面向能源互聯(lián)網(wǎng)數(shù)字孿生的電力物聯(lián)網(wǎng)關(guān)鍵技術(shù)及展望

　　摘要：隨著“碳達(dá)峰、碳中和”目標(biāo)與以新能源為主體的新型電力系統(tǒng)的提出，能源技術(shù)與數(shù)字技術(shù)進(jìn)一步深度融合，電網(wǎng)加速向能源互聯(lián)網(wǎng)演進(jìn)。構(gòu)建能源互聯(lián)網(wǎng)及其數(shù)字孿生系統(tǒng)對(duì)電力物聯(lián)網(wǎng)技術(shù)提出了更高要求，也極大拓展了電力物聯(lián)網(wǎng)的內(nèi)涵和外延。本文主要圍繞如何構(gòu)建面向能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)的電力物聯(lián)網(wǎng)，分析了其面臨的兩大科學(xué)問(wèn)題：物理數(shù)字融合建模與電網(wǎng)資源協(xié)同互動(dòng)，提出了電力物聯(lián)網(wǎng)體系架構(gòu)和安全防御機(jī)制，研究了 “端-邊-管-云-智”等多層級(jí)的關(guān)鍵支撐技術(shù)，包括精準(zhǔn)感知與高效通信、高并發(fā)接入與海量數(shù)據(jù)管理、融合建模與趨優(yōu)進(jìn)化等技術(shù)，最后從設(shè)備、電網(wǎng)與用戶三方面展望電力物聯(lián)網(wǎng)支撐下的電網(wǎng)業(yè)務(wù)智能化典型應(yīng)用。

　　趙鵬; 蒲天驕; 王新迎; 韓笑， 中國(guó)電機(jī)工程學(xué)報(bào) 發(fā)表時(shí)間：2021-11-15

　　關(guān)鍵詞：能源互聯(lián)網(wǎng)，數(shù)字孿生，電力物聯(lián)網(wǎng)，架構(gòu)設(shè)計(jì)，感知網(wǎng)絡(luò)，物聯(lián)平臺(tái)，智能應(yīng)用

　　0 引言

　　2020 年 9 月，習(xí)近平主席在第七十五屆聯(lián)合國(guó)大會(huì)上提出我國(guó)二氧化碳排放力爭(zhēng)于 2030 年前達(dá)到峰值，努力爭(zhēng)取在 2060 年前實(shí)現(xiàn)碳中和。能源電力領(lǐng)域碳排放總量大，是實(shí)現(xiàn)碳減排目標(biāo)的關(guān)鍵和重點(diǎn)領(lǐng)域，2021 年 3 月召開(kāi)的中央財(cái)經(jīng)委員會(huì)第九次會(huì)議上進(jìn)一步提出構(gòu)建以新能源為主體的新型電力系統(tǒng)。

　　推動(dòng)構(gòu)建新型電力系統(tǒng)的過(guò)程，就是推動(dòng)電網(wǎng)向能源互聯(lián)網(wǎng)升級(jí)的過(guò)程，二者是一個(gè)問(wèn)題、兩個(gè)視角 [1-4]。以電力為核心的能源互聯(lián)網(wǎng)包括多種能量生產(chǎn)、傳輸、存儲(chǔ)和消費(fèi)網(wǎng)絡(luò)，結(jié)構(gòu)復(fù)雜、設(shè)備繁多、技術(shù)龐雜，具有典型的非線性隨機(jī)特征與多尺度動(dòng)態(tài)特征，傳統(tǒng)機(jī)理模型分析和優(yōu)化控制方法已經(jīng)難以滿足能源互聯(lián)網(wǎng)規(guī)劃設(shè)計(jì)、監(jiān)測(cè)分析和運(yùn)行優(yōu)化的要求[5]。而數(shù)字孿生系統(tǒng)可提供為機(jī)理模型提供海量模擬的試驗(yàn)與評(píng)估環(huán)境，并結(jié)合數(shù)據(jù)驅(qū)動(dòng)的方式，從態(tài)勢(shì)預(yù)測(cè)、參數(shù)辨識(shí)、非線性擬合等方面對(duì)機(jī)理模型進(jìn)行補(bǔ)充。數(shù)字孿生系統(tǒng)可實(shí)現(xiàn)能源互聯(lián)網(wǎng)從物理實(shí)體到虛擬空間的實(shí)時(shí)完整映射，通過(guò)智能實(shí)體開(kāi)展仿真、計(jì)算、分析及決策等對(duì)物理系統(tǒng)進(jìn)行反饋優(yōu)化，最終實(shí)現(xiàn)可再生能源的高比例消納及能源利用效率的提升，減少能源系統(tǒng)低碳、清潔、高效、經(jīng)濟(jì)運(yùn)行，助力建成以新能源為主體的新型電力系統(tǒng)，促進(jìn)“碳達(dá)峰、碳中和”目標(biāo)的實(shí)現(xiàn)。

　　電力物聯(lián)網(wǎng)是構(gòu)建能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)的重要支撐技術(shù)，為在虛擬空間中精確構(gòu)建能源互聯(lián)網(wǎng)的數(shù)字孿生系統(tǒng)提供了數(shù)字化與智能化基礎(chǔ)，是互聯(lián)網(wǎng)技術(shù)在能源電力領(lǐng)域的具體實(shí)踐[6-9]。通過(guò)構(gòu)建連接全社會(huì)用戶、各環(huán)節(jié)設(shè)備的智慧電力物聯(lián)網(wǎng)體系，實(shí)現(xiàn)電網(wǎng)、設(shè)備、用戶狀態(tài)的動(dòng)態(tài)采集、實(shí)時(shí)感知和在線監(jiān)測(cè)，推進(jìn)網(wǎng)源協(xié)調(diào)發(fā)展與運(yùn)行優(yōu)化，推動(dòng)現(xiàn)有能源體系下，各類不同能源形式、種類和企業(yè)的融合，最終提升能源整體利用效率。

　　然而，隨著新能源大規(guī)模并網(wǎng)，電動(dòng)汽車(chē)保有量增加，新型用能設(shè)施大量接入，當(dāng)前電力物聯(lián)網(wǎng)進(jìn)一步發(fā)展仍然存在諸多技術(shù)挑戰(zhàn)：在感知能力上，電網(wǎng)的源、荷不確定性日益突出，為實(shí)現(xiàn)對(duì)電網(wǎng)狀態(tài)的精準(zhǔn)態(tài)勢(shì)感知，對(duì)電力物聯(lián)網(wǎng)的精準(zhǔn)感知提出了更高要求;在傳輸能力上，網(wǎng)絡(luò)連接的廣泛性和實(shí)時(shí)性不夠;在數(shù)據(jù)處理能力上，海量高并發(fā)終端接入能力不足;在協(xié)同互動(dòng)能力上，源網(wǎng)荷各要素協(xié)調(diào)調(diào)控手段較為單一、且與用戶資源的互動(dòng)能力不足，難以實(shí)現(xiàn)新能源的高效消納、電動(dòng)汽車(chē)的即插即用。

