數(shù)字孿生技術(shù)在電力系統(tǒng)應用分析

白鶴舉

(內(nèi)蒙古電力（集團）有限責任公司信息通信分公司，內(nèi)蒙古 呼和浩特 010020)

目前，大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算等數(shù)字技術(shù)，已經(jīng)引領(lǐng)新的工業(yè)革命發(fā)展，數(shù)字孿生技術(shù)也將成為電力領(lǐng)域各項技術(shù)、業(yè)務(wù)和信息發(fā)展和升級的方向。

1 數(shù)字孿生技術(shù)簡介

數(shù)字孿生（DT）技術(shù)是集多學科、多物理量、多尺度、多概率的仿真過程，是充分利用物理建模、傳感裝置與歷史信息等資料，以在虛擬空間中形成數(shù)字化的映射，演示實體整個運行經(jīng)歷，可視為數(shù)字映射系統(tǒng)。

DT的概念起初形成于美國，而且主要用在航空航天項目中。利用此項技術(shù)，可通過數(shù)字化環(huán)境形成仿真模型，同時通過傳感裝置手段，實現(xiàn)信息基本同步的效果。經(jīng)過各方數(shù)年努力，此項技術(shù)有所發(fā)展，并且在電力方面的運用也更為深化，生成的模型也趨近復雜，由此便產(chǎn)生PSDT。與常規(guī)的信息物理系統(tǒng)對比，其偏向于對實時態(tài)勢的獲取與感知，這在推演計劃中能明顯看出。通過PSDT可以為合理調(diào)整決策方案提供后盾支持。同時，在此項技術(shù)的長期開發(fā)中，能不斷結(jié)合人的理念，通過數(shù)字化和現(xiàn)實的空間對接，打造出穩(wěn)定交互的路徑。

2 數(shù)字孿生技術(shù)下數(shù)字電網(wǎng)的演化發(fā)展

通過將數(shù)字孿生技術(shù)融合到電力領(lǐng)域，實現(xiàn)電力生態(tài)系統(tǒng)數(shù)字孿生模型的創(chuàng)建，使電網(wǎng)系統(tǒng)的數(shù)據(jù)得到充分利用：一方面，電力數(shù)據(jù)的挖掘和利用能夠造福電力用戶；另一方面，也能成為監(jiān)測電力系統(tǒng)的安全保障，這也是電力領(lǐng)域物聯(lián)網(wǎng)應用的核心理念。

2.1 配電自動化終端設(shè)備數(shù)字孿生結(jié)構(gòu)

（1）物理電網(wǎng)。物理電網(wǎng)也就是接入電網(wǎng)中的設(shè)備，構(gòu)成方式有：集中式與分布式結(jié)合；柔性輸電，自動化在直流及交流中切換；供能采取冷熱氣電模式。其結(jié)構(gòu)復雜、設(shè)備繁多、技術(shù)難度高。故障預判系統(tǒng)主要包含配電設(shè)備，是故障預判模型的信息源，其具有信息多維、數(shù)據(jù)海量、隨機和非線性的特征，為數(shù)據(jù)感知層提供實時數(shù)據(jù)、事件記錄報表信息。完成資源要素配置、業(yè)務(wù)關(guān)系變更，需要建立標準化控制信息接口，可接受虛擬電網(wǎng)實時反饋的控制指令。

（2）數(shù)據(jù)感知層。電網(wǎng)通過感知層能夠基于情景條件以及用電需求，采取差異化部署方案，具體包括傳感器、儀表和采集器等感知數(shù)據(jù)設(shè)備，從設(shè)備采集的數(shù)據(jù)中，獲取測量信息并通過局域網(wǎng)實現(xiàn)信息的協(xié)同采集、匯聚和資源整合共享。具體操作包括在配電自動化終端環(huán)網(wǎng)柜等設(shè)備上安裝傳感器、網(wǎng)線等，傳輸設(shè)備上安裝信號采集器，以及在低壓變電站、電廠的電力二次設(shè)備上安裝的保護測控裝置。

（3）數(shù)據(jù)傳輸層。它以有線、無線網(wǎng)絡(luò)為主要通信方式，是電網(wǎng)數(shù)據(jù)安全、可靠、雙向傳輸?shù)耐ǖ溃捎媒涌趨f(xié)議、互動安全等技術(shù)，實現(xiàn)了實現(xiàn)信息有效獲取、協(xié)同、傳輸和匯聚，部署相應的網(wǎng)絡(luò)安全設(shè)備，實現(xiàn)數(shù)字孿生技術(shù)的數(shù)據(jù)傳輸需求。

