羅兵 ，王婷婷 ，石鑫 ，房方 ，朱永利

（1.南方電網(wǎng)科學(xué)研究院， 廣州 510663；2.特高壓工程技術(shù)（昆明、廣州）國(guó)家工程實(shí)驗(yàn)室， 廣州 510663；3.華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院， 北京 102206；4.華北電力大學(xué)新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 河北 保定 071003）

0 引言

電力變壓器作為電力系統(tǒng)的重要樞紐設(shè)備，其運(yùn)行狀況直接關(guān)系到整個(gè)系統(tǒng)的運(yùn)行安全，一旦發(fā)生故障極易導(dǎo)致局部甚至整個(gè)系統(tǒng)癱瘓，嚴(yán)重影響日常生活生產(chǎn)供電從而造成巨大損失［1］。隨著傳感、通信、計(jì)算控制等新一代技術(shù)的迅速發(fā)展，電力變壓器集成化和智能化程度得以大幅提升，伴隨其復(fù)雜性隨之大大增加，導(dǎo)致設(shè)備故障發(fā)生及功能失效概率增加。傳統(tǒng)定期維修方式雖然一定程度上降低了故障發(fā)生的概率，但在應(yīng)對(duì)設(shè)備運(yùn)行過程中快速變化的新情況時(shí)顯得不足；相比之下，視情維修和預(yù)測(cè)維修通過精準(zhǔn)的狀態(tài)監(jiān)測(cè)、故障診斷、故障預(yù)測(cè)等技術(shù)將設(shè)備故障消滅在萌芽狀態(tài)，成為未來變壓器運(yùn)維保障的發(fā)展方向。因此，開展電力變壓器故障預(yù)測(cè)和健康管理技術(shù)研究，對(duì)于實(shí)現(xiàn)設(shè)備從傳統(tǒng)的定期維修轉(zhuǎn)向預(yù)測(cè)維修進(jìn)而保障設(shè)備的健康運(yùn)行具有重要意義。

由于傳感、通信及計(jì)算控制等新技術(shù)的發(fā)展，變壓器在線監(jiān)測(cè)技術(shù)如油中溶解氣體分析（dissolved gas analysis， DGA）［2］、局部放電監(jiān)測(cè)［3］、紅外熱像監(jiān)測(cè)［4］、油中糖醛監(jiān)測(cè)［5］等迅速發(fā)展，監(jiān)測(cè)數(shù)據(jù)量大并呈現(xiàn)高速、多源異構(gòu)、低價(jià)值密度等工業(yè)大數(shù)據(jù)典型特點(diǎn)，為變壓器故障預(yù)測(cè)和健康管理（prognostics and health management， PHM）提供了重要數(shù)據(jù)支撐。然而，目前變壓器PHM技術(shù)尚處于理論研究階段［6-8］：一方面狀態(tài)監(jiān)測(cè)、故障診斷、故障預(yù)測(cè)等變壓器PHM各階段研究成果比較分散，缺乏有效的技術(shù)體系和平臺(tái)對(duì)其進(jìn)行集成和性能提升，導(dǎo)致PHM技術(shù)難以落地實(shí)施；另一方面相比于PHM技術(shù)高目標(biāo)、高標(biāo)準(zhǔn)的要求，目前各階段研究成果尚存在一定差距，難以滿足實(shí)際運(yùn)維需求，如變壓器故障預(yù)測(cè)和剩余使用壽命（remaining useful life， RUL）預(yù)測(cè)方面研究較少，導(dǎo)致預(yù)測(cè)精度遠(yuǎn)未達(dá)到實(shí)際運(yùn)維要求標(biāo)準(zhǔn)等。

數(shù)字孿生（digital twin， DT）技術(shù)為推動(dòng)電力變壓器PHM技術(shù)進(jìn)一步發(fā)展和落地實(shí)施提供了新的思路和途徑。DT的概念最早是由美國(guó)密歇根大學(xué)教授Michael Grieves提出［9］，是針對(duì)物理實(shí)體，通過數(shù)字化手段（如激光點(diǎn)云等）構(gòu)建一個(gè)與其完全等價(jià)的數(shù)字體，借此來實(shí)現(xiàn)對(duì)物理實(shí)體的了解、分析和優(yōu)化。早期主要被美國(guó)航空航天局和美國(guó)空軍研究實(shí)驗(yàn)室應(yīng)用于飛行系統(tǒng)的故障診斷和健康管理方面［10-13］，近幾年逐漸被推廣開來，開始應(yīng)用于電力系統(tǒng)等工業(yè)領(lǐng)域［14-28］。電力變壓器的數(shù)字孿生技術(shù)研究尚處于起步階段：文獻(xiàn)［29］對(duì)面向輸變電設(shè)備狀態(tài)評(píng)估的數(shù)字孿生技術(shù)應(yīng)用現(xiàn)狀進(jìn)行了分析，闡述了包括狀態(tài)感知、數(shù)據(jù)治理、模型構(gòu)建和應(yīng)用在內(nèi)的數(shù)字孿生技術(shù)具體應(yīng)用，并對(duì)其未來發(fā)展趨勢(shì)進(jìn)行了展望；文獻(xiàn)［30］構(gòu)建了換流變壓器閥側(cè)套管數(shù)字孿生模型，并基于該模型確定了換流變閥側(cè)套管內(nèi)部缺陷下的熱分布特性；文獻(xiàn)［31］聚焦數(shù)字孿生在變電設(shè)備運(yùn)維領(lǐng)域的應(yīng)用，通過案例介紹數(shù)字孿生在變電設(shè)備運(yùn)維工作中的實(shí)際應(yīng)用，并對(duì)其面臨的主要問題和應(yīng)用前景進(jìn)行了探討等。

雖然DT技術(shù)在電力系統(tǒng)及電力設(shè)備方面的應(yīng)用取得了初步性成果，但總體尚處于起步階段，實(shí)例化應(yīng)用研究相對(duì)薄弱。鑒于此，本文聚焦數(shù)字孿生技術(shù)在變壓器PHM方面的應(yīng)用，闡明了變壓器PHM采用數(shù)字孿生技術(shù)的必要性，在原有變壓器PHM技術(shù)體系基礎(chǔ)上，系統(tǒng)分析其與DT技術(shù)的關(guān)聯(lián)和不同，進(jìn)而構(gòu)建面向電力變壓器PHM的數(shù)字孿生技術(shù)框架，對(duì)其中涉及的各項(xiàng)關(guān)鍵技術(shù)進(jìn)行闡述，重點(diǎn)圍繞面向電力變壓器PHM的DT技術(shù)內(nèi)涵、框架、關(guān)鍵技術(shù)及面臨的挑戰(zhàn)等進(jìn)行分析，并對(duì)其未來發(fā)展趨勢(shì)進(jìn)行展望。

