图1 智慧电厂工业互联网参考架构模型
Fig.1 A reference architecture model of industrial internet for intelligent power plants
摘要 火力发电厂的传统体系架构难以满足智能生产和智慧管理需求，智慧电厂已成为其新的发展方向。该文基于工业互联网理念，利用仿生学原理和方法提出了智慧电厂仿生体系和DNA概念模型，对其迭代发展、系统交互的演进过程进行了分析，充分考虑人行为和社会因素对信息物理系统的影响，进一步分析了智慧电厂仿生人/社会-信息-物理系统的框架和构成，在此基础上利用仿细胞分层结构方法重点构建了智慧电厂工业互联网平台层级架构。该文提出的体系架构和信息物理系统能较好地解决现有火力发电厂信息孤岛问题，促进人/社会-信息-物理三元的深度融合，为智慧电厂的智慧管理、智能发电、多市场决策等多智能体建设提供方法论和实施参考。
关键词：智慧电厂 智能发电 信息物理系统 工业互联网 体系架构
随着工业互联网、工业4.0等新一轮工业革命的兴起，智慧电厂已成为我国发电企业转型升级，应对能源变革的新举措，其体系架构和智能系统建设成为当前亟待解决的问题[1-6]。现阶段，火力发电厂系统建设一般遵循控制层、监控层、信息管理层三层体系架构部署，在其上分别建设了分散控制系统（Distributed Control System, DCS）、厂级监控信息系统（Supervisory Information System, SIS）、管理信息系统（Management Information System, MIS）等系统，各层及系统之间缺乏数据交互性和统一性，使之形成各个数据孤岛，导致业务流程效率低，数据难以挖掘利用，智能系统难以搭建。随着发电企业多类型市场竞争和能源个性化需求的加大，以及越来越多的智能设备和智能技术在发电厂得到应用，发电厂的传统体系架构难以适应智慧电厂的建设要求。
近年，我国对智慧电厂的研究和建设开展了许多有益探索，文献[6-10]从不同角度对智能发电、智慧电厂提出了不同的定义和体系架构，但其与工业互联网体系融合较少，智慧电厂作为工业互联网理念在发电侧的集中体现，有必要将工业互联网理念引入智慧电厂研究和建设中，增强各系统之间的协同性和扩展性，提高发电企业内外信息系统与物理系统的融合程度。
工业互联网和工业4.0作为高度互联的智能化工业生态系统，核心是利用信息物理融合系统（Cyber-Physical Systems, CPS）优化企业的智能生产管理，促进产业的集成发展与合作[11-12]。CPS是以网络化为基础，通过计算、通信及控制技术（Computing、Communication、Control, 3C）深度融合，构建一个计算、网络和物理实体有机融合的复杂系统[13]。通过CPS技术可以实现工业系统实时状态感知、动态仿真控制和信息服务，使该系统更加高效、可靠与协同运行[14-15]。
2013年4月，德国政府在汉诺威工业博览会上正式明确提出了以信息物理融合系统为支撑的工业4.0战略[16]。之后欧美等国家对工业互联网及CPS开展了大量研究和建设工作，在通过资源集聚、市场验证和应用创新后，欧美的工业互联网平台日渐成熟[17-18]。而目前我国工业互联网实践建设处于探索阶段[19-20]。2017年，工业和信息化部、国家标准化管理委员会联合发布《信息物理系统白皮书（2017）》，明确了信息物理系统的定义和CPS工程建设路径[19]。随着云计算、大数据、物联网和人工智能的发展，对系统多时空尺度异源信息的处理能力，以及开放性和共享性的要求加大,人类的知识经验和社会特性逐渐渗透进CPS，使CPS向着广义互联的人类群体以及社会化发展。因此，国内外学者开始进一步拓展CPS内涵，周济等认为在传统的人和物理系统之间增加信息系统，使传统的工业系统具有学习和产生知识的能力，提出了以人-信息-物理系统（Human-Cyber-Physica Systems, HCPS）为基础，深度融合人工智能技术的中国新一代智能制造的发展体系[21-22]。还有学者认为通过构建信息物理社会系统（Cyber-Physical-Social Systems, CPSS）延伸CPS，可以较好地实现信息空间、物理空间和社会空间的无缝结合[23-28]。如王飞跃等以复杂系统理论和默顿定律为基础，将人及人类纳入系统之中，构建虚实互动、闭环反馈和自治的平行系统，提出了工业5.0信息-物理-社会融合平行体系[25-26]。
在电力领域，相关学者结合电力特征和CPS技术提出了电力信息物理系统（Cyber-Physical Energy Systems, CPES），为电力智能化建设提供了新的理论和方法[29]。目前，在CPES体系架构、系统建模仿真、安全可靠性、系统规划与运行调度等方面进行了初步探究，仍有许多问题和关键技术亟待解决[29-37]。针对CPES体系架构研究，文献[37]设计了应用层、认知层、网络层、控制感知层和物理层五层的能源互联网CPS框架。薛禹胜等提出了智能电网的CPS技术体系框架，解决电力基础设施与网络系统的高效交互和无缝集成问题[38]。
随着越来越具有开放和竞争特性的智慧能源和能源互联网的提出，以及“云大物移智”等先进技术的发展，使能源的生产和使用越来越具有人类–社会属性，基于此，文献[38]进一步考虑社会元素和能源系统间交互的影响，提出了智能电网和电力物联网融合的电力CPSS，以助于更好地解决电力经济、市场管制、博弈及攻击行为、需求侧等对系统发展、可靠性和优化运行的不确定及复杂度的影响[28]。程乐峰等基于群体及其知识自动化的理论方法构建了下一代能源电力系统的CPSS理想和工程试验框架体系，将人类调度员与能源市场的人类社会行为与信息物理系统融合为一个“大”闭环复杂系统[39]。
