数字孪生技术在新型电力系统中的发展综述

数字孪生技术在新型电力系统中的发展综述

作者：王榕泰（1），吴细秀 （1），冷宇宽（ 2），侯慧 （1），吴士普（ 3），邱进（ 3） 

（1.武汉理工大学自动化学院，湖北省 武汉市 430070； 

2.国网孝感供电公司，湖北省 孝感市 432000； 

3.中国电力科学研究院有限公司，湖北省 武汉市 430074） 

摘要

随着新能源入网比例的增加，电力系统正经历向新型电力系统转型的深刻改变，面临很多新问题，尤其是新能源并网带来的不确定性，给电力系统建模带来了巨大挑战。基于新一代信息技术发展起来的数字孪生技术在应对转变上具有独到优势，是解决和发展新型电力系统的重要手段。

为此，该文梳理近年来数字孪生在电力系统最新的应用情况，首先通过文献计量分析了解数字孪生发展趋势和研究热点，在此基础上明确数字孪生在电力领域的定义，辨析其与传统仿真的区别。根据不同学者的研究成果对比总结数字孪生的共性特征、实现框架、实现方法及关键使能技术。然后，总结现有数字孪生在电力系统中的应用现状，通过 Pareto 曲线和时间趋势分析对数字孪生的具体应用展开讨论，分析数字孪生应用的评价标准，并通过数字孪生建模案例初步探讨了数字孪生在电力系统中的实际应用和评价体系。最后，理清数字孪生目前待解决的关键问题，展望数字孪生在电力系统应用的未来发展趋势。 

关键词：新型电力系统；数字孪生；文献计量分析；数据驱动；评价体系 ；

DOI：10.13335/j.1000-3673.pst.2023.2108

00

引言

构建新型电力系统是实现我国能源安全新战略的重要需求，也是实现“30·60”碳中和目标的重要途径。新型电力系统转型带来了深刻的物质基础和技术基础变化[1]：1）风能、太阳能出力具有强时空相关性和不确定性导致一次能源特性产生了巨大变化[2]，传统物理建模方法基于微分代数方程组无法描述新能源的这种不确定性。2）新能源大量代替常规能源，电网形态及运行方式将发生剧变，将会出现交、直流混联大电网，微电网，柔性直流电网，主动配电网等多种形态电网并存的局面。同时因配电网有源化，亦可能出现局部配电网潮流反转的情形[3]。传统仿真方法只针对局部电网下某一时空尺度下的动态过程建模，无法在系统中同时描述多种电网形态，也无法通过物理模型准确描述潮流反转等新型电力系统特有情形。3）高比例的低惯性、弱抗干扰性和多时间尺度响应特性电力电子设备入网，使电力系统惯量下降，动态特性改变，传统的“三道防线”不能主动防御电力系统危机，已不足以保护电力系统的安全稳定运行，经典分析方法（如传统机理模型、三维 Park 变换等）也已无法描述新型电力系统的高维时空统计信息[4]，需加强数字化建模，全面描述新型电力系统。4）新型电力系统供需两侧均面临强不确定性[5]，“源随荷动”的平衡已被打破，需推进源-网-荷-储协同互动[6]，准确描述新的非实时平衡模式。5）新能源的低运行成本降低了电力系统的边际成本，但对电力系统调节提出了更高的调节要求，导致系统成本升高，必须完善能源价格机制，加强电力系统市场建设[7]。 

数字孪生（digital twin，DT）基于物联网、数据中台、云计算、数字线程、大数据分析、人工智能等技术，是一个集成多尺度、多物理量、多概率的建模与仿真技术[8-9]。其中，数据驱动建模技术可以应对新型电力系统中随机发电、随机负荷等非实时平衡模型难以描述的问题，多时空尺度、多物理量仿真可以很好地应对新型电力系统转型带来的多种电网形态共存现象及电力电子设备入网带来的机电-电磁混合仿真问题。目前在电力行业已有数字孪生应用的探索，施耐德电气打造 ETAP 电气系统数字孪生平台，为电气系统从设计、建造、运营到维护的全生命周期的不同阶段搭建虚拟模型并提供全面分析[10]；GE 提出风电场数字孪生模型，通过两个通信系统连接风电场中的风力涡轮机及其数字模型[11]；Ansys 建立泵的数字孪生体，在PTC的 Thingworx 平台进行故障诊断和预测性维护[12]。 

综上所述，新型电力系统转型带来变革的同时带来了很多机遇，数字孪生在解决新型电力系统转型方面具备其独到的优势。本文分析数字孪生技术在电力系统发展的现状，首先回顾电力系统数字孪生的发展历程，梳理针对新型电力系统数字孪生的最新研究成果，对比不同学者对电力系统数字孪生的定义，分析数字孪生区别于传统仿真的地方。然后通过具体应用案例分析实现电力系统数字孪生的实现架构、实现难点、典型特点、实现方法和使能技术。最后，总结了现有技术存在的缺陷，对电力系统数字孪生的未来发展趋势进行了展望。

01

 电力系统数字孪生的文献计量分析 

为了解数字孪生在电力系统应用的最新情况，论文主要通过在不同数据库检索相关关键词，排除不相关文献，然后对其进行计量分析再精细阅读的方法开展研究。为提高论文阅读效率，减少论文分析工作量，论文主要检索了 SCI/EI 检索的期刊论文，检索所得论文分析详见附录。VOSviewer 是一种可对文献进行可视化分析的开源免费工具，本文使用 VOSviewer 对上述论文进行关键词共现频率分析，得到的结果如图 1 所示。图中从蓝到红的颜色梯度代表了文献发表时间从早到晚。由检索结果可知： 

1）数字孪生的相关关键词有数字孪生车间、数字化转型、信息物理系统、机器学习、数据驱动、能源互联网、新型电力系统、边缘计算、人工智能、多物理场仿真、故障诊断、智能运维等等。 

2）由关键词的演变可知：①数字孪生概念起源于工业制造，随着“大云物移智”技术的发展，在各行各业蓬勃发展。②数字孪生在电力系统中的应用与数字化转型、能源互联网、新型电力系统的提出等大背景密不可分。如图 1 所示，新型电力系统提出后，与数学孪生密切相关的智能运维、电力设备、多物理场仿真、早期故障等关键词频繁出现。

这表明数字孪生在电力系统的发、输、变、配等各个环节均已得到应用，是传统电网向新型电力系统全面转型重要技术手段。尽管数字孪生在电力系统发展势头迅猛，但与其他行业相比，数字孪生在电力系统的发展仍处于起步阶段。 

^{图1 文献可视化分析结果} 

^{Fig. 1 Literature visualization analysis results} 

3）数字孪生在电力系统的发、输、变、配等各个环节的应用因其服务对象不同，实现的目标和手段存在差异。对变电设备而言，可建立多物理场仿真模型明确变电设备故障发生机理，在此基础上根据传感器的感知数据，利用人工智能算法进行电力设备的故障预测，最终实现电气设备的智能运维；而对配电网而言，则需采用机器学习的方法对新能源的负荷进行预测，进而完成配电网的态势感知，从而实现配电网的安全调控和最优化运行。 

4）数字孪生的发展离不开人工智能、边缘计算、机器学习、数据驱动等技术的发展，即数字孪生技术的出现是人工智能、大数据、云边协同、云计算等技术发展的必然结果。 

5）物理实体设计、生产、交付、服役和报废的全生命周期数据是驱动数字孪生发展的核心。数字孪生数据处理中经常用到机器学习等技术，新型电力系统的数字化转型关键在于电力系统这一复杂的多时间尺度系统的全生命周期管理，其数字孪生框架的设计是目前亟需解决的难点问题。检索结果中信息物理系统、元宇宙、多物理场仿真等是与数字孪生极易混淆的概念，下面将从数字孪生的定义出发阐述其与信息物理系统、元宇宙和传统仿真之间的区别。 

02

数字孪生的定义及与其他技术、传统仿真的区别 

2.1 数字孪生概念演变过程

“数字孪生”的概念起源于美国国家航空航天局的“阿波罗计划”，这一术语首次出现于Hern´andez LA, Hern´andez S 的论文中[13]，但该文的数字孪生是指物理对象的几何模型展示，不包含物理机理。通常学术界和工业界共同认可的“数字孪生”概念是 Michael Grieves 教授于 2003 年在其产 品 全 生 命 周 期 管 理 （ product lifecycle management，PLM）课程上提出，将其定义为“信息镜像模型（information mirroring model）”[14]。首次对数字孪生给出详细的定义则是 2010 年，NASA发布的报告《Virtually Intelligent Product Systems: Digital and Physical Twins》[15]，该报告将数字孪生定义为：“数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应实体装备的全生命周期过程。”2011 年，第一篇关于数字孪生的期刊论文问世，该文使用数字孪生来预测航空器的结构寿命[16]。2014年，Michael Grieves 教授发布第一本数字孪生白皮书，相比于 2003 年提出数字孪生概念——物理对象的虚拟数字等价物，论文更加明确了产品生产和产品设计，增强了设计和执行间的闭环关系，将“数字孪生”由概念推向实际应用[17]。自此，伴随着信通技术的蓬勃发展，数字孪生也进入繁荣发展期，数字孪生的应用由最初的航空领域扩展到工业制造、医疗保健、智慧城市等各个领域。2017 年，国内首篇针对数字孪生的学术论文“数字孪生车间——一种未来车间运行新模式”刊发[18]，该文引起了国内学者对数字孪生在制造中的应用研究的关注与共鸣。随后，陶飞教授在 Michael Grieves 教授提出的数字孪生三维模型（物理实体、虚拟实体及连接）的基础上，增加了服务和孪生数据两个维度，提出了数字孪生五维模型[19]。2019 年，《Nature》向陶飞教授团队发起邀请，发表了评论文章《Make More Digital Twins》[20]，主要关注如何利用数字孪生助力智能制造、数字化转型，同年发表了第一批有关电力系统数字孪生的文献[21]，揭开了数字孪生在电力系统中的发展序幕。2021 年，工业 4.0 研究院发布《数字孪生电网白皮书》[22]，南方电网公司发布《南方电网数字电网白皮书》[23]，数字孪生技术被认为是实现电力系统数字化转型的关键技术。2023 年，数字孪生技术被应用于电力系统中发输变配用以及调度等各个领域。 

