元電力：新一代智能電網

黃超，卜思齊*，陳麒宇，李曉虹

（1.香港理工大學電機工程學系，香港特別行政區 九龍 999077；2.產品可靠性及系統安全研發中心，香港特別行政區 新界 999077；3.中國電力科學研究院有限公司，北京市 海淀區 100192）

0 引言

2021年10 月，中共中央國務院制定了在2030年和2060年之前分別實現碳達峰和碳中和的戰略目標，大力發展可再生能源是實現雙碳目標的重要途徑[1-2]。大規模可再生能源和電動汽車的滲透亟需一個運行靈活的電力系統。智能電網作為一個集成雙向數據傳輸和計算智能的數字化電力系統，它的靈活運行為可再生能源和電動汽車的滲透提供了可能。

智能電網概念最早出現在2001 年的Wired Magazine 雜志上，隨后中國、美國和歐盟等國家和地區都對智能電網展開戰略研究[3]。通信和計算基礎設施的發展促進了電力系統的智能化，既能實現雙向數據傳輸，又能實現基于電力大數據的智能決策。雖然智能電網提高了電力系統的經濟性、可靠性和安全性，但是它的數字化水平仍有進一步提高的空間[4-5]，具體體現在兩方面，即泛在信息可視化和超時空運行智能化。泛在信息可視化是用戶導向的數字化，目的是提高用戶獲取電力系統運行信息的便利性和在電站環境中的沉浸性，但目前電力系統的信息可視化水平較低，無法為用戶提供便利和沉浸式的電站環境。超時空運行智能化是系統導向的數字化，當前智能電網主要對電力系統的歷史和實時數據進行分析，但對未來和異常工況數據的分析能力較弱，預測能力仍有提高的空間。

2021 年，保證數字資產唯一性的非同質化代幣掀起了元宇宙的浪潮。元宇宙最早出現在N.Stephenson的科幻小說《Snow Crash》中，之后一些研究機構和學者對元宇宙進行了研究和探索。加速研究基金會將元宇宙定義為虛擬增強的物理現實和與現實世界一致的虛擬空間的集合體，并允許用戶體驗其中一種形式。此外，該基金會還將元宇宙的場景劃分為增強現實、日常記錄、鏡像世界和虛擬世界[6]。Ning等人[7]總結了元宇宙的特征為多技術性、強交互性和超時空性。元宇宙大體上由5個要素組成：現實、虛擬、虛實交互、智能分析和人機交互。現實為元宇宙提供設備支持和建模參考；虛擬為元宇宙創造一個不同于現實的虛擬世界或與現實一致的鏡像世界；虛實交互負責現實和虛擬之間的信息轉移；智能分析負責融合和分析來自現實和虛擬中的數據，并向用戶提供分析結果和智能決策；人機交互實現元宇宙和用戶之間的信息傳遞。元宇宙的大體架構為底層關鍵技術和上層生態環境，底層關鍵技術包括數字孿生、物聯網、網絡通信、大數據管理、計算策略、人工智能和先進人機交互，上層生態環境是應用了元宇宙四大場景的農業、工業和服務業[8]。在工業領域，交通、航空航天和產品設計的元宇宙進程較快。在交通領域，日本Nissan公司研發的Invisible-to-Visible(I2V)技術旨在為駕駛員提供難以注意到的道路信息，提高駕駛安全性。在航空航天領域，美國的波音公司使用混合現實設備培育人員維修波音737[9]。在產品設計領域，英偉達公司研發的Nvidia Omniverse 是全球首個虛擬產品合作和仿真平臺，提高了產品的設計效率。

將元宇宙引入電力系統能進一步提升電力系統的信息化和智能化程度，形成新一代智能電網。元電力的多個底層關鍵技術能促進電力系統運行的靈活性、安全性和智能性，它的強交互性能提高電力系統監測和維護的便利性和沉浸性，它的超時空性能夠突破現實電力系統運行的時空局限性，有利于加速能源戰略評估推演和雙碳進程發展。本文將引入元宇宙的電力系統定義為元電力，首先對其概念和特征進行闡述，然后對它的要素和場景進行分析，最后對它所面臨的挑戰和未來發展趨勢進行展望。

1 元電力概念

元電力是元宇宙在電力系統中的應用，它有五大要素：現實電力系統、虛擬電力系統、虛實交互系統、智能分析系統和人機交互系統。元電力基于虛實交互系統能實現現實電力系統和虛擬電力系統之間的雙向數據傳輸，基于智能分析系統能對來自現實電力系統和虛擬電力系統的數據進行融合和分析，基于人機交互系統能給用戶提供現實電力系統和虛擬電力系統的信息。

元電力由設施層和平臺層2 部分組成，設施層包括現實電力系統、虛擬電力系統和虛實交互系統，平臺層包括智能分析系統和人機交互系統，如圖1 所示。在設施層中，現實電力系統是元電力的物理骨架，為虛擬電力系統提供建模參考；虛擬電力系統是元電力的數字骨架，能跟隨現實電力系統進行動態更新，其中數字孿生是實現虛擬電力系統的關鍵技術；虛實交互系統是元電力的虛實通信媒介，負責現實電力系統和虛擬電力系統的信息獲取、交換和存儲，其中物聯網、通信網絡和大數據管理是實現虛實交互系統的關鍵技術。在平臺層中，智能分析系統是元電力的“大腦”，實現元電力運行的智能化，其中計算策略和人工智能是智能分析系統的關鍵技術；人機交互系統是用戶和元電力的通信媒介，其中先進人機交互技術是實現人機交互系統的關鍵技術。

