發(fā)電系統(tǒng)數(shù)字化研究綜述

王翔宇，陳武暉*，郭小龍，常喜強

（1.太原理工大學電氣與動力工程學院，山西省 太原市 030024；2.國網(wǎng)新疆電力有限公司，新疆維吾爾自治區(qū) 烏魯木齊市 830000）

0 引言

發(fā)電系統(tǒng)數(shù)字化就是利用海量傳感器、智能設備、電力物聯(lián)網(wǎng)等手段實現(xiàn)物理電廠的數(shù)字化升級[1]，形成一種集成智能傳感與執(zhí)行、智能控制與優(yōu)化、智能管理與決策等技術(shù)的具備自學習、自適應、自趨優(yōu)、自恢復、自組織的智能發(fā)電運行控制管理模式[2]，最終建成管控一體化的數(shù)字化平臺。數(shù)字化的發(fā)電系統(tǒng)可以利用信息網(wǎng)絡技術(shù)進行準確的信息化交換，實現(xiàn)資源的實時性共享，從而使得電廠在電力生產(chǎn)的整個過程中產(chǎn)生最大的經(jīng)濟效益[3-5]。

隨著新型電力系統(tǒng)建設的不斷推進，以風電、光伏等為代表的清潔能源發(fā)電系統(tǒng)大量并網(wǎng)[6-7]，其電能生產(chǎn)的隨機性、波動性導致系統(tǒng)面臨的不確定性進一步增加；另外，發(fā)電側(cè)兆瓦級發(fā)電設備數(shù)量日趨龐大[8-9]，發(fā)電側(cè)數(shù)據(jù)呈現(xiàn)指數(shù)級增長。因此，建立數(shù)字化運行和管理的發(fā)電體系，推進發(fā)電系統(tǒng)的數(shù)字化、智能化建設，促進物理電廠和數(shù)字技術(shù)深度融合，進而實現(xiàn)各類能源的高效利用以及經(jīng)營管理全過程實時感知、可視可控、精益高效[10-11]，是助力新型電力系統(tǒng)建設的重要保障。

自從2016年“智能發(fā)電”的概念被提出以來[12]，發(fā)電系統(tǒng)的數(shù)字化、智能化發(fā)展受到行業(yè)和國家主管部門的高度關注。2017年3月，工業(yè)和信息化部、國家標準化管理委員會聯(lián)合發(fā)布《信息物理系統(tǒng)白皮書(2017)》，對信息物理系統(tǒng)的技術(shù)內(nèi)涵做了全面歸納與系統(tǒng)闡釋[13]。2020年9月，國資委印發(fā)了《關于加快推進國有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》，為電力系統(tǒng)數(shù)字化轉(zhuǎn)型指明了方向[14]。2022年4月，南方電網(wǎng)發(fā)布了《數(shù)字電網(wǎng)標準框架白皮書》，提出數(shù)字電網(wǎng)技術(shù)標準框架及重點研制方向，為數(shù)字電網(wǎng)企業(yè)標準、行業(yè)標準、國家標準、國際標準的制定提供了科學依據(jù)。

在國家戰(zhàn)略及相關政策的引導下，許多專家學者對發(fā)電系統(tǒng)數(shù)字化的研究和建設開展了有益探索，文獻[15-21]從不同的角度闡述智慧電廠、智能發(fā)電的概念及體系架構(gòu)，但是很少涉及到發(fā)電系統(tǒng)數(shù)字化建設過程中的關鍵技術(shù)及相關應用，發(fā)電系統(tǒng)的數(shù)字化建設需要以新一代數(shù)字技術(shù)為依托，進而實現(xiàn)傳統(tǒng)發(fā)電系統(tǒng)的數(shù)字化智能化升級。文獻[22-25]結(jié)合智能發(fā)電、智慧電廠的業(yè)務應用與典型研究方向，綜述了發(fā)電系統(tǒng)數(shù)字化建設需要形成的各類關鍵技術(shù)，但是其涉及范圍大多局限于數(shù)字技術(shù)的某一方面，新一代的數(shù)字技術(shù)應包含感知、融合、應用等多個層面。文獻[26-30]從智慧電廠的建設實際出發(fā)，探討了面向新型發(fā)電系統(tǒng)的多類型數(shù)字業(yè)務需求，為發(fā)電系統(tǒng)的數(shù)字化建設提供了思路與借鑒，但是未能形成通用的業(yè)務應用架構(gòu)。

基于發(fā)電系統(tǒng)數(shù)字化的研究現(xiàn)狀，本文從發(fā)電系統(tǒng)的業(yè)務需求出發(fā)，綜述了全生命周期管理、智能運維、智能運行、聯(lián)合運行及碳排放管理等多種業(yè)務類型對于數(shù)據(jù)的研究現(xiàn)狀，梳理了新型發(fā)電系統(tǒng)數(shù)字化系統(tǒng)的體系架構(gòu)以及發(fā)電系統(tǒng)數(shù)字化建設過程中的關鍵技術(shù)應用，指出了發(fā)電系統(tǒng)數(shù)字化過程中尚待解決的問題。

1 發(fā)電系統(tǒng)數(shù)字化的業(yè)務需求

發(fā)電系統(tǒng)數(shù)字化首先要探究新型發(fā)電系統(tǒng)的數(shù)字化業(yè)務應用架構(gòu)，分析面向各類型關鍵基礎業(yè)務的發(fā)電側(cè)數(shù)據(jù)需求，對應挖掘出精準描述不同類型電源及相應業(yè)務需求的電氣量數(shù)據(jù)和非電氣量數(shù)據(jù)。

1.1 數(shù)字化業(yè)務應用架構(gòu)

目前，我國在發(fā)電系統(tǒng)數(shù)字化研究領域已經(jīng)開展了較多探索，許多專家學者對于面向新型發(fā)電系統(tǒng)的數(shù)字化業(yè)務提出了不同的觀點。

在水電領域：文獻[31]認為智慧水電的建設要構(gòu)建以態(tài)勢感知、多維分析、趨勢預測、風險預警、遠程控制為主要特征的統(tǒng)一平臺，最終實現(xiàn)無人值守和智能協(xié)同。在風電領域：文獻[32]認為海上風電機組有分布廣闊、無人值守、運行環(huán)境惡劣等特點，必須實現(xiàn)設備狀態(tài)全息感知，機器代替人工巡檢，設備缺陷主動預警和控制策略智能調(diào)節(jié)等功能；文獻[33]則是從智能設備、智能控制、場級管控、集團4個層級闡述了怎樣建設海上智慧風電場，涵蓋了項目設計、基建、運營的全生命周期過程以及全場設備、資產(chǎn)的數(shù)字化監(jiān)控與管理等多項業(yè)務。在光伏發(fā)電領域：文獻[34]提出要建設一個集約管理、彈性存儲、靈活高效、少人或無人值班的光伏電站運維云平臺。在核電領域：文獻[35]提出了平行核電系統(tǒng)的概念，可以實現(xiàn)生產(chǎn)過程的狀態(tài)監(jiān)測、未知情景的智能模擬計算、應急方案的滾動優(yōu)化分析及運行過程的在線推演評估與優(yōu)化等功能。在地熱、潮汐、波浪發(fā)電領域：從目前的研究現(xiàn)狀和能源特點來看，智能電站要實現(xiàn)少人、無人值守以及無人巡檢、智能診斷、功率最大/平滑控制等各項智能業(yè)務[36-39]。在燃氣發(fā)電領域：文獻[40]研究了燃氣熱電頂層業(yè)務架構(gòu)模式的設計及應用情況，為新型發(fā)電系統(tǒng)的業(yè)務應用架構(gòu)設計提供了借鑒。在火力發(fā)電領域：文獻[41]指出新型智能燃煤發(fā)電廠必須具有深度調(diào)峰、快速變負荷、超凈排放、高效燃煤發(fā)電和碳電市場協(xié)同發(fā)展的業(yè)務功能；文獻[42]給出了智慧電廠信息化建設藍圖，規(guī)劃業(yè)務范圍覆蓋公司組織管控、人力資源管理、財務管理、生產(chǎn)管理等多方面業(yè)務。

