、稳态模型;根据设备级数字孪生体对所述数字孪生子模型进行组合;采用自动路由分配实现所述数字孪生子模型和所述设备级数字孪生体间的数据传输。
可选地,在所述对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体之后,所述方法还包括:采用模型适配器为设备级数字孪生体提供访问接口;采用自适应计算单元根据预设规则对设备级数字孪生体的数据类型以及数据范围进行合理性校验。
可选地,所述方法还包括:获取虚拟电厂数字孪生体中设备级数字孪生体的运行数据;对所述运行数据进行特征提取和融合;根据特征提取和融合后的运行数据以及所述优化调度目标控制虚拟电厂数字孪生体中设备级数字孪生体的运行状态。
可选地,所述对所述运行数据进行特征提取和融合,包括:对所述运行数据中的非结构化数据进行特征提取,得到多个特征向量;将多个特征向量映射至公共子空间或者以任一特征向量作为基准向量将其他特征向量映射至基准向量所在的空间;对映射后的多个特征向量进行融合。
可选地,所述对所述设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合,包括:根据设备对应的能源网或信息网的属性确定设备的运行特性;根据所述运行特性和预划分区域的用电需求确定设备的聚合策略;根据所述聚合策略对设备级数字孪生体进行聚合。
根据本发明实施例的第二方面,还提供了一种电网数字孪生***构建装置,该装置包括:采集模块,用于采集设备的电气量及非电气量数据;第一建立模块,用于对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,所述设备的孪生模型根据设备实体建模生成;聚合模块,用于对所述设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;第二建立模块,用于根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。
可选地,所述第一建立模块包括:主成分分析单元,用于对所述电气量及非电气量数据采用主成分分析法去除冗余信息;特征提取单元,用于利用神经网络对去除冗余信息后的电气量及非电气量数据进行特征提取,得到特征信息;第一建立单元,用于根据实体设备的结构、实体设备包含的器件属性、设备的纹理建立设备的孪生模型;第二建立单元,用于将所述特征信息与所述设备的孪生模型关联,建立设备级数字孪生体。
可选地,所述装置还包括:第三建立模块,用于根据设备物理实体属性信息建立数字孪生子模型,其中,所述数字孪生子模型包括:机理子模型、数据驱动子模型、电磁暂态模型、稳态模型;组合模块,用于根据设备级数字孪生体对所述数字孪生子模型进行组合;自动路由分配模块,用于采用自动路由分配实现所述数字孪生子模型和所述设备级数字孪生体间的数据传输。
可选地,所述装置还包括:适配模块,用于采用模型适配器为设备级数字孪生体提供访问接口;自适应计算模块,用于采用自适应计算单元根据预设规则对设备级数字孪生体的数据类型以及数据范围进行合理性校验。
可选地,所述装置还包括:获取模块,用于获取虚拟电厂数字孪生体中设备级数字孪生体的运行数据;特征处理模块,用于对所述运行数据进行特征提取和融合;控制模块,用于根据特征提取和融合后的运行数据以及所述优化调度目标控制虚拟电厂数字孪生体中设备级数字孪生体的运行状态。
可选地,所述特征处理模块包括:得到单元,用于对所述运行数据中的非结构化数据进行特征提取,得到多个特征向量;映射单元,用于将多个特征向量映射至公共子空间或者以任一特征向量作为基准向量将其他特征向量映射至基准向量所在的空间;融合单元,用于对映射后的多个特征向量进行融合。
可选地,所述聚合模块包括:第一确定单元,用于根据设备对应的能源网或信息网的属性确定设备的运行特性;第二确定单元,用于根据所述运行特性和预划分区域的用电需求确定设备的聚合策略;聚合单元,用于根据所述聚合策略对设备级数字孪生体进行聚合。
根据本发明实施例的第三方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;其中,存储器,用于存储计算机程序;处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
根据本发明实施例的第四方面,还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
在本发明实施例中,通过采集电网内的设备的电气量及非电气量数据;对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体;对设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。由于将采集的设备即分布式能源的数据与建模得到的孪生模型关联,从而为分布式能源实体建立了虚拟空间的映射即设备级数字孪生体,实现了通过设备级数字孪生体对实体设备进行实时监控、仿真分析和优化的目的。对设备级数字孪生体根据预划分区域的用电需求以及设备属性的用能、出力特性进行聚合,再根据优化调度目标对聚合后的设备级数字孪生体划分层级,建立多层级虚拟电厂数字孪生体,达到了对电网内的分布式能源分层管理的效果,实现了对具有不确定性和耦合性的分布式能源聚合体进行资源协调的目的,进而解决了相关技术中存在的缺少利用数字孪生对大量分布式能源进行协调管理的问题。
在本发明实施例中,对采集的电气量及非电气量数据处理时,采用主成分分析法去除冗余信息,达到了在保留数据有用信息的同时降低数据复杂性的效果,降低了计算量,节省了计算空间,提高了计算速度,然后利用神经网络进行特征提取,由于神经网络具有良好的非线性映射能力和自学习适应能力,从而实现了提高了特征提取准确性的目的。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种可选的电网数字孪生***构建方法的硬件环境的示意图;
