绿色能源数字孪生仿真方法、系统、介质、电子设备

本发明涉及数字孪生仿真的，特别是涉及一种绿色能源数字孪生仿真方法、系统、介质、电子设备。

背景技术：

1、绿色能源系统通常是多能耦合、多能互补的集成系统，可控智能设备多、复杂度高。由于各个子系统发展的差异，它们通常都是单独规划、单独设计，存在多能协同融合机制不清、集成运控策略效率不足、系统动态自适应能力差等问题，造成系统协调性差、能源利用率低。

技术实现思路

1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种绿色能源数字孪生仿真方法、系统、介质、电子设备，能够有效支持人工智能运控优化技术、ai预测预警和诊断技术能的研究。

2、第一方面，本发明提供一种绿色能源数字孪生仿真方法，所述方法包括以下步骤：构建绿色能源数字孪生静态模型子系统；所述绿色能源数字孪生静态模型子系统以物理设备的物理模型为基础，以建造者模式为建造方法；构建绿色能源数字孪生动态模型子系统，所述绿色能源数字孪生动态模型子系统以智能体的当前动作值为输入，产生的下一状态信息和奖励值作为输出。

3、在第一方面的一种实现方式中，构建绿色能源数字孪生静态模型子系统包括以下步骤：

4、定义绿色能源系统的基本物理模型；所述基本物理模型包括光伏发电模型、电解槽模型、储能锂电池模型、储氢罐模型和压缩机；

5、基于物理实体的基本物理模型，定义组件机理模型；所述组件机理模型包括光伏发电模型的输出功率、电解槽模型的制氢流量、储能锂电池模型的状态变化、储氢罐模型的状态变化和压缩机的功率；

6、基于所述物理实体的基本物理模型和所述绿色能源数字孪生静态模型子系统，迭代使用建造者模式，定义所需仿真的各种尺度的复杂绿色能源数字孪生静态模型子系统。

7、在第一方面的一种实现方式中，所述光伏发电模型的输出功率其中ypv表示光伏板在标准测试条件下的功率输出；fpv表示光伏板的降额系数；表示当前时间步长中入射到光伏阵列上的太阳辐射；表示标准试验条件下的入射辐射；αp表示功率温度系数；tc表示在当前时间步长下光伏阵列的温度；tc,stc表示在标准测试条件下光伏阵列的温度；

8、所述电解槽模型的制氢流量fele(t)＝pele_total×ηele/hhvh2，其中fele(t)表示t时刻电解槽输出的氢气流量；表示t时刻电解槽的功率；ηele表示电解槽的效率，hhvh2表示表示氢气的高位热值，pbatt表示电池的实时充放电功率；

9、所述储能锂电池模型的状态变化其中sbatt(t+1)为锂电池t+1时的电量，sbatt(t)为锂电池t时的电量，pbatt(t)为电池t时的充放电功率，ηbatt表示充放电效率；

10、所述储氢罐模型的状态变化其中shydro(t+1)为储氢罐t+1时的储氢量，shydro(t)为储氢罐t时的储氢量；fhydro(t)为储氢罐t时的充放氢速率；ηhydro为实时充放氢效率；

11、所述压缩机的功率其中为氢气的比热容，tcomp为压缩机入口的气体温度，ηcp为压缩机的效率，k为氢气标准状态下的比热比，p1和p2分别为压缩机入口和出口的压强，wcomp表示压缩机出口的气体流速。

12、在第一方面的一种实现方式中，构建绿色能源数字孪生动态模型子系统包括以下步骤：

13、设定所述绿色能源数字孪生动态模型子系统包括下一状态生成模块、环境变量迭代模块、状态观测模块和奖励生成模块；

14、在绿色能源数字孪生仿真系统运行过程中，将状态空间变量与系统的状态变量相对应；

15、基于智能体针对当前所处状态，在动作空间中选择相应的动作，对各动作进行约束，并将最终约束后的动作的值作为各组件的功率给定值输入各物理模型中；

16、基于环境变量迭代模块获取系统内部物理实体传感数据无关的辅助变量；

17、基于状态观测模块从所述辅助变量和下一状态信息中选取特征值来表征智能体所能观测到的状态变量；

18、基于下一状态生成模块根据当前动作值、当前环境状态和所述辅助变量输出下一状态信息；

19、基于奖励生成模块根据所述当前动作值、所述辅助变量和所述下一状态信息，模拟输出对应的奖励值；

20、对所述动作进行约束以符合实际物理含义；

21、针对未知机理模型的物理实体或系统，通过数据驱动的方法训练获取对应的动态运行模型；

22、针对绿色能源数字孪生仿真系统的外部环境驱动因素，基于数据驱动的方法，训练获取动态预测值。

23、在第一方面的一种实现方式中，基于奖励生成模块根据所述当前动作值、所述辅助变量和所述下一状态信息，模拟输出对应的奖励值包括以下步骤：

24、确定氢流转路径；

25、计算t时刻的氢气浮动值h2fluc；

26、计算奖励值

27、在第一方面的一种实现方式中，计算t时刻的氢气浮动值h2fluc包括：

28、其中，target表示目标氢负荷，fele(t)表示电解槽模型的制氢流量。

29、在第一方面的一种实现方式中，所述下一状态生成模块基于物理模型机理和基于数据的时序深度神经网络自动迭代计算生成下一状态信息。

30、第二方面，本发明提供一种绿色能源数字孪生仿真系统，所述系统包括第一构建模块和第二构建模块；

31、所述第一构建模块用于构建绿色能源数字孪生静态模型子系统；所述绿色能源数字孪生静态模型子系统以物理设备的物理模型为基础，以建造者模式为建造方法；

32、所述第二构建模块用于构建绿色能源数字孪生动态模型子系统，所述绿色能源数字孪生动态模型子系统以智能体的当前动作值为输入，产生的下一状态信息和奖励值作为输出。

33、第三方面，本发明提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的绿色能源数字孪生仿真方法。

34、第四方面，本发明提供一种电子设备，包括：处理器及存储器；

35、所述存储器用于存储计算机程序；

36、所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行上述的绿色能源数字孪生仿真方法。

37、如上所述，本发明的绿色能源数字孪生仿真方法、系统、介质、电子设备，具有以下有益效果：

38、(1)首次以一种可扩展的方式定义了可用于深度强化学习所需的绿色能源数字孪生仿真系统，使能训练深度强化学习控制优化策略，从而应对复杂多变的现实情况；

39、(2)提出基于建造者模式的绿色能源数字孪生静态模型子系统，通过建造者模式的使用，能够灵活定制所需仿真的绿色能源系统；

40、(3)提出了机理和数据耦合驱动的绿色能源数字孪生动态模型子系统，以物理设备的机理模型为基础，通过历史数据训练物理设备的动态工作模型，能够更符合各种真实场景的仿真需求；

41、(4)绿色能源数字孪生仿真系统能够与不同的智能体互动，模拟对比在当前情况下不同仿真效果，在绿色能源系统智能控制优化场景下极大提高操作合理有效性和安全性。