一种储能系统的数字孪生体构建方法、装置及存储介质与流程

1.本发明涉及电力技术领域，具体涉及一种储能系统的数字孪生体构建方法、装置及存储介质。


背景技术：

2.建立电化学储能系统的数字孪生体是掌握电化学储能系统实际运行状态的一种先进技术手段，当前对于电化学储能系统数字孪生体的构建方法，大多数停留在以建立电化学储能系统各个层级单元的表观模型为基础，集成各类动态监测信息，在此基础上对监测数据采用一些算法做分析计算，得出相应分析计算结果进而判断是否存在异常或利用历史监测数据进行数据预测，达到安全预警的目的。
3.由此，现有针对电化学储能系统的数字孪生体的构建方法在实体对象的三维模型层面，更侧重于用户看到的可视化展示效果，只是做单纯的渲染展示，不具备分析计算功能，难以体现数字孪生体仿真分析核心作用。


技术实现要素：

4.有鉴于此，本发明实施例提供了涉及一种储能系统的数字孪生体构建方法、装置及存储介质，以解决现有技术中针对储能系统构建的数字孪生体难以体现数字孪生体仿真分析核心作用的技术问题。
5.本发明提出的技术方案如下：本发明实施例第一方面提供一种储能系统的数字孪生体构建方法，包括：根据储能系统的电芯数据建立电化学机理模型；基于储能系统数据建立储能系统对应的建筑信息模型；根据所述建筑信息模型之间的关系搭建数字孪生场景；基于储能系统监测采集的数据，根据所述电化学机理模型、建筑信息模型建立储能系统的数据关系模型和仿真计算分析模型；基于所述数字孪生场景，根据所述数据关系模型和仿真计算分析模型建立储能系统的数字孪生体。
6.可选地，该储能系统的数字孪生体构建方法还包括：根据所述数字孪生体模拟的实体储能系统状态，确定数字孪生体的异常报警信息；根据所述数字孪生体和实体储能系统的异常报警信息建立异常预测机器学习模型；根据所述异常预测机器学习模型对当前监测数据的预测结果对实体储能系统进行优化调控。
7.可选地，该储能系统的数字孪生体构建方法还包括：调整所述数字孪生体中的参数值，模拟不同状态的储能系统调取与相应状态关联的数字孪生体的历史参数值进行反演，确定实体储能系统的状态；根据实体储能系统的状态进行储能系统的调控。
8.可选地，根据储能系统的电芯数据建立电化学机理模型，包括：根据储能系统的电芯数据确定当前电芯的状态参数；根据当前电芯的状态参数建立电化学机理模型，所述电化学机理模型用于动态模拟电芯的状态参数变化。
9.可选地，基于储能系统数据建立储能系统对应的建筑信息模型，包括：基于储能系
统中各个实体对应建立对应的三维建筑信息模型；将各类静态信息和对应的三维建筑信息模型进行绑定，得到储能系统对应的多个建筑信息模型。
10.可选地，根据所述建筑信息模型之间的关系搭建数字孪生场景，包括：对所述建筑信息模型进行格式预处理；基于储能系统中各个层级单元的实际拓扑关系和空间布设关系，调整各建筑信息模型的位置状态；基于储能系统的运行及控制逻辑，建立各建筑信息模型的关联关系和本构模型；基于调整后的建筑信息模型以及各建筑信息模型的关联关系和本构模型搭建数字孪生场景。
11.可选地，基于储能系统监测采集的数据，根据所述电化学机理模型、建筑信息模型建立储能系统的数据关系模型和仿真计算分析模型，包括：获取储能系统监测采集的数据；将所述数据与对应的建筑信息模型进行关联；基于所述数据的类型，根据储能系统的运行逻辑和机理，建立各个层级各个数据类型之间的关系模型；根据所述电化学机理模型的参数、所述建筑信息模型的参数以及所述数据进行组合关联，建立储能系统的仿真计算分析模型。
12.本发明实施例第二方面提供一种储能系统的数字孪生体构建装置，包括：第一模型建立模型，用于根据储能系统的电芯数据建立电化学机理模型；第二模型建立模型，用于基于储能系统数据建立储能系统对应的建筑信息模型；场景搭建模块，用于根据所述建筑信息模型之间的关系搭建数字孪生场景；第三第四模型构建模块，用于基于储能系统监测采集的数据，根据所述电化学机理模型、建筑信息模型建立储能系统的数据关系模型和仿真计算分析模型；数字孪生体建立模块，用于基于所述数字孪生场景，根据所述数据关系模型和仿真计算分析模型建立储能系统的数字孪生体。
13.本发明实施例第三方面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计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的储能系统的数字孪生体构建方法。
