基于数字孪生技术的智慧变电站研究与应用

国网上海市电力公司浦东供电公司 张 弛 汤 蕾 黄 鑫 江斌开 马建楷 上海友颐信息技术有限公司 党志涛

随着电力需求的快速增长，分布式能源渗透率的不断上升，能源产销界限的模糊以及供给侧改革的加速推进，电力行业传统的运行模式受到了严峻的挑战，同时也对电力公司的运维、管理提出了更高的要求。面对不断发展、日益复杂的电力系统，众多供电公司开始积极探寻数字化转型路径。目前，数字孪生、大数据、人工智能等先进技术方兴未艾，通过打造基于数字孪生（Digital Twin）系统的智慧变电站，实现对站内设备的健康状态评估及故障诊断，进而拓展延伸至系统层面，实现其自我优化和管理，最终提高电网整体的稳定性和智能化，成为了供电企业关注的重点。

数字孪生一词率先由美国学者M ichael Grieves 于2013年提出，并应用于航空航天飞行器的健康维护与保障。最初的理念是基于传感器建立某一物理实体的数字化模型，来模拟现实世界的具体事物，从而可对其状态进行检测和评估。通用电气对数字孪生的理解侧重于预测其产品在其生命周期内的健康情况，而西门子则致力于通过应用数字孪生来提高生产效率和质量。

近年来，随着大数据、人工智能、5G 通信等新技术的发展，计算能力的显著提升使得数字孪生的功能也得到了进一步延伸，发展成为一个集成多学科、多物理量、多尺度、多概率的仿真过程，使得其在电力系统领域有了更为广阔的用武之地。

文献[1]利用数字孪生技术将大量多源异构数据进行有效集成和高效利用，以实现对电力变压器状态的准确评估；
文献[2]提出了一种用于电力系统在线分析的数字孪生系统框架设计，并给出了该框架下实现电网调度规则数字化的解决方案；
文献[3]概述了数字孪生在改善电网运行、减少计划外停电以及更好地管理市场条件变化方面的潜在应用。

文献[4]对比了利用数字孪生系统和传统电力方法在潮流分析方面的可靠性，进一步验证了数字孪生的工程实用性和可行性。可以预见，通过充分挖掘/分析大量的电力实时/历史数据，映射实体的实时动作、行为和状态，将改变整个电力系统的认知模式——即从传统的由物理模型驱动的认知模式转变为由数据驱动的认知模式，从而可有效地为电力系统的行为决策提供参考；
文献[5]提出了基于大数据的变压器运行状态评估模型，用于评估变压器运行状态、预测变压器故障率，为运检人员和调度人员提供分析依据及决策指南。

本文聚焦于传统变电站的数字化改造，详细介绍了基于数字孪生技术的变电站建设内容、关键技术，并对改造后的成果进行了展示与分析，为后续变电站的数字化改造提供了借鉴。

1.1 定义及作用

作为连接能源生产和消费重要枢纽，电网在充分发挥多种能源之间的互补优势，实现更大范围内的资源优化配置中将发挥核心作用，变电站是电网设备中最基础、最庞大、最关键的组成要素，构建变电站数字孪生系统成为电网设备数字孪生系统的基础和核心环节。具体来说，变电站数字孪生系统通过传感网络采集到的高密度动态数据以及设备全息三维模型，实现实体设备在数字世界中的映射，打造数字化的设备生命体。在数字世界中构建智慧决策大脑，基于海量数据开展设备状态评估、故障预防、故障诊断与故障排查，向实体设备下达运维策略，实现真实世界与数字世界之间的“动态连接”和“双向传输”，从而提升精细化管理水平，打造安全、经济、精准、智能的变电站运维检修新模式。

1.2 系统架构

变电站数字孪生系统中，采集的数据接入到变电站端服务器进行缓存存储及支持站端高级应用，通过网线、光纤、无线基站等方式将辖区内各个变电站端所有设备的全量数据汇总传输至中心端服务器中，进行冗余备份与存储，支持中心端的高级应用。根据数据的驱动流向，变电站数字孪生系统可以分为四个层级。

第一层是设备层，包括变电站内的各类智能传感器、保护自动化设备、辅助控制设备等；
第二层是数据层，可以将采集到的数据通过规约转换实现61850、104、modbus 等协议转换成http 协议，然后经网络传输至中心端或站端服务器，进行后续的数据接收、数据存储以及数据的加工处理。

第三层是应用层，通过持久化的消息队列、对象存储数据库、时序数据库、关系型数据库等实现电力数据的使用服务功能，包括设备状态数据远程监测、设备全息三维模型查询、可视化图表查询、服务自监控自治理等基础应用功能，还包括利用随机森林算法、LSTM、预警引擎等对设备进行精准检修决策分析、通过websocket 或callback 的方式实现实时告警数据的通知等高级应用功能；
第四层是终端用户，应用通过API 网关将应用呈现到各个电力生产及管理单位。

系统架构通过封装实施通信的协议和约束关系，各个组件只需按照接口要求插入连接件进行组件间通讯，实现插拔式横向扩展。即插拔式连接组件分为插拔式接口和通讯实体两部分。插拔式接口包括了一个需求服务接口和一个提供服务接口。通讯实体即为真正完成通讯的部分，它包括通讯的协议、服务。

