本书为“十四五”国家重点图书出版规划项目“未来能源技术系列·新型电力系统”之一。本书共7章，介绍了电力领域的数字孪生技术和大数据技术及其发展方向与应用。第1章是电力物联网、现代能源系统及其数字化概述；第2章介绍了电力系统建模技术；第3章是在建模的基础上讨论了电力系统态势感知与优化调度；第4~6章为本书的核心部分，分别从数字孪生框架与数据利用方法论，数据信息化的理论、算法与案例，电力数字孪生系统的智能应用三个方面阐述了电力数字孪生系统的理念与框架、功能设计与工程实践；第7章对电力数字孪生系统工程项目的现状与未来趋势进行了介绍与展望。本书的绝大部分内容为原创性研究成果，可供从事能源领域、系统态势感知相关工作的人员，以及数据技术、数据科学领域的研究人员参考。
【目录】
1电力物联网、现代能源系统及其数字化概述001
1.1电力系统发展001
1.1.1能源系统发展现状001
1.1.2电力物联网与综合能源网005
1.1.3综合能源网数字孪生系统010
1.2综合能源网的数字化、信息化工程背景015
1.2.1电力物联网与综合能源网工程项目015
1.2.2信息物理系统018
1.3数据科学进展020
1.3.1科学认知论的第四范式演化过程020
1.3.2数据科学——高维统计分析、人工智能技术021
1.4传统模式和工具及其局限性024
1.4.1综合能源数字孪生系统的态势感知技术024
1.4.2综合能源系统用能行为特性分析及关键因素溯源025
参考文献026
2电力系统及其运行模型028
2.1动态系统的数学模型028
2.1.1线性动态系统模型028
2.1.2非线性动态系统模型031
2.2发电机的常用模型032
2.2.1abc坐标系下的有名值方程032
2.2.2同步发电机的基本方程035
2.2.3同步发电机的实用模型036
2.3励磁系统的常规数学模型037
2.3.1发电机励磁系统的原理与分类038
2.3.2发电机励磁系统的数学模型038
2.3.3励磁系统的标幺值和建模所需要的数据043
2.4原动机和调速系统的数学模型044
2.4.1发电机调速系统简介044
2.4.2发电机调速系统连续数学模型044
2.5静态负荷模型及参数辨识047
2.5.1负荷模型分类047
2.5.2负荷模型的参数辨识方法048
2.5.3静态负荷模型的参数辨识048
2.6动态负荷模型的参数辨识049
2.6.1动态负荷机理型模型的参数辨识 049
2.6.2动态负荷传递函数模型的参数辨识 049
2.7电力电子元件的详细模型049
2.7.1STATCOM的并联变换器数学模型049
2.7.2SSSC的串联变换器数学模型051
2.7.3光伏电池的模型053
2.7.4燃料电池055
2.7.5微型燃气轮机模型055
2.8电力系统动态等值的常用方法及优缺点056
2.8.1动态等值问题056
2.8.2同调等值法057
2.8.3模式等值法059
2.8.4估计等值法060
参考文献061
3系统态势感知与优化运行062
3.1综合能源系统态势感知063
3.1.1综合能源系统态势感知研究063
3.1.2虚拟电厂分布式资源聚合079
3.1.3基于合作博弈方法的多虚拟电厂运行089
3.2配电侧电力系统优化调度103
3.2.1优化运行模型105
3.2.2求解算法111
3.3区域综合能源系统优化调度112
3.3.1分布式优化调度112
3.3.2多层级协同优化方法115
参考文献124
4数字孪生技术128
4.1科学范式的演变及电力系统的发展128
4.2数字孪生技术的动机和目的130
4.3数字孪生在工程实际中的应用131
4.4电力数字孪生系统的特点和功能132
4.4.1数字孪生建模132
4.4.2电力系统实时态势感知135
4.4.3超实时虚拟测试136
参考文献137
5电力系统信息化140
5.1数据驱动模式140
5.2电力系统大数据分析和高维统计信息143
5.2.1电力系统数据资源143
5.2.2高维统计信息144
