一种基于数字孪生体的集团级KKS编码智能映射推荐方法技术

本发明专利技术涉及一种基于数字孪生体的集团级KKS编码智能映射推荐方法，包括步骤：构建基于电力全生产流程的数字孪生体；根据获得的数字孪生体构建专业字典；使用采集设备采集获得原编码规则下的编码和新编码规则下的编码，构建KKS编码数据集。本发明专利技术的有益效果是：本发明专利技术将复杂的发电流程系统化，构建基于电力全生产流程的数字孪生体，实例化集团级数字孪生技术；本发明专利技术还构建了基于注意力堆叠网络的KKS生成模型，激发了电厂原有数字基础设施的活力，打通数据孤岛、破除信息壁垒，促进物理空间与信息空间之间的实时融合，实现多种KKS编码体系下的智能化映射任务。下的智能化映射任务。下的智能化映射任务。

【技术实现步骤摘要】
一种基于数字孪生体的集团级KKS编码智能映射推荐方法


[0001]本专利技术属于电厂信息
，尤其涉及一种基于数字孪生体的集团级KKS编码智能映射推荐方法。

技术介绍

[0002]数字孪生是现实事物具有特定目的的数字化表达，即在虚拟的数字世界实时呈现物理实体的真实情况。随着数字孪生概念的推广与应用，如何将信息空间与物理空间的实体一一映射成为重要的基础工作之一。
[0003]目前，支撑数字孪生体在电力行业应用的主要基础为电厂标识系统（KKS），其能够对电厂设备资产有效的标识和管理。但KKS编码本身具有许多局限性：1.在编制之初仅考虑电厂本身的生产需要，没有考虑编码的通用性；2.编制主体为电力设计院与设备生产厂家，运行维护人员缺乏维护编码的能力；3.对于新技术的迭代更新，KKS编码体系无法快速响应。
[0004]因此，推进新技术，尤其是数字孪生技术在电力行业应用，其前提是实现KKS编码体系的自动化与智能化。尽管专利技术专利CN201711434013.X采用OPC UA服务器、OPC UA客户端和数据映射字典实现数字孪生映射模型，但其仅针对OPC UA协议中的编码规则而无法拓展。另外，专利技术专利CN201910956494.3采用异构协议转换的方式实现数据虚实交互编码解码的过程，也存在针对相同实体不同编码情况下的识别问题。为实例化集团级数字孪生技术，激发电厂原有数字基础设施的活力，打通数据孤岛、破除信息壁垒，促进物理空间与信息空间之间的实时融合，实现多种KKS编码体系下的智能化映射任务依旧是一项亟待解决的难题。

