《2023数字孪生技术在输变电设备中的应用前景与关键技术.docx》由会员分享，可在线阅读，更多相关《2023数字孪生技术在输变电设备中的应用前景与关键技术.docx（11页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、数字孪生技术在输变电设备中的应用前景与关键技术摘 要：数字孪生技术是实现输变电设备全生命周期数字化、智能化管理的关键技术。为加速其在输变电设备行业的落地应用，首先分析了输变电设备数字孪生的构建过程、内涵及特征；其次在能源互联网数字孪生模型的基础上，结合设备设计、制造及运维等实际需求，提出了输变电设备数字孪生系统架构，并以变压器为例，给出了其数字孪生体的实现构想，为输变电设备数字孪生的实现提供了可行的思路；之后从数字孪生的构建过程出发， 详细地阐述了输变电设备数字孪生实现过程中所涉及的关键技术；最后对数字孪生技术在输变电设备全生命周期各环节中的应用前景展开分析，阐述了包括标准制定、模型融合、数据
2、挖掘等方面在内的未来重点研究内容，探究了其实现面临的来自平台、传感、共享等方面的挑战，展望了该技术给输变电设备设计制造、供需市场等行业带来的变革。0 引言当前，我国正处于能源与数字革命融合发展的时期，电力系统作为能源行业的核心枢纽，其数字化转型十分必要。输变电设备承担着输电、变电等重担，保证其安全可靠运行是维持电网稳定运行的重要条件，及时掌握输变电设备当前的运行状态， 尽早发现其各种潜在故障，提前预估其未来运行趋势对于输变电设备的安全稳定运行十分重要1。随着数字线程、云计算、大数据等新一代技术的提出，电力行业的数字化程度被不断推进，如何打破输变电设备设计、制造、运维等环节之间的技术壁垒，实现更
3、深层次的融合是当前输变电装备数字化转型的最大挑战。对此，输变电装备行业也进行了积极地探索。设备制造方面，相关企业如特变电工、保定天威等已经开始积极部署数字化转型工作，ABB2、西门子等公司已开发了一系列前瞻性产品、解决方案和数字化技术，有力地推动了输变电设备制造业的数字化改造，但依然存在数据开放水平不够、权威数据标准缺乏等问题，制约了制造业网络化、智能化的进一步发展。设备运维方面， 如何有效地监测和利用输变电设备运行过程中的海量全景信息如电压、电流、负荷、温度等，进而对其状态做出准确的判断是当前的研究热点。不少国内外学者和专家对此进行了深入的研究和探讨，并取得了较显著的成果，文献3提出了全自动
4、化的设备多源异构数据空间合成与立体展示方法，有效地建立起输变电设备运行过程中多源异构数据的空间关联关系，文献4提出了一种基于人工智能技术的电力设备运维检修方法，基于此方法对设备的运行状态和变化趋势做出准确地评估及预测，文献5基于大数据模糊迭代法和加权专家库，得到了多源感知信息的加权分布，进而有效地对设备进行状态评估，文献6采用支持向量机与证据理论融合方法对气体绝缘开关柜的环氧绝缘子的状态进行有效地评估，文献7总结了人工智能技术在当前电力设备智能巡检、故障诊断、状态预测等典型业务场景中的应用等。然而，在实际落地应用过程中，仍然存在一定的问题和困难：1）用于感知输变电设备全景信息的传感器件较少，智
5、能传感器的研究还面临着微型化、抗干扰及运行可靠性方面的挑战，成熟度未达到现场应用的要求8。2）由于对设备内部的感知能力不足，对于缺陷及故障发生的物理学规律认知不充分，进而影响了缺陷与相关参量之间关联关系的分析结果。3）感知数据质量差异化明显，无法进行数据的有效融合。4）现有的输变电设备状态评价模型准确率还有待提高，受物理感知数据质量的影响较大，且模型的可拓展性较差，缺乏对输变电设备差异化、个性化的评价。5）现有智能化水平无法实现辅助判断的功能，无法为现场运维人员提供辅助检修决策。在上述背景下，数字孪生(digital twin，DT)技术应运而生。数字孪生的概念最早于 2003 年由美国迈克尔
6、格里夫教授提出，其将数字孪生定义为物理实体、虚拟实体及二者之间的联系模型 3 部分。随后，其被应用于航空航天、智能汽车、飞行器设计、卫星工程等多个行业，如文献9讨论了基于数字孪生的飞行器寿命预测与维护决策；文献10基于数字孪生技术对智能汽车行业的车辆需求量进行了有效地预测；文献11提出了数字孪生车道的概念，推动了自动驾驶车辆的智能化发展；文献12 提出了一种基于相似性的深度学习时间序列预测方法来实现遥测数据的恢复，进而保证卫星数字孪生模型数据来源的可靠性等。对于数字孪生技术在电力行业的应用，国内外学者也进行了探索研究，文献13分析了数字孪生技术在输变电设备状态评估中的应用现状，并对其发展趋势进