5.3数据挖掘框架和工具145
5.3.1深度学习145
5.3.2随机矩阵理论151
5.3.3信息熵理论153
5.4基于随机矩阵的时空大数据分析157
5.4.1高维统计信息矩阵指标157
5.4.2矩阵系综158
5.4.3MP 定律和圆环定律160
5.4.4随机矩阵理论的中心极限定理162
5.4.5LES及基于LES的假设检验163
5.5基于数据驱动的态势感知166
5.5.1基于随机矩阵方法的运行态势估计方法166
5.5.2基于深度学习的故障诊断及定位167
5.5.3计及不确定性因素的运行态势预测技术168
参考文献170
6电力系统智能化173
6.1静态系统特性的数据模型173
6.1.1电力系统潮流——电力系统雅可比矩阵173
6.1.2潮流的数据模型175
6.1.3雅可比矩阵的数据模型177
6.2动态系统特性的数据模型180
6.2.1Simulink仿真系统的搭建180
6.2.2数据模型的搭建181
6.3负荷预测与异常检测184
6.3.1负荷与用户行为预测和评估184
6.3.2电力系统稳定性扰动早期发现188
6.4基于时空数据的设备全生命周期管理197
6.4.1电力设备全生命周期的阶段197
6.4.2状态检修中电气设备状态的综合判别198
6.4.3基于随机矩阵理论的配电网变压器健康状态在线评估199
6.5系统优化运行策略206
6.5.1“细胞组织”组态206
6.5.2虚拟电厂214
参考文献222
7PSDT的应用现状及未来发展趋势224
7.1工程现状224
7.1.1国家电网上海浦东供电公司数字孪生建设实践225
7.1.2智能电厂227
7.1.3智慧能源系统233
7.2未来趋势239
参考文献242
【前言】
数字孪生（digital twin， DT）旨在通过充分挖掘/发挥海量数据资源所带来的福利，在数字空间中设计虚体模型并建立虚体与实体的映射关系进而“镜像（mirror）”实体。DT概念于2003年由美国学者Michael Grieves提出，早期应用于航空航天领域，即利用DT技术在数字空间建立作业飞行器的虚拟模型并实现两者的状态同步，从而对作业飞行器的运行状态进行及时准确的评估。DT技术连续四年（2016—2019年）被信息技术研究和分析权威公司Gartner认定为年度十大技术趋势之一。
电力系统数字孪生（digital twin of power systems, PSDT）是电力系统日渐复杂、数据呈现井喷趋势以及数据科学软硬件发展完善等多方面背景共同作用下的新兴产物。相比于侧重于实体运营监测的信息物理系统或物理仿真系统，PSDT更倾向于多维度、多时间尺度，即关注贯穿电力系统的数字化、信息化和智能化建设推进所涉及的多元设备全过程。PSDT通过对电力系统一次层面、系统设备层面、用户层面等实体进行预制数字建模，并充分利用各类传感器，实现物理实体与数字模型之间的无缝交互，进行涵盖多学科、多业务、多场景、多实体、多时间尺度、不同生命周期、不同发生概率的仿真分析，进而辅助系统完成运管调控的决策制定。
本书从数据利用方法论的角度出发，系统性地分析和阐述了数字孪生技术在电力领域的应用，通过引入高维数据空间来映射/表征电力系统中各类繁杂的实体及事件，通过对时空数据的挖掘实现数据驱动的系统认知方案。本书的特点是系统性与学科交叉性，融合了数据科学发展的前沿和热点，即高维分析和人工智能，从工程和科学双视角剖析了PSDT的背景和建设思路，并进一步构建其顶层架构——基于数据驱动、实时交互和闭环反馈三大特点，提出实现基于预学习的数字建模、实时态势感知和超实时虚拟推演三大功能的方法，为推进PSDT的建设和智能电网的数字化、信息化、智能化进程提供辅助参考。
感谢国家自然科学基金项目“基于随机矩阵理论和深度学习技术融合的配电网故障高维判据构建及其智能诊断方法研究”的资助，以及国网上海市电力公司提供的宝贵建议与资料。
由于时间仓促，书中难免存在不足之处，敬请读者批评指正。
【书摘与插画】
