数字孪生在煤矿电网中的应用研究

赵建文, 孟旭辉

赵建文,孟旭辉. 数字孪生在煤矿电网中的应用研究[J]. 工矿自动化,2023,49(2):38-46. DOI: 10.13272/j.issn.1671-251x.2022040019
引用本文: 赵建文,孟旭辉. 数字孪生在煤矿电网中的应用研究[J]. 工矿自动化,2023,49(2):38-46. DOI: 10.13272/j.issn.1671-251x.2022040019
ZHAO Jianwen, MENG Xuhui. Research on the application of digital twin in coal mine power grid[J]. Journal of Mine Automation,2023,49(2):38-46. DOI: 10.13272/j.issn.1671-251x.2022040019
Citation: ZHAO Jianwen, MENG Xuhui. Research on the application of digital twin in coal mine power grid[J]. Journal of Mine Automation,2023,49(2):38-46. DOI: 10.13272/j.issn.1671-251x.2022040019

数字孪生在煤矿电网中的应用研究

基金项目: 陕西省自然科学基础研究计划项目(2023-JC-YB-308);西安市科技计划项目(GXYD13.10)。
详细信息
    作者简介:

    赵建文(1973—),男,陕西西安人,教授,博士,研究方向为电力网安全运行与保护,E-mail:xkdzhaojw@163.com

    通讯作者:

    孟旭辉(1998—),男,安徽蚌埠人,硕士研究生,研究方向为配电网的继电保护,E-mail:278019714@qq.com

  • 中图分类号: TD67

Research on the application of digital twin in coal mine power grid

  • 摘要: 立足于数字孪生的基本概念和内涵,分析了数字孪生技术在煤矿电网中的应用优势:以同步实体运行状态、数字化模拟运行 2 种手段来辅助煤矿电网的运行管理,具有数据驱动、实时更新、同步反馈的特点。提出了由煤矿电网物理实体层、煤矿电网数字孪生模型层、用户管理服务层、数据交流层组成的煤矿电网数字孪生体系基本架构,从物理实体、数字孪生模型2个方面探索了煤矿电网数字孪生体系运行模式。介绍了建立煤矿电网数字孪生体系的关键技术:煤矿电网数字孪生模型构建、智能数据采集、基于5G的智能通信、数字孪生智能数据库、数字孪生设备智能管理平台。给出了数字孪生技术在煤矿电网中的具体应用场景,包括煤矿井下电气设备状态评估、煤矿电网故障定位和保护、煤矿电网智能监控、煤矿井下线路智能巡检。将数字孪生技术应用在煤矿电网中,对煤矿电网的状态和运行进行动态仿真建模,一方面可以满足当今规模庞大的煤矿电网相对地面电网更高的运行要求,保障煤矿生产安全性,另一方面可推进煤矿电网的智能化进程,实现数据资源高效合理利用。
    Abstract: Based on the basic concepts and connotations of digital twin, this paper analyzes the application advantages of digital twin technology in coal mine power grid. The operation management of the coal mine power grid is assisted by two means of synchronous entity operation status and digital simulation operation. The technology has the characteristics of data-driven, real-time update and synchronous feedback. The basic framework of the digital twin system of the coal mine power grid is proposed. The framework is composed of physical entity layer, digital twin model layer, user service management layer and data exchange layer. The operation mode of the digital twin system of the coal mine power grid is explored from two aspects of the physical entity and the digital twin model. This paper introduces the key technologies for establishing the digital twin system of the coal mine power grid. The technologies include digital twin model construction of coal mine power grid, intelligent data acquisition, intelligent communication based on 5G, digital twin intelligent database, and digital twin equipment intelligent management platform. The application scenarios of digital twin technology in the coal mine power grid are proposed. The scenarios include the condition evaluation of underground electrical equipment, fault location and protection of the coal mine power grid, intelligent monitoring of the coal mine power grid and intelligent inspection of underground lines. The digital twin technology is applied to the coal mine power grid to carry out dynamic simulation modeling on the state and operation of the coal mine power grid. On the one hand, the higher operation requirement of the current large-scale coal mine power grid relative to the ground power grid can be met. The safety of coal mine production can be guaranteed. On the other hand, the intelligent process of the coal mine power grid can be promoted. The efficient and reasonable utilization of data resources can be realized.
  • 由于煤矿井下环境潮湿、空间狭窄,同时存在瓦斯、煤尘爆炸等危险,煤矿电网智能化推进进程相比地面电网较慢。因此,需要借助全球数字化、信息化浪潮,大力推进煤矿电网的智能化进程。

    随着大数据时代的来临,在当今传感技术、软硬件技术水平大大提高,计算机运算性能提升的背景下,数字孪生技术得到了充分发展,并应用在诸多领域中。文献[1]系统性地探索了数字孪生技术在电力领域的应用,分析了数字孪生模型与传统仿真模型的区别,阐述了数字孪生模型在电力系统中应用的前景。文献[2]针对风电行星齿轮系统需要智能化无人管理的特点,提出了基于数字孪生的系统设计思路,在SolidWorks中建立了与研究对象实物高度吻合的三维模型。文献[3]设计了基于数字孪生的泛在电力物联网模型架构,并对模型运行机制进行了研究,实现了泛在电力物联网系统的故障诊断、预测和健康管理。文献[4]将数字孪生技术引入电气制造领域,对某变电站在役 220 kV气体绝缘金属封闭开关进行数字孪生建模,推进了设备运行维护和数字孪生技术的融合。文献[5]提出了煤矿数字孪生的设想,依据实际的煤矿井下综采系统设计了煤矿智能综采数字孪生系统,并且融合信息、工业和人工智能技术,建立了智慧矿山体系架构和智慧矿山平台,为数字孪生技术在煤矿领域的应用提供了思路和借鉴。