7、行了展望；文献14基于数字孪生模型对 GIS 筒体关键部件温变行为进行了仿真研究；文献15设计了可从低压侧实时监测中压侧电压波形的配电变压器数字孪生电路等。为使数字孪生技术快速落地应用，不少公司也进行了相关的研究，如美国参数技术公司(Parametric Technology Corporation，PTC)16建立了ThingWorx 平台，可以将传感器实测的数据与软件ANSYS 连接，并建立相应的数字孪生体展示；通用电气研究院16提出了云计算平台 Predix，基于大数据分析，实现对投运设备的掌控；西门子16构建了开放式操作系统 MindSphere，将物理实体连接到数字平台17等。虽然数
8、字孪生技术在电力行业中的应用还处于理论研究阶段，但其依然为输变电装备的全生命周期管理提供了新的技术路径。基于数字孪生技术可建立起物理与信息空间的连接，实现输变电装备实体与孪生体之间的交互映射，通过状态感知、物理模拟、数据分析等掌握实体的运行状态， 并基于预测优化结果干预实体的运行，达到对输变电装备全生命周期监测与控制的目的。鉴于此，本文从输变电设备的智能化需求出发，首先提出了输变电设备数字孪生的构建过程， 同时分析了其内涵及特征，其次进而结合设备全生命周期各阶段的实际需求，提出了输变电设备数字孪生系统架构，并以变压器为例，给出了其运维数字孪生体的实现构想；之后阐述了输变电设备数字孪生实现时所需
9、的关键技术；最后探讨了数字孪生技术在输变电设备全生命周期各环节中的应用，并对其面临挑战进行了分析。1 面向输变电设备的数字孪生系统架构数字孪生是当前业界较为关注的一种数字化发展技术，当前普遍认为其是综合运用物理感知、数值计算、模拟仿真等信息技术，通过建立与物理实体对应的虚拟实体，实现对物理实体的数字描述， 并借助数据分析、建模等技术完成对物理实体的监测、诊断、预测等，进而通过物理实体与虚拟体之间的交互映射，实现对物理实体行为的优化调控， 具有可扩展性、保真性、可操作性等特点。模型是数字孪生发展的理论基础，在其落地应用中具有指导意义。不少专家对数字孪生的理论模型进行了积极探索，如图 1 所示，格
10、里夫教授最初定义的 3 维模型18包括真实空间、虚拟空间及其之间的连接， 之后北航研究团队提出了数字孪生 5 维模型19，该模型在 3 维模型的基础上，增加了孪生数据与服务2 个维度，丰富了数字孪生的理论内容，受到了业内的广泛应用，中国电科院蒲天骄团队在 5 维模型的基础上结合能源互联网领域的实际需求提出了能源互联网数字孪生模型20，该理论模型的提出进一步促进了数字孪生技术在能源行业的落地应用。电力作为能源行业的中心，其数字化转型是实现能源清洁低碳转型的基础，输变电装备是电力系统的重要组成部分，加快其智能化、数字化发展是推动智能电网建设的重要保证。本章从输变电设备全生命周期管理的实际需求出发，
11、结合数字孪生技术，分析了输变电设备数字孪生的内涵及特征，同时在能源互联网数字孪生模型的基础上，提出了输变电设备数字孪生系统的应用架构。1.1 输变电设备数字孪生内涵及特征输变电装备的全生命周期管理可分为设计、制造、交付、运维与报废阶段，随着数字化进程的不断推进，全生命周期的各阶段均呈现出不同的新需求21，具体表现为：设计阶段，需将已有的设计模图 1 数字孪生模型Fig.1 Digital twin model型、经验、数据等进行有效存储并能实现复用，并考虑在节省资源的前提下进行优化设计；制造阶段， 需对输变电设备制造加工流程进行数字化规划与监测，设备出厂检验需采取虚实结合的手段，对其整个过程可
12、实现复现与溯源；交付阶段，需将输变电设备实体与虚拟体均进行交付；运维阶段，需实现对输变电设备运行状态的全面感知、实时监测、准确评估、精准预测、智能控制，提高其运维效率； 报废阶段，结合实际运行研究输变电设备的使用寿命，对其做出合理的报废和回收决策。综上所述， 输变电设备全生命周期中各阶段的需求实际上是对输变电设备数字化跟智能化发展的需求。数字孪生技术的出现为输变电设备的智能化跟数字化发展提供了新的路径。随着我国坚强智能电网的建设，输变电装备行业在数据标识22、状态感知23-24、信息通讯25、状态诊断26-27等方面均取得重大突破，为构建输变电设备数字孪生提供了有利的数据来源和通讯支撑。输变电