綜合來看，面向新型發(fā)電系統(tǒng)的數(shù)字化業(yè)務需要包括設備全生命周期管理、智能運維、智能運行、聯(lián)合運行、電碳交易等諸多類型業(yè)務，這些業(yè)務可以分為高級決策型業(yè)務、運行控制型業(yè)務及職能型業(yè)務，圖1為新型發(fā)電系統(tǒng)的數(shù)字化業(yè)務應用架構(gòu)。

圖1 數(shù)字化業(yè)務應用架構(gòu)示意圖Fig.1 Schematic diagram of digital business application architecture

1.2 關鍵基礎應用

隨著科學技術(shù)的發(fā)展和生產(chǎn)工藝的進步，發(fā)電設備日益朝著大型化、復雜化、自動化及智能化方向發(fā)展。不同發(fā)電形式的發(fā)電設備因為其原理的獨特性也應有不同側(cè)重方向的業(yè)務應用。壽命預測和工況監(jiān)控是火、水、核、風、光、燃氣等各發(fā)電類型的共同的關鍵基礎應用，可以保障設備安全可靠運行。功率預測和智能控制針對的是風電、光伏等波動性隨機性較強的新能源發(fā)電，可以起到提高發(fā)電效率和最大能量捕獲的作用，實現(xiàn)新能源發(fā)電的智能運行。協(xié)調(diào)控制主要通過電廠/電站之間的聯(lián)合運行平抑功率波動，提高系統(tǒng)的魯棒性。碳排放監(jiān)測針對的是傳統(tǒng)燃煤火電廠的碳排放管理問題。

1.2.1 壽命預測

為保障火、水、核、風、光等多種類型發(fā)電設備安全性與可靠性，實現(xiàn)設備全生命周期管理，剩余壽命(remaining useful life，RUL)預測技術(shù)受到了普遍關注，同時得到了廣泛應用[43]。剩余壽命預測技術(shù)主要分為基于機理模型的預測方法和基于統(tǒng)計模型的預測方法。

基于機理模型的方法根據(jù)設備的物理運行規(guī)律建立起相應的元器件、部件及整機的損耗模型，從而對整個設備的剩余壽命進行預測。文獻[44-46]從載荷分析的角度利用有限元分析對風電軸承進行模擬仿真，從而得到軸承的疲勞壽命。文獻[47-48]將光伏逆變器一年內(nèi)實際運行中的環(huán)境數(shù)據(jù)作為輸入，完成了逆變器輸出功率到逆變器溫度剖面再到器件預測壽命的轉(zhuǎn)換，并通過雨流計數(shù)法和Miner累計損傷模型得到了器件的預測壽命值。圖2為基于機理模型的風電與光伏關鍵設備壽命預測流程。

圖2 基于機理的壽命預測流程示意圖Fig.2 Schematic diagram of life prediction process based on mechanism

基于統(tǒng)計模型的預測方法通過學習設備的歷史檢修數(shù)據(jù)，建立設備的壽命預測模型，并且該模型可以根據(jù)每次設備檢修情況不斷迭代更新，從而提高預測精度。文獻[49]基于改進神經(jīng)網(wǎng)絡方法建立了風力發(fā)電機軸承溫度預測模型，通過線性回歸的分析方法成功對軸承RUL進行了預測。文獻[50]通過故障模式、影響和危害性分析得出轉(zhuǎn)子繞組是影響風機裝備剩余壽命的關鍵參數(shù)，運用卡爾曼濾波算法，利用觀測到的最新實驗數(shù)據(jù)預測了風機裝備的剩余壽命。

1.2.2 工況監(jiān)控

對于各種類型發(fā)電設備的工況實時在線監(jiān)控是實現(xiàn)發(fā)電系統(tǒng)智能運維和智能運行的基礎條件。從廣義上講，工況監(jiān)控包括了狀態(tài)監(jiān)測和故障診斷[51]。狀態(tài)監(jiān)測是對設備異常狀態(tài)的識別預警，是故障診斷的基礎，故障診斷則是根據(jù)狀態(tài)監(jiān)測所獲得的信息，對設備可能要發(fā)生的或已經(jīng)發(fā)生的故障進行事前預報和事后分析[51]。目前工況監(jiān)控方法主要分為基于專家知識的解析方法和基于數(shù)據(jù)驅(qū)動的統(tǒng)計方法。

基于專家知識的方法是通過建立發(fā)電設備的精確數(shù)學模型，將該數(shù)學模型的輸出信號與測量到的信號比較之后得到殘差信號，從而判斷設備目前的運行工況[51]。文獻[52]根據(jù)除氧器儲罐的輸入輸出流量和液位的關系，建立了動態(tài)控制模型，實現(xiàn)了核電站除氧器液位控制系統(tǒng)的故障檢測與診斷。文獻[53]對給水加熱器進行了建模，并且將模型用于燃煤機組給水加熱器的故障診斷。圖3為基于專家知識的發(fā)電設備工況監(jiān)控流程示意圖。

圖3 基于專家知識的工況監(jiān)控流程示意圖Fig.3 Schematic diagram of working condition monitoring process based on expert knowledge

基于數(shù)據(jù)驅(qū)動的發(fā)電設備工況監(jiān)控技術(shù)主要是通過分析和挖掘發(fā)電過程歷史數(shù)據(jù)，提取數(shù)據(jù)內(nèi)部的隱含信息和關鍵特征參數(shù)，從而利用訓練模型判別發(fā)電過程的運行狀態(tài)和追溯故障形成的原因。文獻[54]將熱電站鍋爐的20種運行參數(shù)作為輸入量，利用人工神經(jīng)網(wǎng)絡方法形成的模型，對熱電站鍋爐進行了狀態(tài)監(jiān)測與故障診斷。文獻[55]提出了一種改進的多步向前滑動窗主元分析方法，實現(xiàn)了火電機組雙背壓凝汽器運行狀態(tài)的實時監(jiān)測。

1.2.3 功率預測

實現(xiàn)高精度的風電及光伏功率預測是新能源發(fā)電企業(yè)實時調(diào)度運行、修訂合理發(fā)電計劃和參與電力市場的基礎條件[56]。風電和光伏功率預測都是以數(shù)值天氣預報(numerical weather prediction，NWP)數(shù)據(jù)或/和實測數(shù)據(jù)為基礎，結(jié)合電站的地理坐標、具體地域特點以及發(fā)電設備信息，建立預測模型及算法，實現(xiàn)對未來一定時間段內(nèi)風電以及光伏輸出功率的預測[56-57]。功率預測方法主要分為物理方法、統(tǒng)計方法和組合預測方法。

物理方法基于太陽輻照傳遞方程、光伏組件運行方程或風電機組風速-功率轉(zhuǎn)化方程等物理方程，將NWP數(shù)據(jù)或/和實測數(shù)據(jù)轉(zhuǎn)化為風電和光伏的功率預測數(shù)據(jù)。文獻[58]提出了計及風電場局地效應與風電機組尾流影響的風電場功率預測模型。文獻[59]采用Gauss混合模型構(gòu)建實測風速和NWP數(shù)據(jù)之間的映射關系，并以此來修正NWP風速，校正后的NWP數(shù)據(jù)及功率預測精度得到了大幅提升。圖4為文獻[58]提出的基于物理方法的風電功率預測流程圖。

