本发明属于虚拟电厂领域，涉及数字孪生技术，具体是一种应用于城市级虚拟电厂运营管理的数字孪生系统。
背景技术：
1、随着城市数字化转型和双碳战略的推进，超大型城市涌现出大量分布式能源资源(der)，如光伏、风力发电、储能系统等。这些der的增加使得城市能源系统的复杂性和不确定性显著提升，传统的能源管理模式已难以应对。
2、申请号为cn2024105298896的发明专利公开了虚拟电厂的电力调度方法及相关设备，该发明通过采集历史电力数据及时间戳，并生成电力时间序列，将电力时间序列输入预设的长短时记忆模型进行趋势预测，并通过最小超球体模型作为异常检测模型检测电力数据异常，根据趋势预测数据和异常检测结果生成电力调度策略；该发明在对电力进行预测时，没有将城市进行分区域预测，在根据电力预测结果生成电力调度策略时，可能会导致对城市内不同区域的电力分配调度不合理。
3、本发明提供了一种应用于城市级虚拟电厂运营管理的数字孪生系统，以解决以上技术问题。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种应用于城市级虚拟电厂运营管理的数字孪生系统，用于解决现有技术中没有将城市进行分区处理，导致电力资源分配不合理的技术问题。
2、为实现上述目的，本发明的第一方面提供了一种应用于城市级虚拟电厂运营管理的数字孪生系统，包括：数据库、数据收集模块、模型构建模块和模型分析模块；
3、数据收集模块：用于收集发电数据、历史用电数据和环境数据；
4、模型构建模块：用于对发电数据、历史用电数据和环境数据进行预处理得到标准发电数据、标准用电数据和标准环境数据；基于标准发电数据构建虚拟电厂孪生模型；
5、模拟分析模块：用于根据标准用电数据和标准环境数据预测获取预测工业用电数据、预测电桩数据和预测居民用电数据；将预测工业用电数据、预测电桩数据和预测居民用电数据分别输入虚拟电厂孪生模型得到电厂供电计划，虚拟电厂根据电厂供电计划对城市用电进行运营管理。
6、优选的，所述对发电数据、历史用电数据和环境数据进行预处理得到标准发电数据、标准用电数据和标准环境数据，包括：
7、提取发电数据、历史用电数据和环境数据；其中，发电数据包括产能数据和电网数据；历史用电数据包括工业用电数据、居民用电数据和充电桩数据；工业用电数据包括工业区域的历史工业用电量、用电功率和工作时间，居民用电数据包括居民区域的历史居民用电量、对应的季节、时间和温度；充电桩数据包括充电桩位置、各时段的平均功率和平均充电量；环境数据包括当前季节、当前时间和当前温度；
8、依次对发电数据、历史用电数据和环境数据进行剔除异常值、去噪处理和标准化处理，将处理后的发电数据标记为标准发电数据，将处理后的历史用电数据标记为标准用电数据，将处理后的环境数据标记为标准环境数据。
9、优选的，所述基于标准发电数据构建虚拟电厂孪生模型，包括：
10、提取标准发电数据；
11、建立初始虚拟电厂模型，将产能数据和电网数据输入初始虚拟电厂模型，使其能够计划产能与模拟产能，将输入产能数据和电网数据后的初始虚拟电厂模型标记为虚拟电厂孪生模型。
12、优选的，所述根据标准用电数据和标准环境数据预测获取预测工业用电数据、预测电桩数据和预测居民用电数据，包括：
13、提取标准用电数据和标准环境数据；
14、根据工业用电数据中的历史工业用电量和对应的工作时间生成工业用电曲线图，将用电功率平均值标记为工业用电功率；将当前时间与工业用电曲线图进行匹配，得到预测工业用电量，将预测工业用电量与工业用电功率组合得到预测工业用电数据；
15、将历史居民用电数据作为训练数据训练神经网络模型得到用电模型，将标准环境数据输入用电模型，得到预测居民用电量，将预测居民用电量与对应时间标记为预测居民用电数据；
16、将城市区域按照充电桩位置进行划分得到充电桩子区域；将充电桩子区域内的充电桩数量与平均充电量相乘得到预测充电桩电量；设置功率系数，将平均功率与功率系数相乘得到预测充电桩功率，将预测充电桩电量与预测充电桩功率组合得到预测电桩数据；其中，功率系数根据充电桩所在电站的规模设置。
17、优选的，所述将历史居民用电数据作为训练数据训练神经网络模型得到用电模型，包括：
18、提取历史居民用电数据；
