数字孪生体的构建方法、装置、设备及可读存储介质与流程

1.本技术涉及电网技术领域，更具体地说，涉及一种数字孪生体的构建方法、装置、设备及可读存储介质。


背景技术：

2.现有技术中，若是需要研究直流控制保护系统中的二次设备，需要先将包含有仿真电网的实时仿真系统接入至直流控制保护硬件中，结合实时仿真系统及直流控制保护硬件，才可实现二次设备的研究。而实时仿真系统较大，且维护不易，为二次设备的研究带来不便。


技术实现要素：

3.有鉴于此，本技术提供了一种数字孪生体的构建方法、装置、设备及可读存储介质，用于解决现有技术中难以研究二次设备的缺点。
4.为了实现上述目的，现提出的方案如下：
5.一种数字孪生体的构建方法，包括：
6.确定待构建数字孪生体的二次设备，其中，所述二次设备中包含有多个功能模块，各个功能模块在交互信号的传递中运行，以实现所述二次设备的运行，所述二次设备运行过程中所述各个功能模块之间传递的交互信号皆为可追溯信号；
7.追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系；
8.构建所述二次设备中每一功能模块的程序镜像；
9.根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所述二次设备的数字孪生体。
10.可选的追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系，包括：
11.获取图神经网络；
12.利用所述图神经网络，追溯所述二次设备中每一交互信号的来源，得到所述图神经网络输出的各个功能模块之间的交互关系。
13.可选的，所述获取图神经网络，包括：
14.获取所述图神经网络的多个训练数据，其中，所述多个训练数据为多个二次设备中各个交互信号及边向量，每一交互信号包括该交互信号对应的功能模块的标识，所述边向量表示各个功能模块的标识之间的交互关系；
15.将所述多个训练数据逐一输入至所述图神经网络，得到所述图神经网络输出的预测交互关系，直至所述图神经网络对应的第一损失值小于预置的第一阈值为止，其中，所述第一损失值根据所述预测交互关系及所述边向量确定。
16.可选的，所述构建所述二次设备中每一功能模块的程序镜像，包括：
17.获取每一功能模块对应的输入信号及输出信号，并将所述输入信号及所述输出信
号作为所述功能模块对应的训练数据；
18.从预置的包含有多个类型的镜像模板的镜像模板集合中，选取一个镜像模板作为目标镜像，从所述镜像模板集合中，去除所述目标镜像；
19.将所述训练数据输入至所述目标镜像，得到所述目标镜像输出的预测信号，所述预测信号与所述训练数据中的输入信号对应；
20.根据所述预测信号与所述输出信号，计算并得到所述目标模型的第二损失值；
21.根据所述第二损失值，对所述目标镜像的参数进行调整，直至所述目标镜像对应的损失值达到所述目标镜像所能达到的最小值为止；
22.当所述最小值大于所述第二阈值时，返回执行从预置的包含有多个类型的镜像模板的镜像模板集合中，选取一个镜像模板作为目标镜像的步骤，直至所述目标镜像对应的第二损失值不大于所述第二阈值为止；
23.将最终得到的目标镜像作为所述功能模块的程序镜像，以得到每一功能模块对应的程序镜像。
24.可选的，根据所述第二损失值，对所述目标镜像的参数进行调整，包括：
25.获取预置的所述目标镜像对应的可调参数集合，所述可调参数集合中包含有所述目标镜像对应的多个数值可调的参数类型；
26.根据所述可调参数集合中的各参数类型及所述第二损失值，对所述目标镜像的参数进行调整。
27.可选的，在根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所述二次设备的数字孪生体之后，还包括：
28.验证构建的数字孪生体与所述二次设备之间的仿真误差。
29.可选的，所述验证构建的数字孪生体与真实的二次设备之间的仿真误差，包括：
30.获取所述二次设备对应的真实输入信号及真实输出信号；
31.将所述真实输入信号输入至所述二次设备对应的数字孪生体中，得到所述二次设备对应的数字孪生体输出的与所述真实输入信号对应的待测信号，所述待测信号为所述二次设备对应的数字孪生体在所述真实输入信号的触发下的输出；
