本發(fā)明涉及電力系統(tǒng)信息技術(shù)應(yīng)用領(lǐng)域，具體涉及一種電網(wǎng)數(shù)字孿生模型構(gòu)建方法及裝置。

背景技術(shù)：

1、傳統(tǒng)電網(wǎng)幾何模型、實(shí)景數(shù)據(jù)、物理參數(shù)、行為與規(guī)則是存在各電網(wǎng)專業(yè)業(yè)務(wù)中，信息不互通，數(shù)據(jù)驅(qū)動(dòng)建模的缺點(diǎn)為其固有的分析精度無(wú)法達(dá)到高精度，而機(jī)器學(xué)習(xí)在一些領(lǐng)域可以達(dá)到比物理模型更高的精度，前提是提供足量高質(zhì)的訓(xùn)練數(shù)據(jù)。但是機(jī)器學(xué)習(xí)面臨的問(wèn)題也很多：需要的數(shù)據(jù)太多，大部分真實(shí)場(chǎng)景根本不可能獲取到足夠的數(shù)據(jù)；黑盒機(jī)器學(xué)習(xí)模型可能會(huì)產(chǎn)生與物理相悖的結(jié)果；機(jī)器學(xué)習(xí)模型的外泛化性能很差，基本不可信。物理機(jī)理在很多傳統(tǒng)業(yè)務(wù)中取得良好應(yīng)用，但對(duì)于復(fù)雜的物理機(jī)理現(xiàn)象和問(wèn)題，傳統(tǒng)的工具和方法也面臨很多問(wèn)題，比如結(jié)果過(guò)于理想、與實(shí)際情況相差甚遠(yuǎn)、投入高、計(jì)算量大等。

2、電網(wǎng)數(shù)字孿生模型是實(shí)現(xiàn)數(shù)字孿生計(jì)算推演、評(píng)估預(yù)測(cè)等能力的基礎(chǔ)。如何準(zhǔn)確、有效、快速的構(gòu)建電網(wǎng)實(shí)體的數(shù)字孿生模型是最關(guān)鍵步驟。物理電網(wǎng)中所包含的海量電力設(shè)備、人員、資產(chǎn)數(shù)據(jù)和復(fù)雜的數(shù)據(jù)結(jié)構(gòu)將引發(fā)異構(gòu)數(shù)據(jù)的維數(shù)災(zāi)難問(wèn)題，維數(shù)災(zāi)難直接給數(shù)字孿生的建模帶來(lái)了多尺度物理場(chǎng)耦合模型建模困難、異構(gòu)數(shù)據(jù)清洗繁雜、多源數(shù)據(jù)的融合計(jì)算復(fù)雜等問(wèn)題，如何在已有物理機(jī)理知識(shí)的基礎(chǔ)上聯(lián)合數(shù)據(jù)驅(qū)動(dòng)技術(shù)進(jìn)行有效而精準(zhǔn)的建模是一個(gè)主要難點(diǎn)。因此，亟需提出一種電網(wǎng)數(shù)字孿生模型構(gòu)建方法。

3、現(xiàn)有技術(shù)文件1(cn116050250a)公開(kāi)了一種基于混合驅(qū)動(dòng)模型的電網(wǎng)數(shù)字孿生模型建模方法及裝置。所述方法包括：基于電力系統(tǒng)參數(shù)之間的物理規(guī)律，設(shè)置對(duì)應(yīng)的邊界條件，生成電網(wǎng)機(jī)理模型；基于從電網(wǎng)臺(tái)區(qū)中分別讀取各個(gè)電力系統(tǒng)各個(gè)要素的輸入輸出信息，訓(xùn)練生成電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)模型；對(duì)機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行動(dòng)態(tài)加權(quán)生成混合驅(qū)動(dòng)模型，作為電網(wǎng)數(shù)字孿生模型。其不足在于僅結(jié)合了機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型，進(jìn)行動(dòng)態(tài)加權(quán)生成混合驅(qū)動(dòng)模型。

技術(shù)實(shí)現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種電網(wǎng)設(shè)備級(jí)數(shù)字孿生模型構(gòu)建方法，實(shí)現(xiàn)與電力物理對(duì)象虛實(shí)高精度映射；然后研究配電網(wǎng)數(shù)字孿生分析模型構(gòu)建方法，形成從初始化設(shè)備建模到混合建模的多層級(jí)優(yōu)化；最后研究基于界面學(xué)習(xí)框架、概率圖模型的模型構(gòu)建方法，構(gòu)建電力數(shù)字孿生分析模型，為電力數(shù)字孿生運(yùn)行仿真提供底層模型支撐。