圖1 元電力框架Fig.1 Framework of meta-power

在元電力設施層中，現實電力系統、虛擬電力系統和虛實交互系統之間的紐帶構成了元電力四大場景：增強現實、日常記錄、鏡像世界和虛擬世界。增強現實是虛擬電力系統流經虛實交互系統到現實電力系統的單向信息流，能夠為現實電力系統提供虛擬數據分析和虛擬可視化信息；日常記錄是現實電力系統和虛擬電力系統到虛實交互系統的雙向信息流，能夠對現實電力系統和虛擬電力系統的異常事件進行記錄和復現；鏡像世界是現實電力系統和虛擬電力系統流經虛實交互系統的雙向信息流，該場景下的虛擬電力系統相當于一個平行控制器，負責從現實電力系統中獲取數據，經過分析后再向現實電力系統發出控制命令；虛擬世界是現實電力系統流經虛實交互系統到虛擬電力系統的單向信息流，基于現實電力系統設計的虛擬電力系統能夠為設計人員和實習人員提供一個虛擬的電站環境，輔助電站設計和新人培訓。

2 元電力特征

元電力是元宇宙在電力系統中的應用，因此元電力和元宇宙具有共同的特征：多技術性、強交互性和超時空性。元電力多技術性體現在它由數字孿生、物聯網、通信網絡、大數據管理、計算策略、人工智能和先進人機交互技術支持。元電力的強交互性體現在它不僅強調現實電力系統和虛擬電力系統之間的交互，還強調元電力和用戶之間的交互。元電力的超時空性分別體現在系統和用戶層面。在系統層面，元電力能夠實現未來能源戰略評估推演(時間維度)和任意多工況運行(空間維度)。在用戶層面，元電力能夠讓用戶穿越到過去或未來的電站環境中學習和研究(時間維度)，讓用戶在任何一個虛擬電站進行學習(空間維度)。

目前智能電網的信息化和智能化水平較高，能實現電力系統運行的自適應性、自修復性、靈活性、可預測性、多技術性、交互性、經濟性和安全性。但是智能電網仍有發展空間，具體表現在泛在信息可視化和超時空運行智能化。泛在信息可視化是用戶導向的數字化，它旨在把電氣設備的運行信息在電力系統的各個設備上進行可視化，給用戶提供便利和沉浸的電力系統體驗。超時空運行智能化是系統導向的數字化，它是指用人工智能算法對電力系統歷史、當前、未來時間段內和任意工況下的數據進行分析的能力。

元電力的強交互性和超時空性能夠解決智能電網泛在信息可視化和超時空運行智能化不足的問題，是成為新一代智能電網的關鍵特征。先進人機交互技術，如擴展現實(extended reality，XR)設備和全息投影，能夠提高運維人員在巡檢過程中的便利性和沉浸性，運維人員能在電站環境中無處不在、無時無刻地獲取設備的運行信息，并且能用這些先進人機交互技術與電氣設備進行交互，實現泛在信息可視化。基于數字孿生的虛擬電力系統是實現元電力超時空性的核心技術，有了與現實電力系統平行的虛擬電力系統之后，運行人員和設計人員能夠用該虛擬電力系統對未來的能源戰略進行評估推演(時間維度)以及進行任意多工況仿真，以獲得大量電力系統的運行態勢(空間維度)，實現超時空運行智能化。

3 元電力要素

元電力的實施需要現實電力系統、虛擬電力系統、虛實交互系統、智能分析系統和人機交互系統五大要素的協同運行。

3.1 現實電力系統

3.1.1 現實電力系統的架構

現實電力系統是元電力的物理骨架，元電力的最終目的是用多種先進技術賦予現實電力系統泛在信息可視化和超時空運行智能化的功能。當前的現實電力系統由發電、輸電、變電、配電、用電、儲電和調度中心組成。可再生能源和電動汽車的滲透給電力系統帶來新的技術變革，分別在源、網、儲側產生了虛擬發電廠技術、微電網技術和V2G 技術3 個代表技術，圖2 描述了現實電力系統的架構和主要成分。

圖2 現實電力系統的架構Fig.2 Realistic power system framework

3.1.2 虛擬發電廠技術

虛擬發電廠是一種基于云的分布式能源管理系統，它利用信息技術聚合各種分布式能源向主網銷售能源電力或提供輔助服務。虛擬發電廠包含資源聚合和聚合協調兩大技術。資源聚合技術是控制分布式能源的技術，負責對小型風力發電站、小型光伏發電站、空調和儲能系統等分布式能源進行管理。聚合協調技術是分析電網需求的技術，負責與電網運營商進行大功率能源電力交易和小功率輔助服務支持。基于這2 個技術的虛擬發電廠為無法直接參與電力交易的分布式能源擁有者提供了一個銷售電力的平臺，代表他們進行電力批發。此外，虛擬發電廠能為電網運營商提供頻率穩定和瞬時需求響應等輔助服務[10]。

3.1.3 微電網技術

微電網是一種由分布式能源、本地負荷、儲能設備和并網接口構成的新型電網結構，它的優勢在于當主網發生故障后，微電網仍能以孤島運行模式向某一個地區的用戶供電。微電網的正常運行需要多種技術的支撐，包括電壓穩定技術、頻率穩定技術、并網運行和孤島運行的穩定切換技術以及孤島運行下的不確定性管理技術[11]。微電網在孤島運行時僅靠間歇性分布式能源向當地負荷供電，為了提高微電網運行的可靠性，微電網孤島運行下的不確定性分析尤為重要[12]。

3.1.4 V2G技術

電動汽車的普及使得負荷側的用電量變大且用電模式更復雜，但是電動汽車在實際中也能給現實電力系統帶來好處。有研究[13]表明，在大多數時間電動汽車處于停泊狀態，電動汽車在停泊狀態時與現實電力系統相連，可以作為備份儲能單元，起“削峰填谷”的作用，減緩可再生能源發電不穩定對現實電力系統造成的影響，這種把電動汽車作為移動式儲能單元的技術稱為V2G技術。

3.2 虛擬電力系統

虛擬電力系統是元電力的數字骨架，是元電力具有超時空特性和實現超時空運行智能化的關鍵要素。傳統智能電網主要對現實電力系統進行分析，而元電力需要對現實電力系統和虛擬電力系統進行分析，用多工況下的虛擬分析結果補充現實分析結果，實現系統分析的完備性，實現虛擬電力系統的底層關鍵技術是數字孿生。

