SF6电器设备声场数字孪生模型构建方法、装置和设备与流程

sf6电器设备声场数字孪生模型构建方法、装置和设备
技术领域
1.本技术涉及电力设备监测技术领域，特别是涉及一种sf6电器设备声场数字孪生模型构建方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着当今社会的快速发展，电力设备的正常运行成了城市安稳发展的重要，尤其是人口较为密集的城市，对城市用电需求较高，需要部署更多的电器设备。为了保障电器设备的用电安全，需要在电器设备内部署绝缘物质，以免造成电器设备内部漏电。sf6是一种绝缘介质，具有绝缘强度高、灭弧能力强、密封性能好、电器寿命长等优点，所以sf6常用作电器设备的灭弧介质。
3.传统技术中，sf6电器设备通常需要等待电器设备损坏，并造成设备使用影响后才能被发现，然后等待检修人员进行故障诊断，在此过程中需要消耗较多的时间，给城市发展和居民带来不便。由此，需要一种能够快速检测出sf6电器设备的故障的方法。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高sf6电器设备故障监测效率的sf6电器设备声场数字孪生模型构建方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种sf6电器设备声场数字孪生模型构建方法。
6.所述方法包括：
7.根据sf6电器设备的构件特征，生成所述sf6电器设备的几何模型；
8.根据所述sf6电器设备的声场特征和几何模型，生成所述sf6电器设备的行为模型；
9.根据所述sf6电器设备的声场特征，生成所述sf6电器设备的规则模型；所述规则模型用于监测所述sf6电器设备的故障；
10.根据所述几何模型、所述行为模型和所述规则模型，生成所述sf6电器设备的声场数字孪生模型。
11.在其中一个实施例中，根据所述sf6电器设备的声场特征和几何模型，生成所述sf6电器设备的行为模型，包括：
12.对所述几何模型中的构件特征的操作信息进行力学分析，得到所述操作信息的力学数据；
13.根据所述力学数据，生成所述sf6电器设备的物理模型；
14.根据所述声场特征和所述物理模型之间的关联关系，生成所述sf6电器设备的行为模型。
15.在其中一个实施例中，在根据所述声场数据和所述物理模型之间的关联关系，生成所述sf6电器设备的行为模型之前，还包括：
16.对所述操作信息和所述声场特征进行分析处理，得到所述操作信息和所述声场特征之间的关联关系，作为所述声场特征和所述物理模型之间的关联关系。
17.在其中一个实施例中，在根据所述sf6电器设备的声场特征和几何模型，生成所述sf6电器设备的行为模型之前，还包括：
18.当所述sf6电器设备响应于设备操作指令时，获取声压传感器阵列采集的所述sf6电器设备中预设位置的声场数据；
19.对所述声场数据进行特征提取处理，得到所述声场特征。
20.在其中一个实施例中，在根据所述几何模型、所述行为模型和所述规则模型，生成所述sf6电器设备的声场数字孪生模型之后，还包括：
21.获取数据传输通道传输的所述sf6电器设备的实时声场数据，以及所述实时声场数据对应的实时操作信息；
22.将所述实时操作信息输入至所述行为模型中进行仿真，得到所述行为模型对所述实时操作信息的仿真结果；
23.当所述实时声场数据与所述仿真结果之间的差值大于预设阈值时，生成报警信息，并通过所述声场数字孪生模型展示所述sf6电器设备的故障状态。
24.在其中一个实施例中，所述数据传输通道，根据窄宽物联网的网络通信协议构建得到；所述数据传输通道与所述运行模型和所述sf6电器设备相连接。
25.第二方面，本技术还提供了一种sf6电器设备声场数字孪生模型构建装置。所述装置包括：
26.几何模块，用于根据sf6电器设备的构件特征，生成所述sf6电器设备的几何模型；
27.行为模块，用于根据所述sf6电器设备的声场特征和几何模型，生成所述sf6电器设备的行为模型；
28.规则模块，用于根据所述sf6电器设备的声场特征，生成所述sf6电器设备的规则模型；所述规则模型用于监测所述sf6电器设备的故障；
29.孪生模块，用于根据所述几何模型、所述行为模型和所述规则模型，生成所述sf6电器设备的声场数字孪生模型。