32.计算所述真实输出信号与所述待测信号之间的误差，并根据所述误差，确定所述二次设备对应的数字孪生体的仿真误差。
33.一种数字孪生体的构建装置，包括：
34.获取单元，用于确定待构建数字孪生体的二次设备，其中，所述二次设备中包含有多个功能模块，各个功能模块在交互信号的传递中运行，以实现所述二次设备的运行，所述二次设备运行过程中所述各个功能模块之间传递的交互信号皆为可追溯信号；
35.追溯单元，用于追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系；
36.构建单元，用于构建所述二次设备中每一功能模块的程序镜像；
37.利用单元，用于根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所述二次设备的数字孪生体。
38.一种数字孪生体的构建设备，包括存储器和处理器；
39.所述存储器，用于存储程序；
40.所述处理器，用于执行所述程序，实现上述的数字孪生体的构建方法的各个步骤。
41.一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述的数字孪生体的构建方法的各个步骤。
42.从上述的技术方案可以看出，本技术提供的数字孪生体的构建方法，能够构建得到二次设备的数字孪生体，可以借助本技术构建得到的数字孪生体实现对直流控制保护系统中的二次设备进行研究。
43.且本技术中构建的数字孪生体不仅可以实现与数字孪生体对应的二次设备的功能，且占用空间较小，维护成本较低，能够带来更高的经济效益。
附图说明
44.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本技术的实施例，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，还可以根据提供的附图获得其他的附图。
45.图1为本技术实施例公开的一种数字孪生体的构建方法流程图；
46.图2为本技术实施例公开的一种数字孪生体的构建装置结构框图；
47.图3为本技术实施例公开的一种数字孪生体的构建设备的硬件结构框图。
具体实施方式
48.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
49.本技术提供的数字孪生体的构建方法，可以应用于电力领域，可以利用本技术构建待研究的二次设备的数字孪生体，通过对该数字孪生体进行研究如参数优化、设置干扰、设置故障等，实现对二次设备的研究优化。
50.接下来结合图1对本技术的数字孪生体的构建方法进行详细介绍，包括如下步骤：
51.步骤s1、确定待构建数字孪生体的二次设备。
52.具体地，该二次设备中包含有多个功能模块。该二次设备的正常运行以各个功能模块的按顺序运行为基础。
53.其中，各个功能模块通过传递交互信号实现按顺序运行，该二次设备运行过程中各个功能模块之间传递的交互信号皆为可追溯信号，该可追溯信号表明可追溯各个交互信号的发送功能模块及接收功能模块。
54.步骤s2、追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系。
55.具体地，可以通过多种方式追溯每一交互信号，例如，可以通过该二次设备的接线图确定各个功能模块之间的连接关系，从而确定每一交互信号的来源，得到各个功能模块之间的交互关系；也可以利用图神经网络，进行交互信号的追溯，从而确定每一交互信号的来源，得到各个功能模块之间的交互关系。
56.二次设备中可能存在通讯节点如交换机等，该通讯节点的主要功能为传输交互信号，因而，各通讯节点中所传输的交互信号亦可追溯其来源及接收功能模块。
57.步骤s3、构建所述二次设备中每一功能模块的程序镜像。
58.具体地，可以利用仿真软件对二次设备中的每一个功能模块进行仿真，得到每一个功能模块的程序镜像，其中，可以预先获取各个功能模块对应的数据，在仿真软件上构建程序镜像；也可以预先构建多种程序镜像模板，可以选取与功能模块对应的程序镜像模板，并以功能模块为依据，对程序模板的参数进行调整，以得到与该功能模块对应的程序镜像。
59.各个程序镜像按照与二次设备中各个功能模块的运行顺序运行可以实现二次设备的功能。
60.每一功能模块对应的程序镜像在该功能模块的输入信号的触发下，可以输出与该输入信号对应的输出信号，该输出信号与该功能模块在该输入信号的触发下所输出的信号的相似度高于一定的阈值。
