基于數字孿生原理的生產工藝參數優化

王晨光

(中國石化燕山石化公司，北京 102500)

隨著中國經濟邁入高質量發展新階段，通過數字化轉型增強核心競爭力，是企業實現高質量發展的內生需要；同時，面對愈加激烈的市場競爭，數字化轉型將成為多數企業的必然選擇。數字孿生技術作為連接物理設備和數字空間的“橋梁”，具有十分廣闊的應用場景。對于以石油石化為代表的傳統工業企業，由于歷史及現實原因，其數字化轉型工作面臨諸多挑戰，這些企業對于通過應用數字孿生加快數字化轉型、智能化發展的需求也更為迫切。

1 背景介紹

1.1 數字孿生的概念及發展

數字孿生的前身是航空航天領域的“孿生體/雙胞胎”概念，該行業的特點是對于物理真機在實際運行過程中出錯的容忍程度非常低。這一概念是建立一個與真機完全相同的樣機，以實時反映真實的飛行狀態，便于訓練、預測和緊急狀態下的輔助決策。經過幾十年的演變和新一代信息技術的發展，數字孿生的概念應運而生[1]，即通過數字化方式建立真實物體的多屬性、多維度、多時空尺度、多應用可能性的動態虛擬模型，從而在數字空間中對真實物體的特征、行為、性能和規律等進行仿真[2]。一般地，數字孿生包括物理空間的真實物體、數字空間的虛擬物體以及兩個空間的信息交互接口等三部分。

數字孿生的應用探索首先出現在航空航天領域，隨著工業4.0、智能制造等研究的深入，其應用逐漸向產品、制造設備和制造車間轉移[3]。近年來，隨著數字經濟的發展，數字孿生在中國進入了飛速發展的階段。2020年4月7日，國家發展改革委、中央網信辦印發了《關于推進“上云用數賦智”行動培育新經濟發展實施方案》的通知[4]，其中，“數字孿生”是被提及次數最多的數字技術；同時，該通知提出，支持在具備條件的行業領域和企業范圍探索大數據、數字孿生、5G、物聯網和區塊鏈等新一代數字技術應用和集成創新[4]。另一方面，數據是數字化時代的“大宗基礎原材料”，其作用類似工業時代的石油，數字孿生技術即建立在數據分析的基礎之上。長期的生產運行中，雖然企業積累了海量數據，但大多數都未能充分利用。因此，本文希望應用數字孿生的技術原理對數據進行挖掘分析以優化生產，加快傳統企業的數字化轉型、智能化發展。

1.2 數字孿生在石油石化行業的應用

作為典型的連續生產型流程工業，石油石化行業對于數字化轉型的需求十分迫切。數字孿生作為一項關鍵技術，正在被廣泛關注[5]。通過數字孿生技術，有望實現生產過程精準預測與控制、生產自組織優化調度等，從而大幅提升流程行業生產質量和效益，促進該行業的高質量發展[6]。

當前，數字孿生在石油石化行業已經得到了初步應用，主要包括鉆井監控、管道運營、生產仿真、倉儲物流等領域。文獻[2]提出： 利用數字孿生對油田鉆井進行遠程實時監測，減少不必要的現場人員，進行集中化生產控制；針對海上作業，文獻[7]通過融合多源數據構建了鉆井平臺的五維數字孿生系統和半潛式鉆井平臺智能監測系統，文獻[8]構建了修井數字孿生系統，以保障海洋無隔水管修井作業安全；在管道方面，文獻[9]構建了包含實體和虛擬管道、管道服務系統等的管道數字孿生體，并探討了其在管道設計、施工、運行等場景中的作用，文獻[10]在壓氣站場數字化模型的基礎上，以傳感通信技術為紐帶構建了數字孿生體，并研發了適用于壓氣站場的可視化風險分析系統；在生產仿真方面，文獻[11]通過整合庫存與采購信息，實現對企業生產的仿真，同時支持以虛擬現實(VR)和增強現實(AR)的形式，對油田、煉廠的數字孿生體進行展示。