14.本发明实施例第四方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的储能系统的数字孪生体构建方法。
15.本发明提供的技术方案，具有如下效果：本发明实施例提供的储能系统的数字孪生体构建方法、装置及存储介质，通过建立电化学机理模型，考虑了电芯本身的电化学机理对于后续电化学储能系统运行的影响；同时构建bim模型，结合bim技术，使得电化学储能系统的三维模型不再仅仅是展示监测数据的载体，而成为了集成各类属性参数具备仿真计算能力的精细化bim模型；此外，充分考虑了储能系统建立数字孪生体需要集成的多物理场仿真计算模型，做到了将静动态数据融合分析，更贴近电化学储能电站实体。也更好地建立了数据与各类数学计算模型驱动的虚拟数字孪生体与电化储能系统的智能化互馈优化方式。该方法步骤简单、可操作性强，在一定程度上提升了储能系统仿真精度，从本质上扩展了数字孪生体的实际用途，将数字孪生技术更好地应用于储能领域。
附图说明
16.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1是根据本发明实施例的储能系统的数字孪生体构建方法的流程图；图2是根据本发明实施例的储能系统的数字孪生体构建方法构建的数字孪生体的结构示意图；图3是根据本发明另一实施例的储能系统的数字孪生体构建方法的流程图；图4是根据本发明另一实施例的储能系统的数字孪生体构建方法的流程图；图5是根据本发明实施例的储能系统的数字孪生体构建装置的结构框图；图6是根据本发明实施例提供的计算机可读存储介质的结构示意图；图7是根据本发明实施例提供的电子设备的结构示意图。
具体实施方式
18.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
19.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
20.正如在背景技术中所述，现有技术中针对储能系统的数字孪生体的构建只是单纯的渲染展示，不具备分析计算功能。同时，监测数据的采集集成，只是单纯的将监测数据与对应的三维模型进行绑定，没有将各类监测数据，包括电池本身监测数据、状态量、环境信息等的关系进行表征，也没有将监测数据与实际实体模型的一些原有属性参数建立关联，使得最后的分析计算工作变成了单纯的根据监测到的各项数据进行一些简单的数据处理和分析工作。实际上在此类方法中，模型对象、监测数据、实体对象是割裂开的，换句话说，这种方法构建的数字孪生体，只通过采集到的监测数据也能实现想要实现的分析计算和反馈预警等功能，并没有体现数字孪生技术的核心价值。
21.因此，现有技术中针对储能系统的数字孪生体的构建1没有考虑电池电芯本身的电化学机理模型对后续运行的影响；其三维模型只具备渲染展示效果，没有关联属性参数，不具备分析计算能力；三维模型对象、监测数据、环境信息等相对割裂，没有考虑各个要素之间和各要素不同类型参数之间的耦联关系，无法形成较为合理逼真的仿真模型。
22.有鉴于此，本发明实施例提供一种储能系统的数字孪生体构建方法，针对当前电化学储能数字孪生体构建未考虑电池电芯电化学机理模型；数字孪生体中包含的模型不全以及各要素之间的关联度不够，难以体现数字孪生体仿真分析核心作用的弊端，通过引入bim（建筑信息模型，building information modeling）技术，并从电化学储能系统本质出发，充分考虑数字孪生体需要集成关联的各种数学分析模型，建立更贴近实际场景需要、可动态更新仿真计算的电化学储能系统数字孪生体。
23.根据本发明实施例，提供了一种储能系统的数字孪生体构建方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
24.在本实施例中提供了一种储能系统的数字孪生体构建方法，该构建方法可以在云端实现，图1是根据本发明实施例储能系统的数字孪生体构建方法的流程图，如图1所示，该方法包括如下步骤：步骤s101：根据储能系统的电芯数据建立电化学机理模型。其中，该储能系统可以是电化学储能系统，也可以是是其他类型的储能系统。具体地，对于不同的电芯其电化学机理模型是不同的，由此，在建立电化学机理模型时需要确定储能系统中的电芯数据从而获取当前电芯的状态参数。对于该电芯数据可以从对应的电芯厂商获取的电池测试数据获取。具体地，电化学机理模型通过对当前电芯的状态参数拟合构建，同时，对于该电化学机理模型可以动态模拟电芯的状态参数变化。
