一种基于数字孪生的统一建模及其孪生系统模拟演进方法技术方案

本发明专利技术公开了一种基于数字孪生的统一建模及其孪生系统模拟演进方法，涉及电力能源系统领域，本方法首先通过分析业务需求，形成对应的模型结构体，并建立关键参数的等式约束与不等式约束的泛化模型约束集；其次，针对多样化场景需求，通过探究外部因素影响机理，基于理论经验推导、鲁棒技术、数据挖掘等方法提取典型特征并依托多维信息实现泛化模型参数的辨识；最后将上述结果结合输出泛化模型。本方法基于集合论的虚拟孪生体标准化建模，设计了面向多样化需求的泛化模型构建技术。面向多样化需求的泛化模型构建技术。

【技术实现步骤摘要】
一种基于数字孪生的统一建模及其孪生系统模拟演进方法


[0001]本专利技术涉及电力能源系统领域，尤其涉及一种基于数字孪生的统一建模及其孪生系统模拟方法。

技术介绍

[0002]针对当前电力复杂系统的系统性认知与优化调度决策问题，仅依靠对系统各物理实体进行映射性描述是远远不足的，我们需要进一步探究各物理实体在各种典型/非典型场景甚至假想场景下的运行演化情况，进一步对其效益与风险展开分析评估。上述需求引出了虚拟孪生与虚拟孪生体的概念。在这种背景下，以数据密集型科学发现范式为基础，将数字孪生自然地延拓至虚拟孪生，开展基于数字孪生的系统模拟方法研究具有深远的理论和现实意义。
[0003]因此，本领域的技术人员致力于开发一种基于数字孪生的统一建模及其孪生系统模拟演进方法，以提高对能源网络的系统性认知，并为优化调度决策提供辅助。

