《数字孪生虚拟电厂系统框架设计及其实践展望》——阅读笔记_边缘计算视角下:虚拟电厂架构有哪些缺点呢

数字孪生的典型特征

1、互操作性：物理实体和数字空间双向 映射、动态交互和实时连接，因此物理-数字孪生系统能够量测获取实时数据更新数字模型，同 时通过控制接口将数字模型中校正计算后的控 制参数回传给实体控制器，实现对物理设备的精确控制。

2、可扩展性：数字孪生技术能够方便地集成、添加和替换数字模型，便于针对多时间尺度、多物理、多层级的模型进行规模扩展。

3、实时性：通过对随时间轴变化的物理实体进行数字化表征，形成物理实体实时状态的数字空间映射，其中被表征的对象包括物理实体的外观、状态、属性和内在机理等。

4、保真性：数字孪生要求数字孪生体和物理实体保持几何结构的高度相近，即数字孪生体同时在状态、相态和时态上仿真物理实体。

5、闭环性：数字孪生体通过可视化手段描述物理实体的内在机理，对物理实体的状态进行监视，通过智能算法等优化物理实体的状态及运行参数，并通过反馈决策功能实现闭环。

数字孪生关键技术

1、大数据分析：对感知、仿真过程中的多源异构海量数据进行大数据分析，充分挖掘有效信息。

2、云边协同计算：数字孪生计算和存储需求大，云端和边缘端协同工作，合理分配算力资源，以满足数字孪生计算需求。

3、人工智能算法：在无需专家参与下，对孪生数据进行深度知识挖掘，进行故障诊断、预测等。

4、区块链技术：确保孪生数据不可篡改、可追踪、可追溯。

数字孪生五维模型

五个维度：物理实体，数字孪生体，孪生数据，连接，智能应用。

1、物理实体

2、数字孪生体：分为物理模型、数据驱动模型、物理和数据联合驱动模型。当物理过程充分可观测、有固定的数学模型时则选择物理机理建模；当物理实体参数无法直接量测、物理机理模型求解困难或 DERs 物理机理不明确时，则通过对采集的数据进行整合提炼获得数据驱动模型；当两者单独建模无法满足准度与精度等要求时，则采纳联合建模方式，通过数据驱动模型作为误差补偿器对机理模型进行补偿修正，提高整体模型的精确度。

3、孪生数据：对海量多源数据的采集、存储与管理。包括物理实体数据、数字孪生体数据、智能实体应用数据、知识数据、多元数据融合产生的衍生数据。

4、连接：包括物理实体与数字孪生体之间的连接（数字孪生体利用物理实体的实时运行数据进行模型的校正更新；物理实体利用数字孪生体的分析结果进行优化运行），数字孪生体与智能应用之间的连接（通过软件接口完成双向通信，实现直接的指令传递与消息同步），各部分与孪生数据之间的连接（各部分将数据采集、存储和管理在孪生数据部分）。通过建立高可靠数据传输网，实现“由实入虚，由虚控实”的闭环管理系统。 

5、智能应用：对数字孪生中的各类数据、模型、算法、仿真结果进行封装，提供面向用户端的产品服务。

数字孪生“四层”

物理层、感知层、信息中枢层（智慧大脑）、决策应用层。

数字孪生常用工具

用于数字孪生仿真建模的Twin Builde（ANSYS），Simulink（MATLAB）

模型可视化平台：unity3D，WebGL/Canvas网页可视化，thingjs

区块链数字孪生：BigChainDB数据库技术

面向综合能源系统规划的数字孪生技术云平台：CloudIEPS