迈向基于网络的数字孪生的火力发电厂

来源：热能之声

作者：Zhongcheng Lei等

火力发电厂是重要的基础设施，火力发电厂的发电涉及大量复杂的设备、工艺和控制技术。因此，火力发电厂涉及多个学科，涵盖多学科和跨学科的研究范围。火力发电厂的研究工作涵盖了控制工程、材料工程、能源动力工程等多个工程领域，如图1所示，火力发电厂的相关组成部分见表1。不同工程领域的要求是不同的，例如，对于控制工程，通常需要精确、经济和鲁棒的控制；而对于能源和动力工程，目的是实现高效和经济。

热力发电厂涉及计算、通信和控制，因此，它是一个信息物理系统（CPS），是集成物理过程和计算的新一代系统。作为可以代表所有功能的物理系统的精确网络副本，数字孪生是一种变革性技术，它扩展了信息物理系统，其中数字孪生是计算模块，甚至可以可视化物理过程。

数字孪生是一种虚拟的表示，也称为镜像或简单的物理系统的孪生。数字孪生模型可以被解耦为3D模型、数学模型和规则模型，其中3D模型看起来与3D建模技术的物理系统完全一样，数学模型与物理系统的机制、动力学和数据相关，规则模型的定义来自用户的交互以及数字孪生模型和对应的物理系统的运动控制。在下文中，将详细描述数字孪生热电厂的设计和实现。

A 架构

图2示出了用于设计和实现基于网络的数字孪生方法。对于基于网络的数字孪生模型，主要需要三个过程，即三维建模、数学建模和基于网络的渲染。三维建模包括三维场景和数字孪生设备的构建，而数学建模是三维交互和三维运动控制的基础。基于网络的渲染包括具体的三维场景和数字孪生设备，也包括抽象的三维交互和三维运动控制。

图2

图3为启用大数据和人工智能（AI）的热电厂示意图。为了实现高效、安全、环保的火力发电厂，需要考虑火力发电厂的燃料、空气、电力需求、废气和废水等输入和输出变量。大数据包括实时上网数据、历史数据和来自电力交易中心的数据以及人工智能技术，如强化学习和深度学习，可用于调度火电厂的运行和维护。图4是用于优化数字孪生热电厂的燃烧控制系统的强化学习的示例。状态为主蒸汽压力Pt、氧含量O2和炉膛负压Pf，动作为燃料输入量B*、空气输入量V*、空气输出量VS*。强化学习能够与环境交互以生成控制策略，其中的最优策略通过Q-learning在Q-table中制定。智能体从其经验中学习，形成一个控制策略，可以最大化预定义目标。

图3

图4

B 建模

在建模过程中，三维模型、数学模型和规则模型是三个关键部分。

1)三维模型：为了实现物理系统的虚拟复 制，应该将3D模型构造为物理系统的虚拟表示。对于基于网络的数字孪生模型，应考虑浏览器中的3D建模精度和加载性能之间进行权衡。一个不太复杂的模型，主要是模仿外观，细节较少，会导致尺寸小，因此，是更好的装载性能的首选。

2)数学模型：三维模型只是在外观上类似于静态物理模型，然而，要建立一个数字孪生，动态行为也应该被考虑，使三维模型的动画类似于动态的物理模型。对于不同的控制对象，例如锅炉或涡轮机，它们的数学模型是不同的。对于考虑约束的每个特定控制对象，可以采用几种方法进行数学建模。例如，使用动力学和数据的过程知识/机理建模；一些系统假设，数据驱动建模；以及数学模型设计和实现的在线学习方法等。机器学习和数据挖掘也可以用于数学优化，以构建复杂的模型。

C 控制算法

数学模型反映了特定控制机组的特性。对于数字孪生对象的控制，涉及控制方法的控制算法是实现火电厂安全、高效、经济、环保的关键。虽然已经提出了许多先进的控制技术，如仿射非线性控制、分层模型预测控制和自抗扰控制，但目前，在大多数火电厂中，由于安全性和其他方面的考虑，简单易用的比例积分微分控制仍然占主导地位。图5示出了数字孪生热电厂的控制算法图，其中包括不同的数学建模方法。

