数字孪生变电站框架设计与关键技术研究

来源：工程科学与技术

作者：张冀 马也等

关键词：变电站；数字孪生；框架设计；智能巡检；压缩感知；融合建模；可信联邦学习；3维可视化

随着全球能源互联网和智能电网快速推进，数字化体系将具备量测感知、分析计算和反馈控制等数字孪生功能特征，数字孪生将成为能源互联网的核心驱动和关键支撑[1]。2020年中国提出“数字孪生计划”，电网作为代表性的资产类应用场景，近几年不断引入数字孪生技术，但取得的效果并不理想，人依然作为主要角色来进行生产和管理。为此，提出了“数字孪生电网”新概念体系。《数字孪生电网白 皮书》中指出，“数字孪生电网”要实现数据驱动的全局、全生命周期电网数字孪生体，同时具备电网、环境、业务和人员四个基本要素[2]，以系统思维和生态理论来构建电力系统要素间的关系，推动源–网–荷–储[3]多要素间的相互联动、相互促进，实现从“源随荷动”到“源荷互动”的转变，保障运行安全，提升系统效率。

近年，电力行业与工业技术的迅速发展推动变压器、风力发电机等大型电力设备趋于复杂化、智能化[4]，极大增加了设备故障、性能退化发生的几率。变电站作为能源互联网多种能量传输、消费的重要环节，其拓扑结构动态变化，演变为结构复杂、设备繁多、技术庞杂的巨维系统，具有典型的非线性随机特征与多尺度动态特征，传统运维管理模式已经难以满足变电站规划设计、监测分析和运行优化的要求[5]。因此，电力设备运行状态的在线监测、故障诊断、退化与寿命预测等成为当下研究的热点[6]。同时，物联网技术与传感技术的发展使电力设备监测的数据量倍增，呈现出多源异构、复杂度高、信息量大等特点，对电力行业精细化管理提出了更高要求。

2003年密歇根大学Grieves教授[7]提出“数字孪生”，经过无数专家学者对数字孪生的系统研究，至今，已提出了各种应用场景下的数字孪生模型与技术框架，形成了比较完整的理论体系。同样，随着数字化技术的发展，传感器制作工艺的不断提升，以及深度学习、3维重建与动态渲染、云边协同等技术趋于成熟，已经形成了一套完善的数字孪生技术体系，进一步加速了数字孪生技术的理论研究与工程应用，将数字孪生应用于电力设备全生命周期的仿真、监控、优化和验证，成为未来输变电运维的发展方向。数字孪生技术在变电站生产与运维的各业务环节深度结合，将推动变电设备状态精准感知、故障智能分析、趋势精准预测、运维科学决策，开辟数字化智能变电站运维管理新模式。

为此，本文结合变电站运维现状与数字孪生变电站建设需求，总结设计了一套涵盖空间信息建模、变电主设备机理建模、智能反馈控制、设备感知网络、设备模型仿真以及3维可视化渲染与应用的变电站数字孪生框架。在此基础上对现阶段建设数字孪生变电站面临技术方面的难题进行了分析，并探讨了构建数字孪生变电站的关键技术。最后结合实际工程开发，给出一套数字孪生变电站系统设计，并且对其典型的应用场景进行探讨，为数字孪生变电站实际建设与应用提供理论与方法参考，为数字化电网发展提供基础指导。

变电站作为电力系统的核心要素，其稳定运行对保证电力系统的可靠性有重要意义[15]。当下，变电站运维过程存在诸多问题：

1）变电站人工巡检依赖于人员的专业知识与操作经验，借助第三方工具辅助分析也会带来不确定性的问题。定期检修的运维模式缺陷多，易造成过修或欠修，传统运维管理模式已经难以满足变电站规划设计、监测分析和运行优化的要求。

2）基于单独的感知参数判断，缺乏对设备运行参数之间的关联信息的考量，使得模型容易出现遗漏和误判[16]等情况。为促进变电站安全稳定运行，急需构建一套密集多参量感知网络，实现变电站全设备、全状态、全生命周期的精细化感知。

3）变电站在长期运行过程中积累了海量历史数据，对于这些数据的利用处于较低水平，缺乏有效的挖掘。数据中潜在的设备运行机理知识将有助于实现变电设备精细化诊断、故障提前预警，提升设备健康状态分析与评估准确度。