    数字孪生技术已成为制造业和工业研究的焦点,将数字孪生技术引入煤矿电网,建立煤矿电网数字孪生体系,既可以推进煤矿智能化进程,建立智能+绿色一体化的健全系统,又对保证整个系统的安全稳定,实现数据资源的高效利用具有重要意义。本文基于数字孪生技术的概念和内涵,提出了煤矿电网数字孪生体系的架构,探索了煤矿电网数字孪生体系的运行模式,介绍了数字孪生技术在煤矿电网中应用所需的关键技术,并给出了具体的应用场景,旨在为数字孪生在煤矿电网中的应用提供思路。

    数字孪生是在信息世界中建立一个与物理世界中实物相对应的可视化模型的技术,并且该模型可通过传感器实时更新其物理状态的信息。

    本文从电力系统的角度出发,认为数字孪生的内涵是利用数据对物理对象的状态和运行进行动态仿真建模的方法。构建完成的数字孪生模型可以与现实世界中的物理实物相对应,模拟真实物体在干扰和环境影响下的内部过程、技术特性和行为。将数字孪生技术应用在煤矿电网中,建立可以更加精准地对煤矿电网物理实体全生命周期的状态、过程及变化进行建模、仿真、分析和预测的数字孪生模型,实现对煤矿电网 1∶1 的映射和复制。

    煤矿电网数字孪生模型以同步实体运行状态、数字化模拟运行 2 种手段来辅助煤矿电网的运行管理,区别于现行模型仿真,具有数据驱动、实时更新、同步反馈的特点。围绕数字孪生模型建立煤矿电网数字孪生体系,能最大程度发挥数据量多的优势,使得对实体煤矿电网的运行模拟更加精确。此外,煤矿电网数字孪生体系可以融合工程领域的其他数字技术,例如建筑信息模型(Building Information Modeling,BIM)和实体场景云数据等,以其作为基础技术支撑的数字孪生在煤矿电网中具有很高的应用潜力[6]

    针对煤矿电网物理结构及物理实体特征等参数,建立煤矿电网的数字空间模型,进而实现煤矿电网实体空间和虚拟数字空间之间的实时交互映射和同步反馈,并通过测量数字孪生模型从物理实体采集的设备设计、运行等参数,进行数据预处理和数据标志等数据融合分析操作,使得用户通过人机接口远程或虚拟操作设备,实现煤矿电网智能化。

    煤矿电网数字孪生体系由煤矿电网物理实体层、煤矿电网数字孪生模型层、用户管理服务层、数据交流层组成,如图1所示。

    图  1  煤矿电网数字孪生体系基本架构
    Figure  1.  Basic architecture of digital twin system of coal mine power grid

    1) 煤矿电网物理实体层。煤矿电网物理实体是构建煤矿电网数字孪生体系的基础,其包括煤矿电网的所有要素,为煤矿电网数字孪生体系其余层级提供煤矿电网系统原始的数据资源。由于煤矿井下狭长空间和放射式结构等特点,数据传输难度相较地面较大,通过基于微机电系统(Micro-Electro-Mechanical System,MEMS)、LoRa[7-8]等技术的集成度高、抗干扰性强和功耗低的传感器和多主模式的数据采集形式建立针对煤矿电网的数据采集技术。

    2) 煤矿电网数字孪生模型层。煤矿电网物理实体中每一个元素都会经过映射来到虚拟端,并经过数据整合演算构建成为一个对应的数字孪生模型。煤矿电网数字孪生模型是煤矿电网数字孪生体系的核心,由PSCAD/EMTDC和Matlab/Simulink等高精度电路仿真建模技术配合三维地理信息系统(Geography Information System,GIS)、全景等可视化技术建立,并且由煤矿电网的数据驱动实现煤矿电网设备智能健康评估、线路智能巡检、故障智能诊断等功能。因此,需要集成机器学习、深度学习、神经网络和高维统计分析等智能算法。同时针对煤矿电网多段电缆供电、低压大电流和较短的传输距离等特点,进行故障诊断和健康评估时需要综合考虑煤矿电网的多方面因素对技术进行改进,以建立煤矿电网数字孪生模型层。

    3) 用户管理服务层。该层是煤矿电网数字孪生体系的“方向盘”,包括用户、人机接口、应用软件及孪生共智技术,其中孪生共智技术是涉及数字孪生模型等资源的接口、互操作、在线插拔和安全访问的技术。由于煤矿电网具有井下和井上及移动等多个不同等级的变电站,需要通过虚拟现实(Virtual Reality,VR)、高级过程控制(Advanced Process Control,APC)、城市信息模型(City Information Model,CIM)等技术开发多个变电站一体化控制的应用平台及其对应软件[9-10],实现数字孪生模型的可视化智能监控,以及用户对数字孪生模型的远程模拟操作和智能监管调度功能。

    4) 数据交流层。该层是煤矿电网数字孪生体系的“桥梁与纽带”,具有同步交互和闭环反馈的特点,负责对物理实体层、数字孪生模型层及用户管理服务层之间的数据流和信息流进行整合演算。将物理实体、数字孪生模型、用户三者连接成一个整体,形成物理空间和数字空间的闭环通路,并集成了数据和信息高效有序采集、传输和通信的技术,提供信息交换、数据保证、安全保障等支持。随着目前5G、窄带物联网(Narrow Band-Internet of Things,NB-IoT)及LTE-Cat 1等通信技术的高速发展,煤矿电网的人机接口可以通过5G网关实现数据高效率、高稳定性传输[11-12];之后通过NB-IoT或LTE-Cat 1等通信技术,使物理实体和数字孪生模型达到实时交互、同步反馈及互操作的程度,实现二者之间的孪生共智。

    针对煤矿井下场景构建的煤矿电网数字孪生体系,将数字煤矿电网与物理煤矿电网2个主体通过 1:1 建模、物联感知、信息物理系统(Cyber-Physical Systems,CPS)和泛在网络实现系统运维和用户操作的“由实入虚”;再通过多学科、多尺度的仿真过程、科学决策和智能控制“由虚入实”,在数字空间进行仿真与控制,在物理空间进行实践。煤矿电网数字孪生模型与现实物理实体相辅相成,互相优化,实现煤矿电网电气设备健康管理、故障诊断和井下全域感知与巡检等各项业务数字化运营,形成煤矿电网智能化运行模式,如图2所示。

