2022面向能源互聯(lián)網(wǎng)數(shù)字孿生的電力物聯(lián)網(wǎng)關(guān)鍵技術(shù)及展望

面向能源互聯(lián)網(wǎng)數(shù)字孿生的電力物聯(lián)網(wǎng)關(guān)鍵技術(shù)及展望0 引言視角[1-4]優(yōu)化的要求[5]過智能實(shí)體開展仿真、計算、分析及決策等對物理系統(tǒng)進(jìn)行反饋優(yōu)化，最終實(shí)現(xiàn)可再生能源的高比例消納及能源利用效率的提升，減少能源系統(tǒng)低碳、清潔、高效、經(jīng)濟(jì)運(yùn)行，助力建成以新能源為主體的新型電力系統(tǒng)，促進(jìn)“碳達(dá)峰、碳中和”目標(biāo)的實(shí)現(xiàn)。電力物聯(lián)網(wǎng)是構(gòu)建能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)的重要支撐技術(shù)，為在虛擬空間中精確構(gòu)建能源互是互聯(lián)網(wǎng)技術(shù)在能源電力領(lǐng)域的具體實(shí)踐[6-9]進(jìn)一步發(fā)展仍然存在諸多技術(shù)挑戰(zhàn)：在感知能力的即插即用。為應(yīng)對上述挑戰(zhàn)，本文將首先分析支撐能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)的電力物聯(lián)網(wǎng)所面臨的科學(xué)問

互聯(lián)網(wǎng)及其數(shù)字孿生系統(tǒng)的構(gòu)建主要需要以下幾種技術(shù)能力[10-12]：深度精準(zhǔn)感知。隨著新能源大規(guī)模并網(wǎng)，知深度和廣度不足。海量接入管理。目前海量物聯(lián)終端和數(shù)據(jù)得到充分處理和應(yīng)用。智能輔助決策。傳統(tǒng)的能源電力安全穩(wěn)定運(yùn)行理論與運(yùn)行優(yōu)化技術(shù)已經(jīng)無法滿足未來新型電力系統(tǒng)調(diào)度控制需求。面向以上需求，電力物聯(lián)網(wǎng)技術(shù)可提供數(shù)字化、網(wǎng)絡(luò)化和智能化基礎(chǔ)載體，通過傳感、網(wǎng)絡(luò)、1虛擬空間中的數(shù)字孿生系統(tǒng)PB

1融合源

數(shù)據(jù)融合與共享網(wǎng) 荷

科學(xué)問2互動儲設(shè)提供理論指導(dǎo)和路徑參考。面向能源互聯(lián)網(wǎng)數(shù)字孿生的電力物聯(lián)網(wǎng)核心科學(xué)問題字孿生系統(tǒng)一般認(rèn)為是充分利用能源互聯(lián)網(wǎng)的物

物理空間中的能源互聯(lián)網(wǎng)圖1面臨的核心科學(xué)問題Fig.1Keyscientificissuesofthepowerinternetofthings在物理世界向虛擬世界映射方面，如何形成能源互聯(lián)網(wǎng)的動態(tài)多維、多時空尺度高保真層的數(shù)據(jù)資源，利用數(shù)據(jù)驅(qū)動建模方法從參數(shù)辨能應(yīng)用。在虛擬世界向物理世界反饋方面，如何進(jìn)物理空間的協(xié)同互動與反饋優(yōu)化。面向能源互聯(lián)網(wǎng)數(shù)字孿生的電力物聯(lián)網(wǎng)技術(shù)架構(gòu)圍繞構(gòu)建能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)的兩個核3與海量數(shù)據(jù)管理技術(shù)；3）融合建模與趨優(yōu)進(jìn)化技32物聯(lián)網(wǎng)“端–邊–管–云–智”分層架構(gòu)。1為端層和邊層提供數(shù)字化感知與邊23則在“端–邊–管–3場景智能應(yīng)用，實(shí)現(xiàn)對電力物聯(lián)網(wǎng)的智能感知診斷、優(yōu)化決策與數(shù)據(jù)增值。

