《数字孪生虚拟电厂系统框架设计及其实践展望》—

数字孪生的典型特征

1、互操作性：物理实体和数字空间双向映射、动态交互和实时连接，因此物理-数字孪生系统能够量测获取实时数据更新数字模型，同时通过控制接口将数字模型中校正计算后的控制参数回传给实体控制器，实现对物理设备的精确控制。

2、可扩展性：数字孪生技术能够方便地集成、添加和替换数字模型，便于针对多时间尺度、多物理、多层级的模型进行规模扩展。

3、实时性：通过对随时间轴变化的物理实体进行数字化表征，形成物理实体实时状态的数字空间映射，其中被表征的对象包括物理实体的外观、状态、属性和内在机理等。

4、保真性：数字孪生要求数字孪生体和物理实体保持几何结构的高度相近，即数字孪生体同时在状态、相态和时态上仿真物理实体。

5、闭环性：数字孪生体通过可视化手段描述物理实体的内在机理，对物理实体的状态进行监视，通过智能算法等优化物理实体的状态及运行参数，并通过反馈决策功能实现闭环。

数字孪生关键技术

1、大数据分析：对感知、仿真过程中的多源异构海量数据进行大数据分析，充分挖掘有效信息。

2、云边协同计算：数字孪生计算和存储需求大，云端和边缘端协同工作，合理分配算力资源，以满足数字孪生计算需求。

3、人工智能算法：在无需专家参与下，对孪生数据进行深度知识挖掘，进行故障诊断、预测等。

4、区块链技术：确保孪生数据不可篡改、可追踪、可追溯。

数字孪生五维模型

五个维度：物理实体，数字孪生体，孪生数据，连接，智能应用。

1、物理实体

2、数字孪生体：分为物理模型、数据驱动模型、物理和数据联合驱动模型。当物理过程充分可观测、有固定的数学模型时则选择物理机理建模；当物理实体参数无法直接量测、物理机理模型求解困难或 DERs 物理机理不明确时，则通过对采集的数据进行整合提炼获得数据驱动模型；当两者单独建模无法满足准度与精度等要求时，则采纳联合建模方式，通过数据驱动模型作为误差补偿器对机理模型进行补偿修正，提高整体模型的精确度。

3、孪生数据：对海量多源数据的采集、存储与管理。包括物理实体数据、数字孪生体数据、智能实体应用数据、知识数据、多元数据融合产生的衍生数据。

4、连接：包括物理实体与数字孪生体之间的连接（数字孪生体利用物理实体的实时运行数据进行模型的校正更新；物理实体利用数字孪生体的分析结果进行优化运行），数字孪生体与智能应用之间的连接（通过软件接口完成双向通信，实现直接的指令传递与消息同步），各部分与孪生数据之间的连接（各部分将数据采集、存储和管理在孪生数据部分）。通过建立高可靠数据传输网，实现“由实入虚，由虚控实”的闭环管理系统。

5、智能应用：对数字孪生中的各类数据、模型、算法、仿真结果进行封装，提供面向用户端的产品服务。

数字孪生“四层”

物理层、感知层、信息中枢层（智慧大脑）、决策应用层。

数字孪生常用工具

用于数字孪生仿真建模的Twin Builde（ANSYS），Simulink（MATLAB）

模型可视化平台：unity3D，WebGL/Canvas网页可视化，thingjs

区块链数字孪生：BigChainDB数据库技术

面向综合能源系统规划的数字孪生技术云平台：CloudIEPS