一种基于数字孪生的统一数据计量采集系统

技术领域

本发明涉及计量采集系统领域，具体涉及一种基于数字孪生的统一数据计量采集系统

背景技术

传统的计量采集方式和模式固定，以电网为例，根据IEC 61850-9-2LE规定电能计量系统的采样率固定为256×fr或80×fr，数据位数为32位。电力企业安全分区要求使得各业务部门独立采集所需数据，形成“信息孤岛”。由于各业务场景服务对象不同，导致部门间的数据格式和定义不一致，无法为系统高级业务应用提供支持。此外，不同的业务应用场景，对计量数据的数据质量、数据项类别、采集频度、时标精度也各有区别。不同业务之间采集的数据项存在部分重叠，可能导致数据一致性和完整性存在问题。当前计量采集系统缺乏统一的采集方案及平台，数据复用性差。

以“数字电网”建设的概念为例，强调以“电力+算力”建设一体化智能运行系统，利用数字孪生技术建立跨部门、跨应用、跨业务的平台，提升可观可测可控水平，助力实现状态全感知、管理全在线、数据全管控，打造覆盖全过程生产环节的数字孪生电网。数字孪生(digital twin,DT)可充分利用海量数据资源，在数字空间设计虚拟模型，实现信息系统与物理系统的映射交互，从而帮助对物理对象进行优化和决策。现有的固定分层结构的计量自动化系统针对的是单一应用场景独立采集无法掌握全业务对象的信息，逐渐满足不了当前新兴数字电网的需求。

针对以上问题，本发明设计了跨部门、跨应用、跨区域的基于数字孪生的统一数据计量采集系统，利用数字孪生技术建立多业务应用数据模型，然后分析不同业务应用的采集需求，生成不同场景数据采集的综合模板，实现采集数据项类型、精度、频度的定制化设置，采集系统也可实时掌握应用系统的需求及模型变化。本发明以电力现货交易与负荷预测业务为例，将购电成本和预测精度作为指标，通过建立涉及“源-售-荷”三方的售电方购电成本确定模型和双向长短期记忆神经网络(Bi-LSTM)预测模型，利用数据治理提升采集数据质量，根据数字孪生仿真运行的结果来调整计量采集的频度，分别实现了两类应用的数字孪生。

发明内容

本发明所要解决的技术问题是现有技术中存在的不能跨区域的统一数据采集的技术问题。提供一种新的基于数字孪生的统一数据计量采集系统，该基于数字孪生的统一数据计量采集系统具有能够跨区域的统一数据采集的特点。

为解决上述技术问题，采用的技术方案如下：

一种基于数字孪生的统一数据计量采集系统，所述基于数字孪生的统一数据计量采集系统包括计量系统、业务应用系统、传输支撑系统、数字孪生系统以及数据采集系统；计量系统包括数据采集主站和采集终端；计量系统将采集终端的计量数据上传至数据主站或传输给对端设备；所述数据采集系统分为数据采集控制面和数据采集分发面；数字孪生系统接收业务应用系统下行的业务模型和应用性能指标，依据业务模型仿真运行数据采集分发面接收的实时采集数据取得数据应用效果的综合评价，将数据应用效果的综合评价发送给数据采集系统；业务应用系统和数字孪生系统均不直接控制数据采集系统，即业务应用隔离区获得是数据的最终效果而不下发数据的采集控制指令。

上述方案中，为优化，进一步地，数字孪生系统还将从数据采集系统获得的数据，并依据数据应用模型运行仿真，通过实时对比仿真运行结果数据与数据应用指标之间的差值判断数据采集系统所获取数据的质量。

进一步地，数字孪生系统还综合不同业务应用系统的数据质量分析，获得多个业务应用系统的综合数据质量分析结果，并将综合数据质量分析结果发送给数据采集系统，但不下发采集控制指令给数据采集系统；

