基于數字孿生技術的智慧化工園區(qū)安全應用分析

王宇

摘要：在現階段數字化時代不斷發(fā)展的背景下，數字孿生技術在石油化工、公共安全、機械工業(yè)等方面得到了廣泛應用，屬于多學科交叉作業(yè)的技術，需要運行環(huán)境、機械設備、參與者等共同參與，并利用多樣化的理論、測量、技術等方式確保系統(tǒng)安全。面向智慧化工園區(qū)技術需求，提出了基于數字孿生+智慧化工園區(qū)建設新思路，本文首先從數字孿生技術概述入手，剖析數字孿生技術智慧化工園區(qū)安全應用中面臨的挑戰(zhàn)，并提出具體思路，旨在高效推動智慧化工園區(qū)質量、效率和動力的變革，以供參考。

關鍵詞：智慧化工園區(qū)；數字孿生；分析

DOI：10.12433/zgkjtz.20233104

數字孿生技術具有多學科、多角度、實時性、高保真度等特質，是現實世界與虛擬空間相互轉化的重要手段之一，將數字孿生技術應用于智慧化工園區(qū)，有助于及時發(fā)現并解決問題，防微杜漸，為企業(yè)安全有序作業(yè)提供技術支撐。

一、數字孿生技術概述

數字孿生實際上是利用物理模型、歷史數據、傳感器探測等方式在虛擬空間中映襯現實世界，并反映全周期生命過程。數字孿生模型主要包括服務模塊、物理實體、連接模塊、虛擬實體孿生數據等內容，可利用全生命周期數據管理、多領域多模型融合、高精度傳感、高性能計算技術等手段對工程、設備、系統(tǒng)開展實時、快速評價，滿足實際建設需求，為后續(xù)的管理決策工作打下堅實基礎。數字孿生技術也可在一定的空間內完成優(yōu)化配置、安全維護、協(xié)同監(jiān)管工作，有效減少不必要的資源浪費，確保技術的進一步應用與發(fā)展。

二、數字孿生技術內涵

從實際構成看，數字孿生技術主要包括以下六類：第一，感知控制技術。具備數據采集及控制反饋模塊，是保證虛擬世界及現實世界有序溝通的重要窗口。第二，數據集成技術。實現相關設備及系統(tǒng)的互聯(lián)互通，保證現實世界與虛擬空間的無縫對接。第三，模型構建技術。可將現實物體在虛擬空間中形成映射，并構建數據、機理、幾何模型，全方位展現物體的物理規(guī)律及外觀形態(tài)。第四，模型互操作技術。可將各類模型有機融合，將靜態(tài)映射轉化為現實事物。第五，業(yè)務集成技術。可為生產全過程、產品全周期、商業(yè)全流程提供有效支撐，提高數字孿生技術的經濟效益。第六，人工智能技術。可將人的因素與數字孿生系統(tǒng)結合，以人機作業(yè)方式進行指令反饋，保證數字孿生技術的進一步優(yōu)化創(chuàng)新。

三、數字孿生技術的智慧化工園區(qū)關鍵應用

（一）聯(lián)合動態(tài)仿真模型

聯(lián)合仿真模型是現階段較為重要的系統(tǒng)分析、設備檢測手段，相較于以往的計算機數字模型，采用數字孿生仿真技術的優(yōu)勢在于可以依據現實物體的變化調整映射內容。技術人員可將數字孿生技術與智慧化工園區(qū)三維模型的創(chuàng)建工作相融合，提升視覺信息交互性，并利用計算機技術實現沉浸感知，準確分析可能發(fā)生的各類災害事故，明確可行的事故應急預案，在事故發(fā)生前做好準備。

（二）安全監(jiān)控

安全監(jiān)控是對整個化工園區(qū)企業(yè)開展全方位的監(jiān)管、反饋和響應，可從以下三方面開展監(jiān)控作業(yè)：第一，環(huán)境監(jiān)控，利用各類傳感器及時掌握不同事故的特點，并在虛擬空間進行模擬，最終由物聯(lián)網技術自動監(jiān)測建筑。第二，設備安全監(jiān)控，以數字孿生技術為基礎創(chuàng)建信息視覺系統(tǒng)，并利用配套工業(yè)機器人完成設備修復作業(yè)，綜合人工神經網絡、模糊邏輯理念創(chuàng)建遠程健康監(jiān)管作業(yè)。第三，人員行為安全監(jiān)控，利用數字孿生技術實時跟蹤車間內人員，并有針對性地改進生產流程及方案，或針對人員的生產行為創(chuàng)建數字孿生圖卷積識別模型，更好地管理整個生產環(huán)境。