圖4 基于物理方法的風電功率預測流程圖Fig.4 Schematic diagram of wind power prediction based on physical method

統(tǒng)計方法不考慮物理變化過程，而是通過統(tǒng)計算法來學習歷史氣象、電力數(shù)據(jù)之間的統(tǒng)計規(guī)律，結(jié)合實測功率數(shù)據(jù)或NWP數(shù)據(jù)預測發(fā)電功率。文獻[60]總結(jié)歸納了統(tǒng)計預測方法的預測思路、數(shù)據(jù)篩選的評價手段以及目前深度學習算法的最新研究進展。文獻[61]構(gòu)建了一種基于改進灰狼學習算法的脈沖神經(jīng)網(wǎng)絡，并將其應用到光伏出力短期預測中，與傳統(tǒng)模型相比，該方法預測性能提升明顯。文獻[62]提出一種基于多重時空注意力圖神經(jīng)網(wǎng)絡的海上風電場出力預測模型，該模型相比傳統(tǒng)預測模型在空間、特征、時間多個維度具有合理的可解釋性。

光伏和風力發(fā)電受多種因素的影響，單一的預測模型不能考慮到所有因素，而組合預測方法可以綜合不同預測模型的優(yōu)點，提高預測精度。文獻[63]提出了不同時間斷面差異化的組合預測方法，針對各集合成員每日更新結(jié)果動態(tài)修正各集合單元組合權(quán)值，提高預測模型的適應性。文獻[64]提出了結(jié)合徑向基函數(shù)(radial basis function，RBF)神經(jīng)網(wǎng)絡功率預測模型和時間序列模型的組合預測模型，該組合模型可以得到較高的短期發(fā)電功率預測準確度。文獻[65]提出一種基于Kalman濾波和反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡的光伏超短期功率預測模型，實際數(shù)據(jù)驗證了所提出模型的可行性。

1.2.4 智能控制

由于風光等自然資源本身所具有的不確定性，導致新能源發(fā)電設備出力具有隨機性與波動性，因此有必要建立風電場和光伏電站的智能運行控制模型，該模型可以通過氣象監(jiān)測預警和新能源出力預測環(huán)節(jié)實時感知并預測發(fā)電量變化數(shù)據(jù)，結(jié)合電場運營評估環(huán)節(jié)，以延長壽命和提高發(fā)電效率為目標，智能切換電源控制策略，實現(xiàn)新能源場站的AGC/AVC一體化控制，并對電源運行狀態(tài)數(shù)據(jù)進行實時更新，使電源實體和數(shù)字化智能運行模型之間形成閉環(huán)反饋。

文獻[66]提出一種自適應數(shù)字動態(tài)面智能控制算法，實現(xiàn)了光伏伺服系統(tǒng)對太陽位置的跟蹤控制。文獻[67]開發(fā)了一套基于柔性尾緣襟翼(deformable trailing edge flap，DTEF)的載荷智能控制系統(tǒng)，在正常湍流模型和正常海況模型工況條件下的實驗證明，在DTEF控制下，葉片、傳動鏈和塔架的疲勞載荷得到了有效控制。文獻[68]采用人工蜂群算法對大型風電機組的變槳距控制器參數(shù)進行優(yōu)化，有效降低了輸出功率和風輪轉(zhuǎn)速的波動，減少了傳動鏈疲勞荷載和機組結(jié)構(gòu)反應，增加了風電機組的使用壽命。文獻[69]基于經(jīng)典優(yōu)先順序法提出了一種應用于變速恒頻風電場的限出力有功控制策略，實現(xiàn)了最大風能利用和避免風電場頻繁起停的目標。

1.2.5 協(xié)調(diào)控制

新能源本身所具有的不確定性使得大規(guī)模新能源并入電網(wǎng)時給電力系統(tǒng)帶來很大的調(diào)峰調(diào)頻壓力，各大新能源基地都出現(xiàn)了不同程度的棄風棄光現(xiàn)象。以多能互補協(xié)調(diào)控制技術(shù)為核心的聯(lián)合運行是緩解大規(guī)模新能源發(fā)電與電網(wǎng)消納矛盾的重要手段之一[70]。多能互補協(xié)調(diào)控制技術(shù)主要分為單能源電站集群控制、雙能源協(xié)調(diào)控制與多態(tài)能源協(xié)調(diào)控制。

單能源電站集群控制主要有風電場、光伏電站和水電站集群協(xié)調(diào)控制。文獻[71]對梯級水電站群跨電網(wǎng)短期聯(lián)合運行、經(jīng)濟調(diào)度控制建模及求解方法展開深入研究，制定了最佳機組起停機狀態(tài)組合和最優(yōu)出力方案，為電力系統(tǒng)能源優(yōu)化配置、安全高效經(jīng)濟運行提供了指導。文獻[72]提出了大型集群風電有功智能控制系統(tǒng)的控制策略，設計了最大出力控制和出力跟蹤控制2種風電場間的協(xié)調(diào)控制方法，在甘肅電網(wǎng)的實際應用結(jié)果證明了該策略的可行性。文獻[73]提出一種風電集群有功功率多時間尺度協(xié)調(diào)調(diào)度新方法，有效克服了已有方法在風電集群有功功率控制效果差、跟蹤調(diào)度計劃誤差較大的不足。文獻[74]研究了一種基于光伏電站集群協(xié)調(diào)控制的方法，通過大片區(qū)域中多個光伏電站的配合實現(xiàn)總體輸出功率上的穩(wěn)定。

雙能源協(xié)調(diào)控制主要分為新能源與常規(guī)能源的協(xié)調(diào)控制、新能源之間的協(xié)調(diào)控制和新能源與儲能的協(xié)調(diào)控制。新能源與常規(guī)能源協(xié)調(diào)控制方面，文獻[75]提出了風火打捆外送的有功控制策略，并且在實際工程應用中證明了該策略能夠有效控制風火電打捆外送斷面潮流不超過穩(wěn)定限額，提高了通道利用率和風能利用率。文獻[76]提出一種以火電機組調(diào)頻為主、風電機組調(diào)頻為輔的一次調(diào)頻聯(lián)合控制策略，仿真結(jié)果表明，所提策略能夠充分利用風電調(diào)頻容量，有效改善系統(tǒng)頻率特性。新能源間協(xié)調(diào)控制方面，文獻[77]研究了風電-抽水蓄能聯(lián)合日運行的優(yōu)化方法，提出了電網(wǎng)消納風電出力的新模式，測試結(jié)果表明，抽水蓄能電站與風電場配合可大大降低風電出力隨機性對電網(wǎng)運行的負面影響。文獻[78]分析了某地區(qū)光伏電站和風電站輸出功率波動特性，建立了風光聯(lián)合發(fā)電系統(tǒng)，結(jié)果表明風光聯(lián)合發(fā)電系統(tǒng)輸出功率更加平穩(wěn)。新能源與儲能協(xié)調(diào)控制方面，文獻[79]綜述了包含大容量儲熱的電-熱聯(lián)合系統(tǒng)研究現(xiàn)狀及關鍵技術(shù)，提出包含大容量儲熱的電-熱聯(lián)合系統(tǒng)可以充分利用電力系統(tǒng)和熱力系統(tǒng)物理特性的優(yōu)勢，提高能源系統(tǒng)大時空范圍優(yōu)化配置能力。

