摘要能源互联网是以电力系统为核心，利用可再生能源发电技术、信息技术，融合电力网络、天然气网络、供热/冷网络等多能源网以及电气交通网形成的能源互联共享网络。能源互联网是促进可再生能源消纳，提高能源使用效率的重要途径。因构成网络多，特性差异大，能源互联网的规划、运行和控制面临大量难题。数字孪生是融合物联网技术、通信技术、大数据分析技术和高性能计算技术的先进仿真分析技术，有助于解决当前能源互联网发展面临的技术问题。首先介绍了数字孪生的基本概念，给出了能源互联网数字孪生的构建方式与可能应用；然后以能源互联网规划为例，详述了数字孪生技术解决的关键问题；最后，介绍了基于数字孪生的能源互联网规划平台—CloudIEPS，通过能源互联网规划案例进一步证明了数字孪生技术的重要作用。关键词:数字孪生；能源互联网；规划；仿线能源互联网能源是人类社会生存发展的重要物质基础，攸关国计民生和国家战略竞争力[1]。然而，在运行和规划方面，传统能源系统的决策往往局限于电、气、热（冷）等单一能源形式[2]，仅依靠挖掘单一能源系统内部的潜力，难以走出既有困境，例如中国东北地区冬季严重的弃风现象[3]。为了充分发挥多种能源之间的互补优势，在更大范围内实现资源优化配置，众多学者针对能源互联网开展了丰富的研究。能源互联网有两种不同的概念：①“能源+互联网”；②互联的多能源网络。对于前者，考虑到互联网技术的蓬勃发展，将能源系统与互联网技术深度融合，实现能源行业智慧化、扁平化、融合化、分布化，是美国学者里夫金对未来能源系统广泛互联、平等共享的愿景，里夫金也进一步提出了能源互联网（energyInternet，EI）的概念[4]，但没有给出明确的能源互联网的定义。学者们则更关注后者，即互联的多能源网络（energyinterconnectedgrid），并聚焦于电、气、热（冷）内部的问题及相互协调优化[3,5]。此时“互联”指的是物理层面的多种能源载体间的相互连接与转换，而非“互联网技术”。虽然“energyinterconnectedgrid”也可以翻译为能源互联网，但学界更倾向于将其归纳为综合能源系统（integratedenergysystem，IES）[5]，以与EI相区分。IES指的是在规划、建设和运行等过程中，通过对能源的产生、传输、转换分配、存储、消费等环节进行有机协调与优化后，形成的能源产供销一体化系统，是EI的物理载体[5-6]。本文的研究同样也针对能源互联网的第2种概念—IES展开。目前，对能源互联网的研究主要包括建模、分析和优化等3个方面。建模方面主要包括电、气、热（冷）系统以及能量枢纽的建模研究，这是分析和优化的基础。当前研究已经实现了综合能源系统的稳态建模[2]，包括电力系统模型、天然气系统模型[7]、供热（冷）系统模型[8-9]以及能量枢纽模型（包括能量转换设备如热电联产机组[10-11]、冷热电三联供机组[3]以及电解制氢设备[12]等），其中能量枢纽中多能源的输入输出关系还可以直接由转换效率构成的线]。然而，上述建模工作仍存在着一定的不足，如无法考虑大惯性系统（如气、热系统）的动态特征。实际上，气、热系统不同状态之间的过渡过程可以利用时空偏微分方程组来刻画系统中管道压力、流量、介质温度与时间、位置之间的关系[3,14-15]，然而这将引入复杂的非凸问题，使得基于上述动态模型进行的综合能源系统优化运行分析难以开展。此外，能量枢纽模型被简化为了线性元件，各个能量转化设备的效率固定不变，无法考虑实际中变工况特性和系统的非线性。综合能源系统的分析侧重于计算含电、气、热（冷）在内的多种能量流以获得各个子系统工况，包括电气系统节点电压幅值和相角、天然气系统节点气压和支路流量、热力系统节点供回水温度以及水力系统质量流量等状态变量。已有计算方法可分为两大类：交替迭代法和统一迭代法[16]。可再生能源接入综合能源系统后，能流计算则转变为概率能流计算，即需要获得各个子系统工况的概率分布。已有研究主要分为模拟法和解析法两大类。其中模拟法主要为蒙特卡罗法及其变体；解析法则主要采用半不变量法。