^{图 2 数字孪生关键时间节点} 

^{Fig. 2 Digital twin key time nodes} 

2.2 数字孪生与其他技术的区别 

随着数字孪生的发展，出现了与数字孪生类似的信息技术，但与数字孪生技术的应用效果不尽相同，本节对比数字孪生和信息物理系统、元宇宙等其他技术的区别，辨析数字孪生技术特点。 

2.2.1 数字孪生与信息物理系统的区别 

信息物理系统（cyber physical system, CPS）是与数字孪生极为相近的概念。CPS 是以网络化为基础，通过计算、通信及控制技术（computing、communication、control, 3C）深度融合，构建一个计算、网络和物理实体有机融合的复杂系统[24]。CPS 和数字孪生的区别为： 

1）CPS 源自嵌入式系统的广泛应用[25]，数字孪生源自产品全生命周期管理。数字孪生是物理实体在虚拟数字空间的等价，CPS 是实现物理系统与信息系统深度融合的技术体系[26]。两者的共同点是都存在与信息系统的融合。但数字孪生一定存在孪生体，是物理实体在虚拟空间的映射，很显然 CPS中的信息系统并非孪生体。 

2）CPS 侧重于实体及信息和物理的相互作用，实测数据持续实时反馈给虚拟仿真系统，一般不考虑具体业务及相关智能算法模型。而数字孪生系统侧重于数据处理，更强调利用算法模型实现虚拟空间随物理空间同步演变，最终引导物理空间按照最优策略运行[27-28]。 

3）CPS 本质是利用 3C 技术向物理系统添加新功能，偏重控制，故 CPS 主要模块是传感器和执行器，从而导致 CPS 的信息物理间的映射是一对多的。数字孪生则采用基于模型的系统工程方法（model-based systems engineering，MBSE），偏重数据和虚拟模型，故而数字孪生的物理信息间的映射是一对一的对应关系[29]。事实上，虚拟模型可用作补充以丰富 CPS 的组成和功能，数字孪生可被视为构建和实现 CPS 的必要基础。 

2.2.2 数字孪生与元宇宙的区别 

元宇宙（metaverse）是基于未来互联网的三维虚拟空间，具有链接感和共享特性，通过虚拟增强现实，呈现融合性和物理持久性的特点[30]。元宇宙与数字孪生的区别为： 

1）元宇宙起源于游戏娱乐产业，注重用户与虚拟世界的交互与创造[31]，追求超越现实世界的虚拟世界，物理实体与虚拟世界是一对多的映射关系，且虚拟世界的概念更广泛，这点与数字孪生的孪生体有本质区别。数字孪生侧重于构建现实世界的虚拟映射，物理实体与孪生体一一映射[29]。 

2）元宇宙和数字孪生对计算能力和计算效率的要求都很高，但元宇宙对硬件基础的依赖要更高，构建元宇宙需要高效、低延时的通信设备、更完善的功能平台[30,32]，目前的技术水平还难以真正实现。数字孪生则更加依赖算力的提升和精细化建模，偏重实时仿真与数据驱动，且算力可通过云计算[33]、存算一体[34]等技术提升。 

3）元宇宙在电力系统中的应用还处于理论阶段，其应用场景与数字孪生类似，包括势态感知、故障诊断等，优势在于对复杂能源互联网的演进。数字孪生技术被视为元宇宙的支撑技术之一。 

4）元宇宙涉及虚拟世界的社会性质，除支撑虚拟世界运行的技术，还需区块链等技术保障用户的虚拟财产。数字孪生则注重物理实体和孪生虚体的虚实交互，通过数据/机理驱动建模仿真，指导现实世界按照安全、稳定、高效的方式运行。 

2.3 与传统仿真的区别 

相对于智能制造、智慧城市，数字孪生在电力系统发展起步较晚，故很多学者将数字孪生当做仿真计算的升级。数字孪生的基础是仿真，但它并非是对传统仿真的概念炒作。首先，传统仿真难以应对新型电力系统转型带来的风光发电预测、实时孪生仿真等挑战，因此能够应对这些新挑战本身就是不同于传统仿真的地方，如图 3 所示。此外，数字孪生还兼具传统仿真所不具备的优势，如表1 所示。

1）新型电力系统带来的新的挑战。 

①“双碳”驱动下强不确定性的源网荷储调度协调。新能源深度耦合[35]、源—网—荷—储协同互动的非实时平衡模式对传统“源随荷动”的调度模式、稳定性控制和三道防线的颠覆[36]，电力电子设备较低的故障耐受力、复杂的控制逻辑、快速暂态过程及跨区电网互联[37]给电网带来了稳定性降低、结构复杂度增加、仿真时空尺度增大等问题。 

②新型电力系统强交织、高维度等特点导致难以准确刻画其机理模型。首先，对于所辖单元强交织的新型电力系统，难以建立精度和求解速度均达到计算要求的机理模型。其次，机理模型的维度会限制变量利用数目的上限。再次，物理模型难以分析处理不确定性，即各个子物理模型之间的误差传递机制和误差累积效应难以描述和评估，致使所提取的最终特征其表征效果无法保证[38]。 

③大规模新能源并网给新型电力系统带来的强不确定性、弱惯性、弱抗扰性和强非线性。光伏发电输出功率表现出的实时变化、随机波动特点以及风电出力的波动性和预测的不准确性将对电网带来巨大的冲击[33,39]。传统仿真气象数据更新不及时，进而影响系统的预测精度，预测可靠性降低。 

2）传统电力系统仿真的局限性。 高比例新能源为主的新型电力系统给电网带来了深刻的影响，电网形态发生演变，传统的以机理模型驱动的仿真计算实时性、互动性差，无法刻画系统特性，难以满足电网数字化转型的需求。 

①传统仿真离线更新参数，仿真的静态结果不能实时反映电力系统状态。电力系统是一个多尺度、动态特性复杂的系统[40]，传统仿真只能刻画某个时空尺度下的动态过程，且更新参数采用离线方式，固有误差较大[28,41]，滞后、孤立的数据还会造成仿真效率低和数据使用率低[42]。 

②传统仿真只包含部分物理规律，不能描述电力系统中的随机过程。如针对继电保护是基于对象所遵循的部分物理规律，难以完整刻画所保护的对象[43]；断路器投切过程[44]、核反应堆安全分析[45]等物理机理不明确，传统仿真无法准确描述对象的随机过程，难以量化系统的不确定性。

③传统仿真不包含对物理实体的态势感知，难以对电力系统进行状态预测。传统的静态仿真与动态仿真是对系统的普适性变化或某一时间段内系统的显著动态变化进行描述，对整个周期完整变化无法完整描述，更无法完成对当前状态的感知。目前电力系统在线仿真主要关注在线分析计算速度，对电力系统未来运行趋势关注不足[46]。 

④传统仿真数据利用率低。仿真的特点是对一些共识性的认知采用数学语言描述，在不同的工作条件下，利用不同的求解方法获取具体条件下系统物理现象的具体表象，这种具体表象就是仿真结果，多以各种数值（数据）方式呈现。这决定了它只能反映全生命周期某一时间段的演变规律，故而无法充分利用数据。相比较传统仿真，数字孪生具有以下优势： 

①数字孪生具备闭环性，通过实虚交互可以实现参数的动态更新，全面包含各个时空尺度的动态过程[40]。同时，物理模型作为物理实体的固有属性，其信息也体现在观测数据中，通过数据驱动可以补充机理不可解释的部分，且一定程度上可以实现模型以及交织问题的解耦[38]。 

②结合仿真和实测运行两种手段。既可以监测现有运行状态，也可以预测未来运行趋势；既可以评估运行过程产生的误差与错误，也可以评估实测运行信息并优化整个系统[47]。 

③数字孪生能够基于设备实景状态建立模型，建立比基于图纸建模更加精确的模型[48]。 

④数字孪生可促进物理信息深度融合，实现区域电网互联，解决不同层级、不同电压等级电网缺乏协调，处于孤岛运行的问题[24]。 

⑤数字孪生具备智能性，可协调分布式能源，实现能源资源优化配置。可实现电力设备全要素数字化，推动数字化电网建设；可提升电网运营水平，实现多维时空尺度优化管理[49]。 

