基于数字孪生和组合赋权法的智能变电站二次系统状态评估方法

《Electronics》：Intelligent Substation Secondary System State Evaluation Method Based on Digital Twins and Combination Weighting Method

　　

针对智能变电站二次系统日益复杂以及传统评估方法存在数据孤岛、指标单一等局限性，研究人员提出了一种基于数字孪生（Digital Twin）和组合赋权法（Combination Weighting Method）的状态评估方法。首先，构建了由物理实体、数据交互、虚拟孪生和服务应用组成的四层数字孪生架构，以实现二次系统多源异构数据的精确映射与实时交互；从健康状态、信息传输和环境条件等多个维度，建立了涵盖智能变电站二次系统关键设备运行状态和信息质量的综合评估指标体系。其次，建立了融合层次分析法（Analytic Hierarchy Process, AHP）主观权重和变异系数法（Coefficient of Variation Method）客观权重的组合赋权评估模型，并引入主客观偏差平方和最小化原则以实现权重配置的自适应优化。最后，在220 kV智能变电站数字孪生平台上进行了仿真分析，通过多状态评估、典型故障案例验证以及消融与敏感性分析，验证了所提模型的有效性和鲁棒性。结果表明，与主流AHP熵权法相比，该方法在评估指标上的最大偏差为15.3%，状态评估得分为97.3164，全流程计算时间约为2.6138 s，通信延迟满足IEC 61850标准要求，可有效提升二次系统状态感知的实时准确性，为智能变电站现场运维提供技术支撑。

**论文解读：基于数字孪生与组合赋权法的智能变电站二次系统状态评估**

**研究背景与问题**
随着智能电网向数字化和智能化方向发展，智能变电站二次系统作为电网核心枢纽，呈现出设备数量庞大、信息交互复杂、数据源异构等显著特征。当前二次系统状态评估面临多重技术挑战：传统评估方法往往依赖单一或有限指标（如设备自检信息或历史动作正确率），难以从健康状态、信息传输、环境耦合等多维度全面反映系统真实运行状况，导致“数据孤岛”问题；此外，二次设备自检产生的布尔告警信息常被传统评估方法忽略，造成评估结果“钝化”。因此，亟需建立一套高精度、多维度、实时的智能变电站二次系统状态评估体系。

**研究内容与结论**
研究人员提出了一种基于数字孪生（Digital Twin）和组合赋权法（Combination Weighting Method）的智能变电站二次系统状态评估方法。首先构建了包含“物理感知、数据交互、虚拟孪生、服务应用”的四层数字孪生架构，实现多源异构数据的精确映射与实时闭环交互。在此基础上，从设备健康状态、信息传输质量、环境条件三个维度建立了综合多层次评估指标体系。随后，融合层次分析法（AHP）主观权重与变异系数法客观权重，建立组合赋权评估模型，并引入主客观偏差平方和最小化原则实现权重自适应优化。最后，以某220 kV智能变电站为对象搭建数字孪生仿真平台，进行多状态评估、典型故障案例验证、消融与敏感性分析，验证了模型的有效性与鲁棒性。结果表明，与主流AHP熵权法相比，该方法评估得分97.3164，全流程计算时间约2.6138 s，通信延迟满足IEC 61850标准，能有效提升二次系统状态感知的实时准确性，为智能变电站现场运维提供技术支撑。该论文发表在《Electronics》。

**关键技术方法（不超过250字）**
研究人员采用以下主要关键技术方法：(1) 四层数字孪生架构：物理感知层（传感器按IEC 61850协议采集，采样频率100 Hz~1 kHz）、数据交互层（边缘计算、5G/光纤通信，关键数据端到端延迟≤10 ms）、虚拟孪生层（基于Unity 3D几何建模、ANSYS多物理场建模、MATLAB/Simulink行为逻辑建模，利用粒子群优化算法（PSO）校准模型，平均绝对百分比误差（MAPE）<5%）、服务应用层（状态监测、综合评价、故障预警、3D可视化）。(2) 状态估计：使用无迹卡尔曼滤波（UKF）算法实时估计难以直接测量的状态变量。(3) 模型动态更新：参数级高频更新（递归最小二乘RLS，分钟级）与结构级低频更新（日/周级）。(4) 组合赋权模型：融合层次分析法（AHP）主观权重与变异系数法客观权重，以最小化主客观偏差平方和为优化目标，求解最优组合权重。样本队列来源：某220 kV智能变电站的继电器保护信息系统和在线监测平台数据库，共2000组有效电压电流样本数据。

**研究结果**

**5.1 仿真计算**
通过邀请10位专家对12个影响指标按1-10级打分，采用层次分析法（AHP）构建判断矩阵，计算得到主观权重：健康状态层W1=[0.3716, 0.2227, 0.4057]，信息传输层W2=[0.1513, 0.1185, 0.3108, 0.0962, 0.2731, 0.0901]，环境条件层W3=[0.1483, 0.3461, 0.5056]；一致性检验CR值分别为0.0422、0.0816、0.0611，均小于0.10，判断矩阵合理。利用变异系数法计算客观权重，结果与AHP权重整体一致性高。基于最小化主客观偏差平方和原则，求解得到主观权重相对重要性系数α=0.6142，客观权重系数β=0.3854，从而获得组合权重。与AHP熵权法对比，组合权重值介于主客观权重之间，兼顾了专家经验与数据特征。