1 電力變壓器PHM

面向工業(yè)系統(tǒng)/設(shè)備的PHM可定義為一種預(yù)防系統(tǒng)/設(shè)備故障發(fā)生并對(duì)其運(yùn)行可靠性和RUL進(jìn)行預(yù)測(cè)的工業(yè)過程［32］，包含故障預(yù)測(cè)和健康管理兩方面內(nèi)容。故障預(yù)測(cè)又包含對(duì)系統(tǒng)/設(shè)備未來運(yùn)行健康狀態(tài)的預(yù)測(cè)和RUL的預(yù)測(cè)，健康管理則是指基于預(yù)測(cè)信息，結(jié)合可利用資源等對(duì)系統(tǒng)/設(shè)備維修活動(dòng)進(jìn)行有效決策。PHM從某種意義上實(shí)現(xiàn)了一種維護(hù)方式的轉(zhuǎn)變，即從傳統(tǒng)的基于傳感器的診斷轉(zhuǎn)向基于智能系統(tǒng)的預(yù)測(cè)，為在準(zhǔn)確的時(shí)間對(duì)準(zhǔn)確的部位進(jìn)行準(zhǔn)確的維修（簡(jiǎn)稱“3R”維修）提供技術(shù)支撐［33］。

相比于普適的工業(yè)PHM，電力變壓器PHM包含了更多層次內(nèi)容：數(shù)據(jù)采集、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)分析及特征提取、狀態(tài)檢測(cè)、故障診斷、故障預(yù)測(cè)和維修決策，基本流程如圖1所示。利用多種傳感裝置對(duì)電力變壓器運(yùn)行數(shù)據(jù)進(jìn)行采集，然后對(duì)數(shù)據(jù)進(jìn)行質(zhì)量管理和分析，提取數(shù)據(jù)特征，并在此基礎(chǔ)上對(duì)變壓器進(jìn)行故障檢測(cè)、診斷和預(yù)測(cè)，給出變壓器運(yùn)行狀態(tài)、故障類別位置、故障演化預(yù)測(cè)等信息，最后基于故障信息進(jìn)行維修決策、制定維修計(jì)劃等。各層次內(nèi)容具體描述如下。

圖1 電力變壓器PHM流程圖Fig.1 Power transformer PHM flow chart

1）數(shù)據(jù)采集，指利用傳感裝置等手段獲取能夠反映電力變壓器運(yùn)行狀況的監(jiān)測(cè)數(shù)據(jù)，如通過溫度傳感器采集的繞組溫度變化數(shù)據(jù)［34-35］、利用聲紋傳感器采集的變壓器振動(dòng)信號(hào)［36-37］、利用超聲傳感器采集的局放超聲波信號(hào)［38］等，為變壓器PHM提供數(shù)據(jù)支持。

2）數(shù)據(jù)質(zhì)量管理，包括數(shù)據(jù)質(zhì)量評(píng)估和數(shù)據(jù)清洗兩方面內(nèi)容。數(shù)據(jù)質(zhì)量評(píng)估主要是對(duì)數(shù)據(jù)合規(guī)、缺失、壞數(shù)據(jù)占比、一致性等情況進(jìn)行評(píng)估并設(shè)計(jì)相應(yīng)的量化指標(biāo)；數(shù)據(jù)清洗則主要解決缺失數(shù)據(jù)填充、壞數(shù)據(jù)替換、不合規(guī)及不一致數(shù)據(jù)修正的問題，為后續(xù)數(shù)據(jù)分析提供保障。

3）數(shù)據(jù)分析及特征提取，指利用統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)等理論工具對(duì)數(shù)據(jù)進(jìn)行信息挖掘的過程，提取數(shù)據(jù)的抽象特征，為后續(xù)故障分析提供支持。目前，常用的數(shù)據(jù)分析及特征提取方法大致可以劃分為傳統(tǒng)方法和智能方法兩類。傳統(tǒng)方法如統(tǒng)計(jì)分析［34，39］、小波分析［40］、經(jīng)驗(yàn)?zāi)B(tài)分解（empirical mode decomposition，EMD）［41］等，通常適用于某類或某幾類故障特征的提取，但不足以挖掘出所有故障類型的特征；智能方法通過構(gòu)建學(xué)習(xí)器對(duì)變壓器多傳感融合數(shù)據(jù)特征進(jìn)行自動(dòng)學(xué)習(xí)，智能方法是近年來研究的熱點(diǎn)，如文獻(xiàn)［42-44］將隨機(jī)矩陣?yán)碚摚╮andom matric theory，RMT）、深度神經(jīng)網(wǎng)絡(luò)（deep neural network，DNN）等智能算法應(yīng)用于變壓器多傳感數(shù)據(jù)分析及特征提取，取得了不錯(cuò)的效果。

4）狀態(tài)檢測(cè)，對(duì)電力變壓器運(yùn)行狀態(tài)進(jìn)行評(píng)估，并對(duì)評(píng)估結(jié)果進(jìn)行分類（如正常、注意、異常、嚴(yán)重等狀態(tài)），為運(yùn)維人員是否決定對(duì)變壓器進(jìn)行故障診斷提供依據(jù)。早期的電力變壓器狀態(tài)監(jiān)測(cè)方法通常在狀態(tài)量選取方面較為單一，如僅選取DGA數(shù)據(jù)作為評(píng)估信息，導(dǎo)致狀態(tài)評(píng)估結(jié)果的準(zhǔn)確性難以滿足變壓器實(shí)際運(yùn)維需求，隨著監(jiān)測(cè)手段的增多和研究的不斷深入，基于更加完備監(jiān)測(cè)信息的狀態(tài)評(píng)估體系逐漸形成［7］。目前，常見的變壓器狀態(tài)檢測(cè)方法包括模糊理論、支持向量機(jī)（support vector machine，SVM）、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）、貝葉斯網(wǎng)絡(luò)（bayesian network，BN）、相關(guān)性分析等［44-49］。