Gartner[14]將數字孿生視為2018 年十大戰略技術之一，它通過與現實系統相連實現對現實系統的運行狀態映射。Rodic[15]提出數字孿生是下一個仿真范式，它不在設計階段和運行階段對系統進行實時仿真。總體上，數字孿生的構建需要2步：1）數字孿生建模；2）數字孿生更新。物理模型、數據模型和混合模型是進行數字孿生建模的三大方式。物理模型基于物理定律和系統動力學進行建模；數據模型基于歷史和實時數據進行統計或機器學習建模；混合模型同時應用物理模型和數據模型，用在可局部物理建模的模型中。數字孿生更新是數字孿生技術的關鍵一環，因為它保證了現實系統和數字孿生的一致性，圖3 為數字孿生更新的流程圖。數字孿生基于更新方法的不同，可分為系統模態更新和系統參數更新。系統模態更新是指模型結構發生變化；而系統參數更新是指模型參數發生變化。數字孿生基于更新策略的不同，可分為基于周期和基于事件的更新。基于周期的更新是指定期更新模型；而基于事件的更新是指根據現實系統和數字孿生的差異來觸發更新。

圖3 數字孿生更新流程圖Fig.3 Update flowchart of digital twin

2020 年中國電子技術標準化研究院編制了一本數字孿生應用白皮書，該書對電力行業的數字孿生應用作了總結，具體包括電廠三維可視化管理、電廠運行優化、電氣設備健康管理、通用電網模型構建和電網設計及運維管理。用數字孿生技術構造虛擬電力系統能夠準確反映現實電力系統整個生命周期的運行狀態，為運維人員提供了在低成本、低風險環境下進行分析的機會。數字孿生建模在電力系統中的應用較為成熟，圖4 為虛擬電力系統模型。物理模型可分為基于結構的有限元建模和基于拓撲的系統動力學建模。基于結構的有限元建模方式主要用在虛擬電氣設備上，在發電、變電、輸配電、用電和儲電都有應用[16-25]。基于拓撲的系統動力學建模主要用在虛擬電網的建模，如IEEE搭建的基于現實輸配電網的拓撲模型[26-27]。雖然物理模型驅動的虛擬電力系統有利于對現象進行解釋，但是該種建模方法往往需要大量運行時間。隨著信息和通信基礎設施在電力系統的大規模搭建，研究者開始探索基于數據的建模方法，然而現實電力系統具有高維特征，因此用傳統的機器學習模型難以建立虛擬電力系統的數據模型。隨機矩陣的高維表示能力和深度學習的強非線性學習能力能夠分別解決電力數據高維度和電力模型強非線性的問題，是建立虛擬電力系統數據模型的可行方向[28]。數字孿生除了能對現實電力系統的物理側進行建模外，還能對控制側進行建模。一些研究機構已經構建了能同時仿真現實電力系統物理側和控制側的測試平臺，如USF 智能電網實驗室的硬件環測試臺、基于IEC 61850標準設計的智能電網測試臺以及其他具有不同功能的測試臺[29-31]。

圖4 虛擬電力系統模型Fig.4 Virtual power system model

在構建好虛擬電力系統之后，還需要用現實電力系統對虛擬電力系統進行更新。虛擬電力系統的更新已經有了一些初步成果。在電氣設備層面，文獻[32]采用神經網絡模型建立逆變器的數字孿生，并用新的數據對神經網絡模型進行更新，實現虛擬逆變器模型和現實逆變器之間的誤差低于3%。在電網系統層面，文獻[33]用物理模型對電力系統的物理側和控制側進行建模，并利用傳感器數據對物理模型的參數進行更新以實現對虛擬電力系統的更新，該虛擬電網系統和現實電網系統的平均誤差不超過4%。此外，與能源分配系統平行的虛擬能源管理系統被設計出來以實現能源的最優分配[34]。

3.3 虛實交互系統

元電力的虛實交互系統是現實電力系統和虛擬電力系統之間的通信媒介，負責現實電力系統和虛擬電力系統的感知、交互、管理和控制功能。虛實交互系統由物聯網、通信網絡和大數據管理技術支持，其中物聯網起感知和控制功能，通信網絡起數據傳輸功能，大數據管理起大數據預處理和管理功能。

3.3.1 物聯網

物聯網由設備、邊緣和平臺3個部件組成。設備是實體終端，邊緣是多個運行設備通過邏輯關系構成的耦合連接，平臺是多個域的中心樞紐，是一個集成的面向應用的物聯網服務系統，能夠實現數據分析和系統控制[35]。物聯網在電力系統中的應用包括監督控制和數據采集(supervisory control and data acquisition，SCADA)系統、廣域監測系統(wide area measurement system，WAMS)和高等電表基礎設施(advanced metering infrastructure， AMI)， 基 于SCADA、WAMS和AMI系統的泛在電力物聯網如圖5所示。

圖5 泛在電力物聯網Fig.5 Ubiquitous power internet of things

SCADA 系統是基于上位機的集中物聯網系統，用于實現電力系統的過程控制。SCADA系統主要由智能電子設備(intelligent electronic device，IED)、遠程遙控單元(remote terminal unit，RTU)、可編程邏輯控制器(programmable logic controller，PLC)、基于主仆架構的上位機監控系統、數據庫和通信基礎設施組成[36]。其中IED 用于監測斷路器、變壓器和電容器組等電氣設備的運行狀態；RTU 負責與IED 交互，將IED 的傳感器讀數轉為標準數據格式，最后將傳感器數據傳送到監測站；PLC 用于實現過程控制；上位機監控系統負責從RTU 中收集數據、進行數據分析并向PLC 發送控制指令；數據庫負責儲存并管理數據；通信基礎設施用來連接物聯網中的各個組件[37]。

WAMS 是由相位測量單元(phasor measurement unit，PMU)、相位數據收集器(phasor digital collector，PDC)和衛星組成的物聯網，它能夠每20 ms提供同步的相位測量信息且每一個數據的同步誤差在1 ms之內[38]。該物聯網中的關鍵成分是PMU，目前大多數PMU以60 Hz的頻率產生電壓、電流、頻率和相位角信號，中國的一些PMU已經以100 Hz的頻率產生電氣信號[39]。WAMS的引入使電力系統暫態穩定性分析成為了可能。

