数字孪生|解读之二：数字孪生有哪些关键技术？

数字孪生的技术架构

图1是数字孪生的技术架构，包含五层，自下而上为感知、数据、建模、可视化和应用。另外，还需要平台软件，机理分析的支撑。建立数字孪生，数据是基础，模型是核心，软件或平台是载体。

图1 数字孪生的技术架构

数字孪生的关键技术

数字孪生技术架构中各层技术简单介绍如下：

（1）感知

为了实时感知物理实体及其运行环境，需要传感技术、监测技术的支撑。例如，为了建立面向风电、光伏出力预测和故障诊断的数字孪生，需要获得电站周边气象数据以及设备温度、声音、振动等数据，为此，需要可获取声振信号、温度、湿度数据的传感设备，当然，也需要来自SCADA系统的电气数据。电力系统的智能电表、SCADA、PMU等也应看作是传感设备，通过智能电表，可以感知用户的用电特性，通过PMU，可以感知到系统受到的扰动。

（2）数据

通过监测和传感获得的数据，需要利用先进的通信技术传输到数据平台或数据库中进行存储、处理和建模。如果数据量大，实时性要求高，需要大容量、高速通信技术，根据需要，也可以采取边缘计算模式存储处理数据。为节省信道和存储空间，需要应用数据压缩技术；为实现多源异构数据的融合、时空数据融合，需要应用数据融合技术；为提高数据处理和建模速度、满足数据孪生的实时性要求，需要采用分布式存储和处理技术、流计算、内存计算等技术。

（3）建模

建模方法包括机理建模方法和数据驱动建模方法。前者根据研究对象的机理特性建立数学公式，并赋予参数，然后应用数值计算方法或解析方法进行计算，一般适合于机理清楚的物理系统；后者是指采用统计学、机器学习方法建立模型，适合于机理不明确或只存在关联关系的研究对象。机理建模时由于存在不可避免的假设和简化，有时会带来不容忽视的误差，这种情况下，如果数据足够，也适合采用数据驱动建模方法。另外，采用数据驱动方法时，为了解决小样本、样本不均衡、弱特征以及不可解释性等问题，将机理建模方法和数据驱动方法相结合，具有一定优势。

数字孪生的模型需要随物理实体同步更新、演化，如图2所示。

图2 数字孪生随物理实体的更新逻辑

（4）可视化

数字孪生需要很直观的可视化效果，三维展示、地理信息系统（GIS）、AR/VR等都是很重要的可视化技术。例如，在地理信息图上，直观展示电网脆弱性分析结果，其中，蓝色区域最为脆弱，一点攻击可影响到10%电网，紫色、橘色和红色区域要造成同样严重后果，需要更多的攻击，见图3；又如，风机的数字孪生，在地理位置上标注了风机的身份信息，点击各个部位，均能更直观地看到各个部位的状况，见图4。

图3 电网薄弱环节在GIS的展示（来自网络）

图4 风机三维图（来自网络）

（5）应用

数字孪生应用的领域很多，智慧城市、精准医疗、智能制造、智慧能源是最重要的应用领域。

小结：

数字孪生是一项综合性技术，数据是基础，模型是核心，平台或软件是载体。所以获取数据的传感技术、监测技术以及数据的传输技术、存储技术、融合技术、处理技术，都是数字孪生的基础性技术；各种建模技术以及支撑建模的平台和软件、三维展示和AR/VR技术也是数字孪生的关键技术。

图文：中国电力科学研究院人工智能应用研究所 张东霞