一种基于数字孪生技术的分布式能源站智慧运维系统的制作方法

1.本发明涉及能源站运维技术领域，尤其涉及一种基于数字孪生技术的分布式能源站智慧运维系统。


背景技术：

2.分布式能源站是指为用户集中提供电力、冷、热、压缩空气等动力的能源中心，能源站系统庞大，设备众多，主要包括燃气发电机、余热锅炉、溴化锂制冷机、以及控制系统和配电设备，设备与设备之间的耦合性、系统的复杂性，以及设备在高温、高压、高速旋转的特殊工作环境下操作运行复杂，发生故障的潜在因素较多，一旦出现故障，轻则迫使机组降负荷运行，重则会导致停机事件发生，甚至会导致设备损坏，无论故障大小，都会间接或直接给能源站带来经济损失。
3.目前能源站运行故障的诊断，主要是依赖于运行人员对设备运行过程中一些观测参数的分析，凭借经验解释故障发生的原因，因此，故障诊断的正确与否很大程度上取决于运行人员的经验判断。但有些故障原因是不太直观的，其系统全部监视的参数及状态变量可达数百上千个，要从上千个测量参数、状态变量和报警信息中判断故障发生的位置，影响机组工况的因素很多，各因素之间的关系也很复杂，若要准确地描述这些不确定因素是很困难的。