（三）故障診斷

為避免系統(tǒng)與設備在實際運營期間發(fā)生大規(guī)模故障導致嚴重的安全事故，技術人員應積極引進數字孿生技術并落實到電子故障診斷作業(yè)中。可通過對自動化系統(tǒng)故障模塊進行定位，提出可行的修整方案，也可深入分析數字孿生技術的故障診斷模型要求，提出敏感參數分析模型，判斷并定位故障區(qū)域。將數字孿生技術的同步映射性能與故障診斷技術相融合，需要技術人員對得到的數據進行標記、對比，綜合數據與模型驅動，完成故障診斷作業(yè)。

（四）運行維護控制

科學技術的飛速發(fā)展，使得系統(tǒng)設備逐漸突顯復雜化特質，維運控制安全成為現階段較突出的問題。創(chuàng)新數字孿生集成—分布式控制框架體系可及時預測、校正生產系統(tǒng)執(zhí)行情況，技術人員深入討論不確定性條件下?lián)p傷診斷概率、預后概率、優(yōu)化升級的運行策略，與數字孿生技術相結合，避免出現設備疲勞裂紋等問題。技術人員也可創(chuàng)新系統(tǒng)工程仿真引擎，并將運營風險提前至開發(fā)初期，利用物聯(lián)網技術獲取相關性能信息，落實控制閉環(huán)。因此融合數字孿生技術可借助虛擬互聯(lián)網平臺分析現實世界的物體性能，同時綜合大數據、物聯(lián)網等技術進一步記錄和分析數據，確保現實平臺網絡的有序運營及管控，突出風險轉移、安全維護和資源優(yōu)化等性能。

（五）預測性維護

預測性維護可有效避免出現各類安全事故，提高實際生產效率，延長產品建設周期。通過構建生產機器運行數學模型，利用仿真及數字模擬的交互反饋方式做好機械設備的狀態(tài)評估作業(yè)，落實預測性維護原則，也可綜合源數據創(chuàng)建車間數字孿生模型，充分發(fā)揮非線性漂移布朗運動優(yōu)勢，研發(fā)功能部件壽命預測模型，提升預測模型的實時性和高效性。因此以數字孿生技術為基礎的預測性維護技術主要通過創(chuàng)建數字孿生體獲取工程參數，技術人員可在數據比對、處理后對故障特征進行識別、定位以及處理。

四、數字孿生技術的智慧化工園區(qū)面臨的挑戰(zhàn)

第一，數據獲取方面的挑戰(zhàn)。數據采集門檻高，為了獲得應急預案、救援隊伍、物資庫、消防栓、取水點、避難場所等數據，有時需要鎮(zhèn)街和多個部門協(xié)調，數據的采集、傳輸、存儲和分析都需要消耗大量資源，在現有條件下，收集準確實用的信息是一項挑戰(zhàn)。

第二，模型建立方面的挑戰(zhàn)。要想實現高度逼真的建模，需要應用大數據、人工智能等技術手段，利用傾斜攝影技術，采用數據矢量化建模的方式，將道路、林區(qū)、房屋、監(jiān)測點、巡航位置等信息在三維高清遙感地理場景上全景展現，實現對化工園區(qū)企業(yè)可視化、自動化和精準化監(jiān)管。

第三，運行維護方面的挑戰(zhàn)。要保證在不同的場景中快速有效的處置，必須掌握大量準確實時的信息，這就需要耗費大量人力、物力對后臺資源進行實時維護。另外，隨著時間推移，對模型標準和軟硬件的性能要求也越來越高，需要不斷對平臺進行升級、優(yōu)化。