技术实现思路

[0005]本专利技术的目的是克服现有技术中的不足，提供一种基于数字孪生体的集团级KKS编码智能映射推荐方法。
[0006]这种基于数字孪生体的集团级KKS编码智能映射推荐方法，包括以下步骤：步骤1、根据数字孪生建模过程，首先将复杂的发电流程系统化，构建基于电力全生产流程的数字孪生体：上式中，表示组成数字孪生体的各个子系统，表示基于电力全生产流程的数字孪生体；步骤2、根据步骤1获得的数字孪生体构建专业字典；步骤3、使用采集设备采集获得原编码规则下的编码和新
编码规则下的编码，其中指按照原编码规则进行编码的第n个编码，指按照新编码规则进行编码的第n个编码；根据人工（生产运行人员的经验）对原编码规则下的编码、新编码规则下的编码进行映射匹配，并构建KKS编码数据集：；步骤4、对步骤3获得的KKS编码数据集进行数据预处理，获得训练集与测试集；步骤5、通过步骤4获得的训练集，训练基于注意力堆叠网络的KKS生成模型，基于注意力堆叠网络的KKS生成模型由多层注意力网络堆叠成；步骤6、根据步骤2得到的专业字典、步骤5得到的融合注意力特征在词向量中的概率映射值p，采用重构函数生成新编码规则下的KKS编码预测值，将新编码规则下的KKS编码预测值通过字符串的形式采用最小编辑距离进行相似度计算，无需转换为向量形式进行计算；得到最相似的g个KKS编码值用于KKS编码映射推荐：上式中，通过重构函数得到KKS编码预测值，然后通过最小编辑距离函数计算KKS编码的相似度，最后采用选择最相似的g个KKS编码值用于KKS编码映射推荐，将推荐结果保存于存储单元。
[0007]作为优选，步骤1中将复杂的发电流程系统化时，按照不同电力子系统进行划分，不同电力子系统之间存在包含、并行、串联三种关系。
[0008]作为优选，步骤2具体包括以下步骤：步骤2.1、针对数字孪生体中包含的各个子系统的详细描述进行分词，获得专业分词数据；步骤2.2、根据步骤2.1获得的专业分词数据，构建多级专业词典：上式表示多级专业词典由主系统词典和子系统词典两部分构成，将多级专业词典存储于存储设备。
[0009]作为优选，步骤2中专业词典以电力子系统的编号、序号、专业编码组成的三
键值对作为数据结构，保存于存储设备的存储单元内，所述存储单元存取Json格式的文件，并提供数据接口服务。
[0010]作为优选，步骤3中原编码规则为设计院设计电厂时采用的KKS编码规则，新编码规则是发电集团制定的KKS编码规则，两个规则虽目的一样，但是编码结果不一样；步骤3中采集设备内的采集单元通过运行Python脚本进行数据采集，将采集得到的数据通过数据接口向外传输。
[0011]作为优选，步骤4具体包括以下步骤：步骤4.1、根据步骤2得到的专业字典对KKS编码数据集中的编码数据进行分词，获得对应的分词词组，均为组成编码数据的词，一个编码分为个词；每个词对应一个编号，将各个分词词组的编码进行数字化编码，将编号重新组合形成编码向量，得到数字化编码数据集；步骤4.2、将步骤4.1得到的数字化编码数据集通过随机采样的方式划分为训练集与测试集。
[0012]作为优选，步骤4.1中对KKS编码数据集中的编码数据进行分词后得到的分词结果长短不一致时，采用最长分词数量作为标准，不足长度的分词通过添加相应数量的占位符进行扩展；步骤4.2中训练集与测试集的比例为4:1。
[0013]作为优选，步骤5具体包括以下步骤：步骤5.1、根据全连接层由按照原编码规则进行编码的、按照新编码规则进行编码的来进行词向量化编码，分别得到具有固定维度的向量化结果：上式中，上标1st表示原编码规则，上标2nd表示新编码规则；步骤5.2、根据步骤5.1得到的向量化结果，通过自注意力层计算注意力特征：上式中，向自注意力层输入具有固定维度的向量化结果，其中自注意力层由N个自注意力模块堆叠组成，自注意力层形式上将后一个模块的输入作为上一个模块的输出，每个自注意力模块均分为两层；通过自注意力网络得到注意力矩阵
：上式中，自注意力网络分别通过权重、、得到特征值、、；然后采用得到基于特征值、、的注意力权重，另外、的向量维度为d；然后再通过前馈全连接层计算得到注意力特征，其中，表示在第n个自注意力模块中进行计算；步骤5.3、将步骤5.1得到的向量化结果、步骤5.2得到的自注意力特征进行特征融合计算；其融合计算模块由M个融合自注意力模块堆叠构成，形式上，融合计算模块内后一个模块的输入作为上一个模块的输出；其中融合自注意力模块由三层结构组成：上式中，将作为自注意力网络的输入特征，首先通过自注意力网络得到注意力矩阵：上式中，自注意力网络分别通过权重、、得到特征值、、；然后采用得到基于特征值、、的注意力权重，另外d为、的向量维度；然后再通过将两种注意力矩阵以及注意力特征进行融合，
