引言  

在交通强国的背景之下，作为城市交通大动脉和大城市公共交通工具，城市轨道交通（以下简称“城轨”）已成为我国交通体系的重要组成部分和技术创新的重要阵地。中共中央先后发布《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》和《2030碳达峰行动方案》，要求加快推进低碳交通运输体系建设；交通部发布《绿色交通“十四五”发展规划》对我国交通运输绿色发展提出了新的要求；中国城市轨道交通协会发布了《中国城市轨道交通绿色城轨发展行动方案》以指导城市轨道交通绿色转型工作。      

城轨作为“用能大户”，需站在“双碳”目标征程的前列。绿色城轨作为智慧城轨的重要应用场景，聚焦节能降碳的技术攻关、提升城轨绿色技术应用效能，将成为未来一段时间的重点发展方向。要实现城轨的绿色智能化，建立一套完善的智慧能源管理体系成为重中之重。      

城轨能源管控涉及牵引供电、车站通风空调、智能照明、综合能源管理等多个子系统，且传输网络不一，制式不同，包含管控设备繁多、涉及专业多样的多维系统，具有多源、多维、多尺度、异构的数据特征。从功能检（监）测、数据分析到动态调优，传统的能源管控技术已经很难满足当前智慧绿色能源管控的要求。      

为响应国家双碳战略，提升城轨用能效率，各地纷纷增设城轨能源管理系统，主要包括线网级能源管理平台、线路级能源管理系统。线网级能源管理系统是在线路级已有系统的基础上进行搭建，包含汇总各线路的能源数据、统计能耗和能效等功能；线路级能源管理系统包含能源质量检测及监控、各项能耗的分类、节能管理等功能。此外，学者们也对相关领域进行了研究。喻奇设计了城轨电气火灾监控与能源管理融合系统，便于运营管理。肖珊等提出了一种基于云平台的城轨能源管理系统架构和建设方式，利用云计算采用了线网-车站二层管理模式，降低了线网和线路运营和维护成本。      

在此基础上，本文总结数字孪生技术当前的发展趋势，分析城轨能源管控的需求，并提出包括数据采集、数据虚实交互、数据管理、孪生模型应用、虚拟孪生、访问权限设置功能的基于数字孪生的城轨智慧能源管控系统架构，然后展望数字孪生技术在城轨智慧能源管控中的应用。      

2.1 概述      

数字孪生起源于2003年，由Grieves教授在美国密歇根大学产品生命周期管理课程上提出的“与物理产品等价的虚拟数字化表达”的概念，当时被称作“镜像空间模型”，发展而来，其定义为包括实体产品、虚拟产品及两者之间连接的三维模型。但是直到2011年，Grieves教授才在书中明确应用了“数字孪生体”一词。数字孪生技术最早在军工及航天领域被应用。Gartner自2016年起连续多年将“数字孪生”列为未来十大战略技术之一。由于数字孪生具备虚实融合与实施交互、迭代运行与优化、以及全要素/全流程/全业务数据驱动等特点，加上传感器成本大幅下降、网络传输可靠性提升和建模技术的不断进步，数字孪生技术的研究与应用正在呈现爆炸性增长的态势。北京航空航天大学陶飞教授提出数字孪生“五维模型”，探讨在卫星网络、智能制造、智慧城市等多个领域的应用，实现物理世界和信息世界的交互共融。      

2.2技术体系      

数字孪生的本质是技术集成。数字孪生的实现需要依赖诸多基础数字技术的融合创新，正是因为这些基础数字技术的蓬勃发展，数字孪生才有机会从小尺度到大尺度都有了更多应用场景，并变成了新的融合贯通式的数字化基础设施。      

（1）数据全面、精准感知。通过智能传感器、射频识别设备（RFID）、卫星定位系统等信息传感设备，按照特定的协议要求采集物理世界中发生的物理事件和数据，实现外部世界信息的感知和识别。通过物联网设备的泛在感知，实现感知信息高可靠性、高有效性。数据的全面、精准感知技术主要包括数据传输技术、传感器协同感知采集技术、传感数据解析及访问技术等。      

（2）虚实数据可靠、高效传输交互。数据的传输是物理实体、虚拟实体、数据及业务之间实时互联互通的核心，信息传输的过程中需要保证高速率、低时延、大容量、可移动的特性，以此支撑数字孪生系统的实时交互、数据计算及虚拟世界与物理世界的反馈闭环。5G通信技术为数字孪生的应用提供了实现物理世界与虚拟世界精准映射和实时感知控制的能力。虚实数据可靠、高效传输交互技术主要包括通信传输技术、通信网络架构技术、信息安全访问技术等。      

