近日,由工业4.0研究院编写的《数字孪生电网白皮书》正式发布。近几年,电力行业引入数字孪生体技术,逐步形成了较为广泛的数字孪生体应用场景。工业4.0研究院指出,电网行业具有价值较高、技术要求不复杂等特点,非常适合作为数字孪生体应用的先导性场景。

经过去10多年高速发展,电网行业的信息化程度较高,已经能够满足管理信息化的需要,但这还是数字化转型的一个部分,因为管理信息化具有高维度和(数据)颗粒度大的特点,这对精细化甚至于精准化管理来讲,面临应用难度高和效果不足的挑战。

电网行业最近几年不断引入数字孪生体技术,总体效果并不理想,其本质原因是没有深入到设备系统层,传统的信息化方法难以在生产现场应用,人还是生产系统的主要角色。为了解决这个问题,应引入新的概念体系,重构传统的技术手段和实践方式,数字孪生电网是一个较好符合需要的新方法。

本白皮书设计了数字孪生电网参考架构,展现了数字孪生基础设施、数字孪生体平台和数字孪生体应用三个层面的建设指引。跟其他类似的参考架构不同,数字孪生电网参考架构采用了开放体系,可以实现“建设-运行-优化”的闭环优化,这正是数字孪生体的潜力所在。

针对数字孪生电网可持续改进特征,白皮书还提出了从1.0到3.0的演进路径,预计经过10年左右的时间,数字孪生电网将实现全局和全生命周期生产运行需要,达到源网荷储一体化等管理目标。

为了加速数字孪生体产业的专业化分工和发展,本白皮书专门开辟了“数字孪生电网开源社区”章节,对数字孪生化、资产管理、物联网、GIS系统、5G模组和数字孪生大脑等六大开源模块做了介绍。

成为VIP会员查看完整内容
0
36

相关内容

由工信部中国电子技术标准化研究院牵头编写的2020年《数字孪生应用白皮书》在中国国际高新技术成果交易会发布,作为新基建背景下的重要研究成果,该白皮书对当前我国数字孪生的技术热点、应用领域、产业情况和标准化进行了分析,同时收录了在智慧城市、智慧交通、智慧能源、智慧建筑、智能制造、智慧健康6大领域的31个应用案例。

此次白皮书重点考察了我国数字孪生应用的发展现状与趋势,并指出数字孪生将从以下六个应用层面推动我国经济社会的发展:

一是促进数字经济与实体经济融合,加快产业升级

二是贯通工业生产信息孤岛,释放数据价值

三是统筹协调系统内外部变化,实现资源能源优化配置

四是实现全要素数字化,推动新型智慧城市建设

五是优化城市设计布局,打造科学公共服务体系

六是基于医疗大数据合理分配医疗资源,提升公共健康保障效率

https://pdf.dfcfw.com/pdf/H3_AP202011231431940763_1.pdf?1606214310000.pdf

成为VIP会员查看完整内容
0
99

流程工业是制造业的重要组成部分, 是国民经济发展的重要基础, 主要包括化工、冶金、石化等行业, 其安全高效的生产对国家而言具有重要的战略意义. 然而, 流程工业物理化学变化反应复杂、流程间能质流严重耦合、多目标冲突、在线实验风险大, 给生产流程系统建模与高效协同优化带来极大困难, 严重制约了生产质量和资源利用率的进一步提升. 随着信息技术与人工智能的发展, 建立虚实结合、协同优化运行的流程工业数字孪生生产线所需技术逐渐成熟, 其在流程工业的应用价值与潜力日益凸显. 本文首先阐述数字孪生在流程工业应用的必要性与重要性, 并通过边界定义法将数字孪生与信息物理系统(Cyber-physical system, CPS)、工业互联网等概念进行对比分析,从而明确数字孪生的基本内涵与功能边界. 其次描述流程工业抽象模型和数字孪生理论模型间的映射关系, 并分析了如何用数字孪生技术解决流程工业系统建模与高效协同优化的瓶颈问题. 最后, 从数字孪生系统构建的角度探讨数字孪生发展的关键技术, 并以一条炼铁生产线为例, 展示数字孪生技术在实际工业中的应用解决方案.

成为VIP会员查看完整内容
0
33
小贴士
相关VIP内容
专知会员服务
43+阅读 · 6月18日
专知会员服务
37+阅读 · 6月8日
专知会员服务
40+阅读 · 5月8日
专知会员服务
38+阅读 · 4月29日
专知会员服务
99+阅读 · 4月8日
专知会员服务
33+阅读 · 4月7日
专知会员服务
30+阅读 · 2月10日
相关资讯
【数字孪生】面向智能制造的数字孪生
产业智能官
18+阅读 · 2020年5月10日
【数字孪生】数字孪生技术从概念到应用
产业智能官
31+阅读 · 2020年2月16日
【数字孪生】数字孪生技术发展趋势与安全风险浅析
产业智能官
32+阅读 · 2019年8月28日
【数字孪生】数字孪生,让产品变“活”
产业智能官
3+阅读 · 2019年8月19日
【数字孪生】九论数字孪生
产业智能官
33+阅读 · 2019年7月6日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
23+阅读 · 2018年9月28日
相关论文
Dietmar Gallistl,Vladislav Olkhovskiy
0+阅读 · 10月6日
Calvin Deutschbein,Andres Meza,Francesco Restuccia,Ryan Kastner,Cynthia Sturton
0+阅读 · 10月2日
Jan Giesselmann,Elena Mäder-Baumdicker,David Jakob Stonner
0+阅读 · 10月2日
Frustratingly Simple Few-Shot Object Detection
Xin Wang,Thomas E. Huang,Trevor Darrell,Joseph E. Gonzalez,Fisher Yu
3+阅读 · 2020年3月16日
Single-frame Regularization for Temporally Stable CNNs
Gabriel Eilertsen,Rafał K. Mantiuk,Jonas Unger
3+阅读 · 2019年2月27日
Deep Learning for Generic Object Detection: A Survey
Li Liu,Wanli Ouyang,Xiaogang Wang,Paul Fieguth,Jie Chen,Xinwang Liu,Matti Pietikäinen
8+阅读 · 2018年9月6日
Xuelin Qian,Yanwei Fu,Tao Xiang,Wenxuan Wang,Jie Qiu,Yang Wu,Yu-Gang Jiang,Xiangyang Xue
5+阅读 · 2018年4月25日
Naoto Inoue,Ryosuke Furuta,Toshihiko Yamasaki,Kiyoharu Aizawa
5+阅读 · 2018年3月30日
Liqian Ma,Qianru Sun,Stamatios Georgoulis,Luc Van Gool,Bernt Schiele,Mario Fritz
6+阅读 · 2018年1月21日
Top