5）故障診斷，指根據(jù)故障前的征兆信息，確定故障的性質(zhì)、程度和部位。電力變壓器按故障性質(zhì)可劃分為機(jī)械、電和熱3種類型，而機(jī)械故障發(fā)生時(shí)通常又會(huì)以電或熱的形式表現(xiàn)出來，因此整體可以劃分為電性和熱性故障兩類。長(zhǎng)期以來，行業(yè)內(nèi)采用《變壓器油中溶解氣體分析和判斷導(dǎo)則》［50］中的特征氣體判別法和基于特征氣體濃度的三比值法對(duì)變壓器進(jìn)行故障診斷［51-53］，但在多類型故障診斷時(shí)易出現(xiàn)比值邊界過于絕對(duì)、缺編碼等情況［54-55］。隨著人工智能等技術(shù)的發(fā)展，近年來越來越多的智能故障診斷方法被研究，如 ANN［56-57］、BN［58-59］、SVM［60-65］、相關(guān)向量機(jī)（RVM）［66-67］、極限學(xué)習(xí)機(jī)（ELM）［68-69］、DNN［70-73］等。

6）故障預(yù)測(cè)，包含對(duì)變壓器未來健康狀態(tài)預(yù)測(cè)及RUL預(yù)測(cè)，并將預(yù)測(cè)結(jié)果與置信區(qū)間關(guān)聯(lián)，為變壓器預(yù)測(cè)性維護(hù)提供支持。未來健康狀態(tài)預(yù)測(cè)方面主要采用統(tǒng)計(jì)學(xué)和人工智能方法，通過建立狀態(tài)監(jiān)測(cè)數(shù)據(jù)與未來時(shí)刻狀態(tài)數(shù)據(jù)或指標(biāo)隸屬度的函數(shù)映射關(guān)系實(shí)現(xiàn)故障預(yù)測(cè)，如灰色模型、SVM、長(zhǎng)短期記憶（long short-term memory，LSTM）網(wǎng)絡(luò)等［74-82］；RUL預(yù)測(cè)方面，行業(yè)內(nèi)多是依據(jù)電力設(shè)備老化程度的公式計(jì)算得到［83-85］，存在取值過于絕對(duì)、與實(shí)際值偏差大等缺點(diǎn)，近年來部分學(xué)者開始嘗試將神經(jīng)網(wǎng)絡(luò)（如廣義回歸神經(jīng)網(wǎng)絡(luò)，generalized recurrent neural network，GRNN）引入變壓器RUL預(yù)測(cè)，但研究成果還遠(yuǎn)未達(dá)到RUL預(yù)測(cè)標(biāo)準(zhǔn)［86-88］。

7）維修決策，指根據(jù)變壓器狀態(tài)監(jiān)測(cè)、故障診斷和故障預(yù)測(cè)階段的結(jié)果。制定變壓器維修計(jì)劃，如基于狀態(tài)監(jiān)測(cè)階段對(duì)變壓器運(yùn)行狀態(tài)的評(píng)估結(jié)果，選擇是否對(duì)變壓器作進(jìn)一步故障診斷；同時(shí)優(yōu)化關(guān)鍵部件的修程修制維修策略，實(shí)現(xiàn)“3R”維修目標(biāo)，提高設(shè)備運(yùn)行的可靠性。

電力變壓器PHM為變壓器日常運(yùn)維提供了相對(duì)完整的健康管理體系，旨在通過對(duì)變壓器各階段研究成果的有效集成提升其運(yùn)維管理水平，減少設(shè)備維修維護(hù)費(fèi)用的同時(shí)提升其運(yùn)行可靠性。但當(dāng)前電力變壓器PHM的研究仍處于起步階段，尤其在體系的建設(shè)實(shí)施方面面臨諸多挑戰(zhàn)，如狀態(tài)監(jiān)測(cè)、故障診斷、故障預(yù)測(cè)等研究相對(duì)獨(dú)立分散，所利用的傳感數(shù)據(jù)類型、數(shù)據(jù)質(zhì)量管理方法及數(shù)據(jù)分析方法等不同，各階段研究成果孤立，難以進(jìn)行有效集成；各階段雖取得了一定的研究成果，但相比于PHM的高目標(biāo)、高精準(zhǔn)標(biāo)準(zhǔn)仍有較大差距，尤其是故障預(yù)測(cè)方面遠(yuǎn)未達(dá)到標(biāo)準(zhǔn)；變壓器PHM管理落地實(shí)施方面缺少有效的技術(shù)體系和平臺(tái)支持。

2 面向電力變壓器PHM的DT技術(shù)體系

電力變壓器的數(shù)字孿生可以理解為基于對(duì)變壓器多傳感數(shù)據(jù)集成，通過構(gòu)建物理機(jī)理和數(shù)據(jù)驅(qū)動(dòng)模型，在信息化平臺(tái)實(shí)現(xiàn)對(duì)變壓器物理實(shí)體的數(shù)字化模擬（數(shù)字孿生體），且該模擬體基于實(shí)時(shí)傳輸?shù)膫鞲袛?shù)據(jù)能夠隨著物理實(shí)體的變化而作出相應(yīng)的改變。典型的電力變壓器DT模型主要包括3部分：真實(shí)空間的變壓器物理實(shí)體、虛擬空間的數(shù)字孿生體及二者之間通過數(shù)據(jù)/信息建立的連接，如圖2所示。在物理側(cè)，變壓器實(shí)體通過部署多傳感裝置等實(shí)現(xiàn)運(yùn)行監(jiān)測(cè)數(shù)據(jù)的采集，并將數(shù)據(jù)實(shí)時(shí)傳輸至數(shù)字等價(jià)體；在虛擬側(cè)，數(shù)字孿生體借助物理機(jī)理和數(shù)據(jù)驅(qū)動(dòng)模型通過數(shù)據(jù)分析實(shí)現(xiàn)對(duì)實(shí)體的多層次實(shí)時(shí)態(tài)勢(shì)感知和超實(shí)時(shí)虛擬推演等，并將可靠的信息/操作反饋至物理實(shí)體，為變壓器的運(yùn)維管理提供決策支持。

