复杂系统数字孪生：数字孪生迈入智能时代.docx

数字孪生迈入智能时代 数字孪生具有不同的粒度。XMPro将不能进一步价值拆分的数字孪生称为单元数字孪生（discrete digital twin），在设计研发阶段，数字孪生以阵列、协作、递阶的形式组合形成复杂系统孪生；在产品寿命周期演进的过程中，设计孪生逐步与制造孪生、运营孪生结合，规模和复杂程度不断增大，包含的信息不断增多，如 REF _Re\h 图91所示。通过采集大量物理世界的信息，结合工业物联网、云和边缘计算、AI等前沿技术，数字孪生可以体现其自学习、自适应和自判断的能力，实现P – D – P（Physical-Digital-Physical）闭环反馈学习、从企业到部件级的实时优化、综合性和灵活性强的配置和调控、预见性维护等功能，持续为企业创造价值。 图 STYLEREF 1 \s 9 SEQ 图 \* ARABIC \s 1 1 数字孪生在产品寿命周期中的演进 REF _Re\r \h [1] 从实际出发，一步到位实现产品全寿命周期的数字孪生是不现实的，数字孪生的实现需要综合考虑价值、成本和软硬件条件，从一个或几个典型问题着手，其抽象程度应以实际用例的需求为准，实现利益增长之后再以点带面，稳步实现企业的数字化智能化建设。但我们在本章节不妨畅想一下，当数字孪生的长期战略部署实现时，它能够带来什么样的智能化转变。 GE作为全球能源制造行业的老牌领军者，也是企业数字化道路上的先驱。2012年率先提出工业互联网概念，2015推出了首个工业数据收集分析的工业互联网平台Predix。本章借助GE构想的智能电厂数字孪生，介绍在产品的运营阶段，智能化数字孪生的相关前沿技术和所能创造的价值。 用例背景 典型的IGCC（燃气 – 蒸汽联合循环）结构如 REF _Re\h 图92所示，IGCC电厂在运行过程面临着如下诸多挑战： 系统复杂，设备众多：IGCC电厂包含煤气化设备、高/低温气体冷却（HTGC/ITGC）设备、COS水解设备、颗粒物及气体污染物移除设备、燃气轮机、蒸汽轮机、余热锅炉（HRSG）、冷凝器等等设备。设备之间的耦合存在极强的非线性，给启动和调度带来了很大挑战。 能效与环保要求：提高能源的使用效率一直是燃气轮机制造商和电厂研发工作的核心，以更好地应对全球的能源紧缺和日益严峻的全球变暖形势。提高能效既需要设计阶段对材料、结构、系统等方面进行优化，也需要在运行期间对发电负荷、燃气轮机导叶角度、HRSG调温流量、汽轮机蒸汽入口温度等参数进行监测和调控。此外，面对越来越严重的大气污染，现代的电厂需要遵守非常严格的排放要求，使得电厂的经济调度更为复杂。 极限工作环境：作为燃机电厂最核心的部件，燃气轮机透平叶片需要在超过1400℃的高温下持续工作上千小时，且级别越高、效率越高的燃气轮机透平入口温度越高。极限工作环境一方面对设计端的材料和冷却技术提出了极高的要求，另一方面也需要在运行期间持续监控部件的热疲劳、热损伤情况，及时进行维护或更换，避免安全事故，减少计划外停机。目前电厂的维修和部件寿命预测还主要依赖于工作人员的经验。 实时运行状态调整：当今的能源市场上，化石燃料价格、用电需求、小时发电量、排放标准、可再生能源等市场因素都在不断波动，电厂的经济调度需要综合考虑多方面的不确定因素，包括环境因素，平衡能源资源和设备容量，保证发电功率的前提下尽可能地减少燃料消耗，降低运行成本。 图 STYLEREF 1 \s 9 SEQ 图 \* ARABIC \s 1 2 典型的IGCC循环 REF _Re\r \h [2] 不只是燃机电厂，各类工业企业都面临着类似的挑战。数字孪生能够帮助企业更好地应对这些挑战。 Physical-Digital Analytics 产品的制造过程和运营过程都会产生大量的、连续更新的数据，如状态数据、传感器读数（包括环境数据）、操作历史记录、构建和维护配置状态、序列化部件库存、软件版本以及其他企业服务信息等等。物理世界产生的数据被收集并反馈给数字孪生，在数字侧进行分析、总结并给出可操作建议，该建议反馈给物理世界执行，这就形成了闭环，如 REF _Re\h 图93以制造过程为例，给出了P-D-P闭环的示意图。实际上，在物理实体创建之后，任何层次、任何领域的数字孪生都将通过该闭环来创造价值。 图 STYLEREF 1 \s 9 SEQ 图 \* ARABIC \s 1 3 闭环制造数字孪生 REF _Re\r \h [3] 回到燃机电厂的例子， REF _Re\h 图94给出了GE智能电厂孪生的P – D – P闭环，其中数字侧以高精度的