1.3 直燃式焚燒爐工藝參數優化

隨著生態文明建設的深入推進，石油石化等能源行業面臨的環保形勢日益嚴峻[12]。在某煉化企業生產過程中，碳化爐會產生HCN，CO，H2和烴類等可燃組分(以下稱廢氣)。為達到排放標準，廢氣要通過燃燒轉化為N2，CO2和H2O等無害組分，直燃式焚燒爐DFTO(direct-fired thermal oxidizer)就是這樣一種廢氣處理裝置。在實際生產中，除無害組分，DFTO的反應還會產生少量NH3，NOX等有害組分(以下稱尾氣)。由于對環境有害，尾氣排放需要盡可能減少。然而，控制DFTO運行(PLC)的參數多達數十項，且這些參數與尾氣之間的關系不明確。所以，只能依靠經驗調整參數，再根據結果反饋修正。該方式不精確、不實時，同時依賴經驗、耗費精力，而且人工設置的參數通常并不是最優的，故尾氣排放有較大的優化空間。

1.4 解決方案

在生產工藝參數優化方面，可按照機器學習方法分為有監督學習和無監督學習[13-14]。在本文中，尾氣排放有明確的數據標簽，因此可通過回歸方法進行有監督學習來處理。同時，本文利用數字孿生的技術原理來解決這一問題，首先，通過分析運行參數以及尾氣排放的歷史數據，確定二者之間的函數關系，構建DFTO的數字孿生體；然后，將真實DFTO的運行狀態輸入到數字孿生DFTO，獲得輸出的優化參數；最后，通過PLC系統接口返回給真實DFTO，達到優化參數、減排尾氣的目的。應用數字孿生技術原理優化DFTO運行參數流程如圖1所示。

圖1 應用數字孿生技術原理優化DFTO運行參數流程示意

2 數字孿生體的構建

通過采集歷史數據、回歸分析、數據回測等，本文構建了DFTO的數字孿生體，整體流程如圖2所示。

圖2 數字孿生體的構建流程示意

2.1 數據采集

通過調研訪談和理論推導，確定了入口壓力、氧含量、燃料流量、閥門開度等29個可能與尾氣有關的運行參數，并設計了原始數據采集表，見表1所列。該表由控制DFTO的PLC的操作工填寫，采集間隔為6 h，持續時間為15 d，獲得原始數據60組。

表1 可能影響尾氣排放的DFTO原始運行參數

2.2 逐步回歸分析

首先，對原始數據進行初步處理，從29項運行參數中，篩選出對尾氣存在顯著影響作用的參數，采用逐步回歸分析方法建模[15]，即從第一個自變量開始，每增加一個，都對全部自變量進行重新檢驗，并剔除作用不顯著的自變量，最終得到一組最優的自變量。考慮到因變量(NH3、NOX的流量，分別命名為Y1，Y2)與自變量(29項運行參數，依次命名為X1～X29，順序同表1)之間的函數關系很可能為一次或二次多項式，三次或以上的可能性較低，故設置三組逐步回歸分析實驗進行對比。其中，X1～X29的二次方依次命名為X30～X58，三次方依次命名為X59～X87，實驗環境為macOS 11.2.3，Python 3.7，MATLAB R2020b。

實驗Ⅰ設置為假設X，Y之間呈線性關系，實驗Ⅱ假設呈二次多項式關系，實驗Ⅲ假設呈三次多項式關系，三組實驗的詳細結果見表2所列。從表2可看出，無論是NH3還是NOX，假設呈二次多項式關系的逐步回歸分析結果最好。因此，根據實驗Ⅱ的結果，可篩選出對尾氣有顯著影響的運行參數，見表3所列。

表2 三組實驗的結果對比

表3 根據實驗Ⅱ的結果篩選出有顯著影響的運行參數

2.3 多元線性回歸分析

篩選出有顯著影響的運行參數之后，需要確定這些參數與尾氣之間的函數關系，該問題可等效建模為一個多元線性回歸分析問題，如式(1)所示：

(1)