圖2 電力變壓器DT模型Fig.2 Power transformer DT model

從電力變壓器數(shù)字孿生的概念可以看出，它涵蓋了變壓器設(shè)計(jì)、制造、運(yùn)維等全壽命周期的各個(gè)階段，通過在信息化平臺(tái)構(gòu)建物理實(shí)體的數(shù)字孿生體，使得各階段的管理變得更加智能高效。運(yùn)維階段，數(shù)字孿生技術(shù)加強(qiáng)了對(duì)變壓器各物理部件運(yùn)行參數(shù)的監(jiān)測(cè)和集成，通過將物理機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型相融合，可以更全面地對(duì)變壓器運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)、對(duì)變壓器早期故障性質(zhì)和部位進(jìn)行判別以及對(duì)變壓器未來運(yùn)行健康狀況和部件退化程度進(jìn)行預(yù)測(cè)，使得變壓器運(yùn)維管理功能更加完備、分析更為準(zhǔn)確、計(jì)算更加高效，在降低變壓器運(yùn)維成本的同時(shí)提升其運(yùn)行可靠性，是變壓器PHM演變的重要方向。

圖3給出了面向電力變壓器PHM的數(shù)字孿生技術(shù)體系，它包含了數(shù)據(jù)管理層、建模計(jì)算層、孿生功能層和運(yùn)維決策層。數(shù)據(jù)管理層是整個(gè)框架的基礎(chǔ)和保障，為上層建模計(jì)算提供數(shù)據(jù)支持；建模計(jì)算層是整個(gè)框架的核心，在獲取下層數(shù)據(jù)后利用機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)的方法對(duì)變壓器進(jìn)行多物理、多尺度建模；孿生功能層則是面向變壓器PHM需求提供相應(yīng)的功能，如狀態(tài)檢測(cè)、故障診斷、故障預(yù)測(cè)等；運(yùn)維決策層主要是基于孿生功能層反饋的設(shè)備運(yùn)行信息進(jìn)行決策支持和應(yīng)用的過程。各層之間緊密關(guān)聯(lián)，每一層的實(shí)現(xiàn)均建立在前面各層的基礎(chǔ)上，同時(shí)又是前面各層的進(jìn)一步拓展，最終實(shí)現(xiàn)基于數(shù)字孿生技術(shù)的電力變壓器PHM。

圖3 電力變壓器PHM數(shù)字孿生技術(shù)體系Fig.3 Digital twin technology system of power transformer PHM

2.1 數(shù)據(jù)管理層

數(shù)據(jù)管理層主要包括變壓器狀態(tài)數(shù)據(jù)采集、數(shù)據(jù)實(shí)時(shí)傳輸及數(shù)據(jù)存儲(chǔ)和質(zhì)量管理，涵蓋了電力變壓器PHM體系中的1、2層次內(nèi)容，更加注重對(duì)變壓器多源異構(gòu)數(shù)據(jù)的感知及融合。分布式光纖溫度傳感、分布式光纖應(yīng)變傳感、近聲場(chǎng)聲紋監(jiān)測(cè)等先進(jìn)傳感技術(shù)提供了更為全面、準(zhǔn)確的變壓器實(shí)時(shí)運(yùn)行狀態(tài)感知數(shù)據(jù)。同時(shí)結(jié)合變壓器工藝制造數(shù)據(jù)、歷史檢修數(shù)據(jù)、離線實(shí)驗(yàn)數(shù)據(jù)、孿生體模擬數(shù)據(jù)等，這些來自變壓器多物理部件的在線和離線數(shù)據(jù)包含了時(shí)間序列、圖像、文本等不同格式，呈現(xiàn)出典型的多源異構(gòu)特性，構(gòu)成了變壓器PHM數(shù)字孿生技術(shù)體系的數(shù)據(jù)基礎(chǔ)。數(shù)據(jù)傳輸方面，運(yùn)行光纖、5G等高速通信技術(shù)確保了海量多源異構(gòu)數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性，為變壓器物理實(shí)體與孿生體之間數(shù)據(jù)及信息交互提供了保障。分布式存儲(chǔ)和流數(shù)據(jù)處理技術(shù)為數(shù)據(jù)存儲(chǔ)及質(zhì)量管理（預(yù)處理）提供了技術(shù)支持，數(shù)據(jù)質(zhì)量管理主要包括數(shù)據(jù)質(zhì)量評(píng)估和數(shù)據(jù)清洗，其中數(shù)據(jù)質(zhì)量評(píng)估重點(diǎn)從數(shù)據(jù)完整性、有效性、準(zhǔn)確性和一致性4個(gè)方面進(jìn)行評(píng)估，數(shù)據(jù)清洗則重點(diǎn)解決變壓器缺失數(shù)據(jù)填充、壞數(shù)據(jù)替換、不合規(guī)數(shù)據(jù)及不一致數(shù)據(jù)修正的問題，如利用矩陣恢復(fù)技術(shù)實(shí)現(xiàn)缺失數(shù)據(jù)填充，數(shù)據(jù)質(zhì)量管理方法如圖4所示。

圖4 變壓器數(shù)據(jù)質(zhì)量管理方法Fig.4 Transformer data quality management method

2.2 建模計(jì)算層

建模計(jì)算層主要分為建模和計(jì)算兩部分，涵蓋了電力變壓器PHM體系中的第3層次內(nèi)容，更加注重?cái)?shù)理模型與數(shù)據(jù)驅(qū)動(dòng)模型的融合，是整個(gè)數(shù)字孿生技術(shù)體系的核心。數(shù)理模型主要是基于變壓器多物理部件運(yùn)行機(jī)理，通過數(shù)字化建模構(gòu)建相應(yīng)數(shù)學(xué)方程模型，如變壓器繞組多導(dǎo)體傳輸線模型、變壓器端部絕緣電場(chǎng)仿真模型、變壓器繞組溫升數(shù)學(xué)模型等；數(shù)據(jù)驅(qū)動(dòng)模型則主要是基于變壓器運(yùn)行監(jiān)測(cè)數(shù)據(jù)等，利用高維統(tǒng)計(jì)、新一代人工智能、大數(shù)據(jù)分析等技術(shù)，構(gòu)建相應(yīng)數(shù)據(jù)分析模型，如基于DGA的氣體預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型、局部放電脈沖信號(hào)生成對(duì)抗網(wǎng)絡(luò)模型、多物理場(chǎng)深度學(xué)習(xí)模型等。建模部分主要基于數(shù)理模型和數(shù)據(jù)驅(qū)動(dòng)模型相融合的方法在虛擬空間對(duì)變壓器進(jìn)行多物理、多尺度建模，從不同層次解析傳感器數(shù)據(jù)實(shí)現(xiàn)對(duì)變壓器實(shí)體狀態(tài)的表征和建模。具體實(shí)現(xiàn)時(shí)，一方面基于數(shù)理模型構(gòu)建變壓器物理模型本體，并基于狀態(tài)感知數(shù)據(jù)建立知識(shí)推演規(guī)則，將感知數(shù)據(jù)與動(dòng)態(tài)屬性建立映射關(guān)系；另一方面則是構(gòu)建變壓器物理實(shí)體的三維數(shù)字模型，利用SolidWorks等軟件建立其幾何模型，實(shí)現(xiàn)對(duì)變壓器真實(shí)的刻畫和描述，為孿生功能層提供可視化平臺(tái)支撐。