30.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
31.根据sf6电器设备的构件特征，生成所述sf6电器设备的几何模型；
32.根据所述sf6电器设备的声场特征和几何模型，生成所述sf6电器设备的行为模型；
33.根据所述sf6电器设备的声场特征，生成所述sf6电器设备的规则模型；所述规则模型用于监测所述sf6电器设备的故障；
34.根据所述几何模型、所述行为模型和所述规则模型，生成所述sf6电器设备的声场数字孪生模型。
35.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
36.根据sf6电器设备的构件特征，生成所述sf6电器设备的几何模型；
37.根据所述sf6电器设备的声场特征和几何模型，生成所述sf6电器设备的行为模
型；
38.根据所述sf6电器设备的声场特征，生成所述sf6电器设备的规则模型；所述规则模型用于监测所述sf6电器设备的故障；
39.根据所述几何模型、所述行为模型和所述规则模型，生成所述sf6电器设备的声场数字孪生模型。
40.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
41.根据sf6电器设备的构件特征，生成所述sf6电器设备的几何模型；
42.根据所述sf6电器设备的声场特征和几何模型，生成所述sf6电器设备的行为模型；
43.根据所述sf6电器设备的声场特征，生成所述sf6电器设备的规则模型；所述规则模型用于监测所述sf6电器设备的故障；
44.根据所述几何模型、所述行为模型和所述规则模型，生成所述sf6电器设备的声场数字孪生模型。
45.上述sf6电器设备声场数字孪生模型构建方法、装置、计算机设备、存储介质和计算机程序产品，根据sf6电器设备的构件特征，生成sf6电器设备的几何模型；进而根据sf6电器设备的声场特征和几何模型，生成sf6电器设备的行为模型；根据sf6电器设备的声场特征，生成sf6电器设备的规则模型；规则模型用于监测sf6电器设备的故障；根据几何模型、行为模型和规则模型，生成sf6电器设备的声场数字孪生模型。采用本方法，通过声场数字孪生模型能够直观的展示sf6电器设备操作时的声场分布，通过声场特征实时监测sf6电器设备的运行状态，提高了sf6电器设备故障监测效率，还无需人工排查sf6电器设备的故障原因，根据声场特征进行仿真，进而快速检测出故障，并通过声场数字孪生模型展示仿真sf6电器设备的预测检修过程，从而进一步提高了sf6电器设备的故障检测和维修决策效率。
附图说明
46.图1为一个实施例中sf6电器设备声场数字孪生模型构建方法的应用环境图；
47.图2为一个实施例中sf6电器设备声场数字孪生模型构建方法的流程示意图；
48.图3为另一个实施例中sf6电器设备声场数字孪生模型构建方法的流程示意图；
49.图4为一个实施例中sf6电器设备声场数字孪生模型构建装置的结构框图；
50.图5为一个实施例中计算机设备的内部结构图。
具体实施方式
51.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
52.本技术实施例提供的sf6电器设备声场数字孪生模型构建方法，可以应用于如图1所示的应用环境中。其中，终端101通过网络与服务器102进行通信。数据存储系统可以存储服务器102需要处理的数据。数据存储系统可以集成在服务器102上，也可以放在云上或其
他网络服务器上。服务器102根据sf6电器设备的构件特征，生成sf6电器设备的几何模型；进而根据sf6电器设备的声场特征和几何模型，生成sf6电器设备的行为模型；根据sf6电器设备的声场特征，生成sf6电器设备的规则模型；规则模型用于监测sf6电器设备的故障；根据几何模型、行为模型和规则模型，生成sf6电器设备的声场数字孪生模型。其中，终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，还可以显示服务器发送的针对声场数字孪生模型的报警信息。服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
