能源数字孪生如何发挥真正价值

随着全球能源行业顺应数字化时代不断发展，我国能源体制改革不断深入推进，建立智慧能源系统已成为行业共识。无论是国家能源局发布的《关于加快推进能源数字化智能化发展的若干意见》，还是各能源集团的数字化转型方针，无不指向一个耳熟能详的新技术：数字孪生。

然而，回顾近年来数字孪生技术在能源领域的发展情况和应用方式，尽管数字孪生技术正在数据底板、机理建模、模型融合、可视渲染等方面不断进行单点突破，但在落地应用的过程中，仍然存在两大问题：

一是产业融合性差。能源行业具有较强的业务、技术与知识壁垒，存在大多数数字孪生技术服务商不懂行业业务，而了解系统、流程和挑战的业内人士不了解新兴技术的细节，亟需产业整合者的出现。

二是总体呈点状探索状态。当前有关数字孪生技术在能源行业的应用，大都是基于原有的技术进行再组合，本质上还是仿真模型的三维可视，而非形成一套可复制的能源数字孪生体系布局，并基于价值和目标导向去提出新的产品应用形态。

因此，数字孪生时常被当作可视化厂商的噱头，被定义为“好看点的仿真”，沦为价值含量低微的“面子工程”。

数字孪生是否具备真正的价值？

从概念上看，数字孪生指通过集成描述实体的全面、多样、精准的数字模型，并且保持与实体长时间、实时、双向的连接，以感知、诊断、模拟、预测、优化、反控等功能，取代传统需要大量实体与人力成本、依赖专家经验、前往生产现场才能完成的工作。

从这个定义上看，数字孪生的终极价值实际上可以理解为革新传统人力主导的业务模式，走向数字智能主导的新型无人化模式。

过去信息化技术发展，已极大促进人效提升，但始终是作为一个辅助工具，帮助人们存储和计算原有生产业务、进行工业控制。

现在要想把人完全从中解放出来，首先，自然是要让计算机能自己获取实体的状态，而非靠人手动输入；计算机输出的决策能直接执行到实体上，而非再由人去实际完成指令。也就是说，计算机需要能与实体建立双向的联系。

同时，计算机获取的实体状态信息、自主执行的过程必须非常全面且精准，尤其是对高准确性要求的能源工业场景。

可见，无人化转型的过程中，不可缺少的是一个能通过双向连接，精准映射实体和执行调控指令的计算技术。现在，人们把符合此类价值愿景的技术范式，叫做数字孪生。

但技术的终极价值不能一蹴而就，往往需要伴随成熟度的提升才能逐步体现。北京航空航天大学技术研究团队陶飞教授等提出的成熟度模型就很好地揭示了这一点。该团队针对数字孪生范畴和发展阶段进行系统性描述和评价，提出数字孪生六大成熟度等级：

数字孪生成熟度等级

L0以虚仿实指利用数字孪生模型对物理实体描述和刻画，从而在一定程度上代替物理实体进行仿真分析或实验验证，但数字孪生模型与物理实体之间无法通过直接的数据交换实现实时交互。

L1以虚映实指利用数字孪生模型实时复现物理实体的实时状态和变化过程，从而在一定程度上突破时间、空间和环境约束对于物理实体监测过程的限制，但对于物理实体的操作和管控依旧依赖现场人员的直接介入。

L2以虚控实指利用数字孪生模型间接控制物理实体的运行过程，从而赋予物理实体远程可视化操控的能力，进一步突破空间和环境约束对于物理实体操控的限制，但对未来突发或偶发问题缺乏掌控能力。

L3以虚预实指利用数字孪生模型预测物理实体未来一段时间的运行过程和状态，从而在一定程度上将未知转化为预知，将突发和偶发问题转变为常规问题，但未能构建起完善的自主运行闭环能力。

L4以虚优实指利用数字孪生模型对物理实体进行优化，从而基于实时交互机制实现对物理实体的智能管控，但虚实之间未能进行稳定自主的动态重构。

L5虚实共生作为数字孪生的理想目标，指物理实体和数字孪生模型在长时间的同步运行过程中，甚至是在全生命周期中通过动态重构实现自主孪生。

数字孪生成熟度模型取得业内的广泛认可。许多业主通过近几年的交流与探索，也能更深入的理解数字孪生不同阶段的价值内涵。但该模型更多的是从技术难度的角度去描述，存在与实际发展不相符的情况，因此一到具体落地时，依然缺乏清晰的发展路径。

例如以虚控实的技术难度虽然相对不高，但实际落地考虑能源安全性因素，往往不能在早期全部交由数字孪生系统进行控制。

又如以虚预实的技术难度虽然相对较高，但在过去能源信息化与模型技术发展过程中，已经构建了大量的预测模型，只是面临预测精度难以突破的问题。

再如从预实到优实，虽然仅仅一阶之隔，由于上述问题，必然会长时间存在一个基于数字孪生系统辅助甚至替代人工进行优化决策、但仍由人进行最终执行的的阶段。

因此在分阶段落地应用时，业主和数字化厂商可贴合实际情况适当变动，如缩小以虚控实的能力范围，提前引入半自动动态重构技术以提升各类模型精度，增加预实到优实的过度阶段等，大体上遵循“以虚仿实、以虚映实、以虚控实、以虚预实、以虚辅实、以虚优实、虚实共生”的路径。