計(jì)算部分包括邊緣計(jì)算和云計(jì)算，協(xié)同完成建模過程中的計(jì)算任務(wù)，其中邊緣計(jì)算是在終端上完成簡(jiǎn)單的建模計(jì)算任務(wù)，如變壓器運(yùn)行異常數(shù)據(jù)剔除規(guī)則模型，減少了網(wǎng)絡(luò)鏈路中傳輸?shù)臄?shù)據(jù)量，云計(jì)算則是為復(fù)雜的建模計(jì)算任務(wù)提供平臺(tái)支持，如故障診斷深度神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練任務(wù)等。

2.3 孿生功能層

孿生功能層主要包括狀態(tài)監(jiān)測(cè)、故障診斷、狀態(tài)預(yù)測(cè)和壽命預(yù)測(cè)等功能，涵蓋了電力變壓器PHM體系中的4、5、6層次內(nèi)容，通過建模計(jì)算層提供的強(qiáng)大模型/算法接口，孿生功能層根據(jù)電力變壓器PHM功能需求進(jìn)行定制，一方面更為全面、精準(zhǔn)地實(shí)現(xiàn)某一功能，另一方面實(shí)現(xiàn)多種功能的有序集成，提升變壓器PHM水平。例如，變壓器狀態(tài)監(jiān)測(cè)數(shù)字孿生的目的是基于設(shè)備實(shí)時(shí)感知狀態(tài)量判斷其運(yùn)行狀態(tài)是否正常，通過對(duì)設(shè)備多個(gè)狀態(tài)量融合建立隨機(jī)矩陣模型獲得表征其運(yùn)行穩(wěn)定性的線性特征值統(tǒng)計(jì)量，并結(jié)合聚類等方法實(shí)現(xiàn)設(shè)備實(shí)時(shí)運(yùn)行狀態(tài)監(jiān)測(cè)；變壓器故障診斷數(shù)字孿生的目的是針對(duì)運(yùn)行狀態(tài)判別為異常的設(shè)備作進(jìn)一步故障判別，通過利用孿生體模擬產(chǎn)生的設(shè)備不同類型故障樣本數(shù)據(jù)支撐故障診斷神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，并基于實(shí)時(shí)狀態(tài)量實(shí)現(xiàn)故障判別；變壓器狀態(tài)預(yù)測(cè)數(shù)字孿生的目的是基于設(shè)備實(shí)時(shí)感知狀態(tài)量對(duì)其未來運(yùn)行狀態(tài)進(jìn)行評(píng)估，通過構(gòu)建狀態(tài)預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型對(duì)設(shè)備運(yùn)行狀態(tài)量進(jìn)行預(yù)測(cè)，并在此基礎(chǔ)上結(jié)合孿生體實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)不同尺度模擬推演等。

在對(duì)單臺(tái)變壓器實(shí)現(xiàn)PHM的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)基于多臺(tái)變壓器的群體協(xié)同運(yùn)維，如圖5所示，通過協(xié)調(diào)多臺(tái)變壓器的運(yùn)行情況降低群體維護(hù)成本的同時(shí)提升其運(yùn)行可靠性。例如，基于多臺(tái)變壓器數(shù)字孿生模型獲得油中溶解氣體體積分?jǐn)?shù)及產(chǎn)氣率的閾值，通過將實(shí)時(shí)獲取的變壓器監(jiān)測(cè)數(shù)據(jù)與該閾值進(jìn)行交互對(duì)比，便可得到變壓器的差異化評(píng)估結(jié)果。

圖5 多臺(tái)變壓器協(xié)同運(yùn)維DT技術(shù)Fig.5 Cooperative operation and maintenance DT technology of multiple transformers

2.4 運(yùn)維決策層

運(yùn)維決策層主要包括運(yùn)行優(yōu)化和維修指導(dǎo)兩部分內(nèi)容，將虛擬空間孿生體上經(jīng)反復(fù)推演得到的可靠決策信息反饋至物理實(shí)體，形成閉環(huán)反饋，涵蓋了電力變壓器PHM體系中的第7層次內(nèi)容，更加強(qiáng)調(diào)決策信息的可靠性，基于數(shù)字孿生的變壓器運(yùn)維決策路線如圖6所示。運(yùn)行優(yōu)化方面，基于孿生功能層變壓器單體及群體的運(yùn)行狀態(tài)評(píng)估和預(yù)測(cè)結(jié)果，對(duì)變壓器運(yùn)行方式、負(fù)載率等運(yùn)行參數(shù)進(jìn)行優(yōu)化，在保證供電可靠性的同時(shí)降低變壓器的損耗；維修指導(dǎo)方面，基于孿生功能層變壓器故障診斷及預(yù)測(cè)結(jié)果，一方面制定合理的維修計(jì)劃，另一方面制定并優(yōu)化關(guān)鍵部件的維修策略，保證檢修的及時(shí)性、可靠性和經(jīng)濟(jì)性等。

圖6 基于數(shù)字孿生的變壓器運(yùn)維決策路線Fig.6 Transformer operation and maintenance decision-making route based on digital twin

綜上所述，面向電力變壓器PHM的數(shù)字孿生技術(shù)加強(qiáng)了對(duì)變壓器運(yùn)行數(shù)據(jù)的監(jiān)測(cè)和采集，并對(duì)數(shù)據(jù)進(jìn)行有效存儲(chǔ)和質(zhì)量管理，通過構(gòu)建機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型對(duì)數(shù)據(jù)進(jìn)行不同層次解析，實(shí)現(xiàn)對(duì)變壓器的多物理、多尺度建模和計(jì)算，進(jìn)而更為全面、準(zhǔn)確地對(duì)變壓器進(jìn)行狀態(tài)監(jiān)測(cè)、故障診斷、故障預(yù)測(cè)等，同時(shí)通過構(gòu)建虛擬空間對(duì)各孿生功能進(jìn)行有序集成和多變壓器協(xié)同運(yùn)維，有效提升變壓器PHM水平。

3 面向電力變壓器PHM的DT關(guān)鍵技術(shù)及挑戰(zhàn)

