01 前言
数字孪生在最近几年内被业界重新谈起，各领域都在基于数字孪生的技术理念来构建相应的体系、方案及生态，在工业互联网领域已经有不少的企业在积极尝试落地。数字孪生有5个成熟度等级[1]，从“数化”、“互动”、“先知”、“先觉”、到最高等级的“共智”，代表数字孪生体的不同成长阶段。电力行业作为国民经济的基础支撑行业，伴随着新基建和能源互联网的建设，随着大数据、人工智能和工业互联网相关新一代信息技术的不断成熟，借助数字孪生也在推进相关实践。面向新一代配电网规划、建设、维护和管理需要的配电网数字孪生体已经逐步实施到“先觉”阶段，在某些场景中已开始探索“共智”。建设配电网数字孪生评价系统，能够支撑加快建立安全、经济、精准、智能的配电网建设、运维与运营模式，打造智慧可靠、节本增效的下一代配电网建设新标杆，探索可复制可推广的物联网高质量发展路径。
02 数字孪生体及 其成熟度等级
有据可查的“数字孪生”概念提出者，是美国空军研究实验室 (AFRL，Air Force Research Laboratory) 。2011 年 3 月，他们做了一次演讲，题目是“Condition-based Maintenance Plus Structural Integrity (CBM+SI) & the Airframe Digital Twin (基于状态的维护+结构完整性&战斗机机体数字孪生)”，首次明确提到了数字孪生。当时，AFRL 希望实现战斗机维护工作的数字化，而数字孪生是他们想出来的创新方法。
针对数字孪生、数字孪生体业界已经有不下十几种定义，本文借用数字孪生体实验室在2019年底发布的《数字孪生体白皮书》中的定义：数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。加上“体”字，是借中文的“体”来应对和减少Digital Twin翻译为中文时在不同场景下的不确定性。
数字孪生体不仅仅是物理世界的镜像，也要接受物理世界实时的信息，更要反过来驱动物理世界，而且进化为物理实际的先知、先觉甚至超体。这个演变过程称为成熟度进化，即一个数字孪生体的胜场发育将经历数化、互动、先知、先觉和共智等几个阶段。
03 配电网数字孪生体
3.1 DNDT的概念定义 配电网数字孪生体（DNDT：Distribute Network Digital Twin）对应的是真实世界中的配电网，是包括架空线路、杆塔、电缆、配电变压器、开关设备、无功补偿电容等配电设备及附属设施在内的配电网系统在虚拟数字空间的完整映射，通过全覆盖度的高密度动态数据，完全反映实体及其之间关系在全生命周期时间尺度内的动态变化，它能实现与物理配电网系统的信息与动作的交互，同时也能支撑应用系统实现基于数字孪生体全模型数据智能分析、动态决策、互感协作，是一个数字化的生命体集合或更大尺度与范畴的数字孪生体。注：
如无特殊说明，本文用DNDT来代表配电网数字孪生体。3.2 DNDT的成熟度特征 配电网孪生体在配电网规划、建设施工与运维管理等各个阶段均可发挥效用，DNDT对应其自身生命周期的各阶段，在各成熟度等级上的特征和应用表现如下：
3.3 DNDT的典型特点
3.3.1 面向全生命周期DNDT不仅是面向对象的，也是面向过程的，这种面向过程的特点表征在一个数字与时间主线上，即在配电网的相关创新设计，生产、施工环节的价值链条和对设备等系统进行运营、运行维护等各环节均有数字孪生概念体现。数字孪生体是有生命的，既然是有生命的，即意味着每个配电站数字孪生体、变电站数字孪生体、架空线数字孪生体和线缆数字孪生体都是存在着孕育、出生、成长和退出阶段的，在保证合理规划、优质工程、安全生产、可靠运行的前提条件下，追求全寿命周期最优目标。面向全生命周期内的配电网数字孪生体应用模型如图所示。
