一、項目背景

1、企業(yè)簡介

恒力石化股份有限公司是世界500強企業(yè)恒力集團的核心上市子公司，于2016年在上海證券交易所主板上市。恒力集團2019年總營收5567億元,現(xiàn)位列世界500強第181位、中國企業(yè)500強第46位、中國民營企業(yè)500強第8位、中國制造業(yè)企業(yè)500強第13位，獲國務院頒發(fā)的“國家科技進步獎”和“全國就業(yè)先進企業(yè)”等殊榮。

公司具備國家高新技術企業(yè)資質(zhì)，行業(yè)創(chuàng)新核心技術專利達146項，牽頭工信部智能制造新模式應用項目，公司所在大連市為上年度國務院表揚激勵的工業(yè)穩(wěn)增長和轉(zhuǎn)型升級成效明顯市。

目前，恒力石化在工業(yè)互聯(lián)網(wǎng)基礎建設方面已初見成效，現(xiàn)已實現(xiàn)生產(chǎn)自動化、DCS閉環(huán)控制全覆蓋；基礎網(wǎng)絡、通信、調(diào)度、廣播等系統(tǒng)已實現(xiàn)“融合通信”，視頻監(jiān)控系統(tǒng)實現(xiàn)了廠區(qū)無死角式全覆蓋；ERP、MES、設備管理、安環(huán)、LIMS等上層應用系統(tǒng)已經(jīng)進入深化應用階段。

2、項目情況

基于工業(yè)互聯(lián)網(wǎng)平臺的流程行業(yè)生產(chǎn)線數(shù)字孿生系統(tǒng)，建設周期2019.6-2021.12，實施單位為恒力石化股份有限公司、國家工業(yè)信息安全發(fā)展研究中心、中國化工經(jīng)濟技術發(fā)展中心、北京航空航天大學、北京化工大學、北京綏通科技發(fā)展有限公司、蘇州恒力智能科技有限公司、中科數(shù)智（北京）科技有限公司、恒力石化（大連）煉化有限公司、恒力石化（大連）有限公司、恒力石化（大連）化工有限公司。項目立項的必要性如下：

一是智能制造戰(zhàn)略落地與創(chuàng)新性應用的需要

實現(xiàn)智能制造是世界制造業(yè)轉(zhuǎn)型升級的重大趨勢，但踐行智能制造研究與實施中的重點和難點是如何解決物理世界和信息世界之間交互與共融?；诠I(yè)互聯(lián)網(wǎng)平臺的數(shù)字孿生生產(chǎn)線通過物理生產(chǎn)線與虛擬生產(chǎn)線的雙向真實映射與實時交互，達成生產(chǎn)線生產(chǎn)和管控最優(yōu)，是智能制造戰(zhàn)略真正落地的抓手，是智能制造創(chuàng)新性應用的新模式。

二是流程行業(yè)轉(zhuǎn)型升級與高質(zhì)量發(fā)展的要求

流程行業(yè)中的石化行業(yè)具有安全形勢嚴峻、環(huán)保標準嚴格、人工成本高以及能耗物耗成本高等特點，行業(yè)轉(zhuǎn)型升級需求迫切?；诠I(yè)互聯(lián)網(wǎng)平臺的數(shù)字孿生生產(chǎn)線系統(tǒng)，能夠?qū)⑸a(chǎn)線的信息世界與物理世界深度融合，實現(xiàn)企業(yè)“人、機、料、法、環(huán)、測”全要素的智能感知互聯(lián)、實時交互與控制，支撐企業(yè)智能協(xié)作和提供更加精準的服務，加快轉(zhuǎn)型升級。

三是石化企業(yè)提質(zhì)增效與可持續(xù)發(fā)展的需要

受新能源應用和市場影響，石化企業(yè)正走向“煉油化工化”，面向燃料油的大批量的生產(chǎn)模式轉(zhuǎn)向多品種小批量化工生產(chǎn)模式?；诠I(yè)互聯(lián)網(wǎng)平臺，建立面向原料、產(chǎn)品需求、公用工程約束頻繁變化的煉油生產(chǎn)過程數(shù)字孿生系統(tǒng)，能夠適應 “煉油化工化”新模式，實現(xiàn)石化企業(yè)提質(zhì)增效、安全平穩(wěn)運行的可持續(xù)發(fā)展目標。

