動力互聯網中的數字孿生技術體系、應一包養用與挑戰｜九宮格
requestId:6868a0a12df584.59538098.
編者按
近年來全球化石動力的年夜規模應用形成了嚴重的環境淨化與氣候惡化，這對人類保存與發展帶來了嚴峻挑戰。重塑動力互聯系統、轉變動力消費觀念已成為全球共識，加快動力互聯系統的轉型成為動力高質量發展的有用支撐。與此同時，集數字化和智能化一體的數字孿生技術的敏捷突起為動力系統發展供給了傑出契機與轉型支撐。國家動力局于2023年3月提出加速推進動力數字化智能化發展，促進動力產業與數字技術融會發展是新時代推動中國動力產業高級化、產業鏈和現代化的主要引擎。數字信息技術與動力發展轉型的深度融會，賦能傳統動力產業數字化智能化轉型升級，是掌握新一輪科技反動和動力變改革機遇的戰略選擇。數字孿生技術逐漸成為推動傳統動力互聯系統向動力互聯網升級轉化的重要原因。
《中國電力》2024年第1期刊發了劉曌等人撰寫的《動力互聯網中的數字孿生技術體系、應用與挑戰》一文。文章總結了通用技術領域數字孿生的技術特征以及動力電力領域數字孿生的典範特征和發展標的目的；并結合動力互聯網在監測剖析、模子構建、規劃與運行、綜合評價等領域的技術需求，總結提出包含數據感知、模子構建、平臺支撐、智能交互的動力互聯網數字孿生系統框架，為數字孿生技術在動力互聯網中的進一個步驟深度融會應用與落地實踐供給了全方位的環節接口與理論體系框架支撐；在此基礎上，給出動力互聯網數字孿生在態勢感知與檢測、全要素模子構建、智能規劃運行與綜合評價4個方面的典範應用及難點挑戰，為未來數字孿生在動力互聯網建設中的應用供給理論和方式參考。
來源：《中國電力》2024年第1期
引文：劉曌, 孫慶凱, 許澤凱, 等. 動力互聯網中的數字孿生技術體系、應用與挑戰[J]
摘要
隨著傳統動力互聯系統慢慢向動力互聯網升級轉化，僅基于機理建模的方式難以描寫其高維性、非線性以及多能耦合性等特征。數字孿生技術可將真實系統精準映射到虛擬空間，對實現動力互聯網的特征描寫、運行剖析、監控優化以及智能決策具有主要意義。起首，從數字孿生技術的發展出發，對動力互聯網中的數字孿生技術體系進行剖析，提出了涵蓋“多源數據采集-模子構建-平臺支撐-智能交互”的分層技術體系框架，細化了數字孿生技術在動力互聯網中的應用價值；其次，詳細闡述了數字孿生技術在動力互聯網中的典範應用以及需求衝破的難點，并給出了其當前的發展瓶頸；最后，對數字孿生技術在動力互聯網中的發展路線進行了總結與瞻望。
01 動力互聯網數字孿生技術體系
1.1 數字孿生概述
數字孿生廣義是指將現實世界中的物體通過虛擬映弓手段與人工智能等新一代信息技術，在虛擬空間構建與物理實體屬性雷同的數字化孿生模子，并借由人工智能技術來實現對實際物體的規劃設計、檢測剖析和運行優化。數字孿生作為集成了多學科、多維度、多物理量等的仿真過程，兼容了從智能數據采集到5 G通訊數據傳輸，再到云端平臺數據剖析以及物理實體平臺映射等多個環節。將數字孿生技術應用于工業領域目標在于解決復雜系統中的問題，并為物理系統供給決策支撐，這對于加快推進產品設計和晉陞產品經濟性具有主要意義。
動力電力系統模子復雜化以及數據多樣化的佈景促進了數字孿生在動力電力領域的融會應用與技術再發展。比擬于通用技術領域的數字孿生，動力電力領域的數字孿生更側重數據驅動的實時態勢感知和超實時虛擬推演，旨在為動力電力系統的運管調控等多方面問題供給決策參考。此外，動力電力領域數字孿生未來也會更周全地引進“人”的概念，在原有物理空間與虛擬空間的映射關系上，轉型為“信息-物理-人”的交互系統，使數字孿生技術成為促進動力電力系統發展的利器。
1.2 動力互聯網概述