傳統的智能電表物聯網系統是自動電表讀數(automatic meter reading，AMR)系統，該系統采用單向通信設計，只允許對配電網進行監測，但不允許對配電網進行控制[36]。為了能對配電網進行控制，基于雙向通信的AMI系統被提出。不同于SCADA系統，AMI系統是分布式物聯網系統，可以實現智能電表之間、智能電表和IED 之間以及智能電表和其他控制系統之間的互連。AMI 系統不僅可以用于獲取用電側的電能質量、用電量和故障記錄，還能監測分布式能源的發電量或儲電量[40]。

3.3.2 通信網絡

物聯網的正常運行離不開通信網絡的數據傳輸支持，通信網絡大體上分為有線通信和無線通信。常見的有線通信方式有電力線通信、數字用戶線通信和光纖通信，無線通信網絡方式有ZigBee、無線網狀網絡(如射頻網絡)和蜂窩狀網絡通信(如3G、4G、5G和WiMAX)。

通信網絡較在電力物聯網中的應用較成熟。電力線通信在高壓側的1 100 kV 交直流線路上以40～500 kHz 頻段運行，在中壓側用于變電站之間的通信，在低壓側用于AMI系統、V2G系統和家庭能源管理系統。數字用戶線和光纖通信用在SCADA 系統中實現變電站和調度中心的通信。ZigBee 功耗低、數據率低和成本低，適合用在智能避雷、電氣自動化和自動讀表等場景。射頻網絡和WiMAX 網絡可應用在AMI 系統中傳輸智能電表數據。WiFi通信因其范圍小，適于在用戶側應用，如家庭能源管理系統和V2G 系統[41-42]。此外，衛星通信能作為電力系統通信的備用通信方案，在電力通信系統發生故障時通過衛星進行通信，進一步提高通信可靠性。

3.3.3 大數據管理

大數據管理包含數據庫管理和數據集群管理兩大策略。數據庫管理是一種將大量不同類型的存儲設備集合起來對外提供數據存儲和業務訪問的策略。數據集群管理是一種將不同數據源進行收集、整理和轉換后加載到一個新的大型數據源，并對該數據源進行集中管理和對外提供服務的策略。

數據庫大體上分為關系型數據庫和非關系型數據庫。傳統的關系型數據庫需要存儲數據之間的關聯性，不利于海量數據的存取，而非關系型數據庫的數據存儲無需固定的表式結構，也不存在連接操作，對海量數據擁有極高的讀寫性能，更能滿足大數據時代的數據管理需求。

數據集群管理主要有Apache基金會開發的集群系統架構，包括Hadoop、Storm、Spark 和Drill[43]。Hadoop 的應用較成熟，本文主要對Hadoop的架構進行分析。Hadoop架構包括分布式文件系統(HDFS)、 分布式并行編程模型(MapReduce)、分布式數據庫(HBase)，其中HDFS可有效存儲海量數據，MapReduce 可在超大集群規模下對海量數據進行分布式處理，HBase 是一種分布式的非關系型數據庫，圖6 為基于Hadoop的數據管理框架。

圖6 基于Hadoop的數據管理框架Fig.6 Hadoop-based data management framework

大數據管理在電氣設備和電網系統層面都得到了有效應用。在電氣設備層面，風力發電機的發電預測需要大量數據的支持，大數據管理技術的海量存儲、管理和篩選能力令風電場的數據收集更有效率，支持中國在新能源轉型上的決策，降低新能源政策帶來的數據處理成本[44-45]。在電網系統層面，IED、PMU 和智能電表的普及極大增加了電力數據量，非關系型數據庫和分布式集群系統架構能有效對電網大數據進行整合，實現在系統層面的大數據分析。

3.4 智能分析系統

智能分析系統是元電力的“大腦”，負責融合和分析來自現實電力系統和虛擬電力系統的數據。與只分析現實電力系統數據的傳統智能電網不同，元電力需要處理來自現實電力系統和虛擬電力系統的數據，這無疑為計算資源的分配和人工智能的實施帶來了挑戰。然而和傳統智能電網一樣，元電力智能分析系統的底層關鍵技術也是計算策略和人工智能，其中計算策略起實時計算的功能，人工智能起智能分析的功能。

3.4.1 計算策略

計算策略分為云計算、邊緣計算和混合計算。云計算是指把所有數據傳輸到數據中心進行分析計算，它的優勢是強計算能力，但需要所有傳感器數據都上傳到數據中心，給通信網絡帶來了較大負擔，且會出現分析延時、數據盜竊的情況。邊緣計算是指數據只在本地進行分析，該種計算保證了分析的實時性和安全性，但是只能進行小規模計算。混合計算是指用數據中心和本地服務器對數據進行分析，該種計算策略通過合理分配云和邊緣的計算資源實現大規模計算的準確性、實時性和安全性。混合計算基于合作策略又可分為分布式計算、分層式計算和聯邦式計算。

云計算平臺已經被國家電網應用于高負荷的重復計算和分析[46]。基于云平臺的高性能并行計算可應用于電力系統潮流計算、可靠性分析和安全評估中以提高計算效率和結果置信度。對于大型電力系統，時域仿真計算量很大，基于云的高性能并行計算能提高大規模電力系統的時域仿真速度。此外，傳統的電力系統潮流計算、可靠性分析和安全評估采用確定性分析，導致分析結果較保守和運行成本較高。在電力系統中引入云計算有利于進行基于蒙特卡洛的概率性潮流計算、可靠性分析和安全評估，給計算結果引入不確定度以提高電力系統分析的置信度。

隨著多種邊緣設備，如智能繼電器、IED、智能電表、基站、無人機和本地數據中心等的盛行，邊緣計算開始在電力系統有所實施，主要是為了能夠實現低延遲的電力系統控制和保護。Tong等人[47]提出了一個基于邊緣計算策略的電力保護系統，該系統使用IED作為邊緣計算節點進行電力系統的短路診斷。此外，文獻[48]用變電站服務器作為邊緣計算節點，用訓練好的神經網絡實現電力系統的故障定位。

