当智能电网遇到数字孪生
近几年兴起的“黑科技”——数字孪生技术从虚拟制造、数字样机等技术上发展而来,现正拓展到智能制造、智慧建筑以及智能电网等多个领域。尤其是在智能电网领域,随着智能电网的动态特性日趋复杂,数字孪生技术将为智能电网的分析、洞察与调控提供新的解决方案。
━━━━
在数月内接连发生的印尼空难和埃塞俄比亚空难引发全世界对波音737 MAX系列客机安全性的讨论,同时,也让数字孪生(Digital Twin)技术进入更多人的视野。业内人士开始勾勒数字孪生技术在飞机制造业乃至整个智能电网等行业的未来图景,同时,也开启了对于这项有望加速实现整个物理世界数字化转型的技术的想象之门。
━━━━
什么是智能电网数字孪生?

与传统的电力系统仿真相比,智能电网数字孪生最突出的特点是模型的形式更丰富。传统的电力系统仿真模型表现形式一般为各种代数的、微分或偏微分形式的数学方程,这些方程是基于对电力系统物理过程的认识而建立起来的。智能电力的数字孪生还包括利用泛在传感网络获得的海量系统状态数据。当前量测数据有助于实现物理系统与数学模型之间的同步;而在历史数据的基础上则可以通过统计和学习构建数据驱动的相关性模型。实际上,智能电网数字孪生是数据和知识共同驱动的信息物理电力网络的数字空间建模。高性能数字仿真技术是智能电网数字孪生技术的基础,实现对复杂的“信息-能量-环境”耦合动态精确模拟是构建智能电网数字孪生的前提。数字空间的知识融合、复杂动态的行为预测以及人工智能的优化决策是构建智能电网数字孪生的目标。
实现智能电网数字镜像的关键
智能电网数字孪生的整体框架

智能电网数字镜像的三大技术环节相互依存,循环往复,彼此之间的数据流、信息流的双向互动贯穿智能电网的全生命周期,体现了数字孪生的可互动性。
━━━━
智能电网数字孪生原型系统——CloudPSS平台

洞见步骤指的是通过对比数字模型模拟运行结果和物理实体的真实量测结果,发现两者之间的差异,从而为状态检修和精准运维提供指导。CloudPSS平台首先将运行维护历史经验数据集中,使用机器学习的算法学习故障设备状态的特征分布以及各状态的相关性结构,再结合设备的物理模型,模拟正常以及故障情况下设备状态的特征分布以及各状态的相关性结构,最终通过对比、分类等手段发现故障或者处于异常工况的设备,从而大幅提升故障预测准确率并降低运维成本。CloudPSS平台的云端监控和运维功能适用于多种工业应用场景,其中包括光伏电站运维、供能设备缺陷监测、微能源网监控。
本文刊登于IEEE Spectrum中文版《科技纵览》2019年11月刊。
沈沉:教授,电力系统与发电设备国家重点实验室副主任,清华大学电机系学位分委员会主席,清华四川能源互联网研究院云仿真与智能决策研究中心主任,电力系统与发电设备国家重点实验室能源互联网分室主任。
陈颖:副研究员,清华四川能源互联网研究院云仿真与智能决策研究中心副主任。
黄少伟:副研究员,清华四川能源互联网研究院云仿真与智能决策研究中心副主任。
于智同:清华四川能源互联网研究院云仿真与智能决策研究中心主任助理。
宋炎侃:清华大学电机系博士后,清华四川能源互联网研究院云仿真与智能决策研究中心总工程师。
IEEE Spectrum
《科技纵览》
官方微信公众平台
>>>本文为原创,转载请回复。<<<
往期推荐

