面向智能发电的数字孪生技术及其应用模式

房方，张效宁，梁栋炀，王庆华

面向智能发电的数字孪生技术及其应用模式

房方，张效宁，梁栋炀，王庆华

（华北电力大学控制与计算机工程学院，北京市 昌平区 102206）

发电过程作为电力系统的重要组成部分，其智能化建设是推进我国能源电力转型发展的重要方向。结合数字孪生技术的研究发展现状及发展趋势，剖析了智能发电的概念与体系，并给出面向智能发电的数字孪生定义，通过功能映射，构建了智能发电系统的数字孪生架构。提出了在智能发电系统中部署数字孪生技术的一般性方法，对数字孪生技术的应用领域和应用模式进行了归纳，分析了应用过程中面临的主要技术挑战。研究结果可为数字孪生技术在发电领域产业化发展提供理论和方法参考。

智能发电；数字孪生；应用架构；数据驱动

0 引言

随着全球新一轮科技革命与产业变革的蓬勃兴起，互联网、大数据、人工智能与实体经济深度融合，对经济与社会发展产生了深层次与全方位影响。与之相适应，我国先后出台了“中国制造2025”“互联网+先进制造业”“新一代人工智能”等发展战略与规划[1-3]。如何推动物理系统与信息系统的有机融合与深度协作，是支撑我国工业高质量发展的核心问题之一。

在以化石能源清洁化、清洁能源规模化、新旧能源综合化为特征的能源革命中，电能的生产和消费方式将发生根本性的改变[4]，发电过程作为电力系统的重要组成部分，其智能化建设是推进我国能源转型发展的重要方向。自2016年“智能发电”的概念[5]被提出以来，受到了行业企业和国家主管部门的高度重视，研发投入逐年增长，理论体系不断发展完善，形成了技术与产品的研发热潮[6-10]，多个示范项目通过鉴定并取得了令人瞩目的应用效果。

但是，智能化技术与应用场景的深度匹配是一个长期迭代优化、不断修正完善的过程，尽管高性能计算、工业物联网、5G通信、大数据分析、工业机器人、区块链等技术的发展日趋成熟，但其在复杂工业场景中的应用尚处于探索阶段，若要契合智能发电的自学习、自适应、自趋优、自恢复、自组织功能目标[4]，还需要依托产学研合作，开展大量的探索与实践。

近年来，在物联网场景下，工业“数字孪生”技术成为一个研究热点，其利用数字技术对物体、系统、流程的信息进行实时映射，完成虚拟仿真过程，从而显著减轻工业领域技术创新和决策优化研究中面临的重资产和高成本负担。

为适应能源革命中的新趋势及对智能化的新需求，本文分析了数字孪生技术的发展现状与研究进展，结合智能发电技术的内涵与应用框架，基于一般性的部署手段，构建了智能发电系统的数字孪生架构；探索了数字孪生技术的应用领域和应用模式以及面临的主要挑战，为数字孪生技术在发电领域落地应用提供理论和方法参考。

1 数字孪生技术研究发展概况

数字孪生的概念最早出现于2005年美国密歇根大学Grieves教授关于产品生命周期管理的讲座[11]，他将数字孪生描述为物理实体、物理实体的虚拟表示以及从物理到虚拟的双向数据连接3个组成部分。虚拟表示可作为对象，承载建模、测试和优化等虚拟操作。但由于当时技术和认知上的局限性，直到2011年美国空军研究实验室和美国国家航空航天局将数字孪生技术应用于飞行器研制，该项技术才受到广泛关注[12]。2019年，数字孪生技术被全球权威IT研究与顾问咨询公司Gartner评为十大关键战略技术趋势之一[13]。

电子电气自动化领域知名跨国企业和工业软件开发商GE、Siemens、Ansys等是工业数字孪生技术的积极推动者和践行者，他们都把数字孪生技术作为其数字化工厂计划的一个关键组成部分，通过对产品和生产全生命周期的推演，实现对整个价值链的虚拟洞察和反馈，从而支撑真实世界的生产与产品的持续优化。

近年来，国内学者和行业专家高度关注数字孪生技术。文献[14]总结了数字孪生的五维结构模型，提出数字孪生驱动的6条应用准则，探索了14类应用设想与实施过程中需要突破的关键技术；文献[15]设计了数字孪生车间的参考系统架构，探讨了实现数字孪生车间信息物理融合的基础理论与关键技术；文献[16]以工业4.0为背景，回顾了数字孪生技术在制造系统和过程工业中的发展概况。