混合計算是一種集成云計算和邊緣計算的策略，它綜合利用了云計算高計算性能和邊緣計算低延遲性能的優點，是一種對計算資源進行最優分配的計算策略。Liu等人[49]基于混合計算策略用深度強化學習模型對城市的能源進行最優管理。在該研究中，混合計算框架的邊緣層不僅負責對電力數據進行收集、預處理并傳輸給云層，還負責從云層獲取更新后的深度強化學習模型，對電力潮流進行控制。云層主要負責用來自邊緣層的電力數據進行深度強化學習的訓練，再把訓練好的Q值傳輸給邊緣層執行邊緣模型的更新。

3.4.2 人工智能

人工智能技術包括機器學習、計算機視覺、自然語言處理和知識圖譜，其中機器學習因其強學習能力受到廣泛關注。基于學習模式的不同，機器學習可分為監督學習、無監督學習、集成學習和強化學習[50]。2006 年，具有強非線性學習能力的深度學習被提出，提高了對現實世界復雜系統的建模能力。機器學習已廣泛應用在電力系統的發電量預測、用電量預測、電力系統控制、電氣設備健康評估和電力系統故障診斷方面。

人工智能能夠對可再生能源的發電量進行預測。對于風電，在工業上，芬蘭的維薩拉公司和施耐德公司合作開發的WeatherSentry 軟件使用風機轉速和氣象數據預測了風機的輸出功率[51]。在學術上，Jiao 等人[52]提出了一個基于堆疊自編碼器、粒子群優化和反向傳播算法的風機功率預測模型。對于光伏發電，基于深度學習的光伏輸出功率的預測方法較多，具體可參考文獻[53]。

除了發電預測外，人工智能還能用于用電負荷預測。負荷和電價、政策、季節等多種因素有關，難以建立精確的物理模型，人工智能技術尤其是深度學習依靠其強非線性能力，能夠很好地擬合負荷和影響因素之間的關系，進而對未來的負荷進行預測。負荷預測分為短期和中長期負荷預測，文獻[54]和[55]分別用長短期記憶網絡和基于注意力機制的雙向長短期記憶網絡對短期負荷進行預測，文獻[56]提出了一種用廣義極端學習機對小波神經網絡進行訓練的技術，對中長期負荷進行預測。

智能控制系統能夠自動規劃電力系統的運行，最大化滲透可再生能源的電力系統的運行效率。文獻[57]提出了一種深度學習模型實現對未來電網的最優控制，且能適用于不同拓撲結構的電力系統。Zhang等人[58]提出了一種用于配電網的共識遷移Q學習模型，該模型基于Q值矩陣實現去中心化發電站的最優發電分配。

傳統的電氣設備健康評估方法依賴主觀選取的特征，而人工智能尤其是深度學習的強特征選取能力進一步提升了電氣設備的健康分析能力，實現早期異常警報和剩余壽命預測。文獻[59]用集成回歸神經網絡對電力變壓器的健康狀態進行計算，相比于專家推理機能更準確地描述電力變壓器的健康狀態。文獻[60]用卷積神經網絡對高壓電纜進行局部放電診斷，其診斷準確性和敏感性比支持向量機和反向傳播神經網絡高，可以有效區分局部放電信號和噪聲信號。此外，文獻[61]用XGBoost 算法和K-Means 算法對光伏板進行性能評估以實現運維優化。

人工智能除了能檢測電氣設備的不良情況，還能檢測電網系統的異常運行，包括系統故障識別和故障位置定位。對于系統故障識別，文獻[62]使用了決策樹、KNN、支持向量機和樸素貝葉斯方法對微電網的故障模式進行了準確識別。對于故障位置定位，小波變換和支持向量機能夠對輸電線路的故障位置進行識別[63]。

3.5 人機交互系統

人機交互系統是元電力和用戶之間的通信媒介，是實現元電力強交互性和泛在信息可視化的關鍵要素。元電力的人機交互系統采用XR 設備和全息投影進行信息顯示，并采用可穿戴式控制器進行操作控制。

XR 設備包含增強現實(augmented reality，AR)設備、虛擬現實(virtual reality，VR)設備和混合現實(mixed reality，MR)設備。AR 設備用于現實環境中的交互，它使用智能傳感器和可視化界面為現實用戶提供虛擬體驗或數字化信息。VR設備用于虛擬環境中的交互，交互影響只能作用于虛擬世界，而無法作用于現實世界。MR 設備可同時實現現實世界和虛擬世界的交互，在機器人的幫助下可實現在虛擬世界中對現實世界的物體進行操控。例如，Laaki 等人[64]設計了基于MR 的遠程手術系統，醫生對病人的數字化身進行的手術都將用機械臂在患者身上重復進行。

全息投影是一種通過光學手段呈現物體真實三維圖像的虛擬再現技術。全息投影直接向用戶呈現三維圖像，用戶無需佩戴XR 設備便可用肉眼從不同角度查看圖像。隨著全息投影技術的發展，現實世界和虛擬世界的界限變得模糊，為實現元電力的泛在信息可視化打下堅實的基礎。

先前電力行業的人機交互系統經歷了三代變革：第一代以模擬信號為顯示方式，以旋鈕、刀閘等機械開關為操控方式；第二代以上位機顯示屏為顯示方式，以上位機操作系統(如Windows)為操控方式；第三代以移動端顯示屏為顯示方式，以移動端操作系統(如Android)為操控方式。第四代人機交互系統將是以XR 設備和全息投影為顯示方式，以可穿戴式控制器為操控方式的元電力人機交互系統。圖7 為電力行業人機交互系統的發展進程。

圖7 電力行業人機交互系統發展進程Fig.7 Development process of human-machine interaction system in the power industry

