一种基于数字孪生的园区用电信息分析方法及装置制造方法及图纸

本发明专利技术提出了一种基于数字孪生的园区用电信息分析方法及装置。包括：获取园区用电信息；构建长短期记忆网络模型作为原始模型，根据该长短期记忆网络模型对园区用电信息进行训练，并获取训练结果，对原始模型进行迭代矫正，获取二代模型；构建矫正因子算法，通过该模型矫正因子对二代模型进行矫正，获取最终模型作为数字孪生模型；实时获取园区各设备用电信息，通过数字孪生模型对各设备用电信息进行预测，获取园区用电分析报告。本发明专利技术通过长短期记忆网络模型构建原始模型，然后通过矫正因子算法对二代模型不停矫正迭代，得到最终的数字孪生模型，然后对用电信息进行预测，能够提高预测的精确度，方便用户对用电数据进行管理，提升了管理效率。提升了管理效率。提升了管理效率。

【技术实现步骤摘要】
一种基于数字孪生的园区用电信息分析方法及装置


[0001]本专利技术涉及计算机本发软件
，尤其涉及一种基于数字孪生的园区用电信息分析方法及装置。

技术介绍

[0002]数字孪生技术是指利用数字技术对物理实体对象的行为、特征、性能和形成过程等进行描述和建模的过程和方法，该技术具有实时同步、高保真度、忠实映射等特性，能够实现物理世界与信息世界的交互与融合，数字孪生技术应用领域十分广泛，在航空航天、汽车、石油天然气、城市管理等领域皆有应用。
[0003]目前数字孪生在电力系统上的应用并不多，而且不同的园区用电设备用电信息的管理也是一个很大的问题，现有的技术并不能很好对这些用电设备用电信息进行管理，并且通过数字孪生的方式对这些用电设备用电信息管理精确度也不高，所以，亟需一种基于数字孪生的园区用电信息分析方法，能够提高数字孪生的管理精确度。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种基于数字孪生的园区用电信息分析方法及装置，旨在解决现有技术无法通过提高数字孪生精确度的方式提高用电信息分析的精确度的技术问题。
[0006]本专利技术的技术方案是这样实现的：一方面，本专利技术提供了一种基于数字孪生的园区用电信息分析方法，所述基于数字孪生的园区用电信息分析方法包括以下步骤：S1，获取园区信息、园区设备信息以及园区各设备历史用电信息，将该各设备历史用电信息分为用电训练样本以及用电测试样本，对该用电训练样本进行预处理，获取历史用电训练数据集；S2，构建长短期记忆网络模型作为原始模型，根据该长短期记忆网络模型对历史用电训练数据集进行训练，并获取训练结果，通过用电测试样本以及训练结果对原始模型进行迭代矫正，获取二代模型；S3，构建矫正因子算法，根据园区信息以及园区设备信息爬取对应设备用电数据均值，根据园区信息以及设备用电数据均值计算模型矫正因子，通过该模型矫正因子对二代模型进行矫正，获取最终模型作为数字孪生模型；S4，实时获取园区各设备用电信息，通过数字孪生模型对各设备用电信息进行预测，并根据预测结果获取园区用电分析报告。
[0007]在以上技术方案的基础上，优选的，步骤S1中，获取园区信息、园区设备信息以及园区各设备历史用电信息，将该各设备历史用电信息分为用电训练样本以及用电测试样
本，对该用电训练样本进行预处理，获取历史用电训练数据集，还包括以下步骤，获取园区信息、园区设备信息以及园区各设备历史用电信息，所述园区信息包括：园区类别以及园区面积，园区设备信息包括：设备型号以及设备能耗，将该各设备历史用电信息分为用电训练样本以及用电测试样本，设定预处理规则：特征提取、归一化、均值以及方差，根据该预处理规则依次对该用电训练样本进行预处理。