在有关数字孪生的报道中，制造业[17-21]、医疗保健[22-24]、航空[25-26]和陆地勘探[27-28]等是一些典型研究领域。在能源电力领域，数字孪生技术正在提供潜在的价值增长点，近2年的研究呈增长趋势[29-30]。文献[31]基于神经网络跟踪动态行为，构建逆变器的数字孪生模型；文献[32]利用数字孪生模型为特高压交流/直流电网秒级在线分析系统提供决策支持；文献[33]研究了基于数字孪生的智能城市能源管理，并将其作为实时管理的基准；文献[34]讨论了能源互联网中数字孪生技术的应用问题。

需要指出的是，在发电过程的数字孪生技术方面，相关研究仍处于较为初级的阶段，核心理论与技术创新有待突破，技术与产品的应用还有诸多问题需要解决，应用效果也有待进一步检验。尤其在火力发电领域，由于生产流程复杂、能量转换形式多样，首先在局部生产环节实现数字孪生技术的示范应用是目前较为可行的选择。

2 面向智能发电的数字孪生架构

“孪生”意味着数字化虚拟表示将在整个生命周期中双向链接到物理实体[35]。将这一概念应用于发电过程中，可衍生出若干种数字孪生架构。基础数字孪生架构如图1所示，主要包括物理空间、虚拟空间以及这些空间之间的连接3部分[36]。物理空间包含物理实体、传感器和执行器；而虚拟空间包含从多角度建立的虚拟模型；物理空间和虚拟空间之间的连接连通了2个空间，实现数据与指令的传递。

上述架构中虚拟空间与物理空间直接进行信息交互，不利于开发部署应用服务。因此，进一步发展出5组件数字孪生架构，如图2所示，主要包括物理空间、虚拟空间、融合模型、服务系统以及这4个模块之间的连接5部分[37]。该架构能够融合额外的可用服务，如设备与流程可视化、工业质检、设备健康诊断、高级算法服务以及资产评估服务等。数字孪生数据融合模型是物理空间、虚拟空间和服务系统之间的桥梁，用于收集来自物理空间的传感器数据、虚拟空间仿真指令和服务系统需求，按需进行数据融合、分析和仿真，进而做出决策与优化建议。

面向工业4.0的数字孪生架构如图3所示，主要包含5个部分与6步过程[38]。5个部分包括传感器、数据管理、集成模型、数据分析和执行器。传感器和执行器位于物理空间中；而数据管理与数据分析则在虚拟空间中进行；集成模型是连接2个空间的枢纽。6步过程主要包含生成、通信、聚合、分析、决策和执行。传感器检测物理实体特定的工艺参数，并将模拟信号转换生成数字信号，来表征实体的运行和环境状况；新测得的数字信号经过通信传输，与已有历史数据、策略和模型相聚合；分析步骤则是运用机器学习、大数据分析、深度学习等技术，挖掘潜在特征与关联，结果可通过增强现实、虚拟现实等技术可视化呈现；基于集成模型形成的决策将反馈至物理实体并执行，实现全流程闭环。

图3 面向工业4.0的数字孪生架构

参考上述架构，综合考虑智能发电的内涵和功能划分[4]，可建立基于智能运行控制系统(intelligent control system，ICS)和智能公共服务系统(intelligent service system，ISS)的双层数字孪生体系架构，如图4所示。

1）智能运行控制系统层。

ICS包含了与生产运行紧密相关的物理实体与过程，通常包含分散控制系统、ICS数据服务器、高级应用服务器、高级值班员站及其间通信设施。ICS包含的发电厂设备实体与生产过程对应于数字孪生模型的传感器与执行器部分。其中传感器部分涉及采集与通信2个过程，执行器部分涉及通信与执行2个过程。

ICS中传感器部分采集的数据具有多源分散获取、持续多频率采样、数据实时性强、数量大等多时空特征[4]。在此基础上构建数字孪生系统既有优势也充满挑战，以下问题须重点考虑：

一是ICS中数字孪生系统的颗粒度问题。从生产过程的物理结构上看，构建的孪生模型是针对一个部件/设备、一个流程、一个局部系统，还是机炉整体；从物质和能量传递的关系上看，构建的孪生模型是关注输入/输出整体的能量平衡，还是局部的物质或能量转换关系。

