面向智能發電的數字孿生技術及其應用模式

房方，張效寧，梁棟煬，王慶華

面向智能發電的數字孿生技術及其應用模式

房方，張效寧，梁棟煬，王慶華

（華北電力大學控制與計算機工程學院，北京市 昌平區 102206）

發電過程作為電力系統的重要組成部分，其智能化建設是推進我國能源電力轉型發展的重要方向。結合數字孿生技術的研究發展現狀及發展趨勢，剖析了智能發電的概念與體系，并給出面向智能發電的數字孿生定義，通過功能映射，構建了智能發電系統的數字孿生架構。提出了在智能發電系統中部署數字孿生技術的一般性方法，對數字孿生技術的應用領域和應用模式進行了歸納，分析了應用過程中面臨的主要技術挑戰。研究結果可為數字孿生技術在發電領域產業化發展提供理論和方法參考。

智能發電；數字孿生；應用架構；數據驅動

0 引言

隨著全球新一輪科技革命與產業變革的蓬勃興起，互聯網、大數據、人工智能與實體經濟深度融合，對經濟與社會發展產生了深層次與全方位影響。與之相適應，我國先后出臺了“中國制造2025”“互聯網+先進制造業”“新一代人工智能”等發展戰略與規劃[1-3]。如何推動物理系統與信息系統的有機融合與深度協作，是支撐我國工業高質量發展的核心問題之一。

在以化石能源清潔化、清潔能源規模化、新舊能源綜合化為特征的能源革命中，電能的生產和消費方式將發生根本性的改變[4]，發電過程作為電力系統的重要組成部分，其智能化建設是推進我國能源轉型發展的重要方向。自2016年“智能發電”的概念[5]被提出以來，受到了行業企業和國家主管部門的高度重視，研發投入逐年增長，理論體系不斷發展完善，形成了技術與產品的研發熱潮[6-10]，多個示范項目通過鑒定并取得了令人矚目的應用效果。

但是，智能化技術與應用場景的深度匹配是一個長期迭代優化、不斷修正完善的過程，盡管高性能計算、工業物聯網、5G通信、大數據分析、工業機器人、區塊鏈等技術的發展日趨成熟，但其在復雜工業場景中的應用尚處于探索階段，若要契合智能發電的自學習、自適應、自趨優、自恢復、自組織功能目標[4]，還需要依托產學研合作，開展大量的探索與實踐。

近年來，在物聯網場景下，工業“數字孿生”技術成為一個研究熱點，其利用數字技術對物體、系統、流程的信息進行實時映射，完成虛擬仿真過程，從而顯著減輕工業領域技術創新和決策優化研究中面臨的重資產和高成本負擔。

為適應能源革命中的新趨勢及對智能化的新需求，本文分析了數字孿生技術的發展現狀與研究進展，結合智能發電技術的內涵與應用框架，基于一般性的部署手段，構建了智能發電系統的數字孿生架構；探索了數字孿生技術的應用領域和應用模式以及面臨的主要挑戰，為數字孿生技術在發電領域落地應用提供理論和方法參考。

1 數字孿生技術研究發展概況

數字孿生的概念最早出現于2005年美國密歇根大學Grieves教授關于產品生命周期管理的講座[11]，他將數字孿生描述為物理實體、物理實體的虛擬表示以及從物理到虛擬的雙向數據連接3個組成部分。虛擬表示可作為對象，承載建模、測試和優化等虛擬操作。但由于當時技術和認知上的局限性，直到2011年美國空軍研究實驗室和美國國家航空航天局將數字孿生技術應用于飛行器研制，該項技術才受到廣泛關注[12]。2019年，數字孿生技術被全球權威IT研究與顧問咨詢公司Gartner評為十大關鍵戰略技術趨勢之一[13]。

