【技术实现步骤摘要】
本专利技术涉及数据生成存储，尤其涉及动态设备数字孪生模型生成方法。
技术介绍
1、电力行业作为现代社会不可或缺的基础设施之一，正经历着数字化转型的浪潮。随着科技的飞速发展，多设备模型和大数据量采集上送成为电力行业关注的焦点之一。在这一趋势下，为了实现更高效、智能的电力系统管理，电力公司正在积极探索先进的技术手段，其中包括多设备模型和大数据量采集上送。首先，多设备模型是电力行业数字化转型的关键组成部分之一。在电力系统中，存在着众多不同种类的设备，包括发电机、变电站、输电线路等。这些设备在运行过程中产生的数据量庞大，而这些数据是实现电力系统监控、运行和维护的重要基础，多设备模型的建立旨在将这些设备的运行状态、性能参数等信息整合起来，形成一个全面而准确的电力系统模型，通过这种方式，电力公司可以更全面地了解电力系统的运行状况，提高系统的可靠性和稳定性。
2、为了实现多设备模型的有效应用，电力行业需要进行大数据量的采集和上送。大数据在电力系统中的应用涉及到庞大的数据量，而且这些数据需要被实时采集和传输，秒级上送并完成快速存储成为技术亟待解决的难题，在电力系统中，数据的实时性对于系统的稳定运行至关重要，只有在数据能够秒级上送的情况下，电力公司才能够及时获取系统各个设备的运行信息，实现对电力系统的及时监控和调度。
3、要实现大数据量的秒级上送处理，首先需要建立高效的数据采集系统。这包括在电力设备上安装传感器和监测设备，以实时获取设备的运行状态、电流、电压等重要参数。同时，需要建立稳定而高速的数据传输通道，确保从设备到数
4、另外，为了应对海量数据点号的挑战，电力行业还需要采用先进的数据压缩和优化技术，数据压缩可以减小数据传输的负担，提高数据传输的效率。通过对数据进行精细化处理和压缩，可以在保证数据准确性的同时，减小数据量，从而更好地适应大数据量的采集和上送要求。
5、在技术层面上，实现大数据量秒级上送的过程中，数据的安全性也是一项至关重要的工作，电力系统中的数据涉及到用户隐私、系统安全等重要方面，必须采取严密的安全措施，确保数据在采集、传输和存储的过程中不受到破坏、篡改或泄露。采用加密技术、访问控制等手段，可以有效保障数据的安全性
技术实现思路
1、基于上述目的，本专利技术提供了动态设备数字孪生模型生成方法。
2、动态设备数字孪生模型生成方法，包括以下步骤：
3、s1：按照默认数据存储规则进行存储运行，使用kafka作为数据接入层，通过flink技术以数据驱动方式读取数据；
4、s2：根据业务设备模型需求，动态配置设备模型，创建实时设备模型，并将配置更新至中央管理系统；
5、s3：基于数据存储模块读取设备模型的配置，创建相应的数据存储库表，数据存储表包括实时数据模型库表；
6、s4：数据存储模块接收到新数据时，根据设备模型的配置，将数据存储到相应的实时数据模型库表中，生成完善的设备数字孪生模型；
7、s5：实时数据模型库表中的实时设备模型数据在接收到更新时，主动推送至业务层。
8、进一步的，所述s1中，flink从kafka source读取数据，并通过自定义process操作对数据进行数据分析和数据处理，最后通过自定义sink实现将数据写入数据库。
9、进一步的，所述数据处理包括对同一通道的数据写入同一数据库表，及对同一通道不同设备点号数据进行规则化处理。
10、进一步的，所述s1还包括数据流转结构，所述数据流转结构首先由采集端将切面数据以iec104的方式采集，采集端对数据进行初步处理和封装，再基于json方式将数据写入到数据接入层的消息队列kafka中。
11、进一步的，所述s2和s3同步进行，所述s3包括持续读取设备模型的配置并创建对应的数据存储库表结构信息。
12、进一步的，所述s4还包括数据分析处理模块，数据分析处理模块根据设备模型的配置动态分发数据存储的去向，包括：
13、将数据发送至实时数据模型库表，根据配置将指定的数据进行聚合并存储；
14、将数据发往消息总线，以实时设备模型数据为单位，将该实时设备的数据发送给高级应用；
15、将数据存储进默认时序数据库，对所有数据进行原始数据的存储。
16、进一步的，所述高级应用直接查询配置生成的数据库表，以获取动态设备模型相关的变化数据，支撑业务层发展。
17、本专利技术的有益效果：
18、本专利技术，该方法通过将数据分为实时数据模型和长期设备模型，有效地提升了数据处理和存储的效率，系统能够根据不同的业务需求灵活调整，确保即时获取和处理实时数据，同时保障对数据的有效存储和访问，这种灵活的数据处理和存储方法使得系统能够适应多变的应用需求，无论是需要快速响应的实时监控还是对历史数据进行深入分析。
19、本专利技术，在长期设备模型数据存储方面，该方法保证了数据的高可访问性和持久性，支持了设备的长期动态建模存储，这不仅有助于长期趋势分析和设备性能评估，还提供了关键数据支持设备的预测性维护和故障诊断，通过高效的数据存储和管理，该方法为电力工业领域提供了一个先进、可靠的数据存储解决方案，极大地增强了系统的稳定性和数据的安全性。
本文档来自技高网...【技术保护点】
1.动态设备数字孪生模型生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的动态设备数字孪生模型生成方法，其特征在于，所述S1中，Flink从Kafka Source读取数据，并通过自定义Process操作对数据进行数据分析和数据处理，最后通过自定义Sink实现将数据写入数据库。
3.根据权利要求2所述的动态设备数字孪生模型生成方法，其特征在于，所述数据处理包括对同一通道的数据写入同一数据库表，及对同一通道不同设备点号数据进行规则化处理。
4.根据权利要求3所述的动态设备数字孪生模型生成方法，其特征在于，所述S1还包括数据流转结构，所述数据流转结构首先由采集端将切面数据以IEC104的方式采集，采集端对数据进行初步处理和封装，再基于Json方式将数据写入到数据接入层的消息队列Kafka中。
5.根据权利要求4所述的动态设备数字孪生模型生成方法，其特征在于，所述S2和S3同步进行，所述S3包括持续读取设备模型的配置并创建对应的数据存储库表结构信息。
6.根据权利要求5所述的动态设备数字孪生模型生成方法，其特征在于
7.根据权利要求6所述的动态设备数字孪生模型生成方法，其特征在于，所述高级应用直接查询配置生成的数据库表，以获取动态设备模型相关的变化数据，支撑业务层发展。
...【技术特征摘要】
1.动态设备数字孪生模型生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的动态设备数字孪生模型生成方法，其特征在于，所述s1中，flink从kafka source读取数据，并通过自定义process操作对数据进行数据分析和数据处理，最后通过自定义sink实现将数据写入数据库。
3.根据权利要求2所述的动态设备数字孪生模型生成方法，其特征在于，所述数据处理包括对同一通道的数据写入同一数据库表，及对同一通道不同设备点号数据进行规则化处理。
4.根据权利要求3所述的动态设备数字孪生模型生成方法，其特征在于，所述s1还包括数据流转结构，所述数据流转结构首先由采集端将切面数据以iec1...
【专利技术属性】
技术研发人员：邢勐，杨佳欢，王嘉鑫，葛贤军，王爱科，吴肇赟，
申请(专利权)人：北京汇思慧能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。