2. 电网数字孪生模型体系架构

电网数字孪生不是单一软件，而是一套从物理电网到数字空间再回到业务决策的完整体系。要让它真正运转，必须先把体系拆成职责清晰、接口明确的分层架构。业界普遍采用四层结构：感知层、数据层、模型层、应用层。四层自下而上逐级抽象，自上而下逐级反馈，任何一层缺失或错位，都会导致数字孪生"看得见却用不上"。

一、四层架构的整体定位

可以把四层理解为一条"从物理量到业务动作"的转换链：感知层负责把电网的电压、电流、温度、开关位置等物理量变成可传输的信号；数据层负责把这些信号汇聚、清洗、对齐成可信的数据资产；模型层负责把数据组织成能反映电网结构、参数和运行规律的数字模型；应用层则面向调度、运维、规划等具体业务，把模型能力转化为可执行的判断和操作。四层之间既有纵向的数据流，也有横向的协同关系，下图给出其核心结构与交互关系。

二、感知层：数字孪生的"神经末梢"

感知层是数字孪生与物理电网的唯一接触面，其核心任务是把物理量转换为带时标的数字信号。在电网场景中，感知设备并非单一类型，而是按"稳态—动态—状态—环境"四类需求分工：

• 稳态量测：SCADA/RTU 以秒级周期采集电压、电流、有功、无功和开关位置，是状态估计和潮流计算的基础数据源。
• 动态量测：PMU 以每秒 25～100 帧的速率同步采集相量，用于低频振荡监测、动态稳定分析和故障录波。
• 设备状态量：变压器油温、局放、SF6 气压、断路器动作次数等在线监测信号，服务于状态检修和寿命评估。
• 环境与空间量：气象站、卫星云图、无人机巡检影像，为新能源功率预测和通道风险评估提供输入。

感知层设计的关键不是"装得多"，而是"采得准、传得稳、时标对得齐"。例如某 220 kV 变电站配置 2 台 PMU，分别接入 220 kV 母线和主变高压侧，采样率设为 100 帧/秒，通过 IEEE C37.118 协议上送，时标误差控制在 1 μs 以内。若时标偏差超过 10 μs，后续模型层的相量计算就会出现明显角度误差，因此感知层必须与数据层约定统一的对时机制（如北斗/GPS 对时）。

三、数据层：从"信号"到"可信数据"

感知层送来的是原始信号，数据层要把它变成"可被模型直接使用"的数据资产。这一层通常包含四个动作：接入、清洗、对齐、存储。

接入环节要解决多源异构问题：SCADA 走 IEC 60870-5-104，PMU 走 C37.118，电表走 DL/T 645 或 MQTT，在线监测走 Modbus。数据层需要为每类数据建立统一的接入适配器，并打上"来源、时标、质量码"三个标签。清洗环节重点处理坏数据、缺失值和跳变：例如某条 110 kV 线路电流连续 3 个采样点超过额定值 1.5 倍且功率因数为负，应标记为可疑并触发人工复核，而不是直接送入模型。

对齐环节是电网数字孪生最容易被忽视却最关键的一步。SCADA 是秒级、PMU 是毫秒级、电表是分钟级、气象是小时级，必须统一到同一时间断面。常用做法是以 1 分钟为基准断面，将 PMU 数据做 1 分钟均值、电表数据做插值、气象数据做保持，形成"同一时刻、同一电网"的数据快照。存储上，实时数据用时序数据库（如 InfluxDB），台账和拓扑用关系库，历史录波用文件系统，三者通过统一设备编码关联。

四、模型层：数字孪生的"计算内核"

模型层把数据组织成能反映电网物理规律的数字模型，通常包含三类模型：

• 拓扑模型：描述厂站、线路、变压器、开关的连接关系，是潮流计算和故障分析的基础。拓扑模型必须与调度命名、设备台账保持一致，否则会出现"模型里有、现场没有"的错位。
• 参数模型：线路阻抗、变压器变比、发电机调差系数等。参数不准，模型再漂亮也算不准。实际工程中常用 PMU 量测做在线参数辨识，例如用线路两端相量差反推阻抗，与铭牌值偏差超过 5% 时触发校核。
• 计算模型：潮流、短路、稳定、状态估计等算法模型。它们消费拓扑和参数，输出电网运行状态和预想事故下的响应。

模型层与数据层之间是双向关系：数据层为模型层提供实时断面和参数初值，模型层则把计算结果（如估计后的电压相角）回写到数据层，形成"量测—估计—校核"闭环。这一闭环是数字孪生区别于普通可视化的核心。

五、应用层：让模型产生业务价值

应用层面向具体业务，把模型能力转化为可执行的判断。典型场景包括：

• 调度决策：基于潮流模型做 N-1 扫描，若某 500 kV 线路跳闸后相邻线路负载率超过 90%，则提前生成预防控制策略。
• 故障研判：故障发生后，用模型反演故障位置和类型，结合保护动作信息在 30 秒内给出停电范围。
• 状态检修：把设备状态模型与负载率、环境温度结合，输出未来 30 天检修优先级排序。
• 规划仿真：在数字孪生中预演新增新能源接入后的电压和短路电流变化，辅助接入方案比选。

应用层不是被动消费模型，而是通过业务反馈驱动下层调整。例如某地区频繁出现电压越限告警，应用层分析后发现是感知层在该区域布点不足、数据层插值误差偏大，于是反向推动增加 PMU 布点或提高 SCADA 采样频率。这种"应用发现问题—反馈修正下层"的机制，正是四层架构保持活力的关键。

六、四层协同的典型数据流示例

以一次 220 kV 线路单相接地故障为例，四层协同过程如下：感知层在故障后 20 ms 内由 PMU 记录到电流突变量，SCADA 在 1 s 内上送开关变位；数据层在 2 s 内完成时标对齐和质量校验，形成故障断面；模型层在 5 s 内启动短路计算和故障测距，给出故障点距首端约 12.3 km 的估计；应用层在 10 s 内结合保护动作信息生成停电范围图和抢修建议。整个过程从物理故障到业务建议不超过 15 s，体现了分层架构在时效上的分工价值。

掌握四层架构，本质上是要建立一种"分层思考"的习惯：看到任何一个数字孪生功能，都能判断它依赖哪层数据、调用哪层模型、最终服务哪类业务。只有这样，在后续的模型构建、数据治理和应用开发中，才能做到职责清晰、接口明确、迭代有序。