圍繞流程行業(yè)智能化轉(zhuǎn)型升級的迫切需求，首先完善基于工業(yè)互聯(lián)網(wǎng)平臺的流程行業(yè)生產(chǎn)線數(shù)字孿生系統(tǒng)體系架構，并以此為指導，面向流程行業(yè)產(chǎn)品與生產(chǎn)線感知、分析、決策和執(zhí)行等過程建立數(shù)字孿生對象模型。通過研究信息物理融合計算方法，提升多時空尺度模型的統(tǒng)一計算求解能力，時間尺度覆蓋秒、分、小時，空間尺度覆蓋設備、工序、產(chǎn)線、數(shù)字孿生系統(tǒng)，優(yōu)化關鍵工藝性能指標的模型預測功能。在此功能的基礎上，進一步完善支持物料配方優(yōu)化、工藝參數(shù)設計與仿真、生產(chǎn)過程建模與控制、設備故障診斷與遠程運維等關鍵場景應用的數(shù)字孿生解決方案，服務石化等流程行業(yè)。

生產(chǎn)線數(shù)字孿生系統(tǒng)的目標是通過物理生產(chǎn)線與虛擬生產(chǎn)線的雙向真實映射與實時交互，達成生產(chǎn)線生產(chǎn)和管控最優(yōu)。要實現(xiàn)該目標，需要以生產(chǎn)實時數(shù)據(jù)為驅(qū)動、數(shù)字孿生模型為引擎、數(shù)字孿生應用為抓手。

二、項目實施

依托工業(yè)互聯(lián)網(wǎng)平臺，基于工業(yè)互聯(lián)網(wǎng)平臺的流程行業(yè)生產(chǎn)線數(shù)字孿生系統(tǒng)提供基于數(shù)字孿生技術的物料配方優(yōu)化、工藝參數(shù)設計與仿真、生產(chǎn)過程建模與控制、產(chǎn)品質(zhì)量管理、設備故障診斷與遠程運維、腐蝕管理6個解決方案。

（一）物料配方優(yōu)化

物料配方解決方案適用于原料、產(chǎn)品需求變化較多的生產(chǎn)線，主要方法為多模型優(yōu)化控制和質(zhì)量卡邊優(yōu)化。

多模型優(yōu)化控制一般用于生產(chǎn)過程非線性、原料性質(zhì)變化、負荷變化、產(chǎn)品加工方案等對軟測量模型和控制模型的參數(shù)有較大影響時，能夠提高優(yōu)化的適應性，解決多樣化的原料來源和產(chǎn)品需求問題。通過對優(yōu)化性能、控制（動態(tài)調(diào)節(jié)）性能、模型預估性能和過程干擾性能進行分析和報告，控制工程師可以根據(jù)這些結(jié)果來確定控制器性能的改變并改善控制器性能，如下圖所示：

圖1 數(shù)字孿生系統(tǒng)物料配方優(yōu)化解決方案示意圖

但石化生產(chǎn)過程物料變化頻繁、裝置耦合復雜、多層次運行，物質(zhì)轉(zhuǎn)化和能量傳遞機理復雜，傳統(tǒng)的機理建模往往難以精確描述復雜過程物質(zhì)流和能量流耦合、傳遞與反應等關系；數(shù)據(jù)驅(qū)動的建模由于缺乏過程單元內(nèi)部結(jié)構和機理信息，嚴重依賴于數(shù)據(jù)樣本的數(shù)量和質(zhì)量，難以對過程機理進行深層次的分析和解釋。但是，機理分析有利于抓住過程的本質(zhì)特征和主要矛盾，獲得有效的模型結(jié)構；數(shù)據(jù)驅(qū)動的方法則可以自動獲取潛藏在數(shù)據(jù)中的信息和知識。

本解決方案綜合二者的優(yōu)點，采用人工智能方法挖掘海量工業(yè)數(shù)據(jù)內(nèi)在的知識信息，建立融合數(shù)據(jù)和機理分析的混合模型，解決石油化工生產(chǎn)過程模型隨原料和產(chǎn)品加工方案變化的難題，開發(fā)出面向原料、產(chǎn)品需求變化的石油化工生產(chǎn)過程數(shù)字孿生模型，對優(yōu)化性能、控制（動態(tài)調(diào)節(jié)）性能、模型預估性能和過程干擾性能進行分析和報告，控制工程師可以根據(jù)這些結(jié)果來確定控制器性能的改變并改善控制器性能。方案如下圖：