（4）數(shù)字孿生體。將傳輸?shù)臄?shù)據(jù)構(gòu)建成物力電網(wǎng)的全業(yè)務(wù)化、全要素的數(shù)字化載體，展開數(shù)據(jù)的檢測、識別、整理、修復等處理，利于有效提取及發(fā)掘數(shù)據(jù)資料，通過執(zhí)行及決策、更改等方式，處理電網(wǎng)相關(guān)業(yè)務(wù)信息，能夠提取電力系統(tǒng)的數(shù)據(jù)特征。

（5）應用平臺層。其運行任務(wù)是根據(jù)物理層面的電網(wǎng)，整合數(shù)據(jù)資料的特征以及知識圖譜信息，將數(shù)字電網(wǎng)模型具體化，為物理電網(wǎng)終端設(shè)備以及工作狀態(tài)、運行規(guī)則等生成數(shù)字化模型，建立虛擬化的運行平臺，借此可承載信息化電網(wǎng)數(shù)據(jù)，以實現(xiàn)對運營決策、計算聯(lián)動等，構(gòu)建數(shù)據(jù)傳輸?shù)闹苯油ǖ繹1]。

2.2 PSDT架構(gòu)分析

PSDT以數(shù)據(jù)驅(qū)動作為根本中心，既保留專家系統(tǒng)的優(yōu)勢，又加入模型驅(qū)動。和現(xiàn)有物理機理下的模擬仿真比較，如Mat對于物理層面有極強的依賴性，但PSDT卻正好相反，能進行比較隨性的組建處理。在生成PSDT中，通常會利用各類工具及算法，如統(tǒng)計分析。在其運轉(zhuǎn)區(qū)間，能給予現(xiàn)實參數(shù)，開展某些動作，如校正，由此使得系統(tǒng)能夠維持在一致的狀態(tài)中。為實現(xiàn)上述應用標準，要求PSDT具備數(shù)據(jù)驅(qū)動以及實時交互等性能。結(jié)合電網(wǎng)的工作特征，要運用好數(shù)據(jù)驅(qū)動，確保PSDT能有序運轉(zhuǎn)，而且要操作簡便，根據(jù)采集的信息，建立實體的數(shù)字化模型，由此實現(xiàn)對電網(wǎng)的感知。在驅(qū)動單元中，要提前處理好大量數(shù)據(jù)，如矩陣方、拓撲結(jié)構(gòu)，以完成潮流計算。但就模型驅(qū)動單元來說，可能面對的問題有誤差、傳遞信息有誤等。而采用數(shù)據(jù)驅(qū)動，便可有效規(guī)避上述問題。利用閉環(huán)反饋，對于PSDT模型，在現(xiàn)實應用后，可形成主動學習的狀態(tài)，吸收海量信息。基于此，既可以完成自動更新，又支持自主學習，而且介入要求較低，和原本的傳真比較，其接納兼容性更具優(yōu)勢，同時可發(fā)揮出大數(shù)據(jù)的價值。總之，PSDT切實有效發(fā)揮自身在虛擬測試以及態(tài)勢感知上的功能，無論是正常工作，還是突發(fā)狀況，都可以了解運轉(zhuǎn)狀態(tài)，同時僅需等待片刻，便能生成模擬計劃，判斷決策的可執(zhí)行程度，以滿足孿生的目的。

3 數(shù)字孿生技術(shù)在智能電網(wǎng)的應用方向

在輸變電工程開發(fā)期間，需要盡可能投入更多數(shù)字孿生方面的手段及理念，以提升輸變電項目在生命周期中的品質(zhì)與落實效果。在推動孿生模型的實際運用中，可投入到量化評價、建設(shè)定點區(qū)域、資源再利用、評估設(shè)計可行性等工作中，實現(xiàn)電網(wǎng)資源大數(shù)據(jù)的智能化，提高電網(wǎng)規(guī)劃質(zhì)量，建立電網(wǎng)全業(yè)務(wù)數(shù)據(jù)中心接口，實現(xiàn)數(shù)據(jù)的智能化移交等。

3.1 電網(wǎng)設(shè)備遠程智能巡視應用

目前，電網(wǎng)工作人員每天都面對巡檢工作，一直在和線路及電子裝置打交道，長時間進行相同且大量的任務(wù)，如果未能完全根據(jù)標準規(guī)范落實巡檢作業(yè)，就會造成安全隱患和系統(tǒng)缺陷，一旦出現(xiàn)事故問題，極易造成較大的損失。而數(shù)字孿生技術(shù)實現(xiàn)了智能巡檢，解決了在各類終端與實地裝置勘察過程中的難點，既能實現(xiàn)迅速采集到各待巡查部分的信息圖像，又利于構(gòu)成實體的虛擬模型，巡檢者可借助比較標準化與實際的模型狀態(tài)，更清晰地發(fā)現(xiàn)設(shè)備變化，繼而保障此項任務(wù)落實的精度與速度。使用物聯(lián)網(wǎng)智能感知技術(shù)對眾多關(guān)鍵測點進行監(jiān)測，既能增加巡檢效率，又能節(jié)約人力成本。