3.1 關(guān)鍵技術(shù)

3.1.1 變壓器物理實(shí)體數(shù)字化

變壓器物理實(shí)體數(shù)字化是指利用數(shù)字化手段（如激光點(diǎn)云［88］、CAD、SolidWorks［89］等）對(duì)變壓器進(jìn)行精細(xì)化3D建模，作為數(shù)字孿生體的基礎(chǔ)，利用SolidWorks構(gòu)建的變壓器3D模型如圖7所示。通過構(gòu)建變壓器的3D數(shù)字化模型，一方面可以為運(yùn)維人員提供良好的視覺體驗(yàn)，直觀地獲取孿生功能層提供的變壓器運(yùn)行狀態(tài)、故障類別、位置等信息，獲得運(yùn)維決策方面的信息支持；另一方面能夠?qū)崿F(xiàn)對(duì)變壓器物理實(shí)體的完全復(fù)現(xiàn)，借助數(shù)理模型、數(shù)據(jù)分析等技術(shù)實(shí)現(xiàn)現(xiàn)實(shí)物理實(shí)體由于環(huán)境復(fù)雜等因素導(dǎo)致不可測(cè)物理量的軟測(cè)量，加深運(yùn)維人員對(duì)物理實(shí)體屬性和特征的理解進(jìn)而優(yōu)化和改進(jìn)各孿生功能及運(yùn)維決策等。

圖7 基于SolidWorks構(gòu)建的變壓器3D模型Fig.7 Transformer 3D model based on SolidWorks

3.1.2 變壓器狀態(tài)監(jiān)測(cè)數(shù)據(jù)采集和管理

變壓器狀態(tài)監(jiān)測(cè)數(shù)據(jù)采集是指利用先進(jìn)的傳感裝置對(duì)能夠反映變壓器運(yùn)行狀態(tài)的數(shù)據(jù)進(jìn)行采集。分布式光纖溫度傳感器、應(yīng)變傳感器、氫氣傳感器、局放超聲傳感器、近聲場(chǎng)聲紋傳感器等多種類型傳感器在變壓器的合理部署和傳感網(wǎng)絡(luò)的安全構(gòu)建極為重要，采集的溫度、壓力、氫氣濃度等狀態(tài)量應(yīng)以精準(zhǔn)復(fù)現(xiàn)變壓器運(yùn)行狀態(tài)為最優(yōu)，同時(shí)利用光纖、5G等通信技術(shù)將狀態(tài)量安全、實(shí)時(shí)傳輸至數(shù)字孿生體也至關(guān)重要，以實(shí)現(xiàn)孿生體對(duì)物理實(shí)體的實(shí)時(shí)和超現(xiàn)實(shí)映射。實(shí)時(shí)映射主要指孿生體與物理實(shí)體實(shí)時(shí)運(yùn)行的一致性，基于孿生體可以獲取物理實(shí)體實(shí)時(shí)運(yùn)行信息，如物理監(jiān)測(cè)點(diǎn)實(shí)時(shí)量測(cè)數(shù)據(jù)；超現(xiàn)實(shí)映射則是指基于孿生體可以獲取超出物理本體的對(duì)其更深刻認(rèn)知，如變壓器現(xiàn)實(shí)難以測(cè)量點(diǎn)的軟測(cè)量、變壓器實(shí)時(shí)運(yùn)行狀況、未來發(fā)展趨勢(shì)等。目前，數(shù)據(jù)采集方面的挑戰(zhàn)主要在于傳感裝置的精度和可靠性受當(dāng)前技術(shù)發(fā)展水平的限制，數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性和安全性在實(shí)際應(yīng)用時(shí)也應(yīng)予以重視。

狀態(tài)監(jiān)測(cè)數(shù)據(jù)管理主要指數(shù)據(jù)的存儲(chǔ)管理和質(zhì)量管理。HDFS、Ceph、Swift等開源分布式存儲(chǔ)技術(shù)為海量異構(gòu)狀態(tài)監(jiān)測(cè)數(shù)據(jù)的安全、實(shí)時(shí)存儲(chǔ)和訪問提供了技術(shù)支持，使變壓器數(shù)據(jù)分析和展示具備更充分的信息。數(shù)據(jù)質(zhì)量管理的目的在于通過統(tǒng)計(jì)分析、規(guī)則評(píng)判、矩陣恢復(fù)等方法對(duì)數(shù)據(jù)合規(guī)、缺失、一致性等進(jìn)行評(píng)估及修正來提升數(shù)據(jù)質(zhì)量，確保后續(xù)數(shù)據(jù)處理和信息挖掘的可靠性，進(jìn)而獲取更多潛在有價(jià)值的信息，加深對(duì)變壓器機(jī)理和數(shù)據(jù)特性的認(rèn)知，最終實(shí)現(xiàn)數(shù)字孿生的實(shí)時(shí)和超實(shí)時(shí)屬性。目前，狀態(tài)監(jiān)測(cè)數(shù)據(jù)存儲(chǔ)和質(zhì)量管理依托于服務(wù)器的分布式存儲(chǔ)，在進(jìn)行分布式存儲(chǔ)系統(tǒng)集成時(shí)，需考慮底層硬件的兼容性，同時(shí)優(yōu)化分布式存儲(chǔ)架構(gòu)和檢索方法確保數(shù)據(jù)訪問的安全、實(shí)時(shí)性也至關(guān)重要。

3.1.3 機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型相融合

變壓器機(jī)理模型是指基于對(duì)變壓器運(yùn)行機(jī)理分析和仿真實(shí)驗(yàn)構(gòu)建的數(shù)理模型來實(shí)現(xiàn)對(duì)其認(rèn)知，如變壓器繞組多導(dǎo)體傳輸線模型、變壓器端部絕緣電場(chǎng)仿真模型、變壓器繞組溫升模型等?？紤]到變壓器機(jī)理結(jié)構(gòu)及運(yùn)行工況的復(fù)雜性，通常難以建立精確的機(jī)理模型，單純基于機(jī)理模型的分析結(jié)果往往不夠精確，因此基于海量異構(gòu)歷史及實(shí)時(shí)狀態(tài)監(jiān)測(cè)數(shù)據(jù)構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型對(duì)機(jī)理模型進(jìn)行修正和補(bǔ)充十分必要。變壓器數(shù)據(jù)驅(qū)動(dòng)模型是指通過直接挖掘變壓器狀態(tài)監(jiān)測(cè)數(shù)據(jù)而非將數(shù)據(jù)作為預(yù)設(shè)模型的輸入來實(shí)現(xiàn)對(duì)其認(rèn)知，其建模分析獨(dú)立于變壓器物理過程，利用數(shù)據(jù)和數(shù)據(jù)挖掘工具即可實(shí)現(xiàn)，如利用人工智能方法構(gòu)建的變壓器油中溶解氣體預(yù)測(cè)模型、利用深度學(xué)習(xí)建立的變壓器電磁、流體、溫度和應(yīng)力的多物理場(chǎng)模型等。