61.可以先构建二次设备的各个程序镜像，再确定二次设备中各个功能模块之间的交互关系，也可以先确定二次设备中各个功能模块之间的交互关系，再构建二次设备的各个程序镜像，本技术并不加以限定。
62.步骤s4、根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所述二次设备的数字孪生体。
63.具体地，可以根据各个程序镜像、各个功能模块的交互关系及各个程序镜像与各个功能模块之间的对应关系，构建各程序镜像在运行过程中的执行顺序及各个程序镜像之间的交互关系、连接关系等，实现构建二次设备的数字孪生体。
64.该数字孪生体的功能与该二次设备的功能相同，可以通过对该数字孪生体进行研究实现对该二次设备进行研究。
65.从上述的技术方案可以看出，本技术实施例提供的数字孪生体的构建方法，可以先确定待构建数字孪生体的二次设备，追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系，如此，可以得到二次设备中各个内部组成之间的信号传递关系、执行逻辑及执行顺序；可以构建所述二次设备中每一功能模块的程序镜像，如此，可以构建二次设备中内部组成的程序镜像；可以根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所述二次设备的数字孪生体，如此，通过构建二次设备的内部组成及内部组成之间的交互关系，实现构建二次设备的数字孪生体。
66.在构建完成二次设备的数字孪生体后，该数字孪生体可以反映该实体二次设备的全生命周期，因而，可以借助本技术构建得到的数字孪生体实现对直流控制保护系统中的二次设备进行研究，且在该数字孪生体中，各数据高度透明，更有利于研究二次设备。
67.此外，本技术中构建的数字孪生体不仅可以实现与数字孪生体对应的二次设备的功能，且占用空间较小，维护成本较低，能够带来更高的经济效益。
68.在本技术的一些实施例中，对步骤s2、追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系的过程进行详细说明，具体步骤如下：
69.s20、获取图神经网络。
70.具体地，可以预先训练一个图神经网络，训练后的图神经网络可以用于预测各类二次设备中各个功能模块的交互关系，并输出该各个功能模块的交互关系。
71.s21、利用所述图神经网络，追溯所述二次设备中每一交互信号的来源，得到所述图神经网络输出的各个功能模块之间的交互关系。
72.具体地，可以利用图神经网络，查找每一交互信号的来源，确定每一交互信号的发送功能模块及接收功能模块，从而，图神经网络确定并输出各个功能模块的交互关系。
73.由上述的技术方案可以看出，相比于上一个实施例，本实施例提供了一种利用图神经网络，确定各个功能模块交互关系的可选的方式。可见，通过利用图神经网络可以更高效快捷地、准确地确定各个功能模块之间的交互关系。
74.在本技术的一些实施例中，对步骤s20、获取图神经网络的过程进行详细说明，具体步骤如下：
75.s200、获取所述图神经网络的多个训练数据，其中，所述多个训练数据为多个二次设备中各个交互信号及边向量，每一交互信号包括该交互信号对应的功能模块的标识，所述边向量表示各个功能模块的标识之间的交互关系。
76.具体地，可以对图神经网络进行训练，以提高图神经网络确定各功能模块的交互关系的准确度。
77.一个训练数据对应一个二次设备中的各个交互信号及边向量。
78.可以获取多个二次设备，并获取各个二次设备运行过程中的交互信号，并确定每一交互信号的发送功能模块的标识及接收功能模块的标识，并将该交互信号与该发送功能模块的标识及接收功能模块的标识对应，并根据各功能模块的交互逻辑，构建边向量，该边向量表示各个交互信号对应的发送功能模块的标识及接收功能模块的标识之间的交互关系。
79.其中，各个交互信号对应的发送功能模块的标识及接收功能模块的标识之间的交互关系包括同一交互信号对应的发送功能模块的标识及接收功能模块的标识之间的交互关系，也包括不同的交互信号对应的发送功能模块的标识及接收功能模块的标识之间的交互关系。
80.同一二次设备对应的交互信号及边向量可以组成一个训练数据或多个训练数据。