圖2 煉油過程多維度多層次知識提取和模型描述體系和模型建立示意圖

基于面向原料、產(chǎn)品需求頻繁變化的多模型描述體系和模型學習方法，本方案在優(yōu)化控制中實現(xiàn)產(chǎn)品質(zhì)量指標、控制模型的多模型切換控制，并實現(xiàn)卡邊優(yōu)化。方案如下圖所示：

圖3 面向原料、產(chǎn)品需求變化的在線多模型優(yōu)化控制和質(zhì)量卡邊優(yōu)化示意圖

1.案例定位

2.案例優(yōu)勢分析

本案例依托工業(yè)互聯(lián)網(wǎng)平臺，融合過程機理和裝置運行特性，建設具有良好精度的軟測量模型，實現(xiàn)實際生產(chǎn)流程在虛擬空間中的孿生，利用智能優(yōu)化算法求解熔融指數(shù)和等規(guī)度最優(yōu)參數(shù)，虛擬空間模擬仿真結(jié)果與物理空間操作優(yōu)化的交互，為裝置實際生產(chǎn)進行牌號切換提供優(yōu)化運行指導。

牌號切換是一項復雜的過程，各種生產(chǎn)變量之間存在強烈的關聯(lián)和耦合，操作者需要調(diào)節(jié)多種生產(chǎn)操作條件的方法來達到牌號切換的目的。在過渡過程中會造成原料和能量的損失，減少過渡時間和過渡料量是牌號切換的優(yōu)化目標。

本案例根據(jù)陶氏化學Unipol聚丙烯流化床生產(chǎn)工藝的原理，將聚丙烯氣相流化床工藝的109種牌號產(chǎn)品性質(zhì)和生產(chǎn)條件進行收集，構建了聚丙烯牌號產(chǎn)品數(shù)據(jù)庫，為各牌號的聚丙烯產(chǎn)品之間的切換建立了配方模板，并以多種形式將聚丙烯牌號關鍵指標進行展示。

圖4 牌號數(shù)據(jù)庫查詢界面

3.實施步驟及路徑

本案例依托于恒力工業(yè)互聯(lián)網(wǎng)平臺，利用java spring框架結(jié)合HTML和JS技術自主研發(fā)了基于B/S架構聚丙烯裝置的牌號管理與配方優(yōu)化系統(tǒng)，旨在對聚丙烯牌號切換的過渡過程進行仿真，使工藝用戶能夠了解牌號切換時關鍵參數(shù)的變化軌跡，深刻理解切換過渡過程各工藝變量對熔融指數(shù)和等規(guī)指數(shù)兩個產(chǎn)品決定性指標的影響。重點開發(fā)了聚丙烯氣相流化床系統(tǒng)靜態(tài)機理模型，并通過梯度下降，PSO等優(yōu)化技術對熔融指數(shù)、等規(guī)度機理方程組進行優(yōu)化求解，從而構建了熔融指數(shù)和等規(guī)度的軟測量模型。本案例對牌號切換的過渡過程進行推演從而可以優(yōu)化操作，減少過渡產(chǎn)品進而提高經(jīng)濟效益。

（1）建立聚丙烯關鍵質(zhì)量指標軟測量模型。

依據(jù)聚丙烯反應機理，通過ip21數(shù)據(jù)庫接口，lims數(shù)據(jù)庫接口獲取聚丙烯裝置的生產(chǎn)數(shù)據(jù)和產(chǎn)品質(zhì)量分析數(shù)據(jù)。將獲取的數(shù)據(jù)構建成輸入輸出數(shù)據(jù)集，利用梯度下降和PSO優(yōu)化技術辨識出熔融指數(shù)、等規(guī)度指標的機理模型。

（2）建立聚丙烯物產(chǎn)品牌號數(shù)據(jù)庫

調(diào)研并收集Unipol工藝包中的109種牌號的產(chǎn)品性質(zhì)和操作條件數(shù)據(jù)，將這些數(shù)據(jù)存入聚丙烯孿生系統(tǒng)配置的mysql數(shù)據(jù)庫中開發(fā)牌號管理數(shù)據(jù)系統(tǒng)實現(xiàn)支持數(shù)據(jù)增、改、刪、查的人機交互功能。