53.在一个实施例中，如图2所示，提供了一种sf6电器设备声场数字孪生模型构建方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
54.步骤s201，根据sf6电器设备的构件特征，生成sf6电器设备的几何模型。
55.其中，构件特征包括sf6电器设备的构件尺寸、各构件之间的连接方式和sf6气体压强。
56.其中，sf6电器设备是以sf6气体作为灭弧介质和绝缘介质的电器设备，例如sf6开关、sf6断路器和气体绝缘全封闭组合电器(gas insulated switchgear，gis)。
57.具体地，通过3dmax软件建立sf6电器设备的几何模型，根据sf6电器设备的构件尺寸、各构件之间的连接方式、构件形状和sf6气体压强等构件特征对几何模型的细节进行渲染，得到渲染后几何模型，使用渲染后几何模型更新几何模型。
58.步骤s202，根据sf6电器设备的声场特征和几何模型，生成sf6电器设备的行为模型。
59.具体地，在几何模型的基础上，增加sf6电器设备执行动作时的力学数据，生成sf6电器设备的物理信息，通过ansys有限元软件构建sf6电器设备的物理模型，获取sf6电器设备的应用场景中布置的传感通采集的声场特征，通过智能算法的结合并处理物理模型与声场特征，进而生成sf6电器设备的行为模型。其中，行为模型用于根据sf6电器设备进行的动作评估、决策、预测对应的声学数据。
60.步骤s203，根据sf6电器设备的声场特征，生成sf6电器设备的规则模型；规则模型用于监测sf6电器设备的故障。
61.具体地，根据sf6电器设备的历史声场特征、sf6电器设备运行规范信息、安全状态判断规则等信息，以深度学习算法进行驱动，构建sf6电器设备的规则模型，并将声场特征分为训练集和测试集，通过训练集和测试集对规则模型进行训练，促使规则模型学习样本、增长模型，以促进规则模型对sf6电器设备执行动作中的故障的判断能力。规则模型用于对行为模型输出的数据进行判断，得到sf6电器设备的故障原因和故障位置等信息。通过多次的规则模型自学习、自增长过程，来完善声场数字孪生模型，从而实现对sf6电器设备故障的精准判断。
62.步骤s204，根据几何模型、行为模型和规则模型，生成sf6电器设备的声场数字孪生模型。
63.具体地，sf6电器设备的声场数字孪生模型包括几何模型、行为模型和规则模型，通过几何模型描述sf6电器设备中构件的尺寸、连接等物理特性，使声场数字孪生模型与sf6电器设备的物理实体之间具有实体一致性；通过行为模型描述sf6电器设备执行的动作与声场特征之间的行为特性；通过规则模型描述sf6电器设备在执行动作时需遵守的动作
规则。例如，sf6开关执行开关时需按照sf6开关的开启或闭合方向执行动作，并遵守执行开启或闭合动作的操作规则等。
64.需要说明的是，声场数字孪生模型用于实现sf6电器设备的物理实体与虚拟仿真之间的交互；通过窄宽物联网将sf6电器设备的构件结构、物理形态、设备动作、声场数据传输至声场数字孪生模型中，从而通过声场数字孪生模型对sf6电器设备的物理实体进行监测、模拟、预测、评估和决策。
65.上述sf6电器设备声场数字孪生模型构建方法中，根据sf6电器设备的构件特征，生成sf6电器设备的几何模型；进而根据sf6电器设备的声场特征和几何模型，生成sf6电器设备的行为模型；根据sf6电器设备的声场特征，生成sf6电器设备的规则模型；规则模型用于监测sf6电器设备的故障；根据几何模型、行为模型和规则模型，生成sf6电器设备的声场数字孪生模型。采用本方法，通过声场数字孪生模型能够直观的展示sf6电器设备操作时的声场分布，通过声场特征实时监测sf6电器设备的运行状态，提高了sf6电器设备故障监测效率，还无需人工排查sf6电器设备的故障原因，根据声场特征进行仿真，进而快速检测出故障，并通过声场数字孪生模型展示仿真sf6电器设备的预测检修过程，从而进一步提高了sf6电器设备的故障检测和维修决策效率。
66.在一个实施例中，上述步骤s202，根据sf6电器设备的声场特征和几何模型，生成sf6电器设备的行为模型，具体包括如下内容：对几何模型中的构件特征的操作信息进行力学分析，得到操作信息的力学数据；根据力学数据，生成sf6电器设备的物理模型；根据声场特征和物理模型之间的关联关系，生成sf6电器设备的行为模型。