81.s201、将所述多个训练数据逐一输入至所述图神经网络，得到所述图神经网络输出的预测交互关系，直至所述图神经网络对应的第一损失值小于预置的第一阈值为止，其中，所述第一损失值根据所述预测交互关系及所述边向量确定。
82.具体地，可以使用该训练数据对图神经网络进行训练。
83.在训练过程中，可以在训练数据中随机选取一个目标训练数据，并将该训练数据输入至图神经网络中，得到该图神经网络的输出，该输出为各功能模块之间的预测交互关系，预测交互关系中，每一功能模块采用该功能模块的标识表示。
84.可以根据预测交互关系及目标训练数据中的边向量，计算得到该图神经网络的损失值，并将该损失值作为第一损失值。
85.可以根据第一损失值，对图神经网络的参数进行调整，更新图神经网络，并返回执行在训练数据中随机选取一个目标训练数据的步骤，直至第一损失值小于第一阈值。
86.其中，第一阈值的大小可以根据实际场景对精确度的要求进行设定。一般地，第一阈值可以为0。
87.从上述技术方案可以看出，本实施例提供了一种训练图神经网络的可选的方式。
通过上述的技术方案对图神经网络的训练，能够进一步提高图神经网络追溯交互信号的来源并确定各功能模块之间交互关系的准确性。
88.在本技术的一些实施例中，对步骤s3、构建所述二次设备中每一功能模块的程序镜像的过程进行详细说明，具体步骤如下：
89.s30、获取每一功能模块对应的输入信号及输出信号，并将所述输入信号及所述输出信号作为所述功能模块对应的训练数据。
90.具体地，对各功能模块进行仿真，以构建各功能模块的程序镜像时，可以对预先构建的镜像模板进行训练，得到功能模块的程序镜像。
91.在训练过程中，可以先获取各功能模块的输入信号及输出信号。该输入信号及输出信号可以为交互信号。
92.每一功能模块对应输入信号为该功能模块的输入，每一功能模块对应的输出信号为该功能模块在该输入信号的触发下的输出。该输入信号及该输出信号组成功能模块的训练数据。
93.s31、从预置的包含有多个类型的镜像模板的镜像模板集合中，选取一个镜像模板作为目标镜像，从所述镜像模板集合中，去除所述目标镜像。
94.具体地，镜像模板集合中包含有多种类型的程序镜像的镜像模板，且各二次设备的各功能模块的类型不超过镜像模板集合中所包含的程序镜像类型。
95.可以逐步构建各功能模块的程序镜像，若无法确定功能模块的内部组成，即，无法确定功能模块的类型时，则可以从镜像模板集合中，随机选取一个镜像模板作为目标镜像，并将该目标镜像从镜像模板集合中删除。
96.若可以确定功能模块的类型时，可以从镜像模板集合中，选取与该功能模块的类型匹配的镜像模板作为目标镜像，并将该目标镜像从镜像模板集合中删除。
97.当完成当前的功能模块的构建，对下一个功能模块的程序镜像进行构建时，恢复镜像模板集合，即，在开始对每一功能模块的程序镜像构建时，每一功能模块所对应的镜像模板集合是一致的。
98.s32、将所述训练数据输入至所述目标镜像，得到所述目标镜像输出的预测信号，所述预测信号与所述训练数据中的输入信号对应。
99.具体地，利用训练数据对目标镜像进行训练，得到该目标镜像输出的预测信号，直至在经过参数调整后的目标镜像的损失值已经达到目标镜像所能达到的最小值为止。
100.s33、根据所述预测信号与所述输出信号，计算并得到所述目标模型的第二损失值。
101.具体地，可以计算在同一输入信号的触发下，目标镜像输出的预测信号及功能模块输出的输出信号之间的相对均方误差，并将该相对均方误差作为第二损失值。
102.计算预测信号与输出信号之间的相对均方误差的方式可以为，计算每一个采集点下预测信号与输出信号之间的差值的绝对值，并将各采集点下预测信号与输出信号之间的差值的绝对值相加，得到差值的绝对值之和，并计算该差值的绝对值之和输出信号的额定值之间的比值的平方，得到平方数，并计算平方数与采集点数量的比值，再对该比值进行开方，将开方后的数值作为相对均方误差。
103.可采用公式计算相对均方误差，计算预测信号与输出信号之间的相对均方误差的
公式如下所示：
[0104][0105]
其中，ied(ti)表示第i个采集点下的预测信号的波形值，ier(ti)表示第i个采集点下的输出信号的波形值，n表示采集点的数量，采集为等间隔采集，采集间隔根据预测信号及输出信号的采样率而定，r
ref
表示输出信号的额定值。
