数字孪生技术及其在炼油产业中的应用

仇美玲，李奇安

（辽宁石油化工大学信息与控制工程学院，辽宁 抚顺 113001）

随着综合国力提升，国内各企业为追求发展壮大，适应数字经济的迅猛发展，争取在行业中占据有利位置，需要不断进行业务创新，提升技术和核心竞争力，推动公司进行数字化转型［1～3］。近年来，数字孪生被应用在智慧矿山建设、互联网平台规划、起重机械的监督检验、航天航空发展、智能机场建设、产品设计制造等领域，为各产业数字化转型提供了借鉴［4～9］。数字孪生技术的应用使得石化产业炼油过程拥有更宽广的发展，远程监测指导、故障报警、故障预测、参数优化等正在逐步实现数字化管理，工作人员可以不亲临作业现场，不受时空约束，及时处理业务，提升办公效率［10，11］。

1 数字孪生概念及发展历程

1.1 概念

数字孪生技术是指建立对物理实体进行实时映射的虚拟孪生体，通过建立高精度还原物理实体的三维虚拟模型，对实体环境进行可视化，从而对物理实体的各项参数进行监视预测，基于市场价格对物理实体装置持续进行实时优化和控制，由以往的装置被动随市场改变而变化，转化为装置主动应对市场变化，做出最优化改变。

数字孪生利用建模软件构建虚拟物理模型，通过装置传感器获得设备运行数据，并对物理设备运行数据进行多学科、多维度、多层次、多概率的仿真，使得物理实体环境在虚拟空间中实时映射。虚拟模型不仅能对物理实体进行模仿，还能对未来行为进行预测，降低物理实体的风险［12］。

1.2 发展历程

2002 年，美国密歇根大学的Grieves（格里夫斯）教授［13］首次提出数字孪生三维模型，用来概括产品的全生命周期，包含数字孪生的真实空间、虚拟空间以及虚拟空间和真实空间的数据信息连接3个要素。2011年，美国空军实验室再次提及数字孪生，自此数字孪生概念开始有文字记载，被定义为“能够在虚拟信息空间反应物理实体的功能、实时状态和演变趋势［14］”。2012 年，美国空军实验室与美国国家航空航天局就飞行器问题进行研究，提出了多尺度、多物理场和多概率分布的数字孪生飞行器仿真模型［15］。2014 年，格里夫斯教授发表文章，系统讲述了数字孪生技术的应用前景，为数字孪生的发展普及提供了理论基础［16］。

2017 年，中国召开“第一届数字孪生与智能制造服务学术研讨会［17］”。同年，北京航空航天大学陶飞［18～21］教授在数字孪生经典三维模型的基础上增加了孪生数据和服务器2个要素，提出数字孪生的五维模型，首次将数字孪生技术结合车间进行研究，给出数字孪生车间的概念。于勇等［22］总结了数字孪生在产品构型中的应用。

庄存波等［23］对数字孪生的发展历程进行研究，系统概括了数字孪生技术内容，并提出了孪生体系结构。

2018 年，唐堂等［24］指出数字化转型是智能化制造的必由之路，并总结了数字孪生模型的结构框架。

2019 年，赵浩然等［25］从车间建模、数据管理、可视化、状态看板构建4 个关键技术入手，提出了数字孪生的生产车间三维可视化监控方法，对生产设备进行实时监控管理。

对于数字孪生的模型构架，除了三维和五维模型，Jay Lee［26］还提出了基于工业4.0 制造系统的信息物理系统5C 架构，各数字孪生理论模型构架见表1。

表1 数字孪生理论模型

不同领域的研究者对数字孪生有不同的定义和理解，文中参考陶飞教授提出的数字孪生五维理论模型，对数字孪生体的关键技术及其在石油化工产业的应用前景进行探讨。

2 数字孪生关键技术

以数字孪生体的五维模型为例，构造1个完整的数字孪生体系需要各软件模块相互协作。

（1）建模技术是关键所在，需要建立1 个能反映物理实体的虚拟数字模型来实现对物理实体状态的模仿；

（2）利用物联网技术实现虚实交互融合，做到数据的实时快速传输；

（3）利用仿真技术将特定性的规律通过模型转化成软件，实时反映物理实体的真实状态；

（4）需要通过机器学习技术实现对参数的训练预测，通过调整算法对设备进行优化控制。

整个孪生体系各组成要素之间的交互关系见图1。

图1 数字孪生体系

2.1 建模技术

搭建与物理实体结构功能相同的虚拟模型是实现数字孪生的关键，程昊等［27］基于物理生产线的多元数据，通过建模技术构建了生产线数字孪生模型，提供了规划到调试再到运行的全面可视化，数字孪生模型涉及三维建模、机理建模和动态建模。