综上所述，新型电力系统数字孪生在数字孪生定义基础上包含了许多电力系统所特有的内涵。因此，笔者认为：新型电力系统数字孪生是以孪生虚体仿真为基础，以实时动态推演新型电力系统运行态势为目标，建立“数据驱动 机理驱动”融合模型，采用高性能仿真，并通过人工智能决策、机器学习等技术实现知识和数据的融合驱动，充分考虑新型电力系统出现的“双高”、不确定特性(如新能源出力不确定性、电力电子装置大量入网的动态特性更迭和电网跨区互联)，并具备状态评估、故障诊断、状态预测和智能决策等功能的系统解决方案。 

03

 新型电力系统中数字孪生的关键问题  

不同学者对数字孪生定义不同，其具备的特征、实现过程存在差异也就是必然的。本文对不同定义内涵进行对比，以期为电力系统数字孪生的实现提供参考。 

3.1 数字孪生特征 

随着研究的深入，不同学者都对数字孪生的内涵进行了拓展，具体表述如附表 A1 所示。对比分析可知，虽然不同学者对其定义略有不同，但对数字孪生的认知存在以下共识： 

1）数字孪生是实现现实空间和虚拟空间映射关系的载体，数字孪生体是物理实体的虚拟表示。 

2）数字孪生体是动态变化的，随时间演变，与物理实体全生命周期同步。 

3）物理实体的感知需通过采集实际数据实现。数字孪生的核心理念指出需在数字空间映射物理实体，不论在哪个领域应用数字孪生，应具备共同的特征。 

1）根据定义，显然数字孪生应该具有以下 3个基本特征。 

①孪生同步，数字孪生体应与物理实体具有相同的物理规律和运行机理，可随物理实体同步演变，并具有强学习性和高保真度，可以进行自我学习和自我修正。 

②闭环性，数据采集及实虚交互均是实时发生，孪生体与实体双向影响，数字孪生体指导物理实体运行，物理实体认识增加推进虚体的精准构建，二者具有互操作性，同时兼具闭环反馈的特点。

③模型支撑，数字孪生的基础是仿真建模，基于模型计算可评估物理实体的运行状态并预测未来发展趋势。 

2）根据数字孪生的内涵，数字孪生应具有以下 5 个典型特征。 

①自治，可独立于物理实体目前的运行状态进行推演，例如推演未发生的极端运行状况。 

②大数据驱动，融合海量多源异构数据进行建模、仿真及分析。 

③机理和数据混合驱动建模，以数据驱动方法表示物理实体参数无法直接量测、物理机理模型求解困难或物理机理不明确的环节，弥补机理建模不完备和不确定信息未考虑的缺陷，借助机理驱动方法弥补数据驱动样本有限和样本有偏的固有问题。 

④可操作性，模型易于实现增广与融合，在不同的应用场景、工况条件下可以灵活的更改自身结构、参数配置等条件，从而快速满足用户需求和场景匹配等，并且最终的模型及功能应用会集成于一个或多个易于人机交互的软件平台之中。 

⑤共享性，同一数字孪生体不同组成部分（即子 DT）与不同数字孪生体之间应共享数据。 

3.2 数字孪生实现构架 通过对数字孪生内涵的解读，数字孪生实现构

架按照功能实现划分，可以归为 5 层模型：物理层、感知层、传输层、计算层和应用层，如图 4 所示。 

^{图 4 数字孪生 5 层构架} 

^{Fig. 4 Five-layer architecture of digital twin} 

1）物理层：物理实体，数字孪生体映射对象

2）传感层：主要完成数据采集，对应各种传感装置和数据采集装置，主要包括三维实景数据和运行数据。 

3）传输层：主要提供数据支撑服务，完成数据的通信传输。 

4）计算层：主要进行数据处理，完成仿真计算、评估决策，数字孪生体集成在本层。 

5）应用层：主要集成数字孪生实现的功能及完成的业务，往往封装为一个具有可视化人机界面（human-machine interface，HMI）的软件平台。不同层级的实现过程需要不同领域的使能技术共同完成。对应前文提出的数字孪生 5 层构架，除开物理实体的资产管理技术，其使能技术归为 4 大类，其中，传感技术和通信技术是数字孪生的基础，建模技术是数字孪生的核心，软件服务技术是数字孪生的关键。 

①传感技术。传感技术为数字孪生体同步物理实体提供数据来源，对新型电力系统而言，需要全方面、可靠、准确地采集电网状态信息。其主要支撑技术包括：数字电网透明感知技术[50]、芯片化多物理量融合集成的精准感知技术[51]、智能化传感技术[52]、小微传感技术[39]。 

②通信技术。通信技术是确保传感装置采集数据能被计算层利用的支撑技术，应包括传输、存储、管理和处理数据等功能。其主要支撑技术包括：边缘智能分析与协调控制技术[50]、电力物联与信息通信技术[50]、数据资源汇集技术[52]、高并发接入与海量数据管理技术[27]和多模异构通信技术[39]。 

③建模技术。建模技术是在数字空间建立数字孪生体的关键。建立的模型需具备 3.1 节所述的数字孪生特征，包括电力装备模型的可视化、多尺度仿真、反演计算、状态评估和决策等功能。因此其支撑技术涉及多个领域，主要包括：a）平台构建技术：数字平台构建与数据利用技术；b）功能实现所需技术：多源时空数据耦合的缺陷智能识别技术；c）数据处理技术：大数据、云计算、人工智能；d）数据传输技术：数字支撑、数字线程、数字化标识技术；e）建模技术：三维感知技术、高保真建模技术、统一信息建模技术、多层级仿真建模技术。 

④软件服务技术。软件服务技术是封装数字孪

生功能和业务的工具，实现该过程的关键技术包括：人机交互技术[56]、系统安全防护技术[50]、数据管理和共享技术[57]。不同学者提出的构架的内涵都包含于这5 层构架之中，如附表 A2 所示。区别在于有些学者将 2层或多层并作 1 层，或只侧重于 5 层构架中的某几层功能（这是数字孪生发展处在初级阶段的必然）。这 5 层构架针对某一独立系统的数字孪生实现，但是数字孪生可以是一个多系统的系统（system ofsystem, SoS）的映射[29]，因而还可通过模块化设计以实现由多个数字孪生体组成一个数字孪生大系统的方式[56]：首先提出单独部件的数字孪生体，包括其内部所有组成部分，然后应对不同种类的数字孪生通过一定方式连接成一个整体的系统。在电力系统中该设计方式已得到应用[58]，例如对智能微电网全生命周期管理进行任务分解，构建调控资源智能体、调控过程智能体和调控服务智能体，然后构建系统数字孪生体。 

3.3 数字孪生实现方法 

数字孪生的实现涉及多种方法多个领域，总结起来可以归为以下几点： 

1）数字孪生构建方法。包括机理建模、数据驱动建模及机理和数据混合建模[59]。纯机理建模只能针对一些机理极为明确、易于通过物理机理描述的系统，纯数据驱动建模无论选取多大的样本都存在样本有限的问题[51]。若对某一复杂系统，采用机理建模模拟其机理明确的部分，通过数据驱动表征其不确定的、机理不明的部分，通过混合建模兼具了两种建模的优势[57]。但是，相应的这种建模比单一建模更加复杂，是否需要采用这种方式需结合实际需求而定，若单一建模可以满足精度要求，则无需采用混合建模。 

2）数字孪生体建模方式。包括分布式建模和集中式建模两种方式。从结果来看，两种拓扑都提供相同的功能并产生相似的表现。分布式时延更大这显然是因为各组件数字孪生体之间存在通信传输问题，但是分布式却在设计新系统时具有更好的再使用性（例如新系统只需要某部件数字孪生体的时候），但是集中式却更容易部署和维护[56]。 

3）数字孪生建模步骤。基本可分为两步：第一是在虚拟空间建立数字孪生体，这一过程可以用上述的任意方法、方式实现。第二是建立物理实体和数字虚体之间的联系，实现闭环反馈[60]。按数据交换方式对这种联系的层级进行了划分，分为 DM(digital model), DS(digital shadow), DT(digital twin)。

图 5 和表2 解释了 3 个层级的含义。 

值得注意的是，构建数字孪生体的过程需要经过全面彻底的验证、校核和确认（Verification, Validation, and Accreditation, VV&A）。在构建过程中需要不断反向迭代，确认是否每一步都满足前置需求[61]。 

3.4 数字孪生实现问题 

数字孪生技术是解决新型电力系统数字化转型的关键技术，但与新型电力系统结合中，仍然需要重点关注以下领域： 

1）电力设备运行状态精准感知。电力电子装置集成度高，功率模块运行状态信息难以采集；气体绝缘组合电器（gas insulated switchgear，GIS）和气体绝缘 金属封闭 输电线路 （ gas insulatedtransmission line，GIL）等设备故障机理不明确，实际运维过程中故障不易发现、故障位置难以精准定位。对此，还需发展新的传感设备和高效、安全、稳定的信息传输方法。此外，存在 GIS、变压器等封闭、绝缘的设备，为精确感知、评估其运行状态，还需发展多物理场仿真技术和多物理场多参数反演技术，研发电力设备国产多物理场仿真软件。 

