基于数字孪生技术在电力设备的应用

符华 陈荭

（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）

当前世界正面临百年难遇之大变革，与此相对应，新一轮的产业技术发展与科学技术升级正以摧枯拉朽之势席卷全球。大数据、物联网、云计算、移动通信、人工智能与区块链等新技术在各行业领域的逐步应用，正多角度多层次地改变着人类的生产生活活动。

欧洲于2005年提出的欧洲技术平台（ETP）的Smart Grid 概念对欧洲2020年左右的电力系统进行了构想；而美国能源部的电力输配局于2003年7月发布的“对电力第2 个百年的全国范围的构想”的报告中提出的GRID2030 计划则针对其电力研究院（EPRI）定义的未来电网概念“Intelli Grid”进行了进一步设计。北电网络公司提出的“数字电力”相关概念以及由清华大学电力系统国家重点实验室提出的“数字电力系统”(DPS)填补了国内相关领域的空白，是电网数字孪生的起点。数字孪生以数字化技术为媒介，建立现实空间到虚拟空间的映射，实现对现实空间内的设备从运行参数到系统状态的全面感知，并以此为基础通过将包含指令的数据反馈到设备或系统完成决策活动。构建数字孪生电网，一方面能将电网的运行、管理与服务活动由实入虚，通过在虚拟空间进行建模、仿真、演绎与控制等活动，完成对电网自身的全面感知，进而强化其自我控制与自我学习能力；另一方面则能够强化各业务的数字化水平，全面改革传统作业模式与运营模式，深化新模式下数字化智能电网的建设与管理活动，并为电网建设的全面化感知、信息化连接与常态化运行提供了全新思路与应用手段。

1 数字孪生

1.1 数字孪生定义与特征

数字孪生（Digital Twin）是利用模型模拟、传感器更新、运行日志等数据从多角度多层次集成各学科、尺度、概率与物理量开展的数字化模拟进程，通过建立从客观世界到虚拟空间的实体映射，以此反映对应实体在目标环境下的整个生命周期。借助模拟、仿真与数据分析等过程能完成对物理实体对象状态的全程感知、自我诊断与未来预测，并通过数字模型与实体模型间的相互参照推进模型的自我进化与自我学习，从而实现对实体对象相关行为的实施控制与全面优化。

数字孪生具有以下特点：

（1）保真性：数字世界内的虚拟映射在构成元素、实体行为、运行机理、存储规则等属性上均与现实世界的对应实体保持一致。

（2）可扩展性：数字模型可根据数字世界内的自我学习与物理世界的形态转化等活动完成拆解、集成、复制、维护与管理等一系列行为。

（3）可操作性：数字世界与现实世界之间存在标准接口与规范定义，不同模型之间、不同终端之间、模型与终端之间均可以进行数据交互，具有高度的可操作性。

1.2 电力设备数字孪生的模式研究

数字孪生作为当前热门的数字化发展方向，在具体业务场景选择和技术路线设计方面尚未形成标准化的方案，业界普遍处于积极探索的初级阶段，现存在以下三种不同的模式。

（1）基于跨平台的系统集成模式：通过传统信息化的方法，集成不同系统平台的数据，构建企业级的统一信息模型，进行实时信息展示和交互，典型的应用包括了客户画像、监控视图。其难点在于，跨业务、跨部门的信息系统整合在术语定义、技术路线、交互界面等方面缺乏统一标准规范而难以实现互联互通，很难推动更广泛意义上的数字孪生体构建，而且这种方式形成的数字孪生体模型也面临很难灵活变更的挑战，这一点从公司ECIMS 模型的推广现状来看，就可以得到初步的认识。

（2）基于仿真模拟技术的工程驱动模式：通过各种传感设备的布置以及相应的物联网应用将温度、振动、碰撞、载荷等各项数据与数字孪生体进行同步，反映现实世界产品实际的质量、性能、使用以及维护情况，形成在形态和举止上都相像的虚实映射关系，帮助企业分析特定的工作条件并预测故障点，从而在生产和维护优化方面节约成本。基于仿真技术的数字孪生构建是目前大多数行业发展的主流方向之一，但是却也存在一定的适应性障碍和技术实施挑战，例如电网不同元器件联结带来的高复杂度故障分析定位等问题、无法积累对象跟外部事件的关联知识、传感设备的布置以及相应的物联网建设需要有更大的资金投入和建设周期等。