在常用的GIS 建模、航拍建模、BIM 建模和手工建模几种三维建模方式中，BIM建模在工业建模更具优势，也是石化产业数字化转型建模的1种重要方式，包含AutoCAD、Navisworks、Infurnia、Vectorworks Architect、3D max等。常用软件特点对比见表2。

表2 数字孪生理论建模软件特点

孙长敏等［28］从某车间4 个角度阐述了数字孪生模型、概念和属性，利用3d max建模结合unity搭建车间数字孪生体，解决了车间交互性差、效率低和监测困难等难题。

汤健等［29］利用SolidWorks 软件搭建康复机器人物理模型，并导入Unity3D 平台接收来自传感器的实时数据驱动运行。

机理模型通过物理和数学公式表达模型内容，唐利民［30］对路面工程中的数字孪生模型进行讨论，指出准确的力学行为、机理表达公式和数学模型是数字孪生实时准确映射的关键。

黄华等［31］利用Simulink 建模工具建立了机理模型，基于LSTM 神经网络创建孪生数据驱动模型，2 者结合构成数字孪生系统，提高了模型的自适应度。

基于机器学习和深度学习的动态建模研究相对较少，成彬等［32］通过分析工序节点间的关联和属性，建立了数字孪生的工序动态模型，用来解决工序模型重建过程繁琐和效率低等问题；杨阳等［33］通过局部模型与全局模型相结合的方式构建电网的数字孪生体模型，借用李雅普诺夫优化中的虚拟队列概念进行构建优化，并采用深度学习算法降低模型损失和样本数据积压。

2.2 物联网技术

物联网技术是将物理空间与虚拟空间进行有效连接、实时采集数据并将数据进行分析、存储和高效运输的关键技术，可用工业以太网方式、串口方式、标签数据等方式采集数据，后采用TCP 等通信协议完成数据运输。刘俊等［34］使用OPC UA 进行网络通信和数据传输，利用Unity 实现孪生模型可视化，为机器人焊接工作站的数字化、智能化提供了新思路。

工业以太网采集方式主要用来采集配置内置网卡的设备的数据信息，借助工业交换机实现设备与服务器之间的以太网连接。目前，对于炼油设备的数据采集可以通过软件2 次开发的方式进行，通过软件2次开发包可以对数据信息进行较为全面的采集，还可以对设备进行较好的远程控制。串口方式进行数据采集即为通过各个串口进行数据通讯，常用Modbus 协议针对进行通讯的2 个终端设备间的各个参数（包括起始位、停止位、数据位等）实现数据较高速率传输。

标签［35］数据则是通过传感器对设备进行全生命周期监控，并将测量数据转为信息传递给处理单元，通过RFID 读取器发送的无线电波进行数据读取，从而达到数据采集的目的。在工业流程中，主要是对物料以及人员位置进行信息追踪，在设备及产品上都附有一维或二维码作为其标识，此产品标识便可以使工作人员快速准确的了解产品的数据信息及设备状态。

数据收集完成后，可通过建立数据库来对数据进行分析、存储，以便实现对数据的动态管理，常用的数据库有MySQL、Oracle、Postgre SQL、MongoDB等。

2.3 仿真技术

仿真将模型转化成软件，反映物理真实运行状态。其利用各软件平台，集成数据采集、数据管理、应用管理、模型管理等模块，并借助可视化手段，如VR、AR，使用户快速了解系统运行状态，做出相应决策。