五、數字孿生技術的智慧化工園區(qū)應用分析

堅持“統(tǒng)籌組織、分級負責、多方投入、有序推進、全程管控、務求實效”的原則。智慧化工園區(qū)的建設更加強調“智慧”，構建“一體化平臺、一張圖應用、三個中心、三大體系”模式。一體化平臺：綜合管理、基礎設施、公共服務一體化平臺；一張圖應用：采用數字孿生Digital Twin技術構建園區(qū)安全生產、應急救援、能源等一張圖；三個中心：預警中心、數據中心、視頻監(jiān)控中心；三大體系：安全生產、應急救援、封閉管理。

第一，直播推流 。通過設備采集直播內容，推流SDK推送直播流，提供直播流接入、分發(fā)、實時流媒體處理服務。視頻直播服務通過邊緣推流的方式將直播流推送至直播中心，推送的視頻流通過CDN邊緣節(jié)點進行加速，確保上行傳輸的穩(wěn)定性。

第二，蔓延分析模型。通過與3D技術相結合，模擬事故擴散趨勢，結合當日氣象五參因素（即溫度、氣壓、濕度、風向、風速）分析事故擴散的方向，并在GIS地圖上顯示，從而把握事故擴散趨勢，為應急處置提供輔助決策。

第三，AR應用。基于AR技術的智慧園區(qū)管控系統(tǒng)，實現視、查、管、控一站式應用，利用攝像裝置采集園區(qū)內的數據分送至AR設備生成園區(qū)的AR實景圖，建立一套先進、穩(wěn)定、可靠、經濟及可擴展的AR實景綜合管理平臺。

第四，5G傳輸。基于5G網絡，無人機直播畫面回傳、高空瞭望、視頻監(jiān)控、移動會商等的數據傳輸速率更穩(wěn)定、更快速，便于數據的采集與傳輸。

第五，AI智能數據分析。整合散落的園區(qū)各類數據，構建統(tǒng)一的大數據平臺系統(tǒng)，實現各類場景分析，從各類整體指標概覽，再到分層細節(jié)指標數據的對比分析，實現數據指導業(yè)務精細化運營。

六、數字孿生技術的智慧化工園區(qū)具體思路

第一，數據分析采集。利用分布式大數據技術將園區(qū)數據進行整合、分析處理，形成可視化圖表，將采集到的數據進行形象化、直觀化和具體化呈現，實現對園區(qū)概況、園區(qū)基本信息、園區(qū)企業(yè)數量統(tǒng)計、安全風險對象、風險單元、重大危險源、重點監(jiān)管工藝、重點監(jiān)管危險化學品等信息的統(tǒng)計分析，同時直觀查看園區(qū)的各項指標和平臺預警信息。

第二，構建一張圖。建設數字孿生一張圖，包括園區(qū)、安全、應急、能源等三維信息，以一張圖透視分析智慧園區(qū)運行全貌，建立可視化、智能化、一體化管理平臺。通過與GIS地圖相結合展示園區(qū)總體信息，實時關注園區(qū)動態(tài)，了解園區(qū)、企業(yè)日常情況，高效全面掌握和管理園區(qū)運營狀態(tài)。將園區(qū)內的重大危險源數據、應急資源、企業(yè)位置分布、實時監(jiān)測信息、車輛信息、能源設備等信息實現一張圖匯總。利用大數據圖表形式進行多維度分析，綜合考慮安全、應急、能源、人員等因素，提高園區(qū)管理者安全應急一體化管理水平。

第三，實時預警監(jiān)控。實現對園區(qū)所有預警、報警管理、實時監(jiān)測企業(yè)各項數據運行情況，一旦發(fā)生異常，立即啟動預警應急流程，并實時分析企業(yè)的動態(tài)風險。進行預警統(tǒng)計分析，對預警信息進行統(tǒng)計分析，包括人員定位報警、智能監(jiān)控、DCS監(jiān)測報警、應急事故報警、隱患排查，以可視化圖表分析報警信息，實時統(tǒng)計園區(qū)內不同類型的報警次數，維護園區(qū)安全。對報警信息進行管理，查看報警信息的詳情，對報警通知進行忽略、應急響應和解除操作，實現對報警信息的綜合管理與處置，預警記錄是對預警信息的統(tǒng)計分析，可以查看報警來源、處置狀態(tài)、報警時間、報警描述、處置時間等信息。