数据采集系统根据综合数据质量分析结果决策调整数据采集策略以及通信传输策略，并下发调整采集指令来调整采集参数，采集参数包括采集精度和频度。

进一步地，所述数据采集主站将采集数据并行输入到数字孪生系统和业务应用系统包括数据采集主站将统一的采集数据分类后分发给不同业务应用系统，同时也将采集数据镜像分发给数字孪生系统，由数字孪生系统模拟业务应用系统的使用数据的处理运行过程。

进一步地，业务模型包括电力负荷预测模型和实时交易模型；应用性能指标包括电力负荷预测精度和实时交易价格误差。

进一步地，数字孪生系统进行动态数据驱动仿真，动态数据驱动仿真包括数据预处理和采用基于数字孪生的数据预测方法进行数据预测，数据预处理包括采用线性插值法实现负荷曲线的补全。

进一步地，所述基于数字孪生的统一数据计量采集系统基于电力市场现货交易；

用于建立多业务应用的数字模型包括：定义多项式系数模型用于映射预测负荷曲线和用户实际负荷曲线；

r(t)＝B(q)·r

其中，r

进一步地，基于数字孪生的数据预测方法为Bi-LSTM方法；

Bi-LSTM方法结合历史和预测数据信息，定义同一输出以相反的时序连接两个LSTM网络；前向LSTM序列的可以获取过去数据信息作为输入序列，反向LSTM序列获取预测数据信息作为输入序列；

即在t时刻Bi-LSTM的隐藏状态H

LSTM序列是根据LSTM模型生成，LSTM模型在RNN循环神经网络上增加三种门的逻辑控制单元输入门，遗忘门和输出门，每个门都配置有一个记忆单元；所述输入门、输出门用于控制信息的输入和输出，遗忘门用于控制与历史状态有关的信息保留；输入门、遗忘门和输出门均使用Sigmoid函数作为激活函数。

进一步地，所述LSTM模型为：

定义遗忘门：f

定义输入门：i

定义输出门：o

定义单元：S

定义最终输出：h

其中，σ(·)是激活函数，范围是[0,1]，0表示信息完全不通过；x

单元状态S

进一步地，电力市场现货交易中，在t＝T

P＝{P

其中，P

售电公司的购电成本为：

其中，P

用户的购电价为：

其中，P

数据采集系统的数据面和控制面隔离，数字孪生系统输入的是业务性能需求指标，业务仿真运行模型，运行仿真的是从数据采集系统数据面获得的实时采集数据并依据业务模型进行实现仿真运行，将数据应用效果的综合评价发送给数据采集系统。业务应用系统和数字孪生系统并没有直接给数据采集系统发送具体的数据采集控制指令，数字孪生系统针对不同业务仿真以及运行数据仿真系统的结果，所获得应用数据性能误差，而由采集系统通过观测此数据性能误差结果来调整采集系统自身的采集项、精度和频度。即数字孪生系统不下发采集控制指令，而是将最后的数据应用性能分析结果发给数据采集系统，从而由采集系统自主给出自身调整的策略。

业务应用系统根据数据采集系统的数据面上发的最优效果来调整底层计量系统，进行采集精度和频度的调整。以前采用的方法是数据实际应用之后才发现问题，因为有的数据是在线采集、离线使用，这样一旦发现数据采集问题，因采集时间已经过了，这可能无法补充采集数据。采用数字孪生系统，即使用户没有实际应用数据，孪生系统可以模仿用户在线应用数据，从而可以及时发现问题来进行采集调整。另一方面，数字孪生系统自身可根据实时仿真结果，在线调整采集系统的指标，包括采集项、采集项的精度和频度。

