基于多源数据融合与3DGS神经渲染的配电网设备数字孪生建模方法及系统与流程

本发明属于电力系统数字化仿真与数字孪生，具体涉及一种基于多源数据融合与3dgs神经渲染的配电网设备数字孪生建模方法及系统。

背景技术：

1、随着智能电网和数字孪生技术的快速发展，配电网设备的精细化建模与实时可视化运维成为电力系统数字化转型的关键环节。传统的配电网设备建模方法主要采用基于物理机理的数值仿真或基于三维几何的计算机图形学渲染，两者各自存在局限性：机理模型虽能准确描述设备的电气、热学及力学行为，但计算复杂度高、实时性差，且难以直观呈现设备的外观状态与动态变化；而纯几何渲染模型虽具备较高的视觉真实感，却缺乏物理一致性，无法反映设备在过载、短路及绝缘老化等异常状态下的内部物理场演化规律。

2、近年来，3d高斯泼溅（3d gaussian splatting，3dgs）作为一种新兴的神经渲染技术，以其高效的渲染速度和优越的场景表示能力受到广泛关注。然而，现有3dgs方法主要面向通用场景的重建与新视图合成，其高斯属性的优化依赖于影像序列的监督信号，缺乏对配电网设备物理特性和运行状态的感知能力，难以直接应用于对物理一致性要求严苛的电力设备数字孪生场景。此外，多源异构数据（如遥测数据、红外热像、超声信号及点云数据）的融合利用在配电网领域尚不充分，已有方法大多将不同类型数据简单叠加或分步处理，未能实现特征级深度融合与统一空间表达，导致模型在表征设备多物理场耦合特性时精度不足。

3、因此，亟需一种能够将配电网设备机理模型与3dgs神经渲染有机融合的数字孪生建模方法，在保证视觉真实感的同时，实现对设备运行状态的物理一致性表达与动态响应能力。

技术实现思路

1、针对现有配电网设备数字孪生建模中机理仿真与视觉渲染相互割裂、难以兼顾物理一致性与实时可视化表达的技术缺陷，本发明提供一种基于多源数据融合与3dgs神经渲染的配电网设备数字孪生建模方法及系统，将状态机驱动的机理模型与3dgs神经渲染管道深度融合，通过多源异构数据的特征级融合初始化场景表示，并以机理模型物理约束为正则化项端到端优化高斯参数，实现数字孪生模型在视觉真实感与物理一致性两个维度的同步收敛。

2、第一方面，本申请实施例提供一种基于多源数据融合与3dgs神经渲染的配电网设备数字孪生建模方法，所述方法包括：

3、s1、构建状态机驱动的机理模型，输出结构约束参数及优化目标函数；

4、s2、依据所述结构约束参数及优化目标函数采集多源数据，经预处理生成多模态数据；

5、s3、利用所述多模态数据初始化3dgs场景表示，并依据所述结构约束参数与灵敏度指标自适应配置初始渲染属性；

6、s4、将实时运行状态参数编码为条件特征，以当前状态对应的优化目标函数为先验约束，注入3dgs渲染管道以实现高斯属性对运行状态的动态响应；

7、s5、以影像序列为监督信号、机理模型物理约束为正则化项，端到端优化高斯参数与条件化神经调制网络，得到状态感知的3dgs数字孪生模型。

8、第二方面，本申请实施例提供一种基于多源数据融合与3dgs神经渲染的配电网设备数字孪生建模系统，应用于如第一方面所述的方法，所述系统包括：

9、机理模型构建模块，用于构建状态机驱动的机理模型，并输出结构约束参数及优化目标函数；

10、多源数据采集与预处理模块，用于依据所述结构约束参数及优化目标函数采集多源数据，并经预处理生成多模态数据；

11、3dgs场景初始化模块，其输入端连接所述机理模型构建模块的输出端及所述多源数据采集与预处理模块的输出端，用于利用所述多模态数据初始化3dgs场景表示，并依据所述结构约束参数与灵敏度指标自适应配置初始渲染属性；

12、条件化神经调制模块，其输入端连接所述机理模型构建模块的输出端，用于将实时运行状态参数编码为条件特征，以当前状态对应的优化目标函数为先验约束，注入3dgs渲染管道以实现高斯属性对运行状态的动态响应；

13、联合优化训练模块，其输入端分别连接所述3dgs场景初始化模块的输出端、所述条件化神经调制模块的输出端及所述机理模型构建模块的输出端，用于以影像序列为监督信号、机理模型物理约束为正则化项，端到端优化高斯参数与调制网络，得到状态感知的3dgs数字孪生模型。

14、第三方面，本申请实施例提供一种电子设备，包括：

15、处理器；

16、用于存储处理器可执行指令的存储器；

17、其中，所述处理器被配置为执行所述指令时实现如第一方面所述的基于多源数据融合与3dgs神经渲染的配电网设备数字孪生建模方法。

18、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序，所述程序指示设备执行如第一方面所述的基于多源数据融合与3dgs神经渲染的配电网设备数字孪生建模方法。

19、与现有技术相比，本发明具有以下有益效果：第一，本发明将配电网设备状态机驱动的机理模型与3dgs神经渲染管道深度融合，以机理模型输出的物理约束为正则化项引导高斯参数优化，克服了传统纯视觉渲染模型缺乏物理一致性的缺陷，使数字孪生模型在保证高保真视觉效果的同时，能够准确反映设备在正常运行、过载、短路及绝缘老化等不同状态下的内部物理场分布规律。第二，本发明通过特征级融合策略对多源异构数据（遥测数据、红外热像、超声信号及点云数据）进行空间配准与统一表达，并利用灵敏度指标自适应配置3dgs场景的初始渲染属性，相比于传统简单叠加或分步处理的方式，显著提升了模型在多物理场耦合场景下的表征精度与初始化效率。第三，本发明引入条件化神经调制机制，将实时运行状态参数编码为条件特征并通过自注意力机制动态调制高斯属性，使数字孪生模型具备对过载、短路及老化等异常状态的实时动态响应能力，有效支撑配电网设备的智能运维与预警决策。第四，本发明以多视角影像序列和红外热成像序列为监督信号，联合优化高斯几何参数与调制网络权重，使模型在视觉真实感与物理一致性两个维度同步收敛，兼顾了渲染质量与仿真精度，同时3dgs的高效渲染特性保证了数字孪生场景的实时交互帧率，满足电力运维现场的工程化应用需求。

1.一种基于多源数据融合与3dgs神经渲染的配电网设备数字孪生建模方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤s1具体包括：

3.根据权利要求1所述的方法，其特征在于，步骤s2具体包括：

4.根据权利要求1所述的方法，其特征在于，步骤s3具体包括：

5.根据权利要求4所述的方法，其特征在于，所述计算各设备区域在所述优化目标函数下的灵敏度指标，具体包括：

6.根据权利要求1所述的方法，其特征在于，所述步骤s4具体包括：

7.根据权利要求6所述的方法，其特征在于，所述通过自注意力机制计算所述条件特征向量与各高斯属性的关联权重，具体包括：

8.根据权利要求1所述的方法，其特征在于，步骤s5具体包括：

9.根据权利要求8所述的方法，其特征在于，所述以所述机理模型输出的热平衡方程及电场强度分布作为物理正则化项，具体包括：

10.一种基于多源数据融合与3dgs神经渲染的配电网设备数字孪生建模系统，应用于如权利要求1至9任一项所述的方法，其特征在于，所述系统包括：