多態(tài)能源協(xié)調(diào)控制方面，文獻[80]提出了一種具有信息松弛的多態(tài)能源協(xié)調(diào)控制策略，通過仿真驗證了所提方法的有效性。目前一些新興的虛擬發(fā)電技術(shù)如虛擬電廠和產(chǎn)銷者也是一種基于多態(tài)能源協(xié)調(diào)控制技術(shù)的新型應用。文獻[81]指出虛擬電廠可通過協(xié)調(diào)控制分布式電源、儲能系統(tǒng)、可控負荷、電動汽車等分布式能源的聚合優(yōu)化來作為一個特殊電廠參與電網(wǎng)運行。文獻[82]提出了一種含風光水的虛擬電廠與配電公司協(xié)調(diào)調(diào)度模型，為可再生能源分布式電源的并網(wǎng)提供了可行的方案。能源產(chǎn)銷者既是能源的生產(chǎn)者也是能源的售賣者，目前的能源產(chǎn)銷者主要有分布式可再生能源發(fā)電、電動汽車、新型儲能等[83]。文獻[84]提出了基于合作博弈的產(chǎn)銷者社區(qū)分布式光伏與共享儲能容量優(yōu)化方法，實現(xiàn)了博弈各方利益在均衡意義下的最大化。

1.2.6 碳排放監(jiān)測

精確監(jiān)測二氧化碳氣體排放是燃煤發(fā)電系統(tǒng)碳排放管理工作的基礎，可以為碳排放權(quán)交易、低碳火電廠經(jīng)濟補償?shù)确矫嫣峁┮罁?jù)。燃煤發(fā)電過程中的二氧化碳氣體排放源主要包括鍋爐中煤炭的燃燒、鍋爐啟動階段燃料油的輔助燃燒和石灰石濕法脫硫設施的二氧化碳排放，其中燃煤帶來的二氧化碳排放在所有排放中占有最大的比例[85-86]。目前燃煤產(chǎn)生二氧化碳的量化方法主要可以分為在線監(jiān)測法、碳平衡法和排放因子法。

在線監(jiān)測法是指對火電廠利用帶二氧化碳測量組分的煙氣監(jiān)測系統(tǒng)進行實時碳排放監(jiān)測，精確計算火電廠碳排放速率。文獻[87]闡述了燃煤排放二氧化碳的3種量化方法的選擇依據(jù)，指出了在線監(jiān)測法在實際應用過程中存在測點布置、二氧化碳濃度測量、濕度測量等問題，并針對這些問題提出了改進方法。文獻[88]提出了一種燃煤電廠碳排放在線監(jiān)測和管理系統(tǒng)設計方案，包括碳排放計量、碳排放預警、碳配額管理、數(shù)據(jù)統(tǒng)計及調(diào)度和考核方法，為指導節(jié)能發(fā)電調(diào)度和碳排放考核提供了思路。圖5為文獻[87]提出的碳排放在線監(jiān)測系統(tǒng)示意圖。

圖5 碳排放在線監(jiān)測系統(tǒng)示意圖Fig.5 Schematic diagram of carbon emission online monitoring system

因為技術(shù)和資金問題，通過煙氣在線監(jiān)測設備實測火電廠二氧化碳排放目前還不具備推廣條件。為解決火電廠二氧化碳排放的實時在線監(jiān)測問題，文獻[89]提出了一種基于碳平衡理論的改進模型，以通過實際運行數(shù)據(jù)計算得到的實際燃煤量等中間變量代替在線監(jiān)測方法所使用的誤差較大的測量值，實驗結(jié)果證明了該模型的可靠性。

2 發(fā)電系統(tǒng)的數(shù)字化系統(tǒng)體系架構(gòu)

新型發(fā)電系統(tǒng)是以傳統(tǒng)發(fā)電系統(tǒng)為基礎，結(jié)合新一代數(shù)字技術(shù)形成的融合型社會公共設施。新型發(fā)電系統(tǒng)的數(shù)字化系統(tǒng)體系架構(gòu)可以從網(wǎng)絡結(jié)構(gòu)和數(shù)字技術(shù)架構(gòu)2方面來闡述[90-92]。

2.1 網(wǎng)絡結(jié)構(gòu)

目前我國傳統(tǒng)發(fā)電系統(tǒng)的數(shù)字化系統(tǒng)網(wǎng)絡結(jié)構(gòu)主要為分布式控制系統(tǒng)(distributed control system，DCS)、廠級監(jiān)控信息系統(tǒng)(supervisory information system，SIS)和管理信息系統(tǒng)(management information system，MIS)三 層 架構(gòu)[91]。其中DCS為生產(chǎn)過程層，主要完成機組級的實時監(jiān)控，實現(xiàn)設備實時監(jiān)視與控制；SIS為監(jiān)控優(yōu)化層，集過程實時監(jiān)測、優(yōu)化控制及生產(chǎn)過程管理為一體，主要目標是實現(xiàn)生產(chǎn)過程的優(yōu)化控制和負荷經(jīng)濟分配；MIS為管理服務層，主要為全廠運營、生產(chǎn)和行政的管理工作服務，幫助相關部門人員完成設備和維修管理、生產(chǎn)經(jīng)營管理、財務管理及辦公自動化等工作[92]。圖6是文獻[93]提出的傳統(tǒng)發(fā)電系統(tǒng)數(shù)字化系統(tǒng)的網(wǎng)絡結(jié)構(gòu)示意圖。

圖6 傳統(tǒng)發(fā)電系統(tǒng)數(shù)字化系統(tǒng)網(wǎng)絡結(jié)構(gòu)示意圖Fig.6 Schematic diagram of the network structure of the digital system of the traditional power generation system

傳統(tǒng)的網(wǎng)絡結(jié)構(gòu)中SIS與DCS之間設置有正向物理隔離裝置，這使得SIS中的一些高級應用模塊如吹灰優(yōu)化、負荷優(yōu)化分配等只能以開環(huán)指導系統(tǒng)方式運行，無法與DCS的控制指令結(jié)合做閉環(huán)控制，從而限制了這些高級應用模塊發(fā)揮更大的作用[93-94]。隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、云平臺以及新的安全理念和管理技術(shù)的發(fā)展，為了適應智能化管控的需求，劉吉臻等人[2]提出了包括智能發(fā)電運行控制系統(tǒng)(intelligent control system，ICS)和智能發(fā)電公共服務系統(tǒng)(intelligent service system，ISS)的智能發(fā)電系統(tǒng)網(wǎng)絡拓撲架構(gòu)。在此架構(gòu)中，與生產(chǎn)運行密切相關的生產(chǎn)過程層網(wǎng)絡和監(jiān)控優(yōu)化層網(wǎng)絡被統(tǒng)一在ICS層，具有相同的安全可靠性要求。管理服務層網(wǎng)絡屬于ISS層，主要提供巡檢、設備維護、分析核算、移動應用等功能。圖7是文獻[2]提出的智能發(fā)電系統(tǒng)數(shù)字化系統(tǒng)網(wǎng)絡結(jié)構(gòu)示意圖。

圖7 智能發(fā)電系統(tǒng)數(shù)字化系統(tǒng)網(wǎng)絡結(jié)構(gòu)示意圖Fig.7 Schematic diagram of the network structure of the digital system of the intelligent power generation system

2.2 數(shù)字技術(shù)架構(gòu)

發(fā)電系統(tǒng)數(shù)字化系統(tǒng)的數(shù)字技術(shù)架構(gòu)可以分為感知層、融合層、應用層3個層次，圖8是發(fā)電系統(tǒng)數(shù)字化系統(tǒng)的數(shù)字技術(shù)架構(gòu)示意圖。

圖8 發(fā)電系統(tǒng)數(shù)字技術(shù)架構(gòu)示意圖Fig.8 Schematic diagram of the digital technology architecture of the power generation side

