|
在数月内接连发生的印尼空难和埃塞俄比亚空难引发全世界对波音系列客机安全性的讨论，同时737MAX，也让数字孪生（Digital Twin）技术进入更多人的视野。业内人士开始勾勒数字孪生技术在飞机制造业乃至整个智能电网等行业的未来图景，同时，也开启了对于这项有望加速实现整个物理世界数字化转型的技术的想象之门。 数字孪生一词最早于2002年由美国密歇根大学的迈克尔•格里夫斯(Michael Grieves)教授提出，指的是通过采集设备的数据，结合对设备动态特性的认识，构建一个可以表征该物理设备的数学模型，并比较工程设计和数学模型的区别，来更好地理解理论设计与实际生产，最终加强对设备全生命周期的有效管理。作为具有极高工程价值的实用工具，数字孪生技术具有可视性、可预测性、可假设性、可解释性以及可互动性等特点。从微观来看，借助数字孪生技术可以将真实世界中的飞机映射为数字化飞机；从宏观来看，这一技术甚至可以使数字城市的建设成为可能。鉴于数字孪生所拥有的广阔应用前景和所孕育的巨大商业机遇，此技术被具有全球影响力的权威咨询公司高德纳连续3年（2016—2018年）列为当年十大战略科技发展趋势之一。 当前数字孪生的工业应用实例主要还是出现在制造业，涉及航空发电机、风力涡轮机、海上平台、暖通空调控制系统以及智慧建筑等领域。在电力行业，随着电力电子器件、直流输电线路以及新能源发电的不断接入，电网的动态特性逐步变化，在振荡或故障后将表现出更强的非线性和不确定性，而此时，数字孪生技术为增强对智能电网的认知和调控提供了新契机。通过构造数字智能电网，进而刻画出交直流互联电网的复杂潮流改变和多时间尺度动态过程，将帮助系统运营商发现电网薄弱环节、优化电网运行方式和改进系统规划设计方案。而随着智能电网的关键体系——高级计量基础设施的快速发展，一套涵盖高效量测、智能控制和快速通信等模块的网络处理系统日趋完善，形成了智能电网中能量流、信息流和业务流双向互动平台。当大量智能电网数据被创造和采集，借助云计算、人工智能算法、并行计算技术和大数据分析技术，打造智能电网的数字孪生愈发成为可能。
什么是智能电网数字孪生？早在2000年，卢强院士就提出了数字电力系统的概念，即“实际运行的电力系统的物理结构、物理特性、技术性能、经济管理、环保指标、人员状况、科教活动等数字地、形象化地、实时地描述与再现”。而对于具备了先进计量基础设施的智能电网来说，虽然其数据种类更为丰富、数据互动更为便捷高效，但是智能电网的数字孪生与数字电力系统并无本质上的区别。可以说，卢强院士所提的数字电力系统便是智能电网数字孪生的起源。 结合数字孪生的定义和智能电网的特点，智能电网数字孪生可定义为：充分利用电力系统物理模型、先进计量基础设施的在线量测数据、电力系统历史运行数据，并集成电气、计算机、通信、气候、经济等多学科知识，进行的多物理量、多时空尺度、多概率的仿真过程，通过在虚拟空间中完成对智能电网的映射，反映智能电网的全生命周期过程。 与传统的电力系统仿真相比，智能电网数字孪生最突出的特点是模型的形式更丰富。传统的电力系统仿真模型表现形式一般为各种代数的、微分或偏微分形式的数学方程，这些方程是基于对电力系统物理过程的认识而建立起来的。智能电力的数字孪生还包括利用泛在传感网络获得的海量系统状态数据。当前量测数据有助于实现物理系统与数学模型之间的同步；而在历史数据的基础上则可以通过统计和学习构建数据驱动的相关性模型。实际上，智能电网数字孪生是数据和知识共同驱动的信息物理电力网络的数字空间建模。高性能数字仿真技术是智能电网数字孪生技术的基础，实现对复杂的“信息-能量-环境”耦合动态精确模拟是构建智能电网数字孪生的前提。数字空间的知识融合、复杂动态的行为预测以及人工智能的优化决策是构建智能电网数字孪生的目标。