得到融合注意力矩阵；最后通过前馈全连接层根据融合注意力矩阵计算得到融合注意力特征，其中表示在第m个融合自注意力模块中进行计算；步骤5.4、根据步骤5.3得到的融合注意力特征，采用归一化指数函数计算得到各个融合注意力特征在词向量中的概率映射值p：步骤5.5、由步骤5.4得到的融合注意力特征在词向量中的概率映射值p，采用交叉熵结果作为训练基于注意力堆叠网络的KKS生成模型的损失函数，对模型训练结果进行评价；并根据迭代次数与损失函数收敛值共同确定基于注意力堆叠网络的KKS生成模型训练的暂停条件；若要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生体的集团级KKS编码智能映射推荐方法，其特征在于，包括以下步骤：步骤1、根据数字孪生建模过程，首先将发电流程系统化，构建基于电力全生产流程的数字孪生体：，式中，表示组成数字孪生体的各个子系统，表示基于电力全生产流程的数字孪生体；步骤2、根据步骤1获得的数字孪生体构建专业字典；步骤3、使用采集设备采集获得原编码规则下的编码和新编码规则下的编码，其中指按照原编码规则进行编码的第n个编码，指按照新编码规则进行编码的第n个编码；根据人工对原编码规则下的编码、新编码规则下的编码进行映射匹配，并构建KKS编码数据集：；步骤4、对步骤3获得的KKS编码数据集进行数据预处理，获得训练集与测试集；步骤5、通过步骤4获得的训练集，训练基于注意力堆叠网络的KKS生成模型，基于注意力堆叠网络的KKS生成模型由多层注意力网络堆叠成；步骤6、根据步骤2得到的专业字典、步骤5得到的融合注意力特征在词向量中的概率映射值p，采用重构函数生成新编码规则下的KKS编码预测值，将新编码规则下的KKS编码预测值通过字符串的形式采用最小编辑距离进行相似度计算；得到最相似的g个KKS编码值用于KKS编码映射推荐：上式中，通过重构函数得到KKS编码预测值，然后通过最小编辑距离函数计算KKS编码的相似度，最后采用选择最相似的g个KKS编码值用于KKS编码映射推荐，将推荐结果保存于存储单元。2.根据权利要求1所述基于数字孪生体的集团级KKS编码智能映射推荐方法，其特征在于：步骤1中将发电流程系统化时，按照不同电力子系统进行划分，不同电力子系统之间存在包含、并行、串联三种关系。3.根据权利要求1所述基于数字孪生体的集团级KKS编码智能映射推荐方法，其特征在
于，步骤2具体包括以下步骤：步骤2.1、针对数字孪生体中包含的各个子系统的详细描述进行分词，获得专业分词数据；步骤2.2、根据步骤2.1获得的专业分词数据，构建多级专业词典：上式表示多级专业词典由主系统词典和子系统词典构成，将多级专业词典存储于存储设备。4.根据权利要求3所述基于数字孪生体的集团级KKS编码智能映射推荐方法，其特征在于，步骤2中专业词典以电力子系统的编号、序号、专业编码组成的三键值对作为数据结构，保存于存储设备的存储单元内，所述存储单元存取Json格式的文件，并提供数据接口服务。5.根据权利要求1所述基于数字孪生体的集团级KKS编码智能映射推荐方法，其特征在于：步骤3中原编码规则为设计院设计电厂时采用的KKS编码规则，新编码规则是发电集团制定的KKS编码规则；步骤3中采集设备内的采集单元通过运行Python脚本进行数据采集，将采集得到的数据通过数据接口向外传输。6.根据权利要求1或3所述基于数字孪生体的集团级KKS编码智能映射推荐方法，其特征在于，步骤4具体包括以下步骤：步骤4.1、根据步骤2得到的专业字典对KKS编码数据集中的编码数据进行分词，获得对应的分词词组，均为组成编码数据的词，一个编码分为个词；每个词对应一个编号，将各个分词词组进行数字化编码，将编号重新组合形成编码向量，得到数字化编码数据集；步骤4.2、将步骤4.1得到的数字化编码数据集通过随机采样的方式划分为训练集与测试集。7.根据权利要求6所述基于数字孪生体的集团级KKS编码智能映射推荐方法，其特征在于：步骤4.1中对KKS编码数据集中的编码数据进行...

【专利技术属性】
技术研发人员：傅骏伟，俞荣栋，柴真琦，郭鼎，王豆，罗一凡，戴程鹏，邵建宇，高凯楠，徐哲源，
申请(专利权)人：浙江浙能技术研究院有限公司，
类型：发明
国别省市：