之前各个业务应用独立采集，每个业务应用系统都独立完成从业务应用下发采集命令到数据采集系统再到计量系统的独立流程，这样各个采集系统之间的数据缺乏时间、空间的相关性，且造成数据的(重复)过度采集和(遗漏)欠采集。通过我们的方法，业务应用不直接来控制数据采集系统，而是把自己的应用需求，业务模型发送给数字孪生系统进行统一仿真运行处理，从而给出综合判断分析，实现各个应用的统一采集。采集数据上下行解耦，业务应用系统将业务模型和应用性能指标下发至孪生系统是下行单向，采集系统将采集数据上行单向(导向、交换、分发)给不同业务应用系统、并镜像给数字孪生系统。

本发明的有益效果：实现了跨安全区域的统一安全隔离，业务应用系统不直接控制数据采集系统，即业务应用系统不与采集系统的控制面交互，起到中和所有应用的效果。高效，避免过采集和欠采集，由数字孪生系统综合采集项并分析获得其采集性能评价结果，在线调整采集系统的指标，包括采集项、采集项的精度和频度。数据质量提高，统一数据源、并实现数据的时间、空间之间的关联。灵活定义采集场景，不同数据应用可以灵活将其采集需求发给数字孪生系统，由孪生系统影响采集系统。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1，实施例1中数据采集系统结构图。

图2，Bi-LSTM预测模型示意图。

图3，不同采集频度预测误差对比示意图。

图4，施例1中数据采集系统流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例1

一种基于数字孪生的统一数据计量采集系统，如图1和图4所述基于数字孪生的统一数据计量采集系统包括计量系统、业务应用系统、传输支撑系统、数字孪生系统以及数据采集系统；计量系统包括数据采集主站和采集终端；计量系统将采集终端的计量数据上传至数据主站或传输给对端设备；所述数据采集系统分为数据采集控制面和数据采集分发面；数字孪生系统接收业务应用系统下行的业务模型和应用性能指标，依据业务模型仿真运行数据采集分发面接收的实时采集数据取得数据应用效果的综合评价，将数据应用效果的综合评价发送给数据采集系统；业务应用系统和数字孪生系统均不直接控制数据采集系统，即业务应用隔离区获得是数据的最终效果而不下发数据的采集控制指令。

具体地，数字孪生系统还将从数据采集系统获得的数据，并依据数据应用模型运行仿真，通过实时对比仿真运行结果数据与数据应用指标之间的差值判断数据采集系统所获取数据的质量。

具体地，数字孪生系统还综合不同业务应用系统的数据质量分析，获得多个业务应用系统的综合数据质量分析结果，并将综合数据质量分析结果发送给数据采集系统，但不下发采集控制指令给数据采集系统；

数据采集系统根据综合数据质量分析结果决策调整数据采集策略以及通信传输策略，并下发调整采集指令来调整采集参数，采集参数包括采集精度和频度。

具体地，所述数据采集主站将采集数据并行输入到数字孪生系统和业务应用系统包括数据采集主站将统一的采集数据分类后分发给不同业务应用系统，同时也将采集数据镜像分发给数字孪生系统，由数字孪生系统模拟业务应用系统的使用数据的处理运行过程。

具体地，业务模型包括电力负荷预测模型和实时交易模型；应用性能指标包括电力负荷预测精度和实时交易价格误差。

具体地，数字孪生系统进行动态数据驱动仿真，动态数据驱动仿真包括数据预处理和采用基于数字孪生的数据预测方法进行数据预测，数据预处理包括采用线性插值法实现负荷曲线的补全。电能计量数据的采集会由传感器硬件设备造成测量误差、通信传输信道故障、终端故障或者是线路检修等原因，导致数据采集中断或异常，造成数字孪生系统获得的数据存在明显错误，数据质量需进一步提高。当数据缺点较少时，可以基于当日负荷曲线，采用线性插值法实现负荷曲线的补全。

具体地，所述基于数字孪生的统一数据计量采集系统基于电力市场现货交易；

用于建立多业务应用的数字模型包括：定义多项式系数模型用于映射预测负荷曲线和用户实际负荷曲线；

r(t)＝B(q)·r

其中，r

具体地，如图2，基于数字孪生的数据预测方法为Bi-LSTM方法；

Bi-LSTM方法结合历史和预测数据信息，定义同一输出以相反的时序连接两个LSTM网络；前向LSTM序列的可以获取过去数据信息作为输入序列，反向LSTM序列获取预测数据信息作为输入序列；