图2是根据本发明实施例的一种可选的电网数字孪生***构建方法的流程示意图;
图3是根据本发明实施例的一种可选的电网数字孪生模型的架构示意图;
图4是根据本发明实施例的一种可选的设备级数字孪生体聚合示意图;
图5是根据本发明实施例的一种可选的多层级虚拟电厂数字孪生体分层控制架构示意图;
图6是根据本发明实施例的一种可选的电网数字孪生***构建装置的结构框图;
图7是根据本发明实施例的一种可选的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。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,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。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发明中的具体含义。
根据本发明实施例的一个方面,提供了一种电网数字孪生***构建方法。可选地,在本实施例中,上述电网数字孪生***构建方法可以应用于如图1所示的硬件环境中。如图1所示,终端102中可以包含有存储器104、处理器106和显示器108(可选部件)。终端102可以通过网络110与服务器112进行通信连接,该服务器112可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器112上或独立于服务器112设置数据库114,用于为服务器112提供数据存储服务。此外,服务器112中可以运行有处理引擎116,该处理引擎116可以用于执行由服务器112所执行的步骤。
可选地,终端102可以但不限于为可以计算数据的终端,如移动终端(例如手机、平板电脑)、笔记本电脑、PC(Personal Computer,个人计算机)机等终端上,上述网络可以包括但不限于无线网络或有线网络。其中,该无线网络包括:蓝牙、WIFI(Wireless Fidelity,无线保真)及其他实现无线通信的网络。上述有线网络可以包括但不限于:广域网、城域网、局域网。上述服务器112可以包括但不限于任何可以进行计算的硬件设备。
此外,在本实施例中,上述电网数字孪生***构建方法还可以但不限于应用于处理能力较强大的独立的处理设备中,而无需进行数据交互。例如,该处理设备可以但不限于为处理能力较强大的终端设备,即,上述电网数字孪生***构建方法中的各个操作可以集成在一个独立的处理设备中。上述仅是一种示例,本实施例中对此不作任何限定。
可选地,在本实施例中,上述电网数字孪生***构建方法可以由服务器112来执行,也可以由终端102来执行,还可以是由服务器112和终端102共同执行。其中,终端102执行本发明实施例的电网数字孪生***构建方法也可以是由安装在其上的客户端来执行。
以电网数字孪生***构建方法应用于中央处理单元为例,图2是根据本发明实施例的一种可选的电网数字孪生***构建方法的流程示意图,如图2所示,该方法的流程可以包括以下步骤:
步骤S201,采集电网内的设备的电气量及非电气量数据。可选地,使用多类传感器如电压传感器、电流传感器、温度传感器、加速度传感器等采集电网内设备的电气量及非电气量数据发送给中央处理单元,其中,电网内的设备包括分布式能源如光伏发电设备、风能发电设备、燃气发电设备以及分布式储能设备,电气量数据包括电流、电压、频率等,非电气量数据即非电气运行参数,包括温度、压力、流量、转速等。
步骤S202,对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,设备的孪生模型根据设备实体建模生成。可选地,中央处理单元对采集的电气量及非电气量数据使用数理统计、机器学习等方法进行特征提取,然后将提取后的特征与建模得到的设备的孪生模型建立映射关系,从而建立设备级数字孪生体。设备级数字孪生体即实体设备对应的一个虚拟数字化模型,这个模型通过接收实体设备的实时数据进行计算,保证模型和实体设备的一致性。
步骤S203,对设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合。可选地,对设备级数字孪生体的属性进行分析,如分布式电源的出力特性或者分布式储能设备的容量等,并根据预划分区域的用电需求对设备级数字孪生体聚合,保证聚合后的设备级数字孪生体能可靠地满足区域内的用电需求。
步骤S204,根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。可选地,设立区域整体优化调度的目标,如以聚合后的设备级数字孪生体在满足区域需求后能额外提供的电能最大为优化调度目标,根据额外提供的电能值划分等级,从而对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。
在本发明实施例中,通过采集电网内的设备的电气量及非电气量数据;对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体;对设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。由于将采集的设备即分布式能源的数据与建模得到的孪生模型关联,从而为分布式能源实体建立了虚拟空间的映射即设备级数字孪生体,实现了通过设备级数字孪生体对实体设备进行实时监控、仿真分析和优化的目的。对设备级数字孪生体根据预划分区域的用电需求以及设备属性的用能、出力特性进行聚合,再根据优化调度目标对聚合后的设备级数字孪生体划分层级,建立多层级虚拟电厂数字孪生体,达到了对电网内的分布式能源分层管理的效果,实现了对具有不确定性和耦合性的分布式能源聚合体进行资源协调的目的,进而解决了相关技术中存在的缺少利用数字孪生对大量分布式能源进行协调管理的问题。
