硬件在环（HIL）仿真中的 "数字孪生"：概念入门

Michael Grieves 于 2003 年首次提出了 "数字孪生 "这一术语，自此以后，人们对其进行了大量的讨论。我们将保持相对简短。虽然 "数字孪生 "对很多人来说有很多含义，但在实时仿真 和/或环路硬件（HiL）测试的语境下，它的含义就比较有限了。

要开始解释这个更贴切的含义，让我们从硬盘的镜像副本开始思考。它是当前使用的硬盘的定期更新副本，目的是在需要时作为冗余。镜像硬盘的内容可在任何特定时间验证为源硬盘的副本。因此，这是一种硬盘的四维保护机制（数据的长度/宽度、位深度，加上持续时间或时间维度）。然而，这个比喻的复杂性已经不足以充分概括我们在这里需要谈论的一切。

数字时代的铁鸟

在这里，另一个比喻可能对我们更有帮助。在飞机设计和工程周期中，包括 MEA（More Electrical Aircraft），存在一个被称为 "铁鸟 "的概念--集成测试台。飞机的所有系统和子系统都组装在一起，摆放在机库的地板上，这样，除了底盘本身之外，整架飞机实质上都是可以运行的，但它并没有实际飞在空中。

现在要澄清的是：铁鸟在大约 1985 年诞生之初，是一种物理/模拟混合飞机，当时飞机的数量和系统复杂程度呈指数级增长。(随着这些 "系统中的系统 "的发展，更多的空中测试并不常见，其原因应该是显而易见的：巨额费用、无数的排列和组合、巨大的开发时间、生命损失等）。

这个组合体的所有组成部件都经过验证，并接收实时刺激，发出反应和输出，就像飞机本身在飞行一样，但与发动机、着陆装置、机翼襟翼等的互动可能是虚拟的，也可能不是，这取决于验证和确认（V & V）阶段。铁鸟测试阶段必须与 "现实生活"（即真实世界的飞行）一样好（经过验证、准确、完全可重现）--在航空领域几乎没有 "回旋余地"--否则这个测试阶段和概念就没有任何意义。

在航空航天 V&V 中使用铁鸟，即用数字/虚拟部件取代部分物理部件，并根据 V&V 阶段使用实时仿真允许飞机制造商及其设备开发商节省大量昂贵的原型制造费用。当然，虚拟模型最终还需要进行更广泛的动力学验证和响应验证，然后才能让您享受下一个太阳黑子假期。

数字孪生兄弟：不只是模拟器那么简单

现在，如果我们在复制/冗余概念中添加一些其他元素（见：硬盘的镜像副本），并增加一些复杂性、可互换性和通信水平（见：铁鸟），我们目前所说的 "数字孪生 "在实时仿真 （或 HIL）背景下的功能就会开始变得更加清晰。

如果我们从功能上对它进行细分，看看它能做什么、能做什么，以及在我们目前的阅读中，它在概念上有什么过人之处：

• 数字孪生体可以读取与实际运行的孪生体之间的数据，并通过其硬件/软件环境向监督实体报告自身情况--用于维护、记录、报告、控制等。
  • 意思是：数字孪生--本身是虚拟的--与 "现实世界 "之间有一座连接的桥梁
• 数字孪生体有自己的动态模型和相关参数的联系表 ，它在与实体孪生体的实时或 "近实时 "比较中进行自我调整。
  • 因此，它具有自适应能力
• 与物理孪生系统相比，数字孪生系统能更详细地描述其内部组件之间的互动，因为后者的感知能力有限。
  • 因此， 它可以充当一步到位的深入观察者
• 数字孪生可对与物理孪生相同的刺激做出反应，帮助识别异常操作、故障并找出问题根源
  • 因此，它是一个了解情况、支持决策的工具
• 数字孪生可以对合成刺激做出反应，并帮助进行假设情景分析，但出于实际考虑，这些分析无法通过实体孪生进行。因此，它不同于仿真 （或实时仿真），因为它是其物理对应物的一个经过验证的动态复制品。
  • 因此，作为一种预测工具，它的功能非常强大，而且还可用作设计和规划工具。

上图描述了电力系统数字孪生如何通过高级分析、动态和稳态数据管理、自动化和系统操作员与物理孪生进行交互。这是一项关键技术，有助于确保未来电力系统在整个生命周期内安全可靠地运行，因为我们现在看到可再生能源的渗透率越来越高，惯性越来越小。数字孪生被描述为多个实例，每个实例都有自己的目的、架构和数学模型表示。实时仿真 无疑是许多应用的关键推动力，包括加速预测模拟，数字孪生可以作为模型的模型、相位动态模型、电磁暂态模型、机器学习模型或其他形式（取决于目的或数字孪生服务）而存在。

数字孪生：现状

作为一名实时仿真 爱好者，您现在应该已经对其潜在用途了如指掌，但我还是要举几个通用的例子来说明当前的用途：

• 电动汽车制造商可以在车辆运行过程中积累大量数据。这些数据可以按驾驶员类型、汽车的地理位置以及其他许多可能发现有价值和/或有用结果的数据角度进行记录、查看和分析。(大数据 "的主要优势之一就是可以从无数个角度对其进行解读，每个新的角度都有可能提供新的见解）。通过这种方式，制造商可以在电池管理系统出现意外行为时向当地修理厂或最终用户发送通知，例如，或在更换发动机部件时发送通知。
• 电力公司可以通过这种记录/报告、人工智能和海量数据的结合来了解使用/消费模式，从而自动调整住宅锅炉和加热器，确保足够的旋转储备或稳定运行，这就是现在所说的需求响应。
• 在不久的将来，在消费品还未出现故障时，就可以预测未来可能出现的故障，分析所有可能的解决途径，并在用户意识到发生任何不测之前采取行动，这就是预测性维护。

走向广阔无垠的伟大未来

我们正站在这一特殊的风口浪尖上，它结合了当前和未来的增强功能，可应用于多个类别，有利于设计、原型开发、常规使用和维护/替换。大数据、人工智能、5G 和更快的网络、云计算和物联网等各种最新现象的聚集使这种方法及其所有相关用途成为可能。

未来 50 年及以后，"数字孪生 "将如何帮助电网运行？它们将通过诊断、监控、经验和 "假设 "情景预测来帮助稳定我们的电力系统。在某种程度上，它们就是数字时空旅行：回溯过去，检查汇总数据的历史；展望未来，预测结果。它们将帮助我们学习如何更好、更安全地运行电网，并为升级和改进提供更多倍、更好的测试覆盖范围。

当它们悄无声息地、可靠地完成所有这些工作时，它们还将提供更好、更多、更详细的数据集，从而极大地改进人工智能的训练和产出。它们还能让我们根据物理孪生体的数据，探索我们可能从未想过要模拟的边缘/角落情况。它们将有助于找到防止大面积故障和减少电网停机时间的对策。它们将改善自主系统的运行，并通过模型训练的人工智能帮助优化我们的仿真 场景选择。

迄今为止，"数字孪生 "这一概念的使用还相当宽泛--然而，这种思维所带来的各种进步为实时仿真带来了令人兴奋且不可避免的进步。问题不在于是否利用这一概念及其相关的整体改进和细微差别，而在于何时以及如何利用。