实现智能电网数字镜像的关键当前，无论是基于泛在传感网络开展的数据驱动的统计相关性模型研究，还是基于系统基本物理原理开展的知识驱动的微分代数模型研究，都已取得积极进展。然而，单方面考虑单一模型将存在一定的弊端，必须对两类模型进行融合，借助数据驱动的统计相关性模型来弥补另一方的动态建模不完备和不确定性信息未考虑的缺陷，借助知识驱动的微分代数模型来弥补另一方样本有限和样本有偏的缺陷。这便是实现智能电网数字镜像的关键所在。 除了建模层次上的互补融合，如何将两种模型在仿真模拟以及决策支持层面上进行融合以实现对实体智能电网的真实刻画以及优化控制，仍有待探索。这里给出两种可行的路线：一是利用场景生成法从数据驱动的统计相关性模型中抽取大量场景以表征智能电网不确定性，然后针对每个场景，利用知识驱动的微分代数模型进行仿真计算，最后整合所有场景的仿真结果，以实现统计相关性模型与微分代数模型的融合；二是对智能电网中的随机变量进行概率分布建模，并基于微分代数模型计算随机变量的函数的概率分布，将知识驱动的确定性代数模型转为知识驱动的概率分布函数模型，以实现微分代数模型与统计相关性模型的融合。
智能电网数字孪生的整体框架智能电网数字孪生具有3个关键的技术环节，即：对实物系统的量测感知、数字空间建模、仿真分析决策，而以上环节又离不开云计算环境的支撑。首先，实时量测是对智能电网物理实体进行分析控制的前提，量测的对象包括能量系统和辅助调控系统。为此，需要在实体系统中布置众多传感器，并且还需解决与数据量测、传输、处理、存储、搜索相关的一系列技术问题。其次，在数字空间中对智能电网进行建模需要同时对能量系统和辅助调控系统建立相应的模型，在数字空间中后者对前者进行调控，前者的仿真结果用来验证后者的有效性。需要强调的是，智能电网模型的形式并不仅仅局限于描述实体对象物理规律的数学方程，也可以包括基于量测数据构建的统计相关性模型。再有，仿真分析决策环节先对数字空间的智能电网进行优化计算，然后通过仿真验证决策的合理性和有效性，再对数字智能电网进行多场景、多假设的沙盘推演，最终得到合理决策指令并下发至实体系统。 云计算环境是连接实物系统和数字空间的桥梁。在云计算环境中，可以利用已经掌握的智能电网物理规律和传感器量测数据，借助大数据分析和高性能仿真技术，实现对智能电网的数字建模和仿真模拟，计算结果可实时反馈至物理系统，传感器数据同样可实时传递给数字镜像以实现同步。之所以要利用云计算技术构建智能电网的数字孪生主要有以下几方面的考虑：云计算环境基于网络可扩展性强；云端的IT资源丰富；智能电网参与者众多，各参与方可以自助的方式获得所需IT资源；便于众多参与者贡献或者共享资源，共同打造智能电网数字孪生的生态圈。 智能电网数字镜像的三大技术环节相互依存，循环往复，彼此之间的数据流、信息流的双向互动贯穿智能电网的全生命周期，体现了数字孪生的可互动性。
智能电网数字孪生原型系统——CloudPSS 平台构造数字孪生需要的步骤包括创建(Create)、传输(Communicate)、聚合(Aggregate)、分析(Analyze)、洞见(Insight)、行动(Act)。清华大学研究团队研发了智能电网数字孪生原型系统——基于云计算的电力系统仿真平台（Cloud computing-based Power System Simulator，CloudPSS） 部分实践了上述步骤。[http://www.cloudpss.net]
CloudPSS概念性架构