作为一种可选的实施例,对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,设备的孪生模型根据设备实体建模生成,包括:对电气量及非电气量数据采用主成分分析法去除冗余信息;利用神经网络对去除冗余信息后的电气量及非电气量数据进行特征提取,得到特征信息;根据实体设备的结构、实体设备包含的器件属性、设备的纹理建立设备的孪生模型;将特征信息与设备的孪生模型关联,建立设备级数字孪生体。
可选地,对采集的电气量及非电气量数据进行处理后提取需要的特征,假如此时的采集设备是光伏发电设备,采集的电气量及非电气量数据包括光伏电池板的输出电流、光照强度、温度、湿度等环境参数,搭建神经网络模型根据多个维度的数据预测光伏发电设备的发电量。由于采集的电气量及非电气量数据包括多个维度的信息,而这些信息如光照强度、温度、湿度之间又存在关联性,因此可采用主成分分析法对采集的数据进行降维,去除冗余信息后输入神经网络进行特征提取。另外,采集数据的处理可以使用多种方法,如使用加权融合法和比值法对多维冗余信息进行加权平均,将结果作为融合值;使用D-S推理法,对某些特征进行合成以实现信息融合,提高特征融合计算的精度与可信度。
在建立设备的孪生模型时,按照模型精细程度划分为5个等级,对模型进行不同粒度的建模,从而匹配不同场景的构建需求,降低运行时的引擎负荷。具体地,对L1初级模型库中地域地形地貌、山川湖泊、电力网格等粗粒度场景,采用倾斜摄影技术结合GIS信息进行建模;对地市级、园区级的L2中级模型库中园区建筑、场站轮廓、道路、地表标志等中粒度场景,采用倾斜摄影、激光扫描等技术进行建模;对数据中心、场站级的L3高级模型库中建筑、人车轨迹、杆塔沟道等细粒度场景,采用倾斜摄影、激光扫描、数字近景摄影测量建模;对重要设备、关键资产监控的L4超级模型库中巡检标线、设备、仪表等精粒度场景,采用三维激光扫描、数字近景摄影测量建模;对超真粒度的L5超真级模型库中设备器件、纹理材质等重要部分,采用传统人工建模。将使用神经网络提取的特征信息与建模得到的设备的孪生模
型建立映射关系,从而形成虚拟的设备级数字孪生体用于反映实体设5备。
在本发明实施例中,对采集的电气量及非电气量数据处理时,采用主成分分析法去除冗余信息,达到了在保留数据有用信息的同时降低数据复杂性的效果,降低了计算量,节省了计算空间,提高了计算
速度,然后利用神经网络进行特征提取,由于神经网络具有良好的非0线性映射能力和自学习适应能力,从而实现了提高了特征提取准确性的目的。
作为一种可选的实施例,在对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体之后,方法还包括:根据设备物理实体属性信息建立数字孪生子模型,其中,数字孪5生子模型包括:机理子模型、数据驱动子模型、电磁暂态模型、稳态模型;根据设备级数字孪生体对数字孪生子模型进行组合;采用自动路由分配实现数字孪生子模型和设备级数字孪生体间的数据传输。
可选地,数字孪生子模型是运行在容器上的仿真程序,根据模拟物理实体的不同属性、精度以及响应速度要求,数字孪生子模型可以0划分多种类型,如:机理子模型,基于能量平衡方程、电路基本定律等规律建立对象或过程的数学模型,具有非常明确的物理意义;数据驱动子模型,即在数据的基础上经过训练和拟合形成自动化的决策模型,通常数据驱动子模型使用CNN、LSTM等神经网络模型;除此以外还可以使用仿真软件如LTspice电路仿真软件、pscad等搭建电磁暂态模型、稳态模型。将这些仿真程序运行在容器上,模拟实体设备的运行状态,通过对这些数字孪生子模型进行组合,如根据机理模型和数据驱动模型建立风力发电的设备级数字孪生体,根据转速、振动幅度等参数对风力发电设备的故障点进行预测,多个数字孪生子模型由数字孪生体总模型组织在一起,并提供对外界交互需求的自动路由功能即供第三方程序访问的接口。根据传入数字孪生体的请求类型,自动路由会将请求分配到对应的数字孪生子模型进行处理,并反馈数据给第三方程序,从而提升了数字孪生体的可扩展性和插件化。
作为一种可选的实施例,在对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体之后,方法还包括:采用模型适配器为设备级数字孪生体提供访问接口;采用自适应计算单元根据预设规则对设备级数字孪生体的数据类型以及数据范围进行合理性校验。可选地,为设备级数字孪生体提供模式适配器和自适应计算单元,其中,模式适配器用来提供统一的标准接口跟仿真程序进行适配;自适应计算单元根据预设规则如设备的数据类型、数据正常运行下的范围等对中央处理单元传输的采集自实体设备的数据和自身参数的合理性校核;自适应计算单元根据设置的输入数据计算时,通过更改设备的输入输出数据并反馈给与之相连的设备级数字孪生体,令输出数据与实际采集数据在合理范围内相等或接近,经多次循环后达到***平衡,提高了数字孪生体的自我治理、自我适应、相互关联、相互博弈的群体性智能能力,降低数字孪生***的计算复杂度。
