數字孿生技術在石油化工企業數字化轉型中的應用研究

劉志鵬，趙毅

(1. 中國石化股份有限公司 齊魯分公司，山東 淄博 25543；2. 石化盈科信息技術有限責任公司，北京 100007)

伴隨石油化工行業數字化轉型進程不斷推進，智能工廠建設正在實踐“智能工廠2.0”，并啟動“智能工廠3.0”的探索。在智能工廠建設過程中，如何實現煉油化工裝置物理世界與信息世界的融合，是當前國內外參與智能工廠建設企業共同面對的技術難題。數字孿生概念的提出，為解決該技術難題提供了新的方法和思路。

數字孿生的概念最早由美國密歇根大學Grieves教授于2002年提出[1]，最初提出的是“產品生命周期的概念模型”，其中就包含了數字孿生概念的全部要素，即真實空間(real space)、虛擬空間VS(virtual space)、從真實空間到虛擬空間的數據流鏈接、以及從虛擬空間到真實空間和虛擬子空間(virtual sub-spaces)的信息鏈接。

數字孿生技術在各個工業領域的成功應用，為該技術在石油化工企業智能工廠建設中的應用提供了可借鑒的經驗，本文將從石油化工行業應用的角度，論述數字孿生的內涵和關鍵技術，并分析數字孿生技術在石油化工領域裝置級的應用前景。

1 數字孿生的內涵和關鍵技術

1.1 數字孿生的內涵

模型和數據是數字孿生技術的核心，北京航空航天大學在核心的基礎上提出了數字孿生的五維結構模型[6]，如式(1)所示：

MDT=(P，V，S，D，I)

(1)

式中：MDT——數字孿生五維結構模型；P——物理車間；V——虛擬車間；S——服務系統；D——孿生數據；I——各組成部分間的相互作用，由式(1)得到數字孿生五維結構模型[7]如圖1所示。

圖1 數字孿生五維結構模型示意

根據數字孿生五維結構模型，石油化工企業在裝置級應用數字孿生技術過程中，應當包括以下幾個重要因素：

1)物理實體。物理實體是數字孿生技術應用的基礎，物理實體具有層級性，一般包括單元級、系統級和復雜系統級[8]。以乙烯裝置實體為例： 1臺裂解爐或1個分離塔可視為單元級；裂解爐、燃料氣設備、換熱設備和塔設備等組合在一起可視為系統級；原料系統、產品生產系統、產品系統和公用工程系統組成的乙烯裝置可視為復雜系統級。物理實體包括物流、能流和信息流，通過各種功能子系統組合在一起，協作完成特定的生產任務。為了能夠使物理實體安全、高效和長周期的運行，需要在物理實體上設置溫度、壓力和流量等各種傳感器，以及檢測原料和產品組成的在線分析儀，實時監測裝置的運行狀態，也可為后續數字孿生模型的開發和應用提供大量的生產數據。

2)虛擬模型。虛擬模型是利用模型對物理實體的刻畫和描述，虛擬過程中會利用到幾何模型、物理模型、行為模型和規則模型。石油化工裝置的幾何模型可以利用三維數字化技術實現，對裝置的尺寸、大小和位置進行三維建模，可以為裝置運行、設備維護和操作培訓提供可視化的環境。對于物理模型、行為模型和規則模型，可以利用機器學習模型和機理模型等建立裝置模型，實現對裝置設備健康情況的評估、裝置運行效益的測算、裝置運行的實時優化和裝置產品質量的監控等。

3)服務系統。服務系統[6]是指對數字孿生應用過程中所需各類模型、算法、數據等進行應用化的封裝，以工具組件、模塊等形式，支撐數字孿生技術實現功能性服務，以桌面、移動應用軟件等形式滿足不同領域、不同業務、不同用戶需求的服務。功能性服務包括： 石油化工裝置的建模仿真服務、裝置數據的管理服務和裝置數據采集的接口服務等。業務性服務包括： 面向管理決策人員的智能決策服務、面向專業技術人員的能耗評估服務和面向現場操作人員的虛擬培訓服務等。

④ 按照以上方法，7×0.5表示怎樣的含義？7×0.1，15×0.1呢？此環節設計的目的是讓學生學會用乘法分配律的性質將小數運算變形，進而去理解小數乘法多方面的意義.同時習得此方法，將其運用到任意的小數乘法.