4）变电站内部环境复杂，生产过程中存在人员少、任务重、危险区域多、监管难度大等客观因素[17]，给变电站安全生产管理带来很大挑战。

亟需借助数字孪生技术，实现变电站从物理实体到虚拟空间的实时完整映射，通过对虚拟实体进行仿真、计算、分析决策等，对变电站生产运维各环节产生的海量数据进行高效管理与利用，对新型智慧变电站系统各环节生产要素及其交互过程进行全方位智能化管控，有助于发现潜在的故障与隐患。此技术可广泛应用于变电设备故障诊断、状态评级、状态预测维护等方面，以支撑变电设备全生命周期内各项活动决策[18]，推动变电站安全可靠与高效运行，实现对物理系统的反馈优化，赋能基于数据驱动的智慧变电站运维管理发展与效能提升，开辟数字化智能变电站运维管理新模式。

基于对变电站运维现状以及建设数字孪生变电站需求分析，以数字孪生5维模型[8]为基础，设计了一套涵盖空间信息建模、变电主设备机理建模、智能反馈控制、设备感知网络、设备模型仿真以及3维可视化渲染与应用的数字孪生变电站模型框架，如图1所示。以数据来驱动业务的发展，提升变电站实时感知能力、运检业务质量管控能力、作业人员安全保障能力，支撑变电安全稳定运行和精益管理。

2.1 物理实体

变电站物理实体由一二次变电设备、传感网络与智能控制系统构成。其中，基于多参量在线监测传感器构成的传感网络实现系统各环节的电气量、状态量、物理量、环境量、空间量、行为量的全面感知与采集，为数字孪生体构建提供实时、可靠的海量数据。

2.2 虚拟实体

1）孪生数据

变电站虚拟实体则是以孪生数据为核心，高效整合设备全生命周期运行数据、物理实体3维模型数据与设备机理仿真模型数据，专家先验知识数据等，同时支撑孪生体智能分析与应用。

2）孪生模型

数字孪生模型包含物理实体3维模型与设备机理仿真模型。其中，物理实体模型以绝对精度的3维实景数据为基准，对各信息源进行统一时空管理，构建语义信息丰富的3维模型数据；设备机理建模以变电站主设备运行数据、保护数据、状态监测数据为基础，构建能精准刻画设备运行原理的机理模型。

3）智能分析与应用

智能分析与应用是赋能变电站数字孪生体的关键，基于多参量数据构建变电站主设备的性能劣化、构建主设备的故障诊断、剩余寿命预估以及故障预测等仿真模型。

2.3 沉浸式体验与应用

基于3D技术进行实时3维可视化渲染，实现变电站设备的全状态量感知与管理可视化。主要有智能巡检、安全管控和远程专家指导以及交互控制等，通过大屏或VR、MR终端设备进行可视化展示，实现数字孪生远端与现场作业不同场景的协作共融。

数字孪生变电站系统通过布设大量多参量传感器构成传感网络，实现变电站设备、环境状态全感知。受当前技术发展水平限制，现阶段变电站数据采集设备仍采用传统的工业采集装置，监测功能单一且智能化程度低，与数字孪生系统契合程度不高，不能全方位多维度反映设备运行状态，仅有少数变电站的传感设备可支撑数字孪生的无人巡视和智能自主运维。急需在感知理论与新材料方面进行研发突破，研制一套数字孪生变电站专业智能传感设备。关于新型智能传感器的研制需要改进以下几方面：

1）增强抗干扰能力。电力设备内外具有强电磁干扰，面对变电站高压带电的复杂环境，传感器需要具备抗干扰性强、可靠性高、轻量化等特点，确保感知数字的真实性与可靠性。

2）完善智慧功能。传感器需要在精度、集成度、智能化方面进行改进提高。数字孪生系统对实时性、可靠性有极高要求，因此传感器应能对变电设备的监控状态做出预判、预警等处理，且需具备数据处理、逻辑判断和设备异常数据记录的能力。同时，海量数据传输容易造网络拥塞，传感器还应具备数据压缩功能，从而节省带宽、提高系统实时性。

3）降低成本、科学部署。面对变电站内海量的传感器，如何科学有效部署、降低传感器冗余，避免数据重复传输造成网络拥塞也是亟需解决的技术难题。

4）实现自供能与低功耗。目前，电网的传感量测手段仍以“互感器+低压回路测控终端”为主，其复杂的安装流程与可靠供能要求限制了其自身的环境适应能力。需要加强微型传感技术、微型能量收集技术与低功耗技术等方面的理论研究[19]。