通過將變壓器機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行融合，結(jié)合變壓器的實(shí)時(shí)運(yùn)行狀態(tài)監(jiān)測(cè)數(shù)據(jù)，通常能夠得到更精確的分析結(jié)果。在機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型融合方面，目前主要有兩種思路：一種是以物理機(jī)理模型為基礎(chǔ)，基于實(shí)時(shí)狀態(tài)測(cè)量數(shù)據(jù)，利用數(shù)據(jù)驅(qū)動(dòng)方法對(duì)模型參數(shù)進(jìn)行辨識(shí)和不斷修正，反復(fù)循環(huán)，使得孿生體無限逼近于物理實(shí)體，如圖8（a）所示；另一種是機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)模型并行使用，通過對(duì)兩者的分析結(jié)果進(jìn)行融合得到最終結(jié)果，提升模型的精準(zhǔn)度，如圖8（b）所示。以上兩種融合思路相對(duì)簡(jiǎn)單，缺少對(duì)變壓器復(fù)雜機(jī)理和狀態(tài)監(jiān)測(cè)數(shù)據(jù)特性的更深刻認(rèn)識(shí)，如何實(shí)現(xiàn)二者在原理層面更深刻的融合是迫切需要解決的問題。

圖8 機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型典型融合方式Fig.8 Typical fusion method of mechanism model and datadriven model

以變壓器放電故障類型診斷和變壓器繞組溫升預(yù)測(cè)模型為例，如圖9所示。本文嘗試給出機(jī)理和數(shù)據(jù)驅(qū)動(dòng)模型融合的兩種新模式：1）基于數(shù)字孿生機(jī)理模型模擬產(chǎn)生足量不同類型放電樣本數(shù)據(jù)，徹底解決數(shù)據(jù)樣本不平衡（小樣本）的問題，以支撐數(shù)據(jù)驅(qū)動(dòng)模型的訓(xùn)練，進(jìn)而利用訓(xùn)練好的數(shù)據(jù)驅(qū)動(dòng)模型實(shí)現(xiàn)不同類型故障診斷，如圖10（a）所示；2）基于變壓器繞組溫度實(shí)時(shí)光纖傳感數(shù)據(jù)對(duì)所構(gòu)建的溫度預(yù)測(cè)數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行訓(xùn)練，并將數(shù)據(jù)驅(qū)動(dòng)模型輸出接入到孿生機(jī)理模型進(jìn)行數(shù)值仿真，實(shí)現(xiàn)設(shè)備運(yùn)行趨勢(shì)預(yù)測(cè)及推演，如圖10（b）所示。

圖9 變壓器放電及繞組溫升模型Fig.9 Discharge and winding temperature rising model of transformer

圖10 機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型新融合模式Fig.10 New fusion mode of mechanism model and data-driven model

3.1.4 高性能計(jì)算

變壓器實(shí)體與數(shù)字孿生體之間的實(shí)時(shí)交互及功能實(shí)現(xiàn)很大程度上依賴于虛擬空間的高性能計(jì)算平臺(tái)、云邊協(xié)同計(jì)算框架和分布式云服務(wù)器等為高性能計(jì)算提供基礎(chǔ)保障，并在此基礎(chǔ)上主要從硬件和軟件兩個(gè)方面進(jìn)行優(yōu)化。硬件方面，利用GPU、FPGA等高性能計(jì)算芯片構(gòu)建加速計(jì)算體系可以進(jìn)一步提高任務(wù)的執(zhí)行速度；軟件方面，通過優(yōu)化數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)分析算法、數(shù)據(jù)計(jì)算框架等提升數(shù)據(jù)計(jì)算效率，進(jìn)而滿足系統(tǒng)的實(shí)時(shí)性分析和計(jì)算需求。除此之外，減小數(shù)據(jù)網(wǎng)絡(luò)傳輸?shù)臅r(shí)間延遲也十分重要。目前，將高維統(tǒng)計(jì)理論、深度學(xué)習(xí)等大數(shù)據(jù)分析算法與高性能計(jì)算芯片進(jìn)行集成為滿足變壓器數(shù)字孿生實(shí)時(shí)性計(jì)算需求可以考慮的一個(gè)方向。

3.1.5 多物理多尺度建模

針對(duì)電力變壓器PHM的狀態(tài)監(jiān)測(cè)、故障診斷、故障預(yù)測(cè)等孿生功能需求，基于某一個(gè)或幾個(gè)方面因素的單一分析模型通常難以達(dá)到實(shí)際運(yùn)維需求標(biāo)準(zhǔn)，因此需要對(duì)變壓器進(jìn)行多物理層級(jí)建模并將各模型深度融合為綜合的模型，確保分析結(jié)果的可靠性和可用性。多物理建模是指對(duì)變壓器本體、套管、分接開關(guān)、冷卻系統(tǒng)等多物理部件進(jìn)行不同層級(jí)建模，如針對(duì)變壓器本體及套管開展性能、缺陷和指標(biāo)層級(jí)的建模，以幫助運(yùn)維人員結(jié)合分析結(jié)果制定更為詳盡的維修策略。多物理建模的難點(diǎn)在于不同特性模型的深度融合能力不夠且可解釋性較弱，同時(shí)對(duì)傳感裝置的精度有較高要求，以保證模型實(shí)時(shí)更新。

多尺度建模是指針對(duì)變壓器PHM功能構(gòu)建不同時(shí)間尺度的模型并進(jìn)行連接，以滿足數(shù)字孿生系統(tǒng)回放、超實(shí)時(shí)推演等功能需求，如針對(duì)變壓器運(yùn)行狀態(tài)預(yù)測(cè)，構(gòu)建基于LSTM的不同時(shí)間尺度的預(yù)測(cè)模型，通過將各模型連接可以更好地掌握變壓器未來運(yùn)行狀況。多尺度建模的難點(diǎn)在于模型的精準(zhǔn)度難以控制，通常需要依賴大量數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行不斷更新，使得構(gòu)建的數(shù)字孿生體更加精準(zhǔn)。