67.具体地，当sf6电器设备执行动作时，生成并返回相关构件特征的操作信息，几何模型同步显示sf6电器设备的操作信息，对几何模型中构件特征的操作信息进行力学分析，进而得到该操作信息对应的力学数据；根据力学数据，通过ansys有限元软件构建sf6电器设备的物理模型；获取sf6电器设备执行的动作对应的声场特征，根据声场特征与物理模型之间的关联关系，生成sf6电器设备的行为模型。行为模型包含评估模型、决策模型和预测模型，分别用于根据sf6电器设备进行的动作评估、决策、预测对应的声学数据。
68.本实施例中，根据物理模型和声场特征，构建行为模型，通过行为模型对声场特征进行仿真，进而能够快速检测出sf6电器设备的故障，无需人工排查sf6电器设备的故障原因，并能够通过声场数字孪生模型展示仿真sf6电器设备的预测检修过程，提高了sf6电器设备的故障检测和维修决策效率。
69.在一个实施例中，在根据声场数据和物理模型之间的关联关系，生成sf6电器设备的行为模型之前，还包括：对操作信息和声场特征进行分析处理，得到操作信息和声场特征之间的关联关系，作为声场特征和物理模型之间的关联关系。
70.具体地，将声场特征关联于几何模型，分析得到几何模型中不同构件特征对应的声场特征，结合物理模型，进一步分析得到物理模型中各构件特征执行动作时的操作信息对应的声场特征，生成操作信息和声场特征之间的关联联系，作为声场特征和物理模型之间的关联关系。
71.本实施例中，通过分析得到声场特征和物理模型之间的关联关系，能够使行为模型根据sf6电器设备执行动作时的操作信息，得到该操作信息对应声场特征，进而通过行为模型对声场特征进行仿真，能够快速检测出sf6电器设备的故障，无需人工排查sf6电器设
备的故障原因，并能够通过声场数字孪生模型展示仿真sf6电器设备的预测检修过程，提高了sf6电器设备的故障检测和维修决策效率。
72.在一个实施例中，在根据sf6电器设备的声场特征和几何模型，生成sf6电器设备的行为模型之前，还包括：当sf6电器设备响应于设备操作指令时，获取声压传感器阵列采集的sf6电器设备中预设位置的声场数据；对声场数据进行特征提取处理，得到声场特征。
73.其中，声场数据包括声压、声强、质点振动速度、位移和媒质密度等。
74.具体地，在部署有sf6电器设备的场景中，设置环形声压传感器阵列，当环形声压传感器阵列响应于设备操作指令时，执行设备操作指令对应的动作，通过环形声压传感器阵列采集sf6电器设备上预设测量点的声场数据，将采集的声场数据通过环形声压传感器阵列上的数据采集卡传输至服务器中，通过服务器对声场数据进行特征提取处理，进而得到sf6电器设备执行该动作时的声场特征。
75.举例说明，在gis电器设备外壳表面，每隔20厘米设置一组环形声压传感器阵列，环形声压传感器阵列由10个声压传感器构成5对声压探头，当gis电器设备响应于设备操作指令执行相应动作时，gis电器设备因执行动作产生声场数据，通过环形声压传感器阵列按照顺序测量gis设备各个测点的振动噪声声压时域波形，并将采集的振动噪声声压时域波形传输至服务器，服务器对振动噪声声压时域波形进行特征提取处理，得到声压特征频谱。
76.本实施例中，建立实体sf6电器设备与仿真sf6电器设备之间的通信连接，将实体sf6电器设备的声场数据传输至服务器中进行处理，得到相应的声场特征，进而通过声场特征实时监测sf6电器设备的运行状态，提高了sf6电器设备故障监测效率，还无需人工排查sf6电器设备的故障原因，根据声场特征进行仿真，进而快速检测出故障，并能够通过声场数字孪生模型展示仿真sf6电器设备的预测检修过程，从而进一步提高了sf6电器设备的故障检测和维修决策效率。
77.在一个实施例中，在根据几何模型、行为模型和规则模型，生成sf6电器设备的声场数字孪生模型之后，还包括：获取数据传输通道传输的sf6电器设备的实时声场数据，以及实时声场数据对应的实时操作信息；将实时操作信息输入至行为模型中进行仿真，得到行为模型对实时操作信息的仿真结果；当实时声场数据与仿真结果之间的差值大于预设阈值时，生成报警信息，并通过声场数字孪生模型展示sf6电器设备的故障状态。
