随着全球能源转型的深入,以屋顶光伏、电动汽车为代表的分布式能源资源(DER)正以前所未有的规模接入电网,这使得现代电网的设计与运行变得前所未有的复杂。为了驾驭这种复杂性,电网规划者们需要依赖高精度的数字模型,在虚拟环境中模拟未来二十年乃至更长期的极端场景。数字孪生(Digital Twin, DT)——这一高保真、可同步的虚拟映射技术,被寄予厚望,它允许电网运营商在数字世界中模拟各种“假设”情况,优化现有基础设施的运行极限,从而在资本性支出(CAPEX)与运营性支出(OPEX)之间寻求更佳平衡。然而,理想丰满,现实骨感。电网规划依赖的基线模型,通常需要从电网的实际运营系统,如高级配电管理系统(Advanced Distribution Management System, ADMS)和监控与数据采集(Supervisory Control and Data Acquisition, SCADA)系统中导出。问题恰恰出在这里:这些为实时监控和现场设备控制而设计的运营平台,其数据结构与用于规划级仿真的工具(如开源的OpenDSS)在模式定义、对象结构上存在着根本性不匹配。因此,原始的运营数据导出时,往往伴随着模式不一致、资产属性不完整、网络存在电气孤岛、控制参考无效、保护依赖缺失等一系列“数据顽疾”。这些顽疾使得馈线研究难以重复,更遑论构建数字孪生工作流所必需的、可靠的基础模型。于是,一个核心矛盾摆在了研究者面前:一边是迫切需要通过数字孪生实现高效、可靠规划的现实需求,另一边却是无法直接用于仿真的原始运营数据。有没有一种方法,能自动化地“修复”这些不完美的数据,架起一座从运营现实通往数字孪生规划的桥梁?这正是发表在《IEEE Access》上的这篇研究试图解答的问题。