D 规则模型

规则模型是将动态数字孪生体的控制算法与三维模型相结合，包括运动控制和三维交互。三维模型与控制算法的结合可以激活虚拟孪生体，作为物理系统的数字孪生模型，其动态行为可以基于数据进行动画。数字孪生还生成信息和过程数据，这些数据将被发送到物理系统。图6示出了数字孪生热电厂的几个交互示例，其以阀门、旋钮和按钮为例。当用户与不同的执行器交互时，将执行对相应输入信号的不同动作响应。交互可以通过数字孪生中的3D模型来实现，其中用户可以直接与所实现的3D阀、旋钮或按钮进行交互。此外，文本框、幻灯片和开关小部件也可以用于交互。图7示出了用于数字孪生热电厂的运动控制。当进行交互时，运动控制可以反映实时响应，例如，流量计、温度计、压力计和动画都可以用于演示。

E 物理-数字孪生控制

以锅炉为例，火力发电厂的控制框图如图8所示，形成闭环控制系统。物理系统为数字孪生系统提供数据，后者随后处理数据，发送控制命令，甚至在必要时重新配置系统参数。物理系统的输出用作数字孪生的两个输入之一，并且数字孪生控制器的生成的输出用作另一输入。一旦数字孪生的输出收敛到最优输出，就可以实现数字孪生和物理系统之间的最优配置。例如，对于作为锅炉燃烧控制过程的重要部分的氧含量的控制，在恒定的主蒸汽压力下，燃料输入和空气输入是两个主要因素。为了获得良好的燃烧效率，从而导致燃料消耗的减少和成本的最小化，燃料输入和空气输入被认为是被控制以获得适当的空气/燃料比。通过燃料输入的变化，这是物理系统的输出，数字孪生输出（空气输入）和最佳输出（期望的空气输入）之间的误差以迭代的方式最小化。一旦误差可接受，数字孪生的输出收敛到最佳输出，因此，在确保了适当的氧含量的基础上获得所需的燃料/空气比。

本文重点介绍了1000 MW超超临界机组的控制前景，其中设计和实施了燃烧过程、空气和烟气系统以及分布式控制系统（DCS）。设计了控制算法，并将其应用于控制过程。由于科学仪器制造商协会（SAMA）图是典型的，并广泛应用于火电厂，它也包括在基于网络的数字孪生电厂。将SAMA图链接到MATLAB/Simulink设计的控制框图，其中可以解析控制框图中的信号/参数。一旦控制块中的参数与所设计的小部件相链接，则可以直接在网络中对它们进行调谐，并且可以通过实时图表、量规、仪表以及数字孪生中的3D模型来监控相应的信号。图9示出了基于网络的数字孪生热电厂，包括向用户提供控制算法（a），用户也可以通过网络界面定制自己的控制算法，并且还提供SAMA图用于控制（b）。基于网络的数字孪生热电厂可用于研究和教育目的。使用主流的浏览器，用户可以控制发电厂，然后通过数字孪生和提供的小部件监控过程。

本文对数字孪生热电厂的实现方法进行了探讨。数字孪生作为一种变革性的技术，是火电厂信息物理系统的重要组成部分。从五个方面探讨了数字孪生的具体实现，为通过网络浏览器对数字孪生进行监控提供了一条切实可行的途径。数字孪生热电厂的功能可以归纳为实时监控，可视化，交互，算法设计等。至于提供的服务，数字孪生热电厂可以应用于不同的场景，如物理发电厂和高校的培训和教育，以及潜在的故障/故障诊断和排除。该案例研究展示了一个基于网络的数字孪生热电厂的例子，它可以为其他研究人员对数字孪生研究提供见解。在基于网络的数字孪生热电厂中仍然存在网络攻击和通信限制等问题，这些问题可以使用网络控制系统中引入的方法来解决。未来，对于这样一个庞大而复杂的系统，需要多学科和跨学科的协作才能实现功能齐全的数字孪生火电厂。