25.当在云端构建数字孪生体时，该将建立的电化学机理模型上传至云端，同时云端预留动态调整的参数接口，将当前电芯的状态参数以及电化学机理模型对应的算法上传至云端，使得该电化学机理模型随时间不断计算更新。
26.步骤s102：基于储能系统数据建立储能系统对应的建筑信息模型。在建立建筑信息模型之前，预先获取储能系统中各个实体对象尺寸等数据，将获取的数据输入至bim软件中，建立各个实体对象的三维bim模型。同时，获取实体对象的材料、力学以及热学属性等各类静态信息，将该静态信息与对应的三维建筑信息模型进行绑定，从而得到储能系统中各个实体对象对应的建筑信息模型。
27.步骤s103：根据所述建筑信息模型之间的关系搭建数字孪生场景。在得到各个实体对象的bim模型后，为了使得后续构建的数字孪生体具有通用性，在将bim模型上传云端之前，将包含完整属性信息的各个bim模型转换为国际通用的ifc格式，然后再导入至云端。并且，由于建立的bim模型是各个实体对象的独立模型，因此，基于储能系统中各个层级单元的实际拓扑关系和空间布设关系，调整各建筑信息模型的位置状态；同时，基于储能系统的运行及控制逻辑，建立各建筑信息模型的关联关系和本构模型；由此实现各个bim模型之间的关联。
28.其中，本构模型是指需要在单个对象上面或者整个场景系统上面做仿真计算建立的模型，例如整个系统的电化学热仿真模型、电池模组外壳的应力应变模型等计算模型。在完成模型构建后，可以基于调整后的建筑信息模型以及各建筑信息模型的关联关系和本构模型搭建数字孪生场景。由此，该搭建的数字孪生场景中嵌入了实体bim模型、相关静态属性信息以及不同模型之间的关系模型如空间关系、物理连接关系等（用共公式或者算法表
征），即该数字孪生场景实现了现实场景中的对象还有对象之间的关系用数字化模型、数据以及公式的还原。
29.步骤s104：基于储能系统监测采集的数据，根据所述电化学机理模型、建筑信息模型建立储能系统的数据关系模型和仿真计算分析模型。在完成场景搭建后，获取储能系统监测采集的数据，进行监测数据的对接。其中，对于监测采集的数据，先梳理不同数据的类别，对数据进行分类和预处理，并将不同采集器采集的数据进行协议转换，通过预设协议如mqtt协议（message queuing telemetry transport，消息队列遥测传输协议）将转换后的数据推送到搭建的数字孪生场景内。同时，该数据还可以保存在数字孪生场景内的数据库中，该数据库实现了数字孪生场景中全部数据的存储功能，该数据库中包括了全部的静态信息、监测数据等，同时还能够供外部调取相关数据。
30.由于搭建的数字孪生场景中已经嵌入了各个实体模型，由此，在将数据推送到数字孪生场景后，参照实际情况，将相应的数据与对应的bim模型关联。同时，基于所述数据的类型，根据储能系统的运行逻辑和机理，建立各个层级各个数据类型之间的关系模型。
31.并且，结合推送的数据、构建的电化学机理模型、各个实体对象的bim模型，还可以实现多模型多物理场的耦联仿真。具体地，从需求侧出发，根据电化学储能系统特性，将电芯单元电化学机理模型主要参数、各bim模型属性参数、各类监测数据参数、环境变量等要素进行组合关联，建立温度场、电磁场、应力应变场等电化学储能系统的仿真计算分析模型。
32.步骤s105：基于所述数字孪生场景，根据所述数据关系模型和仿真计算分析模型建立储能系统的数字孪生体。在完成上述场景搭建以及模型建立后，即完成了数字孪生体的构建。并且，对于该构建的数字孪生体，还可以利用海量动态监测数据驱动各类仿真计算bim模型的动态更新，结合先前建立的各实体对象、各参数类型、参数与仿真场之间的关联关系和数学模型关系，不断动态更新当前各数字孪生体的实际状态信息，包括尺寸变化、应力应变、温度、内阻、soc、soh等。
33.本发明实施例提供的储能系统的数字孪生体构建方法，通过建立电化学机理模型，考虑了电芯本身的电化学机理对于后续电化学储能系统运行的影响；同时构建bim模型，结合bim技术，使得电化学储能系统的三维模型不再仅仅是展示监测数据的载体，而成为了集成各类属性参数具备仿真计算能力的精细化bim模型；此外，充分考虑了储能系统建立数字孪生体需要集成的多物理场仿真计算模型，做到了将静动态数据融合分析，更贴近电化学储能电站实体。也更好地建立了数据与各类数学计算模型驱动的虚拟数字孪生体与电化储能系统的智能化互馈优化方式。该方法步骤简单、可操作性强，在一定程度上提升了储能系统仿真精度，从本质上扩展了数字孪生体的实际用途，将数字孪生技术更好地应用于储能领域。