3.2 面臨挑戰(zhàn)

3.2.1 多物理部件數(shù)字化水平低

電力變壓器設(shè)計(jì)制造領(lǐng)域從整體上看仍處于傳統(tǒng)行業(yè)模式，其底層的物理部件數(shù)字化水平偏低，尤其是投運(yùn)時(shí)間比較久的變壓器這種現(xiàn)象更為嚴(yán)重，導(dǎo)致構(gòu)建變壓器數(shù)字孿生體數(shù)理模型難以精準(zhǔn)建立，成為制約數(shù)字孿生技術(shù)實(shí)現(xiàn)的重要因素。要打破這一約束，一方面對(duì)于已投運(yùn)變壓器通過利用激光點(diǎn)云、計(jì)算機(jī)輔助設(shè)計(jì)軟件（CAD）等數(shù)字化手段提升其數(shù)化水平，另一方面應(yīng)加強(qiáng)數(shù)字孿生技術(shù)在變壓器設(shè)計(jì)制造領(lǐng)域的應(yīng)用，在設(shè)計(jì)制造物理實(shí)體的同時(shí)構(gòu)建其數(shù)字孿生模型，并制定相應(yīng)的行業(yè)統(tǒng)一規(guī)范標(biāo)準(zhǔn)。

3.2.2 數(shù)據(jù)質(zhì)量差、價(jià)值密度低

多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)可以更全面地反映變壓器的運(yùn)行特性，如油中溶解氣體濃度、繞組溫度、箱體振動(dòng)等，但受監(jiān)測(cè)裝置質(zhì)量差、監(jiān)測(cè)環(huán)境復(fù)雜、數(shù)據(jù)存儲(chǔ)形式多樣等因素影響，數(shù)據(jù)質(zhì)量參差不齊，表現(xiàn)在數(shù)據(jù)可靠性差（如不能精確反映變壓器運(yùn)行狀況）、壞數(shù)據(jù)占比高、數(shù)據(jù)以人工記錄文檔形式存儲(chǔ)等方面，加之監(jiān)測(cè)數(shù)據(jù)海量且價(jià)值密度偏低（如故障樣本少），為后續(xù)數(shù)據(jù)分析帶來極大挑戰(zhàn)，成為制約面向電力變壓器PHM數(shù)字孿生技術(shù)發(fā)展的一項(xiàng)重要因素。要解決這一問題，一方面應(yīng)加強(qiáng)微型化、低功耗、高可靠性智能傳感裝置的研發(fā)和應(yīng)用，提升監(jiān)測(cè)數(shù)據(jù)的質(zhì)量和可靠性；另一方面則應(yīng)加強(qiáng)海量低價(jià)值密度數(shù)據(jù)分析方法研究，尤其是不平衡樣本和小樣本數(shù)據(jù)學(xué)習(xí)算法的研究，提升算法模型的可解釋性和可用性。

3.2.3 模型深度融合水平不足

機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型相融合是面向電力變壓器PHM數(shù)字孿生技術(shù)的重要特征，通過二者之間優(yōu)勢(shì)互補(bǔ)可以有效提升分析結(jié)果的精確性。然而，目前兩者在融合方面普遍采用利用數(shù)據(jù)驅(qū)動(dòng)模型對(duì)機(jī)理模型進(jìn)行參數(shù)辨識(shí)或并行使用進(jìn)行決策融合的研究思路，融合深度不夠，缺少對(duì)變壓器運(yùn)行機(jī)理和監(jiān)測(cè)數(shù)據(jù)統(tǒng)計(jì)特性的認(rèn)知。為提升數(shù)字孿生系統(tǒng)分析決策的精確性，應(yīng)加深機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型二者在原理層面的進(jìn)一步融合與互補(bǔ)研究，如3.1節(jié)中提出的機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)模型融合的兩種新模式研究，此外通過研究新的理論和方法（如概率圖）實(shí)現(xiàn)二者在知識(shí)網(wǎng)絡(luò)層面的融合也變得十分重要。

3.2.4 軟件專業(yè)化水平低

目前針對(duì)電力變壓器PHM中的狀態(tài)監(jiān)測(cè)、故障診斷、故障預(yù)測(cè)等研究相對(duì)分散，它們采用的數(shù)據(jù)類型、分析方法、建模層次等各不相同，研究成果相對(duì)孤立且軟件專業(yè)化水平較低，軟件功能通常比較單一且可擴(kuò)展性差，使得短期內(nèi)構(gòu)建面向電力變壓器PHM各階段的數(shù)字孿生技術(shù)體系和信息化平臺(tái)面臨著一定的挑戰(zhàn)。為解決這一問題，須進(jìn)一步探索數(shù)字孿生系統(tǒng)的實(shí)用化研究，加強(qiáng)融合多源異構(gòu)數(shù)據(jù)的數(shù)字孿生數(shù)據(jù)庫建設(shè)，構(gòu)建以PC端、移動(dòng)端為載體的數(shù)字孿生軟件體系架構(gòu)，通過提供圖表分析、算法模型在線訓(xùn)練、數(shù)化模型管理等功能實(shí)現(xiàn)對(duì)系統(tǒng)狀態(tài)監(jiān)測(cè)、故障診斷、故障預(yù)測(cè)等應(yīng)用支撐。

4 結(jié)語

隨著高精度傳感、大數(shù)據(jù)分析、高性能計(jì)算等技術(shù)的迅速發(fā)展，數(shù)字孿生技術(shù)由復(fù)雜設(shè)備設(shè)計(jì)制造階段逐漸推廣到運(yùn)維階段，在降低設(shè)備運(yùn)維成本、提升設(shè)備運(yùn)行可靠性、提高設(shè)備管理水平等方面展現(xiàn)出了較好的前景，成為電力變壓器PHM演變的重要方向。本文聚焦于電力變壓器PHM數(shù)字孿生技術(shù)，構(gòu)建了面向變壓器PHM的數(shù)字孿生技術(shù)框架并對(duì)其中涉及的關(guān)鍵技術(shù)進(jìn)行了詳細(xì)闡述，重點(diǎn)圍繞面向變壓器PHM的數(shù)字孿生技術(shù)內(nèi)涵、關(guān)鍵技術(shù)及面臨的挑戰(zhàn)等進(jìn)行了探討分析，并對(duì)其未來發(fā)展趨勢(shì)進(jìn)行了展望。