为了改善发电厂的运行状况，电厂的领导层正越来越依赖集成在高级分析中的数字孪生（Digital Twin）；在它的帮助下，领导层可以预测电厂的性能、老化模式、异常状况和未来行为。
在发电厂中，仅仅依靠单点解决方案并不足以实现优化运行、减少计划外停机，以及根据不断变化的市场状况（例如燃料成本和天气情况）调整发电量。为了弥补这一差距，电厂的领导层正越来越依赖集成在高级业务分析应用中的「数字孪生」。在本文中，我们将讨论数字孪生如何影响电厂的运行，以及电厂领导层需要做出哪些关键决策。
发电厂的数字孪生
在数字化的发电厂中，数字孪生将基于物理的方法和高级分析功能结合起来，力图准确地复刻电厂资产的当前状态，并且可以借助这种组合方法预测电厂的老化模式、异常状况和未来行为。
对于现有的电厂设施，将某个资产的数字孪生和数据库中的上千个资产进行比较，便可推断出它在设计上需要满足的限制。在处于试运行阶段的新电厂中，数字孪生有助于指导新的发电机组要遵循的设计限制。
每个数字孪生都代表它所对应物理资产的各个必要方面。操作人员借助它，可以模拟的不仅有资产在热、机械、电气、化学、流体动力学、材料、寿命、经济和统计等方面的特性，还有资产的运行参数变化，如燃料混合度、环境温度、空气质量、湿度、负荷、天气预测模型和市场定价。
借助物联网传感器数据，数字孪生可以用来预测电厂的性能、可靠性，以及电厂设备随着运转时间增加而产生的损耗，也可以用于评估不同的方案并了解其中的取舍，从而有助于提高电厂效率。
在电厂持续运行的过程中，数字孪生能够逐步提高自己对电厂状态进行建模和跟踪的能力。电厂操作员可以借助这种动态场景建模以及针对业务目标来测试假设场景的能力，直观、清晰地了解所需信息，并进一步围绕性能与资产寿命做出明智的决策，此外还可以优化电厂的瞬时和瞬态控制，以期提高效率或性能水平，还能准确地计划负荷、设备阵容和维护窗口时间段。
通过给定的数字孪生，电力调度员可以全面、清晰地了解一定时间范围内的资产运行情况。这样一来，调度员就可以通过计算来可靠地调度电力，无需担心导致不可预见的维修或浪费燃料。
使能技术
用于电厂设施的数字孪生涉及以下几项先进的使能技术：
● 基于物理的模型
基于物理的深度模型可以模仿发电设备在流量、热、燃烧和机械方面的特性。
● 人工智能
各种人工智能（AI）算法，如模式识别、学习模型、非结构化数据分析、多模式数据分析和知识网络等，都可以让我们对操作环境有更深入的了解。
● 传感技术
正是因为面向恶劣、严苛环境的小尺寸低功耗传感器取得了长足进步，才有了工业数字孪生所采用的「大数据」。这些传感技术包括印刷传感器、检查技术、大气/天气数据以及工厂组成部分等。
数字孪生的工作方式
数字孪生可将特定工业资产提炼为复杂的模型或模型系统，从而深入地了解该资产。任何一个数字孪生都离不开大量的设计、制造、检查、维修、联机传感器和运行数据。借助一系列基于物理计算的模型和高级分析，每个数字孪生都可以预测其特定资产在其寿命期内的运行状况和性能。
在大多数工业用例中，数字孪生运行在基于云的工业平台上，该类平台适用于吸收和管理大量机器传感器数据。这些平台将执行数字孪生以及它们针对电厂组成部分的集成分析模型。该过程使用客户定义的关键性能指标（KPI）和业务目标来启动对资产的健康状况、损耗和绩效的度量。
该类平台还可以集成业务应用程序和业务规则引擎，使电厂的主管、经理和工人能够与数字孪生实时交互。
从功能的角度而言，数字孪生可以执行一些独立的角色，包括：
● 寿命
评估电厂中每种资产相对于其运行状况和环境暴露的老化程度，专门用于在每种资产的维护工作与任务可靠性之间进行优化。
● 异常
借助基于物理和数据的预测模型，可以检测异常并预测故障。与寿命模型相融合后，异常模型可以得出更准确的机器寿命曲线，还可以定制相应的维护需求。
● 热效率
对各项参数进行模拟时，可以影响热效率、电厂容量和排放量。
● 瞬态
通过模拟电厂对环境变化或控制变化做出反应的能力，可以深入了解有关速度、稳定性、排放和压力的信息。如果电厂的配置和操作方面发生变化，该模拟还可以预测其所带来的限制。
数字孪生在发电厂中的应用领域
通过数字孪生与物联网传感器数据，电厂经理便能够预测电厂的性能、评估不同的场景、优化和平衡各种权衡因素，并提高电厂的效率和可靠性。
● 监控电厂性能
应用数字孪生后，发电厂能够使用集中式监控和诊断基础设施来远程计算日常运行期间的电厂性能。与运行优化应用集成后，数字孪生可以帮助电厂和维护经理实时监控燃气轮机、热回收蒸汽发生器（HRSG）、蒸汽轮机、冷凝器等设备的热特性，辨识出组件存在的问题，并迅速采取纠正措施。
● 改善电厂性能
通过将当地的气象站信息整合到数字孪生中，车队运营商在任何一天都可以确定热效率最高、产出最高的站点或发电资产。此外，对每个站点自动执行资产性能预测后，电厂经理可以对可变峰值点火进行建模，以满足局部用电需求，并相应地安排资产。
● 系统可靠性
采用异常检测模型，不仅可以尽快发出预警，还有助于越来越清晰地深入到故障根本原因。电厂经理可以在这些模型的帮助下，将计划外停机转变为计划内停机，并且采取适当的备份措施，以免对客户造成影响。在极为不利的情况下，电厂经理也有望在尽可能短的时间内做出响应并采取恢复措施。
数字孪生结合了异常检测技术、资产深入了解和寿命模型，有助于尽可能延长资产和组件的寿命，并且使电厂管理人员可以协调整个系统中的停机事件，同时优化企业活动。最终，数字孪生将会改善资本管理决策，提高资产运行的准确性，在总体上减少电厂系统设备所需的维修工作。
本文作者：Sravani Bhattacharjee
在本实践案例中，部分详细信息着重阐述了通用电气公司〔GE〕的实践成果；有关内容在题为《GE Digital Twin: Analytic Engine for the Digital Power Plant》〔GE数字孪生：数字电厂的分析引擎〕的报告中做了总结。
