数字孪生在电力系统应用中的机遇和挑战

被引:139
作者
贺兴 [1 ]
艾芊 [1 ]
朱天怡 [1 ]
邱才明 [1 ]
张东霞 [2 ]
机构
[1] 大数据工程技术与人工智能研究中心(上海交通大学)
[2] 中国电力科学研究院有限公司
关键词
数字孪生; 数据驱动; 认知; 大数据分析; 建模;
D O I
10.13335/j.1000-3673.pst.2019.1983
中图分类号
TP311.13 []; TM76 [电力系统的自动化];
学科分类号
1201 ; 080802 ;
摘要
电力数字孪生系统(digitaltwinofpowersystems,PSDT)旨在充分利用电力物联网所承载的数据流,通过实时态势感知、超实时虚拟推演2种手段来认知电力系统继而辅助电网运管调控的决策制定。不同于现行的仿真软件,PSDT具备数据驱动、实时交互和闭环反馈3大特点。围绕上述2种手段和3大特点,从工程和科学2个视角剖析了PSDT提出的背景和目的,并阐述了其建设的思路和特色,进一步设计了PSDT的实现框架并探究了其建设所面临的关键问题和核心技术。最后,阐明了PSDT在电力系统多个领域的应用现状与前景。文中的工作也是数字孪生(digitaltwin,DT)在电力领域的早期系统性探索,其研究一方面可为电力物联网的建设提供借鉴;另一方面,也会推动DT技术和数据科学在工程中的应用。
引用
收藏
页码:2009 / 2019
页数:11
相关论文
共 15 条
[1]   基于深度强化学习的微电网复合储能协调控制方法 [J].
张自东 ;
邱才明 ;
张东霞 ;
徐舒玮 ;
贺兴 .
电网技术, 2019, 43 (06) :1914-1921
[2]   深度学习在电网图像数据及时空数据中的应用综述 [J].
张宇航 ;
邱才明 ;
杨帆 ;
徐舒玮 ;
石鑫 ;
贺兴 .
电网技术, 2019, 43 (06) :1865-1873
[3]   基于深度学习的输电线路故障类型辨识 [J].
徐舒玮 ;
邱才明 ;
张东霞 ;
贺兴 ;
储磊 ;
杨浩森 .
中国电机工程学报, 2019, 39 (01) :65-74+321
[4]   基于随机矩阵理论的配电网阵列薄弱性评估系统设计 [J].
徐重酉 ;
韩翊 ;
贺兴 ;
卓一 ;
石鑫 .
电器与能效管理技术, 2018, (09) :54-59
[5]   基于随机矩阵理论的电网状态分析与扰动定位方法 [J].
张力 ;
张子仲 ;
顾建炜 .
电力系统自动化, 2018, 42 (12) :93-99+126
[6]   一种基于LSTM神经网络的短期用电负荷预测方法 [J].
张宇航 ;
邱才明 ;
贺兴 ;
凌泽南 ;
石鑫 .
电力信息与通信技术, 2017, 15 (09) :19-25
[7]   基于随机矩阵理论与熵理论的电网薄弱环节辨识方法 [J].
刘威 ;
张东霞 ;
丁玉成 ;
吴茜 ;
邓春宇 ;
刘道伟 .
中国电机工程学报, 2017, 37 (20) :5893-5901
[8]   基于随机矩阵理论的电力系统暂态稳定性分析 [J].
刘威 ;
张东霞 ;
王新迎 ;
刘道伟 ;
吴茜 .
中国电机工程学报, 2016, 36 (18) :4854-4863+5109
[9]   基于随机矩阵理论的电网静态稳定态势评估方法 [J].
吴茜 ;
张东霞 ;
刘道伟 ;
刘威 ;
邓春雨 .
中国电机工程学报, 2016, 36 (20) :5414-5420+5717
[10]   基于机会约束规划的虚拟电厂调度风险分析 [J].
范松丽 ;
艾芊 ;
贺兴 .
中国电机工程学报, 2015, 35 (16) :4025-4034