基于数字孪生技术的火电智能应用平台研究

柴 政，朱凌君，姚胜平，卞韶帅，蒋欢春

（1.上海优也信息科技有限公司，上海 201702；2.上海上电漕泾发电有限公司，上海 201507；3.上海明华电力科技有限公司，上海 200090）

随着人工智能、大数据和工业互联网等技术的高速发展，以及“30·60 目标”的提出，工业企业实现数字化转型、智能制造、“碳达峰、碳中和”，已成为当前中国工业体系系统性变革的重要战略。随着碳排放的限制，未来工业企业的能源成本将进一步增加，因此能源系统的结构性调整与生产运行、经营管理的协同优化，对于能源集中型企业，尤其是典型的火力发电企业意义重大。在传统的经营决策与生产运行方式下，全局性的协同提升困难重重，数字化转型成为各国工业企业发展的共同选择，而数字孪生技术作为推动企业数字化转型、实现物理信息深度融合及智能制造的一个重要方式，已在众多行业被实践[1]。

1 火力发电行业软件应用现状与挑战

近2 年来，随着发电行业纳入碳排放配额分配体系，电力市场化与竞争进一步加深，特别是火电企业，上游电煤资源争夺激烈，煤价增高煤质多变；而下游电网侧用电量增速放缓与新能源比例激增，火电利用小时数不断下降，同时深度调峰及AGC（Autоmаtiс Gеnеrаtiоn Cоntrоl）响应要求更高，盈利水平进一步下滑；另外，严格的环保指标控制也使得企业的环保成本与部分设备的连续高效运行受到限制。火电企业对于通过软件系统解决燃煤发电全过程的成本监控与动态经济性调整的需求愈发强烈。

很多火电企业通过引入各类管理系统、MIS（Mаnаgеmеnt Infоrmаtiоn Systеm）系统、SIS（Sаfеly Instrumеntеd Systеm）系统来尝试解决上述问题，各大发电集团也都同步开始了智慧电厂的建设，并在水电、燃机发电及新能源电厂等场景中完成了部分示范落地。然而对于燃煤电厂，多数关注重点集中在区域数据共享与可视化辅助运维技术的应用方面[2]，包括3D系统，MIS、SIS、DCS（Distributеd Cоntrоl Systеm）系统、资产管理系统、安防视频系统等系统的集成显示，各类图纸资料档案文档的关联管理。而对于电力领域复杂程度较高的燃煤发电全过程运行管理优化，还是依赖于SIS 系统应用来实现，从信息利用的广度与深度来说，还不具备高度智能化的条件和特征[3]。

火力发电过程涉及到各种复杂的化学反应和物理现象，过程影响变量多（涉及工艺条件、设备状态、燃料变化、电价煤价等多种因素），状态变量的时变性强、研究对象多、建模复杂、深度优化计算工作量大，因此，依靠单一的服务企业建立一套完整的模型应用无论从交付时间、成本与模型的准确或完备程度方面都存在较大挑战。现有的火电算法模型往往是面向单设备或简化系统，针对多台设备、多个子系统协同的复杂系统优化的算法模型不多或不完善，难以满足多目标优化的需求。同时一般SIS 应用的过程数据相互隔绝，底层模型准确性难以得到现场运行人员或专业技术人员验证，从而难以迭代优化改进。

另外，对于电力集团而言，如何将集团内部先进电厂技术、经验及时推广；如何加强集团对于不同电厂的统一化管理整合，实现集团级技术框架和管理操作的一致性也成为一个普遍问题。

总结来看，当前对于火电应用而言，如何有效地解耦传统的模型应用结构、提高模型间交互性与可验证性、降低技术经验共享门槛、提升标准化管理水平、实现边云协同，最终通过软件应用有效提升企业盈利能力是核心的挑战。

2 火电智能应用平台需求研究

有学者总结了智能制造的4 个基本要点，即依托于ICT（Infоrmаtiоn аnd Cоmmuniсаtiоns Tесhnоlоgy）技术的深入应用，快速响应变化，通过协同、共享和重用，实现价值创造的目的[4]。有学者从数据应用的角度阐明了智能发电的5 大数据化特征，即泛在感知（数据获取）、信息融合（数据交互）、智能算法（数据监控）、智能管控（数据决策）、全生命周期管理（数据归档），并提出了包括智能发电运行控制系统和智能发电公共服务系统的智能发电系统数据应用架构[5]。

学者也对智慧电厂的建设提出了3 条参考原则：根据电厂自身数字化水平、生产经营需求而有所侧重；符合电力市场政策，分阶段有序推进；在试点电厂实施的基础上，总结建设经验，不断完善体系架构，提升智慧电厂的建设水平和管理水平[6]。