即在t时刻Bi-LSTM的隐藏状态H

LSTM序列是根据LSTM模型生成，LSTM模型在RNN循环神经网络上增加三种门的逻辑控制单元输入门，遗忘门和输出门，每个门都配置有一个记忆单元；所述输入门、输出门用于控制信息的输入和输出，遗忘门用于控制与历史状态有关的信息保留；输入门、遗忘门和输出门均使用Sigmoid函数作为激活函数。

具体地，所述LSTM模型为：

定义遗忘门：f

定义输入门：i

定义输出门：o

定义单元：S

定义最终输出：h

其中，σ(·)是激活函数，范围是[0,1]，0表示信息完全不通过；x

单元状态S

具体地，电力市场现货交易中，在t＝T

P＝{P

其中，P

售电公司的购电成本为：

其中，P

用户的购电价为：

其中，P

为了进一步实现采集计量系统实时调整，本实施例采用面向对象的思想，将DT/L645协议的采集对象封装成不同的子类，从而能够根据应用场景需求，动态组合采集种类；采用MQTT物联网的传输协议，实现应用程序与通信承载解耦，完成多通信传输条件下的变速率弹性采集。最后，采用通信时钟作为外基准参考时钟，校正采集数据时间精度，提高数据采集质量。

由于不同特征属性数据的数量级差别较大，为了提高效率并防止在计算过程中单个数据发生溢出，将数据归一化，使其范围在[0,1]。归一化公式如下：

其中，x′

利用数字孪生辅助信息系统，不仅可实现全业务模型的动态更新，还可利用所得数据在线评估系统运行状态，预演不同参数业务运行情况，根据运行结果优化调整采集数据动作。

在电网公司的计量中心对本实施例所设计的系统方案以及相关平台进行了现场测试，通过测试来验证系统的采集能力，并且所设计系统已在电网公司的计量中心试点部署。系统可以根据DL/T645行业标准协议和电网公司的拓展协议进行灵活配置，具备全协议栈秒级采集能力。本次测试配置为实时采集，实时上传，采集终端不断向电表采集一个数据项，系统支持7x24小时不间断采集。系统可实现的采集功能如下表1所示：

表1

为了进一步验证数字孪生辅助信息系统的作用，进行第二次测试，利用采集的数据输入系统中，分析业务的运行结果，从而调整采集。首先基于现货交易和负荷预测业务模型所涉及的自变量，确定需要采集的数据项。由第二章分析可得用电负荷数据是关键变量，确定采集电能表的正向有功总电能作为原始数据分析。其中，实际用电量＝电表示数*电压比*电流比，本文选取的测试场景，电流比为300/5，电压比为10000:100。

分析负荷预测结果调整采集频度，DL/T1711-2017标准规定评估时刻系统负荷预测偏差率E

本实施例采用平均绝对百分比误差(MAPE)和均方根误差(RMSE)作为指标，以反映基于统一Bi-LSTM预测模型，分析不同采集频度对预测精度的影响。这两个评估指标的定义如下式所示：

其中，L

数据采集时间间隔均为15分钟，其中预测结果的MAPE最小为0.89％。因此，本实施例先采用数据采集时间间隔为15分钟，观测负荷预测的结果，再确定是否需要调整采集的频度。当采集时间间隔为15min时，预测值和真实值存在一定的误差，在负荷波动较大时段误差也较大。因此，需要缩短采集时间间隔，从而获取尽可能多的数据，进行更好的模型训练，得到相对准确的结果。当采集时间间隔为15分钟时，得到对应的MAPE是2.84％，RMSE值为19.35kW。