第四，風險動態(tài)管理。實現企業(yè)風險情況的匯總，按照風險等級對企業(yè)進行排名，以紅橙黃藍對風險等級進行重點標識，查看日期、具體時間、企業(yè)名稱、風險指數、風險等級、是否重大危險源企業(yè)、是否涉危企業(yè)等信息。

七、數字孿生技術智慧化工園區(qū)應用展望

相關人員可利用數字孿生技術手段，從不同的維度為后續(xù)的運行工作提供數字化、安全性的作業(yè)環(huán)境。而現階段隨著物聯(lián)網、芯片技術、量子計算、新材料技術、融合人工智能、量子通信技術等高端科技手段的不斷創(chuàng)新發(fā)展，可以推進數字孿生技術實現進一步創(chuàng)新升級，拓寬現有發(fā)展前景。

從實際情況分析，數字孿生的智慧化工園區(qū)可朝著以下方向推進：第一，深入創(chuàng)新數據實時傳輸技術，避免出現數據滯后等問題，提高模型精確性。第二，由于數字孿生技術具有動態(tài)性、實時性、交互性特質，需要構建沉浸感強烈的安全培訓演練平臺。第三，利用大數據技術融合平臺數據，實現數據與模型的整合統(tǒng)一，并以數字孿生技術的相關信息為參照開展故障診斷作業(yè)，對故障溯源原理進行深入探究。第四，將數字孿生技術與災后處理工作相結合，創(chuàng)建自救安全避險系統(tǒng)、人員緊急定位通訊系統(tǒng)等，減少人員傷亡。第五，提升數字孿生技術的綠色環(huán)保性、多向互動性、自我感知性、模型開放性、數據實時性、技術容錯性、動態(tài)進化性以及高度自動化。

八、結語

數字孿生技術與智慧化工園區(qū)充分融合，建設以全面互聯(lián)、透徹感知、簡易運維、統(tǒng)一監(jiān)測、安全可控的智慧化工園區(qū)，以工業(yè)產業(yè)體系建設為基礎，以基礎設施體系建設為支撐，以綜合服務體系建設為保障，實現信息化系統(tǒng)集成、部門聯(lián)動協(xié)同、上下貫通指揮的高度統(tǒng)一，引導園區(qū)重新定位和產業(yè)升級，實現園區(qū)“基礎設施智能化、園區(qū)管理精細化、產業(yè)發(fā)展現代化”的目標，促使園區(qū)效益最大化。

參考文獻：

[1]劉庭煜，洪慶，孫毅鋒，等.基于圖卷積網絡的數字孿生

車間生產行為識別方法[J].計算機集成制造系統(tǒng)，2021，

27（02）：501-509.

[2]潘偉，徐剛，熊方杰.基于非線性技術鍋爐故障分析[J].中國安全生產科學技術，2020，16（12）：176-182.

[3]孿杰林，劉晉飛，鞠傳海，等.可靠性數字孿生概念內涵和技術框架研究[J].測控技術，2021，40（02）：18-24.

[4]王璐，張興旺.面向全周期管理的數字孿生圖書館理

論模型、運行機理與體系構建研究[J].圖書與情報，2020

（05）：86-95.

[5]劉海鵬，周淑秋.移動通信技術發(fā)展對安全生產影響研究[J].中國安全生產科學技術，2020，16（08）：161-166.

[6]孔瑋，劉云，李輝，等.基于圖卷積網絡的行為識別方法綜述[J].控制與決策，2021，36（07）：1537-1546.

[7]王蘊紅，何睿，劉慶杰.一種基于層級圖卷積網絡的群體場景圖生成方法[P].中國，CN202111155721.6，2022-01-07.

[8]朱時兵.基于稠密擴張卷積網絡的時序行為檢測[D].成都：電子科技大學，2019.

[9]豐艷，張?zhí)鹛穑鮽餍?基于偽3D殘差網絡與交互關系建模的群組行為識別方法[J].電子學報，2020，48（07）：1269-1275.

[10]王傳旭，林曉萌，林國丞.基于合作與競爭交互關系的組群行為識別算法[J].青島科技大學學報：自然科學版，2022，43（05）：109-120.