**5.2 仿真结果分析**
组合权重与AHP熵权法权重基本一致，验证了准确性。专家认为一致性、正确性和运行温度是重要性前三的指标，其中一致性权重最高（0.1414）。由于时效性数据量有限，其客观权重最小，与专家经验中冗余性最小一致。组合权重值介于主客观权重之间，兼顾了主观判断与客观数据，符合电网实际，证明了组合赋权法的适用性。基于评价数据与权重，计算得到智能变电站二次系统状态评估得分为97.3164，等级为“优秀”，与历史运行记录（无保护误动/拒动，无二次设备异常告警）一致。根据综合得分可设置多级预警阈值：注意级（85-95）、告警级（75-85）、紧急级（<75），并动态调整维护周期。与AHP反熵权法、G1与变异系数法等组合方法对比，得分差异在0.32%以内，验证了方法的合理性与可靠性。

**5.3 实时性分析**
物理感知层数据采样频率按重要性差异化配置（合并单元/PMU为4 kHz，智能终端为1 Hz等）。整个评估过程计算时间约2.6138 s，最长3.4385 s，其中改进K-means聚类预处理占69.8%，指标定量计算占16.8%，权重计算与综合评价仅占6.5%。通信延迟测试中，SV采样值光纤平均延迟2.3 ms，GOOSE跳闸命令5G切片平均延迟4.8 ms，均满足标准要求（<10 ms）。数据预处理输出平均延迟18.4 ms，3D模型同步数据平均延迟156.3 ms（秒级可接受），不影响评估系统实时判断功能。

**5.4 多状态评估验证**
通过调整关键指标参数，在220 kV智能变电站数字孪生仿真平台上构建了四种不同健康状态场景（优秀、良好、一般、较差）。将四组场景数据输入评估模型，计算综合得分分别为97.98、90.67、80.72、67.95，与预设健康等级完全对应，相邻等级分差分别为7.31、9.95、12.77分，呈扩大趋势，表明模型对不同状态具有良好的区分敏感度。各准则层得分与综合得分变化趋势高度一致，验证了三维评估指标体系的系统反映能力；从优秀到较差场景，信息传输得分下降29.08分，大于健康状态得分的27.57分，表明一致性对数据质量高度敏感。

**5.5 典型故障案例验证**
选取三种典型故障模式进行仿真验证：合并单元采样异常、交换机端口丢包、GOOSE通信中断。合并单元采样异常时（A相电流幅值跳变15%额定值，持续200 ms），准确率从97.8%降至82.3%，一致性从97.5%降至71.6%，正确率降至79.8%，综合得分从97.83骤降至76.51，等级从“优秀”降为“一般”，故障恢复后回升至97.69。交换机端口丢包率从0%逐步增至8%时，综合得分降至79.62，等级降为“一般”，一致性指标下降最显著（从97.5%降至76.8%），因丢包导致数据序列不连续。GOOSE通信中断（400 ms）期间，信息传输得分降至72.38，综合得分降至85.64，等级降为“良好”，健康状态与环境条件得分基本不变，表明中断主要影响信息传输质量。三种故障模式下，评估模型均能有效识别状态退化并给出合理等级判断，其中合并单元采样异常导致得分下降最大（21.32分），GOOSE通信中断下降较小（12.41分），验证了模型的通用性和鲁棒性。

**5.6 消融与敏感性分析**
为验证数字孪生各层对评估结果的贡献，设计了四组消融实验：删除虚拟孪生层（场景B）综合得分降至90.63，下降6.87%，等级降为“良好”；删除数据交互层预处理（场景C）得分降至87.52，下降10.07%；删除服务应用层实时反馈（场景D）得分97.05，仅下降0.28%；删除物理感知层（场景E）得分仅83.42，下降14.28%，等级降为“一般”。结果表明物理感知层影响最大，其次是数据交互层和虚拟孪生层，服务应用层影响最小。为验证权重比例合理性，设置α从0.2到0.9（步长0.1），β=1-α，重新计算组合权重并代入评估模型。在α∈[0.4,0.8]宽范围内，综合得分稳定在95.67~97.32之间，最大波动小于2，表明模型对主观权重分配变化不敏感，具有稳健性；α=0.6142时综合得分最高（97.32），验证了矩估计理论求解的主客观权重配比为最优解。

**讨论与结论**
研究结论部分原文翻译如下：本文针对智能变电站二次系统状态评估中多源异构数据融合困难、评估指标单一、实时性不足等关键问题，提出了基于数字孪生和组合赋权法的状态评估方法。该方法通过构建四层数字孪生架构，实现了物理实体与虚拟模型的精确映射和实时交互，并融合AHP主观权重与变异系数法客观权重，建立组合赋权评估模型，从而实现对二次系统多维状态的全方位定量评估。(1) 所构建的“物理感知、数据交互、虚拟孪生、服务应用”四层数字孪生架构，能有效实现二次系统多源异构数据的精确映射与实时闭环交互；选取二次系统的健康状态、信息传输和环境条件作为评估指标，建立了智能变电站二次系统关键设备运行状态的综合评估指标体系。(2) 采用AHP与变异系数法相结合的组合赋权策略，并引入主客观偏差平方和最小化原则进行权重优化，所得组合权重介于主客观权重之间，兼顾了专家经验与客观数据特征；与AHP熵权法（97.2158）、AHP反熵权法（97.0682）、G1与变异系数法（97.1246）相比，所提方法评估得分为97.3164，差异在0.32%以内，验证了权重分配方案的合理性与稳定性，满足现场设备运行要求。(3) 本文所构建的指标体系主要针对稳态运行条件下的状态评估，对暂态故障过程中指标间的动态耦合关系考虑不足，且组合赋权过程中AHP的主观判断仍可能引入一定专家偏好误差。未来研究将引入动态自适应权重调整机制，并结合深度学习等人工智能方法，实现评估模型的在线自进化；同时探索数字孪生与多智能体协同技术在二次系统故障推演与预警中的深度融合应用。