二是ICS中数字孪生系统的模拟精度问题。高精度是对数字孪生模型的基本要求，但在具体应用中还要充分考虑对象的复杂度、建模成本，以及承载孪生系统运行的平台性能。

三是ICS中数字孪生系统的实时性问题。对生产控制系统而言，实时性是最基本要求。ICS中的信号采集与通信时间通常为毫秒级，要实现数字孪生系统的高精度同步仿真，实时性是关键。

四是ICS中数字孪生系统的鲁棒性问题。无论是燃煤发电机组还是新能源发电机组，一次能源都存在不确定性，这就要求所对应的数字孪生模型具有针对变工况运行的适应能力。

2）智能公共服务系统层。

ISS位于ICS的上层，建立在大型数据库系统、大数据、云平台的基础上，主要实现智能安全、智能管理、智能服务等功能，为生产过程安全、管理及优化决策提供一体化数据平台。ISS承载生产经营管理的数字孪生，其数据多从工业控制网络或专用网络获取，具有数据源相对分散、数据类型多样等特征[4]。在此基础上构建数字孪生系统主要涉及数据管理、模型集成、数据分析3部分功能，并与聚合、分析、执行和通信4个过程紧密关联。ISS系统中数字孪生如何落实执行需要重点考虑以下问题：

一是ISS中数字孪生系统的交互性问题。作为以提升运维管理水平为目标的孪生模型，其接收的信息来源广、数据类型多样、业务类型复杂，通过数字孪生的信息展示和利用方式也非常丰富，多系统、多用户交互能力必不可少。

二是ISS中数字孪生系统的决策能力问题。基于规则、经验和知识的决策能力是对运维管理业务领域数字孪生模型的基本要求，其决策结果可以是一致性趋优的，也可以是博弈均衡的。

三是ISS中数字孪生系统的安全性问题。由于数据来源广泛且多为非直接感知数据，ISS系统中数字孪生应用的安全性问题更为突出，在原有电力系统安全分区的基础上，还要进一步考虑数字孪生自身的网络安全、数据安全等问题。

四是ISS中数字孪生系统的执行能力问题。对指令的执行最终作用于发电实体设备，直接关系发电过程的安全性、经济性与环保性。数字孪生系统需与现有控制手段有机融合。

3 面向智能发电的数字孪生部署

为统一建立具有适当复杂性的面向智能发电的数字孪生系统，需建立完善的数字孪生系统部署流程，如图5所示，该流程主要包括6个步骤：验证部署可行性、过程辨识、初步规划系统、小范围验证、大范围部署系统以及全生命周期监测。

图5 面向智能发电的数字孪生部署流程

部署面向智能发电的数字孪生系统，需首先对目标火电机组或新能源机组进行可行性评估，如ICS中的信号采集、数据通信、执行环节等。ICS中利用现代化的检测装置与高水平的检测技术获取物理实体的状态、位置、环境等信息。一方面可利用微波、激光、红外、声波等先进测量技术，直接测量生产过程参数；另一方面可利用机理模型与数据驱动方法实现不可测参数的间接检测。基于现场总线、工业物联网等技术，可提供高速稳定的数据通信能力。执行部分除常见电厂设备外，还可使用智能穿戴设备、手持智能终端、无人机、智能巡检机器人等，用于执行高强度、重复性或危险性的工作。

过程辨识首先对电力生产过程中采集的数据进行处理与分析，实现多源数据的深度融合。针对全生命周期的不同阶段，综合运用机理建模和数据驱动建模方法，挖掘物理实体不同时空尺度的特点与关联，建立物理实体的多工况、多尺度模型。梳理分析各个物理实体之间的业务逻辑关联，形成有机整体。

依照过程辨识建立的有机整体模型，初步设计规划数字孪生虚拟空间，并集合小范围试点中获取的信息，确定实施数字孪生后可能的应用形式、面临的挑战与潜在的风险，并根据综合最优投资回报原则进一步完善数字孪生系统。在该过程中可反复对数字孪生的传感器、执行器、通信设施与数据挖掘分析技术的选择进行迭代优化。

