石油石化行業的數字孿生應用綜述

王晨光

(中國石化燕山石化公司，北京 102500)

隨著數字化和各行各業的融合發展，石油石化行業正在積極開展數字化轉型工作。作為一種前沿信息技術，數字孿生已得到了初步應用，在鉆井監控、生產優化、管道儲運等方面，較好地解決了生產經營中遇到的問題，提高了生產效率和質量。同時，數字孿生技術本身也在快速發展中，因此有必要梳理數字孿生及其在石油石化行業的應用，以促進數字孿生得到更好的應用，推動行業的高質量發展。

1 發展歷程和主要應用領域

1.1 概念及發展歷程

數字孿生的基本概念誕生于20世紀美國國家航空航天局(NASA)負責的阿波羅計劃，經過幾十年的演進，Michael Grieves在2003年首次提出了明確概念： 充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程[1]。這一概念在較長時期內主要應用于航空航天等軍事領域，公眾對其了解較為有限。直到2012年，NASA公布了“建模、仿真、信息技術和處理”路線圖，數字孿生才首次進入大眾視野，并迅速引起了學術界和產業界的極大興趣，越來越多的企業逐漸開始進行相關布局。作為新興技術的風向標，Gartner公司2017—2019年連續將數字孿生列為當年十大戰略科技發展趨勢之一[2]。

2020年以來，受新冠疫情蔓延和經濟低迷等因素影響，世界范圍內的產業鏈和供應鏈都受到了不同程度的影響，這給數字孿生在實體經濟中的應用帶來了一定挑戰。但是，根據已經取得的進展，人們有理由相信，在世界經濟重新向好之后，數字孿生有望迎來真正的春天，以制造業為代表的實體經濟將會與數字孿生技術實現更好的融合發展。

1.2 主要應用領域

數字孿生概念最早主要用于航空航天產品的仿真模擬，后來逐漸拓展至設計、制造、生產、服務、交通、城市等多個領域，較有代表性的有以下四個領域：

1)航空航天。從仿真發射、實時監控到航天器全生命周期管理，數字孿生的應用大幅提高了人類翱翔藍天、探索太空的安全可靠性。早期，主要被應用在軍事領域，如美國空軍研究實驗室和NASA基于數字孿生開展的飛行器健康管控應用[3]；在民用領域，空客、波音等公司通過數字孿生技術改進飛機制造的工藝流程，提高了生產效率與質量[4]。

2)設計制造。除航空航天以外，產品設計制造及運維也是數字孿生技術應用較早的領域。傳統的設計流程存在著準確度低、穩定性差、迭代頻繁、返工較多等問題，利用數字孿生技術，設計人員能夠比較虛擬產品在不同環境下的性能，以將產品的實際性能與期望值之間的不一致性降至最低。同時，也可避免評估虛擬產品導致的冗長測試，從而縮短設計周期[5]。

3)交通運輸。汽車在出廠前要經過全方位、全工況的測試，一般依托物理實車，導致費用高、精度低且置信度差。利用數字孿生帶來精確仿真，能夠精準地預測和評估車輛的抗毀傷性能，同時，積累的數據也有助于車輛性能的持續改進和迭代優化[3]。

4)智慧城市。2022年1月，國務院印發的《“十四五”數字經濟發展規劃》[6]中提出，要“因地制宜構建數字孿生城市”。數字孿生城市是打造數字城市的目標，也是建設智慧城市的起點。隨著信息技術和數字經濟的發展及新型城鎮化的深入推進，當前社會已經基本具備了構建數字孿生城市的能力[2]。

2 數字孿生與石油石化的融合發展

在石油石化行業，數字孿生已經得到一定的應用，典型應用如圖1所示。

圖1 數字孿生在石油石化行業中的典型應用示意

1)勘探開發。針對海上鉆井平臺結構復雜、設備布置密集、工作環境惡劣等特點，構建了海上鉆井平臺五維數字孿生系統，包括： 物理鉆井平臺、虛擬平臺、孿生數據、海洋平臺運維服務和各子系統之間的連接[7]。為保障海洋無隔水管修井作業安全，構建了修井數字孿生系統，包括： 修井系統物理實體、虛擬實體、虛實數據交互、人工智能數據分析、作業決策服務[8]。美國Texaco公司在休斯敦建成了世界首個油氣工業專用的虛擬現實中心，在實時的“海底作業環境”中，人員可通過遙控設備實現遠程作業，該技術已得到廣泛應用[9]。

2)煉油化工。利用數字化交付成果的三維展示，實現了對生產情況的展現、監控和報警[10]。通過將數萬平方公里產油區內的井、站、管道、儲油庫或煉化裝置設備等在三維平臺上復現，實現由點到線到面再到三維立體的抽象展示。在原料組成優化、工藝參數設計與仿真、生產過程建模與優化控制、設備故障診斷與遠程運維等方面，探索了數字孿生的應用場景[11]。例如，針對合成纖維紡絲車間，提出構建包括物理車間、數字孿生車間、信息系統和孿生數據的數字孿生體[12]。當出現難度較大或緊急的問題時，工程師可遠程處理，通過數據分析，可以提前維護設備，最大限度延長設備的使用壽命。