然而，已有研究仍存在一定不足，①无论交替迭代法还是统一迭代法，综合能源系统的初值都难以直接设定[16]。气、热系统对初值要求较高一方面是由于牛顿法本身对初值较为敏感，另一方面则是由于其稳态模型中存在非连续变量，如热系统中的温度变量取决于质量流量的方向，当方向改变时温度存在非连续变化[2]。因此，如何设置系统初值仍是求解能量流问题的难点。②气、热系统的运行点变化幅度大，基于给定不变的运行点进行线性化将引入较高的误差。优化方面主要开展对最优多能量流的研究，在满足运行约束的条件下实现对综合能源系统中能源的充分利用和成本的削减[17-18]。其优化目标多以系统运行总成本为主，约束条件则由各个子系统能流方程及耦合关系，加之各状态（电压、气压、水压、机组容量、线路与管道容量）安全范围形成。考虑到能流方程以及变工况下能量枢纽的非线性非凸特性，将优化模型进行线性化并利用凸优化算法求解是主流做法，但只适用于小规模系统；对于大规模系统而言，则需采用智能算法以找到原始问题的近似最优解[2]。然而，考虑到综合能源系统的建模强调稳态模型而忽略动态模型，因此已有的多时段最优能流研究忽略了气、热系统的状态在不同时段间的过渡过程[2,19-20]，即认为气、热网某节点状态发生变化会立刻反映到全网中，但实际中气、热网传输时延尺度为分钟乃至小时级[3]。因此，此类优化模型脱离实际，优化结果的实际意义较低。总之，由于能源互联网自身的复杂性，简单沿用传统单一能源系统的建模分析和优化控制方法已经难以满足能源互联网规划、设计、运行和维护的要求，亟需发展新的理念和方法。数字孪生技术有可能在能源互联网发展的过程中发挥重要作用。2数字孪生美国密歇根大学的迈克尔·格里夫斯教授于2002年提出了数字孪生（digitaltwin）一词[21]，指的是通过采集设备的物理数据，构建一个可以表征该物理设备的数学模型，并比较工程设计和数学模型的区别，来更好地理解理论设计与实际生产，最终加强对设备全生命周期的有效管理。经过十余年的发展，数字孪生的定义也在不断完善和更新。这里给出美国国防采办大学（DefenseAcquisitionUniversity，DAU）对数字孪生的定义[22]：“数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程， 在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过 程。”有关数字孪生定义更详细的研究，Negri 等人在文献[23]中给出 了详实综述。 近些年，数字孪生已连续多次（2017、2018 和 2019）被高德纳列 入“十大战略技术趋势”，同时 Market Research Future 预测数字孪 生市场规模将会在2025 年达到350 亿美元 [24] 。有关数字孪生的学术文章 至今已有百篇之多，其中绝大部分文章发表于 2016 年之后，涉及领域 也由最初的航天领域逐步向制造业、航海、汽车、石油等领域扩展 [25] 。 数字孪生的概念提出之前也曾出现过一些类似的定义，诸如数字模 型 [26-27] 、数字影子 [28] 等等。为了避免读者混淆，这里给出数字模型、数字 影子以及数字孪生之间的明确区别 [29] ：数字模型是物理实体的数字代表， 但数字模型和物理实体之间没有实时数据的传输，属于静态模型；数字 影子同样是物理实体的数字代表，物理实体的状态将实时反馈给数字影 子，以实现对数字影子的动态修正，但是数字影子的状态却不会反馈给 物理实体，即数据传输存在单向性；数字孪生则不仅仅是物理实体的刻 画，其与物理实体间存在双向数据传输，一方面物理实体的状态被传递 给数字孪生以实现对数字孪生的实时修正，另一方面数字孪生在数字空 间完成的仿真、优化结果也可反馈给物理实体以指导真实决策。由此可 知，与物理实体的双向数据交互是数字孪生的关键特征，也是确保数字 孪生与物理实体在状态上同步的重要手段。 