電子電氣自動化領域知名跨國企業和工業軟件開發商GE、Siemens、Ansys等是工業數字孿生技術的積極推動者和踐行者，他們都把數字孿生技術作為其數字化工廠計劃的一個關鍵組成部分，通過對產品和生產全生命周期的推演，實現對整個價值鏈的虛擬洞察和反饋，從而支撐真實世界的生產與產品的持續優化。

近年來，國內學者和行業專家高度關注數字孿生技術。文獻[14]總結了數字孿生的五維結構模型，提出數字孿生驅動的6條應用準則，探索了14類應用設想與實施過程中需要突破的關鍵技術；文獻[15]設計了數字孿生車間的參考系統架構，探討了實現數字孿生車間信息物理融合的基礎理論與關鍵技術；文獻[16]以工業4.0為背景，回顧了數字孿生技術在制造系統和過程工業中的發展概況。

在有關數字孿生的報道中，制造業[17-21]、醫療保健[22-24]、航空[25-26]和陸地勘探[27-28]等是一些典型研究領域。在能源電力領域，數字孿生技術正在提供潛在的價值增長點，近2年的研究呈增長趨勢[29-30]。文獻[31]基于神經網絡跟蹤動態行為，構建逆變器的數字孿生模型；文獻[32]利用數字孿生模型為特高壓交流/直流電網秒級在線分析系統提供決策支持；文獻[33]研究了基于數字孿生的智能城市能源管理，并將其作為實時管理的基準；文獻[34]討論了能源互聯網中數字孿生技術的應用問題。

需要指出的是，在發電過程的數字孿生技術方面，相關研究仍處于較為初級的階段，核心理論與技術創新有待突破，技術與產品的應用還有諸多問題需要解決，應用效果也有待進一步檢驗。尤其在火力發電領域，由于生產流程復雜、能量轉換形式多樣，首先在局部生產環節實現數字孿生技術的示范應用是目前較為可行的選擇。

2 面向智能發電的數字孿生架構

“孿生”意味著數字化虛擬表示將在整個生命周期中雙向鏈接到物理實體[35]。將這一概念應用于發電過程中，可衍生出若干種數字孿生架構。基礎數字孿生架構如圖1所示，主要包括物理空間、虛擬空間以及這些空間之間的連接3部分[36]。物理空間包含物理實體、傳感器和執行器；而虛擬空間包含從多角度建立的虛擬模型；物理空間和虛擬空間之間的連接連通了2個空間，實現數據與指令的傳遞。

上述架構中虛擬空間與物理空間直接進行信息交互，不利于開發部署應用服務。因此，進一步發展出5組件數字孿生架構，如圖2所示，主要包括物理空間、虛擬空間、融合模型、服務系統以及這4個模塊之間的連接5部分[37]。該架構能夠融合額外的可用服務，如設備與流程可視化、工業質檢、設備健康診斷、高級算法服務以及資產評估服務等。數字孿生數據融合模型是物理空間、虛擬空間和服務系統之間的橋梁，用于收集來自物理空間的傳感器數據、虛擬空間仿真指令和服務系統需求，按需進行數據融合、分析和仿真，進而做出決策與優化建議。

面向工業4.0的數字孿生架構如圖3所示，主要包含5個部分與6步過程[38]。5個部分包括傳感器、數據管理、集成模型、數據分析和執行器。傳感器和執行器位于物理空間中；而數據管理與數據分析則在虛擬空間中進行；集成模型是連接2個空間的樞紐。6步過程主要包含生成、通信、聚合、分析、決策和執行。傳感器檢測物理實體特定的工藝參數，并將模擬信號轉換生成數字信號，來表征實體的運行和環境狀況；新測得的數字信號經過通信傳輸，與已有歷史數據、策略和模型相聚合；分析步驟則是運用機器學習、大數據分析、深度學習等技術，挖掘潛在特征與關聯，結果可通過增強現實、虛擬現實等技術可視化呈現；基于集成模型形成的決策將反饋至物理實體并執行，實現全流程閉環。

