能源互联网中的数字孪生技术体系、应用与挑战

编者按

近年来全球化石能源的大规模使用造成了严重的环境污染与气候恶化，这对人类生存与发展带来了严峻挑战。重塑能源互联系统、转变能源消费观念已成为全球共识，加速能源互联系统的转型成为能源高质量发展的有效支撑。与此同时，集数字化和智能化一体的数字孪生技术的迅速崛起为能源系统发展提供了良好契机与转型支撑。国家能源局于2023年3月提出加快推进能源数字化智能化发展，促进能源产业与数字技术融合发展是新时代推动中国能源产业高级化、产业链和现代化的重要引擎。数字信息技术与能源发展转型的深度融合，赋能传统能源产业数字化智能化转型升级，是把握新一轮科技革命和能源变革新机遇的战略选择。数字孪生技术逐渐成为推动传统能源互联系统向能源互联网升级转化的首要因素。

《中国电力》2024年第1期刊发了刘曌等人撰写的《能源互联网中的数字孪生技术体系、应用与挑战》一文。文章总结了通用技术领域数字孪生的技术特征以及能源电力领域数字孪生的典型特征和发展方向；并结合能源互联网在监测分析、模型构建、规划与运行、综合评价等领域的技术需求，总结提出包括数据感知、模型构建、平台支撑、智能交互的能源互联网数字孪生系统框架，为数字孪生技术在能源互联网中的进一步深度融合应用与落地实践提供了全方位的环节接口与理论体系框架支撑；在此基础上，给出能源互联网数字孪生在态势感知与检测、全要素模型构建、智能规划运行与综合评价4个方面的典型应用及难点挑战，为未来数字孪生在能源互联网建设中的应用提供理论和方法参考。

来源：《中国电力》2024年第1期

引文：刘曌, 孙庆凯, 许泽凯, 等. 能源互联网中的数字孪生技术体系、应用与挑战[J]

摘要

随着传统能源互联系统逐步向能源互联网升级转化，仅基于机理建模的方法难以描述其高维性、非线性以及多能耦合性等特征。数字孪生技术可将真实系统精准映射到虚拟空间，对实现能源互联网的特征描述、运行分析、监控优化以及智能决策具有重要意义。首先，从数字孪生技术的发展出发，对能源互联网中的数字孪生技术体系进行分析，提出了涵盖“多源数据采集-模型构建-平台支撑-智能交互”的分层技术体系框架，细化了数字孪生技术在能源互联网中的应用价值；其次，详细阐述了数字孪生技术在能源互联网中的典型应用以及需要突破的难点，并给出了其当前的发展瓶颈；最后，对数字孪生技术在能源互联网中的发展路线进行了总结与展望。

01 能源互联网数字孪生技术体系

1.1 数字孪生概述

数字孪生广义是指将现实世界中的物体通过虚拟映射手段与人工智能等新一代信息技术，在虚拟空间构建与物理实体属性相同的数字化孪生模型，并借由人工智能技术来实现对实际物体的规划设计、检测分析和运行优化。数字孪生作为集成了多学科、多维度、多物理量等的仿真过程，兼容了从智能数据采集到5 G通信数据传输，再到云端平台数据分析以及物理实体平台映射等多个环节。将数字孪生技术应用于工业领域目的在于解决复杂系统中的问题，并为物理系统提供决策支持，这对于加速推进产品设计和提升产品经济性具有重要意义。

能源电力系统模型复杂化以及数据多样化的背景促进了数字孪生在能源电力领域的融合应用与技术再发展。相比于通用技术领域的数字孪生，能源电力领域的数字孪生更侧重数据驱动的实时态势感知和超实时虚拟推演，旨在为能源电力系统的运管调控等多方面问题提供决策参考。此外，能源电力领域数字孪生未来也会更全面地引入“人”的概念，在原有物理空间与虚拟空间的映射关系上，转型为“信息-物理-人”的交互系统，使数字孪生技术成为促进能源电力系统发展的利器。

