数字孪生虚拟电厂系统框架设计及其实践展望
来源：中国电机工程学报
作者：严兴煜，高赐威等
摘 要
随着国家“双碳”及“构建以新能源为主体的新型电力系统”等目标的提出，清洁化、数字化越来越成为电力系统面临的迫切需求。虚拟电厂基于先进的控制、计量、通信等技术聚合需求侧海量多元分布式资源，可以通过多样化的调节手段为电力系统提供必要的灵活性支撑，并同时助力可再生能源消纳。而数字孪生技术利用大数据、云计算、人工智能等数字技术对分布式资源物理实体的特征、行为、过程和性能等进行虚拟建模，是实现虚拟电厂运行优化的理想途径。该文展望虚拟电厂未来技术发展方向，基于数字孪生的概念、架构和特征，提出数字孪生虚拟电厂系统，深入阐述数字孪生虚拟电厂的内涵，构建基于物理实体、数字孪生体、孪生数据、连接以及智能应用等的数字孪生虚拟电厂总体架构，分析相关关键技术，并对其未来应用实践进行总结与展望。
0 引 言
我国“双碳”及“构建以新能源为主体的新型电力系统”等目标的提出将推动电力系统向适应大规模、高比例可再生能源方向快速演进。然而，大规模间歇性可再生能源从需求侧接入电网，将不确定性传递至主网，也增大电力系统维持供需平衡的难度[1]。
未来，需求侧分散式风电、屋顶光伏、储能、电动汽车、柔性负荷等分布式资源(distributed energy resources，DERs)大规模并网的电力系统将呈现出结构复杂、设备多元、技术庞杂的特点。传统“源随荷动”的机理模型和优化控制方法将难以满足电网运行优化以及系统灵活性的要求，迫切需要需求侧分布式资源参与提供必要的灵活调节能力[2]。
近年来，新一轮电力市场化改革以及新型互联网技术、通信技术和智能用电技术的推广，使得虚拟电厂(virtual power plant，VPP)技术在需求侧为多元DERs消纳和电力系统数字化转型提供了新的思路。通过对海量多元DERs的聚合调控，虚拟电厂既有传统电厂出力稳定和批量售电的特点，又有较好的灵活性，为输配电网提供管理和辅助服务的同时提升DERs的收益。
然而，目前对于虚拟电厂的研究主要集中在聚合多元DERs的虚拟电厂运行调控策略及市场环境下统筹DERs参与电力市场交易两个方面。未来，随着需求侧市场主体快速增加、业务规则变化频繁、对外数据交互快速增长以及系统安全风险增加，亟需研究如何将先进信息通信技术、大数据分析、人工智能方法与控制技术和能源技术深度融合应用，通过数字化手段赋能虚拟电厂，不断提升输配电网对需求侧海量多元DERs的全息感知能力与灵活控制能力，为虚拟电厂参与电力市场构建新的商业模式，并从需求侧为电网平稳运行提供灵活性调控手段[3]。
近年来，以新一代信息技术为代表的数字经济已成为全球经济发展的热点，欧美各国纷纷提出数字经济战略；与此同时，在创新、协调、绿色、开放、共享的新发展理念指引下，我国也高度重视发展数字经济[4]。其中，数字孪生结合“大云移物智链”等技术，给智慧城市、智能医疗、航空等多领域的数字化转型提供了新的思路。近两年已有部分文献研究数字孪生技术在能源电力行业的应用，逐步探讨基于数字孪生的数字化技术对能源电力行业的赋能作用。运用数字技术，借鉴互联网理念，将加快实现电力系统从能源生产到客户服务等领域的数字化转型[5-6]。
总体来说，数字孪生技术保真、实时、闭环的特性决定了其特别适用于资产密集型、高可靠性需求的复杂系统[7]，而虚拟电厂是融合需求侧海量多元DERs的综合复杂系统，与数字孪生技术的应用领域高度相符。然而，目前数字孪生技术在虚拟电厂领域的研究仍处于起步阶段，比如上海交通大学艾芊老师团队初步探讨数字孪生技术在智慧微电网中的应用[8]。
基于数字孪生技术在能源电力系统领域的研究基础，本文进一步提出基于数字孪生的虚拟电厂系统。作为一项关键数字信息技术工具，数字孪生可以有效发挥其双向互动、可扩展、实时、保真以及闭环的特点，在虚拟电厂模型构建、数据采集、模拟分析、仿真预测等方面发挥其优势，推进虚拟电厂的数字化、信息化、智能化发展。以智能化、数字化为纽带，数字孪生将有效贯通需求侧用户、聚合商、输配电系统的交互，建立DERs与电力系统的互动反馈机制；以能源综合利用为手段，挖掘多能互补协同与综合需求响应潜力，释放需求侧调节灵活性，通过精细化管理提升系统效率。
本文首先分析虚拟电厂在数字化转型过程中面临的挑战和未来发展方向。其次，基于数字孪生的技术特点，首次阐释数字孪生虚拟电厂的定义，并进一步提出基于DERs物理实体、数字孪生体、孪生数据、交互连接以及智能应用等业务环节的系统框架。再次，系统分析数字孪生虚拟电厂涉及的关键技术，为其后续建设实施提供理论支撑。最后，对其在建模仿真、规划、调度、健康管理以及价值创造等方面应用实践进行展望。
1 虚拟电厂
1.1.1 虚拟电厂技术研究现状
自1997年Awerbuch博士提出“虚拟电厂”这一术语，国内外众多学者对虚拟电厂进行多方面解读，然而尚未有一个权威的定义[9-12]。综合文献中对虚拟电厂概念的阐述，虚拟电厂可定义为通过先进的信息通信技术、智能计量以及优化控制方法，有效聚合DERs作为统一整体参与电力市场和电网优化调控运行的“源−网−荷−储”协调管理系统。从技术方面来讲，现阶段对虚拟电厂的研究多集中于运行调控策略和参与电力市场交易两个方面。