4)孿生數據。孿生數據是數字孿生的核心驅動，主要包括： 物理實體數據(煉油化工裝置的溫度、壓力和流量等)，虛擬模型數據(組分的計算數據、產品質量的預測數據和設備運行參數等)，系統數據，知識數據和融合衍生數據(融合裝置實時運行數據、歷史數據、專家知識和模型預測數據等)。

5)各組成部分間的相互作用。五維結構模型中各部分相互連接，確保數據傳輸的有效性，實現各部分的實時交互，在不斷迭代優化的條件下，保證各部分之間的一致性。

1.2 數字孿生的關鍵技術

數字孿生技術強調實時監控物理實體的變化，利用虛擬模型精確模擬物理實體，從而優化實際系統的操作。針對石油化工領域實現數字孿生應用需要融合的關鍵技術包括：

1)裝置模擬技術。建立裝置高精度的模型是數字孿生技術在石油化工領域應用的關鍵，通過模型可以模擬裝置中設備進出物料的溫度、壓力、流量和組分，表征出裝置實際運行的基本情況。裝置的過程模擬以工藝過程機理為基礎，采用數學模型和機理模型表示工藝過程，通過計算機輔助計算，對煉油和化工過程進行物料衡算、能量衡算、裝置經濟性分析和設備設計等。

以乙烯裂解爐過程模擬模型為例，裂解爐輻射段模型(COIL)一般采用專用的反應機理模型，例如，Technip的SPYRO模型，利用模擬軟件中的換熱模塊建立換熱器模型、轉化率反應器建立燃料氣燃燒模型。模型中還建立了溫度、壓力、流量和在線分析儀表模塊，用于模型的數據整定。乙烯裝置部分塔設備和反應器見表1所列，將根據現場需求分析，建立相對應的模擬模型，滿足不同業務需求。

表1 乙烯裝置部分塔設備和反應器模型一覽

2)傳感和監測技術。數字孿生技術中虛擬模型鏡像物理實體運行過程的基礎： 虛擬模型能夠實時感知物理實體系統的運行狀態。這需要利用傳感和監測技術來實現，煉油化工裝置中安裝了各種類型的傳感器和監測設備，為了能夠真實反映物理實體系統的運行狀態，在乙烯裝置虛擬模型中需要關聯的傳感器和監測設備比例為壓力傳感器92臺，占比92%；在線分析儀表132臺，占比21%；流量傳感器166臺，占比27%；溫度傳感器231臺，占比37%。其中溫度傳感器應用最多，壓力傳感器應用最少。針對不同裝置不同工藝，傳感器和監測設備應用數量會不同。

3)機器學習技術。對于大型復雜系統，例如煉油的常減壓裝置和連續重整裝置、化工的乙烯裝置等，每時每刻都在產生大量的數據，這些數據包括： 原料化驗分析數據、裝置運行狀態數據、產品質量在線分析數據和環境監測數據等。數字孿生技術中需要利用機器學習技術，挖掘這些煉油化工裝置的數據，獲得新的知識，用于實現對物理實體運行狀態的診斷、特定性質的預測，并用于指導裝置的生產運行。以石腦油裂解爐為例，利用石腦油餾程、PINA和密度等物性數據和石腦油總進料量、稀釋蒸汽流量、總平均裂解爐出口溫度COT、裂解爐出口壓力COP等運行參數，預測石腦油裂解爐裂解深度，建模方法包括： 決策樹回歸(DTR)，K-最近鄰回歸(KNR)，循環神經網絡(RNN)，支持向量回歸(SVR)和多層感知器(MLP)。