1.2 能源互联网概述

中国能源领域发展至今，需求侧对能源的要求更加多样化，已不再局限于电力，而聚焦于燃气、制冷以及供热等高度融合的能源系统；负荷侧则呈现出可削减负荷、可转移负荷以及需求响应等多样性发展趋势。同时随着大数据、区块链、物联网、数字孪生等信息互联技术的发展，能源系统变得越来越智能化、网络化和数字化。

能源互联网作为智慧多能源系统的典型代表，其以电力为中枢，以智能电网为依托，横向实现“电-气-热-冷-氢”多类型系统互补，纵向实现“源-网-荷-储”高效协调，推动清洁转型以及支持主动用户灵活接入，具有多环节、多区域、多系统的特点，其具体含义如图1所示。

图1 能源互联网含义

Fig.1 Meaning of the energy Internet

1.3 能源互联网数字孪生技术体系

从技术体系角度来说，能源互联网数字孪生是集深度感知、高速通信、智能计算、远端控制于一体的系统，本节重点关注数字孪生在能源互联网中的技术架构，围绕其核心技术展开阐述，构建图2所示的涵盖“多源数据采集-模型构建-平台支撑-智能交互”的能源互联网数字孪生技术分层框架。

图2 能源互联网数字孪生技术分层框架

Fig.2 Layered framework of the energy Internet digital twin technology

1.3.1 多源数据采集层

多源数据采集层是数字孪生模型应用的基础。输入数据主要包括高性能传感器量测数据、能源系统量测数据以及设备的历史运行数据，这些数据具有海量、多源、异构、动态等特性。高效、实时、准确的数据采集为后续模型构建和具体技术应用奠定了基础。

目前已有研究为构建多源数据采集层提供了相关的理论依据，构建了能源互联网感知体系的标准结构，有助于完善能源互联网感知技术标准。基于数字孪生建立智慧电厂模型，并基于仿生学原理模拟自然界生物的感知能力，提出一种多源数据传输与处理方法，为基于数字孪生的智慧电厂解决数据孤岛问题奠定了基础。构建包含数据采集库的数字孪生电网数字化转型框架，并提出孪生数据整合与分析技术以实现对设备的智能感知和实时在线采集，形成闭环数据采集流，实现电网数据的自动化管理。基于数字孪生建立孪生数据感知层，用于多源异构数据的实时采集及预处理，并将数据高速传输至数字孪生体，形成集数据采集、管理、传输于一体的技术体系。

1.3.2 模型构建层

数字孪生技术框架的核心和关键在于数字孪生模型的构建。准确的能源互联网模型可以高精度地刻画实际物理对象，从而精准发挥数字孪生的镜像能力。现有研究中的模型构建主要有以下3个方面。

1）机理模型构建。当系统内部结构简单、对象物理机理明确、过程充分可观时，可采用机理建模方法。其建模思路为：基于能源互联网设备的物理机理，结合能量守恒、动量守恒及质量守恒定律对“源-网-荷-储”中的设备进行刻画，实现多尺度、多物理机理的数字孪生模型。针对能源系统中燃气锅炉的运行特性建立机理模型，优化了锅炉的启动过程；基于数字孪生机理建模方法构建以燃气轮机为主体的燃煤电站模型，动态刻画了扰动对电厂运行的影响。

2）数据驱动模型构建。当系统内部结构复杂、物理机理难以表述时，可采用数据驱动建模。其建模思路为：针对物理系统中不易建模和求解的复杂环节，利用系统实际运行数据逆向构建模型，从而提高对不可观环节的特性认知。针对传统机理建模方法的精确性问题，以能源互联网各环节的运行数据为核心驱动构建能源互联网模型，大大提高了建模效率，为能源互联网模型建设提供可靠依据。采用海量孪生数据作为输入参数，将蒸汽量作为输出参数，建立基于人工神经网络的热电厂蒸汽量预测模型，并验证了将该模型用于电负荷和热负荷分配优化的可行性。利用神经网络算法对燃煤电站的量测数据进行预处理，建立基于数据驱动的燃煤电站蒸汽预测模型，并将其应用于热电联产机组。