1）虚拟电厂运行调控策略主要研究其聚合多元DERs，在满足各类机组运行特性和配电网安全运行约束条件下，以收益最大或运行成本/碳排放最小为优化目标，配置DERs容量或优化调度其出力，目前已有大量相关的研究成果。例如，文献[13]考虑水、风、光的互补和协同运行特性基础上，研究虚拟电厂分别在孤岛和并网环境下的发电量申报策略；文献[14-16]探讨考虑风险约束条件下虚拟电厂电源容量配置以及参与电力市场购售电和能量管理策略；文献[17]提出虚拟电厂在电能量与备用容量联合市场中交易的风险规避最优报价模型；文献[18-19]采用双层优化方法，对比分析不同容量比例下虚拟电厂整体经济效益和各分布式机组的净收益。
考虑到分布式可再生能源的不确定性[20]，文献[21]通过对风电出力和市场电价预测的不确定性建模，将不确定性优化问题转化为随机自适应鲁棒优化问题；文献[22]通过置信区间对风电不确定性建模以及多情景方法对电价预测不确定性建模，将模型转换为鲁棒优化问题进行求解。此外，文献[23]研究基于“云–群–端”的虚拟电厂调度框架，提出了面向多元DERs的标准化建模方法以及与电网交互调度策略。
2）虚拟电厂参与市场交易能够基于其灵活可调的特点，快速响应市场电价变化。随着电力市场机制逐步完善，虚拟电厂将通过参与日前、实时、平衡市场，以及辅助服务等市场，促进电力市场自由化、增加市场灵活度，并主动引导用户参与调峰调频等。比如，文献[24]中将虚拟电厂定义为以市场整合和服务为中心的聚合商，研究通过聚合DERs参与市场交易以减少弃风弃光量；文献[25]基于电网安全性约束，提出一种基于非合作博弈的虚拟电厂优化调度策略。
然而，上述研究只考虑虚拟电厂参与能量市场交易的策略，随着先进信息技术与控制手段的发展，虚拟电厂将不断增强对DERs掌控能力，参与更广泛的电力市场交易[26]，并通过提供多元辅助服务提升DERs收益。比如，文献[27]通过对虚拟电厂备用容量与无功调节价值进行合理评估，提出一种基于多级协同方法的虚拟电厂无功辅助服务交易决策方法，使其通过参与系统调压支撑电网安全稳定运行。
1.1.2 工程实践
欧美自本世纪初就开始虚拟电厂的相关研究，其中，欧洲主要关注电源侧分布式发电资源的并网和电力市场运营，目的是提高分布式电源并网友好智能互动性，使分布式发电厂更充分、更安全、更高效、更可靠地参与到电力市场中，打造持续稳定发展的商业模式。比如欧盟FENIX项目(将虚拟电厂划分为商业型虚拟电厂和技术型虚拟电厂)和丹麦EDISON项目[28]，德国E-Energy项目和法国PREMIO示范项目[29]。
而以美国为代表北美则聚焦于负荷侧，通过自动需求响应和能效管理，提高可再生能源消纳和综合能源利用率的同时实现动实时供需平衡[12]。相较于国外，国内对虚拟电厂的研究起步稍晚。不过近年来我国在上海、冀北等地方也已开展虚拟电厂的初步实践，其中，上海黄浦区试点世界首座“商业建筑虚拟电厂”，通过控制与通信技术，将众多用能设备削减负荷的能力视为虚拟出力，参与市场和电网调度运行[30]；国网“冀北虚拟电厂”投运成为全国首个以市场化方式运营的示范工程[31]。此外，我国在虚拟电厂的实践还结合泛在电力物联网的建设，初步开展了一些以商业建筑、柔性负荷为主的需求响应型虚拟电厂的探索[32]。
1.2.1 虚拟电厂架构研究
由于虚拟电厂聚合的DERs位置散、分布广，因此需要按照细胞−组织的架构进行底层设计，通过动态组合、互通互济、互利互惠实现优化聚合，并按照分层分区方式实现虚拟电厂内部资源的全局与分布式优化。此外，结合新型电力系统的建设要求，虚拟电厂的框架研究还需要融合大数据、云计算、人工智能等数字化方法，推动以“电力”+“算力”的虚拟电厂架构体系建设，促进虚拟电厂网络化、智能化、数字化转型。
1.2.2 虚拟电厂协调优化运行
虚拟电厂内部资源的多元海量特性以及灵活多变的聚合方式，使得传统由调度中心整合全局运行数据进行统一调度的集中控制方法难以实现灵活高效的调度控制和多元资源的有效协调。同时，由于大量DERs带来的弱预测性和随机性，大大削弱日前调度计划的经济性。因此，亟需先进的数字化技术以及人工智能方法作为支撑，比如电网量值量测与传递，设备状态感知与在线监测，以及基于大数据与人工智能方法的实时预测、趋势分析以及智能决策等。
1.2.3 虚拟电厂支撑技术
首先，基于DERs聚合的虚拟发电单元由于模型参数复杂，在使用过程中需要基于多种条件假设进行简化，导致其模型精度较低；基于数据驱动又存在需要大量历史数据积累的高门槛。因此，需要结合物理模型和数据挖掘理论对虚拟发电单元进行联合建模，提升模型的精确度和可用性。