综上所述，具有高度灵活、协调和控制能力的CPS/HCPS/CPSS非常适合智慧电厂建设，其研究和发展为我国智慧电厂的研究和建设提供了重要理论基础和借鉴意义。现有文献主要从发输配用等综合能源和能源互联网系统的信息物理系统进行体系架构分析，而目前针对发电侧CPS的研究和实践较少。发电厂作为能源互联网供给侧重要的组成部分，智慧电厂建设应该纳入整个智慧能源和能源互联网生态体系中，而现有火电厂的物理系统和信息系统中，人类和社会对发电系统的感知、经验和决策不会直接反馈或难以作用于电力生产管理而形成闭环，从而无法较好地解决发电厂泛在感知与全面互联、全生命周期生产管理、基于数字孪生的性能优化与诊断控制、面向不同交易市场/环境/能源的运行优化和经营决策等问题。
近年来，形态仿生、功能仿生、结构仿生、信息与控制仿生等仿生学方法，在诸多领域具有显著的创新应用[40-41]。仿生学通过研究生物的结构和功能原理等方法，模仿构建生物模型映射的数学模型，进而建造解决问题的智能实体模型[42]。基于此，本文利用仿生学将工业互联网CPS内涵引入智慧电厂进行研究分析，充分考虑人、社会行为与发电厂生产、管理、经营等各环节的耦合关系和相互影响，构建具有系统性、规范性和通用性的智慧电厂体系架构和智能模型，以便兼容和适应发电厂上、下游企业和集团工业互联网生态体系。
通过借鉴工业4.0参考架构（RAMI4.0）、工业互联网参考架构（AII）以及中国智能制造系统架构[3,11]，对发电厂工艺流程、能源属性、社会特点等分析，考虑人的行为及社会与智慧电厂信息物理系统耦合关系，本文提出了智慧电厂工业互联网参考架构模型，如图1所示。智慧电厂参考架构分为全生命周期、系统层级和业务特征三个维度。其中世界互联主要指能源/环境/经济/政策的融合，业务特征是根据系统融合难度和递进关系，从数据集成逐步实现源网荷储协同/多市场交易/辅助服务/综合能源服务等多元成熟新业态。
图1 智慧电厂工业互联网参考架构模型
Fig.1 A reference architecture model of industrial internet for intelligent power plants
智慧电厂被认为是一个具有自我感知、自学习和自适应能力，更加安全、环保、高效和经济的发电厂[6,8]。智慧电厂内涵与仿人类生物学特征和功能具有高度的相似性。利用仿生学的拟态和演化等方法对智慧电厂体系架构展开仿生特性分析，从体系结构仿生、功能仿生等角度构建具有一定意识形态的智慧电厂智能体。智慧电厂（Intelligent Power Plant, IPP）仿生体系模型为
（1）式中，SA为体系架构，智慧电厂仿人体细胞结构以及五官、手臂、大脑等组织和器官；HC为仿人类能力，智慧电厂仿人的工作、学习及思考等能力；HA为仿人类属性，智慧电厂仿人的社会性和人类对生活环境适应性等属性；HF为仿人类特征，智慧电厂仿人类的一些行为特征、生活特征等；HB为仿人类行为，智慧电厂仿人类对外界刺激做出的条件反射、非条件反射等行为调节方式。
目前，我国火力发电的智慧电厂研究处于探索期，尚未形成统一和标准的定义，通过仿生基因进化原理和工业全面质量管理理念对智慧电厂建设内涵展开更深层次的分析。从技术方式与业务属性维度对智慧电厂概念进行建模分析，智慧电厂可被理解为发电技术、管理技术与智能技术螺旋配对生长，动态进化的DNA双螺旋结构模型，如图2所示。
图2 智慧电厂DNA双螺旋演化模型
Fig.2 DNA double helix evolution model of intelligent power plants
基于式（1）建立统一仿生体系，智慧电厂的仿生概念模型（Bionic Conceptual Model of Intelligent Power Plant, BCMIPP）可表示为
式中，业务基（Business, BU）由安全（Safety, Saf）、运行（Operation, Ope）、设备（Equipment, Equ）、燃料（Fuel, Fue）、物资（Material, Mat）、经营（Management, Man）和办公（Office, Off）七种组成，智能技术基（Smart Technology, ST）主要由这些业务基相适应的技术基配对而成。技术基主要包含智能感知、物联网、云计算、大数据、移动互联网、人工智能、智能控制等相互融合的技术。业务基和技术基分别对应DNA双螺旋结构模型的DNA分子链，通过业务基和技术基相互配对，实现智能技术在发电厂生产和管理过程中的高度渗透，从而提高两者的有机融合程度。随着发电和企业管理技术以及相应的智能技术相互迭代发展，该模型螺旋向上生长，重组DNA，从现阶段的CPS向电厂内外拓展逐步演化为以人行为、情感及知识为主的HCPS，在此基础上进一步向企业内外世界交融进化成CPSS。
根据智慧电厂DNA概念模型及发电企业系统发展规律，智慧电厂大体将经历数字化电厂→智能化电厂→智慧化电厂三个阶段的演化过程，其区别、关系、系统表征和交互模式见表1。
表1 智慧电厂信息物理系统的演化
Tab.1 Evolution process of cyber-physical systems in intelligent power plant
1）数字化电厂（Digital Power Plant, DPP）主要是对电厂物理对象（如人、机器、燃料及物资、系统机理、环境等）和工作对象（规划设计、基建、运行维护等）的数字化采集、存储、处理、定量分析和决策，使电厂信息的占有和应用打破空间和时间的某些限制,使信息的应用效益达到最大化。此阶段主要将电厂生产控制的PLC嵌入式系统和信息系统融合为CPS。
2）智能化电厂（Smart Power Plant, SPP）是随着新一代网络通信技术和“云大物移智”的发展，以硬件为支撑的嵌入式CPS系统逐渐向网络嵌入式转变，使得人类行为、情感、知识等更容易融入CPS中HCPS，使人在系统场景的构建之中，具有自治性、反应性、主动性、进化性等智能体特征[47]。目前我国大部分电厂处于DPP向SPP建设进程中。
3）智慧化电厂（IntelligentPower Plant, IPP），随着SPP建设中HCSP智能体的成熟，物理、信息和社会的实时化平行互动需求将加剧，催生出了CPSS多智能体（Multi-Agent System, MAS）建设需求，通过多智能体使各智能体互相通信，彼此规划、协调组织和决策[48]。有效提高电厂优化预测决策等问题的鲁棒性和适应性能力，实现物理、人和社会等资源的一体化协调与融合。