技术实现思路

[0004]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是克服现有建模方法依赖机理知识，且对高随机性多样化场景的考虑不足。
[0005]为实现上述目的，本专利技术提供了一种基于数字孪生的统一建模及其孪生系统模拟演进方法，其特征在于，本方法首先通过分析业务需求，形成对应的模型结构体，并建立关键参数的等式约束与不等式约束的泛化模型约束集；其次，针对多样化场景需求，通过探究外部因素影响机理，基于理论经验推导、鲁棒技术、数据挖掘等方法提取典型特征并依托多维信息实现泛化模型参数的辨识；最后将上述结果结合输出泛化模型。
[0006]进一步地，所述方法包括以下步骤：
[0007]步骤1、基于异源数据构建能源细胞的泛化结构与统一模型；
[0008]步骤2、设计能源细胞
‑
组织
‑
系统仿生架构，搭建多主体聚合建模体系；
[0009]步骤3、设计物理
‑
信息框架下孪生系统平台，并提出批量仿真推演技术；
[0010]步骤4、设计混合增强智能的孪生系统演进方法。
[0011]进一步地，所述步骤1中所述异源数据包括功率、容量等电气量与电价、气候等非电气量因素。
[0012]进一步地，所述步骤1中采用线性、多项式、指数等关键参数拟合函数形式，采用针对关键参数等式约束和不等式约束的泛化模型约束集构建方法。
[0013]进一步地，所述步骤1中采用基于理论经验推导、鲁棒技术、数据挖掘的泛化模型典型特征提取方法；
[0014]所述步骤1中基于业务模型结构与特征提取结果，采用知识数据双驱动的泛化模型参数辨识方法构建虚拟细胞模型。
[0015]进一步地，所述步骤2中所述聚合建模体系基于异源时空大数据分析技术，采用打
破各层级间数据孤岛的孪生聚合体模型构建方法。
[0016]进一步地，所述步骤2中所述仿生架构包括基于联邦学习技术的聚合体隐私性保护技术；所述仿生架构包括高随机性多场景下灵活资源聚合体组织的进入退出机制和分配机制。
[0017]进一步地，所述步骤3中所述物理
‑
信息框架为能源分子层、能源细胞层、能源组织层三位一体分层的物理
‑
信息框架；
[0018]所述孪生系统平台包括面向系统层灵活资源及其聚合体区分和组织管理问题的分布式信息通信系统。
[0019]进一步地，所述步骤3中所述批量仿真推演技术基于多调度场景级联，为计及环境风险、响应风险、数据瑕疵问题的“覆盖式”虚拟样本生成方法。
[0020]进一步地，所述步骤4中所述孪生系统演进方法包括基于封装孪生体模型的数字孪生平台搭建方法及其迭代式综合性能提升技术；
[0021]所述孪生系统演进方法包括基于虚实交互、闭环反馈机制的孪生平台评估方法；
[0022]所述孪生系统演进方法包括基于机理
‑
数据
‑
调度人员多方纠偏逻辑的各层级孪生体模型的自适应、自调节和自演进功能。
[0023]本专利技术针对新型电力系统海量运行数据，在保证虚拟孪生体反映出物理实体的基本需求、用能特性、行为准则等抽象属性的基础上，进而自由地覆盖式模拟出多时间尺度、多层级、多演化路径并具备不确定性的动态系统，从而实现物理世界到虚拟世界的1
→
N映射。
具体实施方式
[0024]首先对本专利技术所涉及的理论基础、数据模型和算法进行介绍：
[0025]1、基于集合论的虚拟孪生体标准化建模
[0026]虚拟孪生体标准化建模是孪生空间构建的关键，可以模拟能源单元实体运行规则，及其对外界环境、系统状态、引导政策等的响应，从而在孪生空间中进行多重方向演绎。拟通过业务知识、人工经验、真实数据、虚拟数据多个角度对能源单元/聚合体的特征、性能、行为、形成过程等属性进行建模，重点刻画其用电行为、交互行为与聚合行为，附属相关行为的动机、决策、动作、结果。为此，采用集合语言设计虚拟孪生模型及其功能函数：
[0027]VE＝(VE
静态属性
,VE
用能行为
,VE
聚合行为
,VE
信息交互
,VE
认知决策
)
[0028]其中，
[0029]VE静态属性：描述物理实体的社会属性、诉求、可调节性、结构参数等；
[0030]VE用电行为：描述物理实体的用能策略、用能表现；
[0031]VE聚合行为：描述物理实体聚合行为的动机、决策、动作、结果；
[0032]VE信息交互：描述物理实体感知的外界信息与披露的自身信息；
[0033]VE认知决策：输入为虚拟孪生体静态属性和交互信息，输出为用电行为和聚合行为。
[0034]2、设备特征提取及其物理模型修正技术
[0035]由于设备类型、出厂参数等异构性的影响，物理模型难以全面、准确地描述设备物理状态。为此，可基于历史数据挖掘的泛化特征值或向量以表征设备的物理参数组合。故基
于泛化特征对物理设备建模，通过人工经验灵活调整物理模型，并对以多维复杂变量表征的物理模型进行简化，实现特征维度与模型精度的最优平衡。通过回归拟合、自学习等统计方法对物理模型参数进行训练和初次校正；通过深度学习、强化学习等智能方法准确识别设备行为，实时修正对应的泛化模型。
[0036]3、考虑个体异质性的多主体聚合建模
[0037]由于不同主体在空间和功能上存在的差异化与地理、政策、社会事件的干扰影响，多主体聚合结果在某些固定框架下难以满足多样化调度需求。所以本研究内容拟设计一种基于联邦学习的多主体聚合建模体系。联邦学习框架下，终端设备使用其本地数据集迭代计算本地学习模型；聚合服务器接收下属终端设备的模型更新结果进行聚合。由全局模型聚合的位置决定联邦学习的聚合方式，包括基于云、基于边、基于云边。
[0038]4、能源细胞
‑
组织架构形态
[0039]区域能源网可由能源细胞、能源组织仿生架构进行描述，这既体现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的统一建模及其孪生系统模拟演进方法，其特征在于，本方法首先通过分析业务需求，形成对应的模型结构体，并建立关键参数的等式约束与不等式约束的泛化模型约束集；其次，针对多样化场景需求，通过探究外部因素影响机理，基于理论经验推导、鲁棒技术、数据挖掘等方法提取典型特征并依托多维信息实现泛化模型参数的辨识；最后将上述结果结合输出泛化模型。2.如权利要求1所述的基于数字孪生的统一建模及其孪生系统模拟演进方法，其特征在于，所述方法包括以下步骤：步骤1、基于异源数据构建能源细胞的泛化结构与统一模型；步骤2、设计能源细胞
‑
组织
‑
系统仿生架构，搭建多主体聚合建模体系；步骤3、设计物理
‑
信息框架下孪生系统平台，并提出批量仿真推演技术；步骤4、设计混合增强智能的孪生系统演进方法。3.如权利要求2所述的基于数字孪生的统一建模及其孪生系统模拟演进方法，其特征在于，所述步骤1中所述异源数据包括功率、容量等电气量与电价、气候等非电气量因素。4.如权利要求3所述的基于数字孪生的统一建模及其孪生系统模拟方法，其特征在于，所述步骤1中采用线性、多项式、指数等关键参数拟合函数形式，采用针对关键参数等式约束和不等式约束的泛化模型约束集构建方法。5.如权利要求4所述的基于数字孪生的统一建模及其孪生系统模拟演进方法，其特征在于，所述步骤1中采用基于理论经验推导、鲁棒技术、数据挖掘的泛化模型典型特征提取方法；所述步骤1中基于业务模型结构与特征提取结果，采用知识数据双驱动的泛化模型参数辨识方法构建虚拟细胞模型。6...

【专利技术属性】
技术研发人员：贺兴，艾芊，韩烨宸，高扬，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：