应用于地源热泵能效优化的动态数字孪生建模方法与流程

本发明属于数字化建模，具体涉及一种应用于地源热泵能效优化的动态数字孪生建模方法。

背景技术：

1、地源热泵系统作为一种高效的供暖和制冷技术，因其能够利用地下土壤或地下水的相对稳定温度来提高热泵的工作效率而受到广泛关注。然而，这些系统的能效受到多种因素的影响，包括地质条件、系统设计、运行参数和环境变量等。传统的地源热泵系统设计和优化方法往往依赖于经验设计和静态模拟，这些方法在处理复杂和动态变化的环境条件时存在局限性。随着物联网(internet of things,iot)、大数据和人工智能(artificialintelligence，ai)技术的发展，数字孪生技术为地源热泵系统的实时监控、故障预测和性能优化提供了新的可能性。

2、类似的现有技术有公开号为cn114757088a的中国专利申请，提供一种基于数字孪生的能源设备监测系统及方法。系统包括：基础物理单元，获取被监测能源设备的监测数据；数据处理单元，对监测数据进行算法分析，得到被监测能源设备的状态数据，将状态数据输出至机理映射单元；机理映射单元，对状态数据，通过机器学习，构建最小监测环境模型；技术表现单元，根据最小监测环境模型，通过三维仿真技术，得到被监测能源设备三维模型；应用交互单元，根据用户基于三维模型作出的指令，指示调取监测数据和/或更新状态数据。该说明书实施例利用数字孪生技术，将能源设备的监测数据加载在三维模型上展示。用户可以根据三维模型展示信息对被监测能源设备进行指示。还有公开号为cn113312773a的中国专利申请，公开了一种地源热泵设备的能效精细化方法，属于地源热泵技术领域。包括以下步骤：获取地源热泵设备数据，采集地源热泵设备数据中的自变量和因变量构建地源热泵数学模型；采用bp神经网络预测方法确定地源热泵数学模型的能效值；采用限幅递推平均滤波方法对能效值进行降噪生成预测能效值。与现有技术相比，该申请的一种地源热泵设备的能效精细化方法首先建立数学模型，然后使用bp神经网络模型预测地源热泵设备能效值，对预测值采用限幅递推平均滤波方法进行降噪，从而得到满足精度要求的地源热泵设备能效值。

3、然而，上述现有技术中，仅通过三维仿真技术，得到被监测能源设备三维模型，未对能源设备的能效进行优化分析。仅通过构建地源热泵数学模型得到满足精度要求的地源热泵设备能效值，未对地源热泵设备进行调控以实现能效优化。

技术实现思路

1、为解决上述问题，本发明提供了一种应用于地源热泵能效优化的动态数字孪生建模方法，以解决现有技术中的问题。

2、为了达到上述的发明目的，本发明提出一种应用于地源热泵能效优化的动态数字孪生建模方法，包括：

3、s1：获取安装在目标区域的地源热泵设备的cad图纸，基于所述cad图纸构建地源热泵仿真模型；

4、s2：基于物联网技术接收所述地源热泵设备对应的实时运行数据和设备状态参数、以及所述目标区域对应的环境数据，对所述环境数据进行数据预处理，生成标准环境数据，基于所述实时运行数据驱动所述地源热泵仿真模型，以生成数字孪生模型；

5、s3：基于所述实时运行数据监测所述数字孪生模型的模型运行指数，若所述模型运行指数小于第一预设值，则重新扩展所述实时运行数据，以生成实时监测数据，并基于所述实时监测数据更新所述数字孪生模型，生成动态数字孪生模型，重复执行此步骤，至所述动态数字孪生模型对应的模型运行指数大于等于所述第一预设值；

6、s4：所述动态数字孪生模型基于所述标准环境数据对所述实时监测数据进行分析预测，并输出所述地源热泵设备的性能预测结果，设置多目标优化算法，所述多目标优化算法基于所述性能预测结果动态调整所述设备状态参数，完成所述地源热泵设备的能效优化。

7、进一步地，所述基于所述cad图纸构建地源热泵仿真模型包括以下步骤：

8、基于所述cad图纸构建组件信息库，所述组件信息库包括所有组件的组件类型、组件坐标和组件形状，基于所述组件类型分别获取所述组件信息库中任意两个组件之间的运行关联性和任一组件的运行优先级，将任一所述组件设定为节点，基于所述运行关联性和所述运行优先级生成任意两个节点之间的连接线，依次组合所有节点和所述连接线，生成节点关联图；

9、将所有组件基于所述节点关联图和所述cad图纸使用仿真器进行融合模拟，生成所述地源热泵仿真模型。

10、进一步地，所述基于物联网技术接收所述地源热泵设备对应的实时运行数据和设备状态参数、以及所述目标区域对应的环境数据包括以下步骤：

11、基于所述节点关联图分别在所述地源热泵设备和所述目标区域中设置多个传感器，为每个传感器设置数据存储单元和设备调节单元，获取所述传感器的采集方式，基于所述采集方式将传感数据存储至对应的存储单元中；