其次，DERs种类多、数量大、单体容量小且存在多种不确定性，需要对其进行有效聚合与参数辨识。再次，基于需求侧海量数据的分析挖掘对电力用户进行精准画像，可以辅助售电公司决策，提供包括负荷预测、需求侧响应实施、售电套餐制定等差异化增值服务。上述支撑技术覆盖了数据的采集、存储、计算、分析与决策全过程，并且需要通过数据的实时采集与动态更新确保模型的准确以及决策的实时性，因此需要具有强大的数据管理能力和超强计算能力的数据业务平台作为支撑。
1.2.4 虚拟电厂的商业模式
商业模式方面，需要综合虚拟电厂内部DERs各方的利益诉求, 设计合适的收益分配方案；基于虚拟电厂效益评价数据，研究虚拟电厂合理的商业开发融资模式。同时，考虑我国电力市场发展的可能性及各种能源增值服务的需求，最终形成“源−网−荷−储”型虚拟电厂多种商业运营模式，最大化虚拟电厂运营的综合效益。
此外，研究基于区块链的分布式可交易能源就近消纳机制，可充分调动DERs参与市场化交易的积极性。由于虚拟电厂参与市场的结构包括设备层的多元DERs、用户层的聚合商以及应用层的电力市场信息，数据结构复杂多元，并处于不同的软件生态，因此亟需建立数据管理平台，便于虚拟电厂运营商对数据进行深层次的挖掘，增强多维模型的配合与集成，以应对不同场景做出差异化智能决策。
2 数字孪生
2.1.1 数字孪生的概念
早在2003年前后数字孪生的理念就已出现于密歇根大学Grieves教授的产品全生命周期管理课程中，然而“数字孪生”一词直到2010年才正式出现在NASA的技术报告，并在接下来的几年中被广泛地应用于航空航天领域，包括机身设计与维修、飞行器能力评估、飞行器故障预测等[33-35]。近年来，得益于“大云移物智链”等新一代信息技术的发展，数字孪生已经被广泛地应用于电力[36]、船舶[37]、智慧城市[38]、医疗健康[39]等领域。
目前，数字孪生的概念还在不断的发展和演变中。总结各方研究，数字孪生是基于物理模型，充分利用传感器技术感知与存储物理实体、仿真、知识、应用等多源数据，集成多学科、多物理量、多时空尺度的仿真分析，进而在虚拟空间中形成数字映射，从而反映对应全生命周期物理实体与孪生数据的转化与连接过程的方法。从功能视角来看，数字孪生应用需要物理基础设施的支撑，物理世界中产品、服务以及过程数据同步至虚拟空间中，而虚拟空间中的模型和数据会与应用过程进行反馈交互。通过输入物理世界信息以及相关激励，输出包括预测、仿真、优化、健康监测等实时分析结果。
2.1.2 数字孪生的特点
从概念来看，数字孪生有以下典型特征[40-41]：
1）互操作性：物理实体和数字空间双向映射、动态交互和实时连接，因此物理-数字孪生系统能够量测获取实时数据更新数字模型，同时通过控制接口将数字模型中校正计算后的控制参数回传给实体控制器，实现对物理设备的精确控制。
2）可扩展性：数字孪生技术能够方便地集成、添加和替换数字模型，便于针对多时间尺度、多物理、多层级的模型进行规模扩展。
3）实时性：通过对随时间轴变化的物理实体进行数字化表征，形成物理实体实时状态的数字空间映射，其中被表征的对象包括物理实体的外观、状态、属性和内在机理等。
4）保真性：数字孪生要求数字孪生体和物理实体保持几何结构的高度相近，即数字孪生体同时在状态、相态和时态上仿真物理实体。
5）闭环性：数字孪生体通过可视化手段描述物理实体的内在机理，对物理实体的状态进行监视，通过智能算法等优化物理实体的状态及运行参数，并通过反馈决策功能实现闭环。
2.1.3 数字孪生技术
数字孪生是以模型和数据为主要元素构建的系统工程，适合采用大数据、人工智能等进行复杂任务的处理，是推动企业数字化转型、促进数字经济发展的重要手段。根据数字孪生体系的不同层级划分，其涉及的关键技术包括数字化模型构建、数据互动、仿真分析、决策支撑等[33,42]。例如，孪生空间集成物理感知、模型生成、仿真分析等过程生成的多源、异构全要素海量数据，利用大数据分析方法能够充分挖掘有效信息，有效支撑系统决策。
此外，数字孪生的规模弹性大，从单元级到复杂系统级，计算与存储需求迅速增加，云计算可利用其按需使用和分布式共享模式的优势动态地满足数字孪生计算与存储需求。再次，基于人工智能算法，在无需数据专家参与情况下对孪生数据进行深度知识挖掘，提供定制化精准服务，提升数据的附加值。另外，区块链技术可确保孪生数据不可篡改、可跟踪、可追溯等。
2.2 数字孪生在能源
电力系统中的研究现状