　　為應(yīng)對(duì)上述挑戰(zhàn)，本文將首先分析支撐能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)的電力物聯(lián)網(wǎng)所面臨的科學(xué)問(wèn)題，提出支撐電網(wǎng)狀態(tài)高性能精準(zhǔn)感知與立體化高效傳輸網(wǎng)絡(luò)，支持億級(jí)終端接入、千萬(wàn)級(jí)并行連接和 PB 級(jí)數(shù)據(jù)存儲(chǔ)計(jì)算的融合共享物聯(lián)支撐平臺(tái)和電力業(yè)務(wù)場(chǎng)景智能應(yīng)用的關(guān)鍵技術(shù)，給出電力物聯(lián)網(wǎng)關(guān)鍵技術(shù)落地實(shí)施的技術(shù)路線，為電力物聯(lián)網(wǎng)建設(shè)提供理論指導(dǎo)和路徑參考。

　　1 面向能源互聯(lián)網(wǎng)數(shù)字孿生的電力物聯(lián)網(wǎng)核心科學(xué)問(wèn)題

　　能源互聯(lián)網(wǎng)具備多能流相互耦合、信息物理融合等復(fù)雜特性，具有典型的非線性隨機(jī)特征與多尺度動(dòng)態(tài)特征，傳統(tǒng)基于機(jī)理物理模型的方法難以滿足其監(jiān)測(cè)分析及優(yōu)化運(yùn)行的要求。能源互聯(lián)網(wǎng)的數(shù)字孿生系統(tǒng)一般認(rèn)為是充分利用能源互聯(lián)網(wǎng)的物理模型、先進(jìn)計(jì)量基礎(chǔ)設(shè)施的在線量測(cè)數(shù)據(jù)、能源互聯(lián)網(wǎng)的歷史運(yùn)行數(shù)據(jù)，并集成電氣、流體、熱力、計(jì)算機(jī)、通信、氣候、經(jīng)濟(jì)等多學(xué)科知識(shí)，進(jìn)行的多物理量、多時(shí)空尺度、多概率的仿真過(guò)程，通過(guò)在虛擬空間中完成對(duì)能源互聯(lián)網(wǎng)的映射，反映能源互聯(lián)網(wǎng)的全生命周期過(guò)程，是實(shí)現(xiàn)能源互聯(lián)網(wǎng)實(shí)時(shí)感知、運(yùn)行優(yōu)化及自主進(jìn)化的理想途徑之一。能源互聯(lián)網(wǎng)及其數(shù)字孿生系統(tǒng)的構(gòu)建主要需要以下幾種技術(shù)能力[10-12]：

　　(1)深度精準(zhǔn)感知。隨著新能源大規(guī)模并網(wǎng)，電動(dòng)汽車(chē)保有量增加，新型用能設(shè)施大量接入，導(dǎo)致電網(wǎng)的源、荷的不確定性日益突出，現(xiàn)有電網(wǎng)感知深度和廣度不足。

　　(2)海量接入管理。目前海量物聯(lián)終端和數(shù)據(jù)難以實(shí)現(xiàn)高效接入與管理，同時(shí)所采集的數(shù)據(jù)并未得到充分處理和應(yīng)用。

　　(3)智能輔助決策。傳統(tǒng)的能源電力安全穩(wěn)定運(yùn)行理論與運(yùn)行優(yōu)化技術(shù)已經(jīng)無(wú)法滿足未來(lái)新型電力系統(tǒng)調(diào)度控制需求。

　　面向以上需求，電力物聯(lián)網(wǎng)技術(shù)可提供數(shù)字化、網(wǎng)絡(luò)化和智能化基礎(chǔ)載體，通過(guò)傳感、網(wǎng)絡(luò)、平臺(tái)和人工智能等技術(shù)，將電力物理系統(tǒng)實(shí)時(shí)完整映射為數(shù)據(jù)和算法定義的數(shù)字系統(tǒng)，并有效利用數(shù)據(jù)的雙向流動(dòng)與融合共享，實(shí)現(xiàn)電力系統(tǒng)各個(gè)環(huán)節(jié)網(wǎng)架、設(shè)備、人員的萬(wàn)物互聯(lián)、人機(jī)交互，促進(jìn)電網(wǎng)全面感知、泛在互聯(lián)、信息融合和智能應(yīng)用。目前，如圖 1 所示，構(gòu)建能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)存在兩個(gè)核心科學(xué)問(wèn)題：

　　(1)在物理世界向虛擬世界映射方面，如何形成能源互聯(lián)網(wǎng)的動(dòng)態(tài)多維、多時(shí)空尺度高保真模型，實(shí)現(xiàn)物理數(shù)字融合建模。針對(duì)能源互聯(lián)網(wǎng)具有隨機(jī)性和不確定性、難以單純通過(guò)物理機(jī)理進(jìn)行描述或求解的問(wèn)題，基于電力物聯(lián)網(wǎng)感知層和邊緣層的數(shù)據(jù)資源，利用數(shù)據(jù)驅(qū)動(dòng)建模方法從參數(shù)辨識(shí)、場(chǎng)景擬合、行為預(yù)測(cè)等方面對(duì)物理機(jī)理模型進(jìn)行補(bǔ)充和提升，在保證信息安全的前提下，形成實(shí)時(shí)完整映射的數(shù)字虛擬系統(tǒng)，支撐電力業(yè)務(wù)場(chǎng)景智能應(yīng)用。

　　(2)在虛擬世界向物理世界反饋方面，如何進(jìn)行能源互聯(lián)網(wǎng)雙系統(tǒng)的迭代交互與動(dòng)態(tài)演化，實(shí)現(xiàn)資源協(xié)同互動(dòng)。有效利用數(shù)據(jù)的雙向流動(dòng)與價(jià)值挖掘，通過(guò)數(shù)據(jù)與知識(shí)融合的人工智能等先進(jìn)數(shù)字技術(shù)，賦智業(yè)務(wù)場(chǎng)景應(yīng)用，實(shí)現(xiàn)虛擬數(shù)字空間與真實(shí)物理空間的協(xié)同互動(dòng)與反饋優(yōu)化。

　　2 面向能源互聯(lián)網(wǎng)數(shù)字孿生的電力物聯(lián)網(wǎng)技術(shù)架構(gòu)

　　圍繞構(gòu)建能源互聯(lián)網(wǎng)數(shù)字孿生系統(tǒng)的兩個(gè)核心科學(xué)問(wèn)題，需要突破以下三項(xiàng)電力物聯(lián)網(wǎng)關(guān)鍵技術(shù)：(1)精準(zhǔn)感知與高效通信技術(shù)，(2)高并發(fā)接入與海量數(shù)據(jù)管理技術(shù)，(3)融合建模與趨優(yōu)進(jìn)化技術(shù)，通過(guò)這三項(xiàng)關(guān)鍵技術(shù)來(lái)構(gòu)建圖 2 中所示的電力物聯(lián)網(wǎng)“端-邊-管-云-智”分層架構(gòu)。

