买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉黑龙江大学申请的专利网络物理能源系统下面向隐私保护的数字孪生建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118890285B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410900113.0，技术领域涉及：H04L41/14；该发明授权网络物理能源系统下面向隐私保护的数字孪生建模方法是由关心;陈金鹏设计研发完成，并于2024-07-05向国家知识产权局提交的专利申请。

本网络物理能源系统下面向隐私保护的数字孪生建模方法在说明书摘要公布了：一种网络物理能源系统下面向隐私保护的数字孪生建模方法，属于风电负荷预测建模领域。本发明针对现有使用联邦学习的数字孪生建模方法由于复杂的计算与分析，导致建模与更新效率低的问题。包括：首先采用数字孪生的理论模型描述建模关注点和数字孪生与物理实体之间的关系；然后，通过循环条件生成对抗网络解决数字孪生本地建模的问题；最后，通过联邦学习解决分布式环境下数字孪生建模过程中的隐私保护问题来保证建模安全；在基于联邦学习建模数字孪生全局模型的过程中进行了客户端选择、初始权重分配以及全局模型聚合的优化，提升了建模效率。本发明方法相较于现有基准策略能够提高建模效率并保证了模型性能。

本发明授权网络物理能源系统下面向隐私保护的数字孪生建模方法在权利要求书中公布了：1.一种网络物理能源系统下面向隐私保护的数字孪生建模方法，其特征在于，包括： 在物理实体层获取每个物理实体PO的目标数据真实值，目标数据包括行为数据和状态数据；在建模层，采用多个边缘服务器分别对每个物理实体PO基于对应的目标数据真实值建立不同时刻的单体数字孪生模型，用于预测获得物理实体PO在目标时刻的目标数据预测值；在数字孪生层采用中央云服务器对所有单体数字孪生模型进行聚合，得到全局数字孪生模型； 结合数字孪生解决问题采用预测方法的通用表示得到数字孪生理论模型；再结合网络物理能源系统的当前解决问题采用的预测方法对数字孪生理论模型变形，得到网络物理能源系统的数字孪生特定模型； 采用条件生成对抗网络作为单体数字孪生模型，并配置使用条件生成对抗网络建模数字孪生的值函数；再在联邦学习框架下基于条件生成对抗网络的数字孪生计算当前解决问题的损失函数，通过计算概率分布和Wasserstein距离对联邦学习框架下基于条件生成对抗网络的数字孪生进行修正； 再采用联邦学习结合损失函数的计算通过随机梯度上升与下降分别更新条件生成对抗网络中判别器与生成器的模型参数，得到优化后条件生成对抗网络； 对作为客户端的物理实体PO进行初步筛选，得到基于数据差异性筛选的初步选定客户端；再基于客户端数据的统计特征由初步选定客户端进一步筛选得到最终选定客户端；采用最终选定客户端对应的目标数据真实值利用优化后条件生成对抗网络对于物理实体PO进行最终数字孪生建模，得到每个最终选定客户端对应的最终单体数字孪生模型； 对所有最终选定客户端进行初始权重分配，并基于最终选定客户端相互距离进行初始权重的计算；再采用加权平均方法进行所有最终单体数字孪生模型的聚合，得到聚合后的最终全局数字孪生模型，完成建模； 单体数字孪生模型的建立方法为： N个物理实体PO的行为数据表示为X,Y，其中X表示N个物理实体PO的采样行为数据集合，Y表示采样行为数据的数据标签集合： X＝{x1,x2,...,xN}， Y＝{y1,y2,...,yN}， 式中xN为第N个物理实体PO的采样行为数据，yN为采样行为数据xN对应的数据标签； 以S表示状态数据集合： S＝{S1,S2,...,ST}， 式中ST为T时刻所有物理实体PO的状态数据； 单体数字孪生模型表示为 对所有单体数字孪生模型进行聚合，得到全局数字孪生模型DTt： 式中为采样行为数据集合X的预处理后采样行为数据集合； 数字孪生理论模型为： 式中F表示损失函数，P为数字孪生解决问题采用预测方法的通用表示，输出结果为目标数据预测值，POt为物理实体PO的目标数据真实值； 网络物理能源系统的数字孪生特定模型为： DTt+i＝minMSERGt～t+iDTt,POt+i2， 式中i表示相对于当前t时刻的未来时刻点，MSE表示均方误差，所述当前解决问题为回归问题，MSE为针对回归问题的损失函数，RG为回归问题对应的预测方法，输出t+i时刻目标数据预测值； 使用条件生成对抗网络建模数字孪生的值函数表示为： 式中D表示条件生成对抗网络的判别器，G表示条件生成对抗网络的生成器，VD,G表示判别器与生成器通过博弈方式训练得到数字孪生的目标函数；E表示求期望，Ut为物理实体PO的t时刻目标数据真实值，U为不同时刻目标数据真实值集合，ρU为目标数据真实值服从的分布，c为作为辅助信息的历史经验数据，z为噪声样本，Z为噪声样本集合，ρZ为噪声样本服从的分布。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人黑龙江大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路74号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。