19、将历史居民用电量、季节、时间和温度作为训练数据和检验数据，使用训练数据对神经网络模型进行训练，使用检验数据对训练完成后的神经网络模型进行检验，根据检验结果对神经网络模型进行参数调整，得到输入数据为季节、时间和温度，输出数据为预测居民用电量的用电模型。
20、优选的，所述将城市区域按照充电桩位置进行划分得到充电桩子区域，包括：
21、提取充电桩位置；从地图软件中提取城市地图；
22、在城市地图中标注充电桩位置；设置密集阈值；所述密集阈值根据充电桩数量对电网负荷的影响程度设置；
23、判断充电桩n千米内的充电桩数量是否大于等于密集阈值；是，则以充电桩位置为圆心，n千米为半径，划分得到充电桩子区域；否，则将对应充电桩标记为非密集充电桩。
24、优选的，所述将预测工业用电数据、预测电桩数据和预测居民用电数据分别输入虚拟电厂孪生模型得到电厂供电计划，包括：
25、提取预测工业用电数据、预测电桩数据和预测居民用电数据；
26、按照时间顺序将预测工业用电数据、预测电桩数据和预测居民用电数据组合得到工业区用电序列、居民用电序列和充电桩用电序列；将工业区用电序列、居民用电序列和充电桩用电序列输入虚拟电厂孪生模型；
27、判断当前时间的工业用电功率是否大于等于预测充电桩功率；是，则将工业用电功率标记为功率最大值；否，则将预测充电桩功率标记为功率最大值；调整虚拟电厂孪生模型的电网数据至功率最大值；
28、将当前时间的预测工业用电量、预测居民用电量与预测充电桩电量相加得到总发电量，调整虚拟电厂孪生模型的产能数据以满足总发电量；
29、将功率最大值、总发电量与各区域的预测用电量标记为电厂供电计划。
30、与现有技术相比，本发明的有益效果是：
31、1.本发明通过收集发电数据、城市的历史用电数据和环境数据，对发电数据、历史用电数据和环境数据进行预处理，得到标准发电数据、标准用电数据和标准环境数据，提高数据分析准确性，减少数据中的随机误差和干扰，增强数据可比性和通用性；基于标准发电数据构建虚拟电厂孪生模型，能够灵活且低成本的仿真不同的发电策略与方案；根据标准用电数据和标准环境数据预测获取预测工业用电数据、预测电桩数据和预测居民用电数据，将城市内的区域分为工业区域、居民区域与充电桩区域，可以更合理地分配电力资源，确保在高峰时段或特定需求增加时，各区域的电力供应充足，避免供需不平衡导致的停电或电力浪费，提升电网运营效率；将工业区用电序列、居民用电序列和充电桩用电序列输入虚拟电厂孪生模型，获取能够合理供给城市用电的电厂供电计划，提高能源利用率，实现了对电力资源的动态优化分配，有助于避免局部过载和整体电力系统的不稳定。
32、2.本发明通过在城市地图中将充电桩的位置标注出来，设置密集阈值，将充电桩的密集数量与密集阈值进行比较，得到充电桩子区域，方便对需要大量供电的充电桩区域进行定位，并根据充电桩数量获取预测充电桩电量与预测充电桩功率；基于充电桩子区域内服务客户不同，充电桩类型也不同，所需的电量分配也不同，使电力分配更为合理且精准。
1.一种应用于城市级虚拟电厂运营管理的数字孪生系统，其特征在于，包括：数据库、数据收集模块、模型构建模块和模型分析模块；
2.根据权利要求1所述的一种应用于城市级虚拟电厂运营管理的数字孪生系统，其特征在于，所述对发电数据、历史用电数据和环境数据进行预处理得到标准发电数据、标准用电数据和标准环境数据，包括：
3.根据权利要求1所述的一种应用于城市级虚拟电厂运营管理的数字孪生系统，其特征在于，所述基于标准发电数据构建虚拟电厂孪生模型，包括：
4.根据权利要求1所述的一种应用于城市级虚拟电厂运营管理的数字孪生系统，其特征在于，所述根据标准用电数据和标准环境数据预测获取预测工业用电数据、预测电桩数据和预测居民用电数据，包括：
5.根据权利要求4所述的一种应用于城市级虚拟电厂运营管理的数字孪生系统，其特征在于，所述将历史居民用电数据作为训练数据训练神经网络模型得到用电模型，包括：
6.根据权利要求4所述的一种应用于城市级虚拟电厂运营管理的数字孪生系统，其特征在于，所述将城市区域按照充电桩位置进行划分得到充电桩子区域，包括：
7.根据权利要求1所述的一种应用于城市级虚拟电厂运营管理的数字孪生系统，其特征在于，所述将预测工业用电数据、预测电桩数据和预测居民用电数据分别输入虚拟电厂孪生模型得到电厂供电计划，包括：
