基于数字孪生的多能互补微型能源网络的构建

姚娟，张晓文，宋嘉，董新伟

(1.国网浙江省电力有限公司嘉兴供电公司，浙江 嘉兴 334201；2.中国矿业大学，江苏 徐州 221000)

近年来，气候变暖、温室效应等一系列的影响人类生存的环境问题，日益受到社会各界的持续关注，一次次占据热点话题。化石能源无疑是人类历史上长久以来推动我们发展繁荣的能源主体，但它同时也是大气中“碳”量激增的罪魁祸首。2021年上半年，中央财经委员会第九次会议上提出“构建以新能源为主体的新型电力系统”，光伏、风电首次跃升为市场主体能源。对传统电力系统跨越升级，打造安全可控、智能开放、互动友好、清洁低碳的新型电力系统，在“双碳”大背景下势在必行。浙江是能源资源小省，外来电占比大。当前浙江“无电可用”与“有电限用”相互交织，这将成为今后一段时期的新常态。聚焦诸如风能、太阳能等在内的分布式新能源，水能、地热能等可再生能源的协调利用，推动源网荷储互动共济是解决能源危机的关键。

分布式能源的发展同步壮大了微电网的研究队伍，尤其在能源利用率上。单纯对某单一能源利用优化，成本高且应用效果不佳，在此背景下，构建多能互补的能源网络，把不可再生的与可再生的能源综合起来考虑，不仅能够减少化石能源消耗，还能促进可再生能源的就地消纳，从而把它们的综合利用率提高一个层次[1]。数字孪生技术融合众多前沿科技，作为当前客观反应物理世界的有效手段，能够实现虚拟空间与物理实体间全尺度、全生命周期的实时连接、动态交互、双向映射，帮助物理实体摆脱现实空间、距离限制，发展至今，因其普遍适用性，在医学分析、产品设计、工程建设、智能制造等领域得到广泛应用，其在规划设计、运维服务等各个环节的价值回馈与电网数字化转型需求高度契合[2]。因此本文考虑以某一小微园区为研究对象依托数字孪生技术建立多能互补的微型能源网络。

1 多能互补微型能源网络构建

考虑分公司辖区内当前产业结构与能源利用现状，本文选取小微园区作为多能互补微型能源网络构建的研究对象。

1.1 多能互补能源利用形式分析

本文综合考量多能互补系统的建立要素，将系统内能源的输入与产出同步纳入考虑范围。输入主要是原始能源类型的多种多样，输出则针对用户的用能需求，因而要兼顾输送形式的多样性和产出功能的差异化。它不是多种能源形势的简单叠加，而是要统筹协调各能源间的转换使用与配合关系，依照不同能源品位高低在系统高度对它们综合互补利用[3-4]。

图1 园区多能互补能源利用形式分析Fig.1 Analysis of multi-energy complementary energy utilization forms in the park

该系统把一体化整合理念具象于能源系统工程领域，综合了可再生能源的互补性以及传统能源与新能源的联合开发，是传统分布式能源的应用拓展。通过对能源自身特点综合考量，实现热、冷、气、电等多种能源形势的补充利用，全方位提升能源的整体利用率[5]。整个园区能源系统里的各种能源，都能够通过这个“区域能源互联网”系统，考量系统中其他能源的出力减少或缺失，从而对自身的出力做出对应调节，以此平稳能源系统的整体运行[6]。借由多能互补能源系统，分布式能源的应用实现了从点到面、从局部域到系统层的发展过渡。

1.2 多能互补能源体系架构

本文从当前应用效果剖析，按照显示层、应用层、数据层、网络层、数据源层等由上至下五个层级[7]搭建多能互补能源体系架构。

图2 多能互补能源体系理论架构Fig.2 Theoretical framework of multi-energy complementary system

1)显示层[8]：基于电力系统常用的GIS、OPEN-3000等，以图表、能流图、报警图等为媒介，利用可视化技术，将平台中包括报警、监视、优化、分析在内的各种响应过程以及用能信息可视化展现，提升平台的展示和交互功能的同时，使得演示和操作界面更加友好。

2)应用层：本层主要实现新能源与传统能源的监测、用能评估与配置优化等综合管理的功能，同时也兼做能源特性分析[9]，以此为系统提供调蓄调峰策略参考等。

3)数据层：包括应用、空间、历史及实时数据等[10]。应用数据主要是平台应用分析报表等的数据信息，空间数据主要是辖区内用于GIS能源监控与对外展示的地理信息系统(GIS)的空间数据，平台支持数据的深度挖掘并预留信息上报与系统交互的接口。