　　關(guān)鍵技術(shù)(1)為端層和邊層提供數(shù)字化感知與邊緣計(jì)算能力基礎(chǔ)，為管層提供數(shù)字傳輸渠道;關(guān)鍵技術(shù)(2)為云層提供物聯(lián)終端與海量數(shù)據(jù)管控、存儲(chǔ)、共享基礎(chǔ);關(guān)鍵技術(shù)(3)則在“端-邊管-云”數(shù)字化基礎(chǔ)之上，為能源互聯(lián)網(wǎng)數(shù)字孿生提供物理數(shù)字融合建模與支撐更高階業(yè)務(wù)場(chǎng)景智能應(yīng)用能力，是智層支撐技術(shù);最終在這三項(xiàng)關(guān)鍵技術(shù)與數(shù)字化基礎(chǔ)上，再進(jìn)一步地開(kāi)展基于電力物聯(lián)網(wǎng)的電力業(yè)務(wù)場(chǎng)景智能應(yīng)用，實(shí)現(xiàn)對(duì)電力物聯(lián)網(wǎng)的智能感知診斷、優(yōu)化決策與數(shù)據(jù)增值。

　　圖 2 分層“端-邊-管-云-智”中的“端”指基于機(jī)-電-磁-光敏感機(jī)理表征、微納結(jié)構(gòu)優(yōu)化及器件制備封裝的高性能傳感器，加大感知覆蓋力度;“邊” 指利用邊緣計(jì)算技術(shù)實(shí)現(xiàn)數(shù)據(jù)的就地處理、現(xiàn)場(chǎng)判決，減輕后續(xù)環(huán)節(jié)的通信與數(shù)據(jù)處理壓力;“管” 指基于多跳自組網(wǎng)、5G 與北斗等融合通信技術(shù)，實(shí)現(xiàn)各類傳感器即插即用、本地和廣域靈活接入; “云”指為數(shù)據(jù)存儲(chǔ)、計(jì)算、共享等提供彈性資源保障的物聯(lián)管理平臺(tái);“智”指基于深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、知識(shí)引導(dǎo)及群智優(yōu)化等技術(shù)，面向電網(wǎng)、設(shè)備與用戶提供多種智能業(yè)務(wù)應(yīng)用。此外，在端、邊、管、云、智分層引入“零信任機(jī)制”，利用可信認(rèn)證、信任評(píng)估、態(tài)勢(shì)感知、協(xié)同防御等安全技術(shù)，形成面向電力物聯(lián)網(wǎng)的“設(shè)備聯(lián)動(dòng)-局部自治全局協(xié)同”安全防御架構(gòu)[13]。

　　區(qū)別于傳統(tǒng)電網(wǎng)自上而下分為應(yīng)用層-網(wǎng)絡(luò)層終端層三層，“端-邊-管-云-智”分層架構(gòu)在感知層實(shí)現(xiàn)全面感知，感知的覆蓋力度加大;增加了邊緣層，實(shí)現(xiàn)數(shù)據(jù)的就地處理局部判決，加快系統(tǒng)響應(yīng)速度;在管道層，實(shí)現(xiàn)多種通信方式異構(gòu)協(xié)同通信;在云平臺(tái)上實(shí)現(xiàn)了億級(jí)設(shè)備接入和千萬(wàn)級(jí)并行連接的終端，接入數(shù)量與并發(fā)數(shù)顯著增多;增加了智能應(yīng)用層，基于深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、知識(shí)引導(dǎo)及群智優(yōu)化等技術(shù)實(shí)現(xiàn)多種電力業(yè)務(wù)的應(yīng)用;在安全方面，設(shè)計(jì)了全層級(jí)的安全防護(hù)架構(gòu)，安全防護(hù)力度更強(qiáng)。

　　3 面向能源互聯(lián)網(wǎng)的電力物聯(lián)網(wǎng)關(guān)鍵技術(shù)

　　3.1 精準(zhǔn)感知與高效通信技術(shù)

　　針對(duì)當(dāng)前電力設(shè)備狀態(tài)感知不全面、不充分，連接廣泛性與實(shí)時(shí)性不高等問(wèn)題[14-15]，需要重點(diǎn)研究以下基礎(chǔ)技術(shù)：精準(zhǔn)感知技術(shù)與多跳自組織網(wǎng)絡(luò)技術(shù)，滿足感知層全面海量數(shù)據(jù)獲取需求，實(shí)現(xiàn)數(shù)據(jù)高效可靠傳輸。

　　3.1.1 精準(zhǔn)感知技術(shù)

　　應(yīng)用于能源互聯(lián)網(wǎng)的智能感知技術(shù)需充分考慮其“點(diǎn)多面廣、業(yè)務(wù)龐雜”的特點(diǎn)，對(duì)能源領(lǐng)域各個(gè)環(huán)節(jié)的實(shí)時(shí)監(jiān)測(cè)提供有效數(shù)據(jù)支撐，并從本征層面促進(jìn)能量流與信息流的深度融合[16]。從精準(zhǔn)傳感監(jiān)測(cè)與輕量化便捷認(rèn)知兩方面來(lái)看，針對(duì)能源互聯(lián)網(wǎng)的數(shù)字化精準(zhǔn)感知技術(shù)研究需從新型傳感機(jī)理、微納器件制備、高效供電方法、邊緣計(jì)算技術(shù)、自主可控人工智能芯片五個(gè)層面分別開(kāi)展[17]。

　　(1)新型傳感機(jī)理。為滿足新型電力系統(tǒng)的高傳感能力要求，需要研究基于新型材料的傳感機(jī)理及其在新型環(huán)境中的應(yīng)用，進(jìn)一步提升傳感器靈敏度，包括針對(duì)新型磁性材料、液態(tài)金屬、光聲光譜、分布式光纖等傳感技術(shù)的研究。

　　(2)微納器件制備。隨著傳感器的探測(cè)功能越來(lái)越精細(xì)化與多樣化，傳感器的微型化與模塊化成為必然趨勢(shì)，微納加工工藝的發(fā)展為傳感器模塊化設(shè)計(jì)提供了可能，其敏感元件尺寸可達(dá)微米級(jí)，重點(diǎn)需在制備工藝、標(biāo)準(zhǔn)接口、標(biāo)準(zhǔn)片上集成等方面開(kāi)展研究。

　　(3)高效供電方法。低功耗設(shè)計(jì)及電磁場(chǎng)、振動(dòng)、摩擦、溫差、光照等環(huán)境自取能技術(shù)促進(jìn)傳感器功耗及續(xù)航能力達(dá)到更優(yōu)水平，不僅節(jié)約了取電成本，還可以提高傳感系統(tǒng)的工作壽命，為傳感器的規(guī)模應(yīng)用提供有力支撐。

　　(4)邊緣計(jì)算技術(shù)。邊緣計(jì)算技術(shù)包括對(duì)人工智能算法與模型的邊緣側(cè)處理和適配。基于深度學(xué)習(xí)架構(gòu)下的模型及機(jī)器學(xué)習(xí)算法，對(duì)人工智能模型及算法在邊緣側(cè)進(jìn)行剪枝、量化、壓縮，通過(guò)軟件定義的輕量化容器技術(shù)，實(shí)現(xiàn)物理資源的邊緣側(cè)應(yīng)用，通過(guò)多參量物聯(lián)代理實(shí)現(xiàn)多種傳感接入、業(yè)務(wù)分發(fā)、邊緣計(jì)算及區(qū)域自治，最終實(shí)現(xiàn)高性能、低成本、高靈活性的人工智能技術(shù)邊緣側(cè)下沉[18]。

