数字孪生技术在电力系统应用分析

白鹤举

(内蒙古电力（集团）有限责任公司信息通信分公司，内蒙古 呼和浩特 010020)

目前，大数据、物联网、云计算等数字技术，已经引领新的工业革命发展，数字孪生技术也将成为电力领域各项技术、业务和信息发展和升级的方向。

1 数字孪生技术简介

数字孪生（DT）技术是集多学科、多物理量、多尺度、多概率的仿真过程，是充分利用物理建模、传感装置与历史信息等资料，以在虚拟空间中形成数字化的映射，演示实体整个运行经历，可视为数字映射系统。

DT的概念起初形成于美国，而且主要用在航空航天项目中。利用此项技术，可通过数字化环境形成仿真模型，同时通过传感装置手段，实现信息基本同步的效果。经过各方数年努力，此项技术有所发展，并且在电力方面的运用也更为深化，生成的模型也趋近复杂，由此便产生PSDT。与常规的信息物理系统对比，其偏向于对实时态势的获取与感知，这在推演计划中能明显看出。通过PSDT可以为合理调整决策方案提供后盾支持。同时，在此项技术的长期开发中，能不断结合人的理念，通过数字化和现实的空间对接，打造出稳定交互的路径。

2 数字孪生技术下数字电网的演化发展

通过将数字孪生技术融合到电力领域，实现电力生态系统数字孪生模型的创建，使电网系统的数据得到充分利用：一方面，电力数据的挖掘和利用能够造福电力用户；另一方面，也能成为监测电力系统的安全保障，这也是电力领域物联网应用的核心理念。

2.1 配电自动化终端设备数字孪生结构

（1）物理电网。物理电网也就是接入电网中的设备，构成方式有：集中式与分布式结合；柔性输电，自动化在直流及交流中切换；供能采取冷热气电模式。其结构复杂、设备繁多、技术难度高。故障预判系统主要包含配电设备，是故障预判模型的信息源，其具有信息多维、数据海量、随机和非线性的特征，为数据感知层提供实时数据、事件记录报表信息。完成资源要素配置、业务关系变更，需要建立标准化控制信息接口，可接受虚拟电网实时反馈的控制指令。

（2）数据感知层。电网通过感知层能够基于情景条件以及用电需求，采取差异化部署方案，具体包括传感器、仪表和采集器等感知数据设备，从设备采集的数据中，获取测量信息并通过局域网实现信息的协同采集、汇聚和资源整合共享。具体操作包括在配电自动化终端环网柜等设备上安装传感器、网线等，传输设备上安装信号采集器，以及在低压变电站、电厂的电力二次设备上安装的保护测控装置。

（3）数据传输层。它以有线、无线网络为主要通信方式，是电网数据安全、可靠、双向传输的通道，采用接口协议、互动安全等技术，实现了实现信息有效获取、协同、传输和汇聚，部署相应的网络安全设备，实现数字孪生技术的数据传输需求。

（4）数字孪生体。将传输的数据构建成物力电网的全业务化、全要素的数字化载体，展开数据的检测、识别、整理、修复等处理，利于有效提取及发掘数据资料，通过执行及决策、更改等方式，处理电网相关业务信息，能够提取电力系统的数据特征。

（5）应用平台层。其运行任务是根据物理层面的电网，整合数据资料的特征以及知识图谱信息，将数字电网模型具体化，为物理电网终端设备以及工作状态、运行规则等生成数字化模型，建立虚拟化的运行平台，借此可承载信息化电网数据，以实现对运营决策、计算联动等，构建数据传输的直接通道[1]。

