项目背景
在碳达峰和碳中和的大背景下，随着全球各个国家对可持续能源的重视，光伏发电以其分布广发、安装灵活、清洁可持续等优点，已经成为主要的新能源生产方式之一。光伏电站一旦建设完成投入生产，就会进入长达20年以上的运维阶段，因此高效便捷的运维方式对于提高运维效率、降低运维过程中成本和风险就变得极为重要。
数字孪生技术通过各类传感器及联网设备，可以实时感知光伏电站的各项运行状态，通过经验规则及数据智能（大数据分析）方式及时检测出设备异常，第一时间通知运维人员进行故障处理以降低更大故障的发生，提高电站的发电效率，进而提升电站整体收益。3D全场景模型应用往往可以提升大屏监控的效率及汇报展示的效果，因此3D应用系统常常会作为数字孪生系统的重要组成，与实时的核心数据联动，以清晰易懂的形式展示在3D模型上，帮助客户更好理解当前系统的运行状态。
在开发光伏电站数字孪生系统过程中，需要涉及物联网、孪生模型构建、实时数据计算、数据智能、3D模型渲染及数据联动等多项复杂的工作，阿里云物联网平台及其IoT孪生引擎增值服务提供了开发数字孪生系统的多种核心功能，利用这些功能开发者可快速构建出符合自身业务特性的数字孪生系统。本文重点介绍如何从零开始构建出光伏电站数字孪生系统的详细步骤。
主要流程
准备阶段
梳理业务流程
所有的数字化系统都是为了特定业务目的而开发的，因此系统全面地梳理整个业务系统的运行流程、系统构成及特定规则等是构建数字孪生系统的核心基础。在此案例中，我们整理的业务架构图如下（发电阵列架构组成都一样，图上B区发电阵列省略了PV与组件）：
整个光伏电站由四大部分组成：
1.光伏发电系统：由两个发电阵列（A和B）及气象仪组成，主要将光能转化成电能，是整个运维系统监控的核心。发电阵列是一个逻辑管理单元，是由下面多个逆变器组合而成，每个逆变器下又由多个PV组串构成，每个PV组串下面连接多个光伏组件；气象仪提供实时气象测量数据，辅助判断当前发电效率是否正常。
2.电器自用：光伏发电系统发的电首先给该集团内部的各种工厂设备及商用电器使用，优先保证电力的自给自足，这里面主要关心每天、每月及年度的电力使用量，取计量电表的数据。
3.电力储能站：光伏发电系统发的电如果自用有盈余，白天的时候可以将多余电力存入储能站，以便晚上无法发电时由储能站向自用的电器设备供电。储能站电表和多个主控组成，每个主控下又由多个电池堆组成，为了简化系统说明，我们只关注储能站的电表数据。
4.余电并网：光伏发电系统供给电器自用及储能站之后，如果还有盈余，则可以通过并网柜将多余的电量输送到电网中售卖以获得额外收入，为了简化系统说明，我们只关注余电并网中电表数据，以了解某个时间段内售卖给电网的电量。
确定系统目标
在光伏电站数字孪生运维系统建设完成之后，会通过实时采集各个设备上传的数据，并通过对历史数据比对、横向设备数据比对、数据实时计算、数据智能分析等方式，可以向客户提供：
1.系统状态实时感知，这是最基础的能力。如组件级、组串级、逆变器级、阵列级、电站级的实时发电量，通过实时计算获取到当日、当月及年度累计发电量；集团内电量的使用情况、储能站的充放电及输入到并网系统中的电量等。
2.发电系统异常及时感知及处理，以缩短故障处理时间，提高整个系统的发电效率。如逆变器过压过流异常、光伏组件的发电效率异常等，这里除了常规的经验规则阈值方法，还可以通过深度学习算法对历史数据进行训练学习，生成光伏发电领域的智能算法模型，通过对采集的数据进行智能分析来判断异常状态，如I-V曲线算法。
3.月度发电量预测，便于根据预测的发电量对用电进行合理规划。这个可以通过天气预报数据、历史发电数据、当前发电系统的状态等多维度数据，使用智能算法进行预测。
为了简化说明，本文只针对系统状态实时感知异常感知进行演示，以此作为整个系统建设完成后的目标。包括：
1.系统状态的实时数据通过3D模型中点击特定区域展示出来，包括：
a.PV组串：实时电流、实时电压、实时功率（实时计算而来）等时序数据，也包括厂商、型号、倾角、方位角等固定的静态数据。
b.逆变器：安装区域（静态数据）、型号（静态数据）、版本（静态数据）、实时电压（实时计算获取，各PV组串累加）、实时电流（实时计算获取，下属PV的最大电流值）、实时功率（实时计算获取，实时电压*实时电流）、交流电压（U、V、W）、交流电流（U、V、W）、交流功率（U、V、W，实时计算获取，实时电压*实时电流）、IGBT内芯温度（时序数据）、当天发电量（实时计算，累加）、当月发电量（实时计算，累加）、年度发电量（实时计算，累加）。
c.发电阵列及发电系统：当日、当月及年度累计发电量，这些都是通过下属的逆变器数据实时计算获取。
d.集团自用电表/储能站电表/余电并网电表/气象仪：为了简化说明，全部采用静态数据，实际构建系统时需要获取实时数据。
2.系统异常分析采用简单的规则方式，对以下两种情况进行告警，并在3D模型上实时提示：
a.逆变器IGBT温度过高，当温度大于120°时进行告警，并提示运维人员处理建议：1.检查安装位置是否符合要求。2.尝试降低周围环境温度。3.关闭逆变器5分钟后重新启动。
b.逆变器直流过压，当电流超过16A时进行告警，并提示运维人员处理建议：检查光伏组串的串联配置是否过多，导致开路电压高于逆变器最大输入电压。若属此情况，尝试减少组串的数量，使组串开路电压降至逆变器规格范围以内。
需要注意的是，系统告警后除了在3D模型上进行展示提醒外，往往还会通过电话、短信或邮件等方式通知到运维人员进行及时处理，对于通知能力的集成可以通过物联网平台的事件响应服务（服务链接：https://help.aliyun.com/document_detail/473962.html）完成。
整理各设备物模型
业务流程梳理完成，并且确定好了系统目标，接下来需要对相关的设备进行物模型的定义，即每个设备的静态属性（属性值不会变化，如厂商、型号等）有哪些，会实时上报哪些数据及上报频率（这些为时序属性），还有哪些数据（这些数据成为虚拟属性）是通过上报的数据进行实时计算获取到的，如果是通过实时计算，计算的规则是什么等等。本文中为了简化开发，我们仅对光伏组件、逆变器、发电阵列、电站气象仪、光伏发电站5个部分进行物模型的梳理说明，详情信息如下所示：
光伏组件
逆变器
发电阵列
电站气象仪
光伏发电站
制作3D模型
整个光伏电站的实时状态展示及告警展示我们使用IoT孪生引擎的场景编辑器进行开发，需要根据电站的实际情况进行3D模型的制作，制作完成之后生成GLB或GLTF格式的文件导入到IoT孪生引擎中使用。我们准备的3D模型如下所示：
准备好3D模型后，我们就可以进入实际的系统开发阶段了。