圖3 面向工業4.0的數字孿生架構

參考上述架構，綜合考慮智能發電的內涵和功能劃分[4]，可建立基于智能運行控制系統(intelligent control system，ICS)和智能公共服務系統(intelligent service system，ISS)的雙層數字孿生體系架構，如圖4所示。

1）智能運行控制系統層。

ICS包含了與生產運行緊密相關的物理實體與過程，通常包含分散控制系統、ICS數據服務器、高級應用服務器、高級值班員站及其間通信設施。ICS包含的發電廠設備實體與生產過程對應于數字孿生模型的傳感器與執行器部分。其中傳感器部分涉及采集與通信2個過程，執行器部分涉及通信與執行2個過程。

ICS中傳感器部分采集的數據具有多源分散獲取、持續多頻率采樣、數據實時性強、數量大等多時空特征[4]。在此基礎上構建數字孿生系統既有優勢也充滿挑戰，以下問題須重點考慮：

一是ICS中數字孿生系統的顆粒度問題。從生產過程的物理結構上看，構建的孿生模型是針對一個部件/設備、一個流程、一個局部系統，還是機爐整體；從物質和能量傳遞的關系上看，構建的孿生模型是關注輸入/輸出整體的能量平衡，還是局部的物質或能量轉換關系。

二是ICS中數字孿生系統的模擬精度問題。高精度是對數字孿生模型的基本要求，但在具體應用中還要充分考慮對象的復雜度、建模成本，以及承載孿生系統運行的平臺性能。

三是ICS中數字孿生系統的實時性問題。對生產控制系統而言，實時性是最基本要求。ICS中的信號采集與通信時間通常為毫秒級，要實現數字孿生系統的高精度同步仿真，實時性是關鍵。

四是ICS中數字孿生系統的魯棒性問題。無論是燃煤發電機組還是新能源發電機組，一次能源都存在不確定性，這就要求所對應的數字孿生模型具有針對變工況運行的適應能力。

2）智能公共服務系統層。

ISS位于ICS的上層，建立在大型數據庫系統、大數據、云平臺的基礎上，主要實現智能安全、智能管理、智能服務等功能，為生產過程安全、管理及優化決策提供一體化數據平臺。ISS承載生產經營管理的數字孿生，其數據多從工業控制網絡或專用網絡獲取，具有數據源相對分散、數據類型多樣等特征[4]。在此基礎上構建數字孿生系統主要涉及數據管理、模型集成、數據分析3部分功能，并與聚合、分析、執行和通信4個過程緊密關聯。ISS系統中數字孿生如何落實執行需要重點考慮以下問題：

一是ISS中數字孿生系統的交互性問題。作為以提升運維管理水平為目標的孿生模型，其接收的信息來源廣、數據類型多樣、業務類型復雜，通過數字孿生的信息展示和利用方式也非常豐富，多系統、多用戶交互能力必不可少。

二是ISS中數字孿生系統的決策能力問題。基于規則、經驗和知識的決策能力是對運維管理業務領域數字孿生模型的基本要求，其決策結果可以是一致性趨優的，也可以是博弈均衡的。

三是ISS中數字孿生系統的安全性問題。由于數據來源廣泛且多為非直接感知數據，ISS系統中數字孿生應用的安全性問題更為突出，在原有電力系統安全分區的基礎上，還要進一步考慮數字孿生自身的網絡安全、數據安全等問題。

四是ISS中數字孿生系統的執行能力問題。對指令的執行最終作用于發電實體設備，直接關系發電過程的安全性、經濟性與環保性。數字孿生系統需與現有控制手段有機融合。

3 面向智能發電的數字孿生部署

為統一建立具有適當復雜性的面向智能發電的數字孿生系統，需建立完善的數字孿生系統部署流程，如圖5所示，該流程主要包括6個步驟：驗證部署可行性、過程辨識、初步規劃系統、小范圍驗證、大范圍部署系統以及全生命周期監測。