2.2 PSDT架构分析

PSDT以数据驱动作为根本中心，既保留专家系统的优势，又加入模型驱动。和现有物理机理下的模拟仿真比较，如Mat对于物理层面有极强的依赖性，但PSDT却正好相反，能进行比较随性的组建处理。在生成PSDT中，通常会利用各类工具及算法，如统计分析。在其运转区间，能给予现实参数，开展某些动作，如校正，由此使得系统能够维持在一致的状态中。为实现上述应用标准，要求PSDT具备数据驱动以及实时交互等性能。结合电网的工作特征，要运用好数据驱动，确保PSDT能有序运转，而且要操作简便，根据采集的信息，建立实体的数字化模型，由此实现对电网的感知。在驱动单元中，要提前处理好大量数据，如矩阵方、拓扑结构，以完成潮流计算。但就模型驱动单元来说，可能面对的问题有误差、传递信息有误等。而采用数据驱动，便可有效规避上述问题。利用闭环反馈，对于PSDT模型，在现实应用后，可形成主动学习的状态，吸收海量信息。基于此，既可以完成自动更新，又支持自主学习，而且介入要求较低，和原本的传真比较，其接纳兼容性更具优势，同时可发挥出大数据的价值。总之，PSDT切实有效发挥自身在虚拟测试以及态势感知上的功能，无论是正常工作，还是突发状况，都可以了解运转状态，同时仅需等待片刻，便能生成模拟计划，判断决策的可执行程度，以满足孪生的目的。

3 数字孪生技术在智能电网的应用方向

在输变电工程开发期间，需要尽可能投入更多数字孪生方面的手段及理念，以提升输变电项目在生命周期中的品质与落实效果。在推动孪生模型的实际运用中，可投入到量化评价、建设定点区域、资源再利用、评估设计可行性等工作中，实现电网资源大数据的智能化，提高电网规划质量，建立电网全业务数据中心接口，实现数据的智能化移交等。

3.1 电网设备远程智能巡视应用

目前，电网工作人员每天都面对巡检工作，一直在和线路及电子装置打交道，长时间进行相同且大量的任务，如果未能完全根据标准规范落实巡检作业，就会造成安全隐患和系统缺陷，一旦出现事故问题，极易造成较大的损失。而数字孪生技术实现了智能巡检，解决了在各类终端与实地装置勘察过程中的难点，既能实现迅速采集到各待巡查部分的信息图像，又利于构成实体的虚拟模型，巡检者可借助比较标准化与实际的模型状态，更清晰地发现设备变化，继而保障此项任务落实的精度与速度。使用物联网智能感知技术对众多关键测点进行监测，既能增加巡检效率，又能节约人力成本。

3.2 远程故障诊断及辅助决策应用

传统巡检主要是依靠工作人员到现场进行巡检，费时低效，甚至不能发现问题。随着数字孪生建模技术的普及和应用，通过无人机可以快速获取现场照片并导入管理平台，可以快速地生成现场的实景模型，继而借助比较实际和标准化的模型，锁定异常故障，真正达到远程巡检与识别问题的目的。

3.3 电网状态环境可视化监控应用

基于数字孪生技术对电网主要设备、厂站与环境精细三维全景仿真，实现与采集数据实时交互，能够在仿真场景中动态融合展示设备与关键传感数据。通过在厂站内部署的视频网络和传感器网络，实时反馈环境变化并进行实时分析。基于生成的数字化模型，可全面分析3D架构的数据系统。在平台后期维护期间，可通过数字孪生模型对输变电项目进行全方位监控，借此掌握各装置工作状态的数据资料，并能查看其整体的变化走向。通过虚拟空间，显现出变电站的实际位置、装置基本参数与相关设计资料等。这既能提升实际的管控效果与程度，还可有效规避异常情况的出现，为启动事故应急预案争取了更多时间[2]。

3.4 电网设备仿真培训应用

借助3D模式输出电网运行状态，为开展检修培训提供直观的学习资料，继而强化现有检修工作者的专业能力，并对电网的运转状态形成准确预测与估计。具体借助声频、振幅、设备温度与各类参数项，完成对装置现状的评估，辅助工作者更精准与全面地了解其内部运行状况，同时可全天候提取电压值、温度、振幅等特征数据，预测并识别电气类与机械类的异常。

