袁林松

（浙江浙能嘉興海上風力發(fā)電有限公司，浙江嘉興 314000）

數(shù)字孿生（Digital Twin）最早應(yīng)該追溯到NASA的John Vickers 結(jié)物理實體和其數(shù)字鏡像的命名。而其概念的來源，一般認為是由密西根大學Michael Grieves 教授針對產(chǎn)品全生命周期管理（PLM）提出的，當初叫鏡像空間模型（Mirrored Space Model，MSM），并不是叫Digital Twin。

工業(yè)仿真軟件巨頭對數(shù)字孿生的定義：“從高層次來說，它是創(chuàng)造物理對象的數(shù)字化表達形式；從根本上講，它是為真實世界的資產(chǎn)設(shè)備創(chuàng)建數(shù)字模型，并將實際的性能數(shù)據(jù)與企業(yè)所擁有的與該特定資產(chǎn)設(shè)備有關(guān)的整套數(shù)字信息充分結(jié)合?！?/p>

德國工業(yè)4.0提出后，作為一個新興技術(shù)，數(shù)字孿生逐漸進入到電力行業(yè)。數(shù)字孿生逐漸被行業(yè)以及學術(shù)界采納后，其定義較為多樣。數(shù)字孿生是充分利用傳感器更新、物理模型、運行歷史等數(shù)據(jù)，集成多維度的仿真過程，在虛擬空間中完成映射，來反映實體裝備的全生命周期過程。本質(zhì)來說，數(shù)字孿生是物理實體通過數(shù)字化形式進行模擬，從而呈現(xiàn)物理實體的運行，進而對物理實體分析的過程。數(shù)字孿生同時作為一種理論和一種工具能夠更好地分析物理實體。然而作為較為新興理論的數(shù)字孿生，并未有較為整體的結(jié)構(gòu)化框架，在運用過程中構(gòu)建并完善數(shù)字孿生框架也是研究目標之一。

由于海上風電場海域閃電、高鹽霧、高濕度等環(huán)境惡劣對設(shè)備影響較大，機組易出現(xiàn)故障，海上不確定因素多及有效作業(yè)窗口期短，運維人員安全出海作業(yè)安全風險大、運維效率低和現(xiàn)場安全管控困難，深化海上風電KKS 編碼精準定位，將海上設(shè)備、船舶與人員動態(tài)標識統(tǒng)一納入物聯(lián)網(wǎng)管理范疇，形成設(shè)備精準定位和人員作業(yè)移動定位標準化業(yè)務(wù)模型。

1 理論基礎(chǔ)及相關(guān)技術(shù)介紹

1.1 數(shù)字孿生的定義

隨著不斷變化發(fā)展，數(shù)字孿生技術(shù)的定義也在不斷變化。在GE 的定義中，數(shù)字孿生體側(cè)重軟件表達資產(chǎn)，其組成變?yōu)閿?shù)據(jù)、算法與知識，而不再是物理實體。在定義過程中數(shù)字孿生還存在很多差異，在理解方向上對數(shù)字孿生可能天差地別。綜合已有的定義，結(jié)合本文的目標，數(shù)字孿生定義如下：

數(shù)字孿生體是物理（設(shè)備KKS）實體的數(shù)字模型，通過傳感器數(shù)據(jù)感知、分析、預(yù)測實體對象狀態(tài)和仿真建模和數(shù)學模型優(yōu)化，提高決策效率。

1.2 數(shù)字孿生模型

根據(jù)現(xiàn)在的需要，傳統(tǒng)的數(shù)字三維無法完成數(shù)字孿生體的模型構(gòu)建，為促進數(shù)字孿生在海上風電安全生產(chǎn)中的應(yīng)用，提出了數(shù)字孿生五維模型（圖1）。不同于傳統(tǒng)制造業(yè)僅需要關(guān)注生產(chǎn)產(chǎn)品和要素，海上風電還需要對生產(chǎn)過程中的數(shù)據(jù)、信息、知識以及故障分析增加關(guān)注。

圖1 數(shù)字孿生五維模型

數(shù)字孿生五維模型，由虛擬實體、物理實體、孿生數(shù)據(jù)、服務(wù)系統(tǒng)和鏈接組成，虛擬模型和物理對像是一對對應(yīng)層面，由信息連接通道進行其中的交互，虛擬對象、物理對象以及相關(guān)的服務(wù)系統(tǒng)等產(chǎn)生的數(shù)據(jù)統(tǒng)稱為孿生數(shù)據(jù)。通過分析計算孿生數(shù)據(jù)，可以得到有價值的信息反過來驅(qū)動多個對象的運行。相互作用是整個數(shù)字孿生模型特征，也可以相互促進其中的決策優(yōu)化。

數(shù)字孿生體建立模型是要全面考慮模型的多方面信息，搭設(shè)物理端與虛擬端之間的橋梁，使孿生體全面反映物理實體的信息，進一步實現(xiàn)孿生體解除物理限制，從而使物理實體信息能夠預(yù)測。

