Architecture and Application of Digital Twin Driven Composite Data Augmentation for In-service Power Equipment

BU Yikang; HE Xing; ZHONG Jiayong; WANG Jiayu; AI Qian

doi:10.7500/AEPS20251108003

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

Architecture and Application of Digital Twin Driven Composite Data Augmentation for In-service Power Equipment

更新时间：2026-10-12

- Architecture and Application of Digital Twin Driven Composite Data Augmentation for In-service Power Equipment
- Automation of Electric Power Systems Pages: 1-9(2026)
- 作者机构：
  
  1.上海交通大学电子信息与电气工程学院，上海市 201100
  2.国网重庆市电力公司电力科学研究院，重庆市 404100
  3.国网上海市电力公司浦东供电公司，上海市 200122
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(T2541020);Key Project of Shanghai Municipal Commission of Housing and Urban-Rural Development(2024-Z03-003)
- DOI：10.7500/AEPS20251108003
  CLC：
- Received：08 November 2025，
  
  Revised：2026-04-24，
  
  Online First：28 July 2026，
- 稿件说明：
移动端阅览
卜艺康,贺兴,钟加勇等.数字孪生驱动的在役电力设备复合数据增强架构及应用[J/OL].电力系统自动化, http://dx.doi.org/10.7500/AEPS20251108003.

BU Yikang,HE Xing,ZHONG Jiayong,et al.Architecture and Application of Digital Twin Driven Composite Data Augmentation for In-service Power Equipment[J/OL].Automation of Electric Power Systems, http://dx.doi.org/10.7500/AEPS20251108003.
卜艺康,贺兴,钟加勇等.数字孪生驱动的在役电力设备复合数据增强架构及应用[J/OL].电力系统自动化, http://dx.doi.org/10.7500/AEPS20251108003. DOI：

BU Yikang,HE Xing,ZHONG Jiayong,et al.Architecture and Application of Digital Twin Driven Composite Data Augmentation for In-service Power Equipment[J/OL].Automation of Electric Power Systems, http://dx.doi.org/10.7500/AEPS20251108003. DOI：

摘要

当前，数字孪生技术虽被视为在役电力设备运维数字化转型的关键引擎，但在工程实践中仍受制于数据层级的深层结构性障碍。鉴于此，提出一种融合物理机理与生成式人工智能的数字孪生驱动复合数据增强架构。该架构构建了物理先验引导的虚实共生数据基座，通过高保真多物理场仿真推演故障演化规律，并引入图结构实现多模态异构数据的物理拓扑对齐与一致性校核。在此基础上，设计时空协同的信息增强策略，利用对抗生成网络捕捉设备状态的时序动力学特征，并通过空间重建网络建立稀疏测点至全域物理场的非线性映射，从而系统性填补数据断层。面向气体绝缘输电线路管廊泄漏典型场景的实证研究表明，所提方法能有效突破在役设备感知基础薄弱的限制，显著提升下游智能诊断模型的准确率与跨域泛化能力，为数字孪生从理论框架走向工程实践构建了可信的数据底座。

Abstract

Currently

although the digital twin technology is regarded as a key enabler for the digital transformation of operation and maintenance of in-service power equipment

it is still restricted by deep-seated structural barriers at the data layer in the engineering application. To tackle the above problem

this paper proposes a digital twin driven composite data augmentation architecture integrating physical mechanisms and generative artificial intelligence. The architecture constructs a physics-prior-guided virtual-real symbiotic data base. It adopts high-fidelity multi-physics field simulation to deduce the evolution law of faults

and introduces graph structures to realize physical topology alignment and consistency checking of multimodal heterogeneous data. On this basis

a spatio-temporal coordinated information enhancement strategy is designed. Generative adversarial networks are adopted to capture the temporal dynamic characteristics of equipment operating states

and spatial reconstruction networks are used to establish nonlinear mappings from sparse measuring points to full-domain physical fields

so as to systematically fill data discontinuities. The empirical research targeting typical leakage scenarios of gas-insulated transmission line tunnels demonstrates that the proposed method can effectively break through the constraints of insufficient sensing conditions of in-service equipment

greatly boost the accuracy and cross-domain generalization ability of downstream intelligent diagnosis models

and build a reliable data base to promote digital twins to shift from theoretical frameworks to practical engineering practice.

关键词

Keywords

references

盛戈皞，钱勇，罗林根，等 . 面向新型电力系统的数字化电力设备关键技术及其发展趋势［J］. 高电压技术， 2023 ， 49 （ 5 ）： 1765 - 1778 .