3.2 遠程故障診斷及輔助決策應用

傳統(tǒng)巡檢主要是依靠工作人員到現(xiàn)場進行巡檢，費時低效，甚至不能發(fā)現(xiàn)問題。隨著數(shù)字孿生建模技術(shù)的普及和應用，通過無人機可以快速獲取現(xiàn)場照片并導入管理平臺，可以快速地生成現(xiàn)場的實景模型，繼而借助比較實際和標準化的模型，鎖定異常故障，真正達到遠程巡檢與識別問題的目的。

3.3 電網(wǎng)狀態(tài)環(huán)境可視化監(jiān)控應用

基于數(shù)字孿生技術(shù)對電網(wǎng)主要設(shè)備、廠站與環(huán)境精細三維全景仿真，實現(xiàn)與采集數(shù)據(jù)實時交互，能夠在仿真場景中動態(tài)融合展示設(shè)備與關(guān)鍵傳感數(shù)據(jù)。通過在廠站內(nèi)部署的視頻網(wǎng)絡(luò)和傳感器網(wǎng)絡(luò)，實時反饋環(huán)境變化并進行實時分析。基于生成的數(shù)字化模型，可全面分析3D架構(gòu)的數(shù)據(jù)系統(tǒng)。在平臺后期維護期間，可通過數(shù)字孿生模型對輸變電項目進行全方位監(jiān)控，借此掌握各裝置工作狀態(tài)的數(shù)據(jù)資料，并能查看其整體的變化走向。通過虛擬空間，顯現(xiàn)出變電站的實際位置、裝置基本參數(shù)與相關(guān)設(shè)計資料等。這既能提升實際的管控效果與程度，還可有效規(guī)避異常情況的出現(xiàn)，為啟動事故應急預案爭取了更多時間[2]。

3.4 電網(wǎng)設(shè)備仿真培訓應用

借助3D模式輸出電網(wǎng)運行狀態(tài)，為開展檢修培訓提供直觀的學習資料，繼而強化現(xiàn)有檢修工作者的專業(yè)能力，并對電網(wǎng)的運轉(zhuǎn)狀態(tài)形成準確預測與估計。具體借助聲頻、振幅、設(shè)備溫度與各類參數(shù)項，完成對裝置現(xiàn)狀的評估，輔助工作者更精準與全面地了解其內(nèi)部運行狀況，同時可全天候提取電壓值、溫度、振幅等特征數(shù)據(jù)，預測并識別電氣類與機械類的異常。

3.5 智能預警與檢修處理運用

在常規(guī)生產(chǎn)期間，大多數(shù)負責管控的工作者會結(jié)合個人歷史積累，分析裝置是否有異以及問題類型。顯然，此種預警與識別方式過于依賴個人能力，而且還存在嚴重的個人干擾，無法精準識別裝置當下的細微變化。利用智能化的評估系統(tǒng)，可實現(xiàn)對工作中的設(shè)備進行不間斷地監(jiān)測，同時自動分析設(shè)備工作軌跡，提前感知異常跡象并采取處理舉措，以免發(fā)生嚴重問題，傷害到某段甚至整個電網(wǎng)。另外，借助科學有效的預警，可以設(shè)計更加可行的檢修方案。

3.6 數(shù)字運營中人工智能運用

以虛擬化模型為中心，結(jié)合由模型集約化的全部信息，通過人工智能手段，適當加入機器學習等各類算法，發(fā)現(xiàn)電網(wǎng)中包含的隱性秩序及模型，并借助系統(tǒng)推理，深度學習電網(wǎng)運轉(zhuǎn)規(guī)律以及其中隱藏的某些關(guān)系，為決策行為提供依據(jù)。人工智能是決策、優(yōu)化、虛實迭代的總控系統(tǒng)，是電力系統(tǒng)融入數(shù)字技術(shù)智能化的體現(xiàn)。電網(wǎng)數(shù)字模型和加載的多元數(shù)據(jù)集，支持進行開放化的學習，應對復雜運轉(zhuǎn)情形，采用示教及觀察等方式實現(xiàn)優(yōu)化的目的。改進計算系統(tǒng)及其運行架構(gòu)的意圖，受到如今掌握的計算機科技、算法以及運用熟練度等方面制約，服務(wù)于數(shù)字孿生技術(shù)的發(fā)展，可評估管控造成的干擾，比如推演計劃、虛擬方針方案、預案評估等，平穩(wěn)傳送信息與指令。依托于數(shù)字化空間完成模擬，立足于現(xiàn)實電網(wǎng)應用，實現(xiàn)整體運行成效的提升[3]。