圖5 面向智能發電的數字孿生部署流程

部署面向智能發電的數字孿生系統，需首先對目標火電機組或新能源機組進行可行性評估，如ICS中的信號采集、數據通信、執行環節等。ICS中利用現代化的檢測裝置與高水平的檢測技術獲取物理實體的狀態、位置、環境等信息。一方面可利用微波、激光、紅外、聲波等先進測量技術，直接測量生產過程參數；另一方面可利用機理模型與數據驅動方法實現不可測參數的間接檢測。基于現場總線、工業物聯網等技術，可提供高速穩定的數據通信能力。執行部分除常見電廠設備外，還可使用智能穿戴設備、手持智能終端、無人機、智能巡檢機器人等，用于執行高強度、重復性或危險性的工作。

過程辨識首先對電力生產過程中采集的數據進行處理與分析，實現多源數據的深度融合。針對全生命周期的不同階段，綜合運用機理建模和數據驅動建模方法，挖掘物理實體不同時空尺度的特點與關聯，建立物理實體的多工況、多尺度模型。梳理分析各個物理實體之間的業務邏輯關聯，形成有機整體。

依照過程辨識建立的有機整體模型，初步設計規劃數字孿生虛擬空間，并集合小范圍試點中獲取的信息，確定實施數字孿生后可能的應用形式、面臨的挑戰與潛在的風險，并根據綜合最優投資回報原則進一步完善數字孿生系統。在該過程中可反復對數字孿生的傳感器、執行器、通信設施與數據挖掘分析技術的選擇進行迭代優化。

當小范圍驗證取得良好成效后，數字孿生系統即可規模化部署，并從孤島試點接入到發電企業現有管控網絡。在逐步合并關聯流程的過程中，進一步確定數字孿生系統的可能應用擴展。在此階段，可以利用局部數字孿生部署中的經驗教訓加速規模化部署，進而實現全生命周期模擬和預測，以獲取最大收益，實現可持續發展。

4 面向智能發電的數字孿生應用模式

4.1 過程自動化

數字孿生可以從智能發電物理空間中獲取數據，在虛擬空間中實時分析數據，并將決策指令反饋至物理空間，實現對發電設備與過程的自主控制，將操作員從枯燥重復的人工操控中解脫出來，實現機組運行控制的規范化和精細化。

4.2 綜合效益管理

數字孿生可輕松仿真各類假設情況，如存在各類故障時發電機組物理實體的降級運行或故障停機操作手段，尋找最佳的維修計劃并有選擇地延遲維修與資產替換，避免計劃外操作可能造成的設備應急關閉和重啟等。此外，數字孿生可將數據與流程可視化，直觀展示發電設備狀態和過程參數，模擬關鍵績效指標。

4.3 生產風險管控

數字孿生可利用機器學習、深度學習和人工智能算法預測潛在的風險與故障，避免事故發生，防控生產風險。在發電機組新增設備、啟用新的控制算法或操作流程前，可以在數字孿生虛擬空間中進行仿真測試，以評估新增部分對發電系統整體安全性、經濟性和環保性的影響程度與范圍，是否對人員、設備與環境構成潛在威脅，加速開發與交付流程。

4.4 設備設計交付

通過前期建立通用的虛擬模型庫，可與新建電廠相結合，有針對性地為新項目設計初始數字孿生虛擬空間，并進行一系列測試與仿真，以逐步確定最佳設計方案。此外，通過數字孿生可分批次地添加不同供應商交付的設備，驗證使用不同設備的發電設施的性能指標。使用設計階段的數字孿生系統，可以對發電設備進行預調試，驗證控制算法有效性、操作流程合理性，進而加速電廠交付并盡快投入運行。

4.5 新應用研發

使用數字孿生，發電企業可以在現有設備條件下加速開發新運行場景和運營模式。通過在虛擬空間進行各種情景仿真，確定最佳的運營/開發方案，并減少從設計到上線新方法或新應用的過程時間，進而提高經營收益。