2–邊–管–云–于機(jī)–電–磁–光敏感機(jī)理表征、微納結(jié)構(gòu)優(yōu)化及器件制備封裝的高性能傳感器，加大感知覆蓋力度；“管”指基于多跳自組網(wǎng)、5G與北斗等融合通信安全技術(shù)，形成面向電力物聯(lián)網(wǎng)的“設(shè)備聯(lián)動–局部自治–全局協(xié)同”安全防御架構(gòu)[13]。區(qū)別于傳統(tǒng)電網(wǎng)自上而下分為應(yīng)用層–網(wǎng)絡(luò)層–終端層三層，“端–邊–管–云–智”分層架構(gòu)在感護(hù)力度更強(qiáng)。智人工智能算法引擎云邊端協(xié)同防御機(jī)制決策指令用戶數(shù)據(jù)挖掘與增值互動綜合能源自治協(xié)同零信任安全機(jī)制深度學(xué)習(xí)強(qiáng)化學(xué)習(xí)群體智能混合增強(qiáng)智能集成學(xué)習(xí)...電網(wǎng)在線主動分析源網(wǎng)荷儲自主調(diào)控智人工智能算法引擎云邊端協(xié)同防御機(jī)制決策指令用戶數(shù)據(jù)挖掘與增值互動綜合能源自治協(xié)同零信任安全機(jī)制深度學(xué)習(xí)強(qiáng)化學(xué)習(xí)群體智能混合增強(qiáng)智能集成學(xué)習(xí)...電網(wǎng)在線主動分析源網(wǎng)荷儲自主調(diào)控設(shè)備狀態(tài)評價云歷史數(shù)據(jù) 實(shí)時數(shù)據(jù) 模型庫 仿真數(shù)據(jù)基于軟件定義的終端管理及接入技術(shù)高性能存儲技術(shù)圖計算技術(shù)數(shù)據(jù)共享服務(wù)管管光纖骨干網(wǎng) 無線網(wǎng)絡(luò) 5G 北斗 藍(lán)牙 自組網(wǎng) ...邊邊硬件平臺OS系統(tǒng) 應(yīng)用APP邊緣計算框架容器運(yùn)行 數(shù)據(jù)總線智能融合終端智能網(wǎng)關(guān)邊緣物聯(lián)代理...端端電氣量感知環(huán)境量感知 物理量感知 狀態(tài)量感知行為量感知 空間量感知電壓傳感器TMR電流傳感器局放傳感器MEMS振動傳感器聲紋傳感器北斗定位芯片光學(xué)傳感器...熱網(wǎng)電網(wǎng)氣網(wǎng)網(wǎng)荷光伏風(fēng)機(jī)鍋爐源冰蓄熱網(wǎng)電網(wǎng)氣網(wǎng)網(wǎng)荷光伏風(fēng)機(jī)鍋爐源冰蓄 余熱冷 回收分布儲照明充電樁電器模擬圖2電力物聯(lián)網(wǎng)體系架構(gòu)Fig.2Architectureofpowerinternetofthings面向能源互聯(lián)網(wǎng)的電力物聯(lián)網(wǎng)關(guān)鍵技術(shù)精準(zhǔn)感知與高效通信技術(shù)針對當(dāng)前電力設(shè)備狀態(tài)感知不全面、不充分，連接廣泛性與實(shí)時性不高等問題[14-15]，需要重點(diǎn)研究以下基礎(chǔ)技術(shù)：精準(zhǔn)感知技術(shù)與多跳自組織網(wǎng)絡(luò)技術(shù)，滿足感知層全面海量數(shù)據(jù)獲取需求，實(shí)現(xiàn)數(shù)據(jù)高效可靠傳輸。精準(zhǔn)感知技術(shù)應(yīng)用于能源互聯(lián)網(wǎng)的智能感知技術(shù)需充分考聯(lián)網(wǎng)的數(shù)字化精準(zhǔn)感知技術(shù)研究需從新型傳感機(jī)5個層面分別開展[17]。新型傳感機(jī)理。為滿足新型電力系統(tǒng)的高分布式光纖等傳感技術(shù)的研究。微納器件制備。隨著傳感器的探測功能越開展研究。高效供電方法。低功耗設(shè)計及電磁場、振的規(guī)模應(yīng)用提供有力支撐。邊緣計算技術(shù)。邊緣計算技術(shù)包括對人工AI芯片是ARM架構(gòu)