34.在一实施方式中，该储能系统的数字孪生体构建方法还包括：根据所述数字孪生体模拟的实体储能系统状态，确定数字孪生体的异常报警信息；根据所述数字孪生体和实体储能系统的异常报警信息建立异常预测机器学习模型；根据所述异常预测机器学习模型对当前监测数据的预测结果对实体储能系统进行优化调控。
35.具体地，在建立异常预测机器学习模型时，不仅输入数字孪生体的异常报警信息，同时输入实体储能系统的异常报警信息，该实体储能系统的异常报警信息输入模型中能够
帮助模型判断实际情况下哪些情况是异常的，是用来修正该模型的。以实体储能系统的异常报警信息作为一个训练样本，能够明确实际的异常情况。而数字孪生体的异常报警信息输入到这个模型中，是利用当前的实际动态数据判断数字孪生体是否存在异常也就是现实系统是否存在异常。
36.当建立得到异常预测机器学习模型后，将当前监测数据输入到该模型中，基于输出结果能够预测后续可能存在的运行异常和风险，由此能够反馈给实体储能系统进行优化调控。
37.在一实施方式中，该储能系统的数字孪生体构建方法还包括：调整所述数字孪生体中的参数值，模拟不同状态的储能系统；调取与相应状态关联的数字孪生体的历史参数值进行反演，确定实体储能系统的状态；根据实体储能系统的状态进行储能系统的调控。
38.在构建得到储能系统的数字孪生体后，基于该数字孪生体能够实现储能系统的反演优化。具体地，调整云端的数字孪生体关联的参数值，将要模拟仿真的储能系统所处环境和状态嵌入到数字孪生体中，调取与此状态关联的历史数字孪生体关联参数进行反演，即可获取特定条件下的数字孪生体模拟现实系统的状态，反馈调控现实系统，避免相关风险。
39.此外，将实体储能系统与数字孪生体的静动态参数不断互馈，即可实现储能系统数字孪生体的构建与动态更新。通过上述步骤可知，该储能系统的数字孪生体构建方法构建的数字孪生体的结构具体如图2所示。
40.在一实施方式中，如图3所示，当需要采用构建的数字孪生体进行电化学储能系统温度场仿真分析与热失控预警时，该储能系统的数字孪生体构建方法具体包括如下步骤：步骤201：嵌入电芯本身电化学机理模型。首先，根据电化学储能系统使用的不同电芯，收集对应的电芯厂商的电池测试数据，准确获取当前批次电芯的实际状态，包括内阻大小、电池电量、健康度等实际信息。接着建立拟合各电芯的电化学机理模型，该模型能够随时间动态模拟电芯的内部参数变化。同时，将电化学机理模型对应的算法，例如针对热失控，将电芯充放电产生的热量计算方法以及当前各电池电芯的实际健康度、电芯内阻等参数量上传至云端随时间不断计算更新，可模拟监测各组串电芯之间的差异性。该云端上预留可动态调整的参数接口。
41.步骤202：建立电化学储能系统bim模型。在bim软件内，根据电化学储能系统涉及到的各个实体对象尺寸，建立对应的三维bim模型。将材料、力学、热学属性等各类静态信息与对应的bim模型对象绑定。
42.步骤203：搭建数字孪生场景。将包含完整属性信息的各个bim模型转换为国际通用的ifc格式，导入到云端。根据电化学储能系统各个层级单元的实际拓扑关系和空间布设关系，调整各bim模型的位置状态，形成统一的三维仿真场景。根据电化学储能系统的运行及控制逻辑、各对象单元热失控影响范围和关联的其他对象，建立各个bim模型对象的关联关系、本构模型。
43.步骤204：监测数据对接。根据电化学储能系统监测采集的数据类别，针对热失控涉及的电流、电压、环境温度、电池各层级系统温度等参数，进行分类和预处理，并将不同采集器采集的信息通过协议转换，以mqtt协议推送到数据库和数字孪生场景内。参照实际情况，将监测数据与对应的bim模型对象关联。根据采集到的各个监测数据类型，从电化学储能系统热失控事件发生所关联的监测数据出发，建立各个层级各个类型数据之间的关系模
型。
