基于数字孪生的全钒液流电池储能运维系统
数字孪生是推动电力装备领域数字化、智能化、信息化的关键技术之一，液流电池是一种新型绿色的电化学储能电池。基于数字孪生思想，对全钒液流电池储能运维系统进行研究，提出构建多源异构数据统一融合模型的方法，对全钒液流电池储能运维系统进行建模，并建立实景物理世界和虚拟孪生世界的映射关系。应用基于数字孪生的全钒液流电池储能运维系统，能够监控、诊断、预测物理世界产品的可能状态，实现信息的高度融合。
1.研究背景
在双碳目标下，储能已经成为支撑以新能源为主体的新型电力系统的关键技术和构建智能电网的灵活性资源。储能系统效率提升、循环寿命延长及成本降低，离不开储能运维技术的发展。由此，储能电站的智慧化运维和精细化管理技术是储能技术未来发展的重要方向之一。
储能运维大致分为三个层面。一是设备监测，采用线上监控加线下巡检的运维方式，通过运维系统对安防、热管理、消防、电池组、储能逆变器、配电柜等系统进行实时监控，对系统进行提前预判。二是数据分析，通过监测平台收集储能电站运行的海量数据，对电池性能演变规律进行研究，优化系统设计。三是控制策略，根据运行数据判断电池的荷电状态和健康状态，通过控制策略进行有效协调实现储能电池的最优运行，延长储能电池在役寿命，实现储能设备利用率最大化。
大规模全钒液流电池储能电站设备数量多，自然环境复杂，监测难度大，监测内容除了荷电状态、健康状态外，还包括电堆电压、电阻，以及电解液流量、液位、压力、温度和漏液等。对于大规模储能，传统方式收集的信息较为零散，较难掌握全部电池系统的健康状态，增加运维负担和成本。采用数字孪生及信息计算机技术，可以实现对储能系统运行风险辨识、风险评估、安全管控、设备状态与健康度预测预警、隐患排查及治理，进而实现全钒液流电池储能系统的最优运行。
2.全钒液流电池概述
全钒液流电池于1985年由澳大利亚新南威尔士大学的MarriaKazacos提出。作为一种电化学系统，全钒液流电池将能量存储在含有不同价态钒离子氧化还原电对的电解液中。具有不同氧化还原电对的电解液分别构成电池的正负极电解液，正负极电解液中间由离子交换膜隔开。通过外接磁力泵将溶液从储液槽打入电池堆体内，完成电化学反应。反应后溶液回至储液槽，活性物质不断循环流动，完成充放电。全钒液流电池工作原理如图1所示。
与其它主流的化学储能电池相比，全钒液流电池最大的特点是电池活性物质不存在于电池内部，而是存储在电池外部的罐体中，输出功率和储能容量可独立设计，可实现长时储能，理论上最长可达25～50h，因而更适用于大规模储能。全钒液流电池在规模储能方面的独特优势如下：①安全性高，电池系统采用水系电解质，无潜在燃烧和爆炸的危险;②蓄电容量大，可达百兆瓦时;③容量和功率相对独立，系统设计灵活;④电堆易于模块组合，蓄电容量便于调节;⑤充放电响应速度快，电池使用寿命长，可靠性高，可深度放电;⑥储能系统选址自由，受设置场地限制小;⑦储能系统封闭运行;⑧电池大部分部件材料可循环使用，具有较高的成本优势;⑨储能系统建设周期短，运行和维护费用低;⑩运行安全，环境友好。正是由于在环保、安全、成本、效率、一致性等方面具有的突出优点，全钒液流储能电池正成为当前国内外大规模储能的首选技术之一。
3.数字孪生概述
数字孪生是一种实现运行中的真实设备与系统向虚拟化模型映射的技术，充分利用真实设备运行模型、实时传感器数据、运行历史数据等，从不同方面实现真实世界至虚拟空间的模拟，从而实现真实设备整个运行状态的全过程数字化。借助安装在物理设备上的各类传感器，基于机器学习分析和相关虚拟仿真技术，数字孪生几乎可以实时模拟出实体的实际状态，并通过虚拟交互接口对物理实体进行控制。数字孪生利用传感器、物联网、5G通信、人工智能等技术，对真实物理世界的实体对象进行描述、诊断、预测与决策，是未来复杂电网实现安全、稳定、经济运行的理想途径之一。数字孪生融合众多前沿信息技术，可以通过虚实交互，实现对储能电池全生命周期状态的虚拟映射及运营绩效的改善，为储能系统的数字化、网络化、智能化发展提供强大动力。
4.全钒液流电池储能运维痛点
运维技术对于储能系统全生命周期管理至关重要，储能系统若要在指定周期内尽快填补前期投入成本，真正实现盈利的目标，就必须既要保障安全运行，又要充分发挥自身能源价值，由此需要强有力的运维保障。然而，传统全钒液流电池储能运维工作面临亟待解决的痛点问题。