13、设备数字孪生应满足可监测、模拟、计算和控制输变电设备全生命周期各个阶段过程和状态的要求，其本质是数据闭环赋能体系，其通过数据标识、状态准确感知、模型实时仿真、数据实时分析、决策精准执行，实现输变电设备在设计制造、运行维护等过程中的准确模拟、监测、诊断、预测和控制，用以解决输变电设备在设计、制造、交付、运维、报废管理闭环过程中的不确定性和复杂性问题， 通过虚拟体与物理体信息的实时交互，使得二者之间能及时掌握双方的变化并做出快速响应，从而提高了输变电设备全生命周期管理的效率。输变电设备数字孪生是以能源互联网数字孪生理论模型为指导，结合数字孪生的成熟度进化28提出的，其构建过程包括数字化建模、虚实感
14、知交互、机理驱动的仿真计算、数据驱动的智能分析及共享智慧 5 个阶段。首先，基于数字标识、智能感知、全景建模等技术，在数字空间构建与物理实体相匹配的虚拟体，完成数化任务，接着通过感知交互， 完成物理实体与虚拟体的实时映射，实现互动过程， 之后利用动态模拟、实时诊断等方法精准掌握物理体的真实运行状态，随着感知数据的不断丰富，对物理体的模拟也不断精准，从而达到先知、先觉状态，再通过知识库自学习、智能控制等可实现虚拟体对物理体的控制，最后孪生体可达到共智阶段， 共享信息共同进化，从而完成输变电装备数字孪生的构建。从输变电设备数字孪生的构建过程来看，其有如下基本特征：1）虚实精准映射。通过感知、建模等
15、技术可完成对输变电设备设计、制造、运维等全生命周期的数字化模拟，进而实现对输变电设备物理实体的数字化呈现、精准表达与实时监测。2）多源数据融合与驱动。数字孪生构建中的数据源于输变电设备在设计、制造、运维等阶段的物理实体、虚拟体等，其涵盖设备设计数据、制造数据、运维感知数据、仿真模拟数据、人工智能分析数据等。数字孪生集成并融合了上述多源异构数据，进而驱动了建模仿真、大数据分析计算。3）模型支撑。数字孪生的核心是面向输变电设备的物理机理仿真模型和数据驱动分析模型，通过模型计算可评估物理实体当前状况并了解其未来发展态势。4）平台软件定义。数字孪生的实现关键是面向输变电设备实体建立相对应的虚拟体，并在
16、数字孪生平台上以软件的方式模拟输变电设备全生命周期的动态行为，通过云边协同计算，监测并智能控制输变电设备实体决策。5）辅助决策。输变电设备数字孪生的映射是双向的，一方面，虚拟体可基于历史和实时感知数据对物理体进行行为模拟分析，另一方面，通过虚拟体的分析结果，可对输变电设备物理体进行智能控制，并优化其决策依据，提升物理体的决策效率。1.2 输变电设备数字孪生系统架构本文在能源互联网数字孪生理论模型的基础上，从输变电设备数字孪生的构建过程出发，结合输变电设备的实际应用需求，提出输变电设备数字孪生构建的系统架构，如图 2 所示。输变电设备数字孪生系统架构是所提出的数字孪生构建过程的实施路径，是结合当
17、前智能电网架构提出的数字孪生管理框架。输变电设备数字孪生系统架构包含物理层、感知层、传输层、虚拟层及应用层 5 层。其中物理层包含输变电设备设计、制造、交付、运维及报废回收等全生命周期所涉及的物理实体，其包括机器、人员、环境、材料等，是数字孪生的实现基础。输变电装备结构复杂，使得其在设计、制造、运维等过程中的环境跟状态无法在物理空间被准确分析， 因此在感知层需基于先进传感装置监测输变电设备在其全生命周期中的状态及其参量，从而在虚拟空间中融合装备的设计参数、制造过程参量、在线监测数据、环境数据等数据，并采用仿真建模、大数据计算等对输变电设备生命周期的各个阶段进行研究分析。传输层的功能是为其他层级
18、提供数据支撑服务，感知层采集到的物理实体数据通过传输层实时传递给虚拟层，虚拟层的管理控制指令也可通过传输层传递给物理层，用以实现物理层跟虚拟层之间的实时交互。虚拟层指的是与物理层中物理实体相对应的虚拟体集合。虚拟层包含数字化建模、仿真计算、大数据分析等功能，该层是基于感知数据实现对输变电设备全生命周期的监测、评估与预测。应用层是输变电设备数字孪生全生命周期中的具体业务应用，其包括输变电设备数字化研发、智能制造、物理与数字体双交付、智能运维等环节。从输变电设备数字孪生的构建过程来看，其数字化建模、机理驱动的仿真计算、数据驱动的智能分析及共享智慧的实现均主要依赖于虚拟层与应用层，虚实感知交互过程主