4.6 高效信息交流

數字孿生系統可提供統一的信息交流與管理平臺，通過短信、郵件、可視化報警等手段，將信息及時傳達至相關方。數字孿生還可通過對全周期文檔的統一管理、云邊結合的數字化呈現，提升信息傳遞的有效性，以低成本加速項目進展。

4.7 協同決策

發電機組全生命周期涉及投資決策、建設決策、運行決策、維修決策、報價決策等，在有效獲取政策、市場、環境、技術等內外部數據的基礎上，通過多種數字孿生模型的協同，可實現針對特定區域或不同類型機組的綜合決策優化。

4.8 人員操作培訓

數字孿生與虛擬現實、增強現實等擴展現實技術融合，可提供一個虛擬平臺來提高員工技能水平，完成針對發電機組的設備通識、設備操作、指標判讀、應急對策和系統維修保障等技能培訓。相比于傳統仿真機，數字孿生系統在操作結果的實時反饋、機組運行狀態和主要技術指標的刻畫方面具有顯著優勢。同時，基于數字孿生的操作培訓，還可實現與機組實際運行工況的在線比對。

5 面向智能發電的數字孿生技術面臨的挑戰

5.1 部署規模

面向智能發電的數字孿生系統在設計時應重點構建合理的狀態感知和數據獲取平臺，在虛擬空間不同業務線間設計若干數字孿生模型，兼顧模型的易用性、適用性。評估現有發電設備與通信設施對數字孿生系統的支持能力，并以最佳的深度和廣度對數字孿生系統進行部署和實施。

5.2 準確性和有效性

數字孿生虛擬空間中存在眾多模型，構建模型主要基于機理分析、經驗修正和數據驅動。動態調整模型以準確表征物理實體的行為至關重要。模型調整應盡量縮小虛擬模型與物理實體輸出之間的偏差，但這種偏差因傳感器誤差、數據采集不確定性、建模過程不確定性、模型內在缺陷等因素通常無法避免。基于不準確或過期的模型，將無法得到有效的控制與決策指令，致使數據孿生系統失效，進而產生錯誤的判斷。

5.3 建設運維標準

不同發電機組的結構、設備配置、運行環境等會表現出明顯的差異性，每一臺機組的數字孿生應用都是獨特的。但是，如果僅強調差異性，而忽略了共性特征，就會顯著增加數字孿生系統的開發、應用和推廣成本。因此，對于每種類型的發電機組，都應針對數字孿生應用，凝練共性技術，制定相應的建設運維標準，如數據信息獲取、基本架構、最小功能組成等，從而形成規范化開發、規模化推廣的局面。

5.4 信息安全防護

數字孿生中物理空間與虛擬空間存在雙向聯系，而發電系統的數據安全、設備安全、控制安全、應用安全、網絡安全等直接關系國家能源安全，在工業安全領域處于核心地位。因此，除了采取入侵檢測、安全審計、惡意代碼防范、主機及網絡設備加固等常規手段[39]來保護物理和虛擬空間的信息安全外，還要有針對性地加強數字孿生系統的信息安全技術研發，制定相應的安全管控制度，形成多重安全保護體系。

6 結論

智能化已成為我國能源電力轉型發展的重要方向。數字孿生技術能夠交互地在智能發電系統中的物理實體和虛擬表示之間建立雙向聯系，綜合利用工業物聯網、人工智能、云計算、虛擬現實等技術，從多角度、全生命周期對發電過程建立數字孿生模型，通過高精度實時仿真，對模型進行可視化、調試、體驗、分析與優化，進而反饋到發電過程，用以提升實體性能和運行績效。