　　(5)自主可控人工智能芯片。嵌入式 AI 芯片是邊緣智能技術(shù)的核心載體，相比于傳統(tǒng) ARM 架構(gòu)芯片，。自主可控 RISC-V 芯片具有開(kāi)源、穩(wěn)定、易于硬件實(shí)現(xiàn)等優(yōu)勢(shì)，研究重點(diǎn)包括指令集擴(kuò)展、工具鏈開(kāi)發(fā)、多核異構(gòu)微架構(gòu)設(shè)計(jì)以及軟硬件平臺(tái)移植等。通過(guò)硬件加速、模型移植等方法，為邊緣節(jié)點(diǎn)提供面向能源互聯(lián)網(wǎng)業(yè)務(wù)需求的技術(shù)支撐。

　　3.1.2 多跳自組織網(wǎng)絡(luò)技術(shù)

　　面對(duì)電力業(yè)務(wù)傳輸需求與接入能力不匹配問(wèn)題，需通過(guò)多跳定向自組織傳輸、快速資源調(diào)配與控制、多層次自組網(wǎng)及協(xié)議層安全性設(shè)計(jì)等技術(shù)，解決高可靠超多跳安全接入問(wèn)題難點(diǎn)，實(shí)現(xiàn)電力業(yè)務(wù)高頻次、高質(zhì)量數(shù)據(jù)采集，以及全場(chǎng)景感知和廣泛接入要求，從而提升網(wǎng)絡(luò)靈活性和效率[19]。

　　(1)寬帶高可靠超多跳自組網(wǎng)技術(shù)。采用物理層多維雙層并行通信機(jī)制，并結(jié)合網(wǎng)絡(luò)層環(huán)境感知分布計(jì)算方法，以及電網(wǎng)場(chǎng)景下超多跳自組網(wǎng)的拓?fù)浣Y(jié)構(gòu)、傳輸模式、資源配給實(shí)時(shí)優(yōu)化技術(shù)，通過(guò)協(xié)議內(nèi)部各要素的跨層優(yōu)化，構(gòu)建高可靠高效率超多跳無(wú)線鏈路。

　　(2)窄帶多層次大規(guī)模自組網(wǎng)技術(shù)。采用大規(guī)模節(jié)點(diǎn)調(diào)度和干擾規(guī)避技術(shù)、分布式網(wǎng)絡(luò)節(jié)點(diǎn)的態(tài)勢(shì)感知與自主計(jì)算技術(shù)、計(jì)及服務(wù)質(zhì)量與資源開(kāi)銷(xiāo)的大規(guī)模多層次自組網(wǎng)技術(shù)，突破大規(guī)模自組網(wǎng)的海量節(jié)點(diǎn)與資源開(kāi)銷(xiāo)的限制，實(shí)現(xiàn)物理空間虛擬化與網(wǎng)絡(luò)空間智能化。

　　3.2 高并發(fā)接入與海量數(shù)據(jù)管理技術(shù)

　　針對(duì)電力物聯(lián)網(wǎng)中海量物聯(lián)設(shè)備接入和多源異構(gòu)數(shù)據(jù)融合共享等問(wèn)題，需要重點(diǎn)研究以下基礎(chǔ)技術(shù)：高并發(fā)異構(gòu)物聯(lián)終端接入管控技術(shù)、海量數(shù)據(jù)存儲(chǔ)共享技術(shù)[20-21]，實(shí)現(xiàn)電力物聯(lián)網(wǎng)海量異構(gòu)終端高并發(fā)接入及智能管控、多模態(tài)數(shù)據(jù)融合與共享。

　　3.2.1 高并發(fā)異構(gòu)物聯(lián)終端接入管控技術(shù)

　　電力物聯(lián)網(wǎng)高并發(fā)接入管控技術(shù)需充分考慮物聯(lián)終端“海量、異構(gòu)、智能、新型”的特點(diǎn)，對(duì)終端管理的多環(huán)節(jié)云邊協(xié)同提供有效的技術(shù)支撐。應(yīng)在終端模型、通信和功能層面，針對(duì)電力物聯(lián)網(wǎng)異構(gòu)終端高并發(fā)接入管控研究需從軟件定義終端模型技術(shù)、異構(gòu)通信技術(shù)和終端代理服務(wù)三個(gè)方面分別開(kāi)展，形成電力物聯(lián)網(wǎng)海量終端接入管控的軟硬件協(xié)作架構(gòu)體系。

　　(1)軟件定義終端模型技術(shù)。軟件定義終端是指利用軟件定義技術(shù)在物理、邏輯層面上對(duì)物聯(lián)終端組成的分維描述。采用軟件定義技術(shù)將海量異構(gòu)物聯(lián)終端分解成柔性統(tǒng)一的結(jié)構(gòu)模型、信息模型和傳感器執(zhí)行器模型。終端產(chǎn)生的變動(dòng)通過(guò)模型的柔性適配來(lái)保持功能的恒定性，在不影響電力物聯(lián)網(wǎng)正常運(yùn)行的情況，實(shí)現(xiàn)新型異構(gòu)終端多維物模型的統(tǒng)一構(gòu)建、維護(hù)與擴(kuò)展。

　　(2)異構(gòu)通信網(wǎng)絡(luò)技術(shù)。在物理通信網(wǎng)絡(luò)旁路構(gòu)建“工業(yè)互聯(lián)網(wǎng)四層交換+分布式全異步架構(gòu)”的異構(gòu)通信層，以硬解方式實(shí)現(xiàn)異構(gòu)終端多協(xié)議適配、消息路由、流量和擁塞控制，通信連接信道基于硬件堆疊方式擴(kuò)展，與云端主站/物聯(lián)管理平臺(tái)建立前置分布式消息隊(duì)列集群映射連通，實(shí)現(xiàn)云端與邊緣終端的千萬(wàn)級(jí)并發(fā)通信能力。

　　(3)終端代理服務(wù)。由云端下發(fā)至智能終端的遠(yuǎn)端微服務(wù)，提供可編程配置化采集、可編程設(shè)備管理規(guī)約、邊緣應(yīng)用、統(tǒng)一下行語(yǔ)義控制通道和設(shè)備影子等管理功能，用于保持電力物聯(lián)網(wǎng)云端軟件對(duì)智能終端的全方位映射與控制，實(shí)現(xiàn)智能終端運(yùn)行、功能和應(yīng)用的數(shù)字化編程與定義。

　　3.2.2 海量數(shù)據(jù)存儲(chǔ)共享技術(shù)

　　電力物聯(lián)網(wǎng)海量數(shù)據(jù)存儲(chǔ)共享的關(guān)鍵在于實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)立體化聚合和全域數(shù)據(jù)網(wǎng)貫通，其作為面向能源互聯(lián)網(wǎng)數(shù)據(jù)集約處理的交互新模式，具有通用、高效、易解釋等特點(diǎn)。針對(duì)海量數(shù)據(jù)存儲(chǔ)共享技術(shù)的研究需從分布式數(shù)據(jù)立方體技術(shù)、“物聯(lián)網(wǎng)一張圖”[22-23]技術(shù)和多元數(shù)據(jù)融合共享技術(shù)三個(gè)方面分別展開(kāi)。