    图  2  煤矿电网数字孪生体系的运行模式
    Figure  2.  Operation mode of digital twin system of coal mine power grid

    为实现煤矿电网数字孪生模型层与煤矿电网物理实体层的信息精准匹配、控制,以及煤矿电网数字孪生体系服务的正常运行,需要对物理实体全域的数据进行采集。在煤矿井下安装集成度高、抗干扰性强和功耗低的传感器,同时采用主从式数据采集模式,实现煤矿电网数字孪生体系的数据采集[13-14]。通过5G 技术的低时延、大带宽,区块链技术的去中心化和Massive MIMO 技术具有更小体积的天线尺寸等适应煤矿井下特殊环境的技术,建立煤矿电网数字孪生智能数据库[14-15],完成对数据的加工、储存、更新、拓展和维护,进而为煤矿电网数字孪生模型的智能控制和科学决策提供精准的数据。

    在数字空间,煤矿电网由数据资源管理系统、数字孪生模型和智能控制平台组成。数据资源管理系统通过建立数据采集和处理系统对物理实体数字化标志的数据进行采集、统一管理和使用。通过加载数据资源管理系统中采集的物理实体数据,利用电网信息模型(Grid Information Model,GIM)等技术构建煤矿电网在虚拟数字领域对应的数字孪生模型,实现煤矿电网的虚实对应、实时映射、同步反馈。构建数字孪生模型后,需要建立智能控制平台来完成煤矿电网数字孪生模型的智能控制和科学决策。通过BIM、三维GIS、大数据、云计算、物联网等智能化技术,将煤矿电网各个设备经过融合演算,同步形成数字煤矿电网的智能控制平台[16],实现煤矿电网从规划、建设到管理的全过程、全要素、全方位的数字化、在线化和智能化。

    建立全息感知、多源融合、同步反馈和信息交互的煤矿电网数字孪生模型是构建煤矿电网数字孪生体系的核心。随着互联网、大数据技术的高速发展,现代煤矿电网可以采集到的数据量爆炸性增长,以往通过物理模型进行建模仿真的传统建模方法仅仅能够通过输入设置的参数来仿真验证煤矿电网的运行情况和电网信息等,无法与采集到的设备和线路的海量数据进行匹配。煤矿电网数字孪生模型构建技术采取双驱动模型融合的方式,即物理模型驱动和数据模型驱动建模相结合。通过煤矿电网物理实体的电网结构建立精确的数字孪生模型,实现与物理实体实时信息交互,通过数据平台反映煤矿电网的运行状态。为了满足煤矿电网数字孪生模型中信息交互的实时性和数据的准确性,数字孪生模型的数据处理平均延迟时间应小于10−2 ms,仿真数据与实际数据的误差应小于3%[17]。建模时应先建立设备的数字孪生模型,进而连接各个设备的模型,构建煤矿电网各个子系统的数字孪生模型,最终构建全域的煤矿电网数字孪生模型。

    海量而多元的数据是构建煤矿电网数字孪生体系的基础,建立智能化的数据采集体系是构建煤矿电网数字孪生体系的入口和通道。因此需要对煤矿电网中不同区段、不同线路、不同型号电缆、接线盒及配电装置的绝缘状况、运行状态和其他状态信息进行连续自动采集和监控[18]

    针对煤矿井下复杂环境,数据传输难度相较地面较大。地面常采用一主多从的数据采集形式,即主机以巡检方式按周期对分站进行数据采集,需要精确定位节点地址来配合主机的数据读取。相比主从形式,多主的数据采集形式即每个节点设备均可主动向上发送数据,仅存在按时传送的单向数据,降低了通信带宽的占用,减少了中心站主机数据采集任务,状态数据无需中心站主机进行二次处理,提高了硬件资源利用率的同时状态反馈更加及时,实现了数据的实时更新,效率更高,更符合煤矿智能化的需求[19-20]。同时,具有极小的质量和体积、极低的功耗、良好的抗振动性能、高抗冲击能力等特点的MEMS技术[21-22]和功耗低、丢包率小、抗干扰性好的LoRa 技术[23-24]高度适配煤矿井下的数据采集系统,已有大量高集成度芯片级传感产品应用于煤矿中。在传输大量采集的数据时,煤矿电网数字孪生体系的智能数据采集技术应满足系统在数据传输周期为 500,100 ms 时的数据丢失率均为 2.4%以下的精度要求。

    煤矿井下空间狭窄且分支多,设备多且密集,并且周围的粗糙煤壁易对无线电波传输产生干扰。因此建立煤矿电网数字孪生体系需要先进的无线通信技术。5G技术“多连接、大带宽、低延时”的特性,是实现实时、高效、双向智能通信的保障。

    5G 技术在煤矿电网中应用时,可能会产生高频无线信号快速衰减和网络覆盖范围有限等问题,同时井下狭长的通道也会对信号传递造成影响。针对高频无线信号快速衰减的问题, Massive MIMO 技术能够带来更高的天线阵列增益,大幅提升系统容量,同时能够将波束控制在很窄的范围内,从而带来高波速增益,有效补偿高频段传输的较大路径损耗[25]。将Massive MIMO 与正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术融合,配合天线选择算法建立优化函数,智能选择符合煤矿电网环境的天线,实现系统容量与系统功耗的平衡,解决Massive MIMO 系统天线规模带来的功耗问题[26-28]。从网络覆盖范围的角度分析,单个5G微基站的有效覆盖距离约为 500 m,相对当前煤矿井下4G基站的覆盖距离(1.5 km),采用 3 个以上5G 微基站即可完全覆盖原 4G 网络的覆盖范围,并且具有更大的带宽、更低的延时和更小的体积,更有利于井下长时间使用的安全性[29]。针对狭长多分支的井下空间,应合理使用5G微基站技术,采取5G+有线光纤的网络框架,合理控制功耗和优化站点配置[30-31]。目前5G+有线光纤架构的传输速率为10 Gbit/s,故障时保护倒换时间达30 ms以内,可满足数字孪生系统的应用需要。针对煤矿井下应用5G技术可能产生的其他难题,大多可通过对5G技术的合理规划与布置解决,从而合理实现煤矿电网数字孪生体系中数据之间、设备之间、人机之间交流的一体化融合。

