石油石化行业的数字孪生应用综述

王晨光

(中国石化燕山石化公司，北京 102500)

随着数字化和各行各业的融合发展，石油石化行业正在积极开展数字化转型工作。作为一种前沿信息技术，数字孪生已得到了初步应用，在钻井监控、生产优化、管道储运等方面，较好地解决了生产经营中遇到的问题，提高了生产效率和质量。同时，数字孪生技术本身也在快速发展中，因此有必要梳理数字孪生及其在石油石化行业的应用，以促进数字孪生得到更好的应用，推动行业的高质量发展。

1 发展历程和主要应用领域

1.1 概念及发展历程

数字孪生的基本概念诞生于20世纪美国国家航空航天局(NASA)负责的阿波罗计划，经过几十年的演进，Michael Grieves在2003年首次提出了明确概念： 充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程[1]。这一概念在较长时期内主要应用于航空航天等军事领域，公众对其了解较为有限。直到2012年，NASA公布了“建模、仿真、信息技术和处理”路线图，数字孪生才首次进入大众视野，并迅速引起了学术界和产业界的极大兴趣，越来越多的企业逐渐开始进行相关布局。作为新兴技术的风向标，Gartner公司2017—2019年连续将数字孪生列为当年十大战略科技发展趋势之一[2]。

2020年以来，受新冠疫情蔓延和经济低迷等因素影响，世界范围内的产业链和供应链都受到了不同程度的影响，这给数字孪生在实体经济中的应用带来了一定挑战。但是，根据已经取得的进展，人们有理由相信，在世界经济重新向好之后，数字孪生有望迎来真正的春天，以制造业为代表的实体经济将会与数字孪生技术实现更好的融合发展。

1.2 主要应用领域

数字孪生概念最早主要用于航空航天产品的仿真模拟，后来逐渐拓展至设计、制造、生产、服务、交通、城市等多个领域，较有代表性的有以下四个领域：

1)航空航天。从仿真发射、实时监控到航天器全生命周期管理，数字孪生的应用大幅提高了人类翱翔蓝天、探索太空的安全可靠性。早期，主要被应用在军事领域，如美国空军研究实验室和NASA基于数字孪生开展的飞行器健康管控应用[3]；在民用领域，空客、波音等公司通过数字孪生技术改进飞机制造的工艺流程，提高了生产效率与质量[4]。

2)设计制造。除航空航天以外，产品设计制造及运维也是数字孪生技术应用较早的领域。传统的设计流程存在着准确度低、稳定性差、迭代频繁、返工较多等问题，利用数字孪生技术，设计人员能够比较虚拟产品在不同环境下的性能，以将产品的实际性能与期望值之间的不一致性降至最低。同时，也可避免评估虚拟产品导致的冗长测试，从而缩短设计周期[5]。

3)交通运输。汽车在出厂前要经过全方位、全工况的测试，一般依托物理实车，导致费用高、精度低且置信度差。利用数字孪生带来精确仿真，能够精准地预测和评估车辆的抗毁伤性能，同时，积累的数据也有助于车辆性能的持续改进和迭代优化[3]。

4)智慧城市。2022年1月，国务院印发的《“十四五”数字经济发展规划》[6]中提出，要“因地制宜构建数字孪生城市”。数字孪生城市是打造数字城市的目标，也是建设智慧城市的起点。随着信息技术和数字经济的发展及新型城镇化的深入推进，当前社会已经基本具备了构建数字孪生城市的能力[2]。

2 数字孪生与石油石化的融合发展

在石油石化行业，数字孪生已经得到一定的应用，典型应用如图1所示。

图1 数字孪生在石油石化行业中的典型应用示意

1)勘探开发。针对海上钻井平台结构复杂、设备布置密集、工作环境恶劣等特点，构建了海上钻井平台五维数字孪生系统，包括： 物理钻井平台、虚拟平台、孪生数据、海洋平台运维服务和各子系统之间的连接[7]。为保障海洋无隔水管修井作业安全，构建了修井数字孪生系统，包括： 修井系统物理实体、虚拟实体、虚实数据交互、人工智能数据分析、作业决策服务[8]。美国Texaco公司在休斯敦建成了世界首个油气工业专用的虚拟现实中心，在实时的“海底作业环境”中，人员可通过遥控设备实现远程作业，该技术已得到广泛应用[9]。

2)炼油化工。利用数字化交付成果的三维展示，实现了对生产情况的展现、监控和报警[10]。通过将数万平方公里产油区内的井、站、管道、储油库或炼化装置设备等在三维平台上复现，实现由点到线到面再到三维立体的抽象展示。在原料组成优化、工艺参数设计与仿真、生产过程建模与优化控制、设备故障诊断与远程运维等方面，探索了数字孪生的应用场景[11]。例如，针对合成纤维纺丝车间，提出构建包括物理车间、数字孪生车间、信息系统和孪生数据的数字孪生体[12]。当出现难度较大或紧急的问题时，工程师可远程处理，通过数据分析，可以提前维护设备，最大限度延长设备的使用寿命。