作为一种可选的实施例,图3是根据本发明实施例的一种可选的电网数字孪生模型的架构示意图,如图3所示,电网数字孪生模型即设备级数字孪生体可以由机理子模型、数据驱动子模型和电磁暂态模型等数字孪生子模型中的一种或多种组合而成,每一种数字孪生子模型可包括模型适配器和自适应计算单元,其中,模型适配器为仿真(CAE/BIM)提供模型使用的接口,CAE(Computer Aided Engineering,计算机辅助工程)、BIM(BuildingInformation Modeling,建筑信息模型)等仿真手段通过建模和数据计算实现电磁仿真、电路仿真,多能流仿真和规划仿真等,其中,多能流仿真即对多种类型能源紧密联系形成复杂的多能流网络进行建模和计算,规划仿真通过将地图划分为一个个栅格进行仿真计算。
作为一种可选的实施例,方法还包括:获取虚拟电厂数字孪生体中设备级数字孪生体的运行数据;对运行数据进行特征提取和融合;根据特征提取和融合后的运行数据以及优化调度目标控制虚拟电厂数字孪生体中设备级数字孪生体的运行状态。可选地,获取虚拟电厂数字孪生体中设备级数字孪生体的运行数据,运行数据可以是电流、转速、振幅、风速等多维度的数据,因此,在对数据进行计算前,需要对多尺度的特征进行提取和融合,然后可以利用神经网络模型根据优化调度目标和提取融合后的数据进行计算,控制虚拟电厂数字孪生体中设备级数字孪生体的运行状态,对设备级数字孪生体的输入输出参数进行调节,从而实现虚拟电厂的协调控制和能量优化管理。
作为一种可选的实施例,对运行数据进行特征提取和融合,包括:对运行数据中的非结构化数据进行特征提取,得到多个特征向量;将多个特征向量映射至公共子空间或者以任一特征向量作为基准向量将其他特征向量映射至基准向量所在的空间;对映射后的多个特征向量进行融合。可选地,对非结构化数据即数据结构不规则或不完整,没有预定义的数据模型,如文本、图像、音频等数据,采用时间对齐法以低采样频率为基准,选取同一或相近采样时刻数据进行特征提取,特征提取为根据非结构化数据的格式、物理含义以及融合目的对数据进行分析的过程。经过特征提取后得到的数据具有不同的特征描述空间,无法直接进行特征融合,因此需要将各个特征映射至同一空间或同一坐标系,即对异构特征向量进行同化,然后在公共子空间/子坐标系进行特征融合。特征融合的思路有两种:一种是分别对每种参量提取特征后,将特征向量映射至同一公共子空间,然后在公共子空间对特征向量进行融合;另一种是以任一特征向量为基准,将其他特征向量映射至该特征向量即基准向量所在的空间,然后对同一向量空间的特征向量进行融合。
作为一种可选的实施例,对设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合,包括:根据设备对应的能源网或信息网的属性确定设备的运行特性;根据运行特性和预划分区域的用电需求确定设备的聚合策略;根据聚合策略对设备级数字孪生体进行聚合。可选地,确定设备为能源网或信息网供电时的设备运行特性,如在能源网中设备的出力特性、充放电特性、储能容量,在为信息网如通讯网供电时数据传输时间的不确定等等,将这些特性作为属性集合、方程描述等通过模型进行表示,然后根据预划分区域的用电需求确定设备的聚合策略,聚合策略可以根据具体需求选取不同的属性作为参考因素,如风力发电设备出力在低水平时间较长,满发时间较少,因此在聚合时可加入储能设备等能稳定出力并且可以调节的设备,从而将区域整体的用电维持在较为稳定的状态。
作为一种可选的实施例,图4是根据本发明实施例的一种可选的设备级数字孪生体聚合示意图,如图4所示,设备可以为电网、热网、气网或信息网等不同形式的网络供电,在每一种网络下,设备节点又可分为源、荷、储等不同类型,即作为电源、负荷或储能设备加入能源互联网。其中,分布式电源在为电网供电时主要考虑的属性包括分布式电源的不确定性和出力特性;分布式负荷在电网中运行时主要考虑的属性包括用能偏好以及集群特性;储能设备在电网中主要考虑的属性则是充放电性和储能容量。由于热网中设备与热用户的相互位置和供热地区热用户种类、热负荷大小和性质需求都不相同,因此还要考虑电源功能的多样性和负荷对于设备需求的多样性。气网除了分布式电源供能的安全性还包括负荷方用能的政策偏好和随机性。信息网中的节点具有多类业务性、控制性等多重属性,具体体现在通讯网络、计算机网络、视频网络等媒体数据传输时间的不确定,数据传输中可能发生丢失和出错、数据传输延迟等方面。
对于这种多耦合网络的建模,网络中的节点可能包含上述多种特性,使用集合表征,并且集合中每个元素可以是子属性集合、方程描述、语言描述等。根据设备节点的多种属性建立计算模型,结合区域的用电需求对虚拟空间中的设备级数字孪生体通过关联关系建模进行聚合。其中,社团是关联关系的一种结构,能源集线器是实现能量汇集、分配及存储的装置,通过能源集线器和社团等关联关系将设备级数字孪生体的信息和结构关联,形成聚合的拓扑结构。然后采集聚合后的设备级数字孪生体的数据,提取特征进行特征融合分析,从而实现对分布式能源的规划、稳定性分析、脆弱性分析、运维、调度、状态评估等。
作为一种可选的实施例,图5是根据本发明实施例的一种可选的多层级虚拟电厂数字孪生体分层控制架构示意图,如图5所示,采用基于多代理的虚拟电厂数字孪生体分层控制架构,实现电网数字孪生***的协调控制和能量优化管理,从而克服现有分布式控制方法的局限性、满足虚拟电厂数字孪生体灵活改变运行状态的要求。结合附图5说明具体处理过程如下:
首先,每个虚拟电厂数字孪生体包括多个分布式能源即设备级数字孪生体、多个代理模块以及数据交换和协同控制中心。其中,多个代理模块之间能双向通信,模块代理和分布式能源之间实时交互通信,根据功能划分为负责监控、监测***电压和频率的代理模块;存储相关分布式能源信息的代理模块;为用户提供实时信息,监测负荷用电量的代理模块等等。各个代理模块的行为具有自治性和独立性,可以根据电网的环境适当做出改变以满足电网的需求,通过各代理模块的双向通信,可以实现虚拟电厂的协调控制和能量优化管理,提高分布式电源的利用率。其次,模块代理由数据交换和协同控制中心进行调