（3）数据管理。数字孪生数据包含模型、信息的时间数据和空间数据，融合打通多源、多维、多层次的数据孤岛，增加共享和复用能力，响应业务需求，提供全要素、全流程、全业务数据的支持。数据的管理与共享技术包括云计算和数据中台技术。云计算主要包括数据存储及管理技术、编程模型等，数据中台技术包括数据同步技术、数据开发技术、数据服务技术等。      

（4）孪生体建模技术。构建数字孪生的第一步是创建高保真的数字孪生虚拟模型，真实再现物体实体的几何图形、属性、行为和规则等。在建模对象行为复杂、规则难以分析的情况下一般采用数据驱动的方式建模。可以融合时空数据与知识，提升建模的鲁棒性和特定信息的表征力度。孪生体的建模技术主要包括基于时空虚实数据的分析技术、数据驱动与知识融合分析技术、物理建模技术等。      

2.3趋势分析      

随着数字孪生技术的研究逐步深入和在城轨领域的不断探索，其未来发展方向包含以下几点。      

（1）体系设计方面。随着数字孪生应用的深入，其可以与分布式计算技术相结合，形成模块化的数字孪生块，各模块包含各自的业务领域，分而治之，协同处理，提高处理事件的效率，便于形成数据共享协同应用的机制。      

（2）模型迭代方面。加强数据与模型的有机融合，加强孪生间随时间的相互作用、相互变化，提升孪生体的建模适应性和仿真精准性，并切实提升模型在各个车站之间的普适性，降低建模成本。      

（3）任务计算方面。通过城轨大脑云计算平台和边缘计算综合使用，提升多源、异构孪生数据的处理分析能力，提升面向任务的数据处理分析能力。      

（4）智能服务方面。结合人工智能、仿真等技术，在数字空间形成更加智能、高效、准确的决策，反馈到物理世界，提升现实世界的智能服务效率。      

（5）应用安全方面。能源管控系统涉及许多敏感数据，将区块链技术、访问控制技术嵌入数字孪生系统内，防止数据的篡改、访问错误，确保数据的安全性及可靠性。 ?

各城市的轨道交通能源管控现状存在差异，但总体来说，随着技术的不断发展和应用，大多数城市的轨道交通已经开始采用智能化技术进行能源管理和控制，如能源管理系统、能量回收系统、能源监测系统等。      

城轨系统能源消耗主要集中在电力消耗上，能源管理系统通过对不同设备的能耗数据进行收集、分析和处理，实现对能源消耗情况的监测和调整。能量回收系统是一种将城轨车辆制动时产生的能量进行回收利用的技术，可以降低城轨系统的能耗和碳排放量。能源监测系统通过对城轨各种设备的能耗情况进行实时监测，帮助运营人员了解能耗情况，进而对能源管理进行调整和优化。      

基于数字孪生的城轨能源管控系统能够实现多系统、多设备的互联互通，构建协同智能分析的能源管控系统，实现多源异构数据的共享与协同处理。      

以下将从节能分析规划调整、数据监测分析、能耗优化调整等方面探讨城轨能源管控系统应用数字孪生技术的可行性。      

3.1节能规划调整      

城轨能源管控最基本的方法是通过运营经验，根据时间线、客流量来调整能源设备、系统的相关数值，以此优化城轨能耗的管控。      

城轨能源管控系统包含风、水、电、动力能源等多系统、多运行单元，其节能优化管控不仅是一个多目标的优化问题，子系统间中还包含多种耦合运行因素，各专业系统之间的深层能源关系有待挖掘，数据驱动的优化调控方法能深入探究分析，满足不同需求及关系下的能耗调整。      

3.2数据监测分析      

能源管控系统的监测与分析是对各种感知设备、采集系统采集数据的汇总和分析。      

目前各种系统的采集设备的数据标准尚未统一，对电力监测数据的时间单位为秒（s），对气体、温度监测数据时间单位为分（min）。      

3.3能耗优化调整      

能源优化调整的最主要目的是优化能源利用结构，提高车站内能源的利用效率，确保在低能耗的情况下设施设备安全、高效、稳定运行。目前，对于车站的节能控制策略，“供求平衡”是最根本的原则，即在城轨站内环境指标维持在焓值目标的情况下，尽量减少不必要的能量消耗。      

车站多系统耦合的能源优化问题往往基于实际系统的仿真模型，通过分析相互之间的能源影响机理，构建一个最优化问题，通过转化为数学问题寻求能耗最优解。      

3.4碳排放核算与评价      

节能降耗战略地位的提升促进了相关行业的发展与研究，也促进了对于能效分析、碳排放核算等综合评价方法与指标体系方面的相关研究。      

通过对设施设备能耗的分析、碳排放的核算、能耗指标体系的评价和经济效益的分析等，可提升能源数据使用价值，提升优化能耗精准度的价值。      

3.5建模仿真      

车站能源系统仿真主要是构建车站内不同设施设备的物体实体及其之间的运行关系，利用数据公式及物理原理构建空调、电表、水表、屏蔽门、自动售检票系统（AFC）等关键设施设备及功能网络模型。利用数据驱动的方法搭建一套完整、可靠的车站能源运行仿真模型。      