[0106]
s34、根据所述第二损失值，对所述目标镜像的参数进行调整，直至所述目标镜像对应的损失值达到所述目标镜像所能达到的最小值为止。
[0107]
具体地，可以记录每次参数调整后的第二损失值，当参数调整后，第二损失值反而增加后，则反向调整参数。
[0108]
当任何一个参数的增大或减少皆会导致第二损失值增加时，则停止调整目标镜像的参数，可认为已达到所述目标镜像所能达到的最小值。
[0109]
s35、判断该目标镜像的最小第二损失值是否大于所述第二阈值时，若是，返回执行步骤s31，将最终得到的目标镜像作为所述功能模块的程序镜像，以得到每一功能模块对应的程序镜像。
[0110]
具体地，当达到该目标镜像所能达到的最小值时，将该目标镜像的第二损失值与第二阈值进行比较，若第二损失值大于第二阈值，则表明目标镜像选择错误，需要重新选择新的目标镜像，重新训练，直至训练得到的目标镜像的第二损失值小于第二阈值为止。将第二损失值小于第二阈值的目标镜像作为与训练数据对应的功能模块的程序镜像。
[0111]
其中，第二阈值的大小可以预先根据实际场景进行设定，若对精确度要求较高，则第二阈值可偏小。一般地，第二阈值可以为10％。
[0112]
从上述技术方案可以看出，本实施例提供了一种构建功能模块的程序镜像的可选的方式，通过上述的方式可以进一步提高程序镜像与对应的功能模块之间的相似性，使得构建的二次设备的数字孪生体更可靠及更准确。
[0113]
在本技术的一些实施例中，对步骤s34中根据所述第二损失值，对所述目标镜像的参数进行调整的过程进项详细说明，步骤如下：
[0114]
s340、获取预置的所述目标镜像对应的可调参数集合，所述可调参数集合中包含有所述目标镜像对应的多个数值可调的参数类型。
[0115]
具体地，镜像模板集合中的每一镜像模板对应有可调参数集合，该可调参数集合包含有该镜像模板在训练过程中可以调节参数值大小的所有参数类型。
[0116]
基于此，目标镜像存在对应的可调参数集合。
[0117]
s341、根据所述可调参数集合中的各参数类型及所述第二损失值，对所述目标镜像的参数进行调整。
[0118]
具体地，可以根据第二损失值，在目标镜像对应的可调参数集合中选取参数类型，并对选取的参数类型所对应的参数值进行调整。
[0119]
从上述技术方案可看出，本实施例提供了一种调整目标镜像参数的可选的方式。通过上述的方式，可以调整目标镜像中可调整的参数，而并不调整目标镜像中并不适合调
整的参数，避免对目标镜像造成破坏。
[0120]
在本技术的一些实施例中，考虑到可以对构建完成的数字孪生体进行验证，以确保构建得到的数字孪生体与二次设备之间的相似性，以进一步提高研究数字孪生体的实用意义。因而，可以在步骤s4、根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所述二次设备的数字孪生体之后，增加如下步骤：
[0121]
s5、验证构建的数字孪生体与所述二次设备之间的仿真误差。
[0122]
具体地，可以通过验证构建的数字孪生体及该二次设备之间的功能是否相似，以确定构建的数字孪生体与所述二次设备之间的仿真误差。
[0123]
在得到仿真误差后，还可以比较仿真误差与预置的第三阈值的大小，若仿真误差大于第三阈值，则可以降低第一阈值和/或第二阈值，重新执行本技术，直至仿真误差低于第三阈值。
[0124]
第三阈值的大小可以根据实际场景进行设定，当对数字孪生体与二次设备的相似性要求较高时，第三阈值可以偏小。
[0125]
从上述技术方案可以看出，本实施例增加了验证构建的数字孪生体与所述二次设备之间的仿真误差的可选的技术方案。通过本实施例，可以进一步确保数字孪生体与二次设备的相似性。
[0126]
在本技术的一些实施例中，对步骤s5、验证构建的数字孪生体与所述二次设备之间的仿真误差的过程进行详细说明，步骤如下：
[0127]
s50、获取所述二次设备对应的真实输入信号及真实输出信号。
[0128]
具体地，可以获取输入该二次设备的真实输入信号，该二次设备在该输入信号的触发下，输出的真实输出信号。
[0129]
s51、将所述真实输入信号输入至所述二次设备对应的数字孪生体中，得到所述二次设备对应的数字孪生体输出的与所述真实输入信号对应的待测信号，所述待测信号为所述二次设备对应的数字孪生体在所述真实输入信号的触发下的输出。