1.3 設(shè)備標識KKS

KKS 編碼是用數(shù)字或字符，按照一定的規(guī)則，通過科學合理的排列、組合，來全面描述（標識）風電場各類系統(tǒng)、設(shè)備、元件、建（構(gòu)）筑物的特征，從而構(gòu)成了描述風電場狀況的基礎(chǔ)數(shù)據(jù)集，以便于對風電場進行管理。其對象要素關(guān)系：對象的功能屬性、名稱屬性和占位屬性三要素相互之間沒有自然相關(guān)性，可通過標識編碼將對象的三屬性關(guān)聯(lián)在一起。

1.4 深度學習

隨著計算機運算能力的逐年提高，機器學習以及深度學習有了顯著發(fā)展，以及卷積神經(jīng)網(wǎng)絡(luò)等算法的應(yīng)用和推廣，如今已經(jīng)可以通過計算機完成以往無法完成的運算，對機器的自學習進步發(fā)展起了正向推動作用，深度學習方法也類似。作為機器學習的一個新方向，深度學習在計算機視覺和語音識別等領(lǐng)域得到較好應(yīng)用，其中研究人員不斷優(yōu)化、整合較為優(yōu)秀的神經(jīng)網(wǎng)絡(luò)如 Alexnet、RNN 等，以此構(gòu)建了 Caffe、Pytorch、Tensorflow 等框架，降低了深度學習的應(yīng)用門檻。

深度學習、強化學習等新興機器學習技術(shù)的發(fā)展為構(gòu)建面向?qū)嶓w的復(fù)雜數(shù)字孿生體提供了基礎(chǔ)支撐。

數(shù)字孿生技術(shù)、深度學習理論以及遷移學習理論為構(gòu)建海上風電數(shù)字孿生模型分析運行誤操作和設(shè)備故障提供理論基礎(chǔ)。

2 數(shù)字孿生模型構(gòu)建與數(shù)據(jù)分析、設(shè)計

2.1 數(shù)字孿生業(yè)務(wù)模型

構(gòu)建海上風電運維作業(yè)孿生數(shù)據(jù)模型，讓模擬數(shù)據(jù)環(huán)境與生產(chǎn)環(huán)境通過設(shè)備KKS 碼進行關(guān)聯(lián)，通過數(shù)字孿生模型算法，提升海上操作層巡點檢、兩票執(zhí)行與承包商作業(yè)層檢修維護等物聯(lián)網(wǎng)安全生產(chǎn)管控智能化水平，如海上運維船與人員實時定位，運維巡檢、檢修作業(yè)定位與設(shè)備位置的對應(yīng)關(guān)系，解決海上風電智能安全報警、作業(yè)時設(shè)備周邊環(huán)境安全提醒和危險行為預(yù)警數(shù)字孿生體系是該項研究的重點目標。

運行操作模型主要通過采集設(shè)備KKS 編碼，對運行狀態(tài)信息進行特征提取，建立電氣倒閘操作步驟的孿生數(shù)據(jù)邏輯關(guān)系，避免操作順序錯誤造成的電氣事故。故障診斷主要依托設(shè)備缺陷管理積累的故障知識庫，分析設(shè)備的健康情況，預(yù)測設(shè)備部件的受損情況，進而有針對性地進行檢查、維修，保證設(shè)備高效運行與維修。設(shè)計運維標準化業(yè)務(wù)孿生場景：設(shè)備缺陷位置和時間由KKS 定位感知獲??；巡檢到位（自動監(jiān)測KKS 位置碼）時推出檢查項；電氣操作遠方智能監(jiān)護（操作順序錯誤或誤入間隔報警）；工作票執(zhí)行與KKS 位置碼不匹配，觸發(fā)越界報警。

感知設(shè)備（KKS 工藝碼）運行與人員作業(yè)（KKS位置碼）“脈搏”數(shù)據(jù)，反映實時狀態(tài)軌跡。（如圖2精準巡點檢感知）通過“業(yè)務(wù)場景+數(shù)字孿生”融合技術(shù)，最大限度地消除海上運維船及作業(yè)人員的安全隱患。

圖2 精準巡點檢感知

在海上風電場基礎(chǔ)管理、基礎(chǔ)設(shè)施、標準體系上重點突破，健全KKS 編碼安裝位置標識，研究海上定位系統(tǒng)作業(yè)，構(gòu)建物聯(lián)網(wǎng)智能數(shù)字孿生管控系統(tǒng)。

反映實時運行狀態(tài)軌跡，通過“感知”真實物理場區(qū)，建立場區(qū)和數(shù)字孿生區(qū)之間的精準映射。實現(xiàn)智能干預(yù)，進而為海上智能作業(yè)大腦提供海量運行數(shù)據(jù)，使得海上作業(yè)具備自我學習、智慧生長能力。

隨著未來海上風電AR/VR 技術(shù)體系逐步完善，將推動風電+AR/VR 孿生應(yīng)用系統(tǒng)的快速發(fā)展。主要包括產(chǎn)品設(shè)計、運維巡檢、遠程協(xié)作、操作培訓和數(shù)字孿生等方面。