（3）基于本体建模抽象的模型驱动模式：通过对存量数据及物理对象的概念定义和关系理解，抽象出能够定义并反映物理空间的本体网络，结合复杂事件、知识图谱等分析手段和实时数据采集技术，可以从微观的层面构建一套基于概念模型的数字孪生映射，并且具备知识推理、多维统计等分析特征，可以灵活动态调整，以持续满足对物理世界的准确映射要求。

2 数字孪生电网应用体系

2.1 数字孪生电网的内涵

数字孪生电网要求对传统电网从流程、要素、业务三个角度开展数字化改革，并通过物联感知与信息交互，实现从实体业务到虚拟控制的转变，再通过科学决策与智能控制完成从虚拟控制到实体决策的转化，从而优化物理电网的运营管理活动。借助数字孪生技术生成全要素数字化的虚拟映像，便于将物理电网复杂的能量信息与耦合关系简化为可拆解、可模拟、可计算的数学关系，一方面能实现物理电网运营状态的可视化，另一方面则可多角度多层次的优化相关活动的推演结果，通过模型间的相互参照逐渐完成虚实迭代，从而实现深入挖掘数字信息、构建产业生态模式、优化物理电网管理的最终目的。

2.2 数字孪生电网的框架

数字孪生电网在结构上可分为以下层次：

（1）物理电网：物理电网即物理实体。

（2）感知层与传输层：感知层与传输层负责通道构建与信息交互。

（3）数据层：数据层完成了物理电网的模型建立与数据分析。

（4）平台层：平台层承载着数字孪生电网所在的虚拟空间[1]。各层次之间相互联系，相互协调，并以此为基础完成各项业务、服务与应用。如图1所示。

图1

2.3 数字孪生电网构建的关键技术

数字孪生电网技术核心在于对物理系统的测量感知、数字空间的模型建立、方针模拟的分析决策等过程中出现的海量在线、离线多源异构体数据进行深度融合分析，并从中提取映射关系、核心数据，辅助属性规则的生成，并建立以数据驱动为中心的预测、评估与诊断模型，从而对设备状态评估、故障诊断、行为预测等行为的准确性与时效性进行全面优化。

围绕电网设备运维检修各环节所涉及到的关键技术，包含机器学习、智能算法、知识推理等，结合数据清洗、异常值检测等大数据技术，以及融合各类算法和数据进行典型应用研究。

3 数字孪生电网典型应用研究

电力设备点多面广、运行状态各异。其中，以变压器最具代表性，变压器设备的运行环境动态变化频繁，呈现出运行状态易变、监测数据量高速倍增等特点，符合工业大数据的特点。因此，变压器设备成为数字孪生相关理念与技术在电力行业应用的首要领域。以辅助设备与传感器技术为基础，通过汇聚多源异构数据资源构建设备系统的数字孪生体，并以人工智能为核心，结合机械学习、知识图谱等能力，利用5G 通信技术、大数据技术与数据挖掘技术完成自我诊断、进程控制、预测性维护等功能，实现精细化管控与精细化检测，增强变压器设备运行全过程的感知性、稳定性与交互性，从而保障生产安全、提高运营水平。

3.1 系统框架

现阶段我国变压器设备的检修模式已经逐渐由传统的“计划检修”逐渐朝着“状态检修”过渡。开展变压器设备的“状态检修”，要求对辅助设备与传感器设备在运营过程中反映的状态量数据进行分析处理，以此构建能体现变压器设备运行状态的数字模型，并采取模拟、仿真与驱动等方法优化设计、丰富数据，从质和量两个角度提升其可靠性与准确性,进而从多角度多层次体现变压器设备的运行规律。对变压器设备的运行规律开展数据挖掘活动的本质是数据孪生技术在变压器状态评估进程上的实现[2]。