（3）建立聚丙烯牌號模板和操作切換軌跡演示

根據(jù)Unipol聚丙烯裝置工藝包的操作條件，建立各個牌號的配方模板。實現(xiàn)牌號切換人機交互界面，切換過程中將配方模板數(shù)據(jù)輸入聚合反應靜態(tài)機理模型，利用機理模型對牌號切換過程進行仿真，并以趨勢圖的形式將仿真結(jié)果進行展示，輔助進行生產(chǎn)過程牌號切換操作優(yōu)化，減少過渡周期，降低過渡過程的成本消耗，提高收益。

4.案例推廣應用價值

聚合物反應系統(tǒng)牌號管理具有潛在價值的應用系統(tǒng)，工業(yè)聚丙烯裝置，通過改變其操作條件，可以生產(chǎn)各種牌號的聚丙烯產(chǎn)品。當從一種牌號切換到另一種牌號時，切換時間長，將產(chǎn)生大量附加值低的過渡產(chǎn)品。如果利用程序使過渡過程時間和過渡料數(shù)量減至最小是一個十分重要的研究內(nèi)容。建立聚丙烯反應器的動態(tài)機理模型，結(jié)合配方模板模擬，可以實時的預報聚丙烯的熔融指數(shù)，等規(guī)度等重要產(chǎn)品質(zhì)量指標的切換趨勢，從而對于工藝人員優(yōu)化牌號切換操作具有重要的指導作用。并可以在此基礎上，提高對產(chǎn)品牌號切換過程進行的優(yōu)化控制，提高專用料的生產(chǎn)量，進而提高裝置的經(jīng)濟效益。因此基于工業(yè)互聯(lián)網(wǎng)的聚丙烯的牌號管理與配方管理數(shù)字孿生系統(tǒng)是具有潛在的推廣價值與市場價值的。

（二）工藝參數(shù)設計與仿真

工藝參數(shù)設計與與仿真解決方案依賴于過程的數(shù)據(jù)模型，模型參數(shù)的準確性影響化工過程數(shù)學模型的精確度，而化工過程的數(shù)學模型往往是非線性的，這些非線性方程中的參數(shù)有些是無法測量或是非常難測量的，尤其是針對具有多單元、多生產(chǎn)線的工藝流程的裝置。

因此，需要采用模型參數(shù)的智能化擬合技術來建立精準的裝置全流程模型，本方案結(jié)合初始化反應動力學參數(shù)，并通過智能感知、采集獲取生產(chǎn)過程操作數(shù)據(jù)，基于數(shù)字孿生系統(tǒng)，使用流程模擬軟件建立通用的石化行業(yè)高精度、自適應、自學習的數(shù)字孿生過程模型，指導工廠工藝參數(shù)調(diào)整與設計。方案如下圖所示：

圖5 數(shù)字孿生系統(tǒng)工藝參數(shù)設計與仿真模型建立解決方案示意圖

1.案例定位

2.案例優(yōu)勢分析

PTA生產(chǎn)線的數(shù)字孿生方案自下而上依次是裝置和基礎模型層、操作優(yōu)化層。裝置實時數(shù)據(jù)通過數(shù)據(jù)接口送至機理模型層，結(jié)合智能算法對模型關鍵參數(shù)進行校正，給模型準確度提供了基本保證。在模型基礎上，結(jié)合操作條件敏感度分析，建立各操作條件與關鍵產(chǎn)品的產(chǎn)量或性質(zhì)之間的非線性對應關系，并對關鍵信息進行實時預測。同時采用智能優(yōu)化算法對當前工況進行優(yōu)化，找到滿足約束的最佳操作條件并用圖形化界面輸出。

圖6 PTA生產(chǎn)線數(shù)字孿生方案示意圖

（1）數(shù)字孿生模型層

該層的主要功能是提供氧化和加氫裝置的機理模型和機理模型參數(shù)校正。

裝置的機理模型是化工過程的一種數(shù)學表達，其核心在于化工過程的傳質(zhì)、傳熱和反應基本原理，可用于預測不同工藝條件下裝置的運行狀態(tài)、產(chǎn)品性質(zhì)和收率等。一般來說，PTA裝置主要包括PX氧化和CTA加氫精制等單元。其中反應裝置是PTA裝置的核心，氧化反應主要功能在于將PX原料轉(zhuǎn)化為CTA，加氫精制反應主要功能在于將CTA轉(zhuǎn)化為PTA產(chǎn)品。