元電力人機交互系統強調運維人員和元電力之間的互動，即元電力通過XR 設備和全息投影給運維人員提供沉浸式可視化信息，以及運維人員借助可穿戴式控制器對元電力進行操作控制。

元電力通過AR 設備給運維人員提供現實電力系統的數字化信息。運維人員無需手提檢測裝置，戴上AR 眼鏡就能巡檢，提高了巡檢的便利性。例如，文獻[65]設計了一個用于注釋變壓器真實數據的AR 系統，將SCADA/EMS 系統中的數據在真實變壓器設備上進行可視化顯示。元電力通過VR 設備給運維人員提供虛擬電力系統的數字化信息，用于訓練和學習。Gorski 等人[66]用VR設計了2個訓練場景，分別是在虛擬變電站中操作開關和在配電設備中接入新的電纜，并給出了詳細的操作規程。元電力通過MR 設備能夠為運維人員同時提供現實電力系統和虛擬電力系統的數字化信息，為運維人員提供更多資訊，提高巡檢過程中分析的準確性[67]。全息投影直接向運維人員呈現現實電氣設備的虛擬三維圖像，運維人員無需佩戴XR 設備便可獲取到電氣設備的運行信息。肖東裕等人[68]用偽全息投影技術實現了電氣設備現場安全管理的虛擬可視化。

在獲取到來自元電力的數字化信息后，運維人員需要基于獲取到的信息進行決策和操作。前三代的人機交互系統只允許運維人員對現實電力系統進行操作，而第四代的元電力人機交互系統允許運維人員對現實電力系統和虛擬電力系統進行操作，具體有3 種操作場景，分別是純現實電力系統操作場景，純虛擬電力系統操作場景和虛實協同操作場景。純現實電力系統操作場景是指運維人員在獲得元電力的數字化信息后，用可穿戴式控制器控制機器人進行遠程檢修。純虛擬電力系統操作場景是指運維人員在獲得元電力的數字化信息后，用可穿戴式控制器控制數字人進行操作訓練。虛實協同操作場景適用于運維人員從元電力中接收到了未曾見過的運行狀態后的應急措施，本質上是一種試錯方案，該操作場景分為3步：1）把現實電力系統的狀態映射到虛擬電力系統中；2）運維人員進入虛擬電力系統中嘗試多種操作，最后得到一個最優操作方案；3）把在虛擬電力系統中得到的最優操作方案實施在現實電力系統中。

4 元電力場景

4.1 元電力四大場景

元電力場景是元宇宙四大場景在電力系統中的體現，也是元電力設施層3 個要素之間紐帶的體現，圖8為元電力四大場景。

圖8 元電力四大場景Fig.8 Four scenarios of meta-power

元電力的增強現實是虛擬電力系統的信息向現實電力系統的單向流動，可分為數據增強和信息增強；日常記錄是現實電力系統和虛擬電力系統的信息向數據庫的流動，實現歷史事件記錄和復現；鏡像世界是現實電力系統和虛擬電力系統之間的雙向流動，具體應用場景有運行控制、信息保護、健康管理和彈性恢復；虛擬世界是現實電力系統的信息向虛擬電力系統的單向流動，然后基于現實信息設計出來的虛擬電力系統向設計人員和培訓人員提供設計、規劃和訓練服務。

4.2 增強現實

增強現實分為數據增強和信息增強。數據增強是指用虛擬電力系統進行多工況仿真，獲取正常工況、異常工況和極端工況下的電力運行數據。信息增強主要是對當前的電氣設備和電網系統的運行狀態進行信息化表示，實現泛在信息可視化。

數據增強可用于現實電力系統發電量預測、用電量預測和態勢感知中。對于發電量和用電量預測，虛擬電力系統可以對多種工況下的可再生能源機組和用戶用電模式進行仿真，增加可再生能源發電量和用戶用電量的數據數量和維度，進一步提高深度學習模型的準確性。態勢感知是指對電力系統當前狀態進行高分辨率描述的能力，包括感知、理解和映射3 個步驟。數據增強能提高運行人員對電力系統的態勢感知，通過各類仿真和可視化結果幫助運行人員理解電力系統在不同工況下現實電力系統的狀態轉變[69]。

在元電力中，信息增強需要SCADA 系統、WAMS系統和AMI系統等信息處理系統和交互界面的支持。傳統電力系統的交互界面是二維顯示屏，但這種人機交互媒介便利性和沉浸性低，無法為巡檢人員實時提供電氣設備的運行信息。AR的引入能向巡檢人員實時提供電氣設備的信息，準確在電氣設備上顯示運行數據信息，提高了巡檢人員的便利性和巡檢過程的沉浸性。Chae 等人[70]用AR 技術為電力系統開發了一套遠程監測系統。在該系統中，AR 眼鏡與集群無線電系統及RTU 嵌套，將來自集群無線電系統和RTU 的信息在AR 眼鏡上可視化，讓巡檢人員能夠實時監測電氣設備的運行信息，并把巡檢過程中的視頻記錄下來，分享給專家進行分析。

4.3 日常記錄

在元電力中，日常記錄反映為對現實電力系統和虛擬電力系統的歷史數據和事件進行收集和復現，便于對過去的電力系統進行記錄和分析。

元電力具有現實電力系統和虛擬電力系統兩大系統，因此元電力的數據量很大，如何合理存儲和管理來自現實電力系統和虛擬電力系統的數據，成為了實現日常記錄的關鍵問題。電力系統大多時候都運行在正常工況下，因此正常運行的數據要遠多于異常運行的數據，然而異常數據的價值比正常數據的價值大。當前應用在電力系統的數字故障記錄儀可用于記錄設備的故障信息，然而并沒有自動存儲設備故障前數據序列的功能，為了擴展元電力的事件庫或故障庫，具有自動存儲故障前數據序列的故障記錄儀成為了未來的發展方向[71]。此外，為了存儲來自現實電力系統和虛擬電力系統的運行數據，一個合理的大數據管理策略很重要。元電力的數據庫應該是存儲理解化程度高的信息而非原始數據，因此用大數據技術將海量數據轉化為運行人員能直觀理解的信息再進行存儲是一個更優的日常記錄方案。Hadoop分布式文件系統、分層擴展存儲機制、基于邊緣設備的微型存儲策略和基于云平臺的數據存儲技術都能成為元電力的備選數據管理方案[72-74]。

