数字孪生在电力系统中的应用

陈荭 符华

（广西电网有限责任公司南宁供电局 广西壮族自治区南宁市 530000）

1 引言

在所有的工业系统中，电力系统的规模是最大的，而且复杂程度是最高的，属于一种人造复合系统，在建立电力系统的过程中，需投入大量的资金，并且需使用到一系列较为先进的技术，电力系统是人类智慧的结晶。在对电力系统进行认知的过程中，系统的一系列特征是较为棘手的问题，比如系统的分布式，系统的高纬度问题等。最近几年以来，电力系统的变化较快，逐渐朝着开放式以及分散式的方向发展，这促使电力系统更加的复杂。

2 DT以及PSDT的概述

对于数字孪生而言，其是一种仿真过程，融合了诸多的学科，有着较多的概率以及物理量，结合了一系列的先进技术，比如人工智能技术、通信技术，以及大数据技术等，在不断对数据资源进行挖掘之后，以便能获得较多的福利，基于对虚体模型的设计，并针对物理实体以及数字虚体，对两者之间的映射关系进行构建，以此促使镜像实体的形成。数字孪生（DT）概念最早由美国专家提出来的，起初数字孪生被应用于航天领域，在经过几年发展之后，被应用于发达国家的航天局以及空军实验室中。通过对数字孪生技术的应用，并基于数字空间，从而构建出虚拟模型，借助于传感器技术的作用，以便达到状态同步的目的，在飞行器进行作业的过程中，能第一时间对有关情况进行评估，比如运行情况，而且能确保评估的准确性。

在通过多方面共同作用的情况下，比如孪生技术的不断发展，电力模型变得更加复杂化，促使电力数字孪生（PSDT）得以形成，PSDT 实质上是一种新兴产物。在数据驱动方面，与信息物理系统相比较而言，电力数字孪生更加注重实时态势感知，在虚拟推演方面能得到充分体现，基于电力数字孪生，可为调控决策的制定，提供强有力的依据。另一方面，伴随数字孪生技术的不断发展，融入人的概念是必然的发展趋势，基于数字与物理空间，将会构建出一种交互系统，在对数字孪生进行研究的过程中，这是一个重要的方向。

3 PSDT框架设计

与Apollo 计划相比较，如图1所示为数字孪生电力系统，该系统将数据驱动作为内核，不但继承了专家系统，而且也融合了模型驱动。与一系列物理机理仿真相对比，比如Mat 仿真，在物理系统依赖方面，PSDT 的依赖较小，有着较为灵活的组建方式，在构建PSDT 时，往往依赖诸多的工具或算法，比如历史数据、统计分析工具等。当PSDT 处于运行期间，可借助和真实值的一系列行为，比如校正行为，在此基础上，能保证系统的一致性。

图1：数字孪生电力系统

图2：分析技术路线

为达到以上目标，针对PSDT 而言，应拥有以下特征，也就是实时交互、数据驱动等。在较为复杂的电力系统中，基于数据驱动特征，能提高PSDT 的可行性，较为容易上手，结合所获取的数据，进而实现对实体系统模型的构建，在此基础上，可感知及分析电力系统。对于模型驱动模式而言，需事先处理较多的信息，比如，了解矩阵方，并掌握拓扑结构，可实现潮流计算，对于模型驱动机制而言，缺少合理、可行的机制，来面对一系列问题，如假设的误差，传递的不确定等。借助数据驱动模式，很大程度上，能防止以上难题，同时针对交织及模型，能实现两者问题的解耦。基于闭环反馈特征，针对PSDT 数据模型，在投入运用其之后，能以主动的形式，学习大量的数据，在这样的情况下，不但能达到自适应更新的目的，而且也能实现优化，伴随数据的变多，能获取更好的学习效果。由于具有自学习的优势，再加上介入门槛不高，与以往传真相对比，PSDF 有着更强的接纳能力，而且在一定程度上，可享受到大数据带来的福利。基于PSDT 的这三个特征，深入完善了PSDT 两方面的功能，一是虚拟测试，二是态势感知，不管是紧急情况，还是处于常规运行状态，都能充分掌握系统情况，而且能在较短时间内，完成对决策方案的模拟，并能确保方案的可行性，从而实现孪生效果。

4 PSDT的潜在应用

对于PSDT 的潜在应用，本文主要从健康状态评估；电力系统分析；负荷预测及用户行为分析；故障诊断；微网系统优化；智能巡检等方面进行探究，以供参考。在电力系统中，对于PSDT 的运用，仍然处在发展阶段，PSDT是一种有力的工具，通过对该工具的使用，能享受到数据福利。对于虚拟测试后续而言，可通过一系列技术，有效处理决策优化问题，比如多代理技术。