    煤矿电网中所采集到的海量多元数据(如绝缘参数和运行状态参数)需要分区段、分线路进行存储和处理,这些数据之间既存在联系,也相互独立。同时煤矿电网数字孪生模型中存在大量的核心敏感数据,这些数据对数据系统安全性的要求很高,传统的数据库一般不能提供一个兼顾安全和高效的数据共享环境。因此需要建立能够存储数据的通用数据库,可将拜占庭容错共识、国密算法和P2P数据传输等技术集成,形成一种新的煤矿电网数字孪生体系的区块链技术,实现煤矿电网数字孪生体系的去中心化,解决中心化数据系统的单点安全问题和大量数据的同步网络需求不足问题,加强数据的精细化汇集和高效管理,提高信息流通效率,并保证在煤矿电网某处发生故障时数据库系统的稳定和安全[32]

    由于区块链不适合存储大规模数据,所以在煤矿电网数字孪生体系中应联合数据库LevelDB和星际文件系统(InterPlanetary File System,IPFS)进行存储[33-34]。数据库LevelDB用于存储区块链的索引、状态、历史状态数据;IPFS用于存储区块本体和非格式化文件,其中非格式化文件的指纹信息存储于区块中,这样既满足了高效性,也满足煤矿电网较大数据规模的存储要求。

    通过采集煤矿电网中设备的海量数据,建立连接各个设备和人机交互接口的数字化设备管理平台。利用基于数字孪生模型的全息投影技术,将虚拟空间的数字孪生模型通过三维图像的精确重构和映射,实现煤矿电网数字孪生模型多维度数据的可视化精确表征[35],并通过VR技术使得可视化的三维模型与虚拟空间的数字模型高精度同步更新,实时映射数字孪生模型的运行进程,进而融合人工智能模式识别、语音或手势感知等指令,达到用户对煤矿电网数字孪生模型的远程控制、智能监控、精确查找定位和自由调度,进而实现人、机的智能控制和有机融合。在此基础上,通过物联网实现煤矿电网数字孪生模型中各个设备与用户的泛在连接,实现用户对煤矿电网数字孪生模型各个设备和工作进程的智能化感知、调控、管理和识别[36]

    传统的煤矿井下电气设备评估方法难以在兼顾安全性和经济性的同时,对规模愈来愈庞大的煤矿井下设备进行精准的状态评估。利用数字孪生模型模拟的设备运行数据,综合煤矿井下特定环境,选取设备运行温度、电动机转速和电流等评价指标,将孪生数据和煤矿电网物理实体数据进行对比,建立设备健康状态评估模型,实现煤矿井下电气设备状态评估,具体流程如图3所示。文献[37-38]分别采用大数据挖掘和BP神经网络的方法,在获取设备数据的基础上进行大数据分析和机器学习建模,实现煤矿井下设备状态评估,设备健康状态的预测值与实际值误差不超过9%,准确率达90%以上。文献[39]针对电力变压器建立精细化数字孪生模型,利用数字孪生技术模拟实体中难以全面获取的短路电流次数、绕组直流电阻等指标,对设备数字孪生模型进行影响因素分析,并依此进行差异化划分,实现对设备精准高效的状态评估。

    图  3  煤矿井下电气设备状态评估流程
    Figure  3.  Condition assessment flow of electrical equipment in underground coal mine

    煤矿电网具有多段电缆供电、较短的传输距离和低压大电流等特点,使得其故障特征与判断非常困难,尤其是谐波谐振引起的保护系统误动作及小电流接地故障的诊断等,难以设计单一有效的指标对其进行精准的故障诊断。对数字孪生模型模拟的大量且丰富的各种故障电气数据进行预处理,进而进行数据融合,构建电网故障的高维统计指标,将常规电气特征、融合数据特征等作为输入,将故障所在位置作为输出,利用卷积神经网络、深度学习和线性判别分析等机器学习算法建立机器学习模型;所建模型可从实时数据集中提取出故障的深层特征,作为故障的精确判据,并利用Adam(Adaptive Moment Estimation)、RMSProp(Root Mean Square Propagation)等优化算法提高模型的精度,防止陷入局部最优的情况,实现煤矿电网故障的智能定位。煤矿电网故障定位和保护流程如图4所示。文献[40]利用卷积神经网络,融合多组判据作为故障特征,实现煤矿电网单相接地故障选线,且不受故障线路、故障距离、故障初相位等条件的影响,仿真验证准确率达 99.8%。

    图  4  煤矿电网故障定位和保护流程
    Figure  4.  Fault location and protection flow of coal mine power grid

    通过煤矿电网数字孪生模型的数据总线建立防越级环网,同时对煤矿电网内各个开关进行编号,实现煤矿供配电系统各个变电站的有机连接,使其自主交互、上传故障信息,并融合煤矿电网故障定位系统,建立分布式防越级系统,具体工作参考文献[41-43]。

    对煤矿电网物理实体全域的所有元素进行数字化标志,在此基础上建立的煤矿电网数字孪生模型具有较高的精确性,将智能化传感设备采集到的数据和信息通过通信纽带加载到数字孪生模型中,能够实现物理实体和数字模型的1∶1精准映射,实现设备状态和运行进程的可视化智能监控[44]。工作人员操作煤矿电网设备时,可借由操作煤矿电网数字孪生体系实现远程控制,提高效率,并且减少人员下井等不确定因素引起的不稳定性风险。同时,通过应用人工智能算法,使得采集到的数据在数字孪生模型中不断优化迭代和仿真,进而驱动设备实现自主决策、自主管理、故障预警和自我优化,实现在无人操控时完全自主管理与决策的煤矿电网数字孪生体系[45]