3)管道儲運。研究了數字孿生體在管道設計、調度優化、設備運維、管道全生命周期管理等場景應用的可行性[13]，并通過多物理集成模型仿真分析、虛實交互反饋、決策迭代優化等手段，提升了技術和管理水平。在孿生數據的支撐下，通過實體管道、虛擬管道、管道服務系統實時交互，對油氣調運任務的內容、計劃、實施過程等進行持續優化[14]。通過對設計/運行/環境參數和監測信息等多元異構數據的整合，實現了壓氣站場靜動設備風險評估的自主化、檢維修措施制訂的自動化和狀態趨勢監測的實時化[15]。

4)安全環保。在“碳達峰、碳中和”戰略背景下，數字孿生技術有望提升石油石化企業的安全環保水平。文獻[16]提出，基于數字孿生技術建立二維或三維可視化碳地圖模型，構建排放驅動因素追蹤、減排動態模擬推演、能耗告警檢測分析等能力，從而建立清晰的碳排放監測、管控、規劃和策略實施路徑。通過全過程數字鏈條的構建及數字畫像，把碳減排與企業核心業務密切結合，實現規劃和行動的精準匹配，推動低碳轉型和技術創新，為制訂措施開展減排行動規劃的修改和優化提供直接參考。

3 面向石油石化的數字孿生建設

3.1 目標及功能

與其他行業相比，石油石化行業具有裝置復雜、生產連續、高溫高壓等特點，同時，由于和國家能源安全息息相關，并涉及危化品生產運輸，所以在安全可靠等方面要求較高。因此，面向石油石化行業進行數字孿生應用的目標及功能，與其他行業有所區別。需要改進信息系統與物理系統的融合方法，以優化多時空、多尺度模型下的參數求解性能，提升石油石化關鍵生產指標的預測及優化能力[17]，以更好地滿足該行業實現高質量發展的需求；同時，也要進一步完善關鍵應用場景中的石油石化系統故障診斷、工藝參數優化等的數字孿生解決方案，使其更加有效、實用。

石油石化行業應用數字孿生技術的主要建設目標： 精確且及時地模擬、分析、優化、預測及監控相關裝置的生產運行過程，實現裝置的安穩長滿優運行以及生產運行過程的綠色化、環保化、智能化、低碳化。具體地，通過模擬實際裝置的運行過程，獲得其性能/工藝/環境參數；然后，基于歷史參數構建數字孿生模型，并利用該模型分析實時參數，以優化或預測裝置的關鍵工藝指標；最后，通過從物理空間映射到數字空間的實時監控，對生產運行過程進行高效的展示以及必要的調整。

3.2 系統架構

目前的數字孿生系統大多包括4個層次： 物理層、感知層、模型層和應用層，如文獻[18]提出了由物理層、數據層、模型層和功能層所組成的數字孿生系統，文獻[19]提出利用設備層、感知層、驅動層和應用層來進行構建。對于石油石化行業，裝置較多且生產連續，導致數據源較多，由此產生的信息孤島現象較為普遍，進行數據治理的必要性很高。因此，本文提出構建專門的數據層進行數據治理，以提高數據的易用性。

本文提出的數字孿生系統架構包括物理層、感知層、數據層、模型層、應用層，如圖2所示。物理層是石油石化生產環境中涵蓋的物理實體，包含各種石油石化裝置、靜動設備、中間/最終產品、管理/技術/操作人員等。其上是感知層，負責實時采集和傳輸物理層在生產運行過程中產生的各類多源數據，包括傳感器、數據通信協議、物聯網等。數據層對數據進行預處理并存儲，以解決數據質量參差不齊的問題；數據類型包括實時數據和存檔數據，其中，實時數據進行預處理后存儲至相應數據庫中，即為存檔數據。模型層是物理層的虛擬映射，利用存檔數據，通過建模方法構建出物理層的數字孿生模型，其質量取決于對物理層的仿真程度，這直接關系到整個數字孿生系統的準確性。在實時數據的驅動下，應用層與物理層同步運行，并對物理層的生產過程進行精確且及時的分析、優化、預測與監控等。

圖2 數字孿生的系統架構示意

3.3 技術體系

和其他前沿技術一樣，數字孿生的技術體系仍在持續進化中。綜合該領域的理論和實踐進展，數字孿生的技術體系涵蓋物理感知、通信傳輸、存儲管理、模型構建、可視交互、智能優化、預測決策等7個方面，如圖3所示。