Sheng Gehao ， Qian Yong ， Luo Lingen ， et al . Key technologies and development trends of digital power equipment for new type power system ［J］. High Voltage Engineering ， 2023 ， 49 （ 5 ）： 1765 - 1778 .

贺兴，陈旻昱，唐跃中，等 . 基于数字孪生与元宇宙技术的能源互联网态势感知系统论方法研究（一）：概念、挑战与研究框架［J］. 中国电机工程学报， 2024 ， 44 （ 2 ）： 547 - 560 .

He Xing ， Chen Minyu ， Tang Yuezhong ， et al . System theory study on situation awareness of energy Internet of Things based on digital twins and metaverse （Ⅰ）： concept， challenge， and framework ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 2 ）： 547 - 560 .

沈沉，曹仟妮，贾孟硕，等 . 电力系统数字孪生的概念、特点及应用展望［J］. 中国电机工程学报， 2022 ， 42 （ 2 ）： 487 - 498 .

Shen Chen ， Cao Qianni ， Jia Mengshuo ， et al . Concepts， characteristics and prospects of application of digital twin in power system ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 2 ）： 487 - 498 .

王榕泰，吴细秀，冷宇宽，等 . 数字孪生技术在新型电力系统中的发展综述［J］. 电网技术， 2024 ， 48 （ 9 ）： 3872 - 3889 .

Wang Rongtai ， Wu Xixiu ， Leng Yukuan ， et al . Review of the development of digital twin technology in new type power systems ［J］. Power System Technology ， 2024 ， 48 （ 9 ）： 3872 - 3889 .

李旭斌，田付强，郭亦可 . 新型电力系统中电力设备健康管理与智能运维关键技术探究［J］. 电网技术， 2023 ， 47 （ 9 ）： 3710 - 3726 .

Li Xubin ， Tian Fuqiang ， Guo Yike . Key technologies for health management and intelligent operation and maintenance of power equipment in new power systems ［J］. Power System Technology ， 2023 ， 47 （ 9 ）： 3710 - 3726 .

陶飞，张辰源，刘蔚然，等 . 数字工程及十个领域应用展望［J］. 机械工程学报， 2023 ， 59 （ 13 ）： 193 - 215 .

Tao Fei ， Zhang Chenyuan ， Liu Weiran ， et al . Digital engineering and its ten application outlooks ［J］. Journal of Mechanical Engineering ， 2023 ， 59 （ 13 ）： 193 - 215 .

Hendrycks D ， Basart S ， Mu N ， et al . The many faces of robustness： a critical analysis of out-of-distribution generalization ［C］// 2021 IEEE/CVF International Conference on Computer Vision （ICCV）， 2021 ： 8320 - 8329 .

赵仕策，赵洪山，寿佩瑶 . 智能电力设备关键技术及运维探讨［J］. 电力系统自动化， 2020 ， 44 （ 20 ）： 1 - 10 .

Zhao Shice ， Zhao Hongshan ， Shou Peiyao . Discussion on key technology and operation & maintenance of intelligent power equipment ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 20 ）： 1 - 10 .

潘美琪，贺兴 . 基于零样本学习的风力机故障诊断方法［J］. 上海交通大学学报， 2025 ， 59 （ 5 ）： 561 - 568 .

Pan Meiqi ， He Xing . A fault diagnosis method for wind turbines based on zero-shot learning ［J］. Journal of Shanghai Jiao Tong University ， 2025 ， 59 （ 5 ）： 561 - 568 .

吴秋伟，赵文巘 . 数字孪生与生成式人工智能赋能新型电力系统运行控制研究综述［J］. 电力自动化设备， 2025 ， 45 （ 11 ）： 59 - 71 .

Wu Qiuwei ， Zhao Wenyan . Research overview of digital twin and generative artificial intelligence enabled new power system ［J］. Electric Power Automation Equipment ， 2025 ， 45 （ 11 ）： 59 - 71 .

程书灿，赵彦普，张军飞，等 . 电力设备多物理场仿真技术及软件发展现状［J］. 电力系统自动化， 2022 ， 46 （ 10 ）： 121 - 137 .

Cheng Shucan ， Zhao Yanpu ， Zhang Junfei ， et al . State of the art of multiphysics simulation technology and software development for power equipment ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 10 ）： 121 - 137 .