插拔式架构中数据以及事务的处理分布在一定范围内的多个组件中，组件之间通过RPC 通讯协议互相连接。组件间的连接方式是多样的，而且组件分布的位置透明，或是在同一个或不同的应用程序内，或是在不同的服务器上的不同应用程序。使用插拔式架构在连接和交互时不用考虑对方的位置，只需告诉连接组件通讯的对象与方式。

2.1 物联网环形验证及正负反馈机制

系统构建环形验证机制，采用非同源或者非同样原理的物联网感知技术对设备的同类特征进行交叉验证，既有效解决了单一感知装置采集数据的可信度问题，又大幅提升了设备状态评价和缺陷认定的效率和准确性。此外，系统中还建立了感知装置正负反馈机制，当前端感知装置检测到数据的异常发展趋势时，系统自动控制前端传感装置、巡检机器人提高采样频次或进行复测确认，实现双向互动、循环复诊。

2.2 设备状态分类及预测算法

系统利用设备的状态参数进行健康度分类，有助于快速识别不同设备的健康状态，为设备检修策略提供依据。传统的规则判断方法在处理多维度参数空间下的健康度分类模型时候存在瓶颈，机器学习等人工智能的方法可以有效的解决此类问题。系统利用相关性分析的技术，对设备的状态参数和设备的健康程度进行判断，选择出对设备健康贡献度比较大的参数因子，利用随机森林等机器学习或者深度学习的分类器模型，对设备的健康程度进行分类。

此外，系统还能够利用高密度实时感知数据实现设备异常发展趋势预警，在故障发生之前提前预测设备故障，有效预防故障发生。设备状态预测模型采用LSTM 等循环神经网络算法，可以有效地学习到历史数据长短期之间的依赖关系，利用历史数据的依赖关系对未来一段时间进行预测，当预测的指标变化超过了阈值的限制，可以提前进行故障预警，防患于未然。

2.3 设备缺陷诊断知识库

系统通过知识库的构建，对历史故障数据进行学习，为故障识别提供依据。基于历史故障的处理流程，利用实体识别、关系抽取等自然语言处理技术构建设备缺陷诊断知识库，利用知识库能够开展设备缺陷标签分类、设备缺陷关联学习以及历史缺陷案例匹配。

设备缺陷标签分类即利用关键词抽取的技术对历史设备缺陷的关键词进行抽取，对历史设备缺陷赋予相应的标签，标签可以用于快速查询相似类别的设备缺陷。设备缺陷关联学习即利用知识库的关系模型，可以学习到不同设备缺陷之间的关系，如果存在具有强相关性的缺陷，可以对此类缺陷进行监控分析。历史缺陷案例匹配即在缺陷发生后，利用文本相似度的算法，在知识库中快速匹配类似的历史缺陷案例，给出相应的解决方案。变电站数字孪生系统算法模型逻辑图如图1所示。

3.1 设备数字孪生全息状态感知

该变电站内的实体设备在虚拟空间构建的数字化生命体如图2所示，中部为该设备的三维模型，其能够直观清楚地呈现该设备详细的内部、外部结构，两侧为设备的状态、数据信息，用于反映观测对象的实时变化情况。同时，系统利用智能传感器、图像识别、机器人等技术，形成以机器巡视为主、人工巡视为辅的巡视模式，并输出各类设备状态量的分析图表。

3.2 降低人工作业频度和作业风险

对于站内设备，数字孪生系统不仅能够主动比对站内视频捕捉的压板投、退状态与保护装置采集的压板状态，实现压板功能状态的智能确认与主动告警，以减少人为不安全因素；
同时，通过远程观测传感器采集数据、机器人巡检等手段，可大幅减少人员现场作业频度，降低了人员接触带电设备作业的风险。

3.3 检修模式由预防性转为预测性

系统深挖数据价值，通过专家知识与人工智能相结合的方式，建立设备状态评价专家知识库和大数据分析模型，在线诊断并精准评估设备状态，提前掌握设备异常发展趋势；
在此基础上，系统根据设备状态输出差异化、精细化检修策略，推动设备从“预防性检修”向“预测性检修”转变，并为大修技改投资提供指导性意见。

3.4 提升缺陷认定及时性与准确性

以机代人开展异常跟踪与缺陷认定，通过系统中构建“感知数据环形验证”和“感知装置正负反馈”机制，根本解决报警信号可信度问题，在大幅提升设备缺陷认定效率的同时准确判断出缺陷的性质与类别，制定针对性监测和处置措施，有效前移设备安全预警防线，降低隐患在网运行时长，提高设备使用价值，延长设备使用寿命，同时有效提高故障应急处理效率，缩短抢修时长。

综上，本文提出了基于数字孪生技术的智慧变电站的概念和定义，并对建设智慧变电站中所涉及的系统架构、业务架构及其关键技术进行了详细描述，介绍了通过数字孪生技术对传统变电站进行数字化改造所取得的成果，阐明了智慧变电站的可行性和优越性，为未来打造安全、经济、精准、智能的变电站运维检修新模式提供了参考。