44.步骤205：多模型多物理场耦联仿真。从热失控事件发生的机理出发，根据电化学储能系统特性，将电芯单元电化学机理模型主要参数、各bim单元材料热力学参数、电流电压温度等监测数据参数、环境温度、储能系统内可燃气体浓度等要素进行组合关联，建立电化学储能系统温度场仿真计算分析模型。对接comsol等多物理场仿真计算软件，利用海量动态监测数据驱动温度场仿真计算bim模型的动态更新，结合先前建立的各实体对象、各参数类型、参数与仿真场之间的关联关系和数学模型关系，不断动态更新当前各数字孪生体的实际状态信息，包括尺寸变化、应力应变、温度、内阻、soc、soh差异性等，基于数字孪生体温度场仿真结果，查看实际电化学储能系统内是否存在温度异常点，并进行针对性处理。
45.步骤206：动态更新与机器学习模型建立。依据数字孪生体和实体储能系统的温度异常报警信息，在云端建立电化学储能系统热失控预测机器学习模型，以温度、电压、电流等动态监测信息和实际热失控报警信息驱动机器学习模型训练，优化机器学习模型参数。将当前监测数据输入至热失控预测机器学习模型，预测后续可能存在的温度异常和风险，反馈给实体储能系统进行优化调控和事前控制，可提前规避风险，保障电化学储能系统的安全稳定运行。
46.在一实施方式中，如图4所示，当需要采用构建的数字孪生体进行电化学储能系统电池剩余寿命动态预测时，该储能系统的数字孪生体构建方法具体包括如下步骤：步骤301:嵌入电芯本身电池退化模型。首先，根据电化学储能系统使用的不同电芯，收集对应的电芯厂商的电池充放电及寿命测试的相关数据，准确获取当前批次电芯的实际健康状态和电池的退化模型核心参数。接着建立拟合各电芯的退化模型，可随时间动态模拟电芯的内部参数变化。同时将电池退化模型对应的贝叶斯等算法、当前各电池电芯的实际状态量、电芯容量等内部参数量上传至云端随时间不断计算更新，并预留可动态调整的参数接口。
47.步骤302:建立电化学储能系统bim模型。在bim软件内，根据电化学储能系统涉及到的各个实体对象尺寸，建立对应的三维bim模型。将材料、力学、热学属性等各类静态信息与对应的bim模型对象绑定。
48.步骤303:搭建数字孪生场景。将包含完整属性信息的各个bim模型转换为国际通用的ifc格式，导入到云端。根据电化学储能系统各个层级单元的实际拓扑关系和空间布设关系，调整各bim模型的位置状态，形成统一的三维仿真场景。根据电化学储能系统的运行及控制逻辑，以同组串各个电芯退化模型之间的相互关联参数为基础，建立各个bim模型对象的关联关系、本构模型。
49.步骤304:监测数据对接。根据电化学储能系统监测采集的数据类别，对数据进行分类和预处理，并将不同采集器采集的信息通过协议转换，以mqtt协议推送到数据库和数字孪生场景内。参照实际情况，将监测数据与对应的bim模型对象关联。根据采集到的电压、电流、电量等数据，从电化学储能系统运行逻辑和机理出发，建立各个层级各个类型数据之间的关联电芯退化参数关系模型。
50.步骤305:多模型多物理场耦联仿真。从影响电池使用寿命的关键因素出发，根据电化学储能系统特性，将电芯单元退化模型主要参数、各bim单元属性参数、各类监测数据参数、环境变量等要素进行组合关联，建立温度场、电磁场、应力应变场等电化学储能系统
的仿真计算分析模型。对接多物理场仿真计算软件，利用海量动态监测数据驱动各类仿真计算bim模型的动态更新，结合先前建立的各实体对象、各参数类型、参数与仿真场之间的关联关系和数学模型关系，不断动态更新当前各数字孪生体的实际状态信息，包括尺寸变化、应力应变、温度、内阻、soc、soh等。
51.步骤306:电池剩余寿命动态预测。依据数字孪生体和实体储能系统的监测数据信息，在云端建立电化学储能系统电池剩余容量估算的机器学习模型，以海量动态监测信息和充放电量信息驱动机器学习模型训练，优化模型参数。根据当前数字孪生体模拟的实体储能系统状态，跟踪各个电池的容量衰退，建立各个电池的容量衰退曲线，并根据当前运行数据和充放电强度与状态，拟合出当前电化学储能系统内各个电池的剩余寿命预测值。将当前实际监测数据接入机器学习模型，预测各个电池继续按当前调控策略使用的剩余寿命，体现不同电池剩余寿命的差异性，帮助运维人员找到异常电池进行处理替换。将电池本身特性、电化学储能系统特性与实际运行策略等多方面因素充分耦联，实时动态进行各个电池剩余寿命预测。理论上，将使得寿命预测的结果更具有可信度和实际参考价值。
52.本发明实施例还提供一种储能系统的数字孪生体构建装置，如图5所示，该装置包括：第一模型建立模型，用于根据储能系统的电芯数据建立电化学机理模型；具体内容参见上述方法实施例对应部分，在此不再赘述。