大数据、深度学习、边缘计算、云计算以及人工智能等先进技术的使用可以将海量数据有效地转化为面向各具体应用场景的有价值信息。然而，现阶段针对数字孪生变电站的数据处理与计算面临以下问题：

1）海量多源异构数据具有长度不同、格式不同、所属时间尺度不同等特点，给数据的储存、共享与数据管理带来巨大挑战，需要对数据的存储结构与存取方式进行系统优化设计。

2）面对海量异构数据，以及孪生系统对数据计算实时性要求，如何统筹变电站内的计算资源，合理优化分配，为海量数据处理与计算提供充足算力支撑仍需进行深入研究。

3）现阶段对于变电站运行数据的利用处于较低水平，缺乏有效的挖掘。如何挖掘数据中的潜在规律信息，突破传统的电力数据模型和标准，实现数据的统一建模，提升系统智能化程度，实现变电站系统预测性维护是一大技术难点。

实现“预测性维护”是构建数字孪生变电站系统的重要目标，预测的准确性依赖于算法模型的精确度。现阶段机器学习、深度学习等人工智能算法模型在电力系统实际应用中取得了不错的效果，但存在算法不稳定、精确度不够等问题，多作为业务人员辅助手段参与变电站运维管理。

算法精度导致的决策失误给系统带来的风险是不可估计的。数字孪生变电站系统要实现的是整个系统的自反馈、自调节、自优化，使得系统具备“智慧”，减少系统人员要素参与，因此数字孪生变电站系统对算法模型的准确度、可靠性提出了更高的要求。

现有机器学习技术往往依赖于封闭环境假设，然而，现实学习任务面临的环境是开放的，例如：标记集 合、特征空间、数据分布和学习目标等要素可能会随时间发生变化，使得已经训练好的模型不适应当前的改变。因而，如何使机器学习适应变电站开放环境也需要重点研究[20]。数据驱动的算法模型属于黑盒模型，不具备可解释性，若要打破传统变电站运检模式，需对算法模型可解释性、可靠性进行论证。

此外，变电站作为一个复杂系统，单纯依赖机理建模或数据驱动建模难满足孪生模型在实际应用中对于高精度的要求，如何有机融合机理建模与数据驱动建模方法各自的优势，提高模型精度与鲁棒性是亟待解决的问题。

基于数据驱动的数字孪生系统的最终目标是智能决策，通常需要强大的算力支撑。为解决计算所需的算力资源，采用分布式云边协同计算方式，而在这过程中需将计算任务与所需数据分配到指定计算节点，海量数据流动不仅给系统网络带宽带来沉重压力，也容易受到网络攻击、造成信息泄露等，使变电站正常生产活动受影响。变电站的数据安全问题关乎国计民生，研发有效的信息安全体系尤为重要。

在数据隐私保护的大背景下，当各数据持有者之间无数据共享时便形成了“数据孤岛”，现有的变电站自动化系统、辅助集中监控系统和统一视频系统，以及变压器油色谱、局部放电等在线监测系统等，是在变电站系统发展过程中堆砌式构建的，各系统之间相互独立，不具备数据信息共享、模型互通，缺乏统一规范标准，存在一定的数据壁垒。

“数据安全”与“数据孤岛”之间的矛盾使收集大量电力系统数据进行集中训练尤为困难。在现阶段打破数据壁垒，实现数据安全共享并不现实，所以亟需一种有效平衡数据安全与数据共享的桥梁，使参与者在满足隐私保护的前提下，能够进行大数据分析、模型训练。

现阶段，对于大场景自动化3维建模技术已愈发成熟，但对于部件级别复杂的精细化建模，在自动化程度和模型修复准确度方面面临着巨大挑战，面向多元融合、空地融合等数据采集的新趋势，需考虑如何有效融合多源数据，提高3维模型逼真度。

同时，对于数字孪生系统实时性要求，需要考虑虚拟实体3维变电站模型的动态变化响应问题。海量的虚拟实体数据无疑增大了模型数据传输时间与实时渲染的难度，如何优化相关算法模型是数字孪生系统虚拟实体动态更新方面亟需解决的问题。

全文阅读