RISC-V芯片具有開源、穩(wěn)定、易點(diǎn)提供面向能源互聯(lián)網(wǎng)業(yè)務(wù)需求的技術(shù)支撐。多跳自組織網(wǎng)絡(luò)技術(shù)面對電力業(yè)務(wù)傳輸需求與接入能力不匹配問題，需通過多跳定向自組織傳輸、快速資源調(diào)配與控制、多層次自組網(wǎng)及協(xié)議層安全性設(shè)計等技術(shù)，解決高可靠超多跳安全接入問題難點(diǎn)，實(shí)現(xiàn)電力業(yè)務(wù)高頻次、高質(zhì)量數(shù)據(jù)采集，以及全場景感知和廣泛接入要求，從而提升網(wǎng)絡(luò)靈活性和效率[19]。寬帶高可靠超多跳自組網(wǎng)技術(shù)。采用物理多跳無線鏈路。窄帶多層次大規(guī)模自組網(wǎng)技術(shù)。采用大規(guī)與網(wǎng)絡(luò)空間智能化。高并發(fā)接入與海量數(shù)據(jù)管理技術(shù)高并發(fā)異構(gòu)物聯(lián)終端接入管控技術(shù)電力物聯(lián)網(wǎng)高并發(fā)接入管控技術(shù)需充分考慮異構(gòu)終端高并發(fā)接入管控研究需從軟件定義終端3個方面軟件定義終端模型技術(shù)。軟件定義終端是統(tǒng)一構(gòu)建、維護(hù)與擴(kuò)展。異構(gòu)通信網(wǎng)絡(luò)技術(shù)。在物理通信網(wǎng)絡(luò)旁路構(gòu)建“工業(yè)互聯(lián)網(wǎng)四層交換+分布式全異步架構(gòu)”/邊緣終端的千萬級并發(fā)通信能力。終端代理服務(wù)。由云端下發(fā)至智能終端的行、功能和應(yīng)用的數(shù)字化編程與定義。海量數(shù)據(jù)存儲共享技術(shù)電力物聯(lián)網(wǎng)海量數(shù)據(jù)存儲共享的關(guān)鍵在于實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)立體化聚合和全域數(shù)據(jù)網(wǎng)貫通，其作為面向能源互聯(lián)網(wǎng)數(shù)據(jù)集約處理的交互新模式，具有通用、高效、易解釋等特點(diǎn)。針對海量數(shù)據(jù)存儲共享技術(shù)的研究需從分布式數(shù)據(jù)立方體技術(shù)、“物聯(lián)網(wǎng)一張圖”[22-23]技術(shù)和多元數(shù)據(jù)融合共享技術(shù)3個方面分別展開。分布式數(shù)據(jù)立方體技術(shù)。針對電網(wǎng)核心數(shù)靈活快速構(gòu)建面向應(yīng)用的分布式列存儲數(shù)據(jù)立方等技術(shù)，實(shí)現(xiàn)快速解析分布式列式存儲立方體數(shù)源融合和數(shù)據(jù)資源目錄自動化構(gòu)建。論和知識工程理論的知識表示與推理、語義網(wǎng)等端+分網(wǎng)格式層次化的子圖拓?fù)?。通過提供跨時空數(shù)