建模仿真是为了尽可能真实地构建数字化的设施设备及其运行状态，并在此基础上验证数学模型预测及优化的准确性。城轨车站能源系统作为一个多元多模态复合系统，依靠传统方法很难有效建模分析，因此如何将物理实体映射到数字实体并进行后续操作，是当前亟需解决的难点。      

本文从感知、传输、平台、应用、仿真、安全等方面提出基于数字孪生的城轨智慧能源管控框架，通过物联网、人工智能等技术将物体实体的对象、特征、运行规则、性能等进行建模，实现物理实体和虚拟实体的一对一映射，并可对虚拟实体趋势进行预测，对关键性能进行优化分析，将有效结果返回至物理实体纠正当前运行情况，提升基于数字孪生的城轨智慧能源管控的安全性与稳定性。总体架构如图1所示。

?

4.1数据采集      

物理感知是构建数字孪生系统的基础，通过对物理实体数据的感知、分析，构建城轨智慧能源管控系统。该系统可分为中心级和车站级2层结构，如图2所示。中心级是城轨智慧能源管控的核心，是信息接入、抽取、清洗、存储、分析的数据中心，也是对全线能源管理的人工智能、最优化技术的应用平台。中心级各模块分别与车站级设施设备信息和数据服务平台进行数据传递，并集中管理。

?

车站级包括节能系统车站交换机、节能工作站、节能PLC。车站级是设备信息采集、设备运行调整的源头，通过相关系统的接入和互联互通，采集各表计、传感器、设备上传的信息。利用内置的PLC节能算法，有效节能调控车站内设施设备。      

4.2数据虚实交互      

传输交互是实现孪生体与物理实体高效连接、实时交互的重要保障，主要包括孪生体与物理实体、物理实体与数据存储分析平台、孪生体与数据分析平台之间的连接。针对数字孪生模型对传输过程低时延、高可靠的要求，可采用云边端协同的传输与计算方式，实现数据的灵活、可靠传输。      

4.3数据管理      

数据管理是数字孪生模型提供智慧化服务的基础。数据包括物理世界的属性信息及运行过程中产生的生产数据、虚拟世界的模拟仿真的数据，以及各实体运行的机理知识数据等。      

物理实体的属性数据是设施设备的基础外观信息、具备的功能等要素数据；物理实体的生产数据是在运营过程中产生的能源数据，包括各设施设备的使用能耗数据、以及使用对象、分析结果的结构式、非结构式数据；虚拟实体的模拟仿真数据是通过仿真计算、优化生成的数据；各实体运行的机理知识数据包括各种设施设备使用的规章制度、遵循的标准等。      

4.4孪生模型应用      

孪生应用是基于云、大、物、移、智、链等新型技术集成的智能模型、算法的智能服务集合体，能够在孪生体模型中真实模拟优化物理实体运行方式，并可将优化结果反馈到物理实体。      

城轨车站能源管控目前主要是通过运营经验去设定风水联动、环境与设备监控系统（BAS）系统等数值，缺乏对多系统之间耦合关系的分析，亟需通过深度学习、智能优化算法等技术实现车站能源设备、系统的高效能耗管理。      

4.5虚拟孪生      

虚拟孪生是将物理世界一比一映射到孪生世界，包含物理世界的实体信息、运行机理信息以及数据驱动的融合。机理信息与数据驱动的模式相结合，可提高模型的准确度。      

虚拟孪生体相当于物理实体的平行时空体，可以不受空间、时间、环境等条件的限制，能够依照设定的指令推演未知的结果，发现物理世界的潜藏隐患，优化物理世界的运行状态，最大限度的保障物理世界的安全、节能、稳定运行。      

4.6访问权限      

访问权限是车站智慧能源管控系统数据接入交互、模型访问等环节的重要保障。传统的能源管理架构很难保证智慧能源管控系统的不可篡改、可追溯性。而采用动态访问控制技术及相关身份认证技术，可形成各系统协同控制联动的共享机制，为基于数字孪生的智慧能源系统提供安全基础。      

基于数字孪生的智慧能源管控系统通过各能源子系统的感知，实现对相关设备使用量、状态值、时空状态进行全面的感知，利用高带宽、低时延的可靠性传输，将物理世界一比一映射到孪生世界。      

5.1技术路线      

基于数字孪生的城轨智慧能源管控系统的应用技术路线是依照上文分析的具体实施路径。其包括感知层、网络层、平台层以及应用层，如图3所示。

?