2.2.1 感知層

感知層是發(fā)電系統(tǒng)數(shù)字化的基礎環(huán)節(jié)。感知層的關鍵任務包括2方面：一是研究面向復雜部署環(huán)境的高適應性傳感測量技術(shù)，提升傳感器的自驅(qū)動能力、抗干擾能力和環(huán)境適應能力，以實現(xiàn)覆蓋發(fā)電系統(tǒng)全范圍全方位的高滲透率智能測量感知；二是研究發(fā)電側(cè)多物理量的寬量程多尺度傳感測量技術(shù)，實現(xiàn)對發(fā)電側(cè)不同時間尺度的電氣量和非電氣量的精準采集[1]。圖9為感知層示意圖，在實現(xiàn)發(fā)電側(cè)全域高適應性測量感知以及不同時間尺度物理量精準采集的基礎上，數(shù)據(jù)讀取層最終要構(gòu)建成發(fā)電側(cè)網(wǎng)絡化傳感量測體系，建設各類電源全景監(jiān)測網(wǎng)絡，實現(xiàn)對發(fā)電系統(tǒng)物理運行過程的數(shù)字化抽象及對各類數(shù)據(jù)的精準測量與全面感知。

圖9 感知層示意圖Fig.9 Schematic diagram of the reading layer

2.2.2 融合層

作為新型智能發(fā)電系統(tǒng)的大腦，融合層是發(fā)電系統(tǒng)數(shù)字化的關鍵環(huán)節(jié)。如圖10所示，融合層的主要任務有3部分：一是探究發(fā)電系統(tǒng)多模態(tài)數(shù)據(jù)融合方法，統(tǒng)一各類電源業(yè)務的技術(shù)與數(shù)據(jù)格式標準，構(gòu)建面向各類業(yè)務場景的數(shù)據(jù)倉庫，實現(xiàn)發(fā)電側(cè)全域數(shù)據(jù)資源的高效利用；二是研究發(fā)電側(cè)融合數(shù)據(jù)多重特征表達方法，構(gòu)建面向涉網(wǎng)業(yè)務的發(fā)電側(cè)數(shù)據(jù)特征提取模型，提取設備的關鍵特征參數(shù)，精準描述各種業(yè)務場景下的電源物理形態(tài)；三是構(gòu)建發(fā)電系統(tǒng)數(shù)據(jù)-知識協(xié)同發(fā)現(xiàn)模型，通過專家知識和數(shù)據(jù)驅(qū)動的融合及對知識的全面評價和動態(tài)更新，構(gòu)建動態(tài)更新、協(xié)同進化的發(fā)電系統(tǒng)知識庫、模型庫和算法庫。

圖10 融合層示意圖Fig.10 Schematic diagram of the fusion layer

2.2.3 應用層

應用層是發(fā)電系統(tǒng)數(shù)字化的最終環(huán)節(jié)。數(shù)據(jù)應用層的內(nèi)容有3部分：一是要探究基于知識-數(shù)據(jù)協(xié)同驅(qū)動的發(fā)電側(cè)各類型發(fā)電機、發(fā)電廠和集群電廠的數(shù)字孿生模型構(gòu)建方法，實現(xiàn)物理實體與虛擬鏡像的實時響應與動態(tài)更新；二是探究以源網(wǎng)互動場景業(yè)務為導向的發(fā)電系統(tǒng)數(shù)字鏡像可視化方法，利用全域全量的數(shù)據(jù)資源構(gòu)建發(fā)電系統(tǒng)多維數(shù)據(jù)空間，研究基于建筑信息模型和工程信息模型的發(fā)電系統(tǒng)數(shù)字畫像構(gòu)建方法，實現(xiàn)發(fā)電側(cè)多類型業(yè)務涉網(wǎng)數(shù)據(jù)的動態(tài)展示；三是要以數(shù)字畫像和數(shù)字孿生模型為基礎，針對設備全生命周期管理、智能運維、智能運行等業(yè)務需求，探究不同場景下的差異化數(shù)據(jù)服務形態(tài)，并形成數(shù)據(jù)、模型、算法、業(yè)務之間相適配相統(tǒng)一的發(fā)電系統(tǒng)數(shù)字化應用平臺，以實現(xiàn)在不同業(yè)務中數(shù)據(jù)資源的靈活運用。圖11是發(fā)電系統(tǒng)應用層示意圖。

圖11 應用層示意圖Fig.11 Schematic diagram of the application layer

3 發(fā)電系統(tǒng)數(shù)字化的特征及關鍵技術(shù)應用

3.1 發(fā)電系統(tǒng)數(shù)字化的特征

發(fā)電系統(tǒng)是電力系統(tǒng)的重要組成部分，因而發(fā)電系統(tǒng)數(shù)字化與電力系統(tǒng)的數(shù)字化具有相似的特征，例如寬頻信號特征、多源異構(gòu)特征和信息化特征，針對這些共性問題，一些應用于其他電力系統(tǒng)數(shù)字化的研究方法與技術(shù)也可以用在發(fā)電系統(tǒng)數(shù)字化的建設過程中，而發(fā)電系統(tǒng)數(shù)字化所獨有的是更加復雜的環(huán)境特征，因此針對個性問題需要研發(fā)一些針對性的方法技術(shù)。

1）復雜環(huán)境特征。隨著發(fā)電系統(tǒng)數(shù)字化建設向前推進，需要在發(fā)電系統(tǒng)關鍵節(jié)點處安裝各類型量測裝置，然而發(fā)電環(huán)境復雜多變，特別是燃煤發(fā)電，其發(fā)電的工藝過程具有生產(chǎn)流程長、系統(tǒng)規(guī)模大、設備結(jié)構(gòu)復雜、空間分布廣的特點[51]，這為量測裝置的部署帶來了挑戰(zhàn)。有些需要測量溫度、轉(zhuǎn)速的裝置更是需要安裝在高溫、高壓、高速旋轉(zhuǎn)的惡劣環(huán)境中，因此亟需研究面向復雜部署環(huán)境的高適應性傳感量測技術(shù)。

2）寬頻信號特征。目前由于新能源的大規(guī)模并網(wǎng)給發(fā)電系統(tǒng)引入了大量的電力電子設備，電力電子設備的高頻動作給發(fā)電側(cè)注入了大量的間諧波和高次諧波等寬頻信號，而現(xiàn)有的量測設備主要測量的是工頻信號，無法應對寬頻信號測量所提出的挑戰(zhàn)，因此亟需能夠測量寬頻信號的多物理量的寬量程多尺度傳感量測技術(shù)[95]。

3）多源異構(gòu)特征。隨著智能傳感技術(shù)的不斷發(fā)展以及無人機、巡檢機器人的廣泛使用，發(fā)電系統(tǒng)信息采集的范圍、種類和頻率不斷增加，發(fā)電系統(tǒng)中的數(shù)據(jù)呈現(xiàn)出了海量、多源、異構(gòu)的特征[96]。傳統(tǒng)的數(shù)據(jù)挖掘方法已經(jīng)無法有效應對多源異構(gòu)特征帶來的數(shù)據(jù)處理問題，因此亟需能夠處理多源數(shù)據(jù)的多模態(tài)數(shù)據(jù)融合與挖掘技術(shù)。

4）信息化特征。隨著無處不在的傳感器、高速通信網(wǎng)絡以及高性能分布式計算系統(tǒng)的廣泛應用，發(fā)電系統(tǒng)正在進入嶄新的大數(shù)據(jù)時代[97]，如何管理分析這些海量信息并最終指導生產(chǎn)、服務終端用戶將是發(fā)電系統(tǒng)信息化的重要研究課題。研究基于實時數(shù)據(jù)交互通信的數(shù)字孿生可視化技術(shù)將會是進一步提升發(fā)電系統(tǒng)生產(chǎn)效率的重要途徑。