2）多源异构数据融合与特征提取。当前电力设备监测数据体量大、种类多，但存在样本不均衡、特征差异大、数据难以匹配等问题，给设备状态评估及故障预警带来很多困难。以输变电设备数据为例，输变电设备数据包括本体数据、在线监测数据、实验数据、气象与地理环境数据等结构化数据，还有巡检过程中产生的文本、图像、视频数据等非结构化数据。其中非结构化数据难以识别与融合学习，需要运用自然语言处理、计算机视觉等机器学习算法，对非结构化数据进行挖掘。发展知识图谱、多模态机器学习等先进算法，融合多源异构数据，助力电力设备运维数字化转型。 

3）高算力、低功耗的数据处理单元。大量新能源设备包含了海量电力电子元件的复杂快速动作过程，传统的机电暂态仿真已无法满足仿真精度的要求，传统的电磁暂态仿真也需要提高仿真能力和计算效率[62]。当前电力系统也已成为一个庞大的数据源，智能电能表、终端设备的日采集数据量达到 650GB，输电线路检测图像数据每月可产生数十PB[34]。不论是新型电力系统的仿真分析，还是基于人工智能的检测数据处理，都依赖于极高的算力。

此外，数据中心自身耗能高、碳排高，用电量超过全社会的 2.71%，碳排放量高达 1.63 亿 t[63]。针对仿真算力不足的问题，需发展云计算、量子计算及仿真专用芯片等技术；针对数据处理、人工智能所需算力不足的问题，需发展存算一体化、边缘计算等技术；针对数据中心高耗能、高碳排等问题，则需推进东数西算工程，助力可再生能源消纳。 

3.5 数字孪生体构建问题 

由第 2 节数字孪生定义可知：数字孪生体的构建需要利用各种数据，通过“机理仿真模型 数据驱动模型”建立描述物理实体与数字虚体之间的规则、状态和行为的映射关系。由此可见、数字孪生体的建立包括两个部分：

1）数字镜像虚体的建立；

2）映射关系的构建。如图 6 所示，其中，数字镜像虚体的建立可利用三维建模、CAD、虚拟现实/增强现实（VR/AR）等技术实现对物理实体几何特征的精准建模。而构建的映射关系能否准确描述真实世界中物理实体的特征、行为、形成过程、性能及演化规律则决定了模型孪生化的程度。 

表 3 是对数字孪生模型孪生化的划分[22,64]，共分 5 个等级。由表 3 可知：三维几何模型是最低等级的数字孪生体，只构建了几何结构的孪生虚体。将传统的机理仿真模型所描述的物理实体状态、行为等映射至孪生虚体上，可实现第二级孪生化。当前机理模型基本上都是基于实物机理的静态系统，包含结构参数、拓扑信息等，无法处理实时状态数据和时变约束条件。由于新型电力系统内部机理和外部运行特征都已发生了深刻复杂的变化，机理驱动模型已经难以应对当前电力系统安全稳定运行、预测性维护、智能分析决策等需求[65-66]。需建立基于数据驱动的运行状态模型，实现实时数据感知、处理、分析和决策模型。因此，构建数据和机理融合驱动模型是解决新型电力系统发展中电力系统稳态评估、运行规划、故障诊断、智能决策等问题的有效手段，也是提高数字孪生化水平的重要手段。采用数据和机理融合驱动建立的真正数字孪生体应具有实时演化功能，且与物理实体全寿命周期动态特征保持一致，否则仍只是神似，无法深入刻画物理实体的内在演化机理，无法体现物理实体的动态演变过程。孪生化等级最高的数字孪生体应能和物理实体实现双向互动，数字孪生体能反馈控制物理实体，两者双向互动实现系统智能更新优化。由上述可知：机理模型和数据驱动模型融合程度决定了数字孪生体的孪生水平。数据是数据驱动模型的基础，不但要利用各种高性能传感技术精准获取物理实体的实时运行状态和海量信息数据，还要保持数据的同源和同步更新。数据的同源同步更新需要借助统一的信息模型，完成不同孤岛数据的协同与集成，进而实现不同数据的同源同步更新。数字孪生技术在新型电力系统的源-网-荷-储各个环节中均有应用研究。其中，针对变电设备开展数孪生化研究较多，建立的数字孪生体已能实现前三级的孪生化，并正在向第四级迈进[48,67-68]。数字孪生技术在发电和配电领域的应用研究以机理和数据模型的构建为主，主要对人工智能算法和系统运行机理进行研究，涉及两种模型的融合研究偏少[44,69-70]，尽管如此，模型孪生化水平可达第三级。此外，由于电网调控运行担负着保障大电网安全、新能源消纳、现货市场运行和“源网荷储”协同控制等重要任务，其业务复杂程度高，对分析应用响应的实时性、灵活性要求也很高[71]。现有的电网分析模型只能针对局部建模，缺乏针对系统级的实时分析模型。电网模型建模的复杂性和对数据更新的实时性导致数字孪生在电网调度的应用实现难度大，目前尚处于初步探索阶段。其他领域，如储能[72]、用电侧[73]等数字孪生的应用研究也相对较少，可针对这些领域的应用特征开展相应的研究。 

综上所述，数据是数字孪生建模的基础，映射关系是孪生建模的核心，机理模型和数据驱动模型是构建映射关系的手段，两种模型融合的实时性、智能程度决定其孪生化水平。因此，要构建深度孪生化模型需在精准感知、大数据、人工智能等技术领域开展深入研究，以满足数字孪生建模需要。 

04

数字孪生应用实例分析及其评价方法 

4.1 数字孪生应用实例的统计分析 

对实例论文进行梳理，按应用领域划分，对应数字孪生的 5 层框架，则相应有：感知、通信、计算、应用 4 个方面（针对物理实体本身开展的研究不是数字孪生的研究内容，不在本文研究范围）。按产品全生命周期划分为设计、生产、交付、服役和报废 5 个阶段[42]，按电力系统应用场景划分为发电、输电、变电、配电、用电、调度、微电网以及其他，统计结果如附表 A3 所示。 

为分析数字孪生的应用情况，采用 Pareto 图对上述论文进行统计。Pareto 图一般用以在大量的事项中找到最常出现的事项[74]。Pareto 图左侧纵坐标表示论文篇数，右侧纵坐标则表示累计频率，横坐标表示各种领域，按频率大小顺序排列，折线即Pareto 图曲线。 

图 7 是本文的统计结果，可知： 

1）目前研究主要集中在计算领域，旨在通过数字孪生解决传统仿真所无法计算的问题或提升计算效率。相比而言，对感知领域研究较少，因此未来需加强对状态感知、传感采集的研究。 

2）目前主要关注物理实体的服役阶段，对设计和生产阶段也有研究，但是对交付阶段以及报废和回收还未见有相关研究，后续应开展相应研究。 

3）计算层是数字孪生架构的核心，因此，计算领域是经久不衰的研究热点。而自新型电力系统数字化转型提出以来，应用层也成为研究的热点，这与电网数字化是密不可分的。可见，计算层和应用层还会是未来研究的热点，需进一步加强对数字孪生体建模方法和人机交互软件的研究。 

4）自新型电力系统数字化转型提出以来，除一直被大量研究的服役阶段，设计和生产阶段也进入关注的中心。可见，电网数字化的顶层设计是未来研究不可忽视的一大热点。 

5）数字孪生技术在电力系统发输变配用以及调度等各类场景都有研究应用，其中发电设备和变电设备的数字孪生技术应用是当前的研究热点。但对于用电侧、微电网、继电保护等领域的数字孪生体构建仍需进一步开展研究。 

6）仿真建模是数字孪生技术的基础，电力设备建模的关键在于多物理场机理仿真，用电侧与调度等领域则需要构建规则模型和依托大数据的数字模型。尽管当前相关仿真建模的研究较多，但缺乏标准的统一建模方法和完备的国产化仿真软件。 

4.2 数字孪生应用评价标准 

针对具体的数字孪生应用，应有一套评价体系用于判别该应用是否满足应用需求，是否实现了真正的数字孪生。 

目前，针对智能制造，有学者提出了数字孪生标准体系[75]、数字孪生模型评价指标体系[76]、数字孪生成熟度模型[77]等。针对电力系统数字孪生，有学者提出了五维评价标准[40]。而从仿真建模来看，逼真度、置信度和成熟度也是评价数字孪生最重要的指标之一[61]。这三大指标和五维评价标准并不冲突，相反二者相互印证，五维标准和三大指标的内涵如表 4 和表 5 所示。对比二者可知，五维评价指标和仿真建模三大指标之间关系可用图 8 所示的Venn 图表示。 

虽然在电力系统数字孪生方面目前鲜少见到相关评价标准，但事实上在工业制造领域已有相关的标准并有相关学者提出了相对较为系统的评价方法。国际标准化组织、国际电工委员会、国际电信联盟和电气和电子工程师协会等主要国际标准组织都制定了数字孪生标准，如附表 A4 和图 9 所示。限于篇幅，本文不对相关标准展开阐述，只陈述相关学者梳理标准的结果。针对新型电力系统数字孪生，本文基于 3.2 节提出的5 层框架提出针对5 个层级的5 层评价标准。