19、要依赖于感知层与传输层。图 2 输变电设备数字孪生系统架构Fig.2 Digital twin system architecture for power transmission and transformation equipment变压器是电力系统中重要的输变电设备，以其为例， 结合数字孪生构建过程，基于输变电设备数字孪生系统架构，给出运维服务中变压器数字孪生体的实现构想，为输变电设备数字孪生的实现提供可行的思路。变压器数字孪生体的实现包括数字建模、虚实互动、机理驱动的仿真计算、数据驱动的智能分析、智慧共享 5 个阶段，其实现架构如图 3。第 1 阶段是实现变压器物理体的数字建模，基于设
20、计制造过程等的数据采用倾斜摄影技术、可视化技术等刻画变压器的虚拟体模型，并实现变压器虚拟体跟物理体之间的基础同步映射；第 2 阶段是变压器虚实模型的感知交互，该阶段通过各类先进传感装置如光纤传感29-30、声纹监测技术31等实现变压器各类运行参量的全面感知，从而在传输层通过网关或直连的方式将感知数据传输到虚拟体模型中，实现变压器物理体到虚拟体的实时运行映射， 此时变压器虚拟体可实现实时展示物理体的运行情况；第 3 阶段是变压器的仿真计算，该阶段基于已图 3 变压器智能运维数字孪生体实现架构Fig.3 Digital twin architecture for intelligent opera
21、tion and maintenance of transformer知的物理学规律对变压器的运行状态进行模拟计算，实现对变压器运行中场量、状态量的实时掌握； 第 4 阶段是变压器数据智能分析，该阶段基于感知数据及仿真数据，采用人工智能等方法对变压器当前及未来的运行状态进行准确评估，实现对变压器运行趋势的准确预判；第 5 阶段为共享智慧阶段， 该阶段通过人机交互、不同变压器数字孪生体之间的数据共享从而实现变压器的智能监控、检修，最终完成变压器运维数字孪生体的构建。2 输变电设备数字孪生关键技术输变电设备数字孪生实现中涉及建模、通信、感知、仿真等众多前沿技术32-33，本章从输变电设备数字孪生的
22、构建过程出发，详细分析每个阶段涉及的关键技术。2.1 数字化建模阶段数字化建模是实现输变电设备数字孪生的基础，这个过程需要将输变电设备全生命周期中的物理实体表达为计算机能识别的数字模型，从而增强对物理实体的认知，更加清晰地掌握其全生命周期中的运行参量及状态。如图 4 所示，驱动该过程的关键技术包括测量技术、材料分析技术、建模技术、可视化技术等。测量是运用计算机技术、通讯技术、空间科学技术等实现对输变电设备全生命周期物理实体尺寸、位置等数据的采集34，其是输变电设备数字化建模阶段的重要任务。通过激光测量、三坐标测量等可对输变电设备在制造过程中零部件、设备整体尺寸进行有效测量，为数字建模提供可靠的
23、实测数据支撑。基于材料分析技术35可对输变电设备各部件构成材料的属性进行研究，并构建相应的材料属性库，为数字建模提供可靠的材料数据支撑。可视化36是将数据以图像或图片形式展示出来，进而达到人机交互的目的，实现的方法包括虚拟现实、增强现实等，通过该技术可实现现场人员与设备的和谐交互，提高人对虚拟空间的感知能力。建模是实现输变电设备数字化的关键技术37，其包含模型构建、融合等方面。以测量技术得到的数据为基础， 结合材料属性库，采用点云技术、倾斜摄影测量技术、建筑信息模型技术、即时定位与地图构建技术等可对输变电设备全生命周期物理实体进行数字化建模，如在设计制造阶段，结合出厂零部件设计数据、生产的测试
24、数据等可完成对设备生产制造模型的构建。除上述的技术外，实现该过程还需要纹理技术、3D 轻量化技术、融合技术、语义建模技术等。2.2 虚实感知互动阶段感知互动是实现输变电设备物理空间与虚拟空间实时交互的重要环节，该阶段中输变电设备虚拟空间随物理空间感知数据变化而实时变化，同时物理空间需接受虚拟空间的指令跟控制。如图 5 所示，驱动该过程的关键技术包括先进传感技术、同步技术、数字线程技术、传输技术、存储技术等。输变电设备虚实空间交互的数据基础是其全生命周期中的各类信息，其采集与感知依赖于先进的传感装置38。如在输变电设备制造阶段，通过射频识别技术、智能仪表、条形码等感知方法可实现对制造车间物料、零