[0008]在以上技术方案的基础上，优选的，步骤S2中，构建长短期记忆网络模型作为原始模型，根据该长短期记忆网络模型对历史用电训练数据集进行训练，并获取训练结果，通过用电测试样本以及训练结果对原始模型进行迭代矫正，获取二代模型，还包括以下步骤，构建长短期记忆网络模型作为原始模型，根据该长短期记忆网络模型对历史用电训练数据集进行训练，根据不同数据的特征确定隐层的个数以及每一层神经元的个数，将隐层的个数以及每一层神经元的个数作为训练结果，通过预处理规则对用电测试样本进行预处理，获取用电测试测试数据集，设定误差阈值，计算电测试测试数据集与训练结果的均方误差值，将均方误差值与误差阈值进行比较，当均方误差值大于误差阈值时，通过用电测试样本以及训练结果对原始模型进行迭代矫正，获取矫正后的原始模型作为二代模型；当均方误差值小于误差阈值时，将该原始模型作为二代模型。
[0009]在以上技术方案的基础上，优选的，步骤S3中，构建矫正因子算法，根据园区信息以及园区设备信息爬取对应设备用电数据均值，根据园区信息以及设备用电数据均值计算模型矫正因子，通过该模型矫正因子对二代模型进行矫正，获取最终模型作为数字孪生模型，还包括以下步骤，构建矫正因子算法，根据园区类别获取同类别园区设备用电数据表，根据园区设备型号从同类别园区设备用电数据表中获取对应设备用电数据，并计算该对应设备用电数据的用电数据均值，根据园区信息以及设备用电数据均值计算模型矫正因子，通过该模型矫正因子对二代模型进行矫正，获取最终模型作为数字孪生模型。
[0010]在以上技术方案的基础上，优选的，根据园区类别获取同类别园区设备用电数据表，根据园区设备型号从同类别园区设备用电数据表中获取对应设备用电数据，并计算该对应设备用电数据的用电数据均值，根据园区信息以及设备用电数据均值计算模型矫正因子，还包括以下步骤，根据园区类别获取同类别园区设备用电数据表，根据园区类别以及同类别园区设备用电数据表获取园区类别对用电数据的影响程度，根据园区设备型号从同类别园区设备用电数据表中提取该设备不用时间段对应的用电数据以及对应的时长，并计算该设备用电数据均值，获取园区设备型号对应的标准功率，获取不同季节对用电数据的影响程度。
[0011]在以上技术方案的基础上，优选的，还包括以下步骤，所述矫正因子算法为：；其中，f代表矫正因子，代表园区类别对用电数据的影响程度，代表不同季节对用电数据的影响程度，m代表设备型号对应的标准功率，代表设备用电数据均值，t代表不同的时间段，n代表不同时间段对应的编号，i代表不同时间段对应的时长。
[0012]在以上技术方案的基础上，优选的，步骤S4中，实时获取园区各设备用电信息，通过数字孪生模型对各设备用电信息进行预测，并根据预测结果获取园区用电分析报告，还包括以下步骤，实时获取园区各设备用电信息，通过数字孪生模型对各设备用电信息进行
预测，获取预测结果，并根据该预测结果生成对应的园区用电分析报告，根据园区信息获取同类园区用电分析报告，根据该同类园区用电分析报告生成用电建议。
[0013]更进一步优选的，所述基于数字孪生的园区用电信息分析装置包括：预处理模块，用于获取园区信息、园区设备信息以及园区各设备历史用电信息，将该各设备历史用电信息分为用电训练样本以及用电测试样本，对该用电训练样本进行预处理，获取历史用电训练数据集；模型构建模块，用于构建长短期记忆网络模型作为原始模型，根据该长短期记忆网络模型对历史用电训练数据集进行训练，并获取训练结果，通过用电测试样本以及训练结果对原始模型进行迭代矫正，获取二代模型；模型矫正模块，用于构建矫正因子算法，根据园区信息以及园区设备信息爬取对应设备用电数据均值，根据园区信息以及设备用电数据均值计算模型矫正因子，通过该模型矫正因子对二代模型进行矫正，获取最终模型作为数字孪生模型；预测分析模块，用于实时获取园区各设备用电信息，通过数字孪生模型对各设备用电信息进行预测，并根据预测结果获取园区用电分析报告。