中国电子信息产业发展研究院给出的数字孪生技术的最新定义在架构上包含了物理层、感知层、数据层、模型层与应用层五个层面。其中物理层对应物理实体；感知层主要包括用于状态监测的传感装置与辅助设备，为设备检修自我诊断等活动提供数据基础；数据层负责数据采集、整理与传输；模型层包括机理模型与数据驱动模型；应用层包括检修决策、服务调度、期限评估、指导采购等活动。以该架构为基础，综合变压器设备本身属性与工作环境，可逐步对变压器设备状态评估过程中各环节的技术架构开展分析。

3.2 变压器设备综合状态评估

数据孪生不仅是面向对象的，也是面向过程的，设备数字孪生体在投资阶段、运行阶段、运行维护阶段、故障阶段以及退役阶段的价值链条上，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，追求全生命周期最优目标。面向全生命周期内的变压器数字孪生体应用模型如图2所示。

图2

进行变压器设备健康状态评估,难点在于要求评估的对象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，因此需要以面向变压器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）[3]，采用知识图谱建模方法，对实体、事件的语义关系与关联关系进行组织、模拟与存储，当设备发生故障并触发相应事件后，运检人员可根据警报内容获取当前设备及相关部件的生命周期进程数据，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。通过对设备的生命周期进行分析与推演，帮助运检人员快速获知设备的安全隐患与功能故障，从而高效快速地完成风险控制与故障维修工作。

3.3 设备故障诊断

设备状态评估工作的关键在与有效的设备健康评估指标难以确定，而通过数字孪生技术与数据挖掘技术从设备运行监测数据中提取能体现设备健康状态的数据量，通过观察、萃取设备故障的高位统计指标，分析、集成配电网故障的典型原因，从而实现故障检测功能；而后将运行数据集合、常规电器特征等作为网络输入，将待分析对象标签作为网络输出，从而建立端对端的深层模型，提取出相关故障的深层特征，继而为故障检测进程提供数据基础，完成相关活动。

4 结论与展望

4.1 研究成果

目前，变压器设备状态评估的数字孪生体系已经基本架构完毕，针对技术体系中的设备全面感知技术、数据分析技术、模型构建技术等进行了研究，并将其逐步应用于变压器设备的状态评估，初步形成了设备状态评估数字孪生体，并在实际应用中取得了卓越成效：

4.1.1 设备健康状态评估

整合全域感知、历史积累、运行监测等多元异构数据，解决传统的依赖导则与专家经验开展业务评价工作的弊端，应用数学分析方法与机器学习算法开展设备状态评估模型研究，有效提升设备健康状态评估活动的准确性与时效性。

4.1.2 设备运行状态预测

通过数字孪生体系内部包含的历史监测数据与实施状态信息，同时结合电网环境与设备外部环境信息，能够及时感知相关指标或关键参数的变化趋势，并为设备的运行情况提供预测分析。

4.1.3 设备全生命周期管理

汇集的设备历史数据和实时监测数据输入数字孪生模型，基于设备出厂信息、运行期间实时监测信息、定期检修日志信息、预防试验统计信息等，应用大数据分析技术和机器学习算法[4]，从而分析店里设备结构部件的损耗情况与使用寿命，进而制定合理运维策略支撑设备全生命周期管理。

5 发展前景

依托于大数据、物联网、移动通信技术、云计算与人工智能等新兴技术的飞速发展与全面普及，数字孪生技术作为综合多学科的数字化技术，在促进市场经济发展，推动产业全面转型上起到了极为显著的作用，并建立了符合当前发展态势的普适化理论技术体系。在电力网络中，数字孪生技术在设备的生产、组装到投运、运行，再到检修、退役的全过程实现了全面感知，并借助对数据进行深度融合与分析，构建了设备状态评估的数字孪生体，实现了故障警报、自我评估与预防性诊断等一系列功能[5]。其体系具有极为现实的应用价值：

（1）将运维过程以及退役过程中的数据与设备设计和制造过程进行交互，实现数据的实时感知和实时反馈，能有效推动设备工艺升级，从而提升设备可靠性，保障电网安全。

（2）构建市域、省域、网域甚至是全国性范围内的全量设备孪生体，通过全量输变电设备孪生体将直观地反映全生命周期的孪生体模型以及设备之间的电气关系、位置关系、关联关系等，把设备的状态评估推向新的高度，实现全产业链的数字化转型。