当小范围验证取得良好成效后，数字孪生系统即可规模化部署，并从孤岛试点接入到发电企业现有管控网络。在逐步合并关联流程的过程中，进一步确定数字孪生系统的可能应用扩展。在此阶段，可以利用局部数字孪生部署中的经验教训加速规模化部署，进而实现全生命周期模拟和预测，以获取最大收益，实现可持续发展。

4 面向智能发电的数字孪生应用模式

4.1 过程自动化

数字孪生可以从智能发电物理空间中获取数据，在虚拟空间中实时分析数据，并将决策指令反馈至物理空间，实现对发电设备与过程的自主控制，将操作员从枯燥重复的人工操控中解脱出来，实现机组运行控制的规范化和精细化。

4.2 综合效益管理

数字孪生可轻松仿真各类假设情况，如存在各类故障时发电机组物理实体的降级运行或故障停机操作手段，寻找最佳的维修计划并有选择地延迟维修与资产替换，避免计划外操作可能造成的设备应急关闭和重启等。此外，数字孪生可将数据与流程可视化，直观展示发电设备状态和过程参数，模拟关键绩效指标。

4.3 生产风险管控

数字孪生可利用机器学习、深度学习和人工智能算法预测潜在的风险与故障，避免事故发生，防控生产风险。在发电机组新增设备、启用新的控制算法或操作流程前，可以在数字孪生虚拟空间中进行仿真测试，以评估新增部分对发电系统整体安全性、经济性和环保性的影响程度与范围，是否对人员、设备与环境构成潜在威胁，加速开发与交付流程。

4.4 设备设计交付

通过前期建立通用的虚拟模型库，可与新建电厂相结合，有针对性地为新项目设计初始数字孪生虚拟空间，并进行一系列测试与仿真，以逐步确定最佳设计方案。此外，通过数字孪生可分批次地添加不同供应商交付的设备，验证使用不同设备的发电设施的性能指标。使用设计阶段的数字孪生系统，可以对发电设备进行预调试，验证控制算法有效性、操作流程合理性，进而加速电厂交付并尽快投入运行。

4.5 新应用研发

使用数字孪生，发电企业可以在现有设备条件下加速开发新运行场景和运营模式。通过在虚拟空间进行各种情景仿真，确定最佳的运营/开发方案，并减少从设计到上线新方法或新应用的过程时间，进而提高经营收益。

4.6 高效信息交流

数字孪生系统可提供统一的信息交流与管理平台，通过短信、邮件、可视化报警等手段，将信息及时传达至相关方。数字孪生还可通过对全周期文档的统一管理、云边结合的数字化呈现，提升信息传递的有效性，以低成本加速项目进展。

4.7 协同决策

发电机组全生命周期涉及投资决策、建设决策、运行决策、维修决策、报价决策等，在有效获取政策、市场、环境、技术等内外部数据的基础上，通过多种数字孪生模型的协同，可实现针对特定区域或不同类型机组的综合决策优化。

4.8 人员操作培训

数字孪生与虚拟现实、增强现实等扩展现实技术融合，可提供一个虚拟平台来提高员工技能水平，完成针对发电机组的设备通识、设备操作、指标判读、应急对策和系统维修保障等技能培训。相比于传统仿真机，数字孪生系统在操作结果的实时反馈、机组运行状态和主要技术指标的刻画方面具有显著优势。同时，基于数字孪生的操作培训，还可实现与机组实际运行工况的在线比对。

5 面向智能发电的数字孪生技术面临的挑战

5.1 部署规模

面向智能发电的数字孪生系统在设计时应重点构建合理的状态感知和数据获取平台，在虚拟空间不同业务线间设计若干数字孪生模型，兼顾模型的易用性、适用性。评估现有发电设备与通信设施对数字孪生系统的支持能力，并以最佳的深度和广度对数字孪生系统进行部署和实施。

5.2 准确性和有效性

数字孪生虚拟空间中存在众多模型，构建模型主要基于机理分析、经验修正和数据驱动。动态调整模型以准确表征物理实体的行为至关重要。模型调整应尽量缩小虚拟模型与物理实体输出之间的偏差，但这种偏差因传感器误差、数据采集不确定性、建模过程不确定性、模型内在缺陷等因素通常无法避免。基于不准确或过期的模型，将无法得到有效的控制与决策指令，致使数据孪生系统失效，进而产生错误的判断。