3）机理-数据驱动的混合模型构建。当实际能源互联网系统非线性程度较大时，仅采用机理建模方法存在模型求解复杂的问题，仅采用数据驱动建模的方法存在可解释性较弱的问题。因此将机理建模方法与数据驱动建模方法相融合，在增大模型准确率的同时提高计算精度。其建模思路在于首先建立机理模型，从而为数据驱动模型提供先验知识，再基于数据驱动建模方法对机理模型进行降阶化简，两者互为补充，形成机理-数据混合驱动的模型。将机理建模方法与数据驱动建模方法相结合，构建机理-数据混合驱动的电网安全特征选择与知识发现模型，并在广东电网进行验证，达到保障系统安全运行的目的。首先利用机理建模方法构建燃气轮机热力模型并形成燃气轮机运行数据库，在此基础上利用深度学习算法对运行数据反复迭代，从而建立一种机理-数据混合驱动的燃气轮机气路故障诊断模型，实现对燃气轮机设备的健康监测与故障诊断。

1.3.3 平台支撑层

平台支撑层是构建数字孪生模型的保障，是镜像映射物理实体的前提。平台支撑层需要具备多种技术以反映能源互联网多能源耦合关系，实现多源数据的特征提取与融合、故障检测、状态评价和分析决策功能。

1）多源数据管理技术。平台支撑层需要对多源数据融合计算并基于人工智能、机器学习等算法深度挖掘数据特征及特征提取，实现不同层次数据的汇聚和分析。设计开发了一种针对多能源系统分析的数字孪生仿真平台CloudIEPS。主要基于大数据分析实现对数据的智能化管理，能够自主灵活地实现不同层次数据的融合计算，促进了以数字孪生为核心的能源互联网落地应用。

2）模块集成编辑技术。平台支撑层需要构建灵活多变的模块化结构，用户可随时更改虚拟模型的设备种类、设备间耦合关系以及设备的运行参数等，以实现快速、高效、便捷的模型构建。其中，TRNSYS平台是具有模块化组合功能的典型代表。采用TRNSYS平台将区域能源互联网系统建立成为4个子系统及其之间的连接关系共5个模块，通过设置各模块的参数实现对整个区域的灵活控制。

3）系统优化分析技术。平台支撑层需要在满足约束条件的情况下，根据目标函数选取最佳运行策略，并分析设备参数值发生变动时对仿真结果产生的影响。对电、冷、热多能源微电网采用HOMER平台进行仿真优化，并改变微能源网系统的设备装机容量、输出功率等参数，分析参数改变对系统经济效益的影响。

4）人工智能决策技术。平台支撑层利用深度学习、边缘智能等新型人工智能算法作为运行优化决策引擎，实现系统行为模拟、自适应控制、生产过程最优决策功能。CloudIEPS、TRNSYS、HOMER等仿真平台在制定能源系统规划、运行方案时均利用人工智能决策技术辅助决策，使得实际能源系统的决策方案更加高效、智能和便捷。

1.3.4 智能交互层

智能交互层是能源互联网数字孪生系统的根本。通过人-机交互和信息共享可以有效提升系统的效率，打破信息孤岛的现象，将数字孪生所构建的虚拟世界与物理空间相连接，为用户提供操作友好性的体验交互环境，让其通过感官真实体验复杂系统的特性和功能，通过一体化计算平台体验和学习实际系统所不能直接体现的属性和特征，向使用者还原系统的真实场景。基于数字孪生框架中物联网的高效传输技术实现用户、设备和系统之间的交互和信息共享。在数字孪生物联网技术框架下通过高速传感器进一步组成庞大的群智感知网络，使得能源互联网的运行管理由实入虚，实现人-机双向交互功能。提出了人在回路的混合增强智能调控框架，在能源互联网数字孪生系统中建立了人机可解释交互-介入-引导-反馈的“闭环”协同应用模式。