將原始數據代入上述方程，可以得到多元線性回歸分析結果中的常數，見表4所列。

表4 根據多元線性回歸分析計算出的常數

2.4 單調性分析

得到確定的函數關系式后，進行單調性分析，確定最優化參數值。在29項運行參數中，可直接調整的有X1，X7，X8，X9，X14，X20，X26，X27，X28，X29等10項。以Y1為例，對其有顯著影響的運行參數中，涉及上述10項的有X1(及其平方X30，下同)，X7(X36)，X8(X37)，X14，X20，X26等6項。根據相關性及系數，可以確定參數的單調區間和優化標準。按照優化標準，在參數的調整閾值范圍內確定優化值。影響NH3的DFTO運行參數及其優化值見表5所列。

表5 影響NH3的DFTO運行參數及其優化值

通過相同的方法，得到影響NOx的DFTO運行參數及其優化值，見表6所列。對于重復出現的參數，如X7，X14，需同時考慮兩種尾氣的減排目標來綜合確定。最后，將測試集數據導入該模型進行回測，再根據回測結果，對各參數的優化值進行微調。

表6 影響NOX的DFTO運行參數及其優化值

2.5 結果分析

通過數字孿生體與裝置之間的系統接口，將最終確定的優化參數返回給控制DFTO的PLC，參數優化前后的尾氣排放量見表7所列。可以看到，在裝置應用了優化參數后，NH3和NOX的排放量均降低了50%以上，遠小于更為嚴格的DB 31/933—2015《大氣污染物綜合排放標準》，同時，裝置的能耗基本保持不變，總體上較好地實現了尾氣減排。

表7 參數優化前后的尾氣排放量

2.6 本章小結

通過數據采集、逐步回歸分析、多元線性回歸分析、單調性分析及數據回測，本文建立了數字孿生DFTO，構建過程如圖3所示。該模型能夠篩選出對尾氣有顯著影響的參數，確定二者之間的函數關系，并計算出最優參數。結果表明，本文提出的方法能夠有效地減少尾氣排放。

圖3 數字孿生DFTO的構建過程示意

實際上，除了DFTO自身的運行參數外，碳化爐廢氣組分也會影響尾氣流量。由于缺少上述組分的在線監測設備，本文假設其保持不變。在增加相關設備并獲取數據后，有望能夠進一步減少尾氣排放，同時提高對尾氣排放的全過程實時監測與控制水平。

3 總結與展望

數字孿生以數字化方式創建真實物體的虛擬模型，借助數據模擬真實物體在現實環境中的行為，通過虛實交互反饋、數據融合分析、決策迭代優化等手段，為真實物體擴展或增加新的能力[11]。本文利用數字孿生的技術原理，通過確定運行參數與尾氣之間的函數關系，構建了真實DFTO的數字孿生體，進而計算出最優參數，有效減少了尾氣排放。

石油石化行業作為典型的流程工業，具有生產環節復雜、安全防護嚴格、生產裝置精密及管理難度大等特點，通過數字化改造實現降本提質增效，具有廣闊的前景。然而，在目前的石油石化領域，數字孿生技術的應用剛剛起步，而且大部分研究仍停留在理論階段，缺乏實際應用[16]；同時，該行業在數字技術應用方面的主要關注點為遠程觀測、信息管理等初級應用，基于數字孿生技術的工藝優化、生產預測等深度應用仍然鮮見[17]；此外，已有的數字孿生應用主要集中在大型企業，中小企業由于技術能力欠缺、資金投入不足，依靠數字孿生進行數字化轉型升級還面臨較多障礙。

隨著物聯網等新一代信息技術的發展及其在制造業中的應用，物理工廠與數字空間將會加速融合。通過數字孿生技術連接物理工廠和數字化模型，將會有十分廣闊的空間。