2.2 數(shù)據(jù)分析

運用“事件網(wǎng)絡(luò)”技術(shù)，通過KKS 位置碼可以將海上風電運行巡檢、故障診斷的各種屬性映射到虛擬空間中，形成可修改、拆解、重復(fù)操作的數(shù)字鏡像，使標準作業(yè)流程透明化，并結(jié)合在巡點檢工作、管理操作流程、工作票執(zhí)行等方面的數(shù)據(jù)，構(gòu)建起完整的海上風電場數(shù)字孿生體，實現(xiàn)在運行參數(shù)、設(shè)備運行操作、巡點檢和管理作業(yè)流程上的協(xié)同關(guān)系。通過計算獲得作業(yè)任務(wù)模型優(yōu)化的策略，使操作執(zhí)行層得到反饋指令。從而能夠快速構(gòu)建以生產(chǎn)模型為基礎(chǔ)的行業(yè)知識圖譜，通過智能調(diào)閱參考歷史數(shù)據(jù)，快速完成業(yè)務(wù)仿真模擬，極大降低了運算量，提升了分析效率，節(jié)省投入硬件設(shè)備。

2.3 算法詳細設(shè)計

（1）作業(yè)區(qū)域電子圍欄

運用設(shè)備KKS 位置碼的方法選擇判斷點是否在電子圍欄內(nèi)/外，用數(shù)學來描述就是判斷一個點是在多邊形內(nèi)/外部，比較常見的判斷點與多邊形關(guān)系的算法有射線法、點線判斷法、夾角和法等。

（2）構(gòu)建計算型物聯(lián)網(wǎng)邊平臺

搭建海上風電場、風機塔筒內(nèi)、海上升壓站、陸上計量站以及海面航行區(qū)重點部位、危險點等工作區(qū)域模型。在船舶上部署物聯(lián)網(wǎng)邊緣計算網(wǎng)關(guān)、UWB人員定位基站、機器視覺基礎(chǔ)設(shè)施，實現(xiàn)典型高風險作業(yè)關(guān)鍵要素聯(lián)動風險感知與管控。

（3）構(gòu)建“WIFI+數(shù)字孿生底座”

基于海上風電場無線網(wǎng)絡(luò)技術(shù)，結(jié)合NB-IoT 等物聯(lián)網(wǎng)、WIFI SA+MEC 組網(wǎng)方式，以數(shù)據(jù)環(huán)境建設(shè)、地理場景搭建、組織架構(gòu)、業(yè)務(wù)場景、大數(shù)據(jù)為支撐。支持用戶自行開發(fā)邊緣算法，將算法遠程download到網(wǎng)關(guān)并運行。

3 結(jié)論

3.1 總結(jié)

海上風電場KKS 編碼精準定位與數(shù)字孿生基礎(chǔ)研究體現(xiàn)“專業(yè)基礎(chǔ)+物聯(lián)網(wǎng)技術(shù)”“生產(chǎn)管控+ERP”“KKS 精準應(yīng)用+生產(chǎn)應(yīng)用場景”相融合設(shè)計，目前在國內(nèi)發(fā)電集團中屬于首創(chuàng)，該課題的研究與開發(fā)將會促進大規(guī)模海上風電數(shù)字化轉(zhuǎn)型的落地。

“數(shù)據(jù)”以海上風電設(shè)備KKS 精準設(shè)計為基礎(chǔ)，將電氣倒閘操作、巡點檢關(guān)鍵步驟和檢查點與KKS關(guān)聯(lián)；

“模型算法”采用物聯(lián)網(wǎng)精準定位系統(tǒng)與海上作業(yè)應(yīng)用場景設(shè)計結(jié)合，獲取作業(yè)人員實時位置、感知現(xiàn)場設(shè)備信息、判斷檢修作業(yè)人員誤入未授權(quán)區(qū)，實現(xiàn)智能“干預(yù)”；

“算力”依托物聯(lián)網(wǎng)數(shù)據(jù)采集、深度學習、遷移學習的知識庫數(shù)據(jù)，重在高風險作業(yè)關(guān)鍵要素、風險感知邏輯及算法等方面進行運算處理。

3.2 展望

本課題研究將在海上風電場基礎(chǔ)管理、基礎(chǔ)設(shè)施、標準體系上重點突破，健全KKS 編碼安裝位置標識，發(fā)揮海上定位系統(tǒng)作業(yè)，構(gòu)建物聯(lián)網(wǎng)智能安全管控系統(tǒng)。

通過海上風電場物聯(lián)網(wǎng)邊平臺數(shù)據(jù)采集，數(shù)據(jù)孿生、深度學習，不斷訓練，得出作業(yè)風險高準確率AI 模型，最大限度地消除海上船舶及作業(yè)人員的安全隱患，實現(xiàn)高風險作業(yè)智能化本質(zhì)安全管理從0到1的變化。