3)管道储运。研究了数字孪生体在管道设计、调度优化、设备运维、管道全生命周期管理等场景应用的可行性[13]，并通过多物理集成模型仿真分析、虚实交互反馈、决策迭代优化等手段，提升了技术和管理水平。在孪生数据的支撑下，通过实体管道、虚拟管道、管道服务系统实时交互，对油气调运任务的内容、计划、实施过程等进行持续优化[14]。通过对设计/运行/环境参数和监测信息等多元异构数据的整合，实现了压气站场静动设备风险评估的自主化、检维修措施制订的自动化和状态趋势监测的实时化[15]。

4)安全环保。在“碳达峰、碳中和”战略背景下，数字孪生技术有望提升石油石化企业的安全环保水平。文献[16]提出，基于数字孪生技术建立二维或三维可视化碳地图模型，构建排放驱动因素追踪、减排动态模拟推演、能耗告警检测分析等能力，从而建立清晰的碳排放监测、管控、规划和策略实施路径。通过全过程数字链条的构建及数字画像，把碳减排与企业核心业务密切结合，实现规划和行动的精准匹配，推动低碳转型和技术创新，为制订措施开展减排行动规划的修改和优化提供直接参考。

3 面向石油石化的数字孪生建设

3.1 目标及功能

与其他行业相比，石油石化行业具有装置复杂、生产连续、高温高压等特点，同时，由于和国家能源安全息息相关，并涉及危化品生产运输，所以在安全可靠等方面要求较高。因此，面向石油石化行业进行数字孪生应用的目标及功能，与其他行业有所区别。需要改进信息系统与物理系统的融合方法，以优化多时空、多尺度模型下的参数求解性能，提升石油石化关键生产指标的预测及优化能力[17]，以更好地满足该行业实现高质量发展的需求；同时，也要进一步完善关键应用场景中的石油石化系统故障诊断、工艺参数优化等的数字孪生解决方案，使其更加有效、实用。

石油石化行业应用数字孪生技术的主要建设目标： 精确且及时地模拟、分析、优化、预测及监控相关装置的生产运行过程，实现装置的安稳长满优运行以及生产运行过程的绿色化、环保化、智能化、低碳化。具体地，通过模拟实际装置的运行过程，获得其性能/工艺/环境参数；然后，基于历史参数构建数字孪生模型，并利用该模型分析实时参数，以优化或预测装置的关键工艺指标；最后，通过从物理空间映射到数字空间的实时监控，对生产运行过程进行高效的展示以及必要的调整。

3.2 系统架构

目前的数字孪生系统大多包括4个层次： 物理层、感知层、模型层和应用层，如文献[18]提出了由物理层、数据层、模型层和功能层所组成的数字孪生系统，文献[19]提出利用设备层、感知层、驱动层和应用层来进行构建。对于石油石化行业，装置较多且生产连续，导致数据源较多，由此产生的信息孤岛现象较为普遍，进行数据治理的必要性很高。因此，本文提出构建专门的数据层进行数据治理，以提高数据的易用性。

本文提出的数字孪生系统架构包括物理层、感知层、数据层、模型层、应用层，如图2所示。物理层是石油石化生产环境中涵盖的物理实体，包含各种石油石化装置、静动设备、中间/最终产品、管理/技术/操作人员等。其上是感知层，负责实时采集和传输物理层在生产运行过程中产生的各类多源数据，包括传感器、数据通信协议、物联网等。数据层对数据进行预处理并存储，以解决数据质量参差不齐的问题；数据类型包括实时数据和存档数据，其中，实时数据进行预处理后存储至相应数据库中，即为存档数据。模型层是物理层的虚拟映射，利用存档数据，通过建模方法构建出物理层的数字孪生模型，其质量取决于对物理层的仿真程度，这直接关系到整个数字孪生系统的准确性。在实时数据的驱动下，应用层与物理层同步运行，并对物理层的生产过程进行精确且及时的分析、优化、预测与监控等。

图2 数字孪生的系统架构示意

3.3 技术体系

和其他前沿技术一样，数字孪生的技术体系仍在持续进化中。综合该领域的理论和实践进展，数字孪生的技术体系涵盖物理感知、通信传输、存储管理、模型构建、可视交互、智能优化、预测决策等7个方面，如图3所示。