　　(1)分布式數(shù)據(jù)立方體技術(shù)。針對(duì)電網(wǎng)核心數(shù)據(jù)，通過(guò)基于分布式計(jì)算框架逐層算法、逐段算法靈活快速構(gòu)建面向應(yīng)用的分布式列存儲(chǔ)數(shù)據(jù)立方體，基于預(yù)先實(shí)例化的數(shù)據(jù)預(yù)處理、多路數(shù)組聚集的完全立方體計(jì)算、動(dòng)態(tài)分片的數(shù)據(jù)在線聚集合并等技術(shù)，實(shí)現(xiàn)快速解析分布式列式存儲(chǔ)立方體數(shù)據(jù)。采用多源異構(gòu)參數(shù)融合、網(wǎng)絡(luò)旁路報(bào)文解析和數(shù)據(jù)關(guān)聯(lián)關(guān)系自動(dòng)解析技術(shù)，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)資源融合和數(shù)據(jù)資源目錄自動(dòng)化構(gòu)建。

　　(2)“物聯(lián)網(wǎng)一張圖”技術(shù)。采用基于圖譜理論和知識(shí)工程理論的知識(shí)表示與推理、語(yǔ)義網(wǎng)等技術(shù)，結(jié)合電力物聯(lián)網(wǎng)具有的天然網(wǎng)絡(luò)特征，建立電力全域數(shù)據(jù)與圖數(shù)據(jù)的結(jié)構(gòu)映射，貫通“云邊端+關(guān)聯(lián)領(lǐng)域”全景數(shù)據(jù)，可根據(jù)業(yè)務(wù)維度自動(dòng)劃分網(wǎng)格式層次化的子圖拓?fù)洹Ｍㄟ^(guò)提供跨時(shí)空數(shù)據(jù)集成、數(shù)據(jù)知識(shí)融合、高效查詢引擎與互動(dòng)數(shù)據(jù)接口技術(shù)，實(shí)現(xiàn)電力物聯(lián)網(wǎng)數(shù)據(jù)的高效查詢、時(shí)序數(shù)據(jù)流訪問(wèn)和互動(dòng)可視化。

　　(3)多元數(shù)據(jù)融合共享技術(shù)。采用全鏈路多維數(shù)據(jù)集成框架和數(shù)據(jù)知識(shí)的統(tǒng)一表達(dá)機(jī)制，建立電力物聯(lián)網(wǎng)圖數(shù)據(jù)與分布式數(shù)據(jù)立方體的映射關(guān)聯(lián)。針對(duì)電力物聯(lián)網(wǎng)融合數(shù)據(jù)，采用基于開(kāi)放性算法引擎的多模態(tài)協(xié)同和多計(jì)算模式框架協(xié)同機(jī)制，實(shí)現(xiàn)面向電力復(fù)雜應(yīng)用場(chǎng)景的按需數(shù)據(jù)共享和定制化智能分析服務(wù)。

　　3.3 融合建模與趨優(yōu)進(jìn)化技術(shù)

　　針對(duì)電力物聯(lián)網(wǎng)中數(shù)字孿生系統(tǒng)融合建模與資源智能協(xié)同等問(wèn)題，需要重點(diǎn)研究以下基礎(chǔ)技術(shù)：電網(wǎng)物理數(shù)字融合建模技術(shù)、電網(wǎng)資源協(xié)同趨優(yōu)技術(shù)，實(shí)現(xiàn)電網(wǎng)狀態(tài)的全面感知、精準(zhǔn)評(píng)估與穩(wěn)定控制。

　　3.3.1 電網(wǎng)物理數(shù)字融合建模技術(shù)

　　引入先驗(yàn)知識(shí)改善機(jī)器學(xué)習(xí)模型的可解釋性、魯棒性與可泛化性，是突破目前人工智能在電力系統(tǒng)應(yīng)用瓶頸的一個(gè)重要研究方向[24-25]。電力系統(tǒng)在長(zhǎng)期的生產(chǎn)實(shí)踐中積累了大量邏輯規(guī)則、代數(shù)方程、物理模型等，將上述系統(tǒng)機(jī)理知識(shí)引入數(shù)據(jù)驅(qū)動(dòng)的分析方法中，可降低對(duì)訓(xùn)練樣本數(shù)量及質(zhì)量的要求、使機(jī)器學(xué)習(xí)模型具有應(yīng)對(duì)動(dòng)態(tài)環(huán)境的能力。針對(duì)不同場(chǎng)景下模型的獲取難度，物理機(jī)理與數(shù)據(jù)驅(qū)動(dòng)融合建模的方法可分為數(shù)據(jù)模型對(duì)機(jī)理模型的改進(jìn)、機(jī)理模型對(duì)數(shù)據(jù)模型的指導(dǎo)、以及構(gòu)建混合模型三大類[26]。

　　(1)數(shù)據(jù)驅(qū)動(dòng)方法對(duì)機(jī)理模型的改進(jìn)方面，針對(duì)由于假設(shè)簡(jiǎn)化導(dǎo)致精度不足的問(wèn)題，通常可以結(jié)合數(shù)據(jù)驅(qū)動(dòng)方法迭代優(yōu)化模型參數(shù)及修正誤差，增強(qiáng)機(jī)理模型適應(yīng)性。此外，數(shù)據(jù)驅(qū)動(dòng)方法可輔助進(jìn)行機(jī)理模型的篩選，或評(píng)估、完善機(jī)理模型構(gòu)成。

　　(2)知識(shí)機(jī)理驅(qū)動(dòng)方法的指導(dǎo)作用可在機(jī)器學(xué)習(xí)過(guò)程的不同階段引入。例如，在特征構(gòu)建/篩選階段，可通過(guò)增加一致性損失函數(shù)，引導(dǎo)數(shù)據(jù)模型選擇人類可理解的特征作為決策依據(jù);在模型構(gòu)建 /訓(xùn)練階段，可以加入邏輯規(guī)則或公式等作為約束條件嵌入模型，使模型更加符合物理規(guī)律;決策階段可基于技術(shù)標(biāo)準(zhǔn)、歷史故障處置案例等，結(jié)合數(shù)據(jù)模型的判斷結(jié)果進(jìn)行協(xié)同決策，避免做出不符合常識(shí)或不符合業(yè)務(wù)邏輯的決策。

　　(3)混合建模方面，針對(duì)電力系統(tǒng)穩(wěn)定分析、緊急控制策略選取等由于不確定因素多、計(jì)算復(fù)雜度高而難以建立物理模型的情況，可利用知識(shí)驅(qū)動(dòng)方法表示易描述的、確定性的部分，通過(guò)數(shù)據(jù)驅(qū)動(dòng)方法表示非線性的、隨機(jī)性的部分，從而替代部分不精確的機(jī)理模型，形成混合模型。

　　3.3.2 電網(wǎng)資源協(xié)同趨優(yōu)技術(shù)

　　面對(duì)能源互聯(lián)網(wǎng)源網(wǎng)荷儲(chǔ)多種資源協(xié)同難點(diǎn)，需要逐步深化感知、認(rèn)知到?jīng)Q策層面的智能，實(shí)現(xiàn)對(duì)設(shè)備、電網(wǎng)與用戶等資源的智能協(xié)調(diào)與發(fā)展，重點(diǎn)支撐技術(shù)包括：