可用于数字孪生的仿真平台种类多样，涉及C#、Python、MATLAB等多种语言。

西门子公司2017年发布了数字孪生体应用模型，西门子nx平台可用来进行数字孪生仿真［36］。

PTC 公司设计了Thing Worx 智能数字孪生平台［37］。

杨得军等［38］分析认为，Bentley 三维数字化工厂可提供三维可视化管理技术。

CE 公司推出可进行全生命周期预测的Predix平台［39］。

赵建峰利用达索公司的3D EXPERIENCE 数字化软件平台对数字化工厂进行设计和实践［40］。

林润泽等利用Simulink 仿真环境实现了数字孪生体系的仿真运行［41］。

2.4 机器学习技术

通过物联网技术使得物理实体和虚拟实体进行有效交互，运用实时采集的数据，通过机器学习技术，对未知规律进行预测，从而根据预测模型得到的结果，判断物理实体的运行状态以及故障报警。最后对物理实体进行指导改进，通过调整算法对参数进行控制优化，使设备产生更大的经济效益。

通过已知历史数据预测未知运行结果，常见的机器学习［42］建模方法有：随机森林、决策树、线性回归、逻辑回归、贝叶斯、支持向量机、最近邻居、神经网络等。结合材料成本、运行等条件约束参数以及工作人员输入的当前运行状态，模仿物理实体运行，实时优化系统RTO 会进行参数优化，并将优化结果传送到先进控制系统APC，使装置运行达到最优状态。

2.5 可视化管理

数字孪生系统涉及云计算、大数据等技术，其中实现虚拟模型的可视化极为重要。数字孪生体系的可视化平台即为在虚拟世界里建立的真实世界的平台，在此平台里我们可以看到真实世界的状态甚至于超越当下的表现。

市面上常见的数字可视化平台有Smartbi、山海鲸可视化、帆软等。近年来，Unity［43］推出了数字孪生应用，可通过将建造的三维模型导入Unity 进行虚拟模型可视化。Unity具有面向不同专业的可嵌入产品，例如面向建筑行业人员的Reflect，通过Reflect 可以将行业软件中的并用数据导入Unity中，并建立实时同步的数据连接。ArtEngine 是面向艺术家和设计师的1 款产品，MARS 是面向AR开发者的1项开发工具，Furioos可将数字孪生发布到任何设备或嵌入到任何网页中，Simulation 对于应用仿真极具价值，还包括AR、VR等应用，都为数字孪生的开发提供了丰富的应用工具。

根据上述数字孪生关键技术，可总结出1套理论可行的数字孪生体系，首先采集数据并应用MySQL 对数据进行存储，通过TCP 协议将数据传输到脚本语言程序，驱动利用3D max 建立并嵌入到Unity 的三维模型，从而实现虚拟世界对现实世界的模仿以及预测，见图2。

图2 数字孪生体建模流程

3 炼油产业中的数字孪生应用

石油化工领域的数字孪生正在悄然兴起，王晨光［44］对石化行业数字化转型中的数字孪生技术应用前景进行了展望，并总结了当前面临的机遇和挑战；陈钢［45］基于快速发展的数字孪生技术，总结了其在石化行业的应用，并对油气勘探，管道运输，石油炼制等领域的应用逐一进行了分析；王华等［46］分析数字化工厂的未来发展趋势，基于炼油化工企业设计了1套数字化平台，对三维数字化工厂提出保真性、实时性和可扩展性的建议。

3.1 远程监控和故障报警

石油炼制过程工艺复杂，数据繁多，通过智能算法对设备运行的历史数据进行分析，并对重点关注区域进行红外成像，从而构建出1个能够实时反映炼化装置运行、维护等全生命周期过程的虚拟模型，实时映射炼油现场生产过程，对设备的进出料、流量压力等进行高度模仿。

炼油过程离不开专业人员的指导，但往往会存在一些原因使得专业人员不能及时赶到生产现场，从而导致施工延误和资源浪费。

通过建立炼油设备数字孪生体，学习物理设备的动作规律，可视化设备运行环境，使得工作人员能够及时准确接收到设备运行信息，实现对设备运行的远程监控。

炼油各设备装有压力传感器、温度传感器、流量传感器等，实时采集设备运行数据并传输给3D模型驱动仿真，使得数字孪生远程监控不同于传统的监控设备，其不仅能对炼化工厂进行整体监控，还能对每个设备运行过程进行全方位的实时模拟，模拟结果清晰地展示在PC 端，专业人员不用亲临现场便可以了解到设备运行的全面状况并对设备调整进行线上远程指导，节约时间和成本、提高效益。