度,上级虚拟电厂数字孪生体和下级虚拟电厂数字孪生体间通过信息5传输反馈,根据区域用电情况,虚拟电厂数字孪生体可以控制辖区内的设备级数字孪生体发电或用电量,通过代理模块监控协调调度后的设备级数字孪生体输出信息,反馈给相邻层级的虚拟电厂数字孪生体,从而构成一个整体的多层次结构。
根据本发明实施例的另一个方面,还提供了一种用于实施上述电0网数字孪生***构建方法的电网数字孪生***构建装置。图6是根据
本发明实施例的一种可选的电网数字孪生***构建装置的结构框图,如图6所示,该装置可以包括:采集模块601,用于采集设备的电气量及非电气量数据;第一建立模块602,用于对电气量及非电气量数据进
行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,5设备的孪生模型根据设备实体建模生成;聚合模块603,用于对设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;第二建立模块604,用于根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。
需要说明的是,该实施例中的采集模块601可以用于执行上述步0骤S201,该实施例中的第一建立模块602可以用于执行上述步骤S202,
该实施例中的聚合模块603可以用于执行上述步骤S203,该实施例中的第二建立模块604可以用于执行上述步骤S204。
通过上述模块,将采集的设备即分布式能源的数据与建模得到的孪生模型关联,从而为分布式能源实体建立了虚拟空间的映射即设备级数字孪生体,实现了通过设备级数字孪生体对实体设备进行实时监控、仿真分析和优化的目的。对设备级数字孪生体根据预划分区域的用电需求以及设备属性的用能、出力特性进行聚合,再根据优化调度目标对聚合后的设备级数字孪生体划分层级,建立多层级虚拟电厂数字孪生体,达到了对电网内的分布式能源分层管理的效果,实现了对具有不确定性和耦合性的分布式能源聚合体进行资源协调的目的,进而解决了相关技术中存在的缺少利用数字孪生对大量分布式能源进行协调管理的问题。
作为一种可选的实施例,第一建立模块包括:主成分分析单元,用于对电气量及非电气量数据采用主成分分析法去除冗余信息;特征提取单元,用于利用神经网络对去除冗余信息后的电气量及非电气量数据进行特征提取,得到特征信息;第一建立单元,用于根据实体设备的结构、实体设备包含的器件属性、设备的纹理建立设备的孪生模型;第二建立单元,用于将特征信息与设备的孪生模型关联,建立设备级数字孪生体。
作为一种可选的实施例,装置还包括:第三建立模块,用于根据设备物理实体属性信息建立数字孪生子模型,其中,数字孪生子模型包括:机理子模型、数据驱动子模型、电磁暂态模型、稳态模型;组合模块,用于根据设备级数字孪生体对数字孪生子模型进行组合;自动路由分配模块,用于采用自动路由分配实现数字孪生子模型和设备级数字孪生体间的数据传输。
作为一种可选的实施例,装置还包括:适配模块,用于采用模型适配器为设备级数字孪生体提供访问接口;自适应计算模块,用于采用自适应计算单元根据预设规则对设备级数字孪生体的数据类型以及数据范围进行合理性校验。
作为一种可选的实施例,装置还包括:获取模块,用于获取虚拟电厂数字孪生体中设备级数字孪生体的运行数据;特征处理模块,用于对运行数据进行特征提取和融合;控制模块,用于根据特征提取和融合后的运行数据以及优化调度目标控制虚拟电厂数字孪生体中设备级数字孪生体的运行状态。
作为一种可选的实施例,特征处理模块包括:得到单元,用于对运行数据中的非结构化数据进行特征提取,得到多个特征向量;映射单元,用于将多个特征向量映射至公共子空间或者以任一特征向量作为基准向量将其他特征向量映射至基准向量所在的空间;融合单元,用于对映射后的多个特征向量进行融合。
作为一种可选的实施例,聚合模块包括:第一确定单元,用于根据设备对应的能源网或信息网的属性确定设备的运行特性;第二确定单元,用于根据运行特性和预划分区域的用电需求确定设备的聚合策略;聚合单元,用于根据聚合策略对设备级数字孪生体进行聚合。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本发明实施例的又一个方面,还提供了一种用于实施上述电网数字孪生***构建方法的电子设备,该电子设备可以是服务器、终端、或者其组合。
图7是根据本发明实施例的一种可选的电子设备的结构框图,如图7所示,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701、通信接口702和存储器703通过通信总线704完成相互间的通信,其中,存储器703,用于存储计算机程序;处理器701,用于执行存储器703上所存放的计算机程序时,实现如下步骤:
采集电网内的设备的电气量及非电气量数据;对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,设备的孪生模型根据设备实体建模生成;对设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。
可选地,在本实施例中,上述的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线、或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM,也可以包括非易失性存储器(non-volatile memory),例如,至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