3.2 發(fā)電系統(tǒng)數(shù)字化的關鍵技術(shù)應用

3.2.1 數(shù)據(jù)量測與感知

1）面向復雜部署環(huán)境的高適應性傳感量測

面向復雜部署環(huán)境的高適應性傳感量測技術(shù)可以針對不同類型電源部署環(huán)境的復雜性和分散性，將智能檢測設備與先進檢測技術(shù)相結(jié)合，利用自驅(qū)動、高抗擾、高適應性的測量儀表和分析儀器，實現(xiàn)對發(fā)電過程中環(huán)境、狀態(tài)、位置等信息的全方位監(jiān)測、識別與自適應處理[2]。

智能變送器、智能執(zhí)行機構(gòu)、采集一體機等智能測控單元可以為系統(tǒng)提供多維數(shù)據(jù)[2]。文獻[98]提出一種可以實現(xiàn)測量級電流互感器和保護級電流互感器的自動切換的智能變送裝置，確保了發(fā)電機功率自動調(diào)節(jié)系統(tǒng)和分布式控制系統(tǒng)的可靠運行。文獻[99]開發(fā)了一款葉片巡檢機器人，實現(xiàn)了風力發(fā)電機組葉片無人巡檢功能。基于微波、激光、紅外、靜電、聲波等先進測量技術(shù)能夠?qū)崿F(xiàn)發(fā)電過程參數(shù)的在線檢測[2]。文獻[100]設計了基于激光雷達點云數(shù)據(jù)的光伏電站智能巡檢系統(tǒng)。文獻[101]將神經(jīng)網(wǎng)絡與紅外熱圖像結(jié)合，實現(xiàn)了光伏電站的智能監(jiān)測。基于機理模型和可測變量的軟測量模型可以實現(xiàn)發(fā)電設備不可測關鍵狀態(tài)的在線監(jiān)測[2]。文獻[102]建立了基于熱力學原理的燃氣輪機關鍵部件效能軟測量模型。文獻[103]提出一種基于長短期記憶神經(jīng)網(wǎng)絡的軟測量方法對含氮氣體排放量進行預測。

當前電網(wǎng)的傳統(tǒng)量測手段還是以“互感器+低壓回路測控終端”為主，安裝較為復雜，對于設備的可靠供能要求比較高[104]，仍需進一步發(fā)展面向復雜部署環(huán)境的高適應性傳感量測技術(shù)與應用。

2）多物理量的寬量程多尺度傳感量測

多物理量的寬量程多尺度傳感量測技術(shù)可以實現(xiàn)對發(fā)電側(cè)不同時間尺度的電氣量和非電氣量的精準采集，通過先進的傳感測量手段及網(wǎng)絡通信技術(shù)，實現(xiàn)對電力生產(chǎn)和管理過程中環(huán)境、狀態(tài)等寬頻信號的全方位監(jiān)測、識別和多維感知。

文獻[105]分析了現(xiàn)有測量技術(shù)的現(xiàn)狀，針對性地提出了寬頻測量技術(shù)總體方案，并討論了具體實現(xiàn)所涉及的寬頻信號范圍限定、采樣頻率選擇、數(shù)據(jù)處理機制設計、數(shù)據(jù)傳輸協(xié)議和同步對時等關鍵問題。文獻[106]針對電力電子化電網(wǎng)電氣量的寬頻特征，設計了具有寬頻振蕩檢測、同步相量測量、寬頻(間)諧波測量功能的多功能寬頻測量裝置，實現(xiàn)了0~2 500 Hz范圍內(nèi)工頻、非工頻分量和振蕩功率的全面檢測，為寬量程多尺度傳感量測技術(shù)的研究做出了探索。

寬頻量測技術(shù)的快速發(fā)展為一些基于寬頻量測的應用提供了有效手段。文獻[107]提出了一種基于新能源發(fā)電并網(wǎng)點寬頻量測間諧波潮流計算的次/超同步振蕩溯源方法，該方法基于次同步振蕩頻率下間諧波潮流計算的網(wǎng)絡模型和元件模型，通過間諧波潮流計算得到各個節(jié)點的理想間諧波電壓電流分布，再將之與實際各個節(jié)點的間諧波寬頻量測結(jié)果比較，根據(jù)間諧波的潮流分布變化獲得新能源發(fā)電系統(tǒng)次/超同步振蕩的傳播路徑。

3.2.2 數(shù)據(jù)融合與挖掘

發(fā)電側(cè)多模態(tài)數(shù)據(jù)融合與挖掘方法通過利用機器學習、深度學習、大數(shù)據(jù)處理等先進技術(shù)，對電力生產(chǎn)與管理過程中的海量數(shù)據(jù)在數(shù)據(jù)級、特征級、決策級3個層次上進行深度融合[101]，從而實現(xiàn)發(fā)電側(cè)全域數(shù)據(jù)資源的高效利用。目前的發(fā)電側(cè)數(shù)據(jù)融合與挖掘方法主要有貝葉斯網(wǎng)絡、Dempster-Shafer(DS)證據(jù)理論、以神經(jīng)網(wǎng)絡為代表的人工智能算法和知識圖譜技術(shù)等方法。

1）貝葉斯網(wǎng)絡

貝葉斯網(wǎng)絡是研究不確定性問題的重要方法之一。由于具有自然的表達方式、強大的推理能力和方便的決策機制等許多優(yōu)點，貝葉斯網(wǎng)絡在許多領域得到了廣泛的應用[108]。

在故障診斷方面，文獻[109]構(gòu)建了一種基于事故樹分析方法的3層 CME 貝葉斯網(wǎng)絡模型并解析了貝葉斯網(wǎng)絡的故障推理過程，為維修人員的故障檢查提出指導性意見。文獻[110]將貝葉斯網(wǎng)絡的理論與方法應用到水電機組故障診斷中，通過算例證明了基于貝葉斯網(wǎng)絡的水電機組故障診斷專家系統(tǒng)比單純的專家系統(tǒng)具有更高的準確度。在發(fā)電預測方面，文獻[111]建立了光伏發(fā)電預測的 DBN 模型，綜合考慮影響光伏發(fā)電量的多種因素來預測未來短期光伏發(fā)電量的概率分布。文獻[112]提出了一種基于樸素貝葉斯的正態(tài)指數(shù)平滑法和混合滑動核密度估計的組合風電功率區(qū)間預測方法，該方法同時兼顧了功率區(qū)間預測的可靠性和準確性。在可靠性評估方面，文獻[113]提出了一種基于貝葉斯網(wǎng)絡的光伏系統(tǒng)可靠性評估模型，通過診斷推理和因果推理，識別出系統(tǒng)的薄弱環(huán)節(jié)。文獻[114]建立了一種融合故障樹、云模型及無標度網(wǎng)絡的改進貝葉斯網(wǎng)絡，將改進貝葉斯網(wǎng)絡與時序分析方法相結(jié)合，提出一種基于改進貝葉斯網(wǎng)絡的風電機組動態(tài)可靠性評估方法。

貝葉斯網(wǎng)絡是基于概率框架下的一種理論，其優(yōu)點是擁有堅實的數(shù)學理論基礎和強大的可解釋性[108]，但是貝葉斯網(wǎng)絡的建立需要領域?qū)＜液椭R工程師共同參與來給出隨機變量之間的因果圖，這是目前制約該技術(shù)發(fā)展的主要瓶頸[115]。