多元數(shù)據(jù)融合共享技術(shù)。采用全鏈路多維面向電力復(fù)雜應(yīng)用場景的按需數(shù)據(jù)共享和定制化智能分析服務(wù)。融合建模與趨優(yōu)進(jìn)化技術(shù)針對電力物聯(lián)網(wǎng)中數(shù)字孿生系統(tǒng)融合建模與資源智能協(xié)同等問題，需要重點(diǎn)研究以下基礎(chǔ)技定控制。電網(wǎng)物理數(shù)字融合建模技術(shù)引入先驗(yàn)知識改善機(jī)器學(xué)習(xí)模型的可解釋性、魯棒性與可泛化性，是突破目前人工智能在電力系統(tǒng)應(yīng)用瓶頸的一個重要研究方向[24-25]。電力系統(tǒng)在長期的生產(chǎn)實(shí)踐中積累了大量邏輯規(guī)則、代數(shù)方程、物理模型等，將上述系統(tǒng)機(jī)理知識引入數(shù)據(jù)驅(qū)動的分析方法中，可降低對訓(xùn)練樣本數(shù)量及質(zhì)量的要求、使機(jī)器學(xué)習(xí)模型具有應(yīng)對動態(tài)環(huán)境的能力。針對不同場景下模型的獲取難度，物理機(jī)理與數(shù)據(jù)驅(qū)動融合建模的方法可分為數(shù)據(jù)模型對機(jī)理模型的改進(jìn)、機(jī)理模型對數(shù)據(jù)模型的指導(dǎo)、以及構(gòu)建混合模型三大類[26]。1）數(shù)據(jù)驅(qū)動方法對機(jī)理模型的改進(jìn)方面，針對由于假設(shè)簡化導(dǎo)致精度不足的問題，通?？梢越Y(jié)合數(shù)據(jù)驅(qū)動方法迭代優(yōu)化模型參數(shù)及修正誤差，增強(qiáng)機(jī)理模型適應(yīng)性。此外，數(shù)據(jù)驅(qū)動方法可輔助進(jìn)行機(jī)理模型的篩選，或評估、完善機(jī)理模型構(gòu)成。2）知識機(jī)理驅(qū)動方法的指導(dǎo)作用可在機(jī)器學(xué)/擇人類可理解的特征作為決策依據(jù)；在模型構(gòu)建識或不符合業(yè)務(wù)邏輯的決策。3）混合建模方面，針對電力系統(tǒng)穩(wěn)定分析、方法表示非線性的、隨機(jī)性的部分，從而替代部分不精確的機(jī)理模型，形成混合模型。電網(wǎng)資源協(xié)同趨優(yōu)技術(shù)面對能源互聯(lián)網(wǎng)源網(wǎng)荷儲多種資源協(xié)同難點(diǎn)，需要逐步深化感知、認(rèn)知到?jīng)Q策層面的智能，實(shí)現(xiàn)對設(shè)備、電網(wǎng)與用戶等資源的智能協(xié)調(diào)與發(fā)展，重點(diǎn)支撐技術(shù)包括：計算機(jī)視覺理解感知。電力領(lǐng)域圖像中各處理三維點(diǎn)云數(shù)據(jù)、構(gòu)建視覺同步定位和制圖(simultaneouslocalizationand行動態(tài)三維重建以及三維物體的識別分割等[29]。知識圖譜多模認(rèn)知推理。設(shè)計知識引導(dǎo)不同層級，挖掘物理信號、圖像、音頻、視頻、多層次進(jìn)行跨模態(tài)融合分析。研究邏輯推理、自主感知、類腦認(rèn)知等機(jī)制，構(gòu)建多模知識圖譜與圖計算應(yīng)用[30-31]，進(jìn)行多模認(rèn)知推理，實(shí)現(xiàn)數(shù)據(jù)抽混合增強(qiáng)智能。針對傳統(tǒng)決策嚴(yán)重依賴人機(jī)雙向?qū)W習(xí)與協(xié)同決策為核心的混合增強(qiáng)智能技術(shù)傳統(tǒng)直控類發(fā)電機(jī)等調(diào)控對象可建模直接控制相電力物聯(lián)網(wǎng)智能應(yīng)用場景廣泛，然而目前電力設(shè)備存在信息多源、狀態(tài)評價困難、故障診斷率低等技術(shù)瓶頸[36]；能源互聯(lián)網(wǎng)中源網(wǎng)荷儲要素多樣、源荷雙側(cè)不確定性突出，導(dǎo)致新能源消納能力不足[37]；綜合能源由于多能互補(bǔ)潛力挖掘不夠充分，使得能源利用效率不高[38-39]等問題。本文將從設(shè)備、電網(wǎng)和用戶三方面選取典型應(yīng)用，進(jìn)行技術(shù)應(yīng)用架構(gòu)探討，并在電力物聯(lián)網(wǎng)海量利用大數(shù)據(jù)技術(shù)和人工智能技術(shù)充分挖掘數(shù)據(jù)內(nèi)在電力設(shè)備故障智能感知與診斷隨著電力系統(tǒng)中物聯(lián)傳感終端數(shù)量的不斷增加，電力設(shè)備傳感監(jiān)測數(shù)據(jù)呈現(xiàn)信號多源異構(gòu)、樣本質(zhì)量不均衡、故障樣本較少等特點(diǎn)，為全面刻畫設(shè)備運(yùn)行狀態(tài)，可通過多源數(shù)據(jù)協(xié)同感知與壓縮感知、多模態(tài)數(shù)據(jù)融合、知識圖譜認(rèn)知推理等技術(shù)，研發(fā)電力設(shè)備狀態(tài)評價、故障診斷預(yù)警與檢修輔助決策等智能應(yīng)用，確保電力系統(tǒng)安全可靠運(yùn)行。技術(shù)路線如圖3所示。電力設(shè)備協(xié)同感知與壓縮感知重構(gòu)技術(shù)方面，針對多源監(jiān)測信號的差異性與互補(bǔ)性特點(diǎn)，研究聲光電化多模態(tài)傳感參量的融合技術(shù)。針對監(jiān)測精度要求高與傳感設(shè)備成本高的問題，通過優(yōu)化傳感布局與采樣策略、建立稀疏字典與觀測矩陣，在保證數(shù)據(jù)采樣精度的同時減小傳感監(jiān)測數(shù)據(jù)存儲傳輸壓力。方法，實(shí)現(xiàn)各類監(jiān)測數(shù)據(jù)的融合分析。協(xié)同感知與壓縮感知