    煤矿井下线缆常常由于通风不良导致热量不易散发,或因管理不当导致线缆脱落泡水等引起漏电等电气故障。井下空间狭窄,传统的煤矿井下线路巡检方式难度大、效率低,且可靠性受人为因素影响。文献[46]将无人机作为数据采集装置并引入电力系统,配备后端多种识别和数据学习算法,实现了自动化电力巡检。文献[47]将无人机巡线系统引入煤矿井下,借助激光即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)、机器视觉、图像处理等技术实现无人机的同步定位。无人机能够智能识别场景的异常状态并自动巡检,降低了人力和财力的投入,无需停止生产进行巡检[48-49]。在无人机的基础上结合数字孪生技术,建立煤矿井下无人机智能巡检模块,将井下图像传回数字孪生模型,构建飞行安全通道,并且实时优化飞行路径,实现自主避障。此外,将流过线缆的电流数据与数字孪生模型中模拟运行的数据进行比较,对超过阈值的线缆进行电流标幺值比对,以此判断线缆是否出现老化等问题,提高线路巡检的准确度。煤矿井下线路智能巡检技术路线如图5所示。

    图  5  煤矿井下线路智能巡检技术路线
    Figure  5.  Intelligent inspection technology route of coal mine underground line

    数字孪生应用在煤矿电网时相较于传统煤矿电网在数据利用方面更加高效、在设备维护方面更加经济,并且在管理和运行模式方面具有智能决策、自主学习和完善等功能,更加适应当今煤矿智能化的需求。此外,煤矿电网数字孪生体系可以更好地利用信息工程领域中的神经网络、支持向量机和深度学习等技术,在处理非线性和不确定性问题时更加智能和精准。但目前煤矿电网数字孪生体系建设仍处于探索阶段,随着未来人工智能、大数据、物联网等技术的进一步发展,成熟的煤矿电网数字孪生体系可实现能量流和信息流的深度融合,后续在硬件算力足够强大时,煤矿电网数字孪生体系还可结合超实时虚拟测试、多代理等技术,优化自主决策功能,实现煤矿电网的深度智能化,使煤矿电网运行更加智能、安全、高效。

  • 图  1   煤矿电网数字孪生体系基本架构

    Figure  1.   Basic architecture of digital twin system of coal mine power grid

    图  2   煤矿电网数字孪生体系的运行模式

    Figure  2.   Operation mode of digital twin system of coal mine power grid

    图  3   煤矿井下电气设备状态评估流程

    Figure  3.   Condition assessment flow of electrical equipment in underground coal mine

    图  4   煤矿电网故障定位和保护流程

    Figure  4.   Fault location and protection flow of coal mine power grid

    图  5   煤矿井下线路智能巡检技术路线

    Figure  5.   Intelligent inspection technology route of coal mine underground line

  • [1] 贺兴,艾芊,朱天怡,等. 数字孪生在电力系统应用中的机遇和挑战[J]. 电网技术,2020,44(6):2009-2019.

    HE Xing,AI Qian,ZHU Tianyi,et al. Opportunities and challenges of the digital twin in power system applications[J]. Power System Technology,2020,44(6):2009-2019.

    [2] 庞宇. 行星齿轮箱数字孪生体动力学仿真与故障诊断研究[D]. 太原: 中北大学, 2020.

    PANG Yu. Simulation study on dynamics and fault diagnosis of digital twin in planetary gearbox[D]. Taiyuan: North University of China, 2020.

    [3] 纪志伟. 基于数字孪生的泛在电力物联网模型研究[J]. 电力学报,2020,35(3):274-279.

    JI Zhiwei. Research on ubiquitous power Internet of things model based on digital twinning[J]. Journal of Electric Power,2020,35(3):274-279.

    [4] 王浩,许海伟,杜勇,等. 基于数字孪生模型的GIS筒体关键部件温变行为研究[J]. 高电压技术,2021,47(5):1584-1594.

    WANG Hao,XU Haiwei,DU Yong,et al. Research on temperature change behavior of key components of GIS barrel based on digital twin model[J]. High Voltage Engineering,2021,47(5):1584-1594.

    [5] 张帆,葛世荣,李闯. 智慧矿山数字孪生技术研究综述[J]. 煤炭科学技术,2020,48(7):168-176. DOI: 10.13199/j.cnki.cst.2020.07.017

    ZHANG Fan,GE Shirong,LI Chuang. Research summary on digital twin technology for smart mines[J]. Coal Science and Technology,2020,48(7):168-176. DOI: 10.13199/j.cnki.cst.2020.07.017

    [6] 夏玲,姜媛媛,张杰,等. 基于数字孪生的Buck电路故障诊断方法[J]. 工矿自动化,2021,47(2):88-92,115. DOI: 10.13272/j.issn.1671-251x.2020070063

    XIA Ling,JIANG Yuanyuan,ZHANG Jie,et al. Buck circuit fault diagnosis method based on digital twin[J]. Industry and Mine Automation,2021,47(2):88-92,115. DOI: 10.13272/j.issn.1671-251x.2020070063

    [7] 程晓涵,李宗吾,谢秉沁,等. 基于MEMS技术的矿用无线传感采集系统设计[J]. 煤炭工程,2022,54(3):26-32.

    CHENG Xiaohan,LI Zongwu,XIE Bingqin,et al. MEMS technology-based mine wireless sensor acquisition system[J]. Coal Engineering,2022,54(3):26-32.