中國動力領域發展至今，需求側對動力的請求加倍多樣化，已不再局限于電力，而聚焦于燃氣、制冷以及供熱等高度融會的動力系統；負荷側則呈現出可削減負荷、可轉移負荷以及需求響應等多樣性發展趨勢。同時隨著年夜數據、區塊鏈、物聯網、數字孿生等信息互聯技術的發展，動力系統變得越來越智能化、網絡化和數字化。
動力互聯網作為聰明多動力系統的典範代表，其以電力為中樞，以智能電網為依托，橫向實現“電-氣-熱-冷-氫”多類型系統互補，縱向實現“源-網-荷-儲”高效協調，推動清潔轉型以及支撐主動用戶靈活接進，具有多環節、多區域、多系統的特點，其具體含義如圖1所示。
圖1 動力互聯網含義
Fig. 舞蹈場地 1 Meaning of the energy Internet
1.3 動力互聯網數字孿生技術體系
從技術體系角度來說，動力互聯網數字孿生是集深度感知、高速通訊、智能計算、遠端把持于一體的系統，本節重點關注數字孿生在動力互聯網中的技術架構，圍繞其焦點技術展開闡述，構建圖2所示的涵蓋“多源數據采集-模子構建-平臺支撐-智能交互”的動力互聯網數字孿生技術分層框架。
圖2 動力互聯網數字孿生技術分層框架
Fig.2 Layered framework of the energy Internet digital twin technology
1.3.1 多源數據采集層
多源數據采集層是數字孿生模子應用的基礎。輸進數據重要包含高機能傳感度量測數據、動力系統量測數據以及設備的歷史運行數據，這些數據具有海量、多源、異構、動態等特徵。高效、實時、準確的數據采集為后續模子構建和具體技術應用奠基了基礎。
今朝已有研討為構建多源數據采集層供給了相關的理論依據，構建了動力互聯網感知體系的標準結構，有助于完美動力互聯網感知技術標準。基于數字孿生樹立聰明電廠模子，并基于仿生學道理模擬天然界生物的感知才能，提出一種多源數據傳輸與處理方式，為基于數字孿生的聰明電廠解決數據孤島問題奠基了基礎。構建包括數據采集庫的數字孿生電網數字化轉型框架，并提出孿生數據整合與剖析技術以實現對設備的智能感知和實時在線采集，構成閉環數據采集流，實現電網數據的自動化治理。基于數字孿生樹立孿生數據感知層，用于多源異構數據的實時采集及預處理，并將數據高速傳輸至數字孿生體，構成集數據采集、治理、傳輸于一體的技術體系。
1.3.2 模子構建層
數字孿生技術框架的焦點和關鍵在于數字孿生模子的構建。準確的動力互聯網模子可以高精度地刻畫實際物理對象，從而精準發揮數字孿生的鏡像才能。現有研討中的模子構建重要有以下3個方面。
1）機理模子構建。當系統內部結構簡單、對象物理機理明確、過程充足可觀時，可采用機理建模方式。其建模思緒為：基于動力互聯網設備的物理機理，結合能量守恒、動量守恒及質量守恒定律對“源-網-荷-儲”中的設備進行刻畫，實現多標準、多物理機理的數字孿生模子。針對動力系統中燃氣鍋爐的運行特徵樹立機理模子，優化了鍋爐的啟動過程；基于數字孿生機理建模方式構建以燃氣輪機為主體的燃煤電站模子，動態刻畫了擾動對電廠運行的影響。
2）數據驅動模子構建。當系統內部結構復雜、物理機理難以表述時，可采用數據驅動建模。其建模思緒為：針對物理系統中不易建模和求解的復雜環節，應用系統實際運行數據逆向構建模子，從而進步對不成觀環節的特徵認知。針對傳統機理建模方式的精確性問題，以動力互聯網各環節的運行數據為焦點驅動構建動力互聯網模子，年夜年夜進步了建模效力，為動力互聯網模子建設供給靠得住依據。采用海量孿生數據作為輸進參數，將蒸汽量作為輸出參數，樹立基于人工神經網絡的熱電廠蒸汽量預測模子，并驗證了將該模子用于電負荷和熱負荷分派優化的可行性。應用神經網絡算法對燃煤電站的量測數據進行預處理，樹立基于數據驅動的燃煤電站蒸汽預測模子，并將其應用于熱電聯產機組。