12、随机抽取多个传感器并设定为传感器组，获取所述传感器组对应的传感数据，若任一传感数据发生数据变化，则向所述传感器组对应的存储单元均发送数据请求；

13、所述存储单元接收所述数据请求后，基于时间特征将所述传感器组对应的传感数据划分为多个数据组，并依次将所有所述数据组传输至所述地源热泵仿真模型，其中，将属于所述目标区域的数据组设定为所述环境数据，将属于所述地源热泵设备的数据组设定为所述实时运行数据，基于所述节点关联图获取与任一所述组件对应的传感器，设定为组件传感器，并将所述组件传感器的所述设备调节单元包含的信息设定为所述设备状态参数。

14、进一步地，所述生成数字孪生模型包括以下步骤：

15、将所述实时运行数据集成传输至所述地源热泵仿真模型中，并基于预设时间间隔使用所述实时运行数据对所述地源热泵仿真模型进行校准，至所述地源热泵仿真模型的置信度大于等于第二预设值，将校准后的所述地源热泵仿真模型设定为所述数字孪生模型。

16、进一步地，所述基于所述实时运行数据监测所述数字孪生模型的模型运行指数包括以下步骤：

17、对所述组件信息库中所有组件基于对应的组件类型进行重要等级标记，生成重要性列表，获取所有所述实时运行数据对应的组件类型，并设定为第一设备组，基于所述重要性列表将所述第一设备组对应的重要等级进行累加生成第一数值，检验所述实时运行数据的准确度，并基于所述准确度计算所有所述实时运行数据的准确度均值，将所述准确度均值与所述第一数值的乘积设定为所述模型运行指数。

18、进一步地，所述生成实时监测数据包括以下步骤：

19、在所述重要性列表中抽取所述重要等级大于等于第三预设值的组件，并设定为第二设备组，组合所述第一设备组和所述第二设备组，并设定为第三设备组，基于所述组件坐标计算所述第三设备组中任意两个组件之间的坐标距离，并将所述坐标距离小于第四预设值的组件设定为待选设备组；

20、将所述待选设备组中所述组件类型相同且所述运行优先级较低的组件进行剔除，将所述第三设备组中剩余组件对应的实时运行数据设定为所述实时监测数据。

21、进一步地，所述输出所述地源热泵设备的性能预测结果包括以下步骤：

22、分别获取所述标准环境数据对应的环境标签和所述实时监测数据对应的组件标签，基于预设时间周期收集所述标准环境数据和所述实时监测数据，并设定为第一类历史数据和第二类历史数据；

23、构建神经网络模型和数学分析模型，将所述第一类历史数据输入所述神经网络模型中进行学习训练，并输出预测时间内所述环境标签对应的环境预测结果，组合所有环境预测结果并设定为第一类预测结果；

24、所述数学分析模型基于特征选择算法在所述第一类历史数据和所述第二类历史数据中提取预设的性能影响因子对应的关联数据，其中，所述性能影响因子包括地下水变量、输出热量和输入功率；

25、基于第一公式计算所述地源热泵设备在第i个时间点的性能系数ci，所述第一公式为：其中，qi为所述输出热量对应的第i个时间点的关联数据，pin为所述输入功率对应的第i个时间点的关联数据，基于所述预设周期汇总所有性能系数，生成性能序列，获取所述地下水变量对应的关联数据与所述性能序列之间的响应系数；

26、基于所述环境标签在所述第一类预测结果中抽取所述地下水变量对应的变量预测结果，基于所述响应系数和所述变量预测结果生成所述性能序列在所述预测时间内的数值结果，并将所述数值结果设定为所述性能预测结果。

27、进一步地，所述多目标优化算法基于所述性能预测结果动态调整所述设备状态参数包括以下步骤：

28、若在预测时间内所述性能预测结果均小于第五预设值，则基于所述性能预测结果设定目标变量，基于所述目标变量和所述多目标优化算法构建优化模型，并将所述实时监测数据和所述标准环境数据输入所述优化模型中，调整所述设备状态参数，生成新的实时监测数据，重复此步骤，至所述性能预测结果均大于等于所述第五预设值。

29、与现有技术相比，本发明的有益效果至少如下所述：

30、本发明首先通过cad图纸和节点关联图进行仿真模拟生成地源热泵仿真模型，可以准确建立地源热泵设备包含的各种组件的三维模型，然后通过物联网技术将实时运行数据集成传输至地源热泵仿真模型中，生成数字孪生模型，并通过模型运行指数扩展实时运行数据，生成动态数字孪生模型，可以提高动态数字孪生模型的精准度和实用性。

31、本发明还通过设置目标优化算法构建优化模型，使用动态数字孪生模型对地源热泵设备的性能系数进行预测分析，可以提高地源热泵设备的能效优化效果。