同时面向全生命周期的配电网数字孪生体需要能够细化粒度到全网、厂站端、设备、部件和原子零件等不同层级，以面向变电站设备运维与故障分析的设备全生命周期推演为例，设备从设计、采购、安装、检修、台帐、故障记录等所有过程性数据按时间线进行建模与存储（设备数字孪生体），当有设备发生故障并触发告警事件后，运检人员能够清晰得到当前设备的所有生命演进进程数据，比如什么时候进行过检修，更换零部件情况，出现严重隐患与故障情况，每次抢修的过程与解决方案等等。通过对设备的全生命周期的记录与推演，能够帮助运维人员快速分析设备隐患与故障，更加高效地进行防范风险与故障维修。
3.3.2 全数据与全感知数化是配电网数字孪生体构建的核心基础支撑工作，这是构建在数据高覆盖度、体系化细粒度与高实时性特点基础之上的。
所谓全覆盖，必须要面向构成配电网的所有物（设备）、流程、财、组织和人员进行有效的数据建模，以单个变电站为例，建设全覆盖的感知网络，会涵盖主变、开关柜、小电阻、电容器、蓄电池、站内电缆等6大类设备共计25类感知技术，才能对设备运行状态以及环境运维情况开展全面、准确、及时的状态感知，而面向配电网的“万物数化”工作而言，这一切无疑是一个庞大而又不可或缺的巨大工程；
所谓“体系化细粒度”，是指一切数化的指标必须能构建面向建设、应用、评估与考核的配电网指标体系，而且同时这种指标体系是能够穿透到最底层的单一技术指标的。配电网具有点多、面 广、线路长的特点，其指标体系的建立需要确保指标体系的实用性和可操作性，既要准确、规范具有可比性，又要真实可靠可采集，同时还要细粒度到原子数据指标，如变压器智能传感器指标：铁芯高频局放幅值、铁芯高频局放次数、夹件高频局放幅值、夹件高频局放次数、铁芯接地电流、夹件接地电流等；
高实时性与数据的采集密度以及灵敏感知关系密切，只有在更小的时间距离下来传感与采集数据，数字孪生体才能更及时感知物理对象的变化，才能更快地作出决定与反馈。从技术层面看，实现的基础有赖于5G、传感和区块链等新兴技术的成熟引入。
3.3.3 阶梯构建与螺旋进化DNDT的成熟度是按照一定的阶梯性规律来实现的。每个阶段都是在上一个阶段的基础上来不断优化与成长，而下一个阶段的更高要求又反向促进上一阶段的不断优化与完善。而且，很难出现跨越阶段发展的情况出现，因为每一个成熟度阶段都是下一个阶段开始的基础和出发点。
04 配电网数字孪生 评价系统
4.1 DNDT-ES定义 配电网数字孪生评价系统（DNDT-ES：Distribute Network Digital Twin Evaluate System）是数字孪生理念与技术在电力行业的落地实践。系统基于无人机、机器人、辅助设备和传感器等多种监测手段，汇聚变电站一次、二次设备以及电缆、线路等数据资源构建配电网数字孪生体，以人工智能为核心，利用深度学习、知识图谱等能力，结合5G、大数据、边缘计算等技术进行智能诊断、预测性维护，实现全对象的精益管理、精益检测和精益管控，加强配电网全状态量感知力与协作力，增强安全生产保障能力，提高运检精益管理水平。建设配电网数字孪生系统，以“电力云”与“新基建”相关技术为支撑，以“数据驱动”与“知识驱动”为核心，以全寿命周期精益管理为链条，能够支撑加快建立安全、经济、精准、智能的运维检修模式，探索可复制可推广的物联网高质量发展方向，全方位打造智慧可靠、节本增效的下一代配电网新标杆。
4.2 DNDT-ES系统架构 配电网数字孪生评价系统包括物理世界感知、数据接口、通讯网络、数据与智能服务以及应用系统层，系统架构如下图所示。
物理世界感知：面向传感器、智能终端单元，对设备运行、设备安全等基础数据进行采集、感知。电力物联网建设，在感知层需要铺设大量的传感设备（如智能电表、温度 传感等），还需要其他终端产品用于实现数据采集、边缘计算和通信服务的功能。面向电力物联网的典型传感技术包括如非介入式负荷辨识技术、传感芯片技术应用、基于HPLC的用采高级应用技术、基于HPLC的双模通信技术、综合能源测量感知技术和电力互感器在线监测技术等；通过标准化服务接口、通讯统一传输协议，将传感器后台、辅助设备、无人机数据、红外视频、机器人视频、运营中台、电力管理系统等应用的基础数据等感知层进行数据接入；