基于以上4个层级构建能源互联网中数字孪生的技术体系框架，可实现虚拟空间与现实空间之间的有效连接，使得各种实际方案可以在镜像空间中得到测试和检验，进而完成物理系统与虚拟空间同等感知-传输-计算-控制的闭环控制。

02 数字孪生在能源互联网中的典型应用

数字孪生技术为能源互联网的发展提供了新的理念与技术框架。能源互联网的新一代信息技术为数字孪生的发展提供了根基与环境。数字孪生技术可以借助模型物理原理、专家领域知识和海量量测数据对能源互联网进行融合驱动建模，进而对现实空间中的多主体复杂交互、能量流动过程等问题进行多时间尺度、多分辨率颗粒度的精确模拟，以实现能源互联网全要素、全生命周期的数字仿真建模。通过集成源-网-荷-储的全环节要素、全生命周期信息，在虚拟空间建立能源互联网的数字孪生模型，与物理实体系统共存、共生、共演化、共发展。从多时间尺度、多物理信息场景等角度，为能源互联网的规划、运行、控制、监测、评估提供了分析支撑工具。本文立足于能源互联网在态势感知与监测、全要素模型构建、智能规划运行以及综合评价分析等不同场景方面的具体应用，阐述数字孪生在能源互联网领域发挥的重要作用，其典型应用如图3所示。

图3 能源互联网数字孪生典型应用

Fig.3 Typical applications of the energy Internet digital twin

2.1 数字孪生在态势感知与监测中的典型应用

数字孪生通过多源数据采集层对能源互联网各子系统的工况数据进行采集与检测，主要体现在2个方面：1）在设备方面，由高速传感器构成的泛在传感网络可获得海量传感量测数据，基于平台支撑层中的多源数据管理技术为海量数据处理分析提供支撑。2）在系统方面，数字孪生技术可从海量、多源、异构的能源互联网系统数据中有效、精准地提取重要特征信息，完成对实际物理对象的精确模拟，以满足当前优化分析和运行决策的要求。

能源互联网系统包含海量复杂的运行数据，且用传统方法难以高效处理。一方面，电、热、气等不同类型的能源数据掌握在不同运营商处，从信息安全与商业利益角度，存在各类数据壁垒，无法利用多源数据描绘系统的全景态势信息；另一方面，随着新型电力系统与能源互联网的发展，海量分布式源-荷-储资源以及电-热-气-氢等多类型能源交互设备接入能源互联网，产生了高维、异构的海量数据，对传统的数据采集、处理、分析、存储、再利用提出了更高的要求。数字孪生可以通过多任务学习等人工智能算法实现对感知数据的充分挖掘，以全面覆盖能源互联网系统各设备的泛在传感网络为依托，能够深入底层能源设备进行精确测量和高效信息交互；同时，数字孪生借助能量流计算、云计算等技术体系中的先进内核，实现数据在不同维度的提取和计算，支撑能源互联网系统数字孪生多维度、多层次的数据监控和计算分析。

2.2 数字孪生在全要素模型构建中的典型应用

构建能源互联网系统的数字孪生模型是高精度刻画能源互联网系统的关键。与传统建模相比，数字孪生技术充分考虑到数据与知识互补的特性，采用模型物理原理、专家领域知识与海量量测数据实现多源驱动的模型构建，使孪生模型具有适应多时间尺度与运行环境变化的泛化能力及更好的可解释性、更强的可信性。

数字孪生模型构建层是能源互联网数字孪生的关键技术，在支撑全要素孪生模型构建方面的应用主要体现在3个方面：基于模型物理原理的各能源系统主体内部机理模型、基于专家领域知识的各能源系统主体间能量双向耦合关系与数据信息流动的主体间交互模型和基于海量量测历史数据建立的包含能源互联网外部、内部环境与参数多重随机性与不确定性的数据驱动模型。

1）在构建物理原理驱动机理模型方面，考虑到能源互联网中电-热-气-氢等各类能源的物理特性与动态过程时间尺度差异，可以根据需要建立详细的偏微分-代数方程模型，或基于应用场景与机理分析建立平均化模型。不同能源系统主体采用不同的仿真模型、模型迭代演算技术和时间常数，并具有各异的对外输入输出交互端口，进而与其他功能模块交互。