近年来，已有研究开始逐步探讨将数字孪生技术应用于电力系统方向。例如，在框架与综述性研究方面，文献[43]总结国内外面向智慧能源系统的数字孪生技术发展经验，分析其在智慧能源行业的部署和应用，并从技术、生态和政策3个方面给出发展建议；文献[44]提出数字孪生电网的概念、构建框架以及关键技术，并根据电力行业的特点提出其可实现的典型应用场景；文献[45]提出一种能源互联网数字孪生框架，并给出针对设备状态评价、“源−网−荷−储”自主调控、电网在线分析、综合能源自治协调、用户数据挖掘等场景的应用路线；文献[46]分析综合智慧能源数字孪生系统在智慧城市发展中的价值，阐述其关键技术，以及与综合能源系统的规划、运行、控制、优化等的融合应用；文献[47]设计数字孪生电力系统的框架并探究其建设所面临的关键问题和核心技术，并探讨其在电力系统多个领域的应用与发展前景；文献[48]介绍电力装备数字孪生实现所需的关键技术，并分析其在数据采集、模型构建与求解、平台使用方面的挑战。在数字孪生技术的具体应用方面，文献[49]提出一种基于数字孪生的光伏发电功率超短期预测机制；文献[50]提出能源互联网数字孪生的构建方式，介绍基于数字孪生的能源互联网规划平台CloudIEPS；文献[8]提出基于数字孪生驱动的智慧微电网多智能体控制架构，构建孪生智能体模型组件并建立组件之间的信息交互与传递机制；文献[51]针对风电出力的波动性提出一种基于数字孪生混合储能的控制策略，对储能设备的运行效率进行优化；文献[52]提出基于数字孪生的柔性直流输电系统纵联保护原理，建立精确的直流线路数字孪生模型；文献[53]提出一种基于数字孪生的电力系统在线分析架构，并通过仿真分析验证了所提方法的有效性。
3 数字孪生虚拟电厂
基于上述虚拟电厂以及数字孪生技术在能源电力方面的研究现状，本文进一步提出基于数字孪生的虚拟电厂的概念。数字孪生虚拟电厂是物理空间实体和信息维度虚拟电厂虚实交融与共存的发展形态。数字空间通过接受来自物理DERs实体、环境、市场等各类信息，创造一个与物理虚拟电厂匹配对应的虚拟空间，并与物理虚拟电厂同步演化，以全息模拟、动态监控、实时诊断、精准预测等形式反映虚拟电厂在现实环境中的状态，进而推动虚拟电厂全要素数字化、全状态实时可视化、多层级运行管理协同化和智能化，实现对物理虚拟电厂的全面精准监测、与虚拟空间协同交互，并将诊断、预测、参与电力市场和调度控制等分析结果反馈给虚拟电厂物理实体。
通过将虚拟电厂决策系统与数字孪生相结合，形成能够不断学习和进化的智能决策支持系统，提高需求侧物质资源、智力资源、信息资源的配置效率，从而推动虚拟电厂的整体优化运行。作为连通海量多元DERs与输配电网数据资源的闭环赋能体系，数字孪生虚拟电厂将通过资源全域标识、状态精准感知、数据实时分析、模型科学决策、智能精准执行开辟数字化智能电网建设和运行管理新模式。
数字孪生虚拟电厂构建要同步规划虚拟电厂物理实体与数字孪生虚拟空间，从建模阶段开始构建数据中台，形成静态属性数据库；同时，在运行过程中不断向虚拟空间导入仿真、知识、应用等相关模型与管理数据，不断完善数据中台数据库；并在运营阶段依托智能分析平台实现对虚拟电厂的决策支撑和优化管理。对已建成并投入使用的DERs，通过数字化建模和部署物联网设施将其纳入到数字孪生虚拟电厂体系中，通过智能感知和数据采集补充完善信息中枢数据中台。
在优化运行方面，虚拟孪生空间与物理实体通过高效连接和实时传输实现孪生并行与虚实互动。通过物联网智能感知和信息实时采集技术实现“由实入虚”；虚拟电厂物理实体和虚拟空间通过反馈机制实现虚实迭代，并通过智能决策平台的支撑和实时优化运行控制实现“由虚控实”。
针对上述数字孪生虚拟电厂的构建需求，本文参考工业领域的数字孪生五维模型[54]，提出包含物理实体、数字孪生体、孪生数据、连接以及智能应用等的数字孪生虚拟电厂系统(digital twin virtual power plant system，DTVPPS)，如式(1)所示。
式中：PVPP为虚拟电厂物理实体；VVPP为数字孪生体；DTDate为孪生数据；CN为系统各部分之间的连接；DT&S表示孪生系统提供的服务；DTVPPS总体架构如图 1所示PVPP通过智能传感器、物联网等数字技术对DERs和市场等实体对象的特征、行为、形成过程和性能等进行数字化描述，构建历史及实时运行数据库；VVPP利用数据整合和模拟运算形成完整数字孪生映射，并通过实时仿真实现对虚拟电厂未来态的演化及预测，以可视化方式展现给用户，在提供安全预警、故障诊断等DT&S的同时支撑虚拟电厂的安全与稳定运行。最后，通过高效连接与实时传输，实现各部分协同互动，对物理实体的反馈控制及VVPP中仿真模型的迭代生长。
3.2.1 物理实体(PVPP)
PVPP的构建可自下而上根据层级逐步完成，具体包括：
1）设备级：包括配网侧分布式光伏、分散式风电、燃气轮机等发电资源，家庭/公共电动汽车充电桩、空调、热水器等柔性负荷和其他电/气/冷/热等负荷，以及分散式储能、储热罐、冰蓄冷、PtoX等储能设备；
2）用户级：包括学校、工业园区、商业楼宇、能源站、微网、数据中心、居民小区、储能电站，以及智能配用电系统等设施；
3）虚拟电厂级：包括光伏电站、燃气电站等源侧电源，以及根据DERs特性动态聚合的虚拟电厂。
单个DERs数字孪生体是DTVPPS的最小虚拟单元，通过数字孪生体构建将实现对DERs的实时监测与故障预判等；由多元DERs聚合构成用户级虚拟发电单元，实现其内部资源之间的优化运行；多个用户级虚拟发电单元根据多能互补特性以及所处的地理位置等实现动态聚合，进而构建虚拟电厂级数字孪生系统，实现区域内海量多元DERs优化调度、市场参与以及能效提升等。多个DTVPPS通过协同、博弈等形式构建更大范围的DTVPPS，预测配电台区演化，提高可再生能源接入比例，优化DERs容量配置，提升系统灵活性。