文献［47］结合虚实数据，提出了1种基于贝叶斯网络虚实结合的数字孪生驱动故障诊断模型，实现对系统的实时监测和故障预警。对炼化装置实时监测和故障报警可在一定程度上减少上述问题的发生，将机器学习技术融入数字孪生，对大型复杂炼化装置产生的大量数据进行分析处理，对比虚拟模型和物理实体运行数据，当数据序列差超过允许范围时，表明运行产生故障，报警装置给出相应提示，根据提示进一步确定故障原因。

3.2 故障预测和设备运维

设备是石油化工产业炼油的关键，对设备的全生命周期管理至关重要，基于动态模式分解的数据驱动数字孪生模型能够根据实测数据预测未来状态，并助于建立安全高效和低成本的运行策略，数字孪生技术利用模型和数据相结合的方法还可以弥补传统PHM方法预测的不足［48］。数字孪生体在对炼化设备进行实时映射的同时，会通过人工智能算法对历史数据、运行数据、经验数据等进行分析，创建数学预测模型并训练模型的精确度，最后利用历史运行规律和现有数据预测未知数据，探索炼油设备的全生命周期，提前发现物理设备未来可能会发生的问题［49］。

例如由Fluen 软件模拟储罐温度场监视预测孪生模型系统［50］，将传感器与数字孪生技术相结合，综合考虑模型层、数据层、应用层等结构，实现状态监视和故障预测；针对炼化设备和中游产业的运输管道存在的腐蚀泄露问题，可基于腐蚀大数据建立设备孪生体，实时映射实体状态，分析预测腐蚀风险，得出设备腐蚀程度和腐蚀位置，工作人员根据预测得结果，对设备进行故障排查和维修，保障设备最高运作率及最长使用年限［51，52］。

3.3 设备控制和参数优化

数字孪生在产业数字化转型中的优势包含分析、监视、预测、优化等方面，搭建数字孪生体可以实现设备运行参数的优化。通过炼化装置实体和虚拟模型的交互融合，物理实体的实时数据会传递给虚拟模型，虚拟模型的预测数据同样可以反馈给物理实体装置，控制实体运作。建立炼化装置的数字孪生体数学和机理模型，应用智能控制算法和神经网络、深度学习等理论知识，可以对不同进出料、不同流量、不同温度等条件和约束下的炼油方案进行模拟运行，对比各条件下的运行结果得出最优化方案，将优化结果传递给先进控制系统，实现利益最大化。

数字孪生的优化功能在当前的多发展领域被学者广泛研究，文献［53，56］对数字孪生的优化功能进行了主要分析研究，针对机身对接问题搭建了融合控制算法和优化策略的数字孪生系统，优化了对接精度。

文献［57，58］提出了1 个基于计算流体力学技术的数值模型，用来了解设备工作状态，研究自主流入控制装置的动态行为。

文献［59，60］应用物联网、实时数据、人工智能等技术建立了油气生产优化预测模型，并指出数字孪生的油气生产系统效率较之前提高了30%。以上等领域数字孪生优化模型的成功应用为其在炼化产业的发展提供了借鉴。

4 结束语

文中从数字孪生的概念及其发展历程出发，结合国内外研究现状，归纳了数字孪生的关键技术，以及常见的应用软件，并对不同软件方案进行优劣对比，总结出利用物联网技术进行虚实交互和数据采集，通过TCP 等协议进行数据高质量传输，使用3d 建模软件对物理设备建模并导入Unity引擎进行可视化的整个数字孪生体系。结合数字孪生的作用及其在其他行业应用所带来的优势，分析了其应用在炼油产业所能带来的效益，以期为后续数字孪生体系的建造有所帮助。

目前，数字孪生关键技术在石化炼油产业的应用已初见成效，但距离全部技术成熟使用和大范围推广还面临着许多困难和挑战。例如，由于炼化装置的复杂性，使得数字孪生体系的建模精度达不到理想的条件；由于数字孪生兴起时间不长，使得其并没有统一的理论体系，在各个行业有着不同的定义，难以互通共用；炼化过程中会产生大量的运行数据，没有固定安全的平台存放数据，网络数据安全存在一定的风险。

未来还需将各种技术深度融合，利用机器学习、深度学习、神经网络等提高数字孪生体系的精确度，力争搭建通用的数字孪生体系，使其能在多个过程中重复使用，以降低成本。提高数字孪生体系的自主学习和决策能力，优化递代过程，最大化炼油产业的效益，实现石化产业数字化转型。