数字孪生技术在石油化工企业数字化转型中的应用研究

刘志鹏，赵毅

(1. 中国石化股份有限公司 齐鲁分公司，山东 淄博 25543；2. 石化盈科信息技术有限责任公司，北京 100007)

伴随石油化工行业数字化转型进程不断推进，智能工厂建设正在实践“智能工厂2.0”，并启动“智能工厂3.0”的探索。在智能工厂建设过程中，如何实现炼油化工装置物理世界与信息世界的融合，是当前国内外参与智能工厂建设企业共同面对的技术难题。数字孪生概念的提出，为解决该技术难题提供了新的方法和思路。

数字孪生的概念最早由美国密歇根大学Grieves教授于2002年提出[1]，最初提出的是“产品生命周期的概念模型”，其中就包含了数字孪生概念的全部要素，即真实空间(real space)、虚拟空间VS(virtual space)、从真实空间到虚拟空间的数据流链接、以及从虚拟空间到真实空间和虚拟子空间(virtual sub-spaces)的信息链接。

数字孪生技术在各个工业领域的成功应用，为该技术在石油化工企业智能工厂建设中的应用提供了可借鉴的经验，本文将从石油化工行业应用的角度，论述数字孪生的内涵和关键技术，并分析数字孪生技术在石油化工领域装置级的应用前景。

1 数字孪生的内涵和关键技术

1.1 数字孪生的内涵

模型和数据是数字孪生技术的核心，北京航空航天大学在核心的基础上提出了数字孪生的五维结构模型[6]，如式(1)所示：

MDT=(P，V，S，D，I)

(1)

式中：MDT——数字孪生五维结构模型；P——物理车间；V——虚拟车间；S——服务系统；D——孪生数据；I——各组成部分间的相互作用，由式(1)得到数字孪生五维结构模型[7]如图1所示。

图1 数字孪生五维结构模型示意

根据数字孪生五维结构模型，石油化工企业在装置级应用数字孪生技术过程中，应当包括以下几个重要因素：

1)物理实体。物理实体是数字孪生技术应用的基础，物理实体具有层级性，一般包括单元级、系统级和复杂系统级[8]。以乙烯装置实体为例： 1台裂解炉或1个分离塔可视为单元级；裂解炉、燃料气设备、换热设备和塔设备等组合在一起可视为系统级；原料系统、产品生产系统、产品系统和公用工程系统组成的乙烯装置可视为复杂系统级。物理实体包括物流、能流和信息流，通过各种功能子系统组合在一起，协作完成特定的生产任务。为了能够使物理实体安全、高效和长周期的运行，需要在物理实体上设置温度、压力和流量等各种传感器，以及检测原料和产品组成的在线分析仪，实时监测装置的运行状态，也可为后续数字孪生模型的开发和应用提供大量的生产数据。

2)虚拟模型。虚拟模型是利用模型对物理实体的刻画和描述，虚拟过程中会利用到几何模型、物理模型、行为模型和规则模型。石油化工装置的几何模型可以利用三维数字化技术实现，对装置的尺寸、大小和位置进行三维建模，可以为装置运行、设备维护和操作培训提供可视化的环境。对于物理模型、行为模型和规则模型，可以利用机器学习模型和机理模型等建立装置模型，实现对装置设备健康情况的评估、装置运行效益的测算、装置运行的实时优化和装置产品质量的监控等。

3)服务系统。服务系统[6]是指对数字孪生应用过程中所需各类模型、算法、数据等进行应用化的封装，以工具组件、模块等形式，支撑数字孪生技术实现功能性服务，以桌面、移动应用软件等形式满足不同领域、不同业务、不同用户需求的服务。功能性服务包括： 石油化工装置的建模仿真服务、装置数据的管理服务和装置数据采集的接口服务等。业务性服务包括： 面向管理决策人员的智能决策服务、面向专业技术人员的能耗评估服务和面向现场操作人员的虚拟培训服务等。

④ 按照以上方法，7×0.5表示怎样的含义？7×0.1，15×0.1呢？此环节设计的目的是让学生学会用乘法分配律的性质将小数运算变形，进而去理解小数乘法多方面的意义.同时习得此方法，将其运用到任意的小数乘法.

4)孪生数据。孪生数据是数字孪生的核心驱动，主要包括： 物理实体数据(炼油化工装置的温度、压力和流量等)，虚拟模型数据(组分的计算数据、产品质量的预测数据和设备运行参数等)，系统数据，知识数据和融合衍生数据(融合装置实时运行数据、历史数据、专家知识和模型预测数据等)。

5)各组成部分间的相互作用。五维结构模型中各部分相互连接，确保数据传输的有效性，实现各部分的实时交互，在不断迭代优化的条件下，保证各部分之间的一致性。

1.2 数字孪生的关键技术

数字孪生技术强调实时监控物理实体的变化，利用虚拟模型精确模拟物理实体，从而优化实际系统的操作。针对石油化工领域实现数字孪生应用需要融合的关键技术包括：

1)装置模拟技术。建立装置高精度的模型是数字孪生技术在石油化工领域应用的关键，通过模型可以模拟装置中设备进出物料的温度、压力、流量和组分，表征出装置实际运行的基本情况。装置的过程模拟以工艺过程机理为基础，采用数学模型和机理模型表示工艺过程，通过计算机辅助计算，对炼油和化工过程进行物料衡算、能量衡算、装置经济性分析和设备设计等。