技术实现要素：

4.有鉴于此，本发明目的是提供一种基于数字孪生技术的分布式能源站智慧运维系统，包括数据采集网关、物联平台、物模型模块、数据融合模块故障诊断模块、决策管控模块和显示模块，所述数据采集网关与物联平台连接，所述物联平台和物模型模块均与数据融合模块连接，所述故障诊断模块与物联平台连接，所述数据融合模块和故障诊断模块均与决策管控模块连接，所述显示模块与决策管控模块连接。
5.本发明提供的技术方案带来的有益效果是：(1)本发明通过不断采集、融合、对比等操作，构建分布式能源站设备的数字孪生模型，基于能源站设备的数字孪生模型，可以实现设备故障的定量分析和精准定位，进而提高设备故障诊断的精准性，实现能源站设备的智慧运维；
6.(2)系统自动识别已经发生故障的能源站设备，生成包含运维上述发生故障的能源站设备的运维任务，系统根据运维人员的任务、位置、视频、图片等信息对运维人员进行实时监测，当发现危险行为时及时对运维人员进行预警提示。
附图说明
7.图1是本发明一种基于数字孪生技术的分布式能源站智慧运维系统的结构图；
8.图2是数据采集网关结构图；
9.图3是故障诊断模块结构图；
10.图4是显示模块结构图。
具体实施方式
11.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
12.请参考图1，本发明一种基于数字孪生技术的分布式能源站智慧运维系统，包括：数据采集网关1、物联平台2、物模型模块3、数据融合模块4、故障诊断模块5、决策管控模块6和显示模块7，所述数据采集网关1与所述物联平台2连接，所述物联平台2和所述物模型模块3均与数据融合模块4连接，所述数据融合模块4连接，所述故障诊断模块5与所述物联平台2连接，所述决策管控模块6与所述数据融合模块4和所述故障诊断模块5连接，所述显示模块7与决策管控模块6连接。
13.所述数据采集网关1用于采集能源站的实时数据信息，并将能源站的实时数据信息发送至所述物联平台2，所述能源站的实时数据信息包括：能源站设备的运行数据、传感器数据和人员信息数据。
14.其中，能源站设备包括：燃气发电机、余热锅炉、溴化锂机组、配电柜及传感器，人员信息数据包括运维人员的运维任务和运维人员的位置。
15.请参考图2，所述数据采集网关1包括：
16.能源站设备监测单元，与所述物联平台2连接，用于获取燃气发电机、余热锅炉、溴化锂机组和配电柜的运行数据，并将所述运行数据发送至所述物联平台2；
17.传感器单元，与所述物联平台2连接，包括环境传感器、压力传感器、冷热计量仪表、燃气计量仪表、电力计量仪表，用于将获取到的传感器数据发送至所述物联平台2；
18.人员监测单元，与所述物联平台2连接，用于实时获取所述人员的运维任务和位置，并将所述运维任务和所述位置发送至所述物联平台2。
19.其中，数据采集网关1包括数据读写模块和协议转换模块，数据读写模块，通过串口或网口向设备或传感器发送数据读取请求/数据写入请求，以对设备或传感器的寄存器进行数据读写操作；第一格式转换模块，将plc控制装置的输出数据转换为modbus协议所需的格式；第二格式转换模块，将数据采集网关转发到物联平台的输出数据转换为mqtt协议所需的格式。
20.所述物模型模块3存储有所述能源站设备的模型数据；
21.物模型是以能源站设备的真实世界相关数据为基础，进行虚拟世界数字模型的建立,通过数字信息仿真模拟设备所具有的真实信息，本发明专利中，物模型模块中存储能源站所有设备的模型数据，该模型数据包括设备的物理模型、行为模型、规则模型。
22.数据融合模块4用于采用多源异构数据融合算法对所述模型数据和所述能源站设备实时数据信息进行融合，构建能源站数字信息cim模型。
23.由于能源站设备的构成复杂，且设备与设备、设备与环境之间的影响较大，且影响因素较多，需要对不同类型的数据进行融合，在对多源异构数据进行分析的时候，有的时候也需要先对单一数据类型进行分析，然后对多源异构数据进行融合分析以及关联挖掘。因此，数据融合模块4用于采用多源异构数据融合算法对采集到的多源异构数据，即所述模型数据和所述能源站设备数据信息进行深度融合。
24.多源异构数据融合算法基于改进的机器学习算法建立了多源异构数据融合知识库，针对数据不同特性，针对不同应用需求，对数据进行特征抽取及属性融合，构建聚类分析、关联分析和分类预测算法库，实现对来自多源的结构化数据和非结构化数据进行进行深度融合，将多源异构的数据转化为真实的具有精确时空属性、动态属性和交互属性的能源站数字信息cim模型，有效解决传统的机理模型精细化程度不高、无法反映设备随着时间发生变化的缺陷。
25.请参考图3，故障诊断模块5，用于存储历史故障信息，故障诊断模块5包括：故障数据获取单元，用于存储历史故障信息，所述故障信息包括：能源站设备历史运行状态，与所述能源站设备运行状态对应的故障类型；故障诊断单元：用于通过机器学习算法对所述历史故障信息进行训练，生成所述故障诊断单元。
26.诊断单元是通过机器学习算法对大量不同的故障案例的数据进行训练，构建层次化的部件、子系统乃至整个设备的健康指标体系，从而得到具备对燃气发电机故障/异常诊断与定位、余热锅炉故障/异常诊断与定位、溴化锂制冷机故障/异常诊断与定位、配电柜的故障/异常诊断与定位功能的单元。
27.所述决策管控模块6，用于基于所述能源站数字信息cim模型和所述故障诊断模块5实现对所述能源站设备的智能运维、故障定型和人员管控。
28.决策管控模块6将能源站数字信息cim模型中的数据与故障诊断模块5中的数据进行对比，并与故障诊断模块5中的能源站设备状态及故障数据进行比对分析，最终确定设备的当下运行状态是否良好，并在确定能源站设备出现故障时，确定能源站设备的故障类型、以及运维人员的危险行为并给与实时预警。
29.针对智能运维和故障定型，能源站的设备发生故障时，设备会从初始状态或正常状态转变为故障状态，可以利用多种传感器探测设备是运行时状态的动态变化，当出现故障状态时系统会提取出故障状态数据中的特征信息，并将这些特征信息进行强化，从而实现对能源站设备的智能运维和故障定型。
30.针对人员管控，由于能源站设备集中，带电区、高温高压区和安全区毗邻，因此作业人员安全管控问题突出，利用能源站数字信息cim模型的精确时空性、交互性，能够实现设备与人员的精确定位。在作业人员安全管控方面，通过作业人员佩戴的移动终端获取人员的实时位置。为保证人员位置的真实性和实时性，首先通过获取人员与临近定位设备间的绝对距离，对作业人员进行精确的三维定位，通过能源站数字信息cim模型的分析能够对人员的安全作业范围进行精确的布防，并对人员越界给与警告。
31.请参考图4，所述智慧运维系统还包括：显示模块；所述显示模块与所述决策管控模块6连接，所述显示模块包括：场景虚拟单元，用于利用虚拟现实技术构建所述能源站内的虚拟场景，所述虚拟场景包括：能源站设备管理、实时监控、故障诊断、维修作业任务、生产应急指挥；显示单元，用于在接收到由所述能源站数字信息cim模型和所述故障诊断模块5融合后的融合数据时，显示与融合数据对应的状态。
32.其中，所述显示单元包括：预设子单元，所述预设子单元与所述场景虚拟单元连接，用于根据所述融合数据生成所述虚拟场景下与所述融合数据对应的状态；存储子单元，所述存储子单元与所述预设子单元连接，用于存储所述预设子单元生成的多个融合数据和每个所述融合数据与状态之间的对应关系；显示子单元，分别与所述决策管控模块6连接和
所述存储子单元连接，用于在接收到由所述能源站数字信息cim模型和所述故障诊断模块5融合后的融合数据时，从所述存储子单元选择与所述融合数据对应的状态，并显示所述状态。
33.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。