CPS内涵高度符合智慧电厂的建设目标和要求，为智慧电厂体系架构、建模分析与控制、智慧管理等建设提供了方法和工具。
利用信息通信控制技术模拟生物体感觉器官、神经元、效应器以及中枢神经系统在智能活动中的信息采集、处理和控制过程[49-50]，构建仿生CPS神经系统框架，如图3所示。CPS仿生神经系统由单个CPS系统（神经元）组成，通过采用统一的通信和接口标准，实现各个CPS子系统信息共享和协作。CPS仿生神经系统的调节过程是根据需求使用不同的一次能源输入，利用量测装置（感受器）采集数据，所采集的数据信息通过有线、无线通信网络（传入神经）传输至信息数据平台（中枢神经系统），然后信息数据平台对这些数据进行分析计算后，将生成的决策及指令通过有线、无线通信网络（传出神经）传输至执行机构（效应器）。根据用户个性化需求调整电、热、冷等多种能源生产的特定参数。电厂借助这一套“仿生神经系统”实现自我感知、自学习和自适应、行为决策能力。
图3 智慧电厂仿生CPS神经系统框架
Fig.3 Framework of biomimetic CPS nervous system in intelligent power plants
考虑发电厂个人行为及社会群体决策的影响，利用仿生神经学方法对电厂CPS系统向内外部扩展延伸至HCPS/CPSS。构建一个人/社会世界-物理世界-信息世界互联互通的智慧电厂生态体系。HCPS/CPSS可认为是CPS2.0/3.0，与CPS具有相似的特征和体系架构，但信息获取的广度和深度不同，下文以智慧电厂HCPS为例分析其构成。
智慧电厂HCPS系统根据不同业务及生产工艺流程可划分为若干特定的人-信息-物理子系统（Human-Cyber-Physical Sub-System, HCPS-S）。对单个HCPS-S系统内部进行人、物理及信息建模分析，根据模型物理量、信息量的输入与输出参数一一映射原则，对分裂的人-物理系统（Human-Physical System, HPS）、CPS系统以及人-信息系统（Human-Cyber System, HCS）模型进行完善，实现各子系统的优化。随着智慧电厂DNA概念模型的不断进化，通过对人行为模型、信息模型和物理模型相互反馈循环，逐步实现发电厂“人-信息-物理”三元合一的深度融合。智慧电厂仿生HCPS/CPSS的构成如图4所示。
通过对发电生产工艺和经营管理分析，本文利用上述智慧电厂仿生体系，建立发电厂仿生HCPS/ CPSS的构成描述方程为
图4 智慧电厂仿生HCPS/CPSS的构成
Fig.4 Composition of biomimetic HCPS/CPSS in intelligent power plants
（3）CPS横向可分解为部件级（Components）、设备级（Equipment）、系统级（System）、系统之系统（Systems of Systems, SoS）、机组级（Unit）、厂级（Plant）六个层级，后者依次为前者的累加，相互交叉，最终构成一个自由灵活配置并高度协同的多层级智慧电厂。
对CPS纵向分析，智慧电厂是CPS、HCPS、CPSS的并集，三种系统同时存在，相互交融。通过人-信息子系统（Human-Cyber Sub-System, HCS-S）将发电厂生产和管理人员的感知、机理分析与控制功能向信息系统映射复制迁移，使HCPS系统具有神经系统“认知、学习、分析、决策”能力；物理系统通过增加各种智能传感、检测和网络等物联网设施，形成电厂数字化物联网感知体系；同时，信息物理子系统（Cyber-Physical Sub-System, CPS-S）将物理子系统和信息子系统在感知、分析、决策、控制及管理等方面深度融合，代替电厂人员大部分的体力和脑力活动，并且充分考虑社会影响，通过网络和平台将各子系统集成为更大的HPS、CPS以及HCS系统，进而进化至HCPS/CPSS。
为了实现智能电厂或智慧电厂CPS/HCPS/CPSS实时监控、混合建模分析、动态仿真和智能控制，构建了智慧电厂的物理结构如图5所示。将传统生产控制Ⅰ区和生产监控Ⅱ区合并为智能控制安全Ⅰ区。电厂物理系统的数字信号通过传感器和专用通信网络传输至智能控制Ⅰ区DCS存储服务器。根据《电力二次系统安全防护规定》的要求，通过防火墙隔离将DCS存储服务器数据映射传输至智能控制Ⅰ区大数据平台中，通过数据库存储的人类知识及三维机理模型，进行优化、预测、诊断、决策建模和在线仿真，构建CPS/HCPS/CPSS数字孪生体。根据物理系统的实时信息和人类知识，不断自我学习提高仿真及数学模型精度，当达到预定精度后将仿真和模型计算结果，通过专线和防火墙镜像至DCS控制系统的高级应用控制器中，对物理系统实体进行嵌入式或分布式控制。而在智慧管理安全Ⅱ区中构建大数据云平台，实时镜像智能控制Ⅰ区大数据平台数据，开发高级应用服务器功能实现“人机料法环”全身命周期管理。通过Ⅰ区和Ⅱ区相互映射和融合，在虚拟环境中构建一个物理系统、人/社会、信息系统深度融合的数字孪生发电厂。
图5 智慧电厂信息物理系统网络结构
Fig.5 Network structure of cyber-physical systems in intelligent power plant
火力发电厂是一个涉及多参数、多耦合和多目标的复杂连续工业系统，不能以孤立的离散数据直接控制与管理。为了实现智慧电厂CPS/HCPS/CPSS的自由组合，需要具有规范、可分解、统一的智慧电厂工业互联网平台。
通过遵循面向服务的架构（SOA)[51]，基于信息和通信技术（Information and Communication Technology, ICT）[52]，在统一的模型及服务接口标准基础上，构建智慧电厂工业互联网平台。通过横向服务总线实现发电厂内部工业生产或管理全部信息的集成优化。通过纵向服务总线实现电厂内部不同部门、不同业务之间的互联互通、协同优化，以及集团内相关业务系统的互联。通过服务总线实现与其他业务系统（如信息化系统、自动化控制系统、电网调度系统、交易市场系统等）的信息共享、协调优化控制及流程化管控。