從發展的角度看，數字孿生是一種綜合性技術策略，涉及的技術領域多，對物理對象的依賴度高。因此，在其產業化發展的道路上，一方面要強調分類發展、循序漸進，從簡單的發電形式和關鍵生產環節入手；另一方面要強調發展的規范化，盡快形成行業和產業標準體系，從而提升數字孿生模型的通用性，降低研發成本。

[1] 國務院．國務院關于印發《中國制造2025》的通知[EB/OL]．(2015-05-19)[2020-08-01]．http://www.gov.cn/zhengce/content/2015-05/19/content_9784.htm．

The State Council．Notice of the State Council on issuing ＂Made in China 2025＂[EB/OL]．(2015-05- 19)[2020-08-01]．http://www.gov.cn/zhengce/content/2015-05/19/content_9784.htm．

[2] 國務院．國務院關于深化“互聯網+先進制造業”發展工業互聯網的指導意見[EB/OL]．(2017-11-27) [2020-08-01]．http://www.gov.cn/zhengce/content/2017-11/27/content_5242582.htm．

The State Council．Guiding opinions of the State Council on deepening ＂Internet + Advanced Manufacturing＂ and developing industrial internet [EB/OL]．(2017-11-27) [2020-08-01]．http://www.gov. cn/zhengce/content/2017-11/27/content_5242582.htm．

[3] 國務院．國務院關于印發新一代人工智能發展規劃的通知[EB/OL]．(2017-07-20) [2020-08-01]．http:// www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm．

The State Council．Notice of the State Council on issuing the development plan for the new generation of artificial intelligence[EB/OL]．(2017-07-20) [2020-08-01]．http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm．

[4] 劉吉臻，王慶華，房方，等．數據驅動下的智能發電系統應用架構及關鍵技術[J]．中國電機工程學報，2019，39(12)：3578-3586．

Liu J Z，Wang Q H，Fang F，et al．Data-driven-based application architecture and technologies of smart power generation[J]．Proceedings of the CSEE，2019，39(12)：3578-3586．

[5] 賈科華．獨家專訪｜劉吉臻：智能發電是第四次工業革命的大趨勢[N]．中國能源報，2016-07-27．

Jia K H．Exclusive interview｜Liu Jizhen：Smart power generation is a major trend in the fourth industrial revolution[N]．China Energy News，2016-07-27．

[6] 耿海濤，朱亞迪．智能化聯合循環電廠建設方案探討[J]．發電技術，2018，39(6)：520-525．

Geng H T，Zhu Y D．Construction scheme discussion for smart gas-fired power plant[J]．Power Generation Technology，2018，39(6)：520-525．

[7] 吳智泉，王政霞．智慧風電體系架構研究[J]．分布式能源，2019，4(2)：8-15．

Wu Z Q，Wang Z X．Smart wind power system architecture[J]．Distributed Energy，2019，4(2)：8-15．

[8] 周懷春，胡志方，郭建軍，等．面向智能發電的電站燃煤鍋爐在線運行優化[J]．分布式能源，2019，4(3)：1-7．

Zhou H C，Hu Z F，Guo J J，et al．On-line optimization of coal-fired boiler operation in power plants for smart power generation[J]．Distributed Energy，2019，4(3)：1-7．

[9] 諶強，朱亞迪．燃機智能電廠框架下的廠級技術監督管理系統研究與開發[J]．華電技術，2020，42(2)：28-32．

Shen Q，Zhu Y D．Research and development of plant-level technical supervision and management system under the framework of smart gas turbine power plant[J]．Huadian Technology，2020，42(2)：28-32．

[10] 黃鶴，秦嶺，喻洋洋，等．水光多能互補清潔能源智能發電技術[J]．分布式能源，2020，5(2)：21-26．

Huang H，Qin L，Yu Y Y，et al．Smart-power generation technology of clean energy with water-light multi- energy complementary[J]．Distributed Energy，2020，5(2)：21-26．

[11] Grieves M．Product lifecycle management：driving the next generation of lean thinking[M]．New York：McGraw Hill Professional，2005．