以乙烯裂解炉过程模拟模型为例，裂解炉辐射段模型(COIL)一般采用专用的反应机理模型，例如，Technip的SPYRO模型，利用模拟软件中的换热模块建立换热器模型、转化率反应器建立燃料气燃烧模型。模型中还建立了温度、压力、流量和在线分析仪表模块，用于模型的数据整定。乙烯装置部分塔设备和反应器见表1所列，将根据现场需求分析，建立相对应的模拟模型，满足不同业务需求。

表1 乙烯装置部分塔设备和反应器模型一览

2)传感和监测技术。数字孪生技术中虚拟模型镜像物理实体运行过程的基础： 虚拟模型能够实时感知物理实体系统的运行状态。这需要利用传感和监测技术来实现，炼油化工装置中安装了各种类型的传感器和监测设备，为了能够真实反映物理实体系统的运行状态，在乙烯装置虚拟模型中需要关联的传感器和监测设备比例为压力传感器92台，占比92%；在线分析仪表132台，占比21%；流量传感器166台，占比27%；温度传感器231台，占比37%。其中温度传感器应用最多，压力传感器应用最少。针对不同装置不同工艺，传感器和监测设备应用数量会不同。

3)机器学习技术。对于大型复杂系统，例如炼油的常减压装置和连续重整装置、化工的乙烯装置等，每时每刻都在产生大量的数据，这些数据包括： 原料化验分析数据、装置运行状态数据、产品质量在线分析数据和环境监测数据等。数字孪生技术中需要利用机器学习技术，挖掘这些炼油化工装置的数据，获得新的知识，用于实现对物理实体运行状态的诊断、特定性质的预测，并用于指导装置的生产运行。以石脑油裂解炉为例，利用石脑油馏程、PINA和密度等物性数据和石脑油总进料量、稀释蒸汽流量、总平均裂解炉出口温度COT、裂解炉出口压力COP等运行参数，预测石脑油裂解炉裂解深度，建模方法包括： 决策树回归(DTR)，K-最近邻回归(KNR)，循环神经网络(RNN)，支持向量回归(SVR)和多层感知器(MLP)。

4)实时优化技术。物理实体和虚拟模型进行实时交互，并根据虚拟模型优化计算的结果指导装置的动态控制，使生产装置产生更大的经济效益，是数字孪生技术重要的应用方向，实时优化技术的应用可以实现该功能。该技术利用数学和机理模型，结合原料、产品和公用工程的市场价格，依据炼油、化工装置当前的运行状态和装置约束，实时模拟和优化装置操作参数，并将优化结果传送到先进控制系统APC(advanced process control)，达到装置效益提升或节能的目的。工艺技术人员输入实时优化计算所需的操作约束数据、原料分析数据和价格体系数据，实时优化系统RTO(real time optimization)会依据这些数据，并结合现场装置的实时运行数据进行优化计算，最终将优化计算结果传输给APC系统，将装置的运行控制到最优的操作点上，真正实现了炼油化工装置物理实体和虚拟模型的交互。

5)数字孪生软件平台技术。数字孪生技术的应用建立在软件平台基础之上的，可以充分利用云平台技术，集成应用管理、数据管理和模型管理等多个功能模块，同时借助可视化手段，例如： 虚拟现实技术VR(virtual reality)和现实增强技术AR(augmented reality)，使应用者快速了解系统的运行状态，做出准确的决策。基于云计算的装置优化与控制系统架构如图2所示，云平台系统架构由边缘层，IaaS，SaaS和PaaS四部分组成。在石油化工装置中边缘层主要包括工业控制网中的设备、分析仪表、DCS，以及APC和RTO等，为上层云计算提供装置运行的相关数据和状态，并接收上层信息用于装置的优化和控制。IaaS层包含计算与存储和网络与安全设备，计算资源、存储资源、网络资源和安全设备相互协作，为云计算平台提供有效资源支撑。SaaS层包含模型库、大数据和云服务，被部署到物理计算节点或虚拟计算节点上，为装置优化和控制的计算提供相关服务。PaaS层建立各种生产保障APP和智能决策APP，为用户提供交互操作环境，通过各种对业务数据的分析和展示，实现装置的数字孪生应用。

图2 基于云计算的装置优化与控制系统架构示意

2 石油化工行业数字孪生应用

2.1 基于数字孪生的装置级优化和控制

数字孪生驱动的生产装置优化和控制，通过建立物理实体装置高精度的虚拟模型，并建立两者之间的数据交互，虚实映射、交互融合，真正实现持续面向市场价格变化的装置级优化和控制，形成虚实共存的协同迭代优化模式，由过去被动响应市场价格变化的生产方式向主动应对转变，最终达到优化和控制的自主决策。