2、本發(fā)明采用如下的技術(shù)方案。

3、本發(fā)明的第一方面提供了一種電網(wǎng)數(shù)字孿生模型構(gòu)建方法，所述方法包括：

4、步驟1：獲取電網(wǎng)設(shè)備的幾何模型結(jié)合實(shí)景數(shù)據(jù)，融合電網(wǎng)物理參數(shù)以及對(duì)物理實(shí)體的行為與規(guī)則進(jìn)行表征，進(jìn)行電網(wǎng)信息物理建模，生成電網(wǎng)機(jī)理模型；

5、步驟2：基于傳入電網(wǎng)設(shè)備的觀測(cè)數(shù)據(jù)，采用概率圖模型作為數(shù)據(jù)驅(qū)動(dòng)的建模方法，進(jìn)行電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)建模，生成電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)模型；

6、步驟3：對(duì)步驟1得到的電網(wǎng)機(jī)理模型與步驟2得到的電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)模型采用界面學(xué)習(xí)框架進(jìn)行電網(wǎng)機(jī)理-數(shù)據(jù)驅(qū)動(dòng)混合建模；

7、步驟4：將步驟3得到的電網(wǎng)機(jī)理-數(shù)據(jù)驅(qū)動(dòng)混合模型作為電網(wǎng)數(shù)字孿生模型，并結(jié)合不同模型的約束條件，實(shí)現(xiàn)電網(wǎng)數(shù)字孿生模型服務(wù)。

8、優(yōu)選地，步驟1中，電網(wǎng)信息物理建模具體過(guò)程如下：基于電網(wǎng)設(shè)備的外觀結(jié)構(gòu)模型，采用電網(wǎng)物理參數(shù)描述設(shè)備特性，結(jié)合地理坐標(biāo)位置、設(shè)備資產(chǎn)實(shí)現(xiàn)對(duì)單個(gè)設(shè)備多器件元素的立體建模，通過(guò)元素的耦合連接關(guān)系、外界擾動(dòng)響應(yīng)行為、內(nèi)部運(yùn)行規(guī)則、能量流動(dòng)軌跡和信息流傳遞關(guān)系以及基本自然規(guī)律，完成單個(gè)元素模型間的連接，組成動(dòng)態(tài)化虛擬模型集，對(duì)虛擬模型集同樣進(jìn)行關(guān)聯(lián)，逐塊逐層疊加形成數(shù)字孿生全空間模型。

9、優(yōu)選地，基于電網(wǎng)物理參數(shù)形成電網(wǎng)物理參數(shù)數(shù)據(jù)庫(kù)，電網(wǎng)物理參數(shù)包括多類傳感器采集的電氣量及非電氣量數(shù)據(jù)，以及多類設(shè)備和裝置采集的信息，多類設(shè)備和裝置采集的信息包含：狀態(tài)指示和測(cè)量值。

10、優(yōu)選地，電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)建模采用概率圖模型作為數(shù)據(jù)驅(qū)動(dòng)的建模方法，通過(guò)傳入的觀測(cè)數(shù)據(jù)來(lái)了解設(shè)備電網(wǎng)設(shè)備狀態(tài)，然后通過(guò)概率圖模型對(duì)信息分析和預(yù)測(cè)，生成智能控制信息，通過(guò)發(fā)布智能控制信息來(lái)控制電網(wǎng)設(shè)備。

11、優(yōu)選地，電網(wǎng)概率圖模型包括貝葉斯網(wǎng)絡(luò)、馬爾可夫網(wǎng)絡(luò)和因子圖，同時(shí)使用，分別用于對(duì)具備貝葉斯網(wǎng)絡(luò)特征的電網(wǎng)數(shù)據(jù)模型、具備馬爾可夫網(wǎng)絡(luò)特征的電網(wǎng)數(shù)據(jù)模型和具備因子圖中特征的電網(wǎng)數(shù)據(jù)模型進(jìn)行數(shù)據(jù)驅(qū)動(dòng)建模，最終得到包含貝葉斯網(wǎng)絡(luò)、馬爾可夫網(wǎng)絡(luò)和因子圖概率圖模型的數(shù)據(jù)驅(qū)動(dòng)模型。

12、優(yōu)選地，將具備貝葉斯網(wǎng)絡(luò)特征的電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)模型按照貝葉斯網(wǎng)絡(luò)連接成有向無(wú)環(huán)圖，使用條件概率表來(lái)描述任務(wù)發(fā)送條件、概率和相關(guān)任務(wù)。

13、優(yōu)選地，將具備馬爾可夫網(wǎng)絡(luò)特征的電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)模型按照馬爾可夫網(wǎng)絡(luò)連接成無(wú)向圖，使用條件概率表來(lái)描述任務(wù)發(fā)送條件、概率和相關(guān)任務(wù)。