实际上，数字孪生目前尚无被普遍接受的统一定义，其概念仍处于 发展与演变中。比较一致的看法是，数字孪生需要具备几个要素：真实 空间、虚拟空间和从真实空间到虚拟空间数据流的连接，从虚拟空间流 向真实空间和虚拟子空间的信息连接 [30] 。 数字孪生可用于对物理实体进行监测、仿线] ：监测主要应 用在对物理实体的健康维护上，如监测物理实体的疲劳、破损（裂纹） [30-31] 或者变形 [32] ；仿真主要应用于物理实体的模拟上，如利用数字孪生对 物理实体进行长期行为仿真，并在不同环境条件下对物理实体的性能进 行预测和模拟 [21,34] ；控制则主要应用于物理实体最优决策/行动上，如借 助历史数据和当前状态来对物理实体未来的性能进行优化 [35-36] 。文献[30] 则提到数字孪生可应用于产品设计、工艺流程规划以及城市规划等方面。 数字孪生同样可以应用于能源系统。卢强院士早在 2000 年就提出 了数字电力系统的概念 [37] ：“实际运行的电力系统的物理结构、物理特 性、技术性能、经济管理、环保指标、人员状况、科教活动等数字地、 形象化地、实时地描述与再现。”文献[37]指出，可以利用数字电力系 统“改善系统的安全稳定性，制定和实施经济运行策略，对电力系统实 施紧急控制和反事故控制等”。实际上，文献[37]所提出的数字电力系 统便是电力系统数字孪生。最近，也有研究将数字孪生的技术框架应用 于电力系统在线 能源互联网数字孪生 3.1 能源互联网数字孪生的定义 结合数字孪生的定义和能源互联网的特点，对能源互联网数字孪生 作出如下定义：“能源互联网数字孪生是充分利用能源互联网的物理模 型、先进计量基础设施的在线量测数据、能源互联网的历史运行数据， 并集成电气、流体、热力、计算机、通信、气候、经济等多学科知识， 进行的多物理量、多时空尺度、多概率的仿真过程，通过在虚拟空间中 完成对能源互联网的映射，反映能源互联网的全生命周期过程。” 需要强调的是，迈克尔·格里夫斯教授提出的数字孪生概念与传统 仿真的关键区别在于引入了当前状态用于镜像现实世界中的物理实体， 进而实现物理实体与其数学模型之间的同步与互动。本文进一步认为， ①尽管双向数据交互是数字孪生的关键特征，但是交互的实时性和频率 则取决于物理对象的特点和应用的需求。对于变化缓慢的物理对象，其 实并不需要高频的实时交互。例如，电力系统的网架结构在较长的时间 跨度内保持不变，那么，在利用数字孪生技术对系统进行规划时，只要 数字空间中的模型反映了系统当前的拓扑和参数即可，不用就拓扑和参 数进行频繁的实时同步。②数字孪生是以数字化的形式对物理对象过去 和目前的行为进行动态呈现，并在此基础上对物理对象的未来发展进行 预测和推演，然后再将预测推演得到的信息反馈给物理对象从而改变物 理对象的行为特征或者物理过程的发展轨迹。但是，不应该只将上述反 馈狭义地理解为实时控制。数字孪生影响的可以是物理对象生命周期中 任意时间尺度的行为或者发展轨迹。例如，利用数字孪生技术进行能源 互联网的规划，规划结果的实施其实改变了能源互联网的发展轨迹。 3.2 能源互联网数字孪生的构建 能源互联网数字孪生具有几大关键技术环节，即对物理系统的量测 感知、数字空间建模、仿真分析决策，而以上几个环节又离不开云计算 环境的支撑。 1） 量测感知是对能源互联网物理实体进行分析控制的前提，不同 的应用对量测量的多少、量测的频率以及量测的精度可能有不同的要求。 对实时控制而言，量测的对象包括能量系统和辅助调控系统（调控的对 象为电、气、热/冷等子系统）。为此，需要在物理系统中布置众多传 感器，并且还需解决与数据量测、传输、处理、存储、搜索相关的一系 列技术问题。对能源互联网规划而言，当前系统的设备构成、网络拓扑 和运行参数是规划的基础，通过资料收集或者简单量测即可。 2） 在数字空间中如何对能源互联网进行建模取决于应用的需求。 考虑到电力系统以及以电力系统为核心的能源互联网，其规划、建设、 运行和控制的时间常数跨度非常大，没有必要也很难用同一个数学模型欧亿注册-钱取不出来