4)實時優化技術。物理實體和虛擬模型進行實時交互，并根據虛擬模型優化計算的結果指導裝置的動態控制，使生產裝置產生更大的經濟效益，是數字孿生技術重要的應用方向，實時優化技術的應用可以實現該功能。該技術利用數學和機理模型，結合原料、產品和公用工程的市場價格，依據煉油、化工裝置當前的運行狀態和裝置約束，實時模擬和優化裝置操作參數，并將優化結果傳送到先進控制系統APC(advanced process control)，達到裝置效益提升或節能的目的。工藝技術人員輸入實時優化計算所需的操作約束數據、原料分析數據和價格體系數據，實時優化系統RTO(real time optimization)會依據這些數據，并結合現場裝置的實時運行數據進行優化計算，最終將優化計算結果傳輸給APC系統，將裝置的運行控制到最優的操作點上，真正實現了煉油化工裝置物理實體和虛擬模型的交互。

5)數字孿生軟件平臺技術。數字孿生技術的應用建立在軟件平臺基礎之上的，可以充分利用云平臺技術，集成應用管理、數據管理和模型管理等多個功能模塊，同時借助可視化手段，例如： 虛擬現實技術VR(virtual reality)和現實增強技術AR(augmented reality)，使應用者快速了解系統的運行狀態，做出準確的決策。基于云計算的裝置優化與控制系統架構如圖2所示，云平臺系統架構由邊緣層，IaaS，SaaS和PaaS四部分組成。在石油化工裝置中邊緣層主要包括工業控制網中的設備、分析儀表、DCS，以及APC和RTO等，為上層云計算提供裝置運行的相關數據和狀態，并接收上層信息用于裝置的優化和控制。IaaS層包含計算與存儲和網絡與安全設備，計算資源、存儲資源、網絡資源和安全設備相互協作，為云計算平臺提供有效資源支撐。SaaS層包含模型庫、大數據和云服務，被部署到物理計算節點或虛擬計算節點上，為裝置優化和控制的計算提供相關服務。PaaS層建立各種生產保障APP和智能決策APP，為用戶提供交互操作環境，通過各種對業務數據的分析和展示，實現裝置的數字孿生應用。

圖2 基于云計算的裝置優化與控制系統架構示意

2 石油化工行業數字孿生應用

2.1 基于數字孿生的裝置級優化和控制

數字孿生驅動的生產裝置優化和控制，通過建立物理實體裝置高精度的虛擬模型，并建立兩者之間的數據交互，虛實映射、交互融合，真正實現持續面向市場價格變化的裝置級優化和控制，形成虛實共存的協同迭代優化模式，由過去被動響應市場價格變化的生產方式向主動應對轉變，最終達到優化和控制的自主決策。

例如，基于數字孿生的乙烯裂解爐優化和控制中，裂解爐虛擬模型的計算過程中，數據采集、工況調整、參數估計或數據整定、優化計算、結果輸出和生成優化報告等過程自動執行，模型根據工況實際條件，自動執行每一步的操作，并對不同執行結果做相應輸出，模型根據設定時間間隔，反復循環執行，優化計算結果自動傳遞給物理實體中的APC系統，達到優化控制過程自主執行的目的。

利用數字孿生驅動的實時優化技術，在RTO和APC系統共同操作模式下，乙烯裂解裝置在總投料負荷不變的情況下，效益約增加了3 000～4 000萬元/年。數字孿生驅動的實時優化技術在不同煉油和化工裝置中應用，都會為企業帶來可觀的經濟效益，見表2所列。

表2 數字孿生驅動的實時優化技術在不同類型裝置應用的平均效益 元/噸

2.2 基于數字孿生的儀表故障監測

煉油和化工裝置儀表設備數量巨大、結構復雜、種類繁多。儀表是否能夠正常運行直接影響到裝置運行的安全性、可靠性和經濟性?；跀底謱\生的儀表故障監測，結合虛擬模型和裝置物理實體儀表的運行數據，評估儀表的健康狀態，給出相應的報警或提示，從而保證物理實體儀表安全高效的運行。