3.2.2 数字孪生体(VVPP)
VVPP是虚拟电厂实体在虚拟空间中的镜像，包括物理模型(MM)、数据驱动模型(MD)以及物理与数据联合驱动模型(MM&D)，如式(2)所示。
利用多元模型从多维时空尺度对PVPP进行描述与刻画，其中，当物理过程充分可观测、有固定的数学模型时则选择物理机理建模；当物理实体参数无法直接量测、物理机理模型求解困难或DERs物理机理不明确时，则通过对采集的数据进行整合提炼获得数据驱动模型；当两者单独建模无法满足准度与精度等要求时，则采纳联合建模方式，通过数据驱动模型作为误差补偿器对机理模型进行补偿修正，提高整体模型的精确度。
VVPP可以摆脱物理世界中空间、时间、环境等的限制，通过对虚拟电厂运行状况的推演和预测，预判潜在故障，或对已有故障给出合理的解决方案，实现对虚拟电厂故障的预防或即时解决。
3.2.3 孪生数据(DTDate)
PVPP向VVPP的映射是基于感知技术及采集终端实现“源–网–荷–储”各环节电气量、状态量、物理量、环境量、空间量、行为量等多元海量数据的智能感知与采集过程。因此，DTDate是DTVPPS的核心，包括数据的采集、存储与管理系统，包含物理实体数据(DTpvpp)、数字孪生体数据(DTVVPP)、智能实体应用数据(DTS)、知识数据(DTK)以及多元数据融合产生的数据(DTF）等，如式(3)：
式中：DTpvpp包括虚拟电厂物理实体规格、功能、性能、关系等的物理要素属性数据，以及反映虚拟电厂“源−网−荷−储”各环节物理实体运行状况、实时性能、环境参数、突发扰动等的动态过程数据；DTVVPP包括模拟仿真生成的包括稳态潮流、电压数据，以及虚拟电厂实时运行相关约束、规则、分析以及评估等数据；DTS包括服务对象、统计分析、规则、结果等非结构化数据；DTK包括专家知识、行业标准、规则约束、推理推论、常用算法库与模型库等；DTF是对DTpvpp、DTvvpp、DTS、DTK、DTF进行转换、分类、关联、集成、融合等处理后得到的衍生数据，通过融合虚拟电厂物理实况数据与历史统计数据、专家知识等信息数据，得到信息物理融合数据，进而实现信息的共享与增值。
3.2.4 连接(CN)
CN是实现DTVPPS各环节高效连接、实时传输、协同交互以及迭代优化的网络连接，包括PVPP、VVPP、DT&S相互之间的连接，以及它们与DTDate之间的相互连接等。与DTDate交互方面，利用各种传感器、嵌入式系统、数据采集卡等对PVPP数据进行采集，通过现场总线传输到DTDate；VVPP将仿真及相关数据实时存储到DTDate，同时实时获取相关数据进行动态仿真，并将通过仿真处理的数据或指令反馈给物理实体，实现虚拟电厂的优化调度。同样，应用服务在读取历史、规则、算法、模型数据进行业务支撑与运营管理的同时，也将产生的相关数据实时存储到DTDate。
DT&S和VVPP之间通过软件接口实现双向通信，完成直接的指令传递与消息同步等；VVPP可以利用PVPP的实时运行数据更新校正模型，同时PVPP可以利用VVPP分析结果实现对虚拟电厂的反馈控制。此外，针对虚拟电厂海量多元数据的传输需求，可结合“云–边”协同技术等实现各类传感器即插即用与广域范围灵活接入，形成覆盖整个DTVPPS的高可靠数据传输网。
3.2.5 应用服务(DT&S)
DT&S包括对DTVPPS应用过程中所需各类数据、模型、算法、仿真结果进行封装，以支撑内部功能运行与实现的“功能性 服务(SF)”，以及以应用软件等形式满足虚拟电厂各领域多元用户的“业务性 服务(SB)”，如式(4)所示。
DT&S的SF包括面向VVPP提供的模型管理服务，面向DTDate的数据存储、清洗、挖掘、融合等服务，以及面向CN提供的数据采集、感知接入、传输、协议、接口等连接服务等。SB包括面向终端操作人员的指导性 服务；面向技术人员的专业化技术服务，比如DERs多时间尺度预测、参与电力市场策略、动态优化调度等；面向管理人员的需求分析、风险评估等智能决策服务及面向终端用户的功能体验、远程维修等产品服务等。
数字孪生虚拟电厂是多源数据整合、多门类技术集成和多类型平台功能贯通的面向新型数字化智能配电网的复杂技术和应用体系，通过与现有虚拟电厂管控平台结合，将有效支撑电网数字化。首先，虚拟电厂的典型结构由设备层、用户层、虚拟电厂层和应用层组成。其中，设备层包含分布式电源、储能设备、电动汽车、柔性负荷、PtoX设备等多元DERs；用户层包含有多个储能设备的储能服务商、数据中心、商业楼宇、公共建筑、居民及中小用户等；虚拟电厂层与柔性资源之间通过集中式控制方式主动聚合DERs，使得虚拟机组可通过价格或其它信号优化调度需求侧资源；应用层依托虚拟电厂管理平台负责审核虚拟电厂准入条件、接入方案、外特性以及响应信息等。