CloudPSS 解决方案创建步骤指的是在智能电网中部署大量传感器，实时量测并收集系统的运行状态。当前智能电网中配备了高级计量基础设施，集数字传感、智能仪表、测量及通信于一体，为构造智能电网数字孪生提供了数据基础。然而，高级计量基础设施建设的初衷并非为了数字孪生，因此，仍有可能存在一定的“数据角落”未能采集到。CloudPSS平台设计了通用数据接口，可以与智能电网中部署的传感器进行数据交互。 传输步骤指的是实现智能电网和决策平台之间数据的无缝双向对接。CloudPSS平台可借助光纤网络、移动互联网以及虚拟专用网络（Virtual Private Network，VPN）实现对数据的双向对接，同时还提供数据通道服务和加密通信服务，一方面确保了低延时、高安全的私网通信，另一方面避免了网络质量不稳定、传输数据易泄露等问题。 聚合步骤指的是将智能电网数据保存在平台数据库中进行有效管理，为后续的建模和分析提供基础。CloudPSS平台具有强大的数据管理模块，其功能包括气象数据库及编辑功能、电力信息数据库及编辑功能、设备信息库及编辑功能、负荷数据库及编辑功能。通过高效管理上述数据，CloudPSS平台将为后续步骤提供强有力的支撑。
CloudPSS中风电场数字孪生拓扑结构
CloudPSS 中的交直流混联系统数字孪生拓扑结构分析步骤指的是通过建模和计算，实现物理实体的模拟运行，最终立足模拟运行结果进行分析，并指导决策。CloudPSS平台借助数据管理和高性能仿真技术，实现了智能电网的模拟运行，并提供了针对智能电网的行业方案。以交直流电网分析业务支撑行业方案为例，CloudPSS平台首先构建了多种交直流系统的电磁暂态数字模型。其次，CloudPSS平台实现了含有多种类型直流输电系统的交直流电网全电磁暂态仿真分析功能，解决了大规模交直流混联系统全电磁暂态仿真从指定潮流断面快速启动的难题，为各类基于全电磁暂态仿真的在线安全校核应用扫清了技术障碍。此外，CloudPSS平台借助GPU加速计算实现了极高的运算效率。例如，利用CloudPSS平台搭建80个模块的SST主功率拓扑并进行电磁暂态仿真只需要4分钟，而利用商业软件PSCAD仿真耗时大于1小时。最后，CloudPSS平台还提供了多种基于全电磁暂态仿真的先进的交直流电网分析工具，包括全网短路电流扫描，节点阻抗扫描、安全稳定装置在线校核、动态安全分析等。同时，CloudPSS平台可与现有潮流、机电暂态计算软件无缝衔接，实现此类软件内部算例的快速转换与电磁暂态仿真。
CloudPSS 平台与 PSCAD 的电磁暂态仿真用时对比洞见步骤指的是通过对比数字模型模拟运行结果和物理实体的真实量测结果，发现两者之间的差异，从而为状态检修和精准运维提供指导。CloudPSS平台首先将运行维护历史经验数据集中，使用机器学习的算法学习故障设备状态的特征分布以及各状态的相关性结构，再结合设备的物理模型，模拟正常以及故障情况下设备状态的特征分布以及各状态的相关性结构，最终通过对比、分类等手段发现故障或者处于异常工况的设备，从而大幅提升故障预测准确率并降低运维成本。CloudPSS平台的云端监控和运维功能适用于多种工业应用场景，其中包括光伏电站运维、供能设备缺陷监测、微能源网监控。 行动步骤是将通过以上若干步骤获得的可操作建议反馈到物理实体中，从而实现物理世界和数字世界之间的闭环互动。CloudPSS平台可借助光纤网络、移动互联网以及虚拟专用网络下发模拟仿真结果以及操作建议至智能电网运营商，供其参考。
随着智能电网中电力电子器件直流输电线路以及新能源发电的不断接入，电网的动态特性日趋复杂，而数字孪生技术为智能电网的分析、洞察与调控提供了新的解决方案。作为智能电网数字孪生的先行者，清华大学研究团队研发的CloudPSS平台无论是为智能电网提供交直流混联电网分析业务支撑，还是为其提供新能源电站精细化建模和仿真方案，都凭借其高效性、可靠性、安全性展现出巨大的应用潜力和广阔发展空间。我们有理由相信，CloudPSS平台及其代表的数字孪生技术将为未来智能电网研究提供更大、更新、更快的试验平台，也将在中国智能电网的快速发展中发挥不可替代的作用。
| 
