(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111488937.4 (22)申请日 2021.12.08 (71)申请人 国网浙江省电力有限公司经济技 术 研究院 地址 310008 浙江省杭州市上城区南复路1 号水澄大厦 (72)发明人 谷纪亭　徐晨博　吴赫君　张佳妮　 (74)专利代理 机构 宁波甬致专利代理有限公司 33228 代理人 李迎春 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 16/901(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种基于状态的能源数字孪生体的构建方 法 (57)摘要 本发明提供一种基于状态的能源数字孪生 体的构建方法， 所述能源数字孪生模 型包括物理 空间和数字空间， 所述物理空间中包括物理设备 和用边缘数据库， 所述数字空间中包括数据融合 模块、 用于模拟或预测能量消耗行为的能量模 型、 数据驱动混合Petri网络、 高斯核极限学习机 和数字孪生数据库； 本发明采用高斯核极限学习 机拟合能耗连续过渡是的瞬时发射速度， 同时与 数据驱动混合Petri网络 结合预测了物理设备的 能量行为， 纠正了能量模型在模拟或预测中存在 能量行为的失真， 实现能耗计算、 异常能耗定位、 能效指标评价、 能量相关参数优化和能效提升的 效果。 权利要求书1页 说明书4页 附图1页 CN 114239938 A 2022.03.25 CN 114239938 A 1.一种基于状态的能源数字孪生体的构建方法， 其特征在于， 所述能源数字孪生模型 包括物理空间和数字空间， 所述物理空间中包括物理设备和用于采集并存储物理设备上多 源数据的边缘数据库， 所述数字空间中包括用于将边缘数据库中的多源数据进行数据融合 的数据融合模块、 用于模拟或预测能量消 耗行为的能量模型、 用于计算每个状态的功率和 对应的持续时间的数据驱动混合Petri网络、 高斯核极限学习机和用于存储能量模型模拟 结果的数字 孪生数据库。 2.根据权利要求1所述的一种基于状态的能源数字孪生体的构建方法， 其特征在于， 所 述数据驱动混合Petri网络包括用以模拟物理设备运行状态的离散位置、 用于控制物理设 备运行状态转换 的离散转换、 用于控制每个运行状态的能耗连续过渡模块， 和用于记录每 次离散位置进 行离散转换的瞬时能耗状态的连续位置模块， 所述高斯核极限学习机用于拟 合能耗连续过渡 模块的瞬时点火速度vi( τ )。 3.根据权利要求2所述的一种基于状态的能源数据孪生体的构建方法， 其特征在于， 所 述能量模块模拟的能量消耗 为： 式中， Pk( τ )为时间t的第k个运行状态的幂， Δ τk为第k个运行状态的时间周期。 4.根据权利要求3所述的一种基于状态的能源数字孪生体的构建方法， 其特征在于， 高 斯核极限学习机拟合能耗连续过渡模块的瞬时点火速度vi( τ )具体包括训练样本集X、 输入 层节点、 隐藏层节点和输出层， 其中： 所述训练样本集 为： X＝{(xi， vi|xi∈Rn， xi∈Rm， i＝1， 2，…， N)}； 其中， xi＝[xi， 1， xi， 2，…， xi， m]表示第i个输入向量； vi＝[vi， 1， vi， 2，…， vi， m]∈Rm是对应 的输出向量， N 为样本数； 高斯核极限学习机的输出为： 其中， αj＝( αj1， αj2，…， αjN)， 表示连接所有输入层节点到第j个隐藏层节点的权重向量， bj是隐藏层的第j个神经元偏置， bj是第j个隐藏层节点的输出权重向量， L是隐藏层节点的 数量， h(·)是激活函数； 高斯核极限学习机的学习目标 是最小化输出误差， 即： 因此 采用训练样本集训练高斯核极限学习机具体为训练输入层节点的权 重向量： 权　利　要　求　书 1/1 页 2 CN 114239938 A 2一种基于状态的能源数字孪生体的构建 方法 技术领域 [0001]本发明涉及数字孪生技术领域， 具体而言， 涉及一种基于状态的能源数字孪生体 的构建方法。 背景技术 [0002]能源管理系统是促进能源相关数据收集、 分析、 诊断、 趋势发现和决策的有用工 具。 能源管理系统集成了许多支持工具和方法， 如能源建模和分析、 能源评估、 环境排放计 算和能源等支持工具和方法基准测试。 目前， 制造业的能源管理主要是基于利用物联网等 技术对物理设备的能源相关数据的测量和应用。 [0003]DT技术(Digital  Twin)数字孪生,也叫数字化映射,为提高制造业中能源消耗监 测、 分析和优化能源效率的性能提供了新的机会。 通过物理、 几何、 行为和操作规则模型对 节能制造系统的建立； 能耗行为模型模拟了不同状态(即闲置状态和加工状态)和制造水平 (即部件水平、 机器水平、 生产单元/生产线水平和车间水平)下的实时能源消耗特性， 以及 相关的操作参数(即速度、 力和温度)能源消耗行为模型决定了基于DT的制造业能源管 理服 务的可靠性和有效性。 现有的能耗行为模型可分为理论模型、 经验模型和基于运行状态的 模型三类， 其中， 基于状态的建模技术被广泛用于模拟或预测能量消耗行为， 它可以模拟操 作状态驱动的能量动力学和从一种操作状态到另一种操作状态的迁移关系； 然而， 基于状 态的能量模型假设在运行状态下功率恒定， 并近似地适合能量行为， 而不考虑不确定的运 行环境， 并且在实践中， 设备在复杂的动态生产环境中运行， 生产需求可变、 材料质量不一 致、 设备老化、 工具磨损、 设备故障、 工人能力差异等， 与能量行为的真实监测 轮廓相比， 基 于状态的能量建模技术会扭曲能量行为的预测结果， 模拟或预测中能量行为的失真会进一 步导致能耗计算、 异常能耗定位、 能效指标评价、 能量相关参数优化和能效提高等方面的偏 差， 由此可见， 模拟能量行为的失真将阻止DT在能源管理中的应用。 发明内容 [0004]本发明解决的问题是如何改进基于状态的能量模型在模拟或预测中存在能量行 为的失真。 [0005]为解决上述问题， 本发明提供一种基于状态的能源数字孪生体 的构建方法， 所述 能源数字孪生模型包括物理空间和数字空间， 所述物理空间中包括物理设备和用于采集并 存储物理设备上多源数据的边缘数据库， 所述数字空间中包括用于将边缘数据库中的多源 数据进行数据融合的数据融合模块、 用于模拟或预测能量消 耗行为的能量模型、 用于计算 每个状态的功率和对应的持续时间的数据驱动 混合Petri网络、 高斯核极限学习机和用于 存储能量模型模拟结果的数字 孪生数据库。 [0006]本发明的有益效果是： 本发明采用高斯核极限学习机拟合能耗连续过渡是的瞬时 发射速度， 同时与数据驱动混合Petri网络结合预测了物理设备的能量行为， 纠正了能量模 型在模拟或预测中存在能量行为的失真， 实现能耗计算、 异常能耗定位、 能效指标评价、 能说　明　书 1/4 页 3 CN 114239938 A 3