电力交易平台根据准入审核结果进行市场交易，将出清结果发送到调度平台进行安全校核；调度系统下发调度需求至虚拟电厂管理平台，后者将调度指令进一步分解到用户层和设备层，实现闭环控制。与之相对应，DTVPPS技术生态系统由物理层、感知层、信息中枢层和智能应用层组成，如图 2所示。
3.3.1 物理层
物理层是数字孪生虚拟电厂的基础，主要包括虚拟电厂涉及的“源–网–荷–储”相关环节物理实体、电力市场、配电网运行以及人员行为等。物理层是孪生数据的载体，为感知层提供各类物理实体参数、市场运行指标、电网参数以及人员行为相关数据。此外，物理层还包括通信线路、网络系统、主机服务器系统、存储设备等和其他基础硬件设施，是保证整个信息体系运行的前提。
3.3.2 感知层
感知层是DTVPPS数据感知接入的媒介，通过高性能传感器收集虚拟电厂物理实体的电气量，与虚拟电厂接入范围相关的环境量、配电网状态量、物理量等，实现对虚拟电厂聚合物理对象的状态感知、数据传输、环境监测以及行为追踪等。感知层将收集的数据，或从环境中获取的知识信息存储并纳入到数字孪生系统中，实现虚拟电厂物理实体与虚拟空间的连接。基于深度学习等人工智能算法构建虚拟电厂在数字孪生空间的镜像系统，通过基于云计算与边缘计算的离线学习与在线决策相结合方式提高系统计算效率，支撑虚拟电厂“源–网–荷–储”智能优化运行。
3.3.3 信息中枢层
信息中枢是DTVPPS的智慧大脑，由数据中台、孪生模型以及智能分析平台等内容构成。其中数据中台SCADA获取和存储电网在线数据、天气/季节/社会等应用与知识数据、电网故障数据以及设备状态数据等，形成包括虚拟电厂内部DERs以及市场、环境等相关的历史数据、实时数据以及模型仿真数据库。
数据中台可实现数据管理和共享，是数字孪生虚拟电厂的核心驱动力，支持批量数据的接入、统计、浏览、查询、删除与管理等功能。孪生模型构建采用预测、状态、行为、预警等仿真数据，基于物理模型、数据驱动模型以及物理和数据融合模型3种方式构建孪生体。智能分析平台包括数据分析、仿真计算、场景模拟、智能计算以及人工智能算法等功能。此外，还将涉及到包括基于软件定义的终端管理及接入技术、高性能传输与存储技术、数据共享服务等相关技术。
3.3.4 决策应用层
决策应用层按场景分为设备管理、配网接入、应用业务以及运营管理模块等。其中，设备管理模块包括DERs设备自主状态管理、实时故障诊断、检修计划制定等；配网接入管理包括安全预警、在线分析、DERs接入优化、电动汽车充电桩规划、储能配置等；业务模块包括分布式电源发电功率、行为、故障等的预测，以及用户数据挖掘与增值互动等；运营管理包括终端用户资产分类聚合与虚拟电厂外特性管理、虚拟电厂参与多元电力市场的交易、结算、追踪，多维时空尺度的优化调度，以及全价值链协同优化与可视化等。
4 数字孪生虚拟电厂实践展望
4.1.1 虚拟发电单元建模仿真
建模仿真基于数字化形式精确复现虚拟电厂聚合资源、配电网以及市场等主要因素，用于开展虚拟电厂市场竞价、DERs监测分析与运行优化等。虚拟电厂聚合多元DERs而内部结构复杂，充分利用DTVPPS信息中枢数据中台，结合物理机理与数据驱动建模的优势，通过有机融合实现虚拟电厂物理资源到虚拟空间的完整映射，构建数字孪生体，形成精确的数字化仿真模型。
目前，虚拟电厂建模仿真仍主要以基于数学公式和物理机理的模型为主，基于数据驱动建模也有部分研究，比如文献[55]针对参与需求响应用户的特性不同、响应能力差异大，以及多类型资源组合后整体响应特性呈现高维、非线性、非凸的复杂特征问题，提出一种基于数据驱动的建模方法，实现对聚合体复杂响应特征的有效表征；文献[56]基于数据分析，研究利用深度学习与聚类分析技术进行发电、负荷以及储能等设备的数据驱动建模方法。未来，还可以通过类别均衡算法、策略网络和价值网络数据学习等算法，克服原始数据不统一和缺失问题；基于代价敏感学习、机器学习反演和参数识别，克服机理模型建模困难且准确度低的缺点；以及通过集成学习算法，提高系统运行状态评价方法的通用性等。
4.1.2 数字孪生虚拟电厂规划
随着电力市场的逐步放开，电力系统规划、运行、管理等诸多方面都将发生变化，传统以年为单位的按时规划已经不能适应当前快速变化的电力系统需求。将数字孪生概念引入虚拟电厂规划，首先可以及时反映市场价格信号变化，使需求侧多元DERs规划适应市场需求；其次，通过数字孪生系统多时间尺度仿真与预演，在数字空间低成本试错，避免电源、电网、变电站、储能等硬件设施过度建设，以按需规划取代按时规划，精准量化虚拟电厂投资规模；再次，极端情况下数字孪生虚拟电厂能够基于数据分析、仿真计算、场景模拟等方法进行异常识别与安全预警，并将结果及时反馈至物理电网，指导虚拟电厂建设，避免按时规划的滞后影响，如图 3所示。
需要强调的是，运营商在数字空间根据仿真技术预测和推演虚拟电厂物理实体的发展，再将结果反馈至物理实体，从而影响虚拟电厂物理实体的发展轨迹，形成闭环反馈。基于数字孪生的虚拟电厂规划可结合大数据分析与人工智能算法，推演其最优演化方向，并给出定制化应对措施，并能够通过预演与反馈机制对物理实体生命周期中任意时间尺度的发展轨迹产生影响[13]。