　　(1) 計(jì)算機(jī)視覺(jué)理解感知。電力領(lǐng)域圖像中各部分存在邏輯關(guān)聯(lián)，針對(duì)二維圖像與視頻，通過(guò)聯(lián)合嵌入、注意機(jī)制、知識(shí)庫(kù)協(xié)同等方式關(guān)聯(lián)圖像與語(yǔ)義信息、聚焦高價(jià)值密度區(qū)域、推理分析圖像中視覺(jué)概念邏輯，實(shí)現(xiàn)視覺(jué)推理與智能理解。最終結(jié)合神經(jīng)反饋機(jī)制劃分圖像多層次關(guān)系，實(shí)現(xiàn)海量?jī)|級(jí)像素圖像的主動(dòng)視覺(jué)[27,28]。針對(duì)三維圖像，通過(guò)三維感知、位姿估計(jì)、三維重建、三維理解等獲取處理三維點(diǎn)云數(shù)據(jù)、構(gòu)建視覺(jué)同步定位和制圖(Simultaneous Localization and Mapping，SLAM)、進(jìn)行動(dòng)態(tài)三維重建以及三維物體的識(shí)別分割等[29]。

　　(2) 知識(shí)圖譜多模認(rèn)知推理。設(shè)計(jì)知識(shí)引導(dǎo)與數(shù)據(jù)驅(qū)動(dòng)相結(jié)合的算法，從數(shù)據(jù)、特征、算法等不同層級(jí)，挖掘物理信號(hào)、圖像、音頻、視頻、文本等多模態(tài)數(shù)據(jù)語(yǔ)義信息，從數(shù)據(jù)、特征、算法多層次進(jìn)行跨模態(tài)融合分析。研究邏輯推理、自主感知、類腦認(rèn)知等機(jī)制，構(gòu)建多模知識(shí)圖譜與圖計(jì)算應(yīng)用[30,31]，進(jìn)行多模認(rèn)知推理，實(shí)現(xiàn)數(shù)據(jù)抽象、深度理解、推理決策、動(dòng)機(jī)思考等類人的認(rèn)知能力。

　　(3)混合增強(qiáng)智能。針對(duì)傳統(tǒng)決策嚴(yán)重依賴人工經(jīng)驗(yàn)、效率低、可解釋性差等問(wèn)題，重點(diǎn)研究以人機(jī)知識(shí)構(gòu)建與推理、人工智能可解釋性機(jī)制、人機(jī)雙向?qū)W習(xí)與協(xié)同決策為核心的混合增強(qiáng)智能技術(shù)[32]，通過(guò)知識(shí)與數(shù)據(jù)協(xié)同驅(qū)動(dòng)的方式來(lái)增強(qiáng)調(diào)度決策對(duì)外部環(huán)境不確定性的適應(yīng)能力[33]，保證和提升電力人工智能應(yīng)用的可信性、魯棒性與安全性。

　　(4)群體智能。針對(duì)可再生能源比例不斷上升，優(yōu)化變量和約束增加，計(jì)算時(shí)間和收斂難度都會(huì)呈現(xiàn)顯著加大等問(wèn)題，重點(diǎn)研究以群體進(jìn)化機(jī)制與多智能體協(xié)同控制為核心的群體智能技術(shù)，該技術(shù)與傳統(tǒng)直控類發(fā)電機(jī)等調(diào)控對(duì)象可建模直接控制相比，適應(yīng)電網(wǎng)對(duì)源網(wǎng)荷儲(chǔ)泛在資源的控制不具有強(qiáng)制性、需要考慮泛在資源的多主體意愿等特性，在自主決策基礎(chǔ)上，引入群體智能引導(dǎo)趨優(yōu)更貼合實(shí)際需求[34-35]。

　　4 基于電力物聯(lián)網(wǎng)的電力業(yè)務(wù)場(chǎng)景智能應(yīng)用

　　電力物聯(lián)網(wǎng)智能應(yīng)用場(chǎng)景廣泛，然而目前電力設(shè)備存在信息多源、狀態(tài)評(píng)價(jià)困難、故障診斷率低等技術(shù)瓶頸[36];能源互聯(lián)網(wǎng)中源網(wǎng)荷儲(chǔ)要素多樣、源荷雙側(cè)不確定性突出，導(dǎo)致新能源消納能力不足[37];綜合能源由于多能互補(bǔ)潛力挖掘不夠充分，使得能源利用效率不高[38-39]等問(wèn)題。

　　本文將從設(shè)備、電網(wǎng)和用戶三方面選取典型應(yīng)用，進(jìn)行技術(shù)應(yīng)用架構(gòu)探討，并在電力物聯(lián)網(wǎng)海量數(shù)據(jù)采集的基礎(chǔ)上，以模型驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)相結(jié)合，利用大數(shù)據(jù)技術(shù)和人工智能技術(shù)充分挖掘數(shù)據(jù)內(nèi)在價(jià)值，有效提升電力系統(tǒng)運(yùn)行經(jīng)濟(jì)性和安全性。

　　4.1 電力設(shè)備故障智能感知與診斷

　　隨著電力系統(tǒng)中物聯(lián)傳感終端數(shù)量的不斷增加，電力設(shè)備傳感監(jiān)測(cè)數(shù)據(jù)呈現(xiàn)信號(hào)多源異構(gòu)、樣本質(zhì)量不均衡、故障樣本較少等特點(diǎn)，為全面刻畫(huà)設(shè)備運(yùn)行狀態(tài)，可通過(guò)多源數(shù)據(jù)協(xié)同感知與壓縮感知、多模態(tài)數(shù)據(jù)融合、知識(shí)圖譜認(rèn)知推理等技術(shù)，研發(fā)電力設(shè)備狀態(tài)評(píng)價(jià)、故障診斷預(yù)警與檢修輔助決策等智能應(yīng)用，確保電力系統(tǒng)安全可靠運(yùn)行。技術(shù)路線如圖 3 所示。

　　電力設(shè)備協(xié)同感知與壓縮感知重構(gòu)技術(shù)方面，針對(duì)多源監(jiān)測(cè)信號(hào)的差異性與互補(bǔ)性特點(diǎn)，研究聲光電化多模態(tài)傳感參量的融合技術(shù)。針對(duì)監(jiān)測(cè)精度要求高與傳感設(shè)備成本高的問(wèn)題，通過(guò)優(yōu)化傳感布局與采樣策略、建立稀疏字典與觀測(cè)矩陣，在保證數(shù)據(jù)采樣精度的同時(shí)減小傳感監(jiān)測(cè)數(shù)據(jù)存儲(chǔ)傳輸壓力。

　　電力設(shè)備多源異構(gòu)數(shù)據(jù)融合技術(shù)方面，針對(duì)設(shè)備傳感數(shù)據(jù)類型多、數(shù)據(jù)間關(guān)聯(lián)性弱等問(wèn)題，研究面向圖像、傳感監(jiān)測(cè)、文本等數(shù)據(jù)信息的特征抽取及語(yǔ)義轉(zhuǎn)換技術(shù)，提出不同類型數(shù)據(jù)間關(guān)聯(lián)性挖掘方法，實(shí)現(xiàn)各類監(jiān)測(cè)數(shù)據(jù)的融合分析。