因此，智慧电厂工业互联网平台应可为智能系统和业务功能建设提供安全、可靠、高效和稳定的应用平台和数据平台服务支撑，实现系统和业务的横向集成与纵向贯通，打破数据孤岛。通过模拟神经系统神经细胞的分层现象[53]，本文基于仿生体系，构建如图6所示的智慧电厂工业互联网平台。智慧电厂HCPS/CPSS划分为设备层（效应器）、感知层（细胞膜）、基础设施层（细胞器）、平台层（细胞质）和应用层（细胞核）的层级架构。在仿生智慧电厂五层架构体系中，每一层相互独立且互联互通，实现了发电厂信息离散系统、社会/人连续系统和发电物理连续系统在计算、通信、传感、控制、管理等方面的有机融合与高度协作，打破业务和数据孤岛，最终实现智慧电厂信息流、业务流、能源流的三流合一。
1）物理层：包括物体物理、物体人、物理社会，其中物体物理指发电厂各系统和设备，构成了从化学能至机械能、电能转换和能量流动的复杂发电系统。
2）感知层：感知层相当于人体神经系统的基本结构神经元，应具有视觉、听觉、触觉、嗅觉等神经末梢功能，是解决发电厂数据孤岛问题，构建社会、人、信息、物理系统的基础。
通过对现有发电厂DCS-SIS-MES系统存储的实时数据库和关系数据库数据、测量数据以及外部数据的安全高效采集，实现智慧电厂泛在感知。如对电厂人员和设备物资的标识、位置、状态，以及生产工艺、设备状态、作业过程、管理内容和流程数字化，可促进电厂人、机/物、社会信息资源集成共享和全面互联。
通过将电厂现有的KKS编码、设备编码、物资编码、固定资产编码进行联动关联，构建新的四码合一的标准标识编码，赋予发电厂设备、物资、工艺唯一ID，保证数据的唯一可靠性。利用OPC、MQTT等[54]技术将底层多源数据转换为工业互联网平台可以接收的数据格式进行标识解析，然后通过协议转换器实现MODBUS、HART、PROFIBUS等[55]底层通信协议的互联互通。对于部分时效性要求高的数据通过智能网关等新型边缘计算设备实现智能传感器和设备数据的汇聚处理，以及对边缘分析结果向云端平台的间接集成[56]。可有效解决发电厂煤质在线测量、换热器性能监测，烟气流量监测，炉膛温度场仿真的及时性和可靠性，实现发电机组关键参数的实时测量与处理。
图6 基于仿细胞结构的智慧电厂工业互联网平台架构
Fig.6 Architecture of industrial internet platform by mimicking the structure of cell in intelligent power plant
3）基础设施层：构建HCPS/CPSS神经纤维网络系统，为平台层提供并行高效的云计算以及物联网基础设施，通过射频识别、LoRa[57]、Zigbee[58]、4G/5G以及UWB/GPS/北斗等定位设施构建物联网信息网络。
4）平台层：通过系统整合、数据横向贯通与集中、业务纵向集成、数字映射、微服务等策略，将大数据平台、物联网平台和三维虚拟平台融合为发电厂的一体化平台。同时通过对门户、流程、数据、运维、安全的统一管理，构建智慧电厂HCPS中枢神经系统大脑功能。
（1）蕴含知识图谱的大数据平台。通过建立包含电厂人/社会-物理等多业务的数据标准规范，大数据平台结合机器学习、强化学习、仿真建模等多种技术，集成生产管理专家知识经验，建立发电厂知识图谱，为应用层提供快速高效、自学习、自优化的智能应用模型。同时该平台通过统一对外服务和标准接口支持集团内部、智能电网调度、政府监管部门、市场交易中心等企业单位之间的数据安全交互能力。
（2）智能设备集中管控的物联网平台。随着智能设备在发电厂中不断得到应用，需要一套物联网平台将电厂设备/人与互联网相连，实现电厂物联网远程监视、集中管控与服务。如发电厂关键参数智能量测设备、巡检机器人和无人机、智能摄像头、智能移动终端等物连设备的灵活部署与集中互联管控。
（3）基于业务驱动的数字化孪生平台。充分利用数字化建模技术开发一套面向发电厂生产工艺流程仿真及设备解构的三维数字化平台，融合人员定位技术、移动终端、智能摄像头、三维及VR/AR仿真培训和仿真技术，集成生产监控、作业过程、生产管理、智能决策等SIS和MIS传统信息系统功能，实现基于业务驱动的三维数字化孪生虚拟电厂。
5）应用层：应用层是CPS系统最顶层，相当于人体的脊髓组织。与平台层脑组织共同构建了完整的中枢神经系统。应用层主要是解决电厂生产运营管理的实际问题，是CPS系统信息流、数据流和能源流三流合一的价值体现，应用层可划分为面向生产的控制区、信息一体化的管理区、人机交互与可视化的交互区，三大区共同推动着发电厂智能系统的构建和融合。
其中控制大区主要是实现智慧电厂HCPS/ CPSS智能配置和执行的关键，连接了设备层与平台层。可以集成主辅一体化控制、机炉自起停控制、燃烧优化控制、环保优化控制、吹灰优化控制以及适应智能电网的厂网协调控制等系统和模块。提高机组运行参数临界点的智能控制水平，满足电热冷等多种能源产品的个性化需求，确保机组在不同条件下达到最佳运行状态。而管理区和交互区是针对电厂业务管理系统的集中部署而虚拟划分的区域，主要布置于电厂安全网络架构的Ⅱ区，管理区主要以提高工作效率，优化企业管理、少人值守、资产高效利用为目标，实现全厂生产管理的数字化、最优化和智能化。
实现人员无伤害、系统无缺陷、管理无漏洞、设备无障碍、风险可控制、人机料法环的和谐统一是以人为本的智慧电厂建设核心要求。
通过智慧电厂工业互联网感知层，集成定位系统、移动终端、电子围栏、智能摄像头、三维仿真平台等建立全厂物联网感知体系，对电厂安全管理各环节（人机料法环）信息采集，构建安全生产的CPS，如图7所示。对于某一安全生产事件，系统将以事件驱动触发CPS信息流流动，同步一一映射建立3W1H（what、where、when、how）分散式CPS子系统，对安全生产管控中各要素分析结果实时可视化，实现安全风险识别、隐患排查、风险评估、安全风险预测、趋势演进等，提高安全管控的科学性、主动性和透明性。全面提升电厂运营安全与经济水平。
图7 基于事件驱动的“人机料法环”安全生产管控
