数字孪生关键技术及其在电力行业中的应用

张海涛，范荣琴，赵 刚

（国网巢湖市供电公司，安徽 巢湖 238000）

1 数字孪生技术的研究价值

随着自动化、信息化技术在电力行业的广泛应用，电网运行控制、生产管理、运行维护以及各种营销与运营工作的效率逐步提高，产生的数据信息也越来越庞大。电力企业在实际管理与决策过程中，需及时、准确地对具有一致性、完整性、可用性以及准确性等特征的数据信息进行科学处理。例如，工作人员获取的设备运行状态检测数据多为实时数据。此时，为确保数字孪生关键技术在时序数据库的研究中获得有效应用，工作人员必须解决时间聚合等问题，做好时序数据的对比分析工作。另外，基于复杂时间和空间电力设备的数字孪生关键技术的已有研究，对传统的分析模式进行全面升级，进一步改善电网建设效果，是绝大多数研究者共同关注的重要内容[1]。换而言之，对数字孪生技术展开系统分析，在当前仍有一定的现实意义。物理-数字模型交互方式如图1 所示。

图1 物理-数字模型交互方式

2 需求分析

在高质量发展和建设新型电力系统的要求下，以数字化转型为目标的电力企业对数字化服务水平提出了更高的要求，电网数字孪生是新型电力系统数字化服务体系发展的关键支撑和重要方向。在“双碳”目标要求下，国家电网有限公司（以下简称国家电网）提出加快建设新型电力系统。在新型电力系统“双高”特点下，数字赋能建设面临新的发展需求，主要体现在以下几点。

（1）加强感知终端建设。目前，区域内感知设备数量较少，采集信息种类不全，感知设备智能化水平不高，需统筹开展覆盖“源-网-荷-储”各环节的感知体系建设，形成三维立体、覆盖全城区的感知布局，为“配网一张图”的实现奠定据基础。

（2）完善信息传输网络。目前，区域内无线网络覆盖不足，需结合实际需求，按照国家电网物联体系和数据中心布局及网络建设要求，提升网络覆盖面，实现电网数据整合与共享，为设备侧电力物联网提供高可靠、高安全和高带宽的信息传输通道。

（3）建设数字孪生配网。在加快构建新型电力系统、积极推动经济绿色低碳转型和可持续发展的过程中，要求配网具备全面感知、协同优化、预测预警以及科学决策等特性。

（4）强化业务应用建设。目前，由于缺乏物理层和孪生层的直接映射关系，在业务层面无法实现仿真、联动、智能分析等应用，对新型电力系统中新能源和传统能源的消纳协同、多能互补等方面无法实时感知与精细调控，业务支撑能力有限。需围绕智慧城区配网和“源-网-荷-储”协同互动示范点，结合业务需求，开发灵活高效的业务应用，通过数字孪生技术实现业务的提升和创新。

（5）巩固信息安全保障。新业态、新业务使国家电网有限公司网络更加互联与开放，现有信息安全防护体系将难以满足新型数字业务共享互联发展需求。因此，需要提升信息安全防护能力，提高整体安全防护水平，参与建设覆盖物联体系、网络通信和采集终端等的整体防护架构，提升终端接入、通信通道等安全防护能力，支撑构建全场景安全联动防护体系[2]。

3 电力设备数字化、网络化、智能化现状

（1）电力设备数据收集不全面或数字化程度不高。主要表现如下：一是，电力设备的外部施加应力如自然环境、运行工况等数据收集不全面或数字化程度不高；二是，电力设备内部特性数据（结构尺寸等）和内部特性（材料性能等）数据收集不全面或数字化程度不高；三是，电力设备的外部可观测数据如开关管理人员五官感知、试验检测和在线监测的数据收集不全面或数字化程度不高。

（2）电力设备的网络化程度不够。主要表现如下：一是，通过数据采集与监视控制系统（Supervisory Control And Data Acquisition，SCADA）系统收集了部分的电力设备运行工况数据，但由于网络安全问题，大部分运行工况数据还不能通过网络共享；二是，电力设备通过在线监测网络收集一部分电力设备外部可观测数据和自然环境，但电力设备全生命周期各个环节的大量人机交互终端、设计工具、测试以及试验装置所产生的数据未能通过网络化收集；三是，电力设备数据共享的安全性问题未彻底解决，电力设备数据共享的机制未解决，电力设备与社会公共知识数据、公共气象数据未能较好地通过网络化进行收集。

（3）电力设备的内部状态不够透明。电力设备的内部状态不能在数字空间全面、准确、实时更新。主要表现如下：即使通过物联网等收集了电力设备的外部施加应力数据和电力设备的外部可观测数据，也由于缺乏有效的状态评估模型，内部状态不能在数字空间准确、及时地实时更新或者更新不全，造成电力设备的内部状态无法实现全面、实时的“可观测”，进而无法有效地实现其预期的“可控制”和“自动化”等功能[3]。