1）物理保真度。反映数字孪生体与物理实体的相似程度，对物理实体态势感知的准确性，如采用机理建模是否完整考虑物理实体的运行机理[78]，如采用数字驱动建模是否采用了完备的数据集[79]。具体到新型电力系统，应考虑对新能源不确定性的模拟程度，对新型非实时平衡模式建模的准确性。

2）传感可靠性。主要指采集数字孪生数据源的传感装置的可靠性，包括采集的传感状态是否全面包含了物理实体的运行状态，传感装置在现场恶劣运行环境或强电磁干扰下是否可以稳定采集数据等。实际中，类比传统系统，可采用鲁棒性参数（超调量等）对其进行衡量。 

3）通信可靠性。主要指数据上云通道的稳定性和可靠性，包括通信距离、通信丢包率等。 

4）计算准确性。反映计算的准确度和精度，即运算结果与实际运行结果的接近程度和对相同情形运算结果的接近程度，应包括对未来运行态势的预测和对未曾出现的极端运行状况的假设。 

5）应用成熟度。根据数字孪生软件或平台的功能完备性进行评价，包括可视化前端界面、可交互的用户界面和状态监测、故障预警等服务功能。

4.3 数字孪生建模案例 

GIS 占地面积小、结构紧凑，是新型电力系统中主要设备之一[80-81]。为了阐明 5 层架构的具体实现，本文选用某单一 GIS 间隔作为研究对象，说明GIS 数字孪生的建模实现过程。 

①物理层：某单一 GIS 间隔。 

②传感层：主要包括 GIS 全景数据的采集和

GIS 运行数据的接入。全景数据主要指通过三维激光扫描获得的点云数据，运行数据主要指设备运行信息，如主设备数据采集监控系统（supervisory control and data acquisition，SCADA）、机器人、在线监测等在线数据。点云的采集与处理本质上和信号的采样与恢复类似，变电站的点云采集也就类似于信号的采样过程。变电站设备、场景均为连续的线条，可将之类比信号系统中的模拟信号，而激光雷达扫描采集的点云数据，也就可将之类比于数字信号。图 10 为基于点云搭建的 GIS 变电站场景。 

③传输层：系统采用 C/S(客户端/服务器)两层架构的硬件系统体系结构，通过变电站 5G 网络传输数据，其实现架构如图 11 所示。 

④计算层：通过采集的实景数据建立 GIS 数字模型，再通过仿真模拟 GIS 盆式绝缘子内部电磁环境，采集局放故障时 GIS 内部电磁分布特性，建立GIS 局部放电故障数据库。通过反演可以建立局放信号和故障类型及故障位置之间的映射。本文以某次局放故障为例说明计算层功能，限于文章篇幅，只展示分析的流程，流程图如图 12 所示。 

2021 年 7 月，某特高压变电站某隔离开关 B相出现局放告警，现场检查气室外观、SF6 压力、红外测温均正常，通过比对局放监测图谱和故障数据库可初步判定为绝缘缺陷放电。为进一步确定故障类型及故障位置，进一步开展特高频检测和超声检测。基于到达时间差（time difference of arrival，TDOA）方法，进行 2000 次时差定位统计，记录传感器 2 超前传感器 3 的期望值和传感器 2 超前传感器 1 的期望值。 

根据特高频信号时差特征可判断出隔离开关下部静触头附近存在局部放电故障。为确定具体故障，在静触头附近开展声学成像检测。经检测，测点 3 幅值最大相位为机械振动。联合特高频、声学检测结果，最终判断为隔离开关 B 相隔接气室与母线过渡气室间盆式绝缘子放电故障。 

⑤应用层：该软件平台由作者团队建立，其集成 GIS 设备数据显示、检查作业辅助、故障诊断、远程专家协助等多个功能。故障诊断在计算层详述，数据显示界面如图 16 所示。故只介绍检查作业辅助、远程专家协助部分。 

传统运检方式工作人员很难实时得到后台有效支持和指导，运维的效率完全取决于工作人员的专业素养，具有很大的随机性。AR 技术利用附加信息去增强使用者对真实世界的感官认识，两种信息相互补充、叠加，可将运检流程规范化、标准化。以更换 GIS 缓冲器为例，在操作过程中可通过 AR叠加指引信息，引导现场作业人员按照提示完成规范作业，如图 17 所示。 

4.4 数字孪生案例评价 

利用数字孪生 5 层评价标准可对以上特高压GIS 数字孪生平台进行评价。本文以优、较优、良、中、差 5 个等级对不同指标进行评价，对应分值为100%、90%、80%、70%、60%，以下同一层次的评价指标均认为是相同的权重。 

1）物理保真度。 

相似程度：数字孪生模型使用点云技术构建，精度高于传统建模方法，评价结果为优；机理驱动建模考虑了较完整的电磁过程，评价结果为良；数据驱动建模采用了大量实测超高频（ultra high frequency，UHF）数据，评价结果为较优。 

同步程度：机理驱动模型需人工修改缺陷参数，因此评价结果为中；数字驱动模型可以不断添加新采集的参数加入数据库，因此评价结果为优。 

落实程度：通过数据驱动得到的故障结果可根据机理驱动分析的运维措施进行处理，但这种落实需要人工执行，因此评价结果为较优。 

综上，物理保真度的评价结果为 85%。 

2）传感可靠性。 

虽然 UHF 传感器采集数据存在雷达信号、通讯信号等干扰，但 UHF 采集的实时性较好，因此评价结果为良，为 80%。 

3）通信可靠性。 

平台采用 5G 网络加快了数据传输速度，因此评价结果为较优，为 90%。 

4）计算准确性。 

平台分别采用 KNN 算法、决策树算法、RF 算法、AdaBoost 算法以及 GBDT 算法，对 GIS 设备未放电、气隙放电、尖端放电和颗粒放电等局部放电模式进行识别，结果显示平台模式识别平均准确率为 89.99%，因此计算准确性评价结果为 89.99%。

⑤应用成熟度。 

平台采用了 AR 技术加强了实虚融合，使人机交互友好性大大提升，功能较为完备，包括数据可视、故障诊断、辅助检修、辅助决策等，但与实际设备交融性不强，因此评价结果为较优，为 90%。 

图 18 是按照上述分析结果绘制的五性指标雷达图。使用5 层评价指标有利于对数字孪生项目进行多角度评价，利用雷达图可将数据可视化，可以直观呈现数字孪生项目的优势和不足。 

05

展望 

尽管数字孪生技术发展蓬勃，但在电力系统中仍处于起步阶段，为推动数字孪生技术在电力系统中快速发展，尤其是面向新型电力系统的数字孪生建模技术，需在知识与数据融合、电力大数据库、数字孪生建模标准及评价体系等方面重点关注： 

1）知识与数据融合建模。建模技术是数字孪生的基础，也是核心技术之一。面向新型电力系统的数字孪生建模技术应能在明晰新型电力系统物理实体演化机理规律的基础上，建立准确刻画出新型电力系统的运行机理和动态变化特性的模型，从而解决新型电力系统所面临的多尺度、多概率、多物理量和多种不确定性问题。随着新型电力系统的发展，其动态特性也不断发展演化，数字孪生建模技术也应随之发展，这要求孪生建模技术需在知识与数据驱动的融合方面不断进行探索。 

2）数字孪生平台国产化。数字孪生平台是数字孪生模型求解效率与质量的保证，它应具备：①拥有超强计算能力的硬件支撑；②高效友好的数字孪生求解平台。高性能芯片受制于人的困境已有共识，但缺乏自主化国产数字孪生平台的严峻性却未引起电力研究者的足够重视。 

3）提高数据质量和利用率。数据是数字孪生的灵魂，数据驱动是数字孪生区别于传统仿真的关键。知识与数据驱动融合是数字孪生模型建立的基础，也是描述新型电力系统不确定性的有效方法，但目前电力系统某些参量因测量困难而无法获得，部分数据因记录可读性差或数字化程度低存在缺失的现象；已有在线监测系统的测量数据和历史数据因种种原因共享难、利用率低。究其根本原因是电力系统尚未建立统一的电力大数据库来提高数据的共享率和利用率。 

4）加快标准建设。数字孪生 5 层架构涉及物理层、感知层、传输层、计算层和应用层，但目前为止电力系统缺乏相关标准建设，如感知接入标准、虚实映射、数据采集、数据质量评价、信息交互以及知识与数据融合质量等相关标准都很缺乏。因此，需加快建立相关标准，推进标准化数字孪生建模发展。 

5）构建数字孪生建模评价体系。数字孪生技术评价体系对数字孪生发展至关重要。因此，如何构建数字孪生技术评价体系显得尤为重要。可根据数据孪生架构成熟性、建模准确性、通用性、可视性、虚实互动性、实时性、求解的有效性、应用的可执行性和便捷性等，提取相关描述参数并赋权重，进而建立相应的评价体系和标准。 

05

参考文献

[1] 舒印彪, 陈国平, 贺静波, 等. 构建以新能源为主体的新型电力系统框架研究[J]. 中国工程科学, 2021, 23(06): 61-69. SHU Yinbiao, CHEN Guoping, HE Jingbo, et al. Building a new electric power system based on new energy sources [J]. Strategic Study of CAE, 2021, 23(06): 61-69(in Chinese). 

