一种基于数字孪生的变电站工程车辆智能模拟方法和系统

专利主权项内容

1.一种基于数字孪生的变电站工程车辆智能模拟方法，其特征在于，包括以下步骤：步骤1，根据工程车辆几何模型、故障分析模型和演化模型建立变电站工程车辆的数字孪生映射模型；步骤2，基于所述数字孪生映射模型，采用域自适应算法对所述变电站工程车辆进行故障诊断；步骤3，基于联邦迁移学习框架对故障诊断结果和所述数字孪生映射模型进行修正，根据修正后的故障诊断结果和所述数字孪生映射模型对所述变电站工程车辆实施调控；所述步骤3中，基于联邦迁移学习框架对故障诊断结果和所述数字孪生映射模型进行修正，进一步包括：采用基于特征对齐的多尺度卷积神经网络的诊断模型，将全局模型用预设的随机种子初始化并发送到源客户端；在源客户端的本地训练阶段，使用其本地标记的源客户端数据和未标记的目标客户端数据进行训练，计算源特征向量，然后将更新的本地模型参数和源特征向量发送回服务器；目标客户端下载更新后的本地模型，计算目标特征向量，并上传到所述服务器；基于所述源特征向量和所述目标特征向量，计算当前全局训练轮次的不同模型的权重，将模型聚合为具有权重向量的更新全局模型；在所述本地训练阶段，利用分类损失和域差异损失构建本地训练的未标记损失函数；所述分类损失定义如下：其中，分别表示源客户端数据和标签，/>表示第i个训练样本的网络输出，/>表示来自第j个训练客户端的样本；域差异损失定义为：总损失函数可以表示为其中β是折衷参数；在所述步骤2中，采用最大平均差异MMD来度量源域和目标域之间的数据分布的相似性：其中，是用于将输入映射到再生核希尔伯特空间RKHS的映射；X，X分别表示源域数据集和目标域数据集；是第j个未标记的目标域样本；MMD表示RKHS中两个数据分布的平均值的距离；n, n分别表示源域样本和目标域样本的数量；/>表示第i个源域样本。STST。（来 自 马 克 数 据 网）