(1)环境影响较大，设备运维成本高。全钒液流电池通常用于配套风光大基地储能，因而受自然环境和天气因素影响较大，运维人员需要轮班值守，层层排查设备故障原因。若设备出现故障不能及时工作，将极大影响新能源发电的运行效率，造成故障隐患及风险。
(2)设备数量多，效率低，监测难度大。全钒液流电池的核心部件包括电堆、储液罐、管道循环系统，均与电解液的循环密切相关，监测内容包括电堆电压、电阻，以及电解液的流量、液位、压力、温度和漏液等。对于大规模储能而言，传统方式收集的信息较为零散，较难掌握全部电池的健康状态，增加了运维负担。
(3)数据庞杂，实时性要求高。储能系统运行中数据量庞大，而且相互交错增速快，缺乏统一的规范标准及存储、计算、管理方法。电力数据分析结果需要具备实时性，传统模式由于无法快速响应，因此影响了储能系统的整体寿命。
5.数字孪生储能运维技术功能
可视化的数字孪生通过物联网、大数据、机器学习等技术，以异构计算为核心任务，高效融合计算、存储、网络，通过人、机、网、物深度融合，形成边缘与云端结合的全层次开放架构，提高储能的智能化运维水平，更好体现全钒液流电池安全、可靠、经济、高效运行的本质要求。
数字孪生使数据更鲜活，降低运维成本。数字孪生技术对储能电池充放电过程进行虚拟仿真，开发全方位的全钒液流电池荷电状态和健康状态监控、智能故障报警、运维工单处理、大数据存储、统计分析、报表管理等功能，可以实时了解储能系统剩余运行时间、储能资产性能状况，提前识别安全风险，并实现少人、无人值守，故障迅速响应和解决，极大降低运维成本。
物联网设备实时接入，大数据分析能力强。大数据分析算法以深度学习为主，还包括知识计算、可视化等。数字孪生运维系统支持多种数据源实时接入，通过标准接口接入储能设备数据。物联网设备将传感器和其它连接设备集成至智能运维平台，实现储能系统的智能运维。
实现智能巡检监测与抢修。基于数字孪生的全钒液流电池储能运维技术支持集成视频监控，以及机器人、无人机等前端巡检系统，有效结合视频智能分析、智能定位及研判，对故障点位、安全隐患点位等情况进行可视化监测，实现异常事件的实时报警。
6.全钒液流电池储能运维系统设计
6.1 基本原理
利用数字孪生技术构建全钒液流电池储能运维系统可视化数字平台，关键在于利用各类传感技术，将在现实的全钒液流电池储能系统中采集的电流、电压，以及循环系统温度、流量、液位、压力、漏液等安全运行指标数据仿真重现在三维数字孪生世界中。全钒液流电池储能运维数字孪生原理如图2所示。
储能系统作为一个包含大量元件、运行过程多样的复杂系统，必然也是一个海量数据源。依托大数据和人工智能技术，数字孪生储能运维系统能够对各类数据进行处理判断，分析当前系统荷电状态、健康状态，进行安全预警和运行监测，最终实现储能运维系统直观清晰感知、完整数据集成、实景化等功能的全方位、可视化展示和控制，有效提升运维管理人员对储能运维系统的管理效率，提高经济、安全、可靠运行水平，进而支撑储能运维系统更好地服务于使用场景。
6.2 多源数据信息融合状态监测
基于数字孪生的多源融合状态监测技术架构如图3所示。数据是数字孪生的核心要素，来源于物理实体、运行系统、传感器等，覆盖范围广，包括环境数据、维护数据、运行数据等，并始终伴随物理实体的运行。处理多源异构数据是数字孪生技术中的一个重要节点，也是可视化决策系统应用的关键基础步骤。
全钒液流电池储能运维系统在运行过程中产生大量基础数据，包括电池电压、温度、内阻，循环系统的流量、液位、压力，以及各种地图要素数据、红外图像、监测视频数据等不同类型结构的数据。有效实现多源异构数据的融合，实现数据的统一与共享，是智能运维面临的主要问题。对此，需要将多源异构数据的信息融合在一起，形成一个可用于数字孪生可视化的统一标准，以此来监控物理对象在虚拟模型中的变化，进行基于人工智能的多维数据复杂处理与异常分析，提高全钒液流电池储能运维系统的管理效率，实现安全可靠运营。
针对全钒液流电池储能运维系统的多源异构数据特点，建立一个多源异构数据统一信息融合模型。多源异构数据融合的处理方式分为四个步骤：数据获取、数据整合、关联关系建立、入库及调用。在多源异构数据统一融合模型中，将提取到的有效数据通过网络通信技术输送至云端，对各类数据进行分类管理，再将其有机地索引、融合在一起，最后存储调用。