14、優(yōu)選地，將具備因子圖特征的電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)模型按照因子圖連接成無(wú)向圖，使用條件概率表來(lái)描述任務(wù)發(fā)送條件、概率和相關(guān)任務(wù)。

15、優(yōu)選地，界面學(xué)習(xí)框架在電網(wǎng)機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型之間通過(guò)電網(wǎng)數(shù)字孿生模型界面進(jìn)行連接，得到電網(wǎng)機(jī)理-數(shù)據(jù)驅(qū)動(dòng)混合模型。

16、優(yōu)選地，電網(wǎng)數(shù)字孿生模型界面通過(guò)直接延長(zhǎng)界面和修正延長(zhǎng)界面進(jìn)行界面誤差校正和延長(zhǎng)。

17、優(yōu)選地，直接延長(zhǎng)界面采用預(yù)測(cè)范圍解決電網(wǎng)機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型之間精度差別；

18、修正延長(zhǎng)界面采用長(zhǎng)-短期記憶網(wǎng)絡(luò)循環(huán)神經(jīng)網(wǎng)絡(luò)控制界面變量的預(yù)測(cè)與最佳值差異，修正機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型之間精度差別。

19、優(yōu)選地，電網(wǎng)數(shù)字孿生模型服務(wù)過(guò)程包括：構(gòu)建模型的層級(jí)關(guān)系并明確模型的依賴順序；在模型服務(wù)過(guò)程中添加約束條件；基于構(gòu)建的約束關(guān)系、模型依賴順序和電網(wǎng)數(shù)字孿生模型實(shí)現(xiàn)電網(wǎng)數(shù)字孿生模型服務(wù)。

20、本發(fā)明第二方面提供了一種電網(wǎng)數(shù)字孿生模型構(gòu)建裝置，用于運(yùn)行所述的一種電網(wǎng)數(shù)字孿生模型構(gòu)建方法，包括：

21、數(shù)據(jù)獲取模塊，用于獲取構(gòu)建電網(wǎng)數(shù)字孿生模型數(shù)據(jù)；

22、模型構(gòu)建模塊，基于電網(wǎng)數(shù)字孿生模型數(shù)據(jù)，采用電網(wǎng)信息物理建模、電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)建模、電網(wǎng)機(jī)理-數(shù)據(jù)驅(qū)動(dòng)混合建模方法，得到電網(wǎng)數(shù)字孿生模型；

23、模型服務(wù)模塊，采用電網(wǎng)數(shù)字孿生模型服務(wù)方法以及電網(wǎng)數(shù)字孿生模型，提供電網(wǎng)數(shù)字孿生模型服務(wù)。

24、一種電子設(shè)備，包括：存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被加載至處理器時(shí)實(shí)現(xiàn)所述的一種電網(wǎng)數(shù)字孿生模型構(gòu)建方法。

25、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的一種電網(wǎng)數(shù)字孿生模型構(gòu)建方法

26、本發(fā)明的有益效果在于，與現(xiàn)有技術(shù)相比，本發(fā)明采用電網(wǎng)信息物理建模方法可以實(shí)現(xiàn)裝備的全尺度多物理場(chǎng)數(shù)字孿生模型實(shí)現(xiàn)與電力物理對(duì)象虛實(shí)高精度映射；采用概率圖模型作為數(shù)據(jù)驅(qū)動(dòng)的建模方法，概率圖模型用來(lái)刻畫(huà)模型的隨機(jī)變量在變量層面的依賴關(guān)系，反映出問(wèn)題的概率結(jié)構(gòu)以及推理的難易程度，也為推理算法提供了可以操作的數(shù)據(jù)結(jié)構(gòu)；通過(guò)采用電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)建模方法，可有效提高數(shù)據(jù)驅(qū)動(dòng)建模精度。本專利涉及的模型構(gòu)建方法，采用電網(wǎng)信息物理建模、電網(wǎng)數(shù)據(jù)驅(qū)動(dòng)建模、電網(wǎng)機(jī)理-數(shù)據(jù)驅(qū)動(dòng)混合建模、電網(wǎng)數(shù)字孿生模型服務(wù)，形成從初始化設(shè)備建模到混合建模的多層級(jí)優(yōu)化，可構(gòu)建電力數(shù)字孿生分析模型，為電力數(shù)字孿生運(yùn)行仿真提供底層模型支撐?？蓪?shí)現(xiàn)準(zhǔn)確、有效、快速構(gòu)建電網(wǎng)數(shù)字孿生模型，提升模型精度。