4.1.3 数字孪生虚拟电厂优化调度
当前虚拟电厂基于物理模型的建模方法难以有效应对配电网“源–网–荷–储”协同优化运行问题。同时，传统基于简化与假设条件构建的虚拟电厂仿真分析与决策模型难以准确描述虚拟电厂的动态行为过程，也难以实现与环境以及物理实体的实时交互。数字孪生虚拟电厂能够实时感知多元DERs状态以及配电网、市场等相关数据，同时在智能分析平台嵌入深度强化学习等人工智能算法，支撑虚拟电厂运行状态智能评估和故障预警等，如图 4所示。同时，DTVPPS提供虚拟空间与物理实体的实时连接，支持物理与数据驱动融合模型与环境实时交互，实现模型动态迭代优化，提高控制精确度。此外，通过实时反映设备负载、用户负荷、新能源出力、配电网运行状态等，实现虚拟电厂状态监测，并及时有效地调整优化调度策略。再次，通过自主学习，智能应用平台根据多能互补效益制定最优的聚合策略，从而增强虚拟电厂的针对性，提高其参与电力市场的收益，提升电力系统灵活性，促进可再生能源消纳。
4.1.4 数字孪生虚拟电厂智能健康管理
当前针对需求侧多元DERs的管理面临状态监测困难、故障诊断与维护复杂等问题。数字孪生虚拟电厂通过对DERs设备状态与信息的智能感知与采集，构建虚拟电厂物理设备在虚拟空间的孪生镜像，进而通过多元数据接入规范与融合，以及状态评估与故障识别诊断等方法开展虚拟电厂设备健康状况管理与评价。虚拟电厂数字孪生体的构建提供了一种精确描述虚拟电厂全生命周期的演化、人员运维行为以及与环境等的交互过程，有助于实现虚拟电厂内部设备全生命周期的实时状态监测、故障预判/诊断、现场及远程互动、维修指导等，实现DERs、配电台区电压、电能质量异常溯因分析，研判异常原因，智能推荐改进措施，以及自动故障分析报告生成等，有效降低虚拟电厂运维成本，提高设备使用寿命，如图 5所示。
4.1.5 价值创造与综合评价
长期以来，使用虚拟模型进行仿真优化，并根据优化结果提供服务的想法并不新鲜。但随着具有更复杂建模和仿真能力、更好互操作性、更普遍物联网传感器的虚拟电厂数字化仿真平台的广泛使用，使得创建更精细的数字化仿真模型，并基于此提供增值服务成为现实。近年来，越来越多的企业应用数字孪生技术，从产品销售向“产品+服务”转变。但同时也面临企业/行业内数据采集能力层次不齐、底层关键数据无法获得，以及已有数据闲置度高、缺乏数据关联和深度挖掘的集成应用等问题。未来，基于DTVPPS，虚拟电厂将能够有效利用人工智能、大数据、云计算、增量聚类、区块链共识等先进技术，整合虚拟电厂生态系统中海量数据，充分释放需求侧DERs调节潜力，向用户、聚合商、配电网等各方提供多元化、精细化、定制化的服务，提升虚拟电厂的附加价值。此外，目前针对虚拟电厂可靠性评价的指标体系尚不完善，未来，通过DTVPPS对数字孪生模型构建、仿真分析、可靠性评价及智能应用过程中产生的环境、模型、分析结果等数据进行有效管理，利用大数据分析方法，深入挖掘并充分利用数据库中的有效信息，将为虚拟电厂建立有效的可靠性评价指标体系。
1）统筹协调虚拟电厂内部DERs，实现能源资源优化配置。基于数字孪生技术，虚拟电厂能够通过物联网和区块链技术动态聚合多元可调节资源，促进DERs优化配置。基于数据中台和智能分析平台，通过大数据和先进的人工智能技术辅助用户挖掘节能减排潜力，促进能源消费从单一、被动模式向融合多种需求、主动参与、定制化的高效利用模式转变，推动电动汽车普及、电能替代、节能减排以及综合能源服务的发展。此外，随着电力市场的不断推进，DTVPPS将实时市场信息纳入决策体系，可以高效协调不同市场主体利益诉求，进一步实现虚拟电厂全要素资源的优化配置。
2）实现虚拟电厂全要素数字化，推动数字化电网建设。数字孪生虚拟电厂基于数字孪生技术有效聚合多元DERs支撑电力系统实时动态响应，以数据作为核心生产要素，对物理世界DERs，以及相关人、物、事件等要素数字化，构建虚拟电厂数字孪生体，通过实时高效连接打通“源–网–荷–储”各环节信息，实现虚拟电厂的全面可观、精确可测、高度可控。物理世界动态通过传感器精准、实时地反馈到数字世界，通过网络化、智能化实现虚实互动，将推动数字化新型电力系统建设，形成虚实结合、孪生互动的配电网发展新形态。
3）提升虚拟电厂运营水平，实现多维时空尺度优化管理。需求侧DERs的优化管理是提供电力系统灵活性调节能力的有效手段。借助数字孪生技术构建数字孪生虚拟电厂，通过数据赋能，将极大改变传统DERs粗放管理方式，是实现需求侧DERs优化配置的关键，也是DERs实现可调度、可运营、可交易的核心所在。目标维度上，统筹电气、物理、环境、市场等多源数据，辅助虚拟电厂参与电能量及辅助服务市场交易；时间维度上，支撑构建多时间尺度协调的优化调度机制；空间维度上，一方面，虚拟电厂可借助信息中枢中数据中台以及智能分析平台强大的分析计算能力优化报价策略以参与电力市场，另一方面，虚拟电厂在自治区域内可实现对多元DERs的精确控制。