[2] RAN X., MIAO S., JIANG Z., et al. A framework for uncertainty quantification and economic dispatch model with wind–solar energy[J]. International Journal of Electrical Power & Energy Systems, 2015, 73(Dec), 23-33. 

[3] 卓振宇，张宁，谢小荣，等．高比例可再生能源电力系统关键技术及发展挑战[J]．电力系统自动化，2021，45(9)：171-191． ZHUO Zhenyu，ZHANG Ning，XIE Xiaorong，et al．Key technologies and developing challenges of powersystem with high proportion of renewable energy[J]．Automation of Electric Power Systems，2021，45(9)：171-191(in Chinese)． 

[4] SHAIR J, LI H, HU J, et al. Power system stability issues, classifications and research prospects in the context of high- penetration of renewables and power electronics[J]. Renewable and Sustainable Energy Reviews, 2021, 145(July), 111111. 

[5] REDDY S. Optimal scheduling of thermal-wind-solar power system with storage[J]. Renewable energy, 2017(Feb), 101, 1357-1368. 

[6] BASIT A., HANSEN A. D., GIANNOPOULOS G. Real-time impact of power balancing on power system operation with large scale integration of wind power[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(2), 202-210. 

[7] 康重庆, 杜尔顺, 李姚旺, 等. 新型电力系统的“碳视角”：科学问题与研究框架[J]. 电网技术, 2022, 46(3): 821-833. KANG Chongqing，DU Ershun，LI Yaowang，et al．Key scientific problems and research framework for carbon perspective research of new power systems[J]．Power System Technology，2022，46(3)：821-833(in Chinese)． 

[8] ZHOU M., YAN J., FENG D. Digital twin framework and its application to power grid online analysis. CSEE Journal of Power and 

Energy Systems, 2019, 5(3), 391-398. 

[9] 王超超, 董晓明, 孙华, 等. 考虑多层耦合特性的电力信息物理系统建模方法[J]. 电力系统自动化, 2021, 45(3): 83-91. WANG Chaochao， DONG Xiaoming， SUN Hua， et al. Modeling method of power cyber-physical system considering multi-layer coupling characteristics[J]. Automation of Electric Power Systems, 2021, 45(3): 83-91(in Chinese). 

[10] LUND A M, MOCHEL K, LIN J W, et al. Digital wind farm system, US20160333855A1[P]. 2016. 

[11] 施耐德电气：以数字化创新为驱动助力构建新型电力系统[J].电器工业,2023(06):12-13. Schneider Electric: Building new power systems driven by digital innovation[J].Electric Apparatus Industry,2023(06):12-13(in Chinese). [12] QI, Q, TAO, F, HU, T, et al. Enabling technologies and tools for digital twin[J]. Journal of Manufacturing Systems, 2021 58(Part B), 3-21. 

[13] HERNANDEZ L A, HERNANDEZ S. Application of digital 3D models on urban planning and highway design[J]. Transactions on the BuiltEnvironment ,1997,30(01),1-12. 

[14] GRIEVES M. Product lifecycle management: driving the next generation of lean thinking[M]. New York: McGraw-Hill, 2006. 

[15] GRIEVES M. Virtually intelligent product systems: digital and physical twins[M], 2010. 

[16] TUEGEL, Eric J., ANTHONY R. I, THOMAS G. Eason, et al. Reengineering aircraft structural life prediction using a digital twin[J]. International Journal of Aerospace Engineering 2011, 1-14. 

[17] Grieves, M. Digital twin: manufacturing excellence through virtual factory replication[R]. White paper, 1(2014), 1-7. 

[18] 陶飞, 张萌, 程江峰, 等. 数字孪生车间——一种未来车间运行新模式[J]. 计算机集成制造系统, 2017, 23(01): 1-9. TAO Fei, ZHANG Meng, CHENG Jiangfeng, et al. Digital twin workshop: a new paradigm for future workshop[J]. Computer Integrated Manufacturing Systems, 2017, 23(01): 1-9(in Chinese). 

[19] TAO F, ZHANG H, ANG L, et al. Digital twin in industry: state-of-the-art[J]. IEEE Transactions on Industrial Informatics, 2019, 15(4):2405-2415. 

[20] TAO Fei, QI Qinglin. Make more digital twins[J]. Nature, 2019: 490-491. 

[21] 范海东.基于数字孪生的智能电厂体系架构及系统部署研究[J].智能科学与技术学报,2019,1(03):241-248. FAN Haidong. Research on architecture and system deployment of intelligent power plant based on digital twin[J]. Chinese Journal of Intelligent Science and Technology,2019,1(03):241-248(in Chinese). 

[22] 工业 4.0 研究院. 数字孪生电网白皮书[R].2021. Industry 4.0 Research Institute. The white paper on Digital Twin Grid[R].2021(in Chinese). 

[23] 中国南方电网有限责任公司. 南方电网数字电网白皮书[R].2020. China Southern Power Grid Co.，Ltd. Digital Power Grid White Paper[R].2020(in Chinese). 

[24] 肖祥武, 王丰, 王晓辉, 等. 面向工业互联网的智慧电厂仿生体系架构及信息物理系统[J]. 电工技术学报, 2020, 35(23): 4898-4911. XIAO Xiangwu, WANG Feng, WANG Xiaohui, et al. Bionic structure and cyber-physical system for intelligent powerplant oriented to the industrial internet[J]. Transactions of China Electrotechnical Society, 2020, 35(23): 4898-4911(in Chinese). 

[25] GILL H. NSF perspective and status on cyber-physical systems. Austin. Internet[R]. 2006. 

[26] 尚宇炜, 周莉梅, 马钊, 等. 数字化主动配电系统初探[J]. 中国电

机工程学报, 2022, 42(05): 1760-1773. SHANG Yuwei, ZHOU Limei, MA Zhao, et al. Preliminary study of digitalized active distribution systems[J]. Proceedings of the CSEE, 2022, 42(05): 1760-1773(in Chinese). 

[27] 赵鹏, 蒲天骄, 王新迎, 等. 面向能源互联网数字孪生的电力物联网关键技术及展望[J]. 中国电机工程学报, 2022, 42(02): 447-458. ZHAO Peng, PU Tianjiao, WANG Xinying, et al. Key technologies and perspectives of power internet of things facing with digital twins of the energy internet[J]. Proceedings of the CSEE, 2022, 42(02): 447-458(in Chinese). 

[28] 刘皓璐, 邵建伟, 王雪, 等. 基于数字孪生的配电自动化终端设备状态评价与故障预判[J]. 电网技术, 2022, 46(04): 1605-1613. LIU Haolu, SHAO Jianwei, WANG Xue, et al. State evaluation and fault prediction of distribution automation terminal equipment based on digital twin[J]. Power System Technology, 2022, 46(04): 1605-1613(in Chinese). 

[29] TAO, F., QI, Q., WANG, L. et al, Digital twins and cyber–physical systems toward smart manufacturing and industry 4.0: Correlation and comparison[J]. Engineering, 2019, 5(4), 653-661. 

[30] 贺兴,陈旻昱,唐跃中等.基于数字孪生与元宇宙技术的能源互联网态势感知系统论方法研究(一)：概念、挑战与研究框架[J/OL].中国电机工程学报,1-13[2024-01-17]. HE Xing, CHEN Wenyu, TANG Yuezhong, et al. System Theory Study on Situation Awareness of Energy Internet of Things Based on Digital Twins and Metaverse (I): Concept, Challenge, and Framework[J/OL]. Proceedings of the CSEE,1-13[2024-01-17] (in Chinese).

[31] 李祯鹏,王卫锋,向广利等.元宇宙的技术架构[J].武汉大学学报(理学版),2023,69(06):677-689. LI Zhenpeng, WANG Weifeng, XIANG Guangli, et al. Technical Architecture of the Metaverse[J]. J. Wuhan Univ.(Nat. Sci. Ed.) ,2023,69(06):677-689 (in Chinese). 

[32] 贺兴,潘美琪,唐跃中等.基于数字孪生与元宇宙的能源互联网认知系统论(二)：面向复杂系统涌现现象的虚拟仿真推演框架[J/OL].中国电机工程学报,1-13[2024-01-17]. HE Xing,PAN Meiqi, TANG Yuezhong, et al. System Theory on Perception of Energy Internet of Things Based on Digital Twins and Metaverse (II): Virtual Simulation and Analytical Deduction Framework for Emergency Phenomenon in Complex System[J/OL]. Proceedings of the CSEE,1-13[2024-01-17] (in Chinese). 

[33] 郭琦,卢远宏.新型电力系统的建模仿真关键技术及展望[J].电力系统自动化,2022,46(10):18-32. GUO Qi, LU Yuanhong. Key technologies and prospects of modeling and simulation of new power system[J]. Automation of Electric Power System, 2022, 46(10): 18-32(in Chinese). 