4 数字孪生关键技术的实际应用

4.1 分布式一致性算法

分布式一致性算法可以确保分布式系统中的任何数据或计算口径的一致性。对于高性能的关系型数据库而言，只有始终保持数据信息的一致性，才能在全面更新之后，不影响用户访问数据信息。基于此，技术人员在对处理任何分布式数据库时，都必须遵循一致性、可用性、分区容错性（Consistency Avaliablity Partition tolerance，CAP）原理，即在一个分布式系统中，一致性、可用性、分区容错性这3 个要素最多只能同时实现2 个，无法3 者兼顾。其主要原因是分布式系统以互联网为支撑，由多台相互关联的机器共同组成，在网络分区过程中发生网络通信故障等问题的概率相对较高。因此，在数据存储及数据分析环节，为切实提高数据信息的可用性，技术人员应采用副本备份的方式，并合理调整全部的副本数据，保障数据信息的一致性与可靠性。

4.2 三维物理模型

数字孪生电网三维模型包括城区配网各组成元素（变电站、变压器、输电线路、综合能源站以及新能源设备等）的三维模型，还包括区域内地形地貌、园区（景区）建筑的三维模型。三维模型可以直观地展示电网的周边环境、外貌特征、内部结构等信息，还可以通过三维模型展示区域内电网的档案类数据、量测类数据以及各种模型的分析计算结果，从而帮助工作人员更为直观地监测电网的运行状态[4]。

4.3 数字电力设备的质量特性

在引言中已经明确了数字电力设备的概念，但未明确数字电力设备的功能和性能，即数字电力设备的质量特性。在梳理电力设备发展过程中可以发现，电力设备的质量特性可以分为专用质量特性和通用质量特性。专用质量特性随着电力系统的发展而发展，而通用质量特性随着电力设备全生命周期业务需求的发展而发展。随着数字电网的发展，电网要求能够实时地获取电力设备的数字化状态，对电力设备提出了专用质量特性要求，数字电力设备的核心功能为自身状态的数字映射，即实时获得电力设备自身状态的数字化信息。因此，描述数字电力设备的专用质量特性指标分别为以下3 个，即数字化颗粒度、数字映射误差、数字映射时间。数字化颗粒度指能够映射设备的空间层级，如类别级、设备级、单元级、元件级、部件级、零件级以及材料级等；数字映射误差即电力设备在物理空间与数字空间之间偏差；数字映射时间指在物理空间的实体发生变化后，在相关观测数据准备好开始到在电力设备数字孪生体在数字空间同步更新的时间。数字电力设备同样存在通用质量特性，与传统电力设备一致。数字电力设备的专用质量特性技术指标跟具体电力设备的应用场景和需求密切相关。例如：数字化颗粒度，对于某些电力设备需要的是设备级，有些电力设备需要的是材料级，其还与电力设备的性能相关，如要求数字化仅为设备级的绝缘性能、材料级的机械性能等；数字映射误差，对于大部分电力设备用户均希望能够实时识别设备内部状态变量分别处于正常、注意、异常以及严重的状态，有些场景可仅需要识别正常和严重状态，这些均跟数字映射误差有着密切的联系；数字映射时间，受电力设备观测周期和观测时间的影响，对于电力设备暂态过程的观测要求观测连续、观测时间短，对电力设备的数字映射时间要求较高，而电力设备缓慢劣化过程，对电力设备的数字映射时间要求不高[5]。

4.4 电力业务控制

电力企业在分析电力数据，对时序数据进行可视化处理的过程中，必须全面结合自身业务场景，明确衡量业务开展效果的标准与指标。随着厂站端控制类业务、企业级运营监控类业务的增长需求，电力企业有必要通过运用可视化分析、数据计算量化技术、数据存储技术更好地维持日常业务的顺利开展。例如，部分电力企业选择基于地理信息系统综合分析电网设施的实时运行状态，及时排查电网设施的安全隐患，掌握相关设备运行状态的变化情况，进而采取针对性的处理措施。技术人员在完善接线图中变电站的位置及配套设施等信息的同时，及时补充电缆隧道、输电线路走廊等的状态信息。未来，随着物联网技术的进一步发展，电力企业有望通过控制传感器、远程操控电力设备等方式，实现可视化技术在各种电力场景中的有效运用。需要注意的是，技术人员在规划可视化组态软件时，应全面分析电力行业的发展趋势以及各类电力系统的特征，并加大电力行业图库的内容建设、合理调整数据信息的展示形式，促使时序数据可视化分析的操作更加便捷，分析结果更加科学、全面，电力系统的运行更加稳定。

4.5 数据驱动模型

数字孪生电网数据驱动模型指基于历史样本数据，通过机器学习的方式所训练出的数学计算模型。数据驱动模型对“源-网-荷-储”、分布式微网及新能源消纳业务会起到很好的支撑作用。基于电网的历史样本数据，通过数字孪生电网数据驱动模型，可以发现电网的潜在风险、发展趋势，还可以对电网的内部元素进行特征分类和关联强度研判。

5 结 论

围绕数字孪生关键技术及其在电力行业中的应用展开分析。电力企业要想实现数字孪生技术的最大化利用，就必须从数字孪生关键技术的特征点等多个角度入手，合理运用相关算法与分析技术。只有这样，电力企业才有可能提高数字孪生技术的运行稳定性，丰富数据分析技术的应用场景，稳步提升自身信息化发展水平。