4)网络层：通过电力线载波、光纤、无线专网、2G/3G/4G/5G移动互联网、互联网等将用能数据传输至数据层[11]。

5)数据源层：利用底层传感采集设备采集发电量、功率、供热量等在内的满足上层应用需求，支持多能互补能源体系架构综合管理应用的基本信息[12]。

2 数字孪生技术

2.1 数字孪生要素关系

数字孪生(digital twins)最初由镜像空间模型演化而生，提出以来在产业界和政府决策层等引起广泛热议[13]。目前，不同领域对其认识并不统一，NASA定义其为仿真过程，由此衍生出关于数字孪生的三种概念：一部分人认为数字孪生就是模型、数据、仿真的集合；一部分人在集合体中把物理实体加入进来；当然，也有人坚持数字孪生就是数字化模型。不可否认，数字孪生等同于物理实体建立的数字化模型与这些观点都不矛盾。

图3 数字孪生要素关系模型Fig.3 Relationship model of digital twinning elements

结合以往大量研究，本文认为数字孪生就是参照物理实体搭建非分析性动态模型，将实体中反映客观规律的数据在一系列模型的复杂组合中仿真处理，探索物理实体发展变化的复杂过程。这个过程的复杂性在于，它并不是本体、对象、信息、方法的单一映射，更多注重建立要素间的反馈机制。

2.2数字孪生架构模型构建

本文从物理实体、孪生模型、服务机制、数据系统以及四者间的连接关系[14]五个方面构建数字孪生模型：

图4 数字孪生架构解析Fig.4 Analysis of digital twin architecture

1)物理实体：作为数字孪生模型搭建的参照对象，物理实体是整个模型架构的基础，对它的有效分析与准确反应是构建孪生模型的前提。

2)孪生数据：包含物理实体、孪生模型、服务机制以及连接关系数据等[15]。物理实体数据主要包括实体即时反映的动态数据及其历史信息贡献的静态数据；孪生模型数据包括模型构建用到的边界、载荷、约束等条件数据，涉及的规律规则、行业标准、知识经验等领域知识，以及模型使用中的动态仿真数据；虚拟服务数据包括服务封装、调用、组合等一系列过程数据，以及辅助服务完成产生的分析、预测、优化、评估等结果数据；连接关系数据是将物理实体、孪生模型、虚拟服务转换融合，集成处理得到表征三者关系的数据集合，它不仅使得信息表达更加准确全面，更兼顾生命周期、时空关联、历史统计等信息的整合，从而实现数据的增值与共享。

3)孪生模型：是数字孪生的本体，它作为一个整体概念，具有多重含义，不仅表征某一单一物理状态，更指向一系列模型的复杂组合。包括行为、几何、物理、规则等模型。行为模型就是不同时间不同空间，物理实体在内部机制与外部干扰共同作用下的实时行为表现；几何模型是表征物理实体关系(组装关系等)与几何参数(长度、位置、形状等)的三维模型，对细节的深入刻画有助于物理实体真实再现；物理模型是几何模型的升级，相较于几何模型，它不仅具备了上述的结构功能，更增加了特征、属性、约束等物理特性；规则模型基于对数据、方法、规则、标准等历史经验的解读和相关领域隐性知识的概括。

4)虚拟服务：利用服务化封装技术对孪生模型的算法、模型、数据、结果、仿真等处理，然后综合动态调度、服务组合优化、容错机制等，利用外部功能服务、内部业务服务分别完成外部用户提交的任务和模型自身的优化运行等需求。

5)连接关系：物理实体、孪生模型、服务机制、数据系统这四者要通过连接关系形成整体。这个连接关系不仅包括物理实体与孪生模型、与服务机制、与数据系统的连接，也包括孪生模型与服务机制、与数据系统的连接，还包括服务机制与数据系统的连接。

3 数字孪生在多能互补能源网络技术实现

3.1 微型能源网络建立可行性分析

本文以滨海辖区OZ小微园区为研究对象，利用Tp(动态投资回收期)、NPV(财务净现值)以及IRR(财务内部效益率)三个经济性评价指标[16-17]，分析对其建立微型能源网络可行性。

动态投资回收期：

(1)

其中，CI为第t年收入，即现金流入；CO为第t年投资或支出，即现金流出；i0为行业基准折现率。

财务净现值：

NPV=∑lt/(1+R)-∑Ot/(1+R)

(2)

其中，lt是第t年现金的流入；Ot是第t年现金的流出；R代表折现率；

财务内部效益率：

IRR=s+[NPVa/(NPVa-NPVb)]*(b-a)

(3)