[34] 焦飞,宋睿,张鋆等.存算一体技术研究进展及其在电网中应用的探索[J/OL].电网技术,1-16[2024-01-10]. JIAO Fei, SONG Rui, ZHANG Yun, et al. Development of Compute-in-memory Technology and Its Potential Implementation in the Power Grid[J/OL]. Power System Technology,1-16[2024-01-10] (in Chinese). 

[35] 董雪涛, 冯长有, 朱子民, 等. 面向以新能源为主体的新型电力系统仿真工具研究初探[J/OL]. 电力系统自动化: 1-11[2022-10-04]. DONG Xuetao, FENG Changyou, ZHU Zimin, et al. Preliminary study on simulation tool for new power systems dominated by renewable energy[J/OL].Automation of Electrical Power System: 1-11[2022-10-04] (in Chinese) 

[36] 张智刚,康重庆.碳中和目标下构建新型电力系统的挑战与展望[J].中国电机工程学报,2022,42(08):2806-2819. ZHANG Zhigang, KANG Chongqing. Challenges and Prospects for Constructing the New-type Power System Towards a Carbon Neutrality Future[J]. Proceedings of the CSEE, 2022, 42(08): 2806-2819(in Chinese). 

[37] 沈沉, 陈颖, 黄少伟, 等. 新型电力系统仿真应用软件设计理念与发展路径[J]. 电力系统自动化, 2022, 46(10): 75-86. SHEN Chen, CHEN Ying, HUANG Shaowei, et al. Design idea and development path of simulation application software for new power system[J]. Automation of Electric Power System, 2022, 46(10): 75-86(in Chinese). 

[38] 贺兴, 艾芊, 朱天怡, 等. 数字孪生在电力系统应用中的机遇和挑战[J]. 电网技术, 2020, 44(06): 2009-2019. HE Xing, AI Qian, ZHU Tianyi, et al. Opportunities and challenges of the digital twin in power system applications[J]. Power System Technology, 2020, 44(06): 2009-2019(in Chinese). 

[39] 张勇军, 羿应棋, 李立浧等. 双碳目标驱动的新型低压配电系统技术展望[J].电力系统自动化,2022,46(22):1-12. ZHANG Yongjun, YI Yingqi, LI Lixun, et al. Prospect of New Low-voltage Distribution System Technology Driven by Carbon Emission Peak and Carbon Neutrality Targets [J]. Power System Automation,2022,46(22):1-12 (in Chinese). 

[40] 沈沉, 曹仟妮, 贾孟硕, 等.电力系统数字孪生的概念、特点及应用展望[J]. 中国电机工程学报, 2022, 42(02): 487-499. SHEN Chen, CAO Qianni, JIA Mengshuo, et al.Concepts, characteristics and prospects of application of digital twin in power system[J].Proceedings of the CSEE,2022,42(02):487-499(in Chinese). 

[41] 王运达, 张钢, 于泓, 等. 基于数字孪生的城轨供电系统高保真建模方法[J]. 高电压技术, 2021, 47(05): 1576-1583. WANG Yunda, ZHANG Gang, YU Hong, et al. High fidelity modeling method of urban rail power supply system based on digital twin[J]. High Voltage Engineering, 2021, 47(05): 1576-1583(in Chinese). 

[42] LIU, Mengnan, Fang Shuiliang, Dong Huiyue, et al. Review of digital twin about concepts, technologies, and industrial applications[J]. Journal of Manufacturing Systems, 2021, 58(Part B): 346-361. 

[43] 李猛, 聂铭, 和敬涵, 等. 基于数字孪生的柔性直流电网纵联保护原理[J]. 中国电机工程学报, 2022, 42(05): 1773-1783. LI Meng, NIE Ming, HE Jinghan, et al. Pilot protection of flexible dc grid based on digital twin[J]. Chinese Journal of Electrical Engineering, 2022, 42(05): 1773-1783(in Chinese). 

[44] 袁涛, 唐瑭, 司马文霞, 等. 融合实测数据的配网断路器投切暂态过电压建模方法[J]. 高电压技术, 2021, 47(05): 1555-1565. YUAN Tao, TANG Tang, SIMA Wenxia, et al. Switching transient overvoltage modeling method for circuit breaker in distribution networks based on measured data[J]. High Voltage Engineering, 2021, 47(05): 1555-1565(in Chinese). 

[45] 胡梦岩, 孔繁丽, 余大利, 等. 数字孪生在先进核能领域中的关键技术与应用前瞻[J]. 电网技术, 2021, 45(07): 2514-2522. HU Mengyan, KONG Fanli, YU Dali, et al. Key technology and prospects of digital twin in field of advanced nuclear energy[J]. Power System Technology, 2021, 45(07): 2514-2522(in Chinese). 

[46] 周二专, 冯东豪, 严剑峰, 等. 秒级响应电网在线分析软件平台[J].电网技术, 2020, 44(09): 3474-3480. ZHOU Erzhuan, FENG Donghao, YAN Jianfeng, et al. A software platform for second-order responsiveness power grid online analysis[J]. Power System Technology, 2020, 44(09): 3474-3480(in Chinese). 

[47] VOOSEN P. Europe builds digital twin of Earth to hone climate forecasts[J]. Science, 370(6512), 16-17. 

[48] 王浩, 许海伟, 杜勇, 等. 基于数字孪生模型的 GIS 筒体关键部件温变行为研究[J] .高电压技术, 2021, 47(05): 1584-1594. WANG Hao, XU Haiwei, DU Yong, et al. Research on temperature change behavior of key components of GIS barrel based on digital twin model[J]. High Voltage Engineering, 2021, 47(05): 1584-1594(in Chinese). 

[49] 严兴煜, 高赐威, 陈涛等. 数字孪生虚拟电厂系统框架设计及其实践展望[J].中国电机工程学报,2023,43(02):604-619. YAN Xingyu, GAO Ciwei, CHEN Tao, et al. System framework design of digital twin virtual power plant and its practical prospect [J]. Proceedings of the CSEE,2023,43(02):604-619(in Chinese). 

[50] 李鹏, 习伟, 蔡田田, 等. 数字电网的理念、架构与关键技术[J]. 中国电机工程学报, 2022, 42(14): 5002-5017. LI Peng, XI Wei, CAI Tiantian, et al. Concept, architecture and key technologies of digital power grids[J]. Proceedings of the CSEE, 2022, 42(14): 5002-5017(in Chinese). 

[51] 江秀臣, 许永鹏, 李曜丞, 等. 新型电力系统背景下的输变电数字化转型[J]. 高电压技术, 2022, 48(01): 1-10. JIANG Xiuchen, XU Yongpeng, LI Yaocheng, et al. Digitalization transformation of power transmission and transformation under the background of new power system[J]. High Voltage Engeering, 2022, 48(01): 1-10(in Chinese) 

[52] 相晨萌, 曾四鸣, 闫鹏, 等. 数字孪生技术在电网运行中的典型应用与展望[J]. 高电压技术, 2021, 47(05): 1564-1575. XIANG Chenmeng, ZENG Siming, YAN Peng, et al. Typical application and prospect of digital twin technology in power grid operation[J]. High Voltage Engeering, 2021, 47(05): 1564-1575(in Chinese). 

[53] 张晓华, 刘道伟, 李柏青, 等. 智能电力物联网功能架构体系设计及创新模式探讨[J]. 电网技术, 2022, 46(05): 1633-1640. ZHANG Xiaohua, LIU Daowei, LI Baiqing, et al. Discussion on the functional architecture system design and innovation mode of intelligent power internet of things[J]. Power System Technology, 2022, 46(05): 1633-1640(in Chinese). 

[54] 杨帆, 朱力, 刁冠勋, 等. 面向电力设备数字孪生的 RFID 传感器与数据传输协议设计[J]. 高电压技术, 2022, 48(05): 1634-1643. YANG Fan, ZHU Li, DIAO Guanxun, et al. Design of rfid sensor and data transmission protocol for digital twin of electrical equipment[J]. High Voltage Engineering, 2022, 48(05): 1634-1643(in Chinese). 

[55] 刘亚东, 陈思, 丛子涵, 等. 电力装备行业数字孪生关键技术与应用展望[J]. 高电压技术, 2021, 47(05): 1539-1554. LIU Yadong, CHEN Si, CONG Zihan, et al. Key technology and application prospect of digital twin in power equipment industry[J]. High Voltage Engineering, 2021, 47(05): 1539-1554(in Chinese). 

[56] SCHROEDER GN, STEINMETZ C, RODRIGUES RN, et al. A methodology for digital twin modeling and deployment for industry 4.0[J]. Proceedings of the IEEE. 2020, 109(4):556-67. 

[57] 庞宇, 黄文焘, 吴骏, 等. 数字孪生技术在船舶综合电力系统中的应用前景与关键技术[J]. 电网技术, 2022, 46(07): 2456-2471. PANG Yu, HUANG Wentao, WU Jun, et al. Prospect and key technology technologies for the applications of digital twin for shipboard integrated power system[J]. Power System Technology, 2022, 46(07): 2456-2471(in Chinese). 