例如，基于数字孪生的乙烯裂解炉优化和控制中，裂解炉虚拟模型的计算过程中，数据采集、工况调整、参数估计或数据整定、优化计算、结果输出和生成优化报告等过程自动执行，模型根据工况实际条件，自动执行每一步的操作，并对不同执行结果做相应输出，模型根据设定时间间隔，反复循环执行，优化计算结果自动传递给物理实体中的APC系统，达到优化控制过程自主执行的目的。

利用数字孪生驱动的实时优化技术，在RTO和APC系统共同操作模式下，乙烯裂解装置在总投料负荷不变的情况下，效益约增加了3 000～4 000万元/年。数字孪生驱动的实时优化技术在不同炼油和化工装置中应用，都会为企业带来可观的经济效益，见表2所列。

表2 数字孪生驱动的实时优化技术在不同类型装置应用的平均效益 元/吨

2.2 基于数字孪生的仪表故障监测

炼油和化工装置仪表设备数量巨大、结构复杂、种类繁多。仪表是否能够正常运行直接影响到装置运行的安全性、可靠性和经济性。基于数字孪生的仪表故障监测，结合虚拟模型和装置物理实体仪表的运行数据，评估仪表的健康状态，给出相应的报警或提示，从而保证物理实体仪表安全高效的运行。

以乙烯裂解气在线分析仪为例，不同原料裂解气组成分布情况如图3所示，根据裂解气在线分析仪历史数据统计分析，可以得到C2，LPG，石脑油(NAP)和加裂尾油(SSOT)不同原料裂解气组成分布的箱线图，裂解气在线分析数据包括H2，CH4，C2H4，C2H6，C3H6和C3H8的摩尔分数。当裂解气在线分析仪出现故障时分析数据会脱离正常范围，从而造成虚拟模型计算产生偏差，甚至影响APC系统的控制效果。可以利用数字孪生系统及时发现问题，确保生产安全稳定的运行。

图3 不同原料裂解气组成分布情况示意

利用数字孪生的虚拟模型对炼油化工装置实体进行模拟计算，会根据仪表的标准偏差、测量值、模拟值以及绝对误差(模拟值-测量值)，计算每一块仪表的误差目标贡献值OBJ，如式(2)所示：

(2)

式中：Model——模型计算值；Scan——仪表测量值；STD——仪表标准偏差。

乙烯装置裂解气在线分析误差统计见表3所列，误差目标贡献值显示了对应仪表在虚拟模型中的偏差大小，误差目标贡献值越大，仪表偏差越大。表3中仪表AI05060B目标贡献值为131.34，为表格中偏差最大的仪表，在相信模型计算结果的前提下，需要检查乙烯装置裂解气在线分析仪物理实体的该分析项(甲烷摩尔分数)，及时消除仪表故障。

表3 乙烯装置裂解气在线分析仪误差统计

2.3 基于数字孪生的数字化交付

数字化交付以工厂对象为核心，在工程项目建设全周期过程中，按照业主的应用和管理要求，将数据、文档、三维模型等信息进行收集、关联、整合。通过数字化交付平台，将数据、文档、模型等以正向建模的方式搭建与物理工厂一致的工厂静态模型，并在项目结束后与物理工厂一并移交至业主。基于数字化交付形成的工厂静态模型，加载工厂运营管理中物料、能源、操作等生产业务产生的实时数据后，就形成工厂的 “数字孪生”。利用数字化交付形成的工厂静态模型，可在工厂投产前形成资产和工艺的信息标准，生产运营各业务可从中抽离出不同粒度、范围的数字模型，在实现数据统一的前提下满足不同的应用要求，为企业智能化和数字化转型提供数据支持。目前数字化交付已在中国石化集团公司各大工程建设项目开展。

数字化交付侧重基础数据的标准化、结构化静态数据积累。而数字孪生依托工厂信息化建设，通过智能工厂统一的工厂模型对组织结构，生产经营的物料、设备、安全、环保、管线、仪表等标准化，形成物理和虚拟工厂的数据一一对应关系，通过石化智云前端边缘云平台，为模型和应用提供支撑，智能工厂数字孪生与数字化交付交互关系如图4所示。图4中，工程设计阶段和工程施工阶段数字化交付内容包括： 工程项目管理数据，4D管道焊接数据，合同数据和电子招投标采购数据，三维模型标准要求，管道和设备数据采集要求。在数据层面，数字孪生与数字化交付在三维型模型、设备主数据和管线数据，设备和仪表编号上遵循统一的标准。

图4 智能工厂数字孪生与数字化交付交互关系示意

3 结束语

数字孪生技术在各个工业领域的成功应用，为该技术在石油化工企业智能工厂建设中的应用提供了可借鉴的经验。针对石油化工领域实现数字孪生应用需要融合装置模拟技术、传感和监测技术、机器学习技术、实时优化技术和数字孪生软件平台等技术。目前数字孪生相关技术已应用在智能工厂建设中，并取得了一定的应用效果，未来还需将各种技术深度融合，为中国石化炼油化工企业数字化转型提供先进的技术基础。