圖3 數字孿生的技術體系示意

其中，物理感知技術包括傳感器協同測量、資源實時訪問、物聯網等。數字孿生與傳感網絡的核心區別之一是其高效、可靠、實時的通信傳輸，包括接口協議、有線/無線通信、網絡結構、安全加密等技術[20]。存儲管理是對海量多維數據進行高效管理的過程，起著底層支撐的作用，主要有數據庫、數據清洗/集成/規約/變換、邊緣計算等技術。作為整個技術體系的核心，模型構建直接決定了最終應用的效果，常見方法有物理建模(有限元、流場、應力)、數據建模(聚類學習、LSTM)、知識建模(語義分析、專家知識)以及多種方法融合的模式。可視交互是數字孿生系統的交互展示界面，包括3D建模、人機交互、AR/VR/MR、全息投影、數據可視化等技術。智能優化包含各種神經網絡、深度學習、聚類分類等機器學習算法，目的是實現自主迭代優化。預測決策是數字孿生系統作用于物理實體的映射，這也是當前數字孿生技術體系的薄弱環節[21]，包括深度強化學習、遷移學習、知識推理等人工智能算法[20]。

3.4 應用場景

應用場景主要包括如下幾個方面：

1)生產智能優化。無論在油田、煉化工廠，還是加油站、油庫，都會涉及到不同類型裝置的生產優化問題。人工智能算法的應用，能夠對生產裝置進行高仿真的模擬，并構建數字孿生模型，將生產過程建模為確定的函數關系，進而根據優化目標和約束條件，利用數學知識求出生產工藝參數的最優解，進一步提高操作精度、減輕勞動強度。

2)現場擬真巡檢。借助日趨成熟的AR/VR/MR等交互顯示技術，能夠在室內進行身臨其境的巡檢，進一步將人與現場隔離，同時保證安全穩定生產。利用上述技術以及實時標注的聲音、溫度、風速甚至氣味等傳感數據，人員可以準確定位異常點。同時，定位結果將會指導數字孿生模型自主學習如何識別異常，在同類異常再次出現時自動識別并迅速報警。

3)設備預知運維。利用石油石化設備的數字孿生模型以及基于5G的高精度實時交互顯示和無延遲音視頻通信等技術，相關人員能夠隨時隨地感知現場情況、做出判斷并將正確處理方法傳輸到現場，解決因無法及時到場可能導致的經濟損失和HSE風險。同時，根據實時生產數據和存檔數據，可提前預判設備的運維周期，進一步提高運維工作的精準性。

4 挑戰和趨勢

4.1 面臨挑戰

數字孿生技術在發展過程中面臨以下挑戰：

1)生產建模的精度不足。作為傳統行業，石油石化領域的數字化水平仍需提高，支撐構建數字孿生技術體系所需的基礎數學模型、仿真模型，尤其是鉆井、蒸餾塔、反應器、管道、儲罐等核心裝置以及相應的生產工藝過程的數字化仿真能力較為欠缺[22]。

2)相關標準體系不完善。作為新一代信息技術，數字孿生技術自身還處在發展階段，相關的標準體系還未完全建立，主要包括面向石油石化行業的數字孿生相關術語、系統架構等標準化參考，相關模型、數據、服務，以及實施準則、實施要求等[17]。

3)網絡數據安全風險高。作為能源行業，石油石化行業的安全要求較高，因此，數字孿生存在的網絡和數據安全風險亟待解決。在企業內網運行的工業軟件，一旦“上云”，將面臨系統紊亂、管理失控乃至癱瘓等網絡安全問題；同時，數字孿生系統產生的海量數據可能存在于多個網絡設備上，任何一臺設備的安全問題都可能引發篡改、泄漏等數據安全風險[2]。

4.2 發展趨勢

數字孿生技術有如下的發展趨勢：

1)通用化。受限于各行業的信息化和數字化水平參差不齊，目前的數字孿生技術平臺仍以定制化為主，通用化平臺較少，難以通過系統復用來降低成本。隨著數字經濟的快速發展，在完善的信息化和數字化基礎之上，真實的生產經營環境將進一步被抽象化，能夠更容易地構建普適性、通用化的數字孿生體，減少“重復造輪子”的現象。

2)擬實化。數字孿生的本質在于“孿生”，隨著企業數字化轉型的深入，生產過程積累的數據會更加豐富，對于數據的分析也會更加充分，這將進一步推進數字孿生模型的擬實化，使之更加趨近物理實體的運行規律。

3)集成化。隨著區塊鏈、行為互聯網、隱私增強計算等新一代信息技術的發展，數字孿生將會進一步集成多種前沿信息技術，有效提升用戶在應用數字孿生時的體驗感受，實現數字模型和物理實體之間更好的交互反饋與協同控制。

4)智能化。隨著計算機領域軟硬件的發展，對于海量數據的挖掘利用將會達到新的層次[9]。在更加擬真化的數字模型基礎上，對于數據的自主學習、迭代優化，有望實現初具智能特征的孿生體，并從生產運行場景拓展至輔助決策等經營管理場景。

5 結束語

作為傳統行業，石油石化行業正在積極探索數字化轉型，以實現高質量發展，更好滿足社會對于能源、材料等日益增長的需求。我們相信，數字孿生技術在石油石化行業的應用將會大幅推動該行業進一步提質降本增效，并為實現“碳達峰、碳中和”、確保“能源的飯碗必須端在自己手里”作出應有的貢獻。