78.具体地，通过数据传输实时传输实体sf6电器设备的实时操作信息，以及实时操作信息对应的实时声场数据至服务器，服务器将实时操作信息发送至行为模型中，通过行为模型输出该实时操作信息对应的声场数据的仿真结果，判断实时声场数据与仿真结果之间的差值，当差值大于预设阈值时，生成该实时操作信息的报警信息，并通过声场数字孪生模型展示sf6电器设备故障时的状态，终端接收并显示报警信息，以提示相关人员了解sf6电器设备的故障原因、故障位置及相关声场数据。
79.本实施例中，通过声场特征实时监测sf6电器设备的运行状态，当sf6电器设备出现故障时及时进行报警提示，提高了sf6电器设备故障监测效率。
80.在一个实施例中，数据传输通道，根据窄宽物联网的网络通信协议构建得到；数据传输通道与运行模型和sf6电器设备相连接。
81.具体地，通过窄宽物联网的网络通信协议构建实体sf6电器设备与仿真sf6电器设备之间数据传输通道，通过数据传输通道将sf6电器设备的信息传输至行为模型中，使行为
模型和规则模型根据sf6电器设备的声场数据、操作信息进行自学习、自增长、自判断。
82.本实施例中，通过声场数字孪生模型能够直观的展示sf6电器设备操作时的声场分布，通过声场特征实时监测sf6电器设备的运行状态，提高了sf6电器设备故障监测效率。
83.在一个实施例中，如图3所示，提供了另一种sf6电器设备声场数字孪生模型构建方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
84.步骤s301，根据sf6电器设备的构件特征，生成所述sf6电器设备的几何模型。
85.步骤s302，当sf6电器设备响应于设备操作指令时，获取声压传感器阵列采集的sf6电器设备中预设位置的声场数据；对声场数据进行特征提取处理，得到声场特征。
86.步骤s303，对几何模型中的构件特征的操作信息进行力学分析，得到操作信息的力学数据；根据力学数据，生成sf6电器设备的物理模型。
87.步骤s304，对操作信息和声场特征进行分析处理，得到操作信息和声场特征之间的关联关系，作为声场特征和物理模型之间的关联关系。
88.步骤s305，根据声场特征和物理模型之间的关联关系，生成sf6电器设备的行为模型。
89.步骤s306，根据sf6电器设备的声场特征，生成sf6电器设备的规则模型；规则模型用于监测sf6电器设备的故障。
90.步骤s307，根据几何模型、行为模型和规则模型，生成sf6电器设备的声场数字孪生模型。
91.步骤s308，获取数据传输通道传输的sf6电器设备的实时声场数据，以及实时声场数据对应的实时操作信息。
92.步骤s309，将实时操作信息输入至行为模型中进行仿真，得到行为模型对实时操作信息的仿真结果。
93.步骤s310，当实时声场数据与仿真结果之间的差值大于预设阈值时，生成报警信息，并通过声场数字孪生模型展示sf6电器设备的故障状态。
94.上述sf6电器设备声场数字孪生模型构建方法，能够提供以下有益效果：
95.(1)通过窄宽物联网的网络通信协议构建实体sf6电器设备与仿真sf6电器设备之间数据传输通道，通过数据传输通道将sf6电器设备的信息传输至行为模型中，使行为模型和规则模型根据sf6电器设备的声场数据、操作信息进行自学习、自增长、自判断，以不断完善声场数字孪生模型；
96.(2)通过声场数字孪生模型能够直观的展示sf6电器设备操作时的声场分布，通过声场特征实时监测sf6电器设备的运行状态，提高了sf6电器设备故障监测效率；
97.(3)无需人工排查sf6电器设备的故障原因，根据声场特征进行仿真，进而快速检测出故障，并通过声场数字孪生模型展示仿真sf6电器设备的预测检修过程，从而进一步提高了sf6电器设备的故障检测和维修决策效率。
98.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这
些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