    [8] 王怀秀,仇帅,朱国维,等. 基于MEMS与LwIP的煤矿三分量地震数据采集系统[J]. 煤田地质与勘探,2021,49(4):8-14. DOI: 10.3969/j.issn.1001-1986.2021.04.002

    WANG Huaixiu,QIU Shuai,ZHU Guowei,et al. Three-component seismic data acquisition system of coal mine based on MEMS and LwIP[J]. Coal Geology & Exploration,2021,49(4):8-14. DOI: 10.3969/j.issn.1001-1986.2021.04.002

    [9] 范海东. 基于数字孪生的智能电厂体系架构及系统部署研究[J]. 智能科学与技术学报,2019,1(3):241-248. DOI: 10.11959/j.issn.2096-6652.201930

    FAN Haidong. Research on architecture and system deployment of intelligent power plant based on digital twin[J]. Chinese Journal of Intelligent Science and Technology,2019,1(3):241-248. DOI: 10.11959/j.issn.2096-6652.201930

    [10] 邹东,冯剑冰. 数字孪生技术在城市轨道交通供电系统中的应用场景分析[J]. 城市轨道交通研究,2021,24(3):158-162,165. DOI: 10.16037/j.1007-869x.2021.03.036

    ZOU Dong,FENG Jianbing. Application scenario analysis of digital twin technology in urban rail transit power supply system[J]. Urban Mass Transit,2021,24(3):158-162,165. DOI: 10.16037/j.1007-869x.2021.03.036

    [11]

    JAIN P,POON J,SINGH J P,et al. A digital twin approach for fault diagnosis in distributed photovoltaic systems[J]. IEEE Transactions on Power Electronics,2020,35(1):940-956. DOI: 10.1109/TPEL.2019.2911594

    [12] 韩将星. 6G时代数字孪生在无线电监测站的应用研究[J]. 通信技术,2021,54(2):352-362.

    HAN Jiangxing. Digital twin application in radio monitoring stations in 6G era[J]. Communications Technology,2021,54(2):352-362.

    [13] 苗可彬. 基于LoRa技术的矿用无线一氧化碳传感器设计[J]. 电子设计工程,2021,29(14):95-100. DOI: 10.14022/j.issn1674-6236.2021.14.021

    MIAO Kebin. Design of wireless carbon monoxide sensor for mine based on LoRa technology[J]. Electronic Design Engineering,2021,29(14):95-100. DOI: 10.14022/j.issn1674-6236.2021.14.021

    [14] 潘晓博. 基于LoRa的低功耗瓦斯浓度分布式监测系统设计[J]. 工矿自动化,2021,47(6):103-108. DOI: 10.13272/j.issn.1671-251x.2021030052

    PAN Xiaobo. Design of low-power distributed gas concentration monitoring system based on LoRa[J]. Industry and MineAutomation,2021,47(6):103-108. DOI: 10.13272/j.issn.1671-251x.2021030052

    [15] 孙学波,李志福,王元杰,等. 基于5G通信网络的高精度无线微震监测技术研究[J]. 矿业安全与环保,2022,49(2):83-90. DOI: 10.19835/j.issn.1008-4495.2022.02.015

    SUN Xuebo,LI Zhifu,WANG Yuanjie,et al. Research on high-precision wireless microseismic monitoring technology based on 5G communication network[J]. Mining Safety & Environmental Protection,2022,49(2):83-90. DOI: 10.19835/j.issn.1008-4495.2022.02.015

    [16] 吕晟,唐小平,汤雪鹏,等. 基于多数据融合的智能电网运检信息平台设计[J]. 电子设计工程,2021,29(10):120-124. DOI: 10.14022/j.issn1674-6236.2021.10.026

    LYU Sheng,TANG Xiaoping,TANG Xuepeng,et al. Design of intelligent power grid operation and inspection information platform based on multi-data fusion[J]. Electronic Design Engineering,2021,29(10):120-124. DOI: 10.14022/j.issn1674-6236.2021.10.026

    [17] 胡伟飞,方健豪,刘飞香,等. 基于数字孪生的掘锚一体机实时状态映射[J]. 湖南大学学报(自然科学版),2022,49(2):1-12. DOI: 10.55463/issn.1674-2974.49.2.1

    HU Weifei,FANG Jianhao,LIU Feixiang,et al. Real-time state mirror-mapping for driving and bolting integration equipment based on digital twin[J]. Journal of Hunan University(Natural Sciences),2022,49(2):1-12. DOI: 10.55463/issn.1674-2974.49.2.1

    [18] 郑忠斌,王朝栋,蔡佳浩. NB-IoT的技术优势及在电网中的应用研究[J]. 通信技术,2020,53(7):1786-1793. DOI: 10.3969/j.issn.1002-0802.2020.07.035

    ZHENG Zhongbin,WANG Chaodong,CAI Jiahao. Technical advantage of NB-IoT and its application in power grid[J]. Communications Technology,2020,53(7):1786-1793. DOI: 10.3969/j.issn.1002-0802.2020.07.035

    [19] 殷鹏, 肖开泰, 肖长亮, 等. 煤矿安全监控系统数据采集方式[J]. 煤矿安全, 2019, 50(8): 104-106.

    YIN Peng, XIAO Kaitai, XIAO Changliang, et al. Data acquisition method of coal mine safety monitoring system[J]Safety in Coal Mines, 2019, 50(8): 104-106.

    [20] 周海坤. 高并发煤矿安全监控数据采集系统的设计[J]. 煤矿安全,2018,49(6):85-87,91. DOI: 10.13347/j.cnki.mkaq.2018.06.022

    ZHOU Haikun. Design of data acquisition system for high concurrent coal mine safety monitoring[J]. Safety in Coal Mines,2018,49(6):85-87,91. DOI: 10.13347/j.cnki.mkaq.2018.06.022

    [21] 李军,赵军. MEMS传感器的发展及其在煤矿井下的应用研究[J]. 煤炭技术,2014,33(7):238-240. DOI: 10.13301/j.cnki.ct.2014.07.089

    LI Jun,ZHAO Jun. Development and application of MEMS sensor under coal mine[J]. Coal Technology,2014,33(7):238-240. DOI: 10.13301/j.cnki.ct.2014.07.089

    [22] 赵悦,兰英,屈贤. 基于 MEMS传感器的煤矿井下人员定位系统设计[J]. 工矿自动化,2018,44(8):87-91.

    ZHAO Yue,LAN Ying,QU Xian. Design of personnel positioning system in coal mine underground based on MEMS sensor[J]. Industry and Mine Automation,2018,44(8):87-91.

    [23] 张新. LoRa技术及其在煤矿中的应用分析[J]. 煤炭工程,2019,51(3):79-82.

    ZHANG Xin. LoRa technology and its application analysis in coal mine[J]. Coal Engineering,2019,51(3):79-82.