3）機理-數據驅動的混雜模子構建。當實際動力互聯網系統非線性水平較年夜時，僅采用機理建模方式存在模子求解復雜的問題，僅采用數據驅動建模的方式存在可解釋性較弱的問題。是以將機理建模方式與數據驅動建模方式相融會，在增年夜模子準確率的同時進步計算精度。其建模思緒在于起首樹立機理模子，從而為數據驅動模子供給先驗知識，再基于數據驅動建模方式對機理模子進行降階化簡，兩者互為補充，構成機理-數據混雜驅動的模子。將機理建模方式與數據驅動建模方式相結合，構建機理-數據混雜驅動的電網平安特征選擇與知識發現模子， 聚會 并在廣東電網進行驗證，達到保證系統平安運行的目標。起首應用機理建模方式構建燃氣輪機熱力模子并構成燃氣輪機運行數據庫，在此基礎上應用深度學習算法對運行數據反復迭代，從而樹立一種機理-數據混雜驅動的燃氣輪機氣路毛病診斷模子，實現對燃氣輪機設備的安康監測與毛病診斷。
1.3.3 平臺支撐層
平臺支撐層是構建數字孿生模子的保證，是鏡像映射物理實體的條件。平臺支撐層需求具備多種技術以反應動力互聯網多動力耦合關系，實現多源數據的特征提取與融會、毛病檢測、狀態評價和剖析決策效能。
1）多源數據治理技術。平臺支撐層需求對多源數據融會計算并基于人工智能、機器學習等【現代情感】《歲末新婚》作者：蘇七【已完結+番外】算法深度發掘數據特征及特征提取，實現分歧層次數據的匯聚和剖析。設計開發了一種針對多動力系統剖析的數字孿生仿真平臺CloudIEPS。重要基于年夜數據剖析實現對數據的智能化治理，能夠自立靈活地實現分歧層次數據的融會計算，促進了以數字孿生為焦點的動力互聯網落地應用。
2）模塊集成編輯技術。平臺支撐層需求構建靈活多變的模塊化結構，用戶可隨時更改虛擬模子的設備種類、設備間耦合關系以及設備的運行參數等，以實現疾速、高效、便捷的模子構建。此中，TRNSYS平臺是具有模塊化組合效能的典範代表。采用TRNSYS平臺將區域動力互聯網系統樹立成為4個子系統及其之間的連接關系共5個模塊，通過設置各模塊的參數實現對整個區域的靈活把持。
3）系統優化剖析技術。平臺支撐層需求在滿足約束條件的情況下，根據目標函數選取最佳運行戰略，并剖析設備參數值發生變動時對仿真結果產生的影響。對電、冷、熱多動力微電網采用HOMER平臺進行仿真優化，并改變微動力網系統的設備裝機容量、輸出功率等參數，剖析參數改變對系統經濟效益的影響。
4）人工智能決策技術。平臺支撐層應用深度學習、邊緣智能等新型人工智能算法作為運行優化決策引擎，實現系統行為模擬、自適應把持、生產過程最優決策效能。CloudIEPS、TRNSYS、HOMER等仿真平臺在制訂動力系統規劃、運行計劃時均應用人工智能決策技術輔助決策，使得實際動力系統的決策計劃加倍高效、智能和便捷。
1.3.4 智能交互層
智能交互層是動力互聯網數字孿生系統的最基礎。通過人-機交互和信息共享可以有用晉陞系統的效力，打破信息孤島的現象，將數字孿生所構建的虛擬世界與物理空間相連接，為用戶供給操縱友愛性的親身經歷交互環境，讓其通過感官真實親身經歷復雜系統的特徵和效能，通過一體化計算平臺親身經歷和學習實際系統所不克不及直接體現的屬性和特征，向應用者還原系統的真實場景。基于數字孿生框架中物聯網的高效傳輸技術實現用戶、設備和系統之間的交互和信息共享。在數字孿生物聯網技術框架下通過高速傳感器進一個步驟組成龐年夜的群智感知網絡，使得動力互聯網的運行治理由實進虛，實現人-機雙向交互效能。提出了人在回路的混雜增強智能調控框架，在動力互聯網數字孿生系統中樹立了人機可解釋交互-參與-引導-反饋的“閉環”協同應用形式。
基于以上4個層級構建動力互聯網中數字孿生的技術體系框架，可實現虛擬空間與現實空間之間的有用連接，使得各種實際計劃可以在鏡像空間中獲得測試和檢驗，進而完成物理系統與虛擬空間劃一感知-傳輸-計算-把持的閉環把持。