通讯网络：利用先进的信息通信技术实现数据互通、网络互联以及资源互操作的功能。在不同的业务场景下,通过灵活的网络资源调度满足不同场景下通信的差异性需求。此外网络层还需要保障数据的安全可靠传输；
数据智能服务：对海量电力接入数据的采集与处理，建立统一数学模型与配电网指标体系，集中统一、实时高效的对数据进行分析、形成配电网数据治理体系；一方面对多源数据进行深度学习,形成专家知识图谱，实现设备的快速实时监测、智能运维和资源优化调度等;另一方面建立面向通用与专用业务场景的智能算法分析平台，通过智能算法对大量数据进行快速处理，适用于实时数据的快速扩展，具体高吞吐量、高容错处理的特点；
应用系统：针对各类用户，如管理层、设备运检维护人员、调度管控人员等构建面向配电网全生命周期的变电、配电、架空、电缆四大类下的一系列运营、监控与运维分析应用系统，能够满足支撑这些用户在日常以及应急各种场景下的工作需求；在不同电网公司和配电网建设需求的不同阶段和成熟度等级，这些应用系统没有唯一、固定的界定范围。例如，某省电网公司规划的配电网数据孪生系统包括：全业务运行管理中台、变电站数字孪生评价子系统（巡检机器人系统 、安全帽系统、电能质量系统、主网管控系统、变电站综合监测系统等）、配电站数字孪生评价子系统（智慧门卫系统、巡检机器人系统、智能锁、配电站综合监测等系统）、架空线路数字孪生评价子系统（移动作业抢修系统、输变电设备状态监测、输电线路通道可视化智慧型监拍系统、低压监控及快速抢修系统等）和电缆线路数字孪生评价子系统（智能井盖管控告警系统、电缆综合监控系统、电缆通道分布式光纤震动监控系统等）。
4.3 面向运维的典型场景 面向配电网全生命周期运行、监控与运维分析下的一系列变电、配电、架空、电缆四大类下的细化场景有很多，这里选取一些典型的在不同的数字孪生体成熟度阶段的不同领域进行举例说明。
4.3.1 配电网可视化管控该场景属于“数化”成熟度面向设备运维检修阶段的应用。利用数字孪生技术，汇聚辖区内变电站、杆塔、架空线路以及线缆的环境和设备监测数据，通过3D可视化、VR巡视可视化的方式进行实时动态展示，利用大数据分析、人工智能等技术手段对数据挖掘分析，实现变电站设备的全状态量感知与管理。该场景可充分展现智慧变电站运维建设、调度和设备管理水平，帮助电网公司管理层进行高效智能的综合指挥决策。
1）配电网整体运行态势感知：基于GIS地图工具，标记变电站地理位置，展示电力走线形式，3D可视的视觉效果。
2）变电站内/外景：3D实体、透明展示，直观具像，空间立体感强烈，设备综合运行指标实时动态展示。
3）设备三维展示：变电站设备3D实体、透明展示，设备虚拟模型数学仿真映射，全局信息实时动态刷新。
４）专题展示分析：对整个电网网架（发、输、配、变、用）不同维度的三维展示方式，反映真实电网网架、架空线路、电缆线路等各类专题的三维场景。如可设置电缆管道透明度，并对不同透明度的电缆管道及管道内电缆进行展示等。
4.3.2 变电站设备故障告警该场景属于“先知”成熟度面向配电网中变电站设备运维检修的应用。变电站是电网调度自动化最为重要的环节之一 ,而变电站基础设备可能伴随着各类故障的发生。通过对变电站动力设备、室内外环境数据、电力隧道气体、安防报警、设备控制、电缆温度等数据指标的进行梳理，通过将各种经验变为监控系统中的告警模板，实现在线实时监测，可以将事故后报警转变为事故前预警、事故时控制；转变人工式的故障判断排除为技术以及规则性自动化判断。如下图所示在某省网管控中心变电站设备告警规则设置与告警信息展示。
4.3.3 电力设备缺陷分析该场景属于“先知”成熟度面向配电网中变电站设备运维检修的应用。电力设备的使用寿命受温度、湿度、光照等环境因素影响。在不同运行环境下，设备出现故障或缺陷的概率不同。通过对电力设备发生历史故障或缺陷数据进行时序分析，能够清晰地展示出设备在不同时间发生的故障或缺陷的变化情况。再结合历史气象和环境数据，建立设备运行环境模型，分析影响设备健康运行的关键因素，帮助设备维护人员科学制定检修计划，将设备检修模式由被动转变为主动。