Fig.7 Event-driven“man-machine-material-method-environment” safety production control
除了对电厂人身安全和设备安全的数字化及智能化管控外，同样可以依据“人机料法环”方法实现对发电企业运行智能管理、设备智能管理、燃料智能管理、物资智能管理、经营智能管理等进行机理建模、数据驱动建模、事件驱动建模及其混合建模分析。
局部系统和设备的故障预测性维护与诊断、运行优化控制，无法实现发电系统全局最优，需要将发电过程中的燃烧系统、汽水系统、电气系统、环保系统等各子系统建立的智能体（Agent）通过信息集成技术集成在一起，构建一个综合考虑安全、经济和环保多目标全局系统最优的多智能体（MAS）。Agent对人在电厂生产和管理的行为与知识经验迭代自学习，自诊断当前工况系统及设备性能和健康状态，MAS体对各Agent进行协调组织，分布式计算和实时动态控制各参数在最佳值和各系统设备最佳运行方式。
因此，实现智能发电首先需要对火电厂局部系统和设备建立单个Agent，如对锅炉燃烧优化控制、冷端优化控制、吹灰优化控制、脱硫/脱硝优化控制、汽轮机故障诊断、磨煤机故障诊断、机组负荷协调优化控制等模型的构建。基于HCPS和数字孪生的智能发电建模过程如图8所示，结合机理分析，构建数据驱动混合模型，引用三维在线实时仿真等技术构建数字孪生体，通过对发电厂SIS和DCS两大系统级CPS进行融合，以及接入内外部拓展信息，建立人/信息/物理之间的数据映射关系。采用模糊控制、预测控制、强鲁棒等人工智能算法及控制方法[59]，利用智能变送器和智能执行机构[60]、开放应用服务器等软硬件资源，对HCPS/CPSS嵌入式与分散式系统分布式云计算，实现数字孪生Agent的快速响应和精准执行控制，使HCPS/CPSS逐步代替电厂人员的作业行为、分析能力和经验知识，实现基于HCPS和数字孪生的智能发电。
图8 基于HCPS和数字孪生的智能发电建模过程
Fig.8 Modelling process of smart generation based on HCPS and digital twins
目前，我国发电企业正面临不同品种、不同周期的多种市场化交易，给火电企业经营决策带来了巨大的挑战。如：（1）电力市场：①能量市场交易周期不同可分为包括中长期合约、月度集中竞价、日前市场、实时市场；②辅助服务市场，包含日前调度备用市场、旋转备用市场、调频市场；③容量市场。（2）碳排放权交易市场。（3）动力煤炭市场。（4）污染物排放市场。考虑上述多种市场耦合性，实现发电厂生产运行优化、状态检修、燃料采购和市场交易的联合最佳策略，是一个涉及能源-人-社会（环境/经济/政策）等信息，具有复杂多变和动态发展的复杂巨大系统[51]，通过CPSS解决上述问题的信息采集、建模分析及决策生成。
火电企业在上述多种市场耦合发展下，仅考虑某单一市场交易利润最大化，或某一周期内决策电厂利润最大化，均无法实现电厂整体收益最大化和社会福利最大。以计及碳排放权的发电厂能量交易决策为例分析。发电厂碳排放量由发电系统生产运行和设备状态等物理系统决定，当国家碳排放总额及碳市场供需条件随着其社会行为而变化，实际碳排放权价格也在不同时段发生波动，需要将碳排放权价格变化函数计入发电可变成本函数中。电力市场交易周期与碳市场交易周期具有不一致特点，对电力市场的均衡性和社会总福利结果的影响也不一致，因此，碳排放权交易量和价格会影响发电厂的电能量市场报价策略和最终利润，通过CPSS对低碳市场和能量市场的供需和博弈等社会行为，以及对发电厂物理系统的信息采集、耦合性机理分析、混合仿真与多目标优化求解，实时量化计算出考虑碳排放权和电能市场的最佳组合交易策略，使发电厂获得综合利益长期的最大化。
智慧电厂建设是一项涉及多领域、多学科的复杂巨大系统工程，需将CPS/HCPS/CPSS作为智慧电厂研究和建设的核心。本文基于仿生学建立了规范统一的智慧电厂仿生体系和DNA概念模型，分析了智慧电厂业务和技术不断融合、迭代发展、系统交互的演进过程。考虑到人的行为和社会因素的影响，在CPS的基础上提出了智慧电厂仿生HCPS/CPSS神经系统的框架和构成，利用仿细胞分层结构构建了火力发电厂工业互联网平台层级架构。并进一步对其典型应用展开分析，用以说明本文所提体系模型的可行性和实用性。与现有火电厂体系架构比较，本文提出的体系架构和信息物理系统，具有以下优点。
1）有益于解决目前发电厂的信息孤岛问题，规范业务流程和提高数据挖掘价值密度，提高发电厂信息物理系统的实时监控与动态仿真、信息集成与协同共享、同步映射与全局优化控制。进一步提高发电厂数字化、智能化、智慧化水平。
2）考虑到人的行为和社会因素的影响，在CPS的基础上进行补充与扩展，提出了智慧电厂仿生HCPS/CPSS，促进发电厂信息系统与社会/人系统和发电物理系统的有机融合与高度协作，有利于实现发电厂自学习、自诊断、自趋优、自组织、自协调及自适应全局系统优化/诊断/控制。
3）本文构建的智慧电厂仿生工业互联网平台，具有工业互联网通用规范和细胞层级独立互通的特性，可促进智慧电厂信息流、业务流、能源流的三流合一，满足集团集中管控、智能电网调度、设备制造企业等工业互联网体系的兼容性和扩展性要求。
4）本文提出的适合火力发电特性和发展规律，具有开放性、规范性和系统性的智慧电厂工业互联网体系架构。有利于火电厂上下游企业的泛在链接，加快发电侧向多能互补、综合能源服务以及能源互联网等生态圈的融合构建，也可为水电、风电等其他发电厂“智慧化”和“大能源生态”建设提供参考。
参考文献
[1] 李培楠, 万劲波. 工业互联网发展与“两化”深度融合[J]. 中国科学院院刊, 2014, 29(2): 215-222. Li Peinan, Wan Jinbo. Development of industrial internet and deep integration of informatization and industrialization[J]. Bulletin of Chinese Academy of Sciences, 2014, 29(2): 215-222.