[12] Glaessgen E，Stargel D．The digital twin paradigm for future NASA and U.S. Air Force vehicles[C]//53rd AIAA/ASME/ASCE/AHS/ASC Structures，Structural Dynamics and Materials Conference．2012：1818．

[13] Gartner Research．Top 10 strategic technology trends for 2019：digital twins[EB/OL]．(2019-03-13) [2020-08-01]．https://www.gartner.com/en/documents/3904569/top-10-strategic-technology-trends-for-2019-digital-twin．

[14] 陶飛，劉蔚然，劉檢華，等．數字孿生及其應用探索[J]．計算機集成制造系統，2018，24(1)：1-18．

Tao F，Liu W R，Liu J H，et al．Digital twin and its potential application exploration[J]．Computer Integrated Manufacturing Systems，2018，24(1)：1-18．

[15] 陶飛，程穎，程江峰，等．數字孿生車間信息物理融合理論與技術[J]．計算機集成制造系統，2017，23(8)：1603-1611．

Tao F，Cheng Y，Cheng J F，et al．Theories and technologies for cyber-physical fusion in digital twin shop-floor[J]．Computer Integrated Manufacturing Systems，2017，23(8)：1603-1611．

[16] Lu Y，Liu C，Kevin I，et al．Digital twin-driven smart manufacturing：connotation，reference model，applications and research issues[J]．Robotics and computer-integrated manufacturing，2020，61：101837-101850．

[17] Holler M，Uebernickel F，Brenner W．Digital twin concepts in manufacturing industries：a literature review and avenues for further research[C]//18th International Conference on Industrial Engineering (IJIE)．2016：1-9．

[18] Qi Q，Tao F．Digital twin and big data towards smart manufacturing and Industry 4.0：360 degree comparison [J]．IEEE Access，2018，6：3585-3593．

[19] Kritzinger W，Karner M，Traar G，et al．Digital twin in manufacturing：a categorical literature review and classification[J]．IFAC-Papers OnLine，2018，51(11)：1016-1022．

[20] Venkatesan S，Manickavasagam K，Tengenkai N，et al．Health monitoring and prognosis of electric vehicle motor using intelligent-digital twin[J]．IET Electric Power Applications，2019，13(9)：1328-1335．

[21] Tao F，Cheng J，Qi Q，et al. Digital twin-driven product design, manufacturing and service with big data[J]．The International Journal of Advanced Manufacturing Technology，2018，94：3563-3576．

[22] Liu Y，Zhang L，Yang Y，et al．A novel cloud-based framework for the elderly healthcare services using digital twin[J]．IEEE Access，2019，7：49088-49101．

[23] Barricelli B R，Casiraghi E，Gliozzo J，et al．Human digital twin for fitness management[J]. IEEE Access，2020，8：26637-26664．

[24] Booyse W，Wilke D N，Heyns S．Deep digital twins for detection，diagnostics and prognostics[J]．Mechanical Systems and Signal Processing，2020，140：106612-106636．

[25] Bachelor G，Brusa E，Ferretto D，et al．Model-based design of complex aeronautical systems through digital twin and thread concepts[J]．IEEE Systems Journal，2020，14(2)：1568-1579．

[26] Goraj R．Digital twin of the rotor-shaft of a lightweight electric motor during aerobatics loads[J]．Aircraft Engineering and Aerospace Technology，2020，Early access，doi：10.1108/AEAT-11-2019-0231．

[27] Wanasinghe T R，Wroblewski L，Petersen B，et al．Digital twin for the oil and gas industry：overview，research trends，opportunities，and challenges[J]. IEEE Access，2020，8：104175-104197．

[28] Bevilacqua M，Bottani E，Ciarapica F E，et al．Digital twin reference model development to prevent operators’ risk in process plants[J]．Sustainability，2020，12(3)：1088-1103．