4.3.4 性能性能劣化拐点分析该场景属于“先觉”成熟度面向配电网中设备运维检修的应用。挖掘各型设备全寿命周期或周期片段运行数据、缺陷数据以及温度、湿度、负荷、不良工况等影响因素，分析在不同运行环境参数下各型设备及其相关部件性能出现劣化拐点的运行年限，从而掌握不同运行年限时各型设备高发的缺陷类型，为各型设备建立“健康档案”，从而为设备选型、设备日常运维检修、老旧设备大修技改、备品备件储备等生产业务提供数据支撑；
4.3.5 基于知识图谱的多种应用该场景属于“先觉”成熟度面向配电网中设备运维检修的应用。知识图谱在智能电网领域的典型应用包括如电力设备缺陷记录检索、智能变电站二次安全措施自动生成、设备故障诊断与管理等。比如借助知识图谱技术，利用基于神经网络的方法，基于智能推理对变电站与配电站设备、线缆和架空线等状态评价和故障诊断提供智能推理诊断和相似缺陷案例报告推荐；
4.3.6 智能的电力负荷预测该场景属于“先觉”成熟度面向配电网中运营以及设备运维检修的应用。基于大量的历史数据，建立科学有效的预测模型，采用有效的算法，进行大量试验性研究，总结经验，不断修正模型和算法，从而反映真实的负荷变化规律，对负荷进行准确预测。准确的负荷预测可以更科学地安排电网内部发电机组的启停，保持电网安全稳定的运行，减少不必要的旋转储备容量、优化机组检修计划、有效地降低发电成本。
4.3.7 疑似家族性缺陷分析该场景属于“先觉”成熟度面向配电网中设备运维检修的应用。将采集到的厂站、设备、设备故障缺陷、设备供应厂商、电力公司等多维数据深度融合，建立关联关系。再结合知识图谱、人工智能算法，实现对设备的家族性缺陷分析。通过设备家族性缺陷分析，可以清晰的反应出设备供应商的产品和设备故障缺陷现象、问题根源存在的密切联系。还可以通过对同类原因故障缺陷进行分析，实现设备疑似家族性缺陷发生的概率并进行排序，便于检修人员判断其他相关设备潜存在相同缺陷的可能性。同时，设备家族性缺陷分析也可以为设备选型、供应商筛选提供重要的决策依据。
4.3.8 电力设备质量溯源该场景属于“先知”成熟度面向配电网中变电站设备运维检修的应用。将设备的设计、制造、运输、验收、运维等多个环节的质量信息全景记录采集并存储。再结合5G、物联网监测技术、自动识别技术构建设电力设备的溯源体系。通过设备溯源可以对供应商产品质量进行质量监督，减少甚至杜绝问题设备进入市场；准确定位设备问题源头，消除同类设备的质量问题隐患，将设备质量问题及时拦截并纠正处理，可大幅降低设备的更换频率和设备采购成本，运维成本也将随之降低。同时，电力设备溯源也会促进电网运行的稳定性、可靠性不断提高。
4.3.9 智能决策大脑该场景属于“共智”成熟度面向配电网运营管理以及设备运维检修的应用。该场景也是智能配电网建设的高级阶段，通过智能决策大脑，能够达到“统一管控”与变电站数字孪生体之间以及与输电线路数字孪生体之间“自由互助”的平衡。以此实现配电网与电力系统各个环节的协调和优化运行以及故障情况下的问题定位、隔离、恢复和负荷转移等；以在“国家电网公司智能配电网顶层设计技术路线”规划中提到的配电网智能化运维管控平台为例，基于配电网大数据、利用人工智能技术，为配电网运维检修管理提供智能决策和协同指挥，纵向实现“国网-网省-地市-县-班所”逐级管控，横向实现配电网配变设备的“站线变”逐级管控。
05 总结与展望
数字孪生是一种技术理念，这种技术理念应用到配电网的全生命周期中时，就形成了面向配电网的数字孪生体模型及其评价系统。但最终的目标，还是需要落脚在用户的核心需求上来，通过针对建立数字孪生的全数据模型实现基于数据驱动、算法融合工程化的场景化赋能。本文给出了面向“共智”的配电网数字孪生评价系统的典型场景，但是“共智”是建立在前面一系列的“数化”、“互动”、“先知”、“先觉”的成熟度基础之上的，在企业构建数字孪生体及其评价系统的过程中，要按照科学和迭代的思路不断螺旋式的完善与优化。而且随着数字孪生技术理念在配电网的不断落地与成熟，相信会有更多、更高阶的“共智”场景会被大家探索与实践，为构建安全、可靠、高效、节本的配电网贡献智慧力量。
| 