2）在基于专家领域知识的能源互联网多能耦合关系与能量流-信息流建模中，根据电网、热网、气网、氢能系统等能源系统间的单向、双向耦合设备配置，以及典型运行场景下多能流系统的联合调度优化与时空协调互济关系，建立基于规划设计、调控、运行等专家经验的能源系统各主体间的交互耦合模型。进一步考虑能源互联网的调度、控制、通信等架构设计，以及云边协同、边缘计算等最新信息物理系统技术的应用，建立能源互联网中的信息流模型，在孪生模型中表征实际能源互联网的信息与数据流动模型。

3）能源互联网在外部、内部环境与参数中存在多源、多重随机性与不确定性。随机性与不确定性的产生源头往往来源于高维、强非线性的内外部复杂系统。在外部环境方面，如影响电力系统中光伏、风电等新能源出力的外部气象环境系统。局部小范围的微观气象过程模型阶数大、建模成本高，且由于其具有强非线性和复杂系统特性，较小的输入状态与参数变化也可能导致较大的输出状态变化。在内部参数方面，如热力、天然气管网，电力设备、器件的老化故障模型，涉及多物理场仿真、应力分析与健康管理技术等。在建模中可以利用高斯过程回归，深度学习等新一代人工智能算法，对不同来源的随机性与不确定性进行建模。相关物理机理、领域知识在数据驱动模型中，可以通过正则化网络、注意力机制、拓扑图、损失函数修正项等方式引入，进一步提升数据驱动建模的效率与准确性。

2.3 数字孪生在智能规划运行中的典型应用

能源互联网数字孪生通过平台支撑层的大数据、深度学习、边缘计算等新一代信息技术赋能，将规划、调度、控制中的前瞻预测和在线优化决策等问题将与智能技术深度融合，其中的应用主要体现在3个方面。

1）能源互联网多类型负荷联合预测。负荷预测作为能源互联网系统规划设计与优化运行的基础，其预测精度直接决定着系统规划与运行结果。但随着电网、热网、气网等用户量激增带来的海量运行数据使得精确预测变得愈发困难。数字孪生技术为能源互联网系统中的多元负荷预测提供了新的思路。基于数字孪生建立负荷预测模型，获得设备在全生命周期的数据，通过数据驱动技术使其在模型中不断迭代，能够更好地处理序列性负荷数据，实现对负荷精准预测。提出数字孪生楼宇型能源互联网供应系统，并利用海量孪生数据在负荷预测软件中驱动构建楼宇用户负荷预测孪生模型，从而实现对负荷需求精准预测。针对电力负荷具有波动性和周期性的问题，采用改进门控循环（gated recurrent unit，GRU）神经网络算法对数字孪生数据反复迭代，从而实现对数字孪生模型特征提取，并用该方法对实际负荷进行预测，有效提升了预测的准确度和精度。从影响负荷的多种因素入手，建立考虑多气象条件的数字孪生短期负荷预测模型，利用改进反向传播（back propagation，BP）神经网络提高了短期负荷预测精度与收敛速度。

2）能源互联网发展演化下的规划设计。在传统的综合能源系统规划设计方法中，针对系统中的源-荷未来发展的不确定性构建的模型较为保守。通常为了保证规划设计满足发展需求，可能出现规划冗余度高、资源分配过度超前的现象。且对于综合能源系统中的电-热-气-氢系统的源-网-荷-储设备的全生命周期能效水平变化及其对系统运行的影响建模较为简单，忽略了多系统间全生命周期的变化耦联机理与影响级联放大效应。而基于数字孪生技术构建的孪生模型，计及了能源互联网全生命周期中各个系统的健康水平演化规律及全链条耦合影响。通过图计算与多场景并行仿真技术，生成运行远景库，有效提升了应对不同规划策略下运行与收益场景的预演分析能力。将数字孪生技术加入发展演化视角下的能源互联网规划设计，能够更加有效地提升规划设计效能。建立一种基于数字孪生的虚拟电厂系统框架，用户可基于数字孪生技术在虚拟空间规划与仿真未来电厂的运行状态，其运行结果反馈至物理对象从而形成闭环反馈。