作为一种示例,如图7所示,上述存储器703中可以但不限于包括上述电网数字孪生***构建装置中的采集模块601、第一建立模块602、聚合模块603以及第二建立模块604。此外,还可以包括但不限于上述电网数字孪生***构建装置中的其他模块单元,本示例中不再赘述。
上述处理器可以是通用处理器,可以包含但不限于:CPU(Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(DigitalSignal Processing,数字信号处理器)、ASIC(Application Specific IntegratedCircuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
此外,上述电子设备还包括:显示器,用于显示电网数字孪生***构建结果。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图7所示的结构仅为示意,实施上述电网数字孪生***构建方法的设备可以是终端设备,该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图7并不对上述电子设备的结构造成限定。例如,终端设备还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图7所示的不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
根据本发明实施例的又一个方面,还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于执行电网数字孪生***构建方法的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
采集电网内的设备的电气量及非电气量数据;对电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,设备的孪生模型根据设备实体建模生成;对设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例中对此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
根据本发明实施例的又一个方面,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中;计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任一个实施例中的电网数字孪生***构建方法步骤。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例电网数字孪生***构建方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种电网数字孪生***构建方法,其特征在于,所述方法包括:
采集电网内的设备的电气量及非电气量数据;
对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,所述设备的孪生模型根据设备实体建模生成;
对所述设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;
根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。
2.根据权利要求1所述的电网数字孪生***构建方法,其特征在于,所述对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,所述设备的孪生模型根据设备实体建模生成,包括:
对所述电气量及非电气量数据采用主成分分析法去除冗余信息;
利用神经网络对去除冗余信息后的电气量及非电气量数据进行特征提取,得到特征信息;
根据实体设备的结构、实体设备包含的器件属性、设备的纹理建立设备的孪生模型;
将所述特征信息与所述设备的孪生模型关联,建立设备级数字孪生体。
3.根据权利要求1所述的电网数字孪生***构建方法,其特征在于,在所述对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体之后,所述方法还包括:
根据设备物理实体属性信息建立数字孪生子模型,其中,所述数字孪生子模型包括:机理子模型、数据驱动子模型、电磁暂态模型、稳态模型;
根据设备级数字孪生体对所述数字孪生子模型进行组合;
采用自动路由分配实现所述数字孪生子模型和所述设备级数字孪生体间的数据传输。
4.根据权利要求1所述的电网数字孪生***构建方法,其特征在于,在所述对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体之后,所述方法还包括:
采用模型适配器为设备级数字孪生体提供访问接口;
采用自适应计算单元根据预设规则对设备级数字孪生体的数据类型以及数据范围进行合理性校验。
5.根据权利要求1所述的电网数字孪生***构建方法,其特征在于,所述方法还包括:
获取虚拟电厂数字孪生体中设备级数字孪生体的运行数据;
对所述运行数据进行特征提取和融合;
根据特征提取和融合后的运行数据以及所述优化调度目标控制虚拟电厂数字孪生体中设备级数字孪生体的运行状态。
6.根据权利要求5所述的电网数字孪生***构建方法,其特征在于,所述对所述运行数据进行特征提取和融合,包括:
对所述运行数据中的非结构化数据进行特征提取,得到多个特征向量;
将多个特征向量映射至公共子空间或者以任一特征向量作为基准向量将其他特征向量映射至基准向量所在的空间;