99.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的sf6电器设备声场数字孪生模型构建方法的sf6电器设备声场数字孪生模型构建装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个sf6电器设备声场数字孪生模型构建装置实施例中的具体限定可以参见上文中对于sf6电器设备声场数字孪生模型构建方法的限定，在此不再赘述。
100.在一个实施例中，如图4所示，提供了一种sf6电器设备声场数字孪生模型构建装置400，包括：几何模块401、行为模块402、规则模块403和孪生模块404，其中：
101.几何模块401，用于根据sf6电器设备的构件特征，生成sf6电器设备的几何模型。
102.行为模块402，用于根据sf6电器设备的声场特征和几何模型，生成sf6电器设备的行为模型。
103.规则模块403，用于根据sf6电器设备的声场特征，生成sf6电器设备的规则模型；规则模型用于监测sf6电器设备的故障。
104.孪生模块404，用于根据几何模型、行为模型和规则模型，生成sf6电器设备的声场数字孪生模型。
105.在一个实施例中，行为模块402，还用于对几何模型中的构件特征的操作信息进行力学分析，得到操作信息的力学数据；根据力学数据，生成sf6电器设备的物理模型；根据声场特征和物理模型之间的关联关系，生成sf6电器设备的行为模型。
106.在一个实施例中，sf6电器设备声场数字孪生模型构建装置400还包括分析模块，用于对操作信息和声场特征进行分析处理，得到操作信息和声场特征之间的关联关系，作为声场特征和物理模型之间的关联关系。
107.在一个实施例中，sf6电器设备声场数字孪生模型构建装置400还包括提取模块，用于当sf6电器设备响应于设备操作指令时，获取声压传感器阵列采集的sf6电器设备中预设位置的声场数据；对声场数据进行特征提取处理，得到声场特征。
108.在一个实施例中，sf6电器设备声场数字孪生模型构建装置400还包括仿真模块，用于获取数据传输通道传输的sf6电器设备的实时声场数据，以及实时声场数据对应的实时操作信息；将实时操作信息输入至行为模型中进行仿真，得到行为模型对实时操作信息的仿真结果；当实时声场数据与仿真结果之间的差值大于预设阈值时，生成报警信息，并通过声场数字孪生模型展示sf6电器设备的故障状态。
109.在一个实施例中，sf6电器设备声场数字孪生模型构建装置400还包括数据传输通道，数据传输通道根据窄宽物联网的网络通信协议构建得到；数据传输通道与运行模型和sf6电器设备相连接。
110.上述sf6电器设备声场数字孪生模型构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
111.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。
其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储声场数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种sf6电器设备声场数字孪生模型构建方法。
112.本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
113.在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
114.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
115.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
116.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
117.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
118.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
119.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。