电力系统中的人工智能与数字孪生 | Digital Twin文章推荐

Artificial intelligence and digital twins in power systems: Trends, synergies and opportunities

Zhiwei Shen, Felipe Arraño-Vargas, Georgios Konstantinou

School of Electrical Engineering and Telecommunications, UNSW Sydney, Sydney, NSW, 2052, Australia

摘要

人工智能（Artificial Intelligence, AI）可以为电力系统及电力设备的数字化转型提供解决方案。AI算法能够帮助系统调度人员、设备供应厂商和各层级用户完成决策制定、信息预测和运管优化。然而，数据集质量、系统可交互性、实验场景可重复性以及计算资源分配等问题影响了AI在电力系统中的广泛应用。为了应对上述问题并促进更多智能化应用落地，数字孪生技术将在其中起到关键作用。本文归纳了现有AI技术的典型功能和制约其发展的关键问题，重点分析了相关应用在电力系统场景下的时间敏感性。借助多个典型场景，本文初步探索了未来以AI和数字孪生融合技术构建智能数字电力系统和电力设备的可能性，并阐明了AI和数字孪生的有机结合能够为电力行业带来巨大的变革。

关键词

人工智能（AI）、AI增强的数字孪生、数字孪生、电力系统

1. 引言

电力系统目前正处于从集中式和被动式向分布式和主动式转型的过程中，以满足不断增长的电力需求和低碳排放的期望。电力系统的数字化旨在通过新的能源管理方式、电网运行方式、电力交易方式以及数据可视化方式来解决这些问题。然而，由于现代电网生成的数据种类繁多且数量庞大，需要能够集成、处理和提取关键信息的先进解决方案。

基于人工智能（AI）的解决方案可以通过数据挖掘解决上述许多问题，从而实现对电网运行的预测和优化。AI解决方案在电力系统中的优势包括智能系统运行和减少人为干预，其优点包括处理时间短、智能决策、精确分类和准确预测结果。

这些优势有助于提高电力系统的稳定性评估能力，以及其韧性、灵活性和互操作性，以满足其持续转型的需求。AI解决方案的部署将通过智能、分布式和自动化的信息使用方式，显著推动更智能应用的发展。例如，AI驱动的解决方案已在电网、微电网和电子元件中得到应用。然而，AI解决方案的性能取决于数据集和处理资源的可用性，这些资源用于训练和泛化特定任务的模型。

因此，将AI应用从实验室过渡到实际电力系统需要解决与数据相关的若干问题。这些问题包括：

1. 数据可用性：AI算法需要足够的历史数据进行训练，以确保其准确性和鲁棒性。尽管电力系统生成大量数据，但适合特定AI应用的高质量、及时数据的可用性仍然有限。开源和合成数据集可以用于此目的，但这些数据集仅反映生成数据的系统的特定特征，难以在其他应用或系统中使用。

2. 数据源多样性：现代电力系统中有多种数据源生成有用信息。这些数据不仅反映电气特征和行为，还涵盖跨多个领域的电力系统组件信息。数据类型包括时间序列数据点、非结构化数据（如文本和音频）、数值数据和分类数据。这些数据类型的复杂性使得将其合并为单一格式以适应特定应用变得困难。

3. 数据质量：电力系统中的数据通过相量测量单元（PMU）、监控与数据采集（SCADA）系统以及各种传感器捕获，但采样率不一致，可能低于某些AI应用的要求。低数据分辨率限制了AI算法在需要详细信息应用中的使用。数据质量还受到噪声和现实环境不确定性的影响。因此，合成和离线仿真数据被广泛用于训练和测试AI功能的性能。然而，由于电力系统模型中的简化和假设，这些数据难以与实际数据相媲美。

4. 数据时间敏感性：测量数据仅代表短时间内的电力系统状态，而电力系统处于不断变化中。根据应用需求，需要准确和及时的数据来训练、分析和利用AI算法，以保证（接近）实时应用的有效性和及时性。如果AI算法由于测量或通信延迟而接收到不可接受的时间延迟数据，其性能将下降。这对低延迟容忍度的应用尤其重要。例如，暂态稳定性应用需要纠正措施，而较大的时间延迟可能导致不恰当的稳定性评估和/或决策。分布式能源资源的协调控制需要最小的时间延迟以保证适当的频率调节。

上述问题是AI在电力系统中广泛实施的关键障碍。为了解决这些数据相关问题，特别是AI应用的发展，能够连接数字世界和物理世界的技术至关重要。

数字孪生多域和多速率功能可以进一步生成及时的数据集，以训练和操作适用于各种服务和应用的AI解决方案。另一方面，数字孪生的AI增强服务可以利用数据分析的AI能力来支持或管理物理系统，从而以智能化和自动化的方式改善其运行。将AI与数字孪生集成到电力系统中的机会为应对新兴挑战和推动未来改进提供了巨大潜力。

2. 电力系统中的人工智能

人工智能（AI）应用在电力系统中展现出巨大的潜力，能够通过更智能的解决方案创造显著的问题解决价值。当前文献中已提出了许多基于AI的解决方案，涵盖电网和电力资产领域（见图1），本节将详细阐述相关内容。