综上可见，为了踏实推进智能化建设，未来火电企业智能化建设重点要以符合自身数字化水平、满足自身价值创造需求（优化生产、运营、管理）为前提，以智能算法、智能管控应用为核心，提高信息协同、知识共享与重用的能力及快速响应能力，有序推进智能化建设。

结合火电软件应用的挑战来看，火电企业尤其是大型电力集团需要建设一套通用性的底层应用平台，重点实现多源异构数据获取与反馈、生产管理决策信息融合共享、知识经验快速沉淀、支持模型的分解验证与复用分享、实时计算交互与动态响应、云边端高效协同与标准化应用移植推广。

3 基于数字孪生技术的火电智能应用平台设计

数字孪生就是将现实中的物理实体（如设备、产品）或者逻辑概念（如业务流程、组织架构、环境条件）通过数字化的方式进行动态复刻，实现对所描述的对象状态、行为高精度的表征、模拟验证和预测。借由数字孪生，可进一步实现对物理或逻辑空间对象更为深入的认知分析、正确的推理预测、精准的决策或运行优化。换言之，数字孪生就是通过模型算法将物理实体及其业务过程逐步抽象至数字空间，从而帮助把事情做成、做好一套技术体系，其建设是一个渐进提升的过程。

数字孪生体（以下简称“数孪体”）主要由数据、模型、服务接口（API）3 大要素构成，如图1 所示。图中，“数字孪生体”部分主要指数孪体的框架与服务接口，通过组织管理描述对象的各类数据与算法模型，对描述对象进行高精度的表征，最终通过应用的形式将生产、运营、管理所需的信息进行动态反馈；“数据”部分表现了数孪体通过对生产现场、管理机构等不同对象各类数据的实时动态收集、分类整合，有效实现数据的标准化组织与动态管理；“模型”部分主要针对自身数孪体所汇集的数据或其他数孪模型的数据进行实时计算和分析，以实现对设备和生产过程的深度洞察，及获得相应的分析、评价、预测、优化等结果。

图1 数字孪生体的3 大要素与联系

3.1 数字孪生平台架构设计

图2 为基于数字孪生技术的智能应用平台的3 层架构，其中应用层更为偏重业务逻辑的实现与信息的交互呈现，数孪层更为偏重基于算法模型与标准数据的数孪对象系统性表征，物联层则偏重多源异构的数据连接与处理存储。通过这种分层方式可以将应用开发高效地分工解耦，从而沉淀不同人员知识，实现工业知识至工业应用的高效转化。

图2 基于数字孪生技术的智能应用平台架构

业务需求层：聚集应用需求的提炼汇总，由业务需求人员完成，具体为梳理业务场景的管理决策、生产运行、维护等需求；以及确定功能、组织系统、相关数据和面向用户等需求。

应用展现层：聚焦于应用交互界面实现，由IT 开发人员完成，具体为模型结果输出、非记录性的信息处理；以及前端交互界面设计与展现，数据的展示、录入。

数孪架构层：聚焦于数据模型梳理建立，由电力技术人员完成，具体为搭建数孪结构，构建标准字典，建立数孪体；并且分解功能所需的基础算法模型，确认数据支撑条件。

算法模型层：聚焦于算法开发，由电力算法研发人员完成，具体为动静态模型、数据、服务分解，算法开发固化、迭代优化；以及数理、机理、业务逻辑 和专业经验的算法转化。

3.2 火电智能应用平台设计

结合火电智慧电厂建设要求及上述数字孪生平台特点，基于数字孪生技术的火电智能应用平台建设的总体思路如下：①以业务目标为导向，业务流程与系统构架深度耦合、整体设计、分模块实施建设。②采用数孪体技术框架。以燃烧及传热计算、热力循环计算等理论方法结合大数据分析方法建立火电机组数孪体，并建立参数预测及优化模型。采用图形化建模方式对电厂主、辅机系统进行灵活建模；通过数孪体框架提高上述模型的可复用性，使得未来可以持续为各系统功能升级改造与新应用开发提供支撑。③打通与集成基础数据。跨系统、跨设备间的数据集成，扩大数据集成的时空维度，提高数据精细度，避免数据孤岛的出现，有效打通电力企业现有的DCS、SIS 等系统数据，扩展数据应用范围；同时灵活对生产现场的具体设备及实际特性进行配置，实现一次建模，多处复用，并能充分反映设备实际状态。④实现多样化的模型与应用集成。在应用平台上，实现设备建模、模型管理、数据连接、数据监测、数据分析、状态预警、优化提醒、决策建议等多项功能；同时有效连接并利用电力企业现有应用数据，进一步发掘各系统的原有价值；系统性地促进电厂知识和人工经验的模型化沉淀、传承、复用和提升。⑤实现应用系统开发、运行和维护环境的统一。全厂设备的应用开发和现场运行基于同一个应用平台，便于今后系统具有迭代升级的能力；对于不同项目，可以标准化地进行模型、应用数据的联通与互相支撑；同时通过规范化的API 接口，简化应用开发复杂度，并为电厂其他系统提供数据支撑。