5.3 建设运维标准

不同发电机组的结构、设备配置、运行环境等会表现出明显的差异性，每一台机组的数字孪生应用都是独特的。但是，如果仅强调差异性，而忽略了共性特征，就会显著增加数字孪生系统的开发、应用和推广成本。因此，对于每种类型的发电机组，都应针对数字孪生应用，凝练共性技术，制定相应的建设运维标准，如数据信息获取、基本架构、最小功能组成等，从而形成规范化开发、规模化推广的局面。

5.4 信息安全防护

数字孪生中物理空间与虚拟空间存在双向联系，而发电系统的数据安全、设备安全、控制安全、应用安全、网络安全等直接关系国家能源安全，在工业安全领域处于核心地位。因此，除了采取入侵检测、安全审计、恶意代码防范、主机及网络设备加固等常规手段[39]来保护物理和虚拟空间的信息安全外，还要有针对性地加强数字孪生系统的信息安全技术研发，制定相应的安全管控制度，形成多重安全保护体系。

6 结论

智能化已成为我国能源电力转型发展的重要方向。数字孪生技术能够交互地在智能发电系统中的物理实体和虚拟表示之间建立双向联系，综合利用工业物联网、人工智能、云计算、虚拟现实等技术，从多角度、全生命周期对发电过程建立数字孪生模型，通过高精度实时仿真，对模型进行可视化、调试、体验、分析与优化，进而反馈到发电过程，用以提升实体性能和运行绩效。

从发展的角度看，数字孪生是一种综合性技术策略，涉及的技术领域多，对物理对象的依赖度高。因此，在其产业化发展的道路上，一方面要强调分类发展、循序渐进，从简单的发电形式和关键生产环节入手；另一方面要强调发展的规范化，尽快形成行业和产业标准体系，从而提升数字孪生模型的通用性，降低研发成本。

[1] 国务院．国务院关于印发《中国制造2025》的通知[EB/OL]．(2015-05-19)[2020-08-01]．http://www.gov.cn/zhengce/content/2015-05/19/content_9784.htm．

The State Council．Notice of the State Council on issuing ＂Made in China 2025＂[EB/OL]．(2015-05- 19)[2020-08-01]．http://www.gov.cn/zhengce/content/2015-05/19/content_9784.htm．

[2] 国务院．国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见[EB/OL]．(2017-11-27) [2020-08-01]．http://www.gov.cn/zhengce/content/2017-11/27/content_5242582.htm．

The State Council．Guiding opinions of the State Council on deepening ＂Internet + Advanced Manufacturing＂ and developing industrial internet [EB/OL]．(2017-11-27) [2020-08-01]．http://www.gov. cn/zhengce/content/2017-11/27/content_5242582.htm．

[3] 国务院．国务院关于印发新一代人工智能发展规划的通知[EB/OL]．(2017-07-20) [2020-08-01]．http:// www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm．

The State Council．Notice of the State Council on issuing the development plan for the new generation of artificial intelligence[EB/OL]．(2017-07-20) [2020-08-01]．http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm．

[4] 刘吉臻，王庆华，房方，等．数据驱动下的智能发电系统应用架构及关键技术[J]．中国电机工程学报，2019，39(12)：3578-3586．

Liu J Z，Wang Q H，Fang F，et al．Data-driven-based application architecture and technologies of smart power generation[J]．Proceedings of the CSEE，2019，39(12)：3578-3586．

[5] 贾科华．独家专访｜刘吉臻：智能发电是第四次工业革命的大趋势[N]．中国能源报，2016-07-27．

Jia K H．Exclusive interview｜Liu Jizhen：Smart power generation is a major trend in the fourth industrial revolution[N]．China Energy News，2016-07-27．

[6] 耿海涛，朱亚迪．智能化联合循环电厂建设方案探讨[J]．发电技术，2018，39(6)：520-525．

Geng H T，Zhu Y D．Construction scheme discussion for smart gas-fired power plant[J]．Power Generation Technology，2018，39(6)：520-525．

[7] 吴智泉，王政霞．智慧风电体系架构研究[J]．分布式能源，2019，4(2)：8-15．

Wu Z Q，Wang Z X．Smart wind power system architecture[J]．Distributed Energy，2019，4(2)：8-15．

[8] 周怀春，胡志方，郭建军，等．面向智能发电的电站燃煤锅炉在线运行优化[J]．分布式能源，2019，4(3)：1-7．

Zhou H C，Hu Z F，Guo J J，et al．On-line optimization of coal-fired boiler operation in power plants for smart power generation[J]．Distributed Energy，2019，4(3)：1-7．