3.7 電網(wǎng)安全生產(chǎn)業(yè)務(wù)管控應用

借助與3D坐標數(shù)據(jù)的搭配運用，以支持對工作者、裝置、汽車的移動軌跡、工作狀態(tài)，實現(xiàn)全程管控。利用業(yè)務(wù)中臺的安全區(qū)間服務(wù)事項，如兩票管控及安全狀態(tài)評估等，對工作者采取跟蹤式的風險管理，并預先識別出的工作風險。另外，根據(jù)實地安設(shè)的傳感裝置有效采集到設(shè)備的工作情況，對其狀態(tài)進行準確判斷，提高對工作方案及運行風險等方面的管控與識別準確度。采用桌面終端、移動終端等方式，為業(yè)務(wù)管理、日常管控、輔助決策提供統(tǒng)一的融合平臺。

3.8 PSDT的潛在運用

一是評價健康情況。電力裝置牽涉甚廣，同時各自差異也比較明顯，評估設(shè)備狀態(tài)，如果運用較為常規(guī)的方法，無法明確保障結(jié)果精準度。目前，在評估設(shè)備健康狀態(tài)時，一般采用事后以及計劃式的檢修模式。電力領(lǐng)域的兩類檢修處理模式均無法達到現(xiàn)代裝置管理的標準，而且檢修時還容易發(fā)生浪費資源的情況，如人工方面，可能會給裝置健康產(chǎn)生負面擾動，甚至波及所在電網(wǎng)的穩(wěn)定性。而借助深度學習，可以通過分析電力裝置歷史工作資料分析出表征量。

二是剖析電力系統(tǒng)。該系統(tǒng)是保障電網(wǎng)平穩(wěn)的重要因素，在相關(guān)測量手段持續(xù)更新中，如向量測量可匯總時空信息。在原本分析電網(wǎng)中，一般選擇物理模型，而且為促使各維度信息得以有效聯(lián)動通常會利用數(shù)學公式，借此無法使電網(wǎng)運轉(zhuǎn)信息被有效使用，而且不易感受大數(shù)據(jù)的優(yōu)勢用途。通過深度融合運轉(zhuǎn)信息，形成高適配度的模型，并經(jīng)過適度開發(fā)，全面分析時間序列，由此設(shè)置量化指標，評估影響電力系統(tǒng)的事項及其干擾程度，以保障系統(tǒng)穩(wěn)定。

三是預測負荷與用戶行為。智能電網(wǎng)中用戶終端產(chǎn)生的信息規(guī)模明顯擴大，原有預測負荷的方法不能適應市場變化。憑借LSTM網(wǎng)絡(luò)生成數(shù)據(jù)模型，在整合時刻點數(shù)據(jù)后，便能支持預測需要。在NILM中，利用總表信息，即客戶端的用電情況，評估與分析用電狀況以形成詳單，通過對用電區(qū)域的詳單加以推演，總結(jié)出用戶行為。

四是微網(wǎng)系統(tǒng)。在微網(wǎng)工作期間，電源功率會有明顯起伏，同時面臨較高負荷，有許多不確定問題比較復雜，而為保障供需均衡，會配備儲能系統(tǒng)。但在有關(guān)條件變化中，如發(fā)電量，無法實現(xiàn)全面管控，而后續(xù)的決策調(diào)整也是比較難的問題。通過開發(fā)網(wǎng)絡(luò)模型，打造深度學習結(jié)構(gòu)，可消除常規(guī)算法的缺陷，能靈活應對各種工作場景，維持正常的穩(wěn)定狀態(tài)。

4 結(jié)束語

在數(shù)字化發(fā)展的時代背景下，基于數(shù)字孿生技術(shù)和理論，在電力領(lǐng)域的發(fā)展歷程中，通過物理數(shù)據(jù)信息與虛擬數(shù)字信息的結(jié)合與平行協(xié)同，實現(xiàn)數(shù)字電網(wǎng)體系架構(gòu)和關(guān)鍵支撐技術(shù)的應用和發(fā)展，推動數(shù)字孿生技術(shù)在電力系統(tǒng)的應用不斷發(fā)展。■