[29] 范海東．基于數字孿生的智能電廠體系架構及系統部署研究[J]．智能科學與技術學報，2019，1(3) ：241-248．

Fan H D．Research on architecture and system deployment of intelligent power plant based on digital twin[J]．Chinese Journal of Intelligent Science and Technology，2019，1(3)：241-248．

[30] 唐文虎，陳星宇，錢瞳，等．面向智慧能源系統的數字孿生技術及其應用[J/OL]．中國工程科學，https://kns.cnki.net/kcms/detail/11.4421.G3.20200806.1706.012.html．

Tang W H，Chen X Y，Qian T，et al．Technologies and applications of digital twin for developing smart energy systems[J/OL]．Strategic Study of CAE，https://kns. cnki.net/kcms/detail/11.4421.G3.20200806.1706.012.html．

[31] Song X，Jiang T，Schlegel S，et al．Parameter tuning for dynamic digital twins in inverter-dominated distribution grid[J]．IET Renewable Power Generation，2019，14(5)：811-821．

[32] Zhou M，Yan J，Zhou X．Real-time online analysis of power grid[J]．CSEE Journal of Power and Energy Systems，2020，6(1)：236-238．

[33] Francisco A，Mohammadi N，Taylor J E．Smart city digital twin-enabled energy management：toward real-time urban building energy benchmarking[J]. Journal of Management in Engineering，2020，36(2)：4019045-4019055．

[34] 沈沉，賈孟碩，陳穎，等．能源互聯網數字孿生及其應用[J]．全球能源互聯網，2020，3(1)：1-13．

Shen C，Jia M S，Chen Y，et al．Digital twin of the energy internet and its application[J]．Journal of Global Energy Interconnection，2020，3(1)：1-13．

[35] 于勇，范勝廷，彭關偉，等．數字孿生模型在產品構型管理中應用探討[J]．航空制造技術，2017(7)：41-45．

Yu Y，Fan S T，Peng G W，et al．Study on application of digital twin model in product configuration management[J]．Aeronautical Manufacturing Technology，2017(7)：41-45．

[36] Grieves M．Digital twin：manufacturing excellence through virtual factory replication[J]．White Paper，2014，1：1-7．

[37] Tao F，Zhang M．Digital twin shop-floor：a new shop-floor paradigm towards smart manufacturing [J]．IEEE Access，2017，5：20418-20427．

[38] Aaron P，Lane W．Industry 4.0 and the digital twin [EB/OL]．(2017-05-12)[2020-08-01]．https://www2.deloitte.com/us/en/insights/focus/industry-4-0/digital- twin-technology-smart-factory.html．

[39] 馬虹哲．智能電網信息安全威脅及防護關鍵技術研究[J]．信息通信，2017(12)：162-163．

Ma H Z．Research on smart grid information security threats and key technologies of protection [J]．Information & Communications，2017(12)：162-163．

Digital Twin Technology for Smart Power Generation and Its Application Modes

FANG Fang, ZHANG Xiaoning, LIANG Dongyang, WANG Qinghua

(School of Control and Computer Engineering, North China Electric Power University, Changping District, Beijing 102206, China)

As an important part of power system, the intelligent construction of power generation process is an important direction to promote the development of energy transformation in China. Combined with current situation and development trend of digital twin technology research, the concept and system of smart power generation were analyzed. Then the definition of digital twin in the field of smart power generation was proposed. Through function mapping, the digital twin architecture of smart power generation was constructed. A general method of deploying digital twin technology in smart power generation system was proposed. The application fields and modes of digital twin technology were summarized, and the main technology challenges in application were analyzed. The research results provide theoretical and methodological reference for the industrial development of digital twin technology in the field of power generation.

smart power generation; digital twin; application architecture; data driven

10.12096/j.2096-4528.pgt.20075

TM 61；TP 391.9

國家自然科學基金項目(51676068)。

Project Supported by National Natural Science Foundation of China (51676068).

2020-08-27。

(責任編輯 尚彩娟)