電力設(shè)備數(shù)據(jù)融合

原始狀態(tài)數(shù)據(jù)壓縮感知技術(shù)原始狀態(tài)數(shù)據(jù)壓縮感知技術(shù)數(shù)據(jù)處理數(shù)據(jù)處理數(shù)據(jù)關(guān)聯(lián)分析數(shù)據(jù)融合數(shù)據(jù)驅(qū)動優(yōu)化傳稀疏字典觀測矩陣 輸分布式語義標(biāo)簽語義數(shù)據(jù)基礎(chǔ)語料庫及本體架構(gòu)文本數(shù)據(jù)工單工作票修試記錄報告知識圖譜與知識推理知識驅(qū)動自主演進(jìn)認(rèn)知推理電力設(shè)備運(yùn)檢領(lǐng)域知識圖譜協(xié)同感知技術(shù)決策建議故障診斷狀態(tài)評估圖3電力設(shè)備故障感知與診斷應(yīng)用技術(shù)路線Fig.3Researchschemeofpowerequipmentfaultdiagnosis研究集成智能評估與認(rèn)知推理技術(shù)，提出狀態(tài)評配電、繼保設(shè)備狀態(tài)評估與故障診斷。決策能力得到提升。源網(wǎng)荷儲自主智能調(diào)控地區(qū)電網(wǎng)源網(wǎng)荷儲面臨利益主體多樣、源荷雙側(cè)不確定性突出的難點(diǎn)，可通過強(qiáng)化學(xué)習(xí)、模型/數(shù)據(jù)交互驅(qū)動、群體智能等方法，采用源網(wǎng)荷儲廣泛感知與預(yù)測、多元協(xié)同調(diào)度、分布式自主控制，提高分布式可再生能源利用率，實(shí)現(xiàn)源網(wǎng)荷儲泛在資源的自主智能調(diào)控。4