对映射后的多个特征向量进行融合。
7.根据权利要求1所述的电网数字孪生***构建方法,其特征在于,所述对所述设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合,包括:
根据设备对应的能源网或信息网的属性确定设备的运行特性;
根据所述运行特性和预划分区域的用电需求确定设备的聚合策略;
根据所述聚合策略对设备级数字孪生体进行聚合。
8.一种电网数字孪生***构建装置,其特征在于,所述装置包括:
采集模块,用于采集设备的电气量及非电气量数据;
第一建立模块,用于对所述电气量及非电气量数据进行特征提取后与设备的孪生模型关联,建立设备级数字孪生体,其中,所述设备的孪生模型根据设备实体建模生成;
聚合模块,用于对所述设备级数字孪生体根据预划分区域的用电需求以及设备属性进行聚合;
第二建立模块,用于根据优化调度目标对聚合后的设备级数字孪生体分层,建立多层级虚拟电厂数字孪生体。
9.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信,其特征在于,
所述存储器,用于存储计算机程序;
所述处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至6中任一项所述的方法步骤。
10.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现权利要求1至6中任一项中所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211590254.4A CN115954933A (zh) | 2022-12-12 | 2022-12-12 | 电网数字孪生***构建方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211590254.4A CN115954933A (zh) | 2022-12-12 | 2022-12-12 | 电网数字孪生***构建方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115954933A true CN115954933A (zh) | 2023-04-11 |
Family
ID=87285283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211590254.4A Pending CN115954933A (zh) | 2022-12-12 | 2022-12-12 | 电网数字孪生***构建方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115954933A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116481676A (zh) * | 2023-06-21 | 2023-07-25 | 东阳市光明电力建设有限公司 | 电气设备接头发热测温方法 |
CN116579190A (zh) * | 2023-07-13 | 2023-08-11 | 天津华泽能源信息技术有限公司 | 一种基于物联网的储能孪生模型构建方法及*** |
CN116738772A (zh) * | 2023-08-16 | 2023-09-12 | 国网浙江省电力有限公司杭州供电公司 | 基于数字孪生的供电路径追溯方法、装置、设备及介质 |
CN116933146A (zh) * | 2023-09-19 | 2023-10-24 | 航天宏图信息技术股份有限公司 | 一种数字孪生空间实体的分类体系创建方法及装置 |
CN117371758A (zh) * | 2023-11-22 | 2024-01-09 | 国网智能电网研究院有限公司 | 县域能源互联网多虚拟电厂分布式协同调度方法及装置 |
CN117389732A (zh) * | 2023-10-23 | 2024-01-12 | 国网江苏省电力有限公司南通供电分公司 | 一种基于数字孪生的算力资源配置优化方法及*** |
-
2022
- 2022-12-12 CN CN202211590254.4A patent/CN115954933A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116481676A (zh) * | 2023-06-21 | 2023-07-25 | 东阳市光明电力建设有限公司 | 电气设备接头发热测温方法 |
CN116481676B (zh) * | 2023-06-21 | 2023-10-20 | 东阳市光明电力建设有限公司 | 电气设备接头发热测温方法 |
CN116579190A (zh) * | 2023-07-13 | 2023-08-11 | 天津华泽能源信息技术有限公司 | 一种基于物联网的储能孪生模型构建方法及*** |
CN116579190B (zh) * | 2023-07-13 | 2023-09-19 | 天津华泽能源信息技术有限公司 | 一种基于物联网的储能孪生模型构建方法及*** |
CN116738772A (zh) * | 2023-08-16 | 2023-09-12 | 国网浙江省电力有限公司杭州供电公司 | 基于数字孪生的供电路径追溯方法、装置、设备及介质 |
CN116738772B (zh) * | 2023-08-16 | 2023-10-27 | 国网浙江省电力有限公司杭州供电公司 | 基于数字孪生的供电路径追溯方法、装置、设备及介质 |