[0130]
具体地，将该真实输入信号输入至数字孪生体中，得到该数字孪生体在该真实输入信号的触发下输出的预测信号。
[0131]
s52、计算所述真实输出信号与所述待测信号之间的误差，并根据所述误差，确定所述二次设备对应的数字孪生体的仿真误差。
[0132]
具体地，可以计算所述真实输出信号与所述待测信号之间的相对均方误差，并将该相对均方误差作为仿真误差。
[0133]
可以采用上述实施例步骤s33中计算相对均方误差的方式计算真实输出信号与所述待测信号之间的相对均方误差。
[0134]
此时，ied(ti)表示第i个采集点下的待测信号的波形值，ier(ti)表示第i个采集点下的真实输出信号的波形值，n表示采集点的数量，采集为等间隔采集，采集间隔根据待测信号及真实输出信号的采样率而定，r
ref
表示真实输出信号的额定值。
[0135]
从上述技术方案可以看出，本实施例提供了一种计算数字孪生体相对于二次设备的仿真误差的可选的方式。通过上述的方式，可以更可靠地判断数字孪生体与二次设备之间的相似性。
[0136]
接下来，将结合图2对本技术提供的数字孪生体的构建装置进行介绍，下文提供的
数字孪生体的构建装置可与上文提供的数字孪生体的构建方法相互对应参照。
[0137]
参见图2，数字孪生体的构建装置可以包括：
[0138]
获取单元1，用于确定待构建数字孪生体的二次设备，其中，所述二次设备中包含有多个功能模块，各个功能模块在交互信号的传递中运行，以实现所述二次设备的运行，所述二次设备运行过程中所述各个功能模块之间传递的交互信号皆为可追溯信号；
[0139]
追溯单元2，用于追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系；
[0140]
构建单元3，用于构建所述二次设备中每一功能模块的程序镜像；
[0141]
利用单元4，用于根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所述二次设备的数字孪生体。
[0142]
进一步地，追溯单元可以包括：
[0143]
图神经网络获取单元，用于获取图神经网络；
[0144]
信号追溯单元，用于利用所述图神经网络，追溯所述二次设备中每一交互信号的来源，得到所述图神经网络输出的各个功能模块之间的交互关系。
[0145]
进一步地，信号追溯单元可以包括：
[0146]
第一信号追溯单元，用于获取所述图神经网络的多个训练数据，其中，所述多个训练数据为多个二次设备中各个交互信号及边向量，每一交互信号包括该交互信号对应的功能模块的标识，所述边向量表示各个功能模块的标识之间的交互关系；
[0147]
第二信号追溯单元，用于将所述多个训练数据逐一输入至所述图神经网络，得到所述图神经网络输出的预测交互关系，直至所述图神经网络对应的第一损失值小于预置的第一阈值为止，其中，所述第一损失值根据所述预测交互关系及所述边向量确定。
[0148]
进一步地，构建单元可以包括：
[0149]
训练数据获取单元，用于获取每一功能模块对应的输入信号及输出信号，并将所述输入信号及所述输出信号作为所述功能模块对应的训练数据；
[0150]
目标镜像选取单元，用于从预置的包含有多个类型的镜像模板的镜像模板集合中，选取一个镜像模板作为目标镜像，从所述镜像模板集合中，去除所述目标镜像；
[0151]
预测信号获取单元，用于将所述训练数据输入至所述目标镜像，得到所述目标镜像输出的预测信号，所述预测信号与所述训练数据中的输入信号对应；
[0152]
损失值计算单元，用于根据所述预测信号与所述输出信号，计算并得到所述目标模型的第二损失值；
[0153]
参数调整单元，用于根据所述第二损失值，对所述目标镜像的参数进行调整，直至所述目标镜像对应的损失值达到所述目标镜像所能达到的最小值为止；
[0154]
数值比较单元，用于当所述最小值大于所述第二阈值时，返回调用目标镜像选取单元，直至所述目标镜像对应的第二损失值不大于所述第二阈值为止；
[0155]
程序镜像获取单元，用于将最终得到的目标镜像作为所述功能模块的程序镜像，以得到每一功能模块对应的程序镜像。
[0156]
进一步地，参数调整单元可以包括：
[0157]