[2] Rojko A. Industry 4.0 concept: background and overview[J]. International Journal of Interactive Mobile Technologies, 2017, 11(5): 77-90.
[3] 王喜文. 工业4.0、互联网+、中国制造2025中国制造业转型升级的未来方向[J]. 国家治理, 2015(23): 12-19. Wang Xiwen. Industry 4, Internet +, China manufacturing 2025 the future direction of transformation and upgrading of China's manufacturing industry[J]. Governance, 2015(23): 12-19.
[4] 国家能源局. 关于推进“互联网＋”智慧能源发展的指导意见[EB/OL]. [2016-02-29]. http//www. nea. gov. cn/2016-02/29/c_135141026. htm.
[5] Ceglia F, Esposito P, Marrasso E, et al. From smart energy community to smart energy municipalities: literature review, agendas and pathways[J]. Journal of Cleaner Production, 2020, 254(3): 118-120.
[6] 刘吉臻, 胡勇, 曾德良, 等. 智能发电厂的架构及特征[J]. 中国电机工程学报, 2017, 37(22): 6463-6470. Liu Jizhen, Hu Yong, Zeng Deliang, et al. Architecture and feature of smart power generation[J]. Proceedings of the CSEE, 2017, 37(22): 6463-6470.
[7] 张晋宾, 周四维. 智能电厂概念及体系架构模型研究[J]. 中国电力, 2018, 51(10): 2-7. Zhang Jinbin, Zhou Siwei. Study on the concept of the smart power plant and its architecture model[J]. Electric Power, 2018, 51(10): 2-7.
[8] 崔青汝, 李庚达, 牛玉广. 电力企业智能发电技术规范体系架构[J]. 中国电力, 2018, 51(10): 32-36. Cui Qingru，Li Gengda，Niu Yuguang. Architecture of the intelligent power generation technical specification for electric power enterprises[J]. Electric Power, 2018, 51(10): 32-36.
[9] 潘玉松, 陈旭伟, 张鹏. 传统火电厂建设智慧电厂的典型方向及构架体系[J]. 分布式能源, 2018, 3(5): 48-53. Pan Yusong, Chen Xuwei, Zhang Peng. Typical direction and structure of a smart power plant based on traditional thermal power plant[J]. Distributed Energy, 2018, 3(5): 48-53.
[10] 尹峰. 智能发电平行控制技术架构及核心应用[J]. 自动化博览, 2019(9): 42-47. Yin Feng. Parallel control technology architecture and core application for smart power generation[J]. Automation Panorama, 2019(9): 42-47.
[11] Mosterman P J, Zander J. Industry 4.0 as a cyber-physical system study[J]. Software & Systems Modeling, 2016, 15(1): 17-29.
[12] Krishna Keerthi Ch, Jabbar M A, Seetharamulu B. Cyber physical systems(CPS):security issues, challenges and solutions[C]//2017 IEEE International Conference on Computational Intelligence and Computing Research (ICCIC), Coimbatore, 2017: 1-4.
[13] 沈苏彬, 杨震. 工业互联网概念和模型分析[J]. 南京邮电大学学报: 自然科学版, 2015, 35(5): 1-10. Shen Subin, Yang Zhen. Analysis on the concepts and models of the industrial internet[J]. Journal of Nanjing University of Posts and Telecommunications: Natural Science Edition, 2015, 35(5):1-10.
[14] Cogliati D, Falchetto M, Pau D, et al. Intelligent cyber-physical systems for industry 4.0[C]//2018 First International Conference on Artificial Intelligence for Industries (AI4I), Laguna Hills, 2018: 19-22.
[15] Leitão P, Colombo A W, Karnouskos S. Industrial automation based on cyber-physical systems technologies: prototype implementations and challenges[J]. Computers in Industry, 2016, 81: 11-25.
[16] Tao Fei, Qi Qinglin, Wang Lihui, et al. Digital twins and cyber–physical systems toward smart manufacturing and Industry 4.0: acorrelation and comparison[J]. Engineering, 2019, 5(4): 653-661.
[17] Yli-Ojanperä M, Sierla S, Papakonstantinou N, et al. Adapting an agile manufacturing concept to the reference architecture model industry 4.0: a survey and case study[J]. Journal of Industrial Information Integration, 2019, 15: 147-160.
[18] Menon K, Kärkkäinen H, Wuest T, et al. Industrial internet platforms: a conceptual evaluation from a product lifecycle management perspective[J]. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2019, 233(5): 1390-1401.
[19] 赵敏. 工业互联网平台的六个支撑要素——解读《工业互联网平台白皮书》[J]. 中国机械工程, 2018, 29(8): 1000-1007. Zhao Min. Six supporting elements of industrial Internet platform—interpretation of white paper on industrial Internet platform[J]. China Mechanical Engineering, 2018, 29(8): 1000-1007.
[20] 郭楠, 贾超. 《信息物理系统白皮书(2017)》解读（下）[J].信息技术与标准化, 2017(5): 42-47. Guo Nan, Jia Chao. Interpretation of “cyber-physical systems white paper(2017)”(part two)[J]. Information Technology & Standardization, 2017(5): 42-47.
[21] Zhou Ji, Zhou Yanhong, Wang Baicun, et al. Human–cyber–physical systems (HCPSs) in the context of new-generation intelligent manufacturing[J]. Engineering, 2019, 5(4): 624-636.
[22] 王柏村, 臧冀原, 屈贤明, 等. 基于人-信息-物理系统(HCPS)的新一代智能制造研究[J]. 中国工程科学, 2018, 20(4): 29-34. Wang Baicun, Zang Jiyuan, Qu Xianming, et al. Research on new-generation intelligent manufacturing based on human-cyber-physical systems[J]. Strategic Study of CAE, 2018, 20(4): 29-34.