综上所述，通过DTVPPS的构建，实现虚拟电厂核心业务智能精准洞察，通过提供新业务、新模式，实现客户定制化精准、便捷和智能服务，提升灵活互动的个性化服务能力，提高客户获得感和满意度，同时服务于虚拟电厂协同规划与精准投资等业务，提升电网安全风险管控能力。DTVPPS相较于传统的虚拟电厂的优势总结如表 1所示。
DTVPPS凭借其准确、可靠的孪生模型，多源、海量的孪生数据，以及实时虚实交互为虚拟电厂运营商提供仿真模拟、诊断预测、可视监控、优化调度等服务。随着“大云移物智链”等技术的快速发展和深度融合，未来数字孪生虚拟电厂将朝着以下几个方向发展：
1）精细化：通过物理机理和数据驱动融合建模方式，建立高精度DERs数字孪生体模型，在降低聚合成本的同时，量化其调节灵活性以参与多元电力市场，实现贯穿全生命周期的精细化管理。
2）系统化：未来其将打破需求侧海量多元DERs资源“碎片化”的建设与管理方式，整合设备层、用户层和虚拟电厂层数字孪生体，为精准掌握虚拟电厂以及配电台区实时运行状态和发展演化趋势提供支撑。
3）智能化：随着数字孪生虚拟电厂智能化水平提升，将有效支撑多时间尺度分布式电源与负荷预测、研判与指导配电台区发展规划，并通过迭代学习智能应对系统不确定性以及突发事件。此外，随着区块链等新兴技术的加入，比如应用于DERs分布式交易过程，将有效保护用户数据安全与隐私[57-58]。
4）普遍化：随着数字孪生相关技术日臻成熟以及DERs快速发展，构建数字孪生虚拟电厂的成本将显著下降，未来，其将广泛应用于DERs优化管控以及配电台区规划、建设与运营。
5）开放化：数字孪生和虚拟电厂的融合将增加数字孪生虚拟电厂的包容性，通过与数字孪生交通、数字孪生建筑、数字孪生城市等概念交叉融合，将共同为电力系统数字化转型提供支撑。此外，通过分布式框架连接多个DTVPPS，将有效支撑虚拟电厂模块化、定制化服务。
目前已有西门子、ANSYS、GE、微软、比特视界和同元软控等国内外厂商提供数字孪生相关解决方案[40]。然而，根据行业或所针对的目标不同，各厂家开发使用的平台也各有不同。比如应用于通用工程技术仿真，ANSYS开发用于数字孪生仿真建模的Twin Builder，而基于MATLAB，可利用Simulink的多域建模工具创建物理模型；模型可视化平台，包括GIS地理信息系统、unity3D可视化、WebGL/Canvas网页可视化等；基于区块链数字孪生的BigChainDB数据库技术；能够创建全面数字模型的微软Azure物联网数字孪生平台，以及瀚云科技推出的HanClouds工业互联网平台等。然而，数字孪生在能源电力行业的应用还处于起步阶段，目前只有文献[50]中提到面向综合能源系统规划的数字孪生技术云平台CloudIEPS。未来，需要基于能源电力行业已有仿真分析软件，并结合本文第三部分介绍的数字孪生虚拟电厂关键技术，进一步合作构建开放的数字孪生虚拟电厂开发平台，探索能够落地实施的应用方案，逐步积累形成一些示范性产品。
5 结 论
本文梳理总结“构建新型电力系统”目标下虚拟电厂发展方向，结合数字孪生技术特点，提出数字孪生虚拟电厂的总体框架，分析其关键技术，并展望其应用实践与发展趋势。数字孪生虚拟电厂的建设将推动构建新能源为主体的新型电力系统，促进电力系统数字化发展，是电力系统践行“双碳”战略的关键。其次，数字孪生虚拟电厂基于全面、准确、透明的数据收集和分析，利用先进的计算机技术提供数据分析和调控潜力挖掘，将有效增强虚拟电厂的决策水平。通过构建数字孪生虚拟电厂，打造灵活高效的需求侧DERs管理与配置平台，提升虚拟电厂全息感知、灵活控制、优化调度、健康管理以及智能服务能力，将支撑可再生能源发展，增强配电台区灵活性调节能力，推动“清洁替代”与“电能替代”。最后，对于未来数字孪生虚拟电厂的发展，有两点需要说明：
1）数字孪生虚拟电厂未来发展面临的挑战：首先，其核心是数据，要想充分发挥数字孪生技术的潜能，孪生数据的准确性、一致性和传输的稳定性是关键。同时，数字孪生需要相关企业原有的封闭系统逐渐转变为开放系统，因此将虚拟电厂数据应用于增值服务提升时还将面临不同平台、用户、电网企业等数据分享与数据安全挑战。
其次，DTVPPS融合物理实体与虚拟空间，是多学科、多物理量、多时间尺度、多重不确定性的仿真过程，需要实现多维系统的融合：在平台建设方面，要从虚拟电厂系统性层面构建包含电气、环境、物理、市场、用户行为等多源数据的数据中台；开放性方面，需要打通虚拟电厂运行涉及的预测、仿真、市场交易等平台软件生态；模型层面，需要增强DERs的定制化聚合与参数辨识。再次，未来需要进一步探索更符合数字孪生虚拟电厂应用的计算机算法基础理论与集成融合技术，构建可迭代更新、自主进化的智能应用平台；
最后，在商业模式方面，数字孪生虚拟电厂的商业模式形态并不完善，受限于电力市场进程，亟需突破多技术融合，尽快形成虚拟电厂参与多元市场的市场机制。
2）未来发展的推动力：数字化电网等政策的落实、计算设备/硬件的发展、数据规模的增长、模型和算法的演进以及专业人才的参与将为数字孪生虚拟电厂的落地实施铺平道路。