未来通过平台化的方式可进一步实现火电企业或集团，即云边端多源系统数据按需融合、底层模型的共用分享及实时动态的模型应用响应、智能应用开发与分发运行的统一管理、标准化横向无障碍扩展。

3.3 火电场景的数字孪生重点设计

针对火电实际场景，重点设计对应的应用层、数孪架构层、算法模型层和数据层，各层核心内容如下：①应用层面。重点实现难以动态测量的核心参数，如飞灰含碳、入炉煤质的软测量；对核心设备如锅炉、汽机、风机、泵效率/热耗分析与劣化趋势进行分析；从配煤、锅炉燃烧至汽机冷端、环保控制的预测优化。②数孪框架层面。重点实现对现场不同的锅炉、汽轮机、发电机、脱硝装置、脱硫装置、除尘器、磨煤机、8 大风机、给水泵凝结水泵循环水泵、加热器、除氧器、凝汽器等重点设备或系统的测量数据进行梳理分类与特性数据设计。③算法模型层面。重点实现对现场系统机理、数据、生产规则的算法描述，具体为基础性质类，如蒸汽物性、燃料特性计算模型；传热相关类，如对流与辐射传热、热平衡及燃料消耗模型；效率类，如重点设备效率（热耗）计算模型；燃烧相关类，如燃料燃烧及烟温、污染物排放预测模型；机理与数据分析类，如重点参数软测量、设备劣化状态分析模型；寻优类，如锅炉燃烧、磨煤机运行、汽机冷端运行、污染物控制优化模型。④现场数据层面。重点实现前述不同层面所需的数据采集归并，具体为数据库数据，如不同的控制系统、管理系统数据库；现场设备数据，如PLC、传感器、仪表；人工数据，必要的上传表格、直接录入的规则、逻辑参数。

在针对性的数孪重点设计框架下，基于平台解耦的优势不同，火电企业可根据实际的需求，汇集归并所需的现场不同设备（系统）数据，选择合适的工业智能应用与对应的数孪体、算法模型；或根据自身的业务场景需求与经验知识进一步沉淀、开发所需的部分内容，供本企业或上级集团的下属企业使用，如图3所示。

图3 数字孪生平台各层在不同项目中的使用示意图

4 火电智能应用平台实践落地

上述基于数字孪生技术的火电智能应用平台已在上海某电厂作为科研项目初步实践落地，以机理模型优先、充分融合数据挖掘模型与机理模型等方法，建立火电数孪模型30 余类，算法模型20 余类，涵盖锅炉、汽机、发电、化学分析4 个系统130 多个现场设备单元。

项目中建立了3 大类系统应用模块，具体如下：①基础计量与综合管理。该部分通过完善计量及运行管理基础条件，实现重点指标数据可视化与管理效率提升，主要包含分层综合管理概览（经营决策、生产管理、运行操作）、入炉煤煤质软测量、锅炉飞灰含碳量软测量、厂用电率跟踪、历史参数查询。②锅炉与重点辅机监测。该部分基于基础计量模块与设备历史信息，实现运行效率、状态的实时跟踪监测[7]，主要包含锅炉效率监测、风机效率与偏差状态监测、汽轮机冷端运行监测、机组运行报警配置。③运行预测与优化指导。该部分基于设备历史信息与工艺机理，实现对主要设备数据的预测与运行优化指导[8-10]，主要包含机组最大出力预测、污染物排放水平推算、变工况参数预测、磨煤机运行优化、汽轮机冷端优化、锅炉运行优化。

借助基于数字孪生的火电智能应用平台，有效将底层设备、系统的数据与算法模型进行了解耦，通过应用侧的灵活组合聚焦解决了部分企业核心业务重点关注的生产管理痛点，为火电机组更安全、更环保、更经济地运行保驾护航。

5 结束语

火电智能应用系统的打造是一项复杂且长期的工作，而基于数字孪生技术的智能应用平台具备灵活的结构拓展、数据拓展、应用拓展能力和跨系统连通能力，便于火电智能应用系统的持续建设与改进。需要注意的是在系统建设过程中，数字孪生技术是关键技术，先进算法模型是核心支撑，而最终解决企业当前生产经营中核心的重点、难点问题才是终极动力。因此，只有针对性地进行应用模型开发与实施，才能通过企业实际效益的增加带动进一步的数字化转型升级，实现由点带面与可持续转型。