2）DS證據(jù)理論

DS證據(jù)理論產(chǎn)生自20世紀 60年代，DS證據(jù)理論作為一種不確定性推理方法，為決策級不確定信息的表征與融合提供了強有力的工具，在信息融合、模式識別和決策分析等領域得到了廣泛應用[116]。

文獻[117]對基于DS方法的融合模型、DS方法的算法實現(xiàn)，以及DS方法的拓展等方面，進行了比較全面的論述。文獻[118]提出了基于修改證據(jù)源的改進方法，利用該方法對風力發(fā)電機組的齒輪箱的故障進行診斷應用，結(jié)果驗證了此改進方法的有效性。文獻[119]提出了一種基于改進DS證據(jù)理論的診斷方法，實例分析表明，所提方法可以有效識別機組的振動故障，具有較高的診斷準確率。

DS證據(jù)理論的優(yōu)點是具有較強的理論基礎，可以通過證據(jù)區(qū)間來描述證據(jù)的支持程度，對不確定和不完整信息有較好的處理能力[101]。但是當參與合成的證據(jù)之間有較大的沖突時，無法使用該方法[101]，并且基本概率分配函數(shù)如何構(gòu)造也是該方法使用時需要考慮的問題[115]。

3）神經(jīng)網(wǎng)絡

人工神經(jīng)網(wǎng)絡是一種通過模仿動物神經(jīng)網(wǎng)絡的行為特征進行分布式并行信息處理的數(shù)學模型。人工神經(jīng)網(wǎng)絡按其網(wǎng)絡結(jié)構(gòu)主要分為前饋型網(wǎng)絡和反饋型網(wǎng)絡。

文獻[120]建立了風電功率預測的神經(jīng)網(wǎng)絡模型，分析了實測功率數(shù)據(jù)、不同高度的大氣數(shù)據(jù)對預測結(jié)果的影響。文獻[121]提出了一種基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡風電機組齒輪箱故障診斷方法，測試結(jié)果驗證了粒子群優(yōu)化BP神經(jīng)網(wǎng)絡用于風電機組齒輪箱故障診斷的有效性和實用性。

人工神經(jīng)網(wǎng)絡的建立無需領域知識，可以直接通過數(shù)據(jù)迭代訓練得到，其能充分逼近復雜的非線性關系，具有較強的魯棒性和容錯性。但是人工神經(jīng)網(wǎng)絡最大的缺點是可解釋性差，目前針對提高神經(jīng)網(wǎng)絡可解釋性是重要的一個研究方向[122]。

4）知識圖譜技術(shù)

知識圖譜技術(shù)是一種基于人工智能技術(shù)的知識組織和構(gòu)建方法，能夠從語義層面表示復雜的關聯(lián)關系，知識圖譜能夠提供一種更好地管理和理解海量信息的能力[123]。

文獻[124]提出了風電機組故障知識的獲取、表達與推理框架，并結(jié)合風電機組知識圖譜和本體理論，將知識可視化展示，提高了知識查詢與推理的效率。文獻[125]在故障診斷分析領域引入知識圖譜相關技術(shù)思想，將故障樹診斷方法、故障模式及后果分析法與知識圖譜的本體化表示過程和推理功能相結(jié)合，為實現(xiàn)知識共享通用型智能化故障診斷技術(shù)提供了一種新的可行思路。

知識圖譜的優(yōu)點是能夠?qū)⒉煌瑏碓吹慕Y(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一的知識形式存儲，并且實現(xiàn)智能化知識檢索與管理，有著較好的可解釋性[93]。但是，目前知識圖譜的內(nèi)涵還不夠清晰，已有知識圖譜的使用率和重用率不高[125-126]，這是目前該技術(shù)的一個短板。

3.2.3 數(shù)字孿生與可視化

數(shù)字孿生是一種集成多物理、多尺度、多學科屬性，具有實時同步、忠實映射、高保真度特性，能夠?qū)崿F(xiàn)物理世界與信息世界交互與融合的技術(shù)手段[127]。

發(fā)電系統(tǒng)數(shù)字孿生與可視化技術(shù)就是要探究基于知識-數(shù)據(jù)協(xié)同驅(qū)動的發(fā)電側(cè)各類型發(fā)電機、發(fā)電廠和集群電廠的數(shù)字孿生模型構(gòu)建方法， 文獻[128]系統(tǒng)梳理了風力發(fā)電機組數(shù)字孿生系統(tǒng)應具備的核心能力，研發(fā)了一套風電機組數(shù)字孿生系統(tǒng)，該系統(tǒng)可以實時、高精度表達風電機組在多種運行工況下各關鍵部件的動態(tài)響應特性。文獻[129]利用數(shù)字孿生技術(shù)將發(fā)電廠生產(chǎn)經(jīng)營要素和過程全息投影到集團級數(shù)據(jù)中心，構(gòu)建了包括智能決策、智能監(jiān)管、智能控制和智能設備的智能電廠體系架構(gòu)，從而實現(xiàn)了數(shù)字電廠全面感知、協(xié)同優(yōu)化、預警預測和科學決策的目標。

構(gòu)建基于知識-數(shù)據(jù)協(xié)同驅(qū)動的發(fā)電系統(tǒng)數(shù)字孿生模型，能夠有效推進電廠運檢和管控智能化、數(shù)字化，奠定發(fā)電系統(tǒng)數(shù)字化轉(zhuǎn)型基石，實現(xiàn)“數(shù)”與“智”的融合。

4 發(fā)電系統(tǒng)數(shù)字化亟待解決的問題

隨著數(shù)據(jù)感知層量測設備和數(shù)據(jù)應用層多類型業(yè)務的爆炸式增長，新型發(fā)電系統(tǒng)需要對更大規(guī)模的異構(gòu)數(shù)據(jù)進行采集、傳輸、存儲和處理，為保證新型發(fā)電系統(tǒng)安全、穩(wěn)定、經(jīng)濟、可靠運行，亟需軟硬件相關技術(shù)的進一步發(fā)展。目前亟待解決的問題主要有數(shù)據(jù)傳輸、數(shù)據(jù)安全、數(shù)據(jù)存儲及數(shù)據(jù)處理等問題。

4.1 面向低延時需求場景的數(shù)據(jù)傳輸問題

一些對于數(shù)據(jù)有低延時、高可靠性要求的業(yè)務場景，如系統(tǒng)緊急切機切負荷、瞬態(tài)振蕩檢測和實時調(diào)頻等業(yè)務，其時間尺度為毫秒級，雖然數(shù)據(jù)實時處理技術(shù)能夠提供快速的計算服務，但是網(wǎng)絡擁塞、算法復雜、數(shù)據(jù)量大等問題仍然會導致延遲[4]。目前，這些低延時需求場景中的通信一般采用電力光纖專網(wǎng)，光纖通信具有低延時和高可靠性的優(yōu)點，但是經(jīng)濟性差，對于鋪設現(xiàn)場環(huán)境要求也比較高。相比于光纖通信，5G通信技術(shù)似乎是解決數(shù)據(jù)延遲問題的一種可行方法，其低延時特性可以提供低至1 ms的傳輸延遲，此外，5G通信還具有高容量和超廣域覆蓋的特性，這使得發(fā)電系統(tǒng)中海量設備的接入成為可能[130]。因此，研究利用5G通信等相關技術(shù)來解決新型發(fā)電系統(tǒng)中的數(shù)據(jù)傳輸問題將會是發(fā)電系統(tǒng)數(shù)字化建設過程中的一個重點和難點。