3）考虑多重随机性的能源互联网优化运行。如3.1节所述，能源互联网中包含由内源和外源导致的多重随机性与不确定性。在调度运行方面，近年来一次能源的不确定性受到了广泛关注，包括煤等传统化石能源供应的不确定性，以及长时间连续高温极端天气导致的水力、风能低出力的不确定性等。以近端策略规划为代表的无模型深度强化学习算法可以很好地解决能源互联网优化运行过程中的序贯决策问题。并应对马尔科夫决策过程中状态转移概率因不确定性和随机性导致的不可知问题。提出多重随机性场景下面向能源互联网调控运行规则电子化方法，实现基于知识图谱的运行规则知识抽取，将离散知识形成可以支撑数字孪生能源互联网运行的调控知识体系，支撑调控运行业务场景的自动处置。能源互联网的数字孪生模型，可以作为深度强化学习的训练环境，并通过平台层与交互层引入外部随机变量，支撑强化学习智能体在虚拟信息物理空间中学习能源互联网的优化调度决策。通过在线部署基于深度强化学习智能体的智能调度员，提升在线能源互联网运行的优化水平。

2.4 数字孪生在能源互联网综合评价中的典型应用

基于数字孪生的能源互联网综合评价系统是数字孪生技术在能源行业的落地实践，可通过熵权法与层次分析法等技术手段构建多层级指标体系，其中一级指标包括数字孪生在工业领域应用的4个重要特征：可视性、可预见性、可假设性和可解释性，各个特征下数字孪生在能源互联网综合评价中的典型应用如下。

1）在基于数字孪生的能源互联网可视性评价体系方面。通过智能交互层的虚拟现实技术、3DGIS技术、混合现实技术生成的虚拟映射与能源互联网的多源数据及多主体模型相结合，实现能源互联网全生命周期运行态势实时展示。可视性的二级指标一般包括5个方面：用户友好的可视化界面；关键设施虚拟现实数字模型；实际系统实时运行态势跟踪；孪生模型的运行态势展示；未来场景的可视化预演。

2）在基于数字孪生的能源互联网可预见性评价体系方面。能源互联网的数字孪生模型应可通过图计算、多场景并行仿真等技术，实现对未来海量可能场景下系统运行的多时间尺度预演，提升对未来演化路径的可预见性。可预见性的二级指标一般包括3个方面：可预演计算的关键设备、参数、系统状态量占比；预演计算的准确性，包括误差、置信度区间等；保证一定准确性下预演计算的未来时间长度与时间颗粒度。

3）在基于数字孪生的能源互联网可假设性评价体系方面。国家在“十四五”规划中明确提出了建设韧性城市与坚强局部电网，能源互联网也应具备韧性和反脆弱性，能够抵御极端自然灾害、物理攻击、网络攻击等“黑天鹅”事件。由于极端事件历史案例少，强度大，破坏方式具有很强的随机性，只能通过假定极端场景并加以仿真分析验证。基于数字孪生的能源互联网模型应具备提供设定极端运行工况的能力，支撑假设极限场景下的推演计算。可假设性的二级指标一般包括2个方面：孪生模型极端场景下反映系统响应能力的完备性；可人为设定运行极限条件的变量占比。

4）在基于数字孪生的能源互联网可解释性评价体系方面。能源互联网的孪生模型可以通过各类型场景仿真预演、运行状态模拟、全生命周期加速分析等流程提供全链条影响机理分析，进而弥补数据驱动模型的黑箱问题，让用户能够从实际物理系统的虚拟映射上了解各类事件场景未来发展演化的合理解释。可解释性的二级指标一般包括2个方面：分析解释结果的可信性、可靠性；物理模型的完善度。