其中，a、b是折现率，且a>b；NPVa是折现率a对应的净现值，NPVa>0；NPVb是折现率b对应的净现值，NPVb<0。

现拟在原配电系统中增加配置光伏与储能设施。

1)光伏。OZ小微园区屋顶光伏总计可安装面积3.52万平方米，墙面光伏总计可安装面积1.34万平方米，项目计划全寿命周期25年，计算预计首年发电量520.67万千瓦时，按照衰减率折减后，OZ小微园区25年总计发电量在11778.88万千瓦时。不计屋顶租金，按5%考虑运行维护成本，0.15%考虑保险费用，全部自筹资金。预计静态总投资2282.18万元， 100%消纳的情况下，计算所得税前内含报酬率8.7%，净现值522.98万元，静态回收期9.49年，动态回收期15.33年。由此可知，在OZ小微园区建设光伏项目满足经济性指标要求，项目具有可行性。

除此之外，根据IEA(国际能源署)发布的《世界能源展望2007》，我国二氧化碳的排放指数在0.814kg/kWh，同时，火电厂上网电量每1kWh需消耗标准煤305g，依照脱硫前统计数据和脱氮前统计数据，要排放6.2g的硫氧化物(SOx)和2.1g的氮氧化物(NOx)[18]，就此计算出本次光伏项目25年总计减少二氧化碳排放95880.08吨，减少硫氧化物排放730.29吨，减少氮氧化物排放247.36吨，环境效益显著，光伏项目建设具备一定必要性。

2)储能。对从生产管理系统、电力营销系统等获取的用户用电负荷数据，中长期负荷预测。考虑碳电比例、实际可用空间及园区用能情况，对OZ小微园区配置0.8MW储能电站。考虑储能设施运行期内容量衰减率与蓄电池更换成本，按照项目计划全寿命周期25年，做经济性指标计算。不计场地费用，按5%考虑运行维护成本，0.15%考虑保险费用，全部自筹资金。预计静态总投资198.4万元，计算所得税前内含报酬率64.98%，净现值1080.39万元，静态回收期2.04年，动态回收期1.35年。由此可知，OZ小微园区建设储能项目满足经济性指标要求，项目具有可行性。

同时，储能电站的建设一定程度上实现电力系统削峰填谷，解决电力在时间和空间上的不平衡，缓和电网峰谷供需矛盾，社会效益显著，储能项目建设具备一定必要性。

3)氢能。OZ小微园区原有氢能发电设备本次不做成本核算，仅将数据同步孪生模型。

3.2 微型能源网络数字孪生模型框架搭建

综合考虑数字孪生模型构建的五个维度以及多能互补能源网络的五个层级，搭建框架模型。

图5 微型能源网络数字孪生模型框架搭建Fig.5 Construction of a digital twin model framework for micro-energy networks

1)基础支撑层。依托电力物联网网关、边缘层感知装置、传感网络等为多能互补微型能源网络的数字孪生提供建模数据。包括基于控制器与传感装置获取的表征冷热电实时动态的电气量、热学、光电数据，基于能源大数据中心的第三方服务机构的实体参数数据等。

2)数据互动层。依托Paas层的数据管理工具，利用Iaas层的云基础设施，对模型孪生出的数据及基础支撑层的上送数据传输、存储、融合与处理[19-20]。DDS协议满足了高实时性与可靠性要求的数据传输，MOTT与COAP解决了数据在不可靠网络场景、低宽带及物联网设备资源受限情况下的传输问题，AMQP为移动式采集设备获取的数据上送云端分析提供支撑，XMPP倚仗及时通信指令及TCP传输完成操作指令下达，REST/HTTP通过开放API实现相关数据在互联网的调用和分析，数据库是数据存储和读取的媒介，它有关系型和非关系型两种，前者用二维表对数据及数据间关系进行存储，后者的存储系统遵循ACID原则；常用的数据融合技术有小波分析、模糊集理论、卡尔曼滤波器等，通过这些技术对孪生数据和多传感数据优化组合获取更多有用信息；获得的原始数据要清洗处理，然后依据需求决定是否集成变换，再进行规约和离散化等，缺失数据可以依靠限制玻尔兹曼机、多维插值技术、主成分分析、生成对抗网络等补足，云计算远程供给可测量、可扩展资源的效用模型与边缘计算就近采集处理功能配合，为高效的数据处理提供支撑[21]。

3)建模仿真层。孪生模型的构建要么基于数据要么基于模型来实现驱动[22-23]。前者是利用机器学习方法，避开复杂的物理建模，直接写入采集、控制装置的测试、监测数据等，利用输入输出的数据描述物理过程，构建数据模型。有监督学习是机器学习的一种，可以通过训练系统历史输入输出数据获取最优模型，并将这个模型与系统拟合，最终新的输入在最优模型中映出相应输出，在机器学习中起到了重要作用；后者能够从物理过程和机理反映物理实体，通过模型驱动构建数字模型，实现过程分实景化孪生模型构建和实体规则和行为表征两个步骤。实景化孪生模型构建依托三维可视化仿真技术与模型轻量化技术，本文的三维可视化仿真技术基于VR-Platform，轻量化技术靠EVdvue实现。实体规则和行为表征主要利用全尺度多物理场仿真机模型降阶技术。