[58] 高扬, 贺兴, 艾芊. 基于数字孪生驱动的智慧微电网多智能体协调优化控制策略[J] .电网技术,2021,45(07):2483-2491. GAO Yang, HE Xing, AI Qian. Multi Agent Multi Agent Coordinated Optimal Control Strategy for Smart Microgrid Based on Digital Twin Drive [J]. Power System Technology, 2021,45(07):2483-2491(in Chinese). 

[59] 马睿, 任子俊, 谢任友, 等. 基于模型特征分析的质子交换膜燃料电池建模研究综述[J]. 中国电机工程学报, 2021, 41(22): 7712-7730. MA Rui, REN Zijun, XIE Renyou, et al. A comprehensive review for proton exchange membrane fuel cell modeling based on model feature analysis[J]. Proceedings of the CSEE, 2021, 41(22): 7712-7730(in Chinese). 

[60] SAN, Omer. The digital twin revolution[J]. Nature Computational Science, 2021，1(5): 307-308. 

[61] 张 霖 , 陆 涵 . 从 建 模 仿 真 看 数 字 孪 生 [J]. 系 统 仿 真 学报,2021,33(05):995-1007. ZHANG Lin, LU Han. Discussing digital twin from of modeling and simulation[J]. Journal of system simulation, 2021, 33(05): 995-1007(in Chinese). 

[62] 董毅峰.适用于低算力平台的大规模新能源电网电磁暂态仿真技术研究[D].华中科技大学,2022. DONG Yifeng. Research on Electromagnetic Transient Simulation of Power Grid with Large-Scale Renewable Energy for Low Computing Power Platforms[D]. Huazhong University of Science and Technology, 2022(in Chinese). 

[63] 陈冬林,邹安琪,王蕾等.“东数西算”赋能数据中心可再生能源消纳的研究框架与展望[J/OL].情报杂志,1-10[2024-01-10]. CHEN Donglin, ZOU Anqi, WANG Lei, et al. Research Framework and Prospects of Renewable Energy Accommodation in East Data and West Calculation Empowering Data Centers[J/OL]. Journal of Intelligence,1-10[2024-01-10] (in Chinese). 

[64] 胡权. 数字孪生体：第四次工业革命的通用目的技术[M]. 北京：人邮电出版社, 2021: (40-53). HU Quan. DIGITAL TWIN: General-Purpose Technologies(GPT) of the Fourth Industrial Revolution[M]. Post and Telecom Press, 2021: (40-53) (in Chinese).

[65] 王新迎,蒲天骄,张东霞.电力数字孪生研究综述及发展展望[J].新型电力系统,2024,2(01):52-64. WANG Xinying, PU Tianjiao, ZHANG Dongxia. Overview and Prospect of Power System Digital Twin[J]. New Type Power Systems,2024,2(01):52-64 (in Chinese). 

[66] 李成雲,杨东升,周博文等.基于数字孪生技术的新型电力系统数字化[J].综合智慧能源,2024,46(02):1-11. LI Chengyuna, YANG Dongsheng, ZHOU Bowen, et al. Digitization of new-type electric power systems based on digital twin technology[J]. Integrated Intelligent Energy,2024,46(02):1-11(in Chinese). 

[67] 王伟杰, 雍明超, 黄金魁等. 高压设备数字孪生体构建及状态分析技术研究[J]. 高压电器,2023,59(11):119-128. WANG Weijie, YONG Mingchao, HUANG Jinkui, et al. Research on Construction of Condition Analysis Technology of Digital Twin for High Voltage Equipment[J]. High Voltage Apparatus, 2023, 59(11): 119-128(in Chinese). 

[68] 杨帆, 吴涛, 廖瑞金, 等. 数字孪生在电力装备领域中的应用与实现方法[J]. 高电压技术, 2021, 47(05): 1505-1521. YANG Fan, WU Tao, LIAO Ruijin, et al. Application and implementation method of digital twin in electric equipment[J]. High Voltage Engineering, 2021, 47(05): 1505-1521(in Chinese). 

[69] 孙荣富, 王隆扬, 王玉林, 等. 基于数字孪生的光伏发电功率超短期预测[J]. 电网技术, 2021, 45(04): 1258-1264. SUN Rongfu, WANG Longyang, WANG Yulin, et al. Ultra-short-term prediction of photovoltaic power generation based on digital twins[J]. Power System Technology, 2021, 45(04): 1258-1264(in Chinese). 

[70] 刘宇凝, 王迎丽, 徐明文, 等. 基于数字孪生混合储能的风电功率波动平抑策略[J]. 电网技术, 2021, 45(07): 2503-2514. LIU Yuning, WANG Yingli, XU Mingwen, et al. Strategy of wind power fluctuation smooth based on digital twin hybrid energy storage[J]. Power System Technology, 2021, 45(07): 2503-2514(in Chinese). 

[71] 冯东豪,蒋国栋,刘涛等.电网数字孪生分析模型建模及应用[J/OL].电力系统及其自动化学报:1-10[2024-03-15]. FENG Donghao, JIANG Guodong, LIU Tao, et al. Modeling and Application of Digital Twin Analysis Model for Power Grid[J/OL]. Proceedings of the CSU-EPSA:1-10[2024-03-15] (in Chinese). 

[72] 朱静, 赵静欣. 质子交换膜燃料电池系统数字孪生故障诊断模型研究[J]. 控制理论与应用, 2022,39(03): 527-534. ZHU Jing, ZHAO Jingxin. Digital twin fault diagnosis model analysis of proton exchangemembrane fuel cell systems [J]. Control Theory and Application, 2022,39(03): 527-534(in Chinese). 

[73] S. Abrazeh, S. -R. Mohseni, M. J. Zeitouni, et al. Virtual Hardware-in-the-Loop FMU Co-Simulation Based Digital Twins for Heating, Ventilation, and Air-Conditioning (HVAC) Systems[J]. IEEE Transactions on Emerging Topics in Computational Intelligence, 2023, 7(1): 65-75. 

[74] DUNFORD R, SU Q, TAMANG E. The Pareto Principle[J], The Plymouth Student Scientist, 2014, 7(1), 140-148. 

[75] 陶飞, 马昕, 胡天亮, 等. 数字孪生标准体系[J]. 计算机集成制造系统, 2019, 25(10): 2405-2418. TAO Fei, MA Xin, HU Tianliang, et al. Digital twin standard system [J]. Computer Integrated Manufacturing Systems, 2019, 25(10): 2405-2418(in Chinese). 

[76] 张辰源, 陶飞. 数字孪生模型评价指标体系[J]. 计算机集成制造系统, 2021, 27(08): 2171-2186. Zhang Chenyuan, Tao Fei. Evaluation index system for digital twin model[J]. Computer Integrated Manufacturing System, 2021, 27(08): 2171-2186(in Chinese). 

[77] 陶飞, 张辰源, 戚庆林, 等. 数字孪生成熟度模型[J]. 计算机集成制造系统, 2022, 28(05): 1267-1281. Tao Fei, Zhang Chenyuan, Qi Qinglin, et al. Digital twin maturity model[J]. Computer Integrated Manufacturing Systems, 2022, 28(05): 1267-1281(in Chinese). 

[78] 张立静, 盛戈皞, 侯慧娟, 等. 基于电热特性融合分析的油浸式变压器匝间短路故障辨识方法[J]. 电网技术, 2021, 45(07): 2473-2482. ZHANG Lijing, SHENG Gehao, HOU Huijuan, et al. Detection method of interturn short-circuit faults in oil-immersed transformers based on fusion analysis of electrothermal characteristic[J]. Power System Technology, 2021, 45(07): 2473-2482(in Chinese). 

[79] 李旭斌, 田付强, 郭亦可. 新型电力系统中电力设备健康管理与智能运维关键技术探究[J]. 电网技术, 2023, 47(09): 3710-3727. LI Xunbin, TIAN Fuqiang, GUO Yike. Key Technologies for Health Management and Intelligent Operation and Maintenance of Power Equipment in New Power Systems[J]. Power System Technology, , 2023, 47(09): 3710-3727(in Chinese). 

[80] 吴细秀, 冷宇宽, 庞文龙等. GIS 母线潜伏性故障电场劣化特性与故障概率预测研究[J].电网技术, 2023, 47(07): 3018-3028. WU Xixiu, LENG Yukuan, PANG Wenlong, et al. Research on electric field deterioration characteristics and fault probability prediction of gis busbar latent faults[J]. Power System Technology. ,2023,47(07):3018-3028(in Chinese). 

[81] 庞文龙, 吴细秀, 吴士普, 等. 330 kV SF_6/N_2 混合气体介质绝缘母线的紧凑化设计[J]. 高电压技术, 2020, 46(03): 1044-1051. Pang Wenlong, Wu Xixiu, Wu Shipu, et al. Compact design of 330kV SF_6/N_2 mixed gas insulated busbar[J]. High Voltage Engineering, 2020, 46(03): 1044-1051(in Chinese). 

                    ^吴细秀

作者简介： 

王榕泰(2001)，男，硕士研究生，研究方向为

电力设备数字孪生，E-mail：[e-mail]；

吴细秀(1976)，女，副教授，博士生导师，研

究方向为高电压绝缘、电力系统数字孪生，E-mail：[e-mail]。 

文章引用已获原作者授权。