能源工业数字孪生成熟度等级

零级(L0) 以虚仿实

该阶段可通过建设基础三维模型与仿真模型，结合离线数据，实现对物理实体的某一方面或多方面属性和特征的描述，作为反映真实运行情况的样机或模型。

例如，在进行水利工程建设规划的过程中，需要对工程所在的流域或地区中的地位、作用，以及主要工程的有关参数等都进行规划研究，充分考虑河道、生物多样性、水环境等各项影响因素，针对某一具体问题进行机理建模、数据建模，支撑工程建设。

水利工程建设

一级(L1): 以虚映实

该阶段可进一步基于BIM、GIS、CAD、卫星影像、点云、视频影像等数据源，耦合机理、数据、混合感知与诊断模型，接入实时感知数据，并开始构建实时仿真、动态重构、多模型耦合等孪生模型特性，形成数字孪生场景，实现物理实体的实时状态和变化过程单向映射，增强业务人员对于生产现场的感知能力及效率。

例如，可对水轮机组各部位轴承的运行温度、振动、摆度等运行数据进行实时映射，以助于一体监控。还可进一步将无法直接测量的信息，如健康度，基于孪生健康度诊断模型构建，通过监测水轮机的声纹、振动、轴温等数据，得到其健康度分布，以及对应的问题诊断信息。

水轮机状态监控及健康度诊断

二级(L2): 以虚控实

该阶段可进一步在安全管控的允许范围内对部分物理实体进行反向控制，实现空间和环境约束对于物理实体操控限制的突破。

例如，通过传感器监测海上风电机组的风机叶片速度，并根据设定的控制规则，在风力超过风电机组的安全承受范围时，及时顺桨，实现对设备的及时反控，从而避免飞车事故的发生。

海上风电发电机组的紧急顺桨控制

三级(L3)：以虚预实

该阶段可进一步融合孪生预测模型，关联各孪生对象的属性、行为、规则模型，实现对物理实体未来运行结果的预测或对运行过程的预演，提前发现实际运行过程中可能出现的问题。从该阶段开始，数字孪生也脱离传统三维可视化管控的范围。

例如，在大型水资源配置工程中，由于输水线路较长、输水量大，且水泵机组及其配套电气设备的相互联锁控制复杂，需采用分段充水和排水的方式以满足工程要求。

在调水工程数字孪生场景，可依据充水启动机理模型、调度规则模型等，对充水过程进行多方案的预演；还可通过水泵、输水管、电动机、高位水池等孪生体，根据各自的行为规则自主推演，模拟预测管道压力变化过程及极值、闸阀的启闭状态、水体填充过程等关键运行工况，以检验未来调水过程中系统运行可靠性。

水泵启动方案预演

四级(L4)：以虚辅实

该阶段可进一步结合预测结果，构建孪生决策模型进行计算验证，输出决策辅助建议，实现物理实体的辅助优化。

例如，可根据流域的水况、气象等预报信息、洪水周期内的监测数据，及时进行洪水预警，在高保真水电站数字孪生场景中，预演洪水发生过程中的上下游水位变化过程、水闸开度变化过程、流量变化过程、水流流动过程、下游洪水淹没范围等，输出调度预案，并对比调度影响和效果，通过智能化决策最优调度建议，实现流域洪水调度的“虚拟模拟先行，决策调度在后”。

流域电站防洪“四预”

五级(L5)：以虚优实

该阶段可进一步不断提升数据质量、模型复杂度、参数准确度、动态重构能力等，实现高精度决策模型的自我迭代优化，输出具有时效性、准确性的智能决策和优化方案，并基于实时交互机制实现对物理实体的智能管控。

例如在天然气计量站智能检定中，通过数字孪生体中实时获取当前现场状态数据，将运行工况输入到基于六层神经网络训练的智能控制器，经过精确计算后输出检定策略，并在数字孪生体中进行模拟运行，优化反馈策略到最优解后下发控制指令至生产现场，并重新采集现场实时数据，以动态修正智能控制模型、提升控制精度，实现完整的闭环优化过程

天然气计量站一键智能检定

六级(L6)：虚实共生

该阶段可进一步通过更多成熟数字孪生标杆与解决方案的构建，覆盖更多业务范围，通过产业聚集与放大效应，真正实现物理实体和数字孪生模型的自主构建或动态重构，使两者在长时间的运行过程中保持高动态一致性，从而保证包括更多功能服务的有效性。

现在，我们可以回过头回答开篇提出的问题：数字孪生是否具备真正的价值？

从以上的逐步落地应用阶段不难看出：具备，并且可规划明确的实现路径。随着基础算力的持续提升，各类预测优化模型的蓬勃发展，数字孪生必将成为能源高质量发展的强大数字底座，发挥越来越多的重要价值。

基于这种价值观，我们也可通过一条简单的法则，鉴别一个系统是数字孪生，还是传统信息化、可视化技术，那就是是否改变业务流程。

信息化通过存储和计算让流程提效，三维可视化辅助管理者快速把握宏观态势，二者用完、看完，都没有真正的改变原有业务流程。但数字孪生体可以通过对实体的映、控、预、辅、优，改变原来惯有的业务流程，最终通过数字孪生体全面革新传统工业控制模式。

展望未来，要形成基础扎实、稳定成熟的数字孪生体系，仍然还有很长的路要走。但可以肯定的是，数字孪生的应用不应该停留在简单的三维可视化，而应该明确方向，聚焦能源企业自身的场景，发挥其实时模拟、精准预测、自主优化等更深层的应用价值，直至完全解放人力。

| 参考资料：陶飞, 张辰源, 戚庆林, 张贺. 数字孪生成熟度模型[J]. 计算机集成制造系统, 2022, 28(5): 1267-1281