    [24] 薛光辉,赵贺,孙宗正. 基于LoRa技术的矿用无线复合传感器设计与实现[J]. 煤炭工程,2020,52(4):166-170.

    XUE Guanghui,ZHAO He,SUN Zongzheng. Design and implementation of mine wireless composite sensor based on LoRa[J]. Coal Engineering,2020,52(4):166-170.

    [25]

    LARSSON E G,EDFORS O,TUFVESSON F,et al. Massive MIMO for next generation wireless systems[J]. IEEE Communications Magazine,2014,52(2):186-195. DOI: 10.1109/MCOM.2014.6736761

    [26]

    GAO Hongyuan,SU Yumeng,ZHANG Shibo,et al. Joint antenna selection and power allocation for secure co-time co-frequency full-duplex massive MIMO systems[J]. IEEE Transactions on Vehicular Technology,2021,70(1):655-665.

    [27]

    GAO Xinyu,DAI Linglong,CHEN Zhijie,et al. Near-optimal beam selection for beamspace mmWave massive MIMO systems[J]. IEEE Communications Letters,2016,20(5):1054-1057.

    [28]

    ZHOU Tao,CHEN Guichao,WANG Chengxiang,et al. Performance analysis and power allocation of mixed-ADC multi-cell millimeter-wave massive MIMO systems with antenna selection[J]. Frontiers of Information Technology & Electronic Engineering,2021,22(4):571-585.

    [29] 王国法,赵国瑞,胡亚辉. 5G 技术在煤矿智能化中的应用展望[J]. 煤炭学报,2020,45(1):16-23.

    WANG Guofa,ZHAO Guorui,HU Yahui. Application prospect of 5G technology in coal mine intelligence[J]. Journal of China Coal Society,2020,45(1):16-23.

    [30] 顾义东,孟玮. 煤矿5G无线通信系统建设构想[J]. 工矿自动化,2021,47(10):1-6,13. DOI: 10.13272/j.issn.1671-251x.17850

    GU Yidong,MENG Wei. Coal mine 5G wireless communication system construction concept[J]. Industry and Mine Automation,2021,47(10):1-6,13. DOI: 10.13272/j.issn.1671-251x.17850

    [31] 刘扬,刘建功,王毅颖,等. 煤矿坚强智能电网建设理论与技术探讨[J]. 煤炭学报,2020,45(6):2296-2307. DOI: 10.13225/j.cnki.jccs.ZN20.0334

    LIU Yang,LIU Jiangong,WANG Yiying,et al. Discussion on theory and technology of building robust intelligent power grid in coal mine of China[J]. Journal of China Coal Society,2020,45(6):2296-2307. DOI: 10.13225/j.cnki.jccs.ZN20.0334

    [32] 赵涵. 基于区块链的智能矿山数据共享方案研究[J]. 工矿自动化,2021,47(增刊2):45-48.

    ZHAO Han. Research on smart mine data sharing scheme based on blockchain[J]. Industry and Mine Automation,2021,47(S2):45-48.

    [33] 秦晓伟,王立兵,汪磊,等. 区块链技术在矿山物联网中的应用研究[J]. 工矿自动化,2020,46(3):21-26. DOI: 10.13272/j.issn.1671-251x.17542

    QIN Xiaowei,WANG Libing,WANG Lei,et al. Research on application of blockchain technology in mine Internet of things[J]. Industry and Mine Automation,2020,46(3):21-26. DOI: 10.13272/j.issn.1671-251x.17542

    [34] 谭靓洁,李永飞,吴琼. 基于区块链的煤矿安监云数据安全访问模型研究[J]. 工矿自动化,2022,48(5):93-99. DOI: 10.13272/j.issn.1671-251x.2022030023

    TAN Liangjie,LI Yongfei,WU Qiong. Research on security access model of coal mine safety supervision cloud data based on blockchain[J]. Journal of Mine Automation,2022,48(5):93-99. DOI: 10.13272/j.issn.1671-251x.2022030023

    [35] 朱珂,张莹,李瑞丽. 全息课堂:基于数字孪生的可视化三维学习空间新探[J]. 远程教育杂志,2020,38(4):38-47. DOI: 10.15881/j.cnki.cn33-1304/g4.2020.04.004

    ZHU Ke,ZHANG Ying,LI Ruili. Holographic classroom:A new exploration of visualized 3D learning space based on digital twin[J]. Journal of Distance Education,2020,38(4):38-47. DOI: 10.15881/j.cnki.cn33-1304/g4.2020.04.004

    [36] 李梅,孙振明,吕平洋,等. 煤矿综采工作面多角色虚拟演练平台关键技术研究[J]. 煤炭科学技术,2018,46(1):156-161,223. DOI: 10.13199/j.cnki.cst.2018.01.022

    LI Mei,SUN Zhenming,LYU Pingyang,et al. Study on key technology of multiplayer virtual reality training platform for fully-mechanized coal mining face[J]. Coal Science and Technology,2018,46(1):156-161,223. DOI: 10.13199/j.cnki.cst.2018.01.022

    [37] 李新虎. 基于大数据挖掘的矿井旋转机械状态评估系统[J]. 电子器件,2021,44(2):434-438. DOI: 10.3969/j.issn.1005-9490.2021.02.032

    LI Xinhu. State evaluation system of mine rotating machinery based on big data mining[J]. Chinese Journal of Electron Devices,2021,44(2):434-438. DOI: 10.3969/j.issn.1005-9490.2021.02.032

    [38] 何俊峰,肖慧明. 矿井提升机健康管理系统研究[J]. 制造业自动化,2020,42(6):4-7,38. DOI: 10.3969/j.issn.1009-0134.2020.06.002

    HE Junfeng,XIAO Huiming. Reserch on system of health management for mine hoist[J]. Manufacturing Automation,2020,42(6):4-7,38. DOI: 10.3969/j.issn.1009-0134.2020.06.002

    [39] 齐波,张鹏,张书琦,等. 数字孪生技术在输变电设备状态评估中的应用现状与发展展望[J]. 高电压技术,2021,47(5):1522-1538. DOI: 10.13336/j.1003-6520.hve.20210093

    QI Bo,ZHANG Peng,ZHANG Shuqi,et al. Application status and development prospects of digital twin technology in condition assessment of power transmission and transformation equipment[J]. High Voltage Engineering,2021,47(5):1522-1538. DOI: 10.13336/j.1003-6520.hve.20210093

    [40] 王玉梅, 张家康. 基于卷积神经网络多判据融合的井下电网故障选线方法[J/OL]. 电源学报: 1-12[2022-06-15]. http://kns.cnki.net/kcms/detail/12.1420.TM.20210826.1712.010.html.