图1 电力系统中的人工智能

2.1 关键学习方法：

介绍了监督学习、无监督学习、半监督学习、强化学习和深度学习等AI技术，这些技术能够使计算机模仿人类行为，执行模拟人类智能的任务。

2.2 AI功能与电力系统：

AI解决方案在电力系统中提供了多种独特功能，包括模式识别、决策制定、参数调整、特征提取和数据融合等，这些功能有助于提高电力系统的稳定性、灵活性和互操作性。

2.3 AI实施挑战：

尽管AI在电力系统中的应用前景广阔，但实际应用案例有限。实施AI面临的主要挑战包括数据可用性、数据源多样性、数据质量和数据时间敏感性等问题。

3. AI应用的时间尺度

本节主要基于AI算法具体应用的分类未能详细阐述应用的时间敏感性及其与从物理系统收集的数据之间的时间关系。在实际应用中，时间相关问题至关重要，因为除了AI算法的执行时间外，数据采集、通信和集成还需要额外的处理时间。

为了将数据的时间敏感性与AI相匹配，本节根据时间尺度对电力系统中的AI应用进行分类，并定义其时间容忍度。时间分类包括：长期规划、短期预测、预测控制、实时操作和事后分析，如图2所示。

图2 电力系统中人工智能应用的时间尺度分类

4. 数字孪生在电力系统中的应用

在本文第二节中，介绍了AI在电力系统中的范围及其众多潜在应用，同时揭示了数据既是AI解决方案的关键推动者，也是其主要障碍。作为真实电力系统的数字表示，数字孪生为缓解或消除许多与数据相关的挑战和障碍提供了机会。此外，数字孪生的针对性实施提供了灵活性，能够覆盖“AI应用的时间尺度”一节中介绍的AI功能所需的多种或全部时间尺度。本节将介绍数字孪生作为未来电力系统及其资产中AI解决方案推动者的核心要素和特性，如文献所述。

数字孪生简介：数字孪生作为创新和先进服务的平台，支持电力网和相关资产的规划、管理和运营。

数字孪生的关键特性：包括物理实体、虚拟实体、服务、数据和通信五个核心元素，它们共同构成了数字孪生系统的基础。

数字孪生在电力系统中的应用案例：数字孪生技术已被应用于电网、电力资产和过程，如安全评估、日调度、分布式可再生能源的协调控制等。

5. AI增强型数字孪生的潜在功能

通过结合数字孪生与AI的功能，可以为电网及其资产提供多种应用与服务。多种基于AI的功能可集成到数字孪生中，从而实现高级数据分析和智能决策，形成AI增强的数字孪生平台，如图4和图5所示。

图4. AI增强的数字孪生电网：主要元素、信息流及关键功能

图5. AI增强的数字孪生电力资产：主要元素、信息流及关键功能

其核心特性包括：（i）物理对应物的规模，（ii）建模的抽象层次，以及（iii）目标服务。这些特性为系统级与资产级智能数字孪生平台提供了关键区分，并直接影响基于AI的解决方案的实施与功能。本节将进一步阐述AI增强数字孪生平台的概念及其潜在应用，并重点指出未来广泛采用的机遇。

5.1 AI增强型电网数字孪生：包括AI增强的最优决策制定、AI支持的预测控制、AI辅助的“假设-如果”场景测试和AI基础的多域分析器等。

5.2 AI增强型电力资产数字孪生：包括AI辅助的寿命预测、预测性维护、故障诊断和报警以及AI基础的资产测试和优化等。

5.3 未来AI增强型数字孪生：随着数据科学、通信和传感技术的发展，数字孪生在电力系统中的应用将加速数字化进程，AI增强型数字孪生将为电力系统的规划、运营和维护提供新的实施途径。

6. 结论

数字孪生技术通过充分利用可用信息，为定制更智能、更具成本效益的解决方案提供了潜力。AI算法的独特功能可以集成到数字孪生中，从而为电力系统提供增强的、更智能的服务，覆盖广泛的时间尺度应用。从文献中可以看出，这些智能服务（如优化决策和寿命预测）能够使应用更加稳健、可解释且对用户透明，同时减少人为干预和成本。

因此，本文提出，AI增强的数字孪生可以为现代电网及其资产的可视化、运行、维护和规划解锁新的实施方案，提供更大的灵活性、可扩展性和互操作性。本文为未来电力系统的演进制定了蓝图，并展示了通过部署AI增强的电网和电力资产数字孪生实现许多颠覆性应用的巨大机遇。构建AI增强的数字孪生平台需要将先进技术集成到一个统一的框架中，这需要不同参与者的共同努力。

关注公众号，后台回复“DT22”即可下载原文

第五届数字孪生国际会议（DigiTwin 2025）将于2025年10月14日-10月18日在德国加尔米施-帕滕基兴举行。

DigiTwin 2025计划设置分论坛如下：

• 数字孪生智能制造

• 数字孪生增材制造

• 数字孪生智能服务

• 数字孪生设计

• 数字孪生智慧城市

• 数字孪生物流

• 数字孪生能源/环境工程

• 数字孪生医疗健康

大会秘书邮箱：digitaltwin@buaa.edu.cn