3.5 智能预警与检修处理运用

在常规生产期间，大多数负责管控的工作者会结合个人历史积累，分析装置是否有异以及问题类型。显然，此种预警与识别方式过于依赖个人能力，而且还存在严重的个人干扰，无法精准识别装置当下的细微变化。利用智能化的评估系统，可实现对工作中的设备进行不间断地监测，同时自动分析设备工作轨迹，提前感知异常迹象并采取处理举措，以免发生严重问题，伤害到某段甚至整个电网。另外，借助科学有效的预警，可以设计更加可行的检修方案。

3.6 数字运营中人工智能运用

以虚拟化模型为中心，结合由模型集约化的全部信息，通过人工智能手段，适当加入机器学习等各类算法，发现电网中包含的隐性秩序及模型，并借助系统推理，深度学习电网运转规律以及其中隐藏的某些关系，为决策行为提供依据。人工智能是决策、优化、虚实迭代的总控系统，是电力系统融入数字技术智能化的体现。电网数字模型和加载的多元数据集，支持进行开放化的学习，应对复杂运转情形，采用示教及观察等方式实现优化的目的。改进计算系统及其运行架构的意图，受到如今掌握的计算机科技、算法以及运用熟练度等方面制约，服务于数字孪生技术的发展，可评估管控造成的干扰，比如推演计划、虚拟方针方案、预案评估等，平稳传送信息与指令。依托于数字化空间完成模拟，立足于现实电网应用，实现整体运行成效的提升[3]。

3.7 电网安全生产业务管控应用

借助与3D坐标数据的搭配运用，以支持对工作者、装置、汽车的移动轨迹、工作状态，实现全程管控。利用业务中台的安全区间服务事项，如两票管控及安全状态评估等，对工作者采取跟踪式的风险管理，并预先识别出的工作风险。另外，根据实地安设的传感装置有效采集到设备的工作情况，对其状态进行准确判断，提高对工作方案及运行风险等方面的管控与识别准确度。采用桌面终端、移动终端等方式，为业务管理、日常管控、辅助决策提供统一的融合平台。

3.8 PSDT的潜在运用

一是评价健康情况。电力装置牵涉甚广，同时各自差异也比较明显，评估设备状态，如果运用较为常规的方法，无法明确保障结果精准度。目前，在评估设备健康状态时，一般采用事后以及计划式的检修模式。电力领域的两类检修处理模式均无法达到现代装置管理的标准，而且检修时还容易发生浪费资源的情况，如人工方面，可能会给装置健康产生负面扰动，甚至波及所在电网的稳定性。而借助深度学习，可以通过分析电力装置历史工作资料分析出表征量。

二是剖析电力系统。该系统是保障电网平稳的重要因素，在相关测量手段持续更新中，如向量测量可汇总时空信息。在原本分析电网中，一般选择物理模型，而且为促使各维度信息得以有效联动通常会利用数学公式，借此无法使电网运转信息被有效使用，而且不易感受大数据的优势用途。通过深度融合运转信息，形成高适配度的模型，并经过适度开发，全面分析时间序列，由此设置量化指标，评估影响电力系统的事项及其干扰程度，以保障系统稳定。

三是预测负荷与用户行为。智能电网中用户终端产生的信息规模明显扩大，原有预测负荷的方法不能适应市场变化。凭借LSTM网络生成数据模型，在整合时刻点数据后，便能支持预测需要。在NILM中，利用总表信息，即客户端的用电情况，评估与分析用电状况以形成详单，通过对用电区域的详单加以推演，总结出用户行为。

四是微网系统。在微网工作期间，电源功率会有明显起伏，同时面临较高负荷，有许多不确定问题比较复杂，而为保障供需均衡，会配备储能系统。但在有关条件变化中，如发电量，无法实现全面管控，而后续的决策调整也是比较难的问题。通过开发网络模型，打造深度学习结构，可消除常规算法的缺陷，能灵活应对各种工作场景，维持正常的稳定状态。

4 结束语

在数字化发展的时代背景下，基于数字孪生技术和理论，在电力领域的发展历程中，通过物理数据信息与虚拟数字信息的结合与平行协同，实现数字电网体系架构和关键支撑技术的应用和发展，推动数字孪生技术在电力系统的应用不断发展。■