为了充分融合多源异构数据的特征，在对多源异构数据整合之前，需要先对不同的数据进行预处理。将不同来源的数据通过相应的处理工具转换为统一的电子数据格式，在红外图片、可见光图片、视频等数据中加入相应字段标签，如拍摄地点、上传时间、上传属性、拍摄目的、标注等。多源异构数据统一融合模型在对相关数据进行采集和预处理之后，需要对相关数据的信息进一步关联，以完成深层次的数据整合。
对不同类别的数据使用空间索引和时间索引算法，为电压、电流、温度、压强、内阻等实时物理数据增添对应的时间和空间信息，对多源异构数据之间的跨域管理进行混合式索引，并使其直接入库。针对地理分布图类的结构数据，如红外图像、可见光图像、地理信息系统数据、倾斜摄影测量等，需要对各类图进行坐标转换及图层分割，再基于人工神经网络区域分割算法对单图层进行区域块划分，最后将拥有时空属性的模拟量数据作为参数融入多个单图层，形成融合多源异构数据的叠加式空间模型，并在同一界面展示全钒液流电池储能运维系统的关键内在参数和环境数据。
6.3 三维虚拟孪生模型映射
数字孪生是现有或将有的物理实体对象的数字模型，通过实测、仿真、数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化控制策略来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。在数字孪生系统中，数字空间需要根据实体设备建立对应功能的三维虚拟孪生模型，保证两者在几何尺寸、物理结构关系、运动特性等方面的一致性。建立数字孪生系统，需要做到设备同步。搭建一套基于真实储能系统的虚拟储能系统，对真实设备进行三维建模，将三维模型放至线上虚拟场景内，对不同工况下电池内部机、电、热、化多物理场耦合环境和外部所有要素都进行数字化建模，实现真实储能系统和虚拟储能系统一一对应。
针对全钒液流电池储能运维系统的安全预警和电池健康管理需求，从数字孪生的角度出发，将数据驱动与模型驱动结合，构建三维虚拟孪生模型，形成三维实景模型及物理场孪生模型的映射关系。通过数字孪生实现模拟现实中的突发危险情况，捕获不同风险因素、操作场景、框架配置的数据重建模型来预测故障，从而有助于节省开支，提高系统可靠性，减少停机时间，并延长系统使用寿命，对系统实现整体把控。通过建立实景物理世界和虚拟孪生世界的映射关系，在技术上形成一个完整的闭环。通过基于数字孪生的三维虚拟孪生模型，提高复杂产品设计与后续装配、运行、故障、维护、报废之间的并行和协同。虚拟世界的产品从物理世界中得到高实时性数据，经过高保真的建模仿真和分析，反过来监控、诊断、预测物理世界产品的可能状态，最终实现虚拟世界和物理世界信息的高度融合。三维虚拟孪生模型映射技术结构如图4所示。
基于数据驱动构建实时仿真的温度、电压、电流、流量、液位、压力等多物理场数字孪生模型，数据驱动可以绕过复杂的物理建模过程，并且利用输入输出数据很好地描述物理过程。结合系统的监测数据、试验数据等，利用机器学习方法构建输入数据与输出数据之间的数据模型，实现电力装备运行的物理现象和机理由数据模型来进行表征，完成对电力装备的孪生。
随着输入数据或经验越来越多，模型会不断改进与完善。数据驱动建模的训练可能会遇到与不稳定性相关的问题，然而一旦完成训练，模型在使用时便具有稳定性。多物理场模型构建所测得的运行数据包括设备属性和外部条件两部分。运行指标中的静态参量是根据储能电池设备情况及工作环境得到的，可以作为恒定不变的常数输入模型。实时参量通过电压传感器、电流传感器、温度传感器、流量计、液位计、压力变送器等一系列安装在全钒液流电池各个结构上的高精度传感器测量得到。上述运行数据一方面用于构建并分析数字孪生内部模型，另一方面用于验证模型的准确性并进行优化。多物理场模型构建所测运行数据见表1。
7.结束语
笔者研究了基于数字孪生的全钒液流电池储能运维系统的原理，提出了构建基于数字孪生的全钒液流电池储能运维系统的思路和方法。在研究中，提出一种多源数据融合状态监测技术，实现多源融合过程，兼顾各种数据模态的优点。从数字孪生角度出发，基于数据驱动和模型驱动构建三维虚拟孪生模型，形成全钒液流电池储能运维系统三维实景模型与多物理场孪生模型的映射。通过数字孪生模拟现实中的突发危险情况，构建不同风险因素、操作场景、框架配置的数据重建模型，实现预测性维护。
基于数字孪生的全钒液流电池储能运维系统通过多源数据信息融合、三维实景模型搭建，形成多物理场数字孪生模型，从而为完成安全预警和健康状态评估提供了可靠保障。