4.2 面向惡意網(wǎng)絡攻擊的數(shù)據(jù)安全問題

隨著發(fā)電系統(tǒng)的數(shù)字化進程逐步推進，發(fā)電系統(tǒng)對于信息系統(tǒng)的依存度將會越來越高，數(shù)據(jù)安全的重要性在整個發(fā)電系統(tǒng)中將會愈發(fā)凸顯。數(shù)據(jù)安全問題主要是由針對發(fā)電系統(tǒng)的惡意網(wǎng)絡攻擊引起的，這些網(wǎng)絡攻擊具有隱蔽性強、潛伏期長、攻擊代價小的特點，雖然其不能直接對發(fā)電系統(tǒng)的一次設備造成破壞，但是可以通過影響二次設備從而間接造成一次設備的損壞[131]。數(shù)據(jù)安全問題除了造成發(fā)電設備的損壞，還會造成發(fā)電企業(yè)隱私數(shù)據(jù)的泄露，為企業(yè)、社會和國家造成不可挽回的損失。可以說，數(shù)據(jù)安全問題貫穿發(fā)電系統(tǒng)的數(shù)據(jù)感知、數(shù)據(jù)融合、數(shù)據(jù)應用全過程。目前針對分布式發(fā)電或用戶側(cè)發(fā)電資源接入電力系統(tǒng)的信息安全問題方面已有了一些研究[132-133]，文獻[132]分析了基于區(qū)塊鏈的能源交易系統(tǒng)面臨的安全和隱私保護方面的問題與挑戰(zhàn)，并從數(shù)據(jù)層、網(wǎng)絡層、合約層和應用層4個方面總結(jié)了現(xiàn)有的解決方案。文獻[133]針對分布式微電網(wǎng)電力交易過程中的交易信息篡改問題，提出了一種分布式微電網(wǎng)直接交易系統(tǒng)及其安全協(xié)議。但是目前針對發(fā)電側(cè)的整體數(shù)據(jù)安全防御概念及理論框架方面的研究還有所不足。綜上，研究新型發(fā)電系統(tǒng)中的數(shù)據(jù)安全問題以提高發(fā)電系統(tǒng)的安全穩(wěn)定運行能力，是當前重要研究方向之一。

4.3 面向新型數(shù)據(jù)的數(shù)據(jù)存儲問題

新一代數(shù)字技術(shù)的應用為數(shù)據(jù)的存儲帶來了全新的改變。傳統(tǒng)的關系型數(shù)據(jù)庫主要存儲的是結(jié)構(gòu)化數(shù)據(jù)，而隨著智能傳感設備的多樣化，非結(jié)構(gòu)化數(shù)據(jù)如圖片、音視頻逐漸成為需要存儲的數(shù)據(jù)的重要組成部分[134]，傳統(tǒng)數(shù)據(jù)庫已不能適應新型數(shù)據(jù)的存儲要求。傳統(tǒng)數(shù)據(jù)庫數(shù)據(jù)存儲容量有限，關系型數(shù)據(jù)庫可以有效處理TB級的數(shù)據(jù)，但當數(shù)據(jù)量從TB級上升到PB、EB級，傳統(tǒng)數(shù)據(jù)庫將很難處理。此外，傳統(tǒng)關系型數(shù)據(jù)庫還具有可擴展性差、訪問耗時長的缺點[135]。目前采用數(shù)據(jù)壓縮技術(shù)可以減少數(shù)據(jù)傳輸量及提高存儲效率，但是同時也增加了數(shù)據(jù)處理環(huán)節(jié)及計算負擔，而采用分布式存儲要權(quán)衡對存儲空間及實時性的影響[136]。綜合來看，研究基于多存儲介質(zhì)的分層存儲架構(gòu)和基于閃存及相變存儲器的主存架構(gòu)成為解決數(shù)據(jù)存儲問題的選擇之二[137]。

4.4 面向業(yè)務需求的數(shù)據(jù)處理問題

隨著數(shù)據(jù)規(guī)模的不斷增大，分析處理的時間相應地越來越長，而大數(shù)據(jù)條件下對信息處理的時效性要求越來越高[134]。目前數(shù)據(jù)實時處理技術(shù)一般包括分布式計算技術(shù)、流處理技術(shù)和內(nèi)存計算技術(shù)等。分布式計算技術(shù)是一種基于分布式存儲的計算方式，主要用來解決大數(shù)據(jù)內(nèi)部分布式預處理的問題[138-139]。內(nèi)存計算技術(shù)是一種基于主存架構(gòu)的計算方式，主要用來實現(xiàn)高效的數(shù)據(jù)讀取與處理以及解決在線實時計算問題。流處理是相對于批處理的一種處理模式，批處理是先存儲后處理，而流處理是直接處理[140]，適用于處理實時到達、速度和規(guī)模不受控制的數(shù)據(jù)。雖然目前這些處理技術(shù)的相關研究很多，但是沒有一個通用的大數(shù)據(jù)實時處理框架，各種工具實現(xiàn)實時處理的方法不一，支持的業(yè)務應用類型都相對有限，這導致實際應用中往往需要根據(jù)自己的業(yè)務需求和應用場景對現(xiàn)有的這些技術(shù)和工具進行改造才能滿足要求[140]。綜上所述，研究通用的大數(shù)據(jù)實時處理框架是解決新型發(fā)電系統(tǒng)中數(shù)據(jù)處理難題的關鍵。

5 結(jié)論

相比于傳統(tǒng)發(fā)電系統(tǒng)而言，以新一代數(shù)字技術(shù)構(gòu)建的新型發(fā)電系統(tǒng)將具備更大范圍的信息感知能力，更加強大的知識挖掘能力以及更加立體的數(shù)據(jù)交互能力，發(fā)電系統(tǒng)的數(shù)字化建設對于支撐能源轉(zhuǎn)型、助力新型電力系統(tǒng)構(gòu)建具有重大的意義。從發(fā)電系統(tǒng)的業(yè)務需求出發(fā)，梳理了發(fā)電系統(tǒng)的數(shù)字化系統(tǒng)體系架構(gòu)，總結(jié)了發(fā)電系統(tǒng)數(shù)字化建設過程中的關鍵技術(shù)與應用以及尚待解決的問題，得出以下結(jié)論：

1）構(gòu)建新型發(fā)電系統(tǒng)的基本要求是要探究面向全生命周期管理、智能運維、智能運行等多類型業(yè)務場景中對數(shù)據(jù)的需求特性，挖掘出精準描述不同類型電源及相應業(yè)務需求的電氣量數(shù)據(jù)和非電氣量數(shù)據(jù)。

2）發(fā)電系統(tǒng)的數(shù)字技術(shù)架構(gòu)分為數(shù)據(jù)感知、數(shù)據(jù)融合、數(shù)據(jù)應用3方面。感知層中的關鍵技術(shù)主要有高適應性的傳感量測技術(shù)和寬量程多尺度的傳感量測技術(shù)，融合層中的關鍵技術(shù)主要有貝葉斯網(wǎng)絡、DS證據(jù)理論、神經(jīng)網(wǎng)絡和知識圖譜等方法，應用層中的關鍵技術(shù)主要是數(shù)字孿生技術(shù)。

3）發(fā)電系統(tǒng)數(shù)字化建設過程中仍然面臨著許多難題，數(shù)據(jù)傳輸、數(shù)據(jù)安全、數(shù)據(jù)存儲和數(shù)據(jù)處理方面的研究仍需進一步完善。隨著5G、網(wǎng)絡安全防御、大數(shù)據(jù)存儲與實時處理等相關技術(shù)的進一步發(fā)展，數(shù)據(jù)傳輸、數(shù)據(jù)安全、數(shù)據(jù)存儲和數(shù)據(jù)處理領域也是未來重要的研究方向。