　　電力設(shè)備知識(shí)圖譜與知識(shí)推理技術(shù)方面，針對(duì)電力設(shè)備文本語(yǔ)料數(shù)據(jù)，構(gòu)建電力語(yǔ)料基礎(chǔ)庫(kù)。通過(guò)實(shí)體關(guān)系抽取等技術(shù)，構(gòu)建電力設(shè)備知識(shí)圖譜。針對(duì)電力設(shè)備文本數(shù)據(jù)規(guī)模大、體系雜的特點(diǎn)，提出基于義項(xiàng)的詞和實(shí)體聯(lián)合表示學(xué)習(xí)模型，實(shí)現(xiàn)知識(shí)圖譜構(gòu)建與融合更新。進(jìn)而研究知識(shí)圖譜的知識(shí)檢索與路徑推理等技術(shù)，提出知識(shí)圖譜信息推薦與故障溯源技術(shù)，實(shí)現(xiàn)電力設(shè)備故障輔助決策與故障推理診斷。

　　電力設(shè)備的狀態(tài)評(píng)估與故障診斷方面，針對(duì)電網(wǎng)運(yùn)維檢修環(huán)節(jié)中產(chǎn)生的各種結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，根據(jù)樣本規(guī)模提出機(jī)器學(xué)習(xí)與專家經(jīng)驗(yàn)判斷結(jié)合與自適應(yīng)深度學(xué)習(xí)的設(shè)備故障診斷算法，實(shí)現(xiàn)適應(yīng)電力業(yè)務(wù)特性的設(shè)備故障智能診斷應(yīng)用。針對(duì)經(jīng)過(guò)進(jìn)一步壓縮感知及多源融合后的設(shè)備感知數(shù)據(jù)，研究集成智能評(píng)估與認(rèn)知推理技術(shù)，提出狀態(tài)評(píng)價(jià)、故障診斷、決策建議等模型，實(shí)現(xiàn)輸電、變電、配電、繼保設(shè)備狀態(tài)評(píng)估與故障診斷。

　　電力設(shè)備的數(shù)字孿生分析方面，針對(duì)電力設(shè)備動(dòng)態(tài)實(shí)時(shí)變化的物理實(shí)體，構(gòu)建與之空間范圍、時(shí)間尺度全面映射的虛擬數(shù)字模型，結(jié)合電力設(shè)備的多源監(jiān)測(cè)數(shù)據(jù)，使虛擬數(shù)字模型能全景模擬動(dòng)態(tài)變化的大規(guī)模電力設(shè)備、實(shí)時(shí)趨近電力設(shè)備實(shí)體的運(yùn)行狀態(tài)、預(yù)演及預(yù)判電力設(shè)備在突發(fā)情況下的異常狀態(tài)使設(shè)備智能運(yùn)維的展示交互、風(fēng)險(xiǎn)預(yù)測(cè)、輔助決策能力得到提升。

　　4.2 源網(wǎng)荷儲(chǔ)自主智能調(diào)控

　　地區(qū)電網(wǎng)源網(wǎng)荷儲(chǔ)面臨利益主體多樣、源荷雙側(cè)不確定性突出的難點(diǎn)，可通過(guò)強(qiáng)化學(xué)習(xí)、模型/ 數(shù)據(jù)交互驅(qū)動(dòng)、群體智能等方法，采用源網(wǎng)荷儲(chǔ)廣泛感知與預(yù)測(cè)、多元協(xié)同調(diào)度、分布式自主控制，提高分布式可再生能源利用率，實(shí)現(xiàn)源網(wǎng)荷儲(chǔ)泛在資源的自主智能調(diào)控。

　　如圖 4 所示，面向多利益主體、海量異構(gòu)群體、靈活廣泛接入，應(yīng)對(duì)可調(diào)資源的自主智能調(diào)控架構(gòu)進(jìn)行分析，基于模型/數(shù)據(jù)交互驅(qū)動(dòng)理論，研究面向海量異構(gòu)調(diào)控?cái)?shù)據(jù)的分層分布式深度學(xué)習(xí)方法，并且根據(jù)多主體多目標(biāo)調(diào)控需求，利用面向電網(wǎng)分布式自主控制的群體智能理論，研究分布式控制智能體的自趨優(yōu)和群智進(jìn)化策略。

　　優(yōu)化前的準(zhǔn)備方面，需要掌握源網(wǎng)荷儲(chǔ)運(yùn)行狀態(tài)的智能感知方法，包含量測(cè)設(shè)備的優(yōu)化配置方法、高冗余量測(cè)數(shù)據(jù)的降維方法。針對(duì)分布式電源和負(fù)荷的出力不確定性與波動(dòng)性，可通過(guò)考慮網(wǎng)絡(luò)和儲(chǔ)能動(dòng)態(tài)特性的源網(wǎng)荷儲(chǔ)概率預(yù)測(cè)方法和源網(wǎng)荷儲(chǔ)運(yùn)行場(chǎng)景集智能生成與約減方法，為調(diào)控策略研究提供基礎(chǔ)數(shù)據(jù)。

　　多元協(xié)同調(diào)度方面，可基于可行域降維投影的泛在異構(gòu)資源自主聚合的統(tǒng)一模型和數(shù)據(jù)模型驅(qū)動(dòng)的電網(wǎng)調(diào)度方法，通過(guò)海量數(shù)據(jù)的輸入和深度學(xué)習(xí)形成隱性知識(shí)，在大數(shù)據(jù)基礎(chǔ)上通過(guò)訓(xùn)練和擬合形成自動(dòng)化的電網(wǎng)調(diào)度決策模型，研究仿真模型/數(shù)據(jù)驅(qū)動(dòng)模型間的虛實(shí)交互方法，使仿真模型中的參數(shù)在與實(shí)際系統(tǒng)的互動(dòng)中不斷進(jìn)化，形成了面向源網(wǎng)荷儲(chǔ)調(diào)控的數(shù)字孿生體系，在物理實(shí)體提供的全面感知數(shù)據(jù)基礎(chǔ)上，在虛擬世界對(duì)抗博弈式生成系統(tǒng)運(yùn)行狀態(tài)與調(diào)控決策，并通過(guò)與仿真環(huán)境甚至物理環(huán)境的不斷交互，自主學(xué)習(xí)獲取最優(yōu)的策略，與傳統(tǒng)基于簡(jiǎn)化、假設(shè)方式所構(gòu)建的電網(wǎng)仿真決策模型相比，可增強(qiáng)能源互聯(lián)網(wǎng)的適應(yīng)性，可更好地提升源荷雙側(cè)的匹配度，促進(jìn)可再生能源消納。

　　此外，針對(duì)分布式廣泛資源節(jié)點(diǎn)數(shù)量多、信息交互復(fù)雜等問(wèn)題，可根據(jù)可控資源合理配置原則，結(jié)合自治區(qū)域動(dòng)態(tài)劃分方法，考慮廣泛資源的耦合特性和群體協(xié)同特性，研究面向多利益主體區(qū)域內(nèi)的泛在資源超前控制策略;針對(duì)多主體多目標(biāo)控制需求，制定多區(qū)域間合作-博弈策略與群體進(jìn)化機(jī)制，基于強(qiáng)化學(xué)習(xí)的泛在資源群智進(jìn)化模型與算法，通過(guò)控制目標(biāo)的閉環(huán)修正方法，實(shí)現(xiàn)多元資源的分布式自主控制。