02 數字孿生在動力互聯網中的典範應用
數字孿生技術為動力互聯網的發展供給了新的理念與技術框架。動力互聯網的新一代信息技術為數字孿生的發展供給了基礎與環境。數字孿生技術可以借助模子物理道理、專家領域知識和海量量測數據對動力互聯網進行融會驅動建模，進而對現實空間中的多主體復雜交互、能量流動過程等問題進行多時間標準、多辨別率顆粒度的精確模擬，以實現動力互聯網全要素、全性命周期的數字仿真建模。通過集成源-網-荷-儲的全環節要素、全性命周期信息，在虛擬空間樹立動力互聯網的數字孿生模子，與物理實體系統共存、共生、共演變、共發展。從多時間標準、多物理信息場景等角度，為動力互聯網的規劃、運行、把持、監測、評估供給了剖析支撐東西。本文安身于動力互聯網在態勢感知與監測、全要素模子構建、智能規的面容讓她在造型無可挑剔的女主角面前顯得憔悴不堪。劃運行以及綜合評價剖析等分歧場景方面的具體應用，闡述數字孿生在動力互聯網領域發揮的主要感化，其典範應用如圖3所示。
圖3 動力互聯網數字孿生典範應用
Fig.3 Typical applications of the energy Internet digital twin
2.1 數字孿生在態勢感知與監測中的典範應用
數字孿生通過多源數據采集層對動力互聯網各子系統的工況數據進行采集與檢測，重要體現在2個方面：1）在設備方面，由高速傳感器構成的泛在傳感網絡可獲得海量傳感量測數據，基于平臺支撐層中的多源數據治理技術為海量數據處理剖析供給支撐。2）在系統方面，數字孿生技術可從海量、多源、異構的動力互聯網系統數據中有用、精準地提取主要特征信息，完成對實際物理對象的精確模擬，以滿足當前優化剖析和運行決策的請求。
動力互聯網系統包括海量復雜的運行數據，且用傳統方式難以高效處理。一方面，電、熱、氣等分歧類型的動力數據把握在分歧運營商處，從信息平安與商業好處角度，存在各類數據壁壘，無法應用多源數據描繪系統的全景態勢信息；另一方面，隨著新型電力系統與動力互聯網的發展，海量分布式源-荷-儲資源以及電-熱-氣-氫等多類型動力交互設備接進動力互聯網，產生了高維、異構的海量數據，對傳統的數據采集、處理、剖析、存儲、再應用提出了更高的請求。數字孿生可以通過多任務學習等人工智能算法實現對感知數據的充足發掘，以周全覆蓋動力互聯網系統各設備的泛在傳感網絡為依托，能夠深刻底層動力設備進行精確測量和高效信息交互；同時，數字孿生借助能量流計算、云計算等技術體系中的先進內核，實現數據在分歧維度的提取和計算，支撐動力互聯網系統數字孿生多維度、多層次的數據監控和計算剖析。
2.2 數字孿生在全要素模子構建中的典範應用
構建動力互聯網系統的數字孿生模子是高精度刻畫動力互聯網系統的關鍵。與傳統建模比擬，數字孿生技術充足考慮到數據與知識互補的特徵，采用模子物理道理、專家領域知識與海量量測數據實現多源驅動的模子構建，使孿生模子具有適應多時間標準與運行環境變化的泛化才能及更好的可解釋性、更強的可托性。
數字孿生模子構建層是動力互聯網數字孿生的關鍵技術，在支撐全要素孿生模子構建方面的應用重要體現在3個方面：基于模子物理道理的各動力系統主體內部機理模子、基于專家領域知識的各動力系統主體間能量雙向耦合關系與數據信息流動的主體間交互模子和基于海量量測歷史數據樹立的包括動力互聯網內部、內部環境與參數多重隨機性與不確定性的數據驅動模子。
1）在構建物理道理驅動機理模子方面，考慮到動力互聯網中電-熱-氣-氫等各類動力的物理特徵與動態過程時間標準差異，可以根據需求樹立詳細的偏微分-代數方程模子，或基于應用場景與機理剖析樹立均勻化模子。分歧動力系統主體采用分歧的仿真模子、模子迭代演算技術和時間常數，并具有各異的對外輸進輸出交互端口，進而與其他效能模塊交互。