對元電力的歷史數據和事件進行記錄是為了能夠對過去的現實電力系統進行事件或故障復現。元電力的虛擬電力系統能夠從數據庫中獲取過去現實電力系統發生某一個事件的數據記錄，接著用該歷史數據作為虛擬電力系統的輸入，對過去現實電力系統的事件或故障進行復現，有利于運行人員對過去現實電力系統發生的事件或故障有一個直觀了解。例如，在虛擬電力系統環境中復現切爾諾貝利核電站事故或20世紀北美大停電事故，有利于提高運行人員的操作安全意識。

4.4 鏡像世界

元電力的鏡像世界場景反映為現實電力系統和虛擬電力系統之間的交互控制，該場景主要對當前正在運行的電力系統進行分析和控制。現實電力系統用傳感器和通信網絡將數據傳輸到虛擬電力系統中，虛擬電力系統基于獲得的數據進行虛擬運行，并將運行結果可視化，以輔助操作員間接或以控制器形式直接做決策，實現現實電力系統的最優運行。元電力鏡像世界這一場景可應用在電力系統運行控制、信息保護、健康管理和彈性恢復方面[73-74]。

在鏡像世界場景中，現實電力系統和虛擬電力系統將并行運行。這2 個電力系統將協助運行人員進行電力系統的瞬態和穩態評估以做出最優控制決策。在供需平衡方面，能源管理系統和配電管理系統對能源的輸配電進行控制。然而，目前控制中心的供需平衡分析主要進行穩態分析，即先對供需平衡策略進行潮流計算，然后識別穩態下設備的溫度和電壓情況，設定電力系統的穩定運行邊界。虛擬電力系統的高保真性和高數據率將實現供需平衡策略的暫態評估，確定電力系統的暫態運行邊界。在運行保護方面，虛擬電力系統不僅能夠反映現實電力系統當前的運行狀態，還能模擬未來演變對狀態進行預測。基于虛擬電力系統的暫態和穩態評估可以對現實電力系統的異常運行進行檢測，并及時切換控制策略進行保護，防止現實電力系統受到嚴重損壞。

信息安全是智能電網正常運行的關鍵保障，智能電網的通信漏洞分為3 類：設備漏洞、網絡漏洞和數據漏洞。虛擬電力系統可以仿真現實電力系統不同攻擊場景，用來及時檢測信息泄露、篡改和入侵的情況。文獻[75]使用了亞馬遜網絡服務建立虛擬電力系統平臺對配電系統進行安全分析，能夠阻止虛擬數據注入、拒絕服務和協同攻擊等類型的攻擊。虛擬電力系統除了能夠仿真攻擊場景外，還能作為一個保護機制對現實電力系統進行保護。例如，基于物理模型的虛擬電力系統能夠識別與物理定律不匹配的數據，將攻擊者注入的數據標記為異常數據，提高現實電力系統運行的安全性。

退化是現實電力系統不可避免的現象，它會導致系統性能下降并增加運行成本。虛擬電力系統能對電氣設備的健康狀態進行監測并預測它的剩余壽命，有利于讓維修方案從定期預防性維修向預測性維修轉變，實現對電氣設備更高效的維修。基于鏡像世界場景的健康管理大體上分為四步：1）基于幾何結構、材料信息和運行機理，構建現實電氣設備的高保真虛擬電氣設備；2）基于現實電氣設備和虛擬電氣設備的交互，檢測現實電氣設備的異常或虛擬電氣設備的設計缺陷；3）融合來自現實電氣設備和虛擬電氣設備的數據，對現實設備的健康狀態和剩余壽命進行分析；4）基于健康分析結果執行預測性維修，提前購置所需的部件以減少停機時間。如今，基于鏡像世界場景的健康管理已經在電力電子變換器、電池組、海上風電機組和大型發電機組中有所應用[76-77]。

為了應對由外部因素引起的高影響、低概率事件，如地震和龍卷風，電力系統引入了彈性恢復概念。彈性恢復是指系統預測和承受外部沖擊、盡快恢復到沖擊前的狀態并更好應對未來災難事件的能力。鏡像世界能通過降低退化程度、退化速度和持續時間的方式提高電力系統的彈性恢復力，有助于提高操作員對不同攻擊的理解，發展出一個適用于攻擊前、攻擊期間和攻擊后的緩解策略，使電力系統從不同程度的系統異常中實現彈性恢復。文獻[78]用虛擬電力系統評估微網控制器在彈性恢復方面的性能。

4.5 虛擬世界

元電力的虛擬世界場景是現實電力系統向虛擬電力系統的單向信息流，該場景在系統層面上強調對未來的電力系統進行分析，在用戶層面上為用戶提供超時空的電站接入平臺，用戶可以在任何地方進入任何時間的虛擬電站環境。基于現實電力系統設計的虛擬電力系統能夠為設計人員、檢修人員和培訓人員提供一個低風險、低成本的仿真平臺。在元電力中，虛擬世界場景的應用有電力設計、未來能源規劃和檢修培訓。

元電力虛擬世界場景能夠分別在設備和系統層面提高現代電力系統的設計性能，對設備和系統的效率、可靠性和安全性進行分析，進一步優化現實電力系統的設計。在設備層面，虛擬世界場景可以幫助設計人員在設計階段仿真不同故障模式下的運行情況以優化電氣設備設計，降低未來投入運行的電氣設備的故障率。在系統層面，設計好虛擬電網模型后，對虛擬電網模型進行仿真以評估系統在不同工況下的運行情況，最后消除潛在的運行風險。