第一参数调整单元，用于获取预置的所述目标镜像对应的可调参数集合，所述可调参数集合中包含有所述目标镜像对应的多个数值可调的参数类型；
[0158]
第二参数调整单元，用于根据所述可调参数集合中的各参数类型及所述第二损失值，对所述目标镜像的参数进行调整。
[0159]
进一步地，数字孪生体的构建装置还可以包括：
[0160]
验证单元，用于验证构建的数字孪生体与所述二次设备之间的仿真误差。
[0161]
进一步地，验证单元可以包括：
[0162]
获取所述二次设备对应的真实输入信号及真实输出信号；
[0163]
第一验证单元，用于将所述真实输入信号输入至所述二次设备对应的数字孪生体中，得到所述二次设备对应的数字孪生体输出的与所述真实输入信号对应的待测信号，所述待测信号为所述二次设备对应的数字孪生体在所述真实输入信号的触发下的输出；
[0164]
第二验证单元，用于计算所述真实输出信号与所述待测信号之间的误差，并根据所述误差，确定所述二次设备对应的数字孪生体的仿真误差。
[0165]
本技术提供的数字孪生体的构建装置可应用于数字孪生体的构建设备，如pc终端、服务器及服务器集群等。可选的，图3示出了数字孪生体的构建设备的硬件结构框图，参照图3，数字孪生体的构建设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
[0166]
在本技术实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
[0167]
处理器1可能是一个中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
[0168]
存储器3可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
[0169]
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
[0170]
确定待构建数字孪生体的二次设备，其中，所述二次设备中包含有多个功能模块，各个功能模块在交互信号的传递中运行，以实现所述二次设备的运行，所述二次设备运行过程中所述各个功能模块之间传递的交互信号皆为可追溯信号；
[0171]
追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系；
[0172]
构建所述二次设备中每一功能模块的程序镜像；
[0173]
根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所述二次设备的数字孪生体。
[0174]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0175]
本技术实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
[0176]
确定待构建数字孪生体的二次设备，其中，所述二次设备中包含有多个功能模块，各个功能模块在交互信号的传递中运行，以实现所述二次设备的运行，所述二次设备运行过程中所述各个功能模块之间传递的交互信号皆为可追溯信号；
[0177]
追溯所述二次设备中每一交互信号的来源，得到各个功能模块之间的交互关系；
[0178]
构建所述二次设备中每一功能模块的程序镜像；
[0179]
根据所述各个功能模块的程序镜像及所述各个功能模块之间的交互关系，构建所
述二次设备的数字孪生体。
[0180]
可选地，所述程序的细化功能和扩展功能可参照上文描述。
[0181]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0182]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0183]
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技术。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技术的精神或范围的情况下，在其它实施例中实现。本技术的各个实施例之间可以相互结合。因此，本技术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。