4.1 健康状态评估

电力设备涉及到的范围较广，而且运行特点存在较大的差别，在对设备状态进行评价时，若采用以往的检修方式，将难以确保检修的准确性。现如今对于设备状态的评估而言，主要采用两种检修方式，一种是事后检修，另一种是计划检修方式，伴随电力设备的不断发展，这两种方式难以满足设备管理的要求。在对电力设备进行检修的过程中，若出现资源浪费的现象，比如人力资源，极有可能对设备状态造成影响，甚至会影响到电力系统的安全可靠。充分依据RMT，并有效应用深度学习技术，基于电力设备的运行数据，可将设备状态的表征量提取出来。

4.2 电力系统分析

对电力系统进行全面的分析，可为电网的安全稳定运行，提供强有力的保障。在一系列测量技术的不断发展，比如向量测量装置，能促使时空数据集得以形成。以往在对电网状态进行分析时，主要依据物理模型，为实现对维度数据的关联，常常借助于较为严格的数学公式，对于此模型的使用，难以确保电网运行数据得到积极利用，不易体会到大数据所带来的好处。充分结合电网运行数据，来对系统数据模型进行构建，通过RMT，能实现对数据模型的进一步开发，在对时间序列进行综合分析之后，便于制定量化评价指标，进而能达到评估扰动影响范围的目的，同时也能对影响程度进行分析，最终能实现对电力系统的分析，比如系统的安全与可靠。

4.3 负荷预测及用户行为分析

在智能电网时代背景下，用户侧数据量显著增加，以往的负荷预测方式难以满足时代发展的需求，对于随机性较强、数目较多的数据量，采用负荷预测方式得不到有效解决。基于此，通过LSTM网路，来对数据模型进行构建，借助于LSTM 网路的作用，有助于更好解决序列型数据，在对时刻点信息进行归纳之后，可实现对今后负荷的预测。对于NILM 而言，主要依据总表，也就是依据用户的用电总值，来对用电实际情况进行评估以及判断，从而给出用电详单，在对楼宇的用电详单进行推断的过程中，该方法具有较好的适用性。如图2所示为分析技术路线。

4.4 故障诊断

对于小电流接地系统而言，接地故障特点并不是很明显，在对接地故障进行诊断的过程中，不易设计出合适的指标，进而难以确保诊断的精准性。对智能诊断方案进行制定，就是为了实现一系列的功能，比如故障定位功能，以及故障检测功能等。通过RMT 进行观察之后，能实现对高维统计指标的提取，可对引起电网故障的因素进行归纳以及分析，进而可达到检测故障的目的；可将相关的内容视为网路输入，比如电气特征，从而针对需要进行分析的对象标签，可将其视为网络输出，合理应用端对端学习的方式，有助于对神经网络模型进行构建；基于实时数据集，通过网络模型的作用，可实现对深层特征的提取，进而在对电网故障进行诊断的过程中，能提供强有力的依据，最终达到智能诊断故障的目的。再比如，可以利用孪生，完成全息以及3D 设计工作，为智能制造的实现奠定基础。并且可以利用数字孪生，完成3D 建模，进一步提高电力设备以及系统的可视化水平，改善用户体验，使其身临其境。

4.5 微网系统优化

在微电网运转的过程中，电源功率存在较大的波动现象，而且有着较大的负荷，由于存在较多的不确定因素，通常这些因素是较为复杂的，为实现对供需实时的平衡，同时促使能源使用率得到保障，一般需添加储能系统。基于相关因素的改变，比如发电量因素，不易对复合能量进行有效的控制，对于如何对决策进行改进，这是一个较为复杂的问题，若方案存在差别，极有可能对系统造成影响，比如供电的安全稳定情况，系统运行所带来的经济效益等。不断对网络模型进行研究，并有效应用深度学习框架，有助于弥补传统算法存在的不足，而且可对较多的场景进行更好的处理，比如时刻场景。

4.6 智能巡检

在应用智能巡检的过程中，基本上是依据视觉技术，在计算机领域中充分结合相关的神经网络，比如CNN 神经网络，有助于解决一系列的问题，比如物体识别问题。在得到政府的大力支持下，国内电网取得较快发展，依据相关统计，我国输电线路已经接近于120 万千米，从规模上来看，已经走在世界的前列了。对于输电线路而言，有着较大的分布面积，而且分布不够集中，在进行巡检的过程中，需耗用较多的时间，存在一定的困难，通常所处的地形较为复杂，难以满足时代发展的要求。在对电力进行巡检时，通过对无人机的使用，有助于更好完成巡检任务，在降低巡检费用的同时，也能缩短巡检所需的时间。有效应用无人机技术，能及时找出线路故障。可将上述技术方案应用在一系列的工程场景中，比如红外图像场景，异物介入场景等。

5 结论

通过以上分析得知，充分依据RMT，并有效应用深度学习技术，基于电力设备的运行数据，可将设备状态的表征量提取出来；通过LSTM 网路，来对数据模型进行构建，借助于LSTM 网路的作用，有助于更好解决序列型数据，在对时刻点信息进行归纳之后，可实现对今后负荷的预测；通过网络模型的作用，可实现对深层特征的提取，进而在对电网故障进行诊断的过程中，能提供强有力的依据，最终达到智能诊断故障的目的。