唐文虎，牛哲文，赵柏宁，等 . 数据驱动的人工智能技术在电力设备状态分析中的研究与应用［J］. 高电压技术， 2020 ， 46 （ 9 ）： 2985 - 2999 .

Tang Wenhu ， Niu Zhewen ， Zhao Boning ， et al . Research and application of data-driven artificial intelligence technology for condition analysis of power equipment ［J］. High Voltage Engineering ， 2020 ， 46 （ 9 ）： 2985 - 2999 .

Goodfellow I ， Pouget-Abadie J ， Mirza M ， et al . Generative adversarial networks ［J］. Communications of the ACM ， 2020 ， 63 （ 11 ）： 139 - 144 .

Ronneberger O ， Fischer P ， Brox T . U-Net： convolutional networks for biomedical image segmentation ［C］// Medical Image Computing and Computer-Assisted Intervention-MICCAI ， 2015 ： 234 - 241 .

徐长福，赵新冬，梁伟，等 . 基于数字孪生的GIL管廊SF 6 气体多泄漏场景下的扩散特性研究［J/OL］. 综合智慧能源， 2025-10-27 . https：//link.cnki.net/urlid/41.1461.TK.20250422.1042.002 https://link.cnki.net/urlid/41.1461.TK.20250422.1042.002 .

Xu Changfu ， Zhao Xindong ， Liang Wei ， et al . Study on diffusion distribution characteristics of SF 6 gas leakage in GIL integrated gallery in different leakage scenes based on digital twins ［J/OL］. Integrated Intelligent Energy ， 2025-10-27 . https：//link.cnki.net/urlid/41.1461.TK.20250422.1042.002 https://link.cnki.net/urlid/41.1461.TK.20250422.1042.002 .

Khemani B ， Patil S ， Kotecha K ， et al . A review of graph neural networks： concepts， architectures， techniques， challenges， datasets， applications， and future directions ［J］. Journal of Big Data ， 2024 ， 11 （ 1 ）： 18 .

黄迅迪，庞雄文 . 基于深度学习的智能设备故障诊断研究综述［J］. 计算机科学， 2023 ， 50 （ 5 ）： 93 - 102 .

Huang Xundi ， Pang Xiongwen . Review of intelligent device fault diagnosis based on deep learning ［J］. Computer Science ， 2023 ， 50 （ 5 ）： 93 - 102 .

Yoon J ， Jarrett D ， Van Der Schaar M . Time-series generative adversarial networks ［C］// Neural Information Processing Systems ， 2019 .

李鹏，颜湘莲，王浩，等 . 特高压交流GIL输电技术研究及应用［J］. 电网技术， 2017 ， 41 （ 10 ）： 3161 - 3167 .

Li Peng ， Yan Xianglian ， Wang Hao ， et al . Research and application of UHVAC gas-insulated transmission line ［J］. Power System Technology ， 2017 ， 41 （ 10 ）： 3161 - 3167 .

徐长福，赵新冬，梁伟，等 . 基于数字孪生技术的GIL综合管廊气体泄漏与排除全过程风险性评估［J］. 电力系统保护与控制， 2025 ， 53 （ 3 ）： 160 - 171 .

Xu Changfu ， Zhao Xindong ， Liang Wei ， et al . Risk assessment of gas leakage and elimination in GIL utility tunnels based on digital twin technology ［J］. Power System Protection and Control ， 2025 ， 53 （ 3 ）： 160 - 171 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Digital Twin Method for State Monitoring and Single-tube Open-circuit Fault Diagnosis of Small Solid-state Transformer

电力设备状态评估中的数据科学问题：挑战与展望

Distributed Optimal State Estimation and Fault Location for DC Microgrids

Design and Practice of Gansu Provincial Electricity Market System in China Adapted to High Penetration of Renewable Energy

Coordinated Supervision Mechanism for Electric Energy Market and Reserve Market to Support Emergency Supply Guarantee Requirements

Related Author

LI Yongqiu

XU Jin

WANG Keyou

WU Pan

LI Zirun

LI Guojie

LI Gang

QIU Aibing

Related Institution

Key Laboratory of Control of Power Transmission and Conversion, Ministry of Education, (Shanghai Jiao Tong University)

School of Computer and Control Engineering, North China Electric Power University

School of Electrical Engineering and Automation, Nantong University

School of Information Science and Technology, Nantong University

School of Electronic and Information Engineering, Suzhou University of Science and Technology

AI问答

⁰