[23] Wang Puming, Yang L T, Li Jintao, et al. Data fusion in cyber-physical-social systems: state-of-the-art and perspectives[J]. Information Fusion, 2019, 51: 42-57.
[24] Yilma B A, Panetto H, Naudet Y. A eeta-model of cyber-physical-social system: the CPSS paradigm to support human-machine collaboration in industry 4.0[C]//Working Conference on Virtual Enterprises. Springer, Cham, 2019: 11-20.
[25] Wang Feiyue. The emergence of intelligent enterprises: from CPS to CPSS[J]. IEEE Intelligent Systems, 2010, 25(4): 85-88.
[26] 王飞跃. 软件定义的系统与知识自动化:从牛顿到默顿的平行升华[J]. 自动化学报, 2016, 41(1): 1-7. Wang Feiyue. Software-defined systems and knowledge automation：a parallel paradigm shift from Newton to Merton[J]. Acta Automatica Sinica, 2016, 41(1): 1-7.
[27] 景轩, 姚锡凡. 走向社会信息物理生产系统[J]. 自动化学报, 2019, 45(4): 637-656. Jing Xuan, Yao Xifan. Towards social cyber-physical production systems[J]. Acta Automatica Sinica, 2019, 45(4): 637-656.
[28] Xue Yusheng, Yu Xinghuo. Beyond smart grid-cyber-physical-social system in energy future [point of view][J]. Proceedings of the IEEE, 2017, 105(12): 2290-2292.
[29] Guan Xiaohong, Xu Zhanbo, Jia Qingshan, et al. Cyber-physical model for efficient and secured operation of CPES or energy internet[J]. Science China Information Sciences, 2018, 61(11): 110201.
[30] Shi Libao, Dai Qiangsheng, Ni Yixin. Cyber-physical interactions in power systems：a review of models, methods, and applications[J]. Electric Power Systems Research, 2018, 163: 396-412.
[31] Poudel S, Ni Zhen, Malla N. Real-time cyber physical system testbed for power system security and control[J]. International Journal of Electrical Power & Energy Systems, 2017, 90: 124-133.
[32] Shi Xingyu, Li Yong, Cao Yijia, et al. Cyber-physical electrical energy systems: challenges and issues[J]. CSEE Journal of Power and Energy Systems, 2015, 1(2): 36-42.
[33] Khan M A I, Hossain G, Challoo R. Towards a sustainable cyber-physical energy system design[C]//2016 19th International Conference on Computer and Information Technology (ICCIT), Dhaka, 2016: 469-473.
[34] 刘念, 余星火, 王剑辉, 等. 泛在物联的配用电优化运行: 信息物理社会系统的视角[J]. 电力系统自动化, 2020, 44(1): 1-12. Liu Nian, Yu Xinghuo, Wang Jianhui, et al. Optimal operation of power distribution and consumption system based on ubiquitous internet of things:a cyber-physical-social system perspective[J]. Automation of Electric Power Systems, 2020, 44(1): 1-12.
[35] 柳文轩, 赵俊华, 黄杰, 等. 面向能源领域信息物理社会系统的行为仿真建模分析——以现货电力市场为例[J]. 电力系统自动化, 2020, 44(4): 8-17. Liu Wenxuan, Zhao Junhua, Huang Jie, et al. Simulation and modelling analysis on behavior of cyber physical social system in energy: a case in electricity spot market[J]. Automation of Electric Power Systems, 2020, 44(4): 8-17.
[36] 杨秋霞, 袁冬梅, 郭小强, 等. CPS概念下基于事件触发且考虑通信丢包及扰动的微网分层控制策略[J]. 电工技术学报, 2019, 34(15): 3209-3221. Yang Qiuxia, Yuan Dongmei, Guo Xiaoqiang, et al. An event-triggered hierarchical control strategy based on concept of CPS for micro-grid considering with packet loss and communication disturbance[J]. Transactions of China Electrotechnical Society, 2019, 34(15): 3209-3221.
[37] 盛万兴, 段青, 梁英, 等. 面向能源互联网的灵活配电系统关键装备与组网形态研究[J]. 中国电机工程学报, 2015, 35(15): 3760-3769. Sheng Wanxing, Duan Qing, Liang Ying, et al. Research of power distribution and application grid structure and equipment for future energy internet[J]. Proceedings of the CSEE, 2015, 35(15): 3760-3769.
[38] Yu Xinghuo, Xue Yusheng. Smart grids: a cyber–physical systems perspective[J]. Proceedings of the IEEE, 2016, 104(5): 1058-1070.
[39] 程乐峰, 余涛, 张孝顺, 等. 信息–物理–社会融合的智慧能源调度机器人及其知识自动化:框架、技术与挑战[J]. 中国电机工程学报, 2018, 38(1): 25-40. Cheng Lefeng, Yu Tao, Zhang Xiaoshun, et al. Cyber-physical-social systems based smart energy robotic dispatcher and its knowledge automation: framework, techniques and challenges[J]. Proceedings of the CSEE, 2018, 38(1) : 25-40.
[40] Gu Yunqing, Fan Tianxing, Mou Jiegang, et al. Advances in researches on Bionics[J]. Journal of Biomimetics, Biomaterials and Biomedical, 2015, 25: 3-11.
[41] 覃小航. 仿生学在工业设计中的运用[J]. 南方农机, 2018, 49(20): 223. Qin Xiaohang. Application of bionics in industrial design[J]. China Southern Agricultural Machinery, 2018, 49(20): 223.
[42] Morozov A. Modelling biological evolution: Linking mathematical theories with empirical realities[J]. Journal of Theoretical Biology, 2016, 405: 1-4.
[43] 艾芊, 郝然. 多能互补、集成优化能源系统关键技术及挑战[J]. 电力系统自动化, 2018, 42(4): 1-10, 46. Ai Qian, Hao Ran. Key technologies and challenges for multi-energy complementarity and optimization of integrated energy system[J]. Automation of Electric Power Systems, 2018, 42(4): 1-10, 46.