CN116933146A (zh) * | 2023-09-19 | 2023-10-24 | 航天宏图信息技术股份有限公司 | 一种数字孪生空间实体的分类体系创建方法及装置 |
CN116933146B (zh) * | 2023-09-19 | 2023-12-26 | 航天宏图信息技术股份有限公司 | 一种数字孪生空间实体的分类体系创建方法及装置 |
CN117389732A (zh) * | 2023-10-23 | 2024-01-12 | 国网江苏省电力有限公司南通供电分公司 | 一种基于数字孪生的算力资源配置优化方法及*** |
CN117389732B (zh) * | 2023-10-23 | 2024-07-16 | 国网江苏省电力有限公司南通供电分公司 | 一种基于数字孪生的算力资源配置优化方法及*** |
CN117371758A (zh) * | 2023-11-22 | 2024-01-09 | 国网智能电网研究院有限公司 | 县域能源互联网多虚拟电厂分布式协同调度方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115954933A (zh) | 电网数字孪生***构建方法、装置、电子设备和存储介质 | |
Daki et al. | Big Data management in smart grid: concepts, requirements and implementation | |
Merabet et al. | Applications of multi-agent systems in smart grids: A survey | |
CN110471979B (zh) | 基于多源仿真数据聚集与挖掘的电网信息展示仿真*** | |
CN107103113A (zh) | 面向神经网络处理器的自动化设计方法、装置及优化方法 | |
CN102176723A (zh) | 一种支持制造资源和能力按需使用和动态协同的制造云*** | |
CN105335800A (zh) | 一种基于联合学习的电力用户用电量预测方法 | |
CN107220758A (zh) | 一种电网规划辅助*** | |
CN113098711A (zh) | 一种基于云边协同的配电物联网cps管控方法及*** | |
CN113516331A (zh) | 一种建筑数据处理方法及装置 | |
Bai et al. | Digital power grid based on digital twin: Definition, structure and key technologies | |
Gomes et al. | Energy analyzer emulator for microgrid implementation and demonstration and respective gateway | |
CN113852204A (zh) | 一种于数字孪生的变电站三维全景监视***及方法 | |
CN112884164A (zh) | 面向智能移动终端实现的联邦机器学习迁移方法与*** | |
Hargreaves et al. | Information standards to support application and enterprise interoperability for the smart grid | |
Zhang et al. | Application of multi-agent models to urban expansion in medium and small cities: A case study in Fuyang City, Zhejiang Province, China | |
Sztipanovits et al. | Model-based integration technology for next generation electric grid simulations | |
CN108053125A (zh) | 一种基于宏观管理的能源展现方法及*** | |
Kadlec et al. | Towards discovering the limits of smart grid communication infrastructure | |
Basso et al. | A MAS-based simulator for the prototyping of Smart Grids | |
Sudhira | Integration of agent-based and cellular automata models for simulating urban sprawl | |
Foti et al. | On Visualizing Distribution Systems for Next Generation Power Distribution Grids | |
Kovalyov | Key Technologies of Digital Twins: A Model-Based Perspective | |
Shulyma et al. | The architecture of an information system for the management of hybrid energy grids | |
CN109829525A (zh) | 一种基于群智能的建筑控制方法及*** |
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 |