25、部件、刀具等生产要素数据的自动采集；输变电设备结构复杂，在其运维阶段， 需采集其电、声、光、热及化学等多种特征参量， 进而实现对其运行过程的全面监测，近年来，相关学者对于磁场传感、光纤传感、微机械微结构传感(micro-electro-mechanical systems，MEMS)装置进行图 4 数字建模阶段的关键技术Fig.4 Key Technologies of digital modeling先进传感技术磁场传感光纤传感MEMS 虚实感知 互动 存储介质存储协议存储架构存储技术图 5 虚实互动阶段的关键技术Fig.5 Key technologies in the interacti
26、ve phase of virtual reality perception了大量研究并取得了丰硕的成果，推动了输变电设备运维的智能化发展。同步技术39是通过调整通信网中的各种信号使之协同工作的技术，包括对输变电虚拟空间与物理空间模型的同步及信息传输中网络、节点、信道的同步等，基于该技术可确保信息传输的实时性与准确性，保障了输变电设备虚实空间的一致性。数字线程技术40能够屏蔽不同类型的数据和模型格式，从而促进数据跟模型之间的快速流动、交互及集成，进而实现输变电设备全生命周期中各环节的虚拟体间的沟通与融合。该技术包含正向数字线程技术和逆向数字线程技术两大类，正向数字线程技术以基于模型的系统工程技
27、术(model-based systems engineering，MBSE)为代表， 逆向数字线程技术以管理壳技术为代表，数字线程技术提升了输变电设备虚实空间的交互速度。传输技术41指利用不同信道的传输能力构成完整的传输系统，使输变电设备全生命周期的信息得以可靠传输，其包含有线传输跟无线传输两种方式，随着计算机技术、电子技术的快速发展，目前无线传输的应用更为广泛，无线传输技术有 5G、蓝牙、ZigBee、NFC、WIFI 等。传输技术保证了输变电设备虚实空间交互的通信可靠性。存储技术42是对输变电设备全生命周期信息的管理、保护及储存，其是存储介质、存储架构、存储协议等多层次技术的集合。智能化
28、的数据存储方法可对输变电设备运行中的海量、异构、多源等数据有效存储，进而满足输变电设备虚实空间交互的数据需求，当前大数据的存储技术包括分布式文件存储、云存储、NewSQL 及 NoSQL 数据库存储等。除上述技术外，该阶段的实现还需要通讯协议技术、一致性交互控制技术、网络安全技术等。2.3 机理驱动的仿真计算阶段机理驱动的仿真计算是输变电设备数字孪生中极其重要的阶段，该阶段基于确定性规律和完整机理来模拟物理空间的运行过程，从而实现对物理空间的动态预测，其涵盖了输变电设备的全生命周期。如图 6 所示，驱动该过程的关键技术包括数值仿真技术、模型降阶技术、仿真模型校核、验证及确认技术、模型进化技术、
29、模型融合技术等。数值仿真技术43是运用仿真硬件和软件并通过仿真实验，结合数值计算及问题求解方法，反映输变电设备物理空间运行过程的技术，其包含 CAE 仿真、系统仿真、多物理场仿真等方法。在输变电模型降阶技术特征正交分解 动力模态分解全局稳定性分析模型融合技术增量模型螺旋模型演化模型模型进化技术超参数优化 进化寻优模型校核验证确认技术可信性验证一致性验证静态分析动态测试 其他支撑技术并行计算技术 反演技术高性能加速计算 图 6 机理驱动的仿真计算阶段的关键技术Fig.6 Key technology of mechanism-driven simulation设备设计阶段，通过仿真技术，可实现对
30、电子电路、机械等设计步骤的优化、设备设计方案合理性的模拟及设计进度的展示等；在其制造阶段，可通过对其生产制造流水线、规划、物流、服务等过程的仿真及优化，实现输变电设备的智能制造；在运维阶段，基于输变电设备运行机理，结合运行感知数据及多物理场仿真技术，可实现对其当前运行状态的仿真及未来运行状态的预测，辅助现场运维人员检修决策的制定。模型降阶技术44是指将随时间变化的多维物理过程进行低维的近似描述，在满足计算精度要求的前提下使得仿真结果达到最优化，从而降低计算维度、减少计算量并节省仿真计算时间。常用的降价方法有特征正交分解法(proper orthogo- nal decomposition，PO