[44] 韩佶, 苗世洪, 李超, 等. 计及相关性的电-气-热综合能源系统概率最优能量流[J]. 电工技术学报, 2019, 34(5): 1055-1067. Han Ji, Miao Shihong, Li Chao, et al. Probabilistic optimal energy flow of electricity-gas-heat integrated energy system considering correlation[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 1055-1067.
[45] 余晓丹, 徐宪东, 陈硕翼, 等. 综合能源系统与能源互联网简述[J]. 电工技术学报, 2016, 31(1): 1-13. Yu Xiaodan, Xu Xiandong, Chen Shuoyi, et al. A brief review to integrated energy system and energy internet[J]. Transactions of China Electrotechnical Society, 2016, 31(1): 1-13.
[46] 韦晓广, 高仕斌, 臧天磊, 等. 社会能源互联网:概念、架构和展望[J]. 中国电机工程学报, 2018, 38(17): 4969-4986. Wei Xiaoguang, Gao Shibin, Gao Shibin, et al. Social energy internet: concept, architecture and outlook[J]. Proceedings of the CSEE, 2018, 38(17): 4969-4986.
[47] Nam L, Anthony B, Michael O. The evolution of self-taught neural networks in a multi-agent environment[C]//International Conference on the Applications of Evolutionary Computation, Leipzig, 2019: 457-472.
[48] Chemezov A V, Strakhov A G, Bakshaeva N M. Algorithm for the optimization of multiagent isolated energy systems[J]. Applied Solar Energy, 2019, 55(1): 66-70.
[49] Herzallah A M, Gutiérrez-Gutiérrez L, Munoz Rosas J F. Total quality management practices, competitive strategies and financial performance: the case of the palestinian industrial SMEs[J]. Total Quality Management & Business Excellence, 2014, 25(5-6): 635-649.
[50] Koryagin S, Klachek P, Vasileva V. Development of bionic approaches in the microelectromechanical systems design based on cognitive knowledge bank[C]//2017 14th International Conference The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM), lviv, 2017: 285-288.
[51] 徐久强, 郭雪静, 王进法, 等. CPS资源服务模型和资源调度研究[J]. 计算机学报, 2018, 41(10): 2330-2343. Xu Jiuqiang, Guo Xuejing, Wang Jinfa, et al. Research on CPS resource service model and resource scheduling[J]. Chinese Journal of Computers, 2018, 41(10): 2330-2343.
[52] 张慧, 卢文冰, 赵雄文, 等. 基于最小二乘支持向量机和小波神经网络的电力线通信信道噪声建模研究[J]. 电工技术学报, 2018, 33(16): 3879-3888. Zhang Hui, Lu Wenbing, Zhao Xiongwen, et al. Noise modeling for power line communication channel using the LS-SVM and wavelet neural networks[J]. Transactions of China Electrotechnical Society, 2018, 33(16): 3879-3888.
[53] 黄珍锡.仿生软件体系结构及其复杂度研究[D]. 武汉: 华中科技大学, 2015.
[54] Rocha M S , Sestito G S , Dias A L , et al. Performance Comparison Between OPC UA and MQTT for Data Exchange[C]//2018 Workshop on Metrology for Industry 4.0 and IoT, Brescia, 2018: 175-179.
[55] 王鹏程. 基于协议转换与OPC技术的数据采集系统研究[D]. 济南: 山东大学, 2018.
[56] 刘洋.基于边缘计算的数据获取与处理系统设计与实现[D]. 北京: 北京工业大学, 2018.
[57] Augustin A, Yi Jiazi, Clausen T, et al. A study of LoRa: long range & low power networks for the internet of things[J]. Sensors, 2016, 16(9): 1466.
[58] Yan H . Design of smart home gateway based on ZigBee technology[C]//2018International Conference on Intelligent Transportation, Big Data & Smart City(ICITBS), Xiamen, 2018: 25-26.
[59] 左剑, 谢平平, 李银红, 等. 基于智能优化算法的互联电网负荷频率控制器设计及其控制性能分析[J]. 电工技术学报, 2018, 33(3): 478-489. Zuo Jian, Xie Pingping, Li Yinhong, et al. Intelligent optimization algorithm based load frequency controller design and its control performance assessment in interconnected power grids[J]. Transactions of China Electrotechnical Society, 2018, 33(3): 478-489.
[60] 王力, 赵洁, 刘涤尘, 等. 基于遗传粒子群优化算法的调速器执行机构分段线性模型及参数辨识[J]. 电工技术学报, 2016, 31(12): 204-210. Wang Li, Zhao Jie, Liu Dichen, et al. Piecewise linear model and parameter identification of governor actuator based on genetic particle swarm optimization algorithm[J]. Transactions of China Electrotechnical Society, 2016, 31(12): 204-210.
Bionic Structure and Cyber-Physical System for Intelligent Power Plant Oriented to the Industrial Internet
Abstract The traditional structure of thermal power plant can hardly meet the demand of smart production and management, and the intelligent power plant has become a new trend. Based on the concept of the Industrial Internet, this article proposes a smart power plant bionic system and DNA conceptual model using bionics principles and methods, and analyzes the evolution process of its iterative development and system interaction. Fully considering the influence of human behavior and social factors on the information physical system, the framework and components of the bionic human/society-cyber-physical system for intelligent power plant are further analyzed. On this basis, the hierarchical structure of the industrial Internet platform for intelligent power plant is constructed according to the hierarchical structures of cells. The structure and cyber-physical system proposed can better solve the problem of information islands in existing thermal power plants and promote the deep integration of the human/society-information-physical ternary. Meanwhile, they can provide methodology and implementation reference for intelligent management, intelligent power generation, multi-market decision-making and other multi-agent construction of smart power plants.
Keywords：Intelligent power plant, smart power generation, cyber-physical systems(CPS), industrial internet, architecture
中国分类号：TM62; TK01; TP301
DOI:10.19595/j.cnki.1000-6753.tces.191593
国家自然科学基金资助项目（51722701）。
收稿日期 2019-11-21
改稿日期 2020-05-18
肖祥武 男，1988年生，博士研究生，研究方向为智慧电厂信息物理系统及数据挖掘。E-mail：xiaoxw425@126.com（通信作者）
王 丰 男，1997年生，硕士研究生，研究方向为智能发电与智能系统。E-mail：ideal426@163.com
（编辑 赫蕾）