（1）感知层。通过部署不同系统、设备专属的传感器，规范智慧能源的边界体系，实现对城轨智慧能源管控对象的全面状态感知、量值交互、环境监测等。      

（2）网络层。网络层基于专用网络、有线/无线网络、蓝牙、无线射频识别（RFID）等方式实现海量数据的实时可靠传输，将获取的实时数据、数据驱动的机理等内容纳入到孪生体模型中，实现物理实体与虚拟实体的互联互通。      

（3）平台层。平台层主要负责提供基于数字孪生的城轨智慧能源管控的数据处理分析及孪生体交互建模。数据处理分析主要包括数据的清洗、抽取和融合；孪生体建模主要包括运行机理、数据驱动及2种方式相结合的方法。平台层底层支撑的技术包括数据存储、读取技术、多源数据融合与安全共享技术、信息共享交互技术等。      

（4）应用层。应用层主要是孪生体模型在实际中的应用，利用人工智能、最优化等技术，实现对城轨车站能源的智慧化管控与分析。利用人工智能算法，针对城轨车站人工经验无法精准预测分析的问题，开展用能行为分析、智能动态调控、故障预测等。针对孪生体的优势，应用层除可开展各系统用能分析、碳核算和评价、用能动态调控、多系统用能耦合性分析外，还可以开展多种增值服务业务。      

基于感知、网络、平台、应用4个层面，实现城轨车站能耗管控与数字孪生体之间的闭环优化反馈。基于数字孪生的城轨智慧能源管控系统的核心技术包括物理世界与孪生世界的精准映射技术、孪生体的精准建模及仿真技术、能耗智能优化调控技术等。其中，能耗智能优化调控技术主要利用应用层的人工智能算法，进行优化调控及多智能体协同控制。最终目标是构建运行机理及数据驱动的孪生体，并使之随时间自主进化。      

5.2应用案例      

（1）能耗监测及状态评价。当前城轨能耗管控系统存在信息多源、多模态、数据耦合性强、分析难等难点。基于数字孪生的城轨能源管控系统通过各种传感器采集数据，构建能源孪生体，实现真实物体在虚拟世界的复制，并基于多模态、多源数据共享与融合技术、迁移学习及认知推理技术，开展能耗相关设备状态监测及评价。城轨能耗设备的孪生体构建提供了一种设备在全时间链下不同环境、条件下的运行交互模式，能够不断自主进化演变，有助于城轨能耗设备的全生命周期管理及调控，提升运行效率，降低运营成本。      

（2）能耗用能分析及自主调控。当前传统的建模方法很难解决城轨能耗运行优化的难题，数字孪生技术可实时采集数据并采用数据驱动与运行机理相结合的模式进行各系统设备的仿真，同时应用层嵌入多智能体控制、智能优化等人工智能算法模型，支撑城轨能源管控优化策略及预测。同时采用虚实交互的方式，促使数据与环境交互，通过自主学习进化，获得最优策略，增强了各系统设施的动态调控。城轨能源管控系统通过环境与设备监控系统、综合监控系统、火灾自动报警系统（Fire Alarm System，FAS）、通风空调系统、给排水系统、动力照明系统等系统，获取在线数据，天气等因素数据，电能、水能数据以及各设备运行状态数据等。通过迁移学习、优化算法、混合在线学习等方式提升各系统在不同场景下的能源利用效率，最终实现环境的主动分析和能源的自主调控，将优化决策实时反馈更新到实际应用中。传统的仿真模型无法准确预测天气等因素带给能源管控的影响，也无法通过感知客流等情况与环境交互并构建自主分析与调控的能源管控模型。利用数字孪生技术，可以实时感知、预测多方因素，精准调控能源，实现高效决策能耗优化。      

（3）碳排放评价及核算。碳排放的评价及核算当前还在初步的研究阶段，但是传统的方法对能耗的监测及分析缺乏完善的体系架构，无法精准地评估当前状态下的能耗，并梳理清晰与相关系统的耦合关联关系。而数字孪生体能够明确各系统的能耗界限，给出一种高保真、在线的评价及核算体系。      

（4）多元增值服务。利用数字孪生技术可以衍生出许多增值性服务，优化能源的管控与运行，提升乘客的出行体验，满足不同用户的多样性需求。针对城轨大客流、高密度的特点，在综合乘客乘车路径时空特征分析、能源动态分区、乘客候车时长及行为分析的基础上，结合广告牌、宣传视频等媒体的位置，实现多元化互动，实现车站其他增值性服务。      

我国绿色城轨的发展尚处于初级阶段，城轨的智慧能源管控也仍在研究阶段，亟需通过多元感知来提升能源管控的智慧化程度，以分析城轨多系统、多能源要素耦合及其交互的过程。利用数字孪生技术可实现城轨能源从物理实体到虚拟实体的精准映射，通过智能分析、计算、预测，实现能源管控措施的优化，并由虚拟实体反馈到物理实体，从而提升城轨能源的管控效率。