[9] 谌强，朱亚迪．燃机智能电厂框架下的厂级技术监督管理系统研究与开发[J]．华电技术，2020，42(2)：28-32．

Shen Q，Zhu Y D．Research and development of plant-level technical supervision and management system under the framework of smart gas turbine power plant[J]．Huadian Technology，2020，42(2)：28-32．

[10] 黄鹤，秦岭，喻洋洋，等．水光多能互补清洁能源智能发电技术[J]．分布式能源，2020，5(2)：21-26．

Huang H，Qin L，Yu Y Y，et al．Smart-power generation technology of clean energy with water-light multi- energy complementary[J]．Distributed Energy，2020，5(2)：21-26．

[11] Grieves M．Product lifecycle management：driving the next generation of lean thinking[M]．New York：McGraw Hill Professional，2005．

[12] Glaessgen E，Stargel D．The digital twin paradigm for future NASA and U.S. Air Force vehicles[C]//53rd AIAA/ASME/ASCE/AHS/ASC Structures，Structural Dynamics and Materials Conference．2012：1818．

[13] Gartner Research．Top 10 strategic technology trends for 2019：digital twins[EB/OL]．(2019-03-13) [2020-08-01]．https://www.gartner.com/en/documents/3904569/top-10-strategic-technology-trends-for-2019-digital-twin．

[14] 陶飞，刘蔚然，刘检华，等．数字孪生及其应用探索[J]．计算机集成制造系统，2018，24(1)：1-18．

Tao F，Liu W R，Liu J H，et al．Digital twin and its potential application exploration[J]．Computer Integrated Manufacturing Systems，2018，24(1)：1-18．

[15] 陶飞，程颖，程江峰，等．数字孪生车间信息物理融合理论与技术[J]．计算机集成制造系统，2017，23(8)：1603-1611．

Tao F，Cheng Y，Cheng J F，et al．Theories and technologies for cyber-physical fusion in digital twin shop-floor[J]．Computer Integrated Manufacturing Systems，2017，23(8)：1603-1611．

[16] Lu Y，Liu C，Kevin I，et al．Digital twin-driven smart manufacturing：connotation，reference model，applications and research issues[J]．Robotics and computer-integrated manufacturing，2020，61：101837-101850．

[17] Holler M，Uebernickel F，Brenner W．Digital twin concepts in manufacturing industries：a literature review and avenues for further research[C]//18th International Conference on Industrial Engineering (IJIE)．2016：1-9．

[18] Qi Q，Tao F．Digital twin and big data towards smart manufacturing and Industry 4.0：360 degree comparison [J]．IEEE Access，2018，6：3585-3593．

[19] Kritzinger W，Karner M，Traar G，et al．Digital twin in manufacturing：a categorical literature review and classification[J]．IFAC-Papers OnLine，2018，51(11)：1016-1022．

[20] Venkatesan S，Manickavasagam K，Tengenkai N，et al．Health monitoring and prognosis of electric vehicle motor using intelligent-digital twin[J]．IET Electric Power Applications，2019，13(9)：1328-1335．

[21] Tao F，Cheng J，Qi Q，et al. Digital twin-driven product design, manufacturing and service with big data[J]．The International Journal of Advanced Manufacturing Technology，2018，94：3563-3576．

[22] Liu Y，Zhang L，Yang Y，et al．A novel cloud-based framework for the elderly healthcare services using digital twin[J]．IEEE Access，2019，7：49088-49101．

[23] Barricelli B R，Casiraghi E，Gliozzo J，et al．Human digital twin for fitness management[J]. IEEE Access，2020，8：26637-26664．

[24] Booyse W，Wilke D N，Heyns S．Deep digital twins for detection，diagnostics and prognostics[J]．Mechanical Systems and Signal Processing，2020，140：106612-106636．

[25] Bachelor G，Brusa E，Ferretto D，et al．Model-based design of complex aeronautical systems through digital twin and thread concepts[J]．IEEE Systems Journal，2020，14(2)：1568-1579．

[26] Goraj R．Digital twin of the rotor-shaft of a lightweight electric motor during aerobatics loads[J]．Aircraft Engineering and Aerospace Technology，2020，Early access，doi：10.1108/AEAT-11-2019-0231．