　　4.3 綜合能源自治協(xié)同與多元服務(wù)

　　電力物聯(lián)網(wǎng)電/氣/熱多能復(fù)雜耦合與強(qiáng)隨機(jī)性帶來(lái)的運(yùn)行難題，可基于多能源感知數(shù)據(jù)，開(kāi)展多能流時(shí)空特性分析與運(yùn)行模式推演、多能流分布自治控制、綜合能源集群協(xié)同優(yōu)化及綜合能源定制化多元服務(wù)技術(shù)研究，提高綜合能源服務(wù)精準(zhǔn)匹配度與滿意度，具體技術(shù)路線圖 5 所示。

　　基于多能源海量物聯(lián)感知信息開(kāi)展多能流時(shí)空特性分析，對(duì)多能流網(wǎng)絡(luò)廣義電路模型的源荷自適應(yīng)集成建模，通過(guò)基于多能源荷多元互補(bǔ)特性的綜合能源系統(tǒng)動(dòng)態(tài)分區(qū)方法，基于用戶服務(wù)響應(yīng)特性提供了具備系統(tǒng)運(yùn)行模式推演能力的數(shù)字孿生體系基礎(chǔ)，在此基礎(chǔ)之上可進(jìn)一步擴(kuò)展能源協(xié)同優(yōu)化與多元服務(wù)等智能應(yīng)用，在用戶服務(wù)領(lǐng)域構(gòu)建數(shù)字孿生系統(tǒng)的優(yōu)勢(shì)在于可更加精準(zhǔn)直觀地展示當(dāng)前用戶側(cè)需求模型、綜合能源分布與利用等情況，有助于用戶高效獲取能源市場(chǎng)動(dòng)態(tài)資訊，積極主動(dòng)參與多元應(yīng)用服務(wù)。

　　通過(guò)采集的綜合能源系統(tǒng)環(huán)境狀態(tài)參數(shù)構(gòu)建環(huán)境狀態(tài)空間，以綜合能源系統(tǒng)可控制設(shè)備策略為動(dòng)作策略空間，根據(jù)系統(tǒng)局部?jī)?yōu)化目標(biāo)設(shè)計(jì)分層獎(jiǎng)勵(lì)措施，構(gòu)建層次深度強(qiáng)化學(xué)習(xí)開(kāi)展訓(xùn)練學(xué)習(xí)，建立綜合能源系統(tǒng)分布自治控制模型。然后基于演化博弈的集群協(xié)同優(yōu)化方法，結(jié)合綜合能源系統(tǒng)多主體行為模式，利用信息非對(duì)稱情況下的信息交互方法，探索非理性合作下多主體博弈機(jī)制及演化規(guī)律，根據(jù)分區(qū)特性并綜合考慮成本、能效等優(yōu)化目標(biāo)開(kāi)展集群協(xié)同優(yōu)化，實(shí)現(xiàn)綜合能源系統(tǒng)的多能互補(bǔ)與能效提升。

　　利用綜合能源系統(tǒng)多維場(chǎng)景劃分技術(shù)，以及數(shù)據(jù)挖掘分析的綜合能源用戶畫(huà)像和需求挖掘技術(shù)，實(shí)現(xiàn)針對(duì)政府、工業(yè)用戶等五類主體的定制化需求挖掘，通過(guò)研究綜合能源多元服務(wù)標(biāo)準(zhǔn)與定制化組件開(kāi)發(fā)，形成綜合能源系統(tǒng)多元服務(wù)模塊，提供多種多元服務(wù)。

　　5 結(jié)論與展望

　　本文主要分析了電力物聯(lián)網(wǎng)及其數(shù)字孿生系統(tǒng)所面臨的核心科學(xué)挑戰(zhàn)，并據(jù)此提出了一種面向能源互聯(lián)網(wǎng)的電力物聯(lián)網(wǎng)體系架構(gòu)，分析了架構(gòu)中各層級(jí)的關(guān)鍵組成技術(shù)與典型應(yīng)用方案，為后續(xù)電力物聯(lián)網(wǎng)建設(shè)提供了明確的研究方向。目前電力物聯(lián)網(wǎng)建設(shè)仍處于初級(jí)階段，正在向以下方向發(fā)展：

　　(1)全景感知方面：傳感器本體將向微型化、低功耗、多參量、網(wǎng)絡(luò)化方向發(fā)展，邊緣智能將向輕量級(jí)、嵌入式、軟件定義、自主芯片替代技術(shù)、工控級(jí)操作系統(tǒng)開(kāi)發(fā)、端邊云協(xié)同技術(shù)方向發(fā)展。

　　(2)高效傳輸方面：將向協(xié)議統(tǒng)一化、5G 大連接技術(shù)、空天地一體化、電力定制化發(fā)展，使電力系統(tǒng)具備網(wǎng)絡(luò)化、在線化、泛在化特征。

　　(3)融合平臺(tái)方面：將向泛物聯(lián)模型柔性定義、云邊端智能協(xié)同、多模態(tài)數(shù)據(jù)自融合、可信計(jì)算和動(dòng)態(tài)安全防護(hù)與追蹤技術(shù)等方向發(fā)展。

　　(4)智能應(yīng)用方面：將從淺層特征分析發(fā)展至深度邏輯分析，從環(huán)境感知發(fā)展至自主認(rèn)知與行為決策，從電力系統(tǒng)業(yè)務(wù)輔助決策發(fā)展至核心業(yè)務(wù)決策。具體來(lái)說(shuō)，在設(shè)備方向重點(diǎn)發(fā)展基于多模態(tài)信息與知識(shí)推理的電力設(shè)備狀態(tài)分析與運(yùn)維決策，在電網(wǎng)方向重點(diǎn)發(fā)展基于混合增強(qiáng)智能與群體智能的源網(wǎng)荷儲(chǔ)資源優(yōu)化協(xié)調(diào)，在用戶方向重點(diǎn)發(fā)展基于聯(lián)邦學(xué)習(xí)與大數(shù)據(jù)分析的用電特性分析與數(shù)據(jù)增值服務(wù)，最終實(shí)現(xiàn)機(jī)器助人、機(jī)器代人，直至機(jī)器超人。

　　未來(lái)，電力物聯(lián)網(wǎng)將有效提升系統(tǒng)可觀、可測(cè)、可控能力，加快電網(wǎng)信息采集、感知、處理、應(yīng)用等全環(huán)節(jié)數(shù)字化、智能化能力，成為連接全社會(huì)用戶、各環(huán)節(jié)設(shè)備的物聯(lián)體系，為打造數(shù)字孿生電網(wǎng)，推進(jìn)電網(wǎng)向能源互聯(lián)網(wǎng)升級(jí)提供關(guān)鍵技術(shù)支撐，助力構(gòu)建新型電力系統(tǒng)，推進(jìn)雙碳目標(biāo)的實(shí)現(xiàn)。