缩短采集的频度，分别依次调整采集时间间隔为10分钟和5分钟，分析各自对应的负荷预测结果。利用10分钟和5分钟预测结果，分别计算出采集间隔10分钟和5分钟的MAPE为1.73％、1.21％，RMSE为7.89kW、4.73KW。因此，根据上述采集时间间隔的调整，得到采集频度越高，预测的结果越准确，但间隔15、10、5分钟的负荷结果其平均绝对误差均大于1％的指标值，因此继续调整采集间隔为1min，得到结果。

预测的负荷值和实际的负荷值基本吻合，计算出其对应MAPE的值为0.72％，满足指标要求。根据上述采集频度的调整以及模型运行结果，如图3，对比了不同采集数据的时间间隔其预测值和真实值之间的误差。

在采集时间间隔1分钟时误差区间在[-5,5]之间，在采集间隔15分钟时误差区间扩大到[-20,20]，结果表明采集频度越高，预测结果相对准确，误差相对较小。

利用MATLAB工具，对采集时间间隔1分钟的预测负荷值和实际负荷值做拟合，得到结果。两者存在明显的线性关系，得到偏移系数B(q)为0.9986，常数项为-0.3761，拟合优度R

由于不同时段的电价不同，不同的采集频度将导致不同时段获得用电量数据有差异，而售电方的购电成本与电价和用电量的乘积成正比，发明利用数字孪生系统仿真不同采集频度的购电成本，从而调整采集频度确定最优解。此前确定发电方不同发电厂太阳能、风能、水力、化石电厂以及微网的报价分别为0.65,0.57,0.31,0.36,0.58元/(kwh)，输配电费用为0.18元/(kwh)。发明的研究重点是计量采集频度对业务的影响，因此选定其中太阳能和微网作为发电方式，暂不考虑不同发电方式组合的问题。

利用上述四种采集时间间隔15min,10min,5min,1min的用户预测用电电量，计算出售电方各个时段的计划购电成本。不同采集频度的总购电成本分别为208036.5元，206827.6元，206948.3元，205739.5元。然而实际购电成本为205576.3元，因此采集频度越高，即采集时间间隔越小，售电方依据预测负荷确定总购电量的计划购电成本与实际购电成本偏差越小。通过上述负荷预测和现货交易业务分析，发现利用数字孪生辅助信息系统仿真运行业务模型，依据评价指标，根据仿真结果，调整采集的频度，找到最适应多业务的采集频度为1分钟的最优采集方案，实现了多业务应用跨区域融合下发采集任务，节省计量采集开销。

本实施例设计的计量采集系统在满足安全分区要求下利用数字孪生辅助信息系统实现跨应用跨区域的统一计量采集，采用数字孪生区作为业务应用系统与采集系统的隔离区，避免了业务应用系统对数据采集系统的直接控制，采用数据面与控制面分离技术，由数字孪生区综合控制面的采集需求从而避免了数据面的过采集和欠采集，采用数字孪生系统的在线仿真运行，实现了采集数据实时调整从而适应了现场数据的时效性，采用物联网的面向对象的采集协议以及外基准参考时钟校准技术，满足了基础计量数据之间时间相关性要求，以业务目标为导向，提供可靠、准确、实时的数据支撑，解决了各业务系统之间的信息壁垒问题，实现了可变速率采集、可灵活组织定制采集的数据项，在最小资源消耗的条件下，满足统一数据采集需求。

本实施例采用电力现货交易和负荷预测的统一采集场景，基于数字孪生仿真运行业务模型，对采集的基础数据治理提升输入数据质量，利用Bi-LSTM的双向预测算法，实现数据循环更新。根据业务模型仿真输出结果，调整采集的频度，确定最优采集方案，在电网公司的计量中心实施部署验证了系统的实用性和有效性。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员能够理解本发明，但是本发明不仅限于具体实施方式的范围，对本技术领域的普通技术人员而言，只要各种变化只要在所附的权利要求限定和确定的本发明精神和范围内，一切利用本发明构思的发明创造均在保护之列。