31、D)，动力模态分解法(dynamic mode decomposition，DMD)，全局稳定性分析等。模型是仿真计算的核心，模型的准确度直接影响仿真结果的可信度，仿真模型校核技术是用于确定仿真模型是否能满足开发者的要求，模型验证技术是为了确定仿真模型对其代表的真实系统描述的精准程度，模型确认技术是为了确定所建的仿真模型是否适合某一特定的应用45。对输变电设备全生命周期进行仿真计算时，会存在来自模型、计算方法及硬件引起的误差，可采用零、部件模型校核、弹体动力学模型校验、静态分析、动态测试等方法进行模型的校验，模型验证的方法包括可信性验证法及模型一致性验证法等，模型的确认需权威机构根据验证信息及
32、其结果进行验收。模型进化技术46是在已建好的数字模型基础上，通过仿真计算得出当前运行中存在的问题，并对其进行改进优化，提高仿真的准确性。常用的方法包括超参数优化、进化寻优等。模型融合技术47可集合输变电设备全生命周期各阶段的仿真模型，从而建立起统一的、具有可扩充性的能表达完整信息的输变电设备仿真模型， 以提升模拟计算的准确率，该技术的实现方法包括增量模型法、演化模型法、瀑布模型法、螺旋模型法等。机理驱动的仿真计算阶段，除上述关键技术外，还需要并行计算技术、反演技术、高性能加速计算技术等支撑。2.4 数据驱动智能分析阶段数据驱动智能分析阶段的主要任务是在信息不完整或机理不明确情况下，通过大数据分
33、析、人工智能等手段对输变电设备全生命周期进行预测， 此时对输变电设备全生命周期的监测不仅局限于人类的认知水平，反而更加注重对未知的不确定因素的探寻。如图 7 所示，驱动该阶段的关键技术包括数据预处理技术、云边架构技术、数据更新和迭代技术、故障诊断与预测技术等。数据预处理技术48是运用机器学习等方法改进数据质量，从而提高数据挖掘的准确率和效率， 其包括数据清洗49、数据规约、数据集成等。数据清洗的目的是将数据中的重复信息删除、错误信息纠正，进而保证数据的一致性。常用的数据清洗方法有分箱法、聚类法、回归法、拉依达准则法、稀疏编码法等。数据集成是把不同来源、格式、特点的数据在逻辑上或物理上有机地集中
34、起来，达到数据全面共享的目的。数据集成的方法有联邦数据库系统、中间件模式、数据仓库技术等。数据规约的目的是降低数据的规模，节省数据存储的成本，其包含维度规约和数据规约两类，维度规约的方法有小波变换、主成分分析、特征集选择等，数据规约方法包括回归分析、聚类分析、抽样分析等。云边架构技术50是一种分布式运算技术，通过合理地分配云计算跟边缘计算的任务，实现计算下沉，在输变电设备全生命周期管理中可大大降低信息传输的延迟，提高任务响应的效率。其实现模式包括训练 计算的云边协同、云导向的云边协同及边缘导向的云边协同，实现的方法包括近似协同计算、博弈论等。数据的更新和迭代51是对数据进行删除修改再插入的过程
35、，随着数据的不断更新与迭代，使得数据库不断丰富，进而推动智能分析模型的准确率不断提升。实现的方法有单行数据插入、子查询结果插入、DataAdapter 方法等。故障诊断与预测技术52是利用各种检查和监测方法，结合感知数据、实验数据等，查找输变电设备运行过程的故障状态，并基于人工智能分析对其之后的运行状态进行预警的技术，基于该技术运行人员可提前掌握输变电设备的运行趋势，从而可辅助运维人员做出检修决策。该技术的实现方法53包括卷积神经网络、递归神经网络、深度神经网络等。在智能分析阶段，除上述关键技术外，还需要数据特征提取技术、算法优化技术、模拟追溯技术等的支持。2.5 共享智慧阶段共享智慧阶段是输
36、变电设备数字孪生构建的最后一步，该阶段通过云计算等技术实现多层次、多维度信息的交换跟共享，使得输变电数字孪生体之间能够互相感知与帮助，进而提高设备的运维可靠性。如图 8 所示，驱动该过程的技术包括人机交互技术、云计算技术、服务迁移技术、服务封装技术等。图 7 数据驱动的智能分析阶段的关键技术Fig.7 Key techniques of data-driven intelligent analysis 编程模型虚拟化技术分布式存储 智能管理平台分布式资源管理云计算技术图 8 共享智慧阶段的关键技术Fig.8 Key technologies in the shared intelligence