4)功能应用层。以工业软件及APP的形式将边缘层、IaaS层、PaaS层等的研究成果固化与封装，最终服务于动态调度、策略控制等全生命周期[24-26]。

3.3 多能互补微型能源网络数字孪生的实现方法

多能互补微型能源网络数字孪生的实现，关键在于三个方面[27-28]。一是采集层，为满足不同应用场景，要综合考虑面向多种物理量的一体化、智能化、小型化采集终端；二是终端侧，考虑效率，装置需要根据场景具有一定的边缘计算能力，对于简单重复类数据能够利用智能算法和边缘计算终端就地采集分析；三是云端，为实现驱动应用，各类数据要在云端充分分析融合，从而实现其中各形式能源动态及用户实时用能需求的即时感知。在此基础上，本文提出基于ANSYS Twin Builder及Microsoft Azure IoT的多能互补微型能源网络数字孪生实现方法。通过对滨海辖区OZ小微园区建立微型能源网络构建数字孪生模型实时仿真，即时分析了解能源网络的状态分布。

图6即为本文提出的基于Microsoft Azure IoT的多能互补微型能源网络数字孪生的实现框架，孪生功能的实现分为三个阶段：监测数据流发送至云、多物理场仿真平台上构建数字孪生模型并以Paas层建模导出至IoT平台、孪生模型与监测数据通过IoT平台集成最终实现数字孪生。

图6 多能互补微型能源网络数字孪生实现方法Fig.6 Digital twin implementation method of multi-energy complementary micro-energy network

阶段1：在模拟平台——Microsoft Azure IoT上上传发监测数据，把数据送达云。

面对监测装置的数据传输协议可能都不同的现状，我们首先要通过网关或直连的方式将它转化为MOTT等协议，然后再将监测数据传送到Azure的IoT Hub；红外图谱和各类文档等非结构化数据的文档，则要通过SDK上传至Azure的IoT Hub。最终，这些数据在Azure上进一步部署，对数据的分析、融合、存储、可视化等。至此，各类监测数据以及非结构化数据都在这个阶段被传送至云，为实现多能互补微型能源网络的数字孪生提供数据源。

阶段2：数字孪生模型构建

这一阶段，要在Twin Builder上构建多物理场的数字孪生模型，这一模型能够实现实时数据多物理场即时仿真的同时，文件导出以Azure为支撑的数字孪生建模语言。

图7为基于Twin Builder多能互补微型能源网络多物理场孪生模型的构建过程。上图中实时场的输入是包括辐照强度、风力风速、温湿度等在内的表征环境特性的指标参数，实时场用能需求特性的输入为用能实体在冷、热、电方面的终端需求，经Modelia模型、能量场部分降阶模型分析处理，最终以．twin文件的形式导出的孪生模型配合Twin Deloyer衍生的SDK部署到Azure平台。

图7 基于Twin Builder的多能互补微型能源网络多物理场孪生模型Fig.7 Twin model of multi physical fields in multi-energy complementary micro energy network based on twin builder

阶段3：孪生模型与监测数据通过Azure集成，最终实现数字孪生。

图8 模型与数据在Azure的集成Fig.8 Integration of model and data in Azure

基于Azure前期部署，促成模型与数据的集成。利用数据对孪生模型的驱动作用，通过Azure实时调用和仿真结果显示，实现数字孪生。

图9 滨海辖区某小微园区微型能源网络孪生模型应用效果Fig.9 Application effect of twin model of micro energy network in a small and micro Park in Binhai area

4 结论

随着双碳目标的逐步落地，多能互补协调利用、微电网日益壮大成为当前能源行业发展的必然趋势[29-30]。本文研究了数字孪生模型框架里的要素关系，就多能互补能源利用现状展开分析，搭建了多能互补能源体系数字孪生模型框架，提出了基于ANSYS Twin Builder及Microsoft Azure IoT的多能互补微型能源网络数字孪生实现方法，以此对滨海辖区某一小微园区现有微型能源网络构建孪生模型，即时分析了解能源网络的状态分布，为园区内各种能源形势的动态调度提供辅助决策。希望本次研究，能为打造小区间的多能互补微型能源网络，形成小微园区零碳、负碳生态样板提供理论参考，从而以点带线，以线带面，助力构建区域能源互联网，推动新型电力系统建设和双碳目标达成。