由于電力需求的增加和新能源戰略的提出，現實電力系統的發電量和技術正在不斷發展，能源戰略發展一直是學術界和工業界的關鍵問題之一。能源戰略發展是一項戰略決策，與電力公司的經濟效益密切相關，因此應在需求增長、技術趨勢及監管規則等方面的長期預測足夠準確的條件下做出能源戰略發展決策。虛擬電力系統提供了一個有效的測試平臺預測電力系統在不同時間，不同運行場景下的響應。虛擬電力系統可以對不同的激勵機制、需求響應策略、電價方案、可再生能源接入方案和電動汽車滲透策略的短期和長期影響進行分析，促進未來能源戰略的評估推演。

元電力的虛擬世界場景提供了一個低成本、低風險的虛擬環境，讓實習人員和檢修人員在該虛擬環境進行培訓和檢修演練。培訓是提高實習人員實操技能的手段，對保障電力系統的安全具有重要意義。利用VR 設備建立虛擬電站環境能夠為實習人員提供更高的沉浸感和操作感。國內外已經開始對虛擬電站展開了研究。例如我國已經應用VR 技術設計出了同比例的變電站，實現變電站的實操學習和運維檢修。該VR 技術能夠將運行指令以可視化方式提示，監督實習人員按規程完成訓練。德國電力公司E.ON基于VR技術對高壓變電站進行等比例設計，因業務需到該變電站的人員只要佩戴VR 設備就能在遠程進行受訓。

5 元電力面臨的挑戰

元電力的主要目的是用虛擬電力系統、虛實交互系統、智能分析系統和人機交互系統四大要素提高現實電力系統運行的靈活性、可靠性和經濟性，實現現實電力系統的泛在信息可視化和超時空運行智能化，所以元電力面臨的挑戰主要出現在虛擬電力系統、虛實交互系統、智能分析系統和人機交互系統中。

5.1 虛擬電力系統面臨的挑戰

虛擬電力系統的更新和安全是運行虛擬電力系統的兩大研究挑戰。虛擬電力系統的更新又分為2 個方面的難點：收斂率和更新率。如何保證虛擬電力系統和現實電力系統的同步準確度是未來需要攻克的難關。此外，如何選擇最優的虛擬電力系統更新率也是需要考慮的問題，雖然更新率越高，電力系統分析越準確及時，但高更新率會給通信網絡和計算資源帶來很大的負擔。對于虛擬電力系統的更新難點，本文提出了2 個潛在解決方案：1）建立硬件環測試床來驗證更新算法的準確性；2）成立專家委員會制定虛擬電力系統相關標準。此外，虛擬電力系統作為元電力的基本要素，它也會有被惡意攻擊的風險，因此能夠同時保證現實電力系統和虛擬電力系統安全的加密技術是未來的研究趨勢。

5.2 虛實交互系統面臨的挑戰

元電力同時擁有現實電力系統和虛擬電力系統，因此元電力將會產生海量數據，能夠對現實電力系統和虛擬電力系統的海量數據進行管理的先進數據管理技術亟需研發。本文針對該研究挑戰分別從數據集成角度和應用需求角度提出2 個潛在的方向。內存數據網格可以把來自現實電力系統和虛擬電力系統的數據駐留在隨機存取存儲器中，并廣泛分布在多個計算機節點。該種架構可以支持每秒數十萬次更新，并支持數據的高速處理，因此可以作為元電力的數據集成方案。基于應用需求的數據管理是指基于應用需求對數據采集頻率進行動態改變來減輕數據量的負擔。以AMI 系統為例，標準運行時，數據采樣周期設為15 min，進行需求響應分析時，數據采樣周期設為1 min。

5.3 智能分析系統面臨的挑戰

如今大多數人工智能算法主要對現實數據流進行分析，然而元電力有現實數據流和虛擬數據流，如何合理對現實數據流和虛擬數據流進行分析是元電力智能分析系統的研究挑戰。圖9 為元電力智能分析系統的平行學習框架。該平行學習框架分為訓練階段和實施階段。在訓練階段，平行學習從現實電力系統和虛擬電力系統的歷史數據中進行學習，接著把訓練好的模型投入實踐中進行實時推理。如果訓練的模型是監督學習或無監督學習模型，則訓練好的模型負責對現實電力系統和虛擬電力系統的實時數據流進行預測分析；如果訓練的模型是強化學習模型，則訓練好的模型對現實電力系統進行實時控制。

圖9 平行學習框架Fig.9 Framework of parallel learning

5.4 人機交互系統面臨的挑戰

元電力人機交互系統的研究挑戰主要是XR設備和全息投影設備的研究挑戰。對于VR設備，通信是主要問題，因為其中涉及現實電力系統向虛擬電力系統的信息傳輸以及用戶操作數字人的操作指令傳輸，尤其在用戶量大時易產生通信延遲。對于AR 技術，追蹤精度和有效視野是主要問題，這2 點會對運維人員檢修過程的便利性和沉浸性造成影響。MR 設備是VR 設備和AR 設備的集成體，因此通信、追蹤精度和有效視野都是MR 設備進一步發展需要克服的難題。全息投影雖然能實現電站環境的虛實融合，將電力系統的運行信息進行泛在可視化，但是全息投影目前仍有4 個方面的弱點，即分辨率低、顯示尺寸小、移動性差和成本高，克服這些弱點后，全息投影便有機會大規模應用在現實電力系統中，進一步推動元電力的發展進程。

6 結論

元電力是一個多技術集成的具有強交互性和超時空性的新一代智能電網，在滿足智能電網原始特征之外，還能實現泛在信息可視化和超時空運行智能化。元電力的實現需要多種先進技術的支撐，尤其是先進人機交互技術和數字孿生技術。基于XR 設備和全息投影的先進人機交互技術能夠實現元電力的強交互性，提高電力信息的泛在可視化，保證運維人員的便利性和沉浸性。基于數字孿生技術的虛擬電力系統能夠對過去的電力系統進行復現、對當下的電力系統進行實時分析和控制，對未來的電力系統進行評估推演，實現元電力的超時空運行智能化。在未來，元電力將會出現更多的應用，增強具有高電力電子比例、高可再生能源比例和高電動汽車比例的電力系統的運行靈活性，加速實現雙碳目標。