53.第二模型建立模型，用于基于储能系统数据建立储能系统对应的建筑信息模型；具体内容参见上述方法实施例对应部分，在此不再赘述。
54.场景搭建模块，用于根据所述建筑信息模型之间的关系搭建数字孪生场景；具体内容参见上述方法实施例对应部分，在此不再赘述。
55.第三第四模型构建模块，用于基于储能系统监测采集的数据，根据所述电化学机理模型、建筑信息模型建立储能系统的数据关系模型和仿真计算分析模型；具体内容参见上述方法实施例对应部分，在此不再赘述。
56.数字孪生体建立模块，用于基于所述数字孪生场景，根据所述数据关系模型和仿真计算分析模型建立储能系统的数字孪生体。具体内容参见上述方法实施例对应部分，在此不再赘述。
57.本发明实施例提供的储能系统的数字孪生体构建装置，通过建立电化学机理模型，考虑了电芯本身的电化学机理对于后续电化学储能系统运行的影响；同时构建bim模型，结合bim技术，使得电化学储能系统的三维模型不再仅仅是展示监测数据的载体，而成为了集成各类属性参数具备仿真计算能力的精细化bim模型；此外，充分考虑了储能系统建立数字孪生体需要集成的多物理场仿真计算模型，做到了将静动态数据融合分析，更贴近电化学储能电站实体。也更好地建立了数据与各类数学计算模型驱动的虚拟数字孪生体与电化储能系统的智能化互馈优化方式。该装置结构简单、可操作性强，在一定程度上提升了储能系统仿真精度，从本质上扩展了数字孪生体的实际用途，将数字孪生技术更好地应用于储能领域。
58.本发明实施例提供的储能系统的数字孪生体构建装置的功能描述详细参见上述实施例中储能系统的数字孪生体构建方法描述。
59.本发明实施例还提供一种存储介质，如图6所示，其上存储有计算机程序601，该指
令被处理器执行时实现上述实施例中储能系统的数字孪生体构建方法的步骤。该存储介质上还存储有音视频流数据，特征帧数据、交互请求信令、加密数据以及预设数据大小等。其中，存储介质可为磁碟、光盘、只读存储记忆体 (read-only memory，rom)、随机存储记忆体 (random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘 (solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
60.本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体（read-only memory，rom）、随机存储记忆体（randomaccessmemory，ram）、快闪存储器（flash memory）、硬盘（hard disk drive，缩写：hdd）或固态硬盘（solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
61.本发明实施例还提供了一种电子设备，如图7所示，该电子设备可以包括处理器51和存储器52，其中处理器51和存储器52可以通过总线或者其他方式连接，图7中以通过总线连接为例。
62.处理器51可以为中央处理器（central processing unit，cpu）。处理器51还可以为其他通用处理器、数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）、现场可编程门阵列（field-programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
63.存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的储能系统的数字孪生体构建方法。
64.存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需要的应用程序；存储数据区可存储处理器51所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
65.所述一个或者多个模块存储在所述存储器52中，当被所述处理器51执行时，执行如图1-4所示实施例中的储能系统的数字孪生体构建方法。
66.上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
67.虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。