[0014]第二方面，所述基于数字孪生的园区用电信息分析方法还包括一种电子设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的园区用电信息分析方法，其特征在于：包括以下步骤；S1，获取园区信息、园区设备信息以及园区各设备历史用电信息，将该各设备历史用电信息分为用电训练样本以及用电测试样本，对该用电训练样本进行预处理，获取历史用电训练数据集；S2，构建长短期记忆网络模型作为原始模型，根据该长短期记忆网络模型对历史用电训练数据集进行训练，并获取训练结果，通过用电测试样本以及训练结果对原始模型进行迭代矫正，获取二代模型；S3，构建矫正因子算法，根据园区信息以及园区设备信息爬取对应设备用电数据均值，根据园区信息以及设备用电数据均值计算模型矫正因子，通过该模型矫正因子对二代模型进行矫正，获取最终模型作为数字孪生模型；S4，实时获取园区各设备用电信息，通过数字孪生模型对各设备用电信息进行预测，并根据预测结果获取园区用电分析报告。2.如权利要求1所述的基于数字孪生的园区用电信息分析方法，其特征在于：步骤S1中，获取园区信息、园区设备信息以及园区各设备历史用电信息，将该各设备历史用电信息分为用电训练样本以及用电测试样本，对该用电训练样本进行预处理，获取历史用电训练数据集，还包括以下步骤，获取园区信息、园区设备信息以及园区各设备历史用电信息，所述园区信息包括：园区类别以及园区面积，园区设备信息包括：设备型号以及设备能耗，将该各设备历史用电信息分为用电训练样本以及用电测试样本，设定预处理规则：特征提取、归一化、均值以及方差，根据该预处理规则依次对该用电训练样本进行预处理，获取用电训练样本均值以及用电训练样本方差作为历史用电训练数据集。3.如权利要求2所述的基于数字孪生的园区用电信息分析方法，其特征在于：步骤S2中，构建长短期记忆网络模型作为原始模型，根据该长短期记忆网络模型对历史用电训练数据集进行训练，并获取训练结果，通过用电测试样本以及训练结果对原始模型进行迭代矫正，获取二代模型，还包括以下步骤，构建长短期记忆网络模型作为原始模型，根据该长短期记忆网络模型对历史用电训练数据集进行训练，根据不同数据的特征确定隐层的个数以及每一层神经元的个数，将隐层的个数以及每一层神经元的个数作为训练结果，通过预处理规则对用电测试样本进行预处理，获取用电测试测试数据集，设定误差阈值，计算电测试测试数据集与训练结果的均方误差值，将均方误差值与误差阈值进行比较，当均方误差值大于误差阈值时，通过用电测试样本以及训练结果对原始模型进行迭代矫正，获取矫正后的原始模型作为二代模型；当均方误差值小于误差阈值时，将该原始模型作为二代模型。4.如权利要求3所述的基于数字孪生的园区用电信息分析方法，其特征在于：步骤S3中，构建矫正因子算法，根据园区信息以及园区设备信息爬取对应设备用电数据均值，根据园区信息以及设备用电数据均值计算模型矫正因子，通过该模型矫正因子对二代模型进行矫正，获取最终模型作为数字孪生模型，还包括以下步骤，构建矫正因子算法，根据园区类别获取同类别园区设备用电数据表，根据园区设备型号从同类别园区设备用电数据表中获取对应设备用电数据，并计算该对应设备用电数据的用电数据均值，根据园区信息以及设备用电数据均值计算模型矫正因子，通过该模型矫正因子对二代模型进行矫正，获取最终模型作为数字孪生模型。...

【专利技术属性】
技术研发人员：程前，向露萍，胡许光，于毅，
申请(专利权)人：武汉中原电子信息有限公司，
类型：发明
国别省市：