37、 stage人机交互技术54是通过计算机输入、输出设备如鼠标键盘等，实现人与计算机之间交流对话的技术，在共享智慧阶段，基于该技术运行人员可根据计算机分析的结果对输变电设备的运行状况进行实时调控。随着新一代技术的不断发展，人机交互的实现方法也在不断更新，目前其实现方法包括多通道交互、情感计算、虚拟现实等。云计算55作为数据服务中心，是通过虚拟化技术构建的，也是共享智慧阶段的核心技术，目前其包含分布式存储、虚拟化技术、分布式资源管理、编程模型及智能管理平台等核心技术。分布式存储采用可扩展的系统架构，用于将大量服务器集合为一台计算机，并提供海量数据的存储于处理业务；虚拟化技术56是一种在软件中模拟硬
38、件，以虚拟资源为用户提供服务的计算形式，其旨在合理调配计算机资源；分布式资源管理是在多点并发执行环境时，保证各节点状态的同步，并在单个节点出现故障时，通过机制保证其他节点不受影响的技术；编程模型是用于数据集的并行运算和并行任务的调度处理；智能管理平台具有高效调配大量服务器资源，使其更好协同工作的能力，云计算通过上述核心技术，将分散的节点有效地整合起来，组件成大规模集群，在提升资源的利用率同时提供强大的计算性能，为数字孪生智慧共享奠定了计算基础。服务迁移技术57是为了解决由于用户或设备移动性导致的服务质量降低和服务中断问题而提出的，其实现需要考虑网络延迟、迁移开销等服务迁移指标，实现的方法有马尔
39、科夫决策方法、同构迁移学习、监督迁移学习等。服务封装技术58是隐藏所开发服务的属性和实现细节， 仅对外公开接口，控制在程序中属性的读和修改的访问界别，是为了保证开发者知识产权的一项技术， 实现的方法包括移动 Agent 封装技术、Jini 封装技术、Portalet 封装技术等。共享智慧阶段的实现，除上述技术外，还需要数字线程技术、区块链技术、服务请求、调用技术等。3 数字孪生技术在输变电设备中的应用展望及挑战3.1 应用展望随着数字孪生技术的快速发展，其在电力行业中的应用越来越广泛。结合输变电设备数字孪生系统架构，可看出数字孪生技术可广泛应用于输变电设备全生命周期管理的各个环节，包括设备设计
40、、制造、交付、运维、报废与回收阶段21。在输变电设备设计阶段，由于设备结构复杂， 设计时需综合考虑其多物理场耦合运行下的各属性参数额定值和最大限值。基于设计工具、仿真软件等可将输变电设备实体映射到虚拟空间，并形成可拆解、可修改、可复制、可删除的输变电设备数字孪生体，从而增强设计人员对输变电设备物理实体的了解，同时通过对所构建的设备数字孪生体性能的模拟测试、数据分析，可掌握设备物理实体在多物理场作用下的各属性参数值，并针对属性薄弱点进行优化和改进，进而缩短设备的设计时间，优化设备的设计流程。在该阶段，对于有特定要求的客户，基于数字孪生技术可对设备的设计参数、结构等进行修改，从而满足用户的实际需求
41、，提高输变电设备设计的个性化水平。设备制造阶段，基于仿真建模技术可对输变电设备制造流程、工艺、车间等建模，从而构建设备虚拟制造生产线，在制造时间、需求等条件约束下， 对设备制造过程跟装配工艺等进行模拟分析，仿真不同生产条件、工序情况下的设备制造效率，进而实现对设备制造生产线的优化。同时基于采集的生产过程数据，可对设备生产的全过程进行有效监控， 并利用人工智能算法对设备制造参数、指标进行预测，对所生产的不满足要求的设备进行有效地处理和调整。最后在该阶段可对所制造的设备采取物理与虚拟相结合的方式进行出厂检测，保证设备的出厂质量，提高设备的交付速度，实现输变电设备的智能优化制造。设备交付阶段，改变原
42、有的单一物理交付，将输变电设备的设计、采购、制造等阶段产生的数据、文档、模型及所对应的标准化格式随物理实体一起提交给用户，实现物理与数字设备的双交付，满足用户对于设备透明数据的需求，从而提高输变电设备的运行可靠性。智能运维阶段，通过对输变电设备运行参量的全面感知，可实现对设备的远程监控。并基于机理驱动的仿真计算对输变电设备的运行情况展开模拟分析，掌握输变电设备的当前运行情况，进一步采用人工智能算法对感知数据及仿真数据进行深度挖掘，结合专家处理的经验，对输变电设备未来的运行趋势、服役寿命等方面进行预测，从而准确掌握设备的运行状况，降低设备故障的风险，提高对输变电设备运行的管理水平。同时基于预测结