    WANG Yumei, ZHANG Jiakang. Fault line selection method for mine power grid based on fusion of multiple criteria of convolutional neural network[J/OL]. Journal of Power Supply: 1-12[2022-06-15]. http://kns.cnki.net/kcms/detail/12.1420.TM.20210826.1712.010.html.

    [41] 倪少军,李双良,匡欣欣,等. 面向煤矿供电的智能分布式防越级保护系统[J]. 工矿自动化,2021,47(增刊1):78-80,87.

    NI Shaojun,LI Shuangliang,KUANG Xinxin,et al. Intelligent distributed anti-override protection system for coal mine power supply[J]. Industry and Mine Automation,2021,47(S1):78-80,87.

    [42] 张文瑞. 煤矿供电防越级跳闸监控系统[J]. 工矿自动化,2018,44(9):98-101. DOI: 10.13272/j.issn.1671-251x.17343

    ZHANG Wenrui. Anti-override trip monitoring system of coal mine power supply[J]. Industry and Mine Automation,2018,44(9):98-101. DOI: 10.13272/j.issn.1671-251x.17343

    [43] 刘波. 煤矿智能化供电系统的防越级跳闸与远程漏试应用[J]. 工矿自动化,2021,47(增刊1):85-87.

    LIU Bo. Application of anti override trip and remote leakage test in coal mine intelligent power supply system[J]. Industry and Mine Automation,2021,47(S1):85-87.

    [44] 汪丛笑. 煤矿安全监控系统智能化现状及发展对策[J]. 工矿自动化,2017,43(11):5-10. DOI: 10.13272/j.issn.1671-251x.2017.11.002

    WANG Congxiao. Present situation and development countermeasures of coal mine safety monitoring and control system intelligentization[J]. Industry and Mine Automation,2017,43(11):5-10. DOI: 10.13272/j.issn.1671-251x.2017.11.002

    [45] 闫兆振. 煤矿安全监控多系统融合平台[J]. 工矿自动化,2017,43(2):11-14. DOI: 10.13272/j.issn.1671-251x.2017.02.003

    YAN Zhaozhen. Multi-system fusion platform for coal mine safety monitoring and control[J]. Industry and Mine Automation,2017,43(2):11-14. DOI: 10.13272/j.issn.1671-251x.2017.02.003

    [46] 张朝晖,成鑫,牛猛,等. 无人机在煤矿电力系统的应用与研究[J]. 科技资讯,2021,19(11):84-86. DOI: 10.16661/j.cnki.1672-3791.2012-5042-0863

    ZHANG Zhaohui,CHENG Xin,NIU Meng,et al. Application and research of UAV in coal mine power system[J]. Science & Technology Information,2021,19(11):84-86. DOI: 10.16661/j.cnki.1672-3791.2012-5042-0863

    [47] 侯刚. 煤矿无人机智能系统设计与实现[J]. 煤炭工程,2021,53(2):19-23.

    HOU Gang. Design and realization of intelligent system of coal mine UAV[J]. Coal Engineering,2021,53(2):19-23.

    [48] 王妙云. 煤矿井下四旋翼无人机虚拟远程操控关键技术研究[D]. 西安: 西安科技大学, 2020.

    WANG Miaoyun. Key technologies of virtual remote control of quadcopter UAV in underground coal mine[D]. Xi'an: Xi'an University of Science and Technology, 2020.

    [49] 袁智勇,肖泽坤,于力,等. 智能电网大数据研究综述[J]. 广东电力,2021,34(1):1-12. DOI: 10.3969/j.issn.1007-290X.2021.001.001

    YUAN Zhiyong,XIAO Zekun,YU Li,et al. Research review of big data for smart grid[J]. Guangdong Electric Power,2021,34(1):1-12. DOI: 10.3969/j.issn.1007-290X.2021.001.001

  • 期刊类型引用(7)

    1. 商立群,张少强,荣相,刘江山,王越. 井下电力电缆故障定位研究. 工矿自动化. 2024(02): 130-137 . 本站查看
    2. 曹许悦,孙永华,王衍昭,王一涵,成星露,张王宽. 湿地数字孪生技术及其应用综述. 测绘通报. 2024(02): 32-38 . 百度学术
    3. 邢震. 面向智能矿山的数字孪生技术研究进展. 工矿自动化. 2024(03): 22-34+41 . 本站查看
    4. 李彬,耿龙妹,周颖,陈宋宋,吴一敌,孙冲,马笑天. 需求侧资源互动数字化技术发展及转型思考. 电力信息与通信技术. 2024(04): 30-37 . 百度学术
    5. 黄家林,方欢. 煤矿带式输送机数字孪生系统的HCPN性能评价方法. 电子设计工程. 2024(16): 22-26 . 百度学术
    6. 张建国. 露天煤矿供配电系统安全控制技术创新方法研究. 露天采矿技术. 2024(04): 64-68 . 百度学术
    7. 黄馨丹. 探究煤矿智能化建设中5G通信技术的应用. 中国新技术新产品. 2023(07): 15-17 . 百度学术

    其他类型引用(3)

图(5)
计量
  • 文章访问数:  2253
  • HTML全文浏览量:  111
  • PDF下载量:  113
  • 被引次数: 10
出版历程
  • 收稿日期:  2022-04-07
  • 修回日期:  2023-02-09
  • 网络出版日期:  2022-09-18
  • 刊出日期:  2023-02-24

目录

/

返回文章
返回