/體的自趨優(yōu)和群智進(jìn)化策略。態(tài)的智能感知方法，包含量測設(shè)備的優(yōu)化配置方和儲能動態(tài)特性的源網(wǎng)荷儲概率預(yù)測方法和源網(wǎng)荷儲運(yùn)行場景集智能生成與約減方法，為調(diào)控策略研究提供基礎(chǔ)數(shù)據(jù)。泛在異構(gòu)資源自主聚合的統(tǒng)一模型和數(shù)據(jù)模型驅(qū)動的電網(wǎng)調(diào)度方法，通過海量數(shù)據(jù)的輸入和深度學(xué)形成自動化的電網(wǎng)調(diào)度決策模型，研究仿真模型/模型驅(qū)動學(xué)習(xí)進(jìn)化數(shù)據(jù)驅(qū)動調(diào)度策略模型驅(qū)動學(xué)習(xí)進(jìn)化數(shù)據(jù)驅(qū)動調(diào)度策略評價網(wǎng)絡(luò)實(shí)際系統(tǒng)訓(xùn)練數(shù)據(jù)運(yùn)行數(shù)據(jù)分布式自主控制未來運(yùn)行狀態(tài)源荷預(yù)測貝葉斯神經(jīng)網(wǎng)絡(luò)進(jìn)化機(jī)制合作-博弈策略區(qū)域劃分方法仿真數(shù)據(jù)策略網(wǎng)絡(luò)狀態(tài)估計實(shí)時運(yùn)行狀態(tài)對抗生成網(wǎng)絡(luò)和聚合典型運(yùn)行場景 對抗生成網(wǎng)絡(luò)和聚合典型運(yùn)行場景離線訓(xùn)練在線進(jìn)化狀態(tài)離線環(huán)境訓(xùn)練完成實(shí)際運(yùn)行模型感分布式群體修知 個體模型 智能策略 輸 動作 真實(shí)入 動作輸出 輸出 反饋虛擬環(huán)境 真實(shí)環(huán)境圖4基于深度強(qiáng)化學(xué)習(xí)的電網(wǎng)自主智能調(diào)控應(yīng)用技術(shù)路線Fig.4Researchschemeofpowernetworkautonomousintelligentcontrolbasedondeepreinforcementlearning此外，針對分布式廣泛資源節(jié)點(diǎn)數(shù)量多、信息交互復(fù)雜等問題，可根據(jù)可控資源合理配置原則，結(jié)合自治區(qū)域動態(tài)劃分方法，考慮廣泛資源的耦合特性和群體協(xié)同特性，研究面向多利益主體區(qū)域內(nèi)的泛在資源超前控制策略；針對多主體多目標(biāo)控制需求，制定多區(qū)域間合作–博弈策略與群體進(jìn)化機(jī)制，基于強(qiáng)化學(xué)習(xí)的泛在資源群智進(jìn)化模型與算法，通過控制目標(biāo)的閉環(huán)修正方法，實(shí)現(xiàn)多元資源的分布式自主控制。綜合能源自治協(xié)同與多元服務(wù)電力物聯(lián)網(wǎng)電/氣/熱多能復(fù)雜耦合與強(qiáng)隨機(jī)性

5所示?；诙嗄茉春Ａ课锫?lián)感知信息開展多能流時空特性分析，對多能流網(wǎng)絡(luò)廣義電路模型的源荷自適應(yīng)集成建模，通過基于多能源荷多元互補(bǔ)特性的綜合能源系統(tǒng)動態(tài)分區(qū)方法，基于用戶服務(wù)響應(yīng)特性提供了具備系統(tǒng)運(yùn)行模式推演能力的數(shù)字孿生體系基礎(chǔ)，在此基礎(chǔ)之上可進(jìn)一步擴(kuò)展能源協(xié)同優(yōu)化與多元服務(wù)等智能應(yīng)用，在用戶服務(wù)領(lǐng)域構(gòu)建數(shù)字孿生系統(tǒng)的優(yōu)勢在于可更加精準(zhǔn)直觀地展示當(dāng)前用戶側(cè)需求模型、綜合能源分布與利用等情況，有助于用戶高效獲取能源市場動態(tài)資