43、果，借助知识图谱技术，可为运行人员提供设备相似缺陷案例报告，辅助其制定检修决策，减少不必要的检修带来的运维成本及停电损失，促进设备检修模式的智能化发展。报废与回收阶段，需要报废的输变电设备依然存在可循环利用的资源、部件以及可能会产生环境污染的物质，因此需对其进行可靠的报废与回收处理。根据输变电设备的运维状况，结合现场需求， 可准确地决定其报废时间，避免设备过早报废浪费资源或过度使用造成安全隐患；对于已报废的设备， 可拆解其零部件，对可回收的资源及可能会污染的物质进行有效处理，同时完善回收工艺及流程，提高资源的利用率，降低设备回收的成本。随着该技术的深入发展，其必然也会对输变电设备行业的设计制造
44、方式、运维报废管理及供需市场带来变革。随着数字孪生标准的逐步推进，输变电设备设计制造过程不断标准化、智能化、有序化， 用户可通过对不同厂家设计、制造设备对应的虚拟体进行质量评估与选择，从而引导企业从底层提高设备生产质量，促进设计制造行业的良性竞争，提升设备的生产制造水平。输变电设备数字孪生实现了物理体到虚拟体的实时映射，使得输变电设备全生命周期的历史数据、运行感知数据、仿真数据等均完整记录，促进了设备故障、异常状态的溯源追踪监测，同时通过对设备的服役特性研究，可准确地对其退役时间进行推测，实现资源的有效利用， 通过无人机、虚拟现实技术等可实现检修的虚拟化， 降低对运行人员的需求，提高设备的运维
45、效率。数字孪生技术的应用也会推动输变电设备供需市场的变革，用户对设备的需求不只局限于物理体，还包括其对应的虚拟体，因此设备供应企业还需注重对设备虚拟服务的开发与探索，将其发展潜力下沉到下游服务活动中，从而有效地推动了设备制造企业的服务化转型。3.2 面临挑战目前，数字孪生技术在输变电设备中的应用尚处于初级阶段，存在较多亟待解决的问题。结合现阶段智能电网的建设背景，数字孪生面临的研究重点集中于标准、模型、数据、机理、监测等方面。其中标准是数字孪生快速发展的重要导则，其应该包括基础标准、平台标准、技术标准、安全标准、测评标准及输变电设备行业数字孪生应用标准59。基础标准是对数字孪生概念的定义、参考
46、框架、适用条件及要求设定的共性标准，是数字孪生的底层标准；平台标准是对数字孪生实现平台或软件工具的性能、开发技术等提出的要求；技术标准用于规范数字孪生构建过程中所需关键技术的实施，其涵盖了数据、虚实空间、连接、服务 5 个方面；安全标准是对数字孪生实现中信息、网络、功能、人员等方面提出的要求；测评标准用于规范输变电设备数字孪生体系的评价与测试方法；输变电设备行业数字孪生应用标准是结合电力行业所提出的数字孪生应用标准，标准的制定有利于数字孪生的规范化发展，因此必须快速高效地制定数字孪生应用的标准，推进数字孪生在输变电行业的应用。数字建模是数字孪生发展的基础与核心，由前述可知，其实现的关键技术涉及
47、多领域、多尺度、多层次。因此其未来的研究重点在于对多领域技术、模型的融合，从而实现对物理体的准确模拟。数据是数字孪生实现的重要环节，输变电设备数字孪生涵盖了其全生命周期管理的多源数据，如何在数据层、特征层对数据进行有效地融合、挖掘，进而提出各阶段的优化建议是未来的重要研究方向。输变电设备运行环境复杂，现阶段对其在多物理场作用下的运行特性、材料属性等机理认识不足，对其故障产生机理及演变规律掌握不深，因此对其运行过程机理的探究应是下阶段需重点关注的方面。监测是在机理尚不完全透明情况下通过感知数据对输变电设备运行状态进行有效监视进而掌握其变化的规律， 其实现依赖于计算机、人工智能技术的发展，如何创建
48、更快地更准确地且可以结合设备实际评估需求的神经网络60是监测方面需深入探究的方向。除上述研究重点之外，数字孪生的实现还需要平台、接口、芯片等多学科的共同支撑。数字孪生技术在输变电装备中的实现与应用面临的难点及挑战包括平台、传感、共享等方面。输变电设备结构复杂，其数字孪生模型需在具有兼容性、开放的平台上布置，然而目前国内的输变电设备仿真计算平台、数据分析平台及数字孪生平台均未成熟，限制了数字孪生技术的发展与应用；传感装置是实现输变电设备全生命周期全景信息感知的核心，当前的输变电设备的采集装置不足以支撑数字孪生的构建，对于输变电设备内部的感知装置研究不成熟，使得其内部运行机理的研究进展缓慢， 运行参量的选择存在困难；共享是促进输变电设备数字孪生成熟的重要手段，由于设备设计、制造、运维等行业间的信息具有一定的敏感性，使得大量的信息处于保密状态