图3 数字孪生的技术体系示意

其中，物理感知技术包括传感器协同测量、资源实时访问、物联网等。数字孪生与传感网络的核心区别之一是其高效、可靠、实时的通信传输，包括接口协议、有线/无线通信、网络结构、安全加密等技术[20]。存储管理是对海量多维数据进行高效管理的过程，起着底层支撑的作用，主要有数据库、数据清洗/集成/规约/变换、边缘计算等技术。作为整个技术体系的核心，模型构建直接决定了最终应用的效果，常见方法有物理建模(有限元、流场、应力)、数据建模(聚类学习、LSTM)、知识建模(语义分析、专家知识)以及多种方法融合的模式。可视交互是数字孪生系统的交互展示界面，包括3D建模、人机交互、AR/VR/MR、全息投影、数据可视化等技术。智能优化包含各种神经网络、深度学习、聚类分类等机器学习算法，目的是实现自主迭代优化。预测决策是数字孪生系统作用于物理实体的映射，这也是当前数字孪生技术体系的薄弱环节[21]，包括深度强化学习、迁移学习、知识推理等人工智能算法[20]。

3.4 应用场景

应用场景主要包括如下几个方面：

1)生产智能优化。无论在油田、炼化工厂，还是加油站、油库，都会涉及到不同类型装置的生产优化问题。人工智能算法的应用，能够对生产装置进行高仿真的模拟，并构建数字孪生模型，将生产过程建模为确定的函数关系，进而根据优化目标和约束条件，利用数学知识求出生产工艺参数的最优解，进一步提高操作精度、减轻劳动强度。

2)现场拟真巡检。借助日趋成熟的AR/VR/MR等交互显示技术，能够在室内进行身临其境的巡检，进一步将人与现场隔离，同时保证安全稳定生产。利用上述技术以及实时标注的声音、温度、风速甚至气味等传感数据，人员可以准确定位异常点。同时，定位结果将会指导数字孪生模型自主学习如何识别异常，在同类异常再次出现时自动识别并迅速报警。

3)设备预知运维。利用石油石化设备的数字孪生模型以及基于5G的高精度实时交互显示和无延迟音视频通信等技术，相关人员能够随时随地感知现场情况、做出判断并将正确处理方法传输到现场，解决因无法及时到场可能导致的经济损失和HSE风险。同时，根据实时生产数据和存档数据，可提前预判设备的运维周期，进一步提高运维工作的精准性。

4 挑战和趋势

4.1 面临挑战

数字孪生技术在发展过程中面临以下挑战：

1)生产建模的精度不足。作为传统行业，石油石化领域的数字化水平仍需提高，支撑构建数字孪生技术体系所需的基础数学模型、仿真模型，尤其是钻井、蒸馏塔、反应器、管道、储罐等核心装置以及相应的生产工艺过程的数字化仿真能力较为欠缺[22]。

2)相关标准体系不完善。作为新一代信息技术，数字孪生技术自身还处在发展阶段，相关的标准体系还未完全建立，主要包括面向石油石化行业的数字孪生相关术语、系统架构等标准化参考，相关模型、数据、服务，以及实施准则、实施要求等[17]。

3)网络数据安全风险高。作为能源行业，石油石化行业的安全要求较高，因此，数字孪生存在的网络和数据安全风险亟待解决。在企业内网运行的工业软件，一旦“上云”，将面临系统紊乱、管理失控乃至瘫痪等网络安全问题；同时，数字孪生系统产生的海量数据可能存在于多个网络设备上，任何一台设备的安全问题都可能引发篡改、泄漏等数据安全风险[2]。

4.2 发展趋势

数字孪生技术有如下的发展趋势：

1)通用化。受限于各行业的信息化和数字化水平参差不齐，目前的数字孪生技术平台仍以定制化为主，通用化平台较少，难以通过系统复用来降低成本。随着数字经济的快速发展，在完善的信息化和数字化基础之上，真实的生产经营环境将进一步被抽象化，能够更容易地构建普适性、通用化的数字孪生体，减少“重复造轮子”的现象。

2)拟实化。数字孪生的本质在于“孪生”，随着企业数字化转型的深入，生产过程积累的数据会更加丰富，对于数据的分析也会更加充分，这将进一步推进数字孪生模型的拟实化，使之更加趋近物理实体的运行规律。

3)集成化。随着区块链、行为互联网、隐私增强计算等新一代信息技术的发展，数字孪生将会进一步集成多种前沿信息技术，有效提升用户在应用数字孪生时的体验感受，实现数字模型和物理实体之间更好的交互反馈与协同控制。

4)智能化。随着计算机领域软硬件的发展，对于海量数据的挖掘利用将会达到新的层次[9]。在更加拟真化的数字模型基础上，对于数据的自主学习、迭代优化，有望实现初具智能特征的孪生体，并从生产运行场景拓展至辅助决策等经营管理场景。

5 结束语

作为传统行业，石油石化行业正在积极探索数字化转型，以实现高质量发展，更好满足社会对于能源、材料等日益增长的需求。我们相信，数字孪生技术在石油石化行业的应用将会大幅推动该行业进一步提质降本增效，并为实现“碳达峰、碳中和”、确保“能源的饭碗必须端在自己手里”作出应有的贡献。