以乙烯裂解氣在線分析儀為例，不同原料裂解氣組成分布情況如圖3所示，根據裂解氣在線分析儀歷史數據統計分析，可以得到C2，LPG，石腦油(NAP)和加裂尾油(SSOT)不同原料裂解氣組成分布的箱線圖，裂解氣在線分析數據包括H2，CH4，C2H4，C2H6，C3H6和C3H8的摩爾分數。當裂解氣在線分析儀出現故障時分析數據會脫離正常范圍，從而造成虛擬模型計算產生偏差，甚至影響APC系統的控制效果?？梢岳脭底謱\生系統及時發現問題，確保生產安全穩定的運行。

圖3 不同原料裂解氣組成分布情況示意

利用數字孿生的虛擬模型對煉油化工裝置實體進行模擬計算，會根據儀表的標準偏差、測量值、模擬值以及絕對誤差(模擬值-測量值)，計算每一塊儀表的誤差目標貢獻值OBJ，如式(2)所示：

(2)

式中：Model——模型計算值；Scan——儀表測量值；STD——儀表標準偏差。

乙烯裝置裂解氣在線分析誤差統計見表3所列，誤差目標貢獻值顯示了對應儀表在虛擬模型中的偏差大小，誤差目標貢獻值越大，儀表偏差越大。表3中儀表AI05060B目標貢獻值為131.34，為表格中偏差最大的儀表，在相信模型計算結果的前提下，需要檢查乙烯裝置裂解氣在線分析儀物理實體的該分析項(甲烷摩爾分數)，及時消除儀表故障。

表3 乙烯裝置裂解氣在線分析儀誤差統計

2.3 基于數字孿生的數字化交付

數字化交付以工廠對象為核心，在工程項目建設全周期過程中，按照業主的應用和管理要求，將數據、文檔、三維模型等信息進行收集、關聯、整合。通過數字化交付平臺，將數據、文檔、模型等以正向建模的方式搭建與物理工廠一致的工廠靜態模型，并在項目結束后與物理工廠一并移交至業主?；跀底只桓缎纬傻墓S靜態模型，加載工廠運營管理中物料、能源、操作等生產業務產生的實時數據后，就形成工廠的 “數字孿生”。利用數字化交付形成的工廠靜態模型，可在工廠投產前形成資產和工藝的信息標準，生產運營各業務可從中抽離出不同粒度、范圍的數字模型，在實現數據統一的前提下滿足不同的應用要求，為企業智能化和數字化轉型提供數據支持。目前數字化交付已在中國石化集團公司各大工程建設項目開展。

數字化交付側重基礎數據的標準化、結構化靜態數據積累。而數字孿生依托工廠信息化建設，通過智能工廠統一的工廠模型對組織結構，生產經營的物料、設備、安全、環保、管線、儀表等標準化，形成物理和虛擬工廠的數據一一對應關系，通過石化智云前端邊緣云平臺，為模型和應用提供支撐，智能工廠數字孿生與數字化交付交互關系如圖4所示。圖4中，工程設計階段和工程施工階段數字化交付內容包括： 工程項目管理數據，4D管道焊接數據，合同數據和電子招投標采購數據，三維模型標準要求，管道和設備數據采集要求。在數據層面，數字孿生與數字化交付在三維型模型、設備主數據和管線數據，設備和儀表編號上遵循統一的標準。

圖4 智能工廠數字孿生與數字化交付交互關系示意

3 結束語

數字孿生技術在各個工業領域的成功應用，為該技術在石油化工企業智能工廠建設中的應用提供了可借鑒的經驗。針對石油化工領域實現數字孿生應用需要融合裝置模擬技術、傳感和監測技術、機器學習技術、實時優化技術和數字孿生軟件平臺等技術。目前數字孿生相關技術已應用在智能工廠建設中，并取得了一定的應用效果，未來還需將各種技術深度融合，為中國石化煉油化工企業數字化轉型提供先進的技術基礎。