2）在基于專家領域知識的動力互聯網多能耦合關系與能量流-信息流建模中，根據電網、熱網、氣網、氫能系統等動力系統間的單向、雙向耦合設備設置裝備擺設，以及典範運行場景下多能流系統的聯合調度優化與時空協調互濟關系，樹立基于規劃設計、調控、運行等專家經驗的動力系統各主體間的交互耦合模子。進一個步驟考慮動力互聯網的調度、把持、通訊等架構設計，以及云邊協同、邊緣計算等最新信息物理系統技術的應用，樹立動力互聯網中的信息流模子，在孿生模子中表征實際動力互聯網的信息與數據流動模子。
3）動力互聯網在內部、內部環境與參數中存在多源、多重隨機性與不確定性。隨機性與不確定性的產生源頭往往來源于高維、強非線性的內內部復雜系統。在內部環境方面，如影響電力系統中光伏、風電等新動力出力的內部氣象環境系統。部分小范圍的微觀氣象過程模子階數年夜、建模本錢高，且由于其具有強非線性和復雜系統特徵，較小的輸進狀態與參數變化也能夠導致較年夜的輸出狀態變化。在內部參數方面，如熱力、自然氣管網，電力設備、器件的老化毛病模子，觸及多物理場仿真、應力剖析與安康治理技術等。在建模中可以應用高斯過程回歸，深度學習等新一代人工智能算法，對分歧來源的隨機性與不確定性進行建模。相關物理機理、領域知識在數據驅動模子中，可以通過正則化網絡、留意力機制、拓撲圖、損掉函數修改項等方法引進，進一個步驟晉陞數據驅動建模的效力與準確性。
2.3 數字孿生在智能規劃運行中的典疑問，她的配偶一定是科學研究領域的後起之秀。範應用
動力互聯網數字孿生通過平臺支撐層的年夜數據、深度學習、邊緣計算等新一代信息技術賦能，將規劃、調度、把持中的前瞻預測和在線優化決策等問題將與智能技術深度融會，此中的應用重要體現在3個方面。
1）動力互聯網多類型負荷聯合預測。負荷預測作為動力互聯網系統規劃設計與優化運行的基礎，其預測精度直接決定著系統規劃與運行結果。但隨著電網、熱網、氣網等用戶量激增帶來的海量運行數據使得精確預測變得愈發困難。數字孿生技術為動力互聯網系統中的多元負荷預測供給了新的思緒。基于數字孿生樹立負荷預測模子，獲得設備在全性命周期的數據，通過數據驅動技術使其在模子中不斷迭代，能夠更好地處理序列性負荷數據，實現對負荷精準預測。提出數字孿生樓宇型動力互聯網供應系統，并應用海量孿生數據在負荷預測軟件中驅動構建樓宇用戶負荷預測孿生模子，從而實現對負荷需求精準預測。針對電力負荷具有波動性和周期性的問題，采用改進門微，我就不耽誤你了。」控循環（gated recurrent unit，GRU）神經網絡算法對數字孿生數據反復迭代，從而實現對數字孿生模子特征提取，并用該方式對實際負荷進行預測，有用晉陞了預測的準確度和精度。從影響負荷的多種原因進手，樹立考慮多氣象條件的數字孿生短期負荷預測模子，應用改進反向傳播（back propagation，BP）神經網絡進步了短期負荷預測精度與收斂速率。
2）動力互聯網發展演變下的規劃設計。在傳統的綜合動力系統規劃設計方式中，針對系統中的源-荷未來發展的不確定性構建的模子較為守舊。凡是為了保證規劃設計滿足發展需求，能夠出現規劃冗余度高、資源分派過度超前的現象。且對于綜合動力系統中的電-熱-氣-氫系統的源-網-荷-儲設備的全性命周期能效程度變化及其對系統運行的影響建模較為簡單，疏忽了多系統間全性命周期的變化耦聯機理與影響級聯縮小效應。而基于數字孿生技術構建的孿生模子，計及了動力互聯網全性命周期中各個系統的安康程度演變規律及全鏈條耦合影響。通過圖計算與多場景并行仿真技術，天生運行遠景庫，有用晉陞了應對分歧規劃戰略下運行與收益場景的預演剖析才能。將數字孿生技術參加發展演變視角下的動力互聯網規劃設計，能夠加倍有用地晉陞規劃設計效能。樹立一種基于數字孿生