[27] Wanasinghe T R，Wroblewski L，Petersen B，et al．Digital twin for the oil and gas industry：overview，research trends，opportunities，and challenges[J]. IEEE Access，2020，8：104175-104197．

[28] Bevilacqua M，Bottani E，Ciarapica F E，et al．Digital twin reference model development to prevent operators’ risk in process plants[J]．Sustainability，2020，12(3)：1088-1103．

[29] 范海东．基于数字孪生的智能电厂体系架构及系统部署研究[J]．智能科学与技术学报，2019，1(3) ：241-248．

Fan H D．Research on architecture and system deployment of intelligent power plant based on digital twin[J]．Chinese Journal of Intelligent Science and Technology，2019，1(3)：241-248．

[30] 唐文虎，陈星宇，钱瞳，等．面向智慧能源系统的数字孪生技术及其应用[J/OL]．中国工程科学，https://kns.cnki.net/kcms/detail/11.4421.G3.20200806.1706.012.html．

Tang W H，Chen X Y，Qian T，et al．Technologies and applications of digital twin for developing smart energy systems[J/OL]．Strategic Study of CAE，https://kns. cnki.net/kcms/detail/11.4421.G3.20200806.1706.012.html．

[31] Song X，Jiang T，Schlegel S，et al．Parameter tuning for dynamic digital twins in inverter-dominated distribution grid[J]．IET Renewable Power Generation，2019，14(5)：811-821．

[32] Zhou M，Yan J，Zhou X．Real-time online analysis of power grid[J]．CSEE Journal of Power and Energy Systems，2020，6(1)：236-238．

[33] Francisco A，Mohammadi N，Taylor J E．Smart city digital twin-enabled energy management：toward real-time urban building energy benchmarking[J]. Journal of Management in Engineering，2020，36(2)：4019045-4019055．

[34] 沈沉，贾孟硕，陈颖，等．能源互联网数字孪生及其应用[J]．全球能源互联网，2020，3(1)：1-13．

Shen C，Jia M S，Chen Y，et al．Digital twin of the energy internet and its application[J]．Journal of Global Energy Interconnection，2020，3(1)：1-13．

[35] 于勇，范胜廷，彭关伟，等．数字孪生模型在产品构型管理中应用探讨[J]．航空制造技术，2017(7)：41-45．

Yu Y，Fan S T，Peng G W，et al．Study on application of digital twin model in product configuration management[J]．Aeronautical Manufacturing Technology，2017(7)：41-45．

[36] Grieves M．Digital twin：manufacturing excellence through virtual factory replication[J]．White Paper，2014，1：1-7．

[37] Tao F，Zhang M．Digital twin shop-floor：a new shop-floor paradigm towards smart manufacturing [J]．IEEE Access，2017，5：20418-20427．

[38] Aaron P，Lane W．Industry 4.0 and the digital twin [EB/OL]．(2017-05-12)[2020-08-01]．https://www2.deloitte.com/us/en/insights/focus/industry-4-0/digital- twin-technology-smart-factory.html．

[39] 马虹哲．智能电网信息安全威胁及防护关键技术研究[J]．信息通信，2017(12)：162-163．

Ma H Z．Research on smart grid information security threats and key technologies of protection [J]．Information & Communications，2017(12)：162-163．

Digital Twin Technology for Smart Power Generation and Its Application Modes

FANG Fang, ZHANG Xiaoning, LIANG Dongyang, WANG Qinghua

(School of Control and Computer Engineering, North China Electric Power University, Changping District, Beijing 102206, China)

As an important part of power system, the intelligent construction of power generation process is an important direction to promote the development of energy transformation in China. Combined with current situation and development trend of digital twin technology research, the concept and system of smart power generation were analyzed. Then the definition of digital twin in the field of smart power generation was proposed. Through function mapping, the digital twin architecture of smart power generation was constructed. A general method of deploying digital twin technology in smart power generation system was proposed. The application fields and modes of digital twin technology were summarized, and the main technology challenges in application were analyzed. The research results provide theoretical and methodological reference for the industrial development of digital twin technology in the field of power generation.

smart power generation; digital twin; application architecture; data driven

10.12096/j.2096-4528.pgt.20075

TM 61；TP 391.9

国家自然科学基金项目(51676068)。

Project Supported by National Natural Science Foundation of China (51676068).

2020-08-27。

(责任编辑 尚彩娟)