反應裝置機理模型的核心動力學一般是基于小試實驗得到，因而往往難以直接移植到工業(yè)裝置中。準確的工業(yè)級機理模型必須以工業(yè)運行數(shù)據(jù)為基礎，對關鍵動力學參數(shù)進行修正。PTA裝置在實際操作過程中，操作工況的改變雖不會改變過程機理，但對催化劑的要求、反應過程的傳質(zhì)、傳熱平衡影響較大，一套固定的動力學參數(shù)通常無法對各種工況完全描述準確。在模型運行過程中，通過實時采集裝置運行數(shù)據(jù)與模型計算結(jié)果進行比較，以誤差作為反饋，實時對模型關鍵參數(shù)進行校正，使PTA裝置數(shù)字孿生模型的準確性大大提高。

準確的裝置模型是優(yōu)化技術的基礎，也是核心?；跈C理開發(fā)的裝置模型依賴于對過程的深入理解，包括各操作條件間相互關系、對過程的影響以及定量描述等，使得模型符合實際工藝過程，為下一步裝置關鍵信息實時預測提供準確、有效的模型基礎。

（2）工藝操作參數(shù)優(yōu)化

工藝操作參數(shù)優(yōu)化的功能主要是考慮裝置運行過程中各單元之間的聯(lián)系和約束，如加氫精制結(jié)晶器蒸汽與預熱蒸汽的供應關系等，采用智能優(yōu)化方法使PTA裝置整體在滿足產(chǎn)品合格率的情況下實現(xiàn)目標產(chǎn)品收率或效益最大化。

根據(jù)PTA裝置關鍵指標最優(yōu)化為目標要求，需要根據(jù)不同單元在不同的運行狀況下的約束模型對PTA裝置進行優(yōu)化。由于PTA裝置涉及的關鍵單元多，某個單元的操作條件變化會對上下游裝置帶來很大影響，在運行過程中，隨著運行時間的推移和工業(yè)裝置及工藝特性變化，各單元的約束條件也在實時的發(fā)生變化。PTA裝置的優(yōu)化需要同時優(yōu)化變量篩選、目標計算、優(yōu)化算法等。

3.實施步驟及路徑

給出具體的項目實施步驟，分析每個實施步驟的實施細節(jié)，涵蓋運用的具體技術及使用的軟硬件工具。

本案例從恒力石化PTA生產(chǎn)過程以及工業(yè)互聯(lián)網(wǎng)平臺建設需求出發(fā)，針對PTA生產(chǎn)過程數(shù)字孿生模型和全流程優(yōu)化控制中存在的問題，對PTA裝置實施融合機理和運行特性的全流程智能優(yōu)化技術，真實再現(xiàn)工藝裝置的流程信息，實現(xiàn)對工藝裝置的可視化的洞察，包括對能量、質(zhì)量的平衡、物流組成、操作條件、性能指標的了解，對不同工況的仿真和預測，對實時生產(chǎn)操作條件指導等，重點研發(fā)了PTA裝置數(shù)字孿生建模、模型自動校正與實時仿真、工藝參數(shù)操作優(yōu)化技術，從而幫助企業(yè)的各個部門實現(xiàn)多方位的協(xié)作，實現(xiàn)企業(yè)的安全穩(wěn)定長周期滿負荷優(yōu)化運行，實現(xiàn)企業(yè)生產(chǎn)的最大經(jīng)濟效益，提高競爭力。

1）PTA裝置機理模型開發(fā)

根據(jù)恒力石化PTA生產(chǎn)裝置的具體工藝流程，采用.net core框架自主開發(fā)PX氧化和CTA加氫精制的機理建模，實現(xiàn)裝置生產(chǎn)模擬。具體內(nèi)容如下：

1. 機理模型構建： 基于氧化反應過程和加氫精制反應過程基本原理和裝置特性建立能反映原料性質(zhì)、工藝參數(shù)與產(chǎn)品性質(zhì)之間關系的全流程機理模型。

2. 模型自動校正： 在機理模型基礎上，基于裝置實時運行數(shù)據(jù)，根據(jù)模擬計算預測結(jié)果與實際運行數(shù)據(jù)之間的偏差，調(diào)用智能優(yōu)化算法，以偏差最小化為優(yōu)化目標，獲得模型最佳參數(shù)。

2）生產(chǎn)裝置實時仿真與工藝參數(shù)操作優(yōu)化

在工藝機理模型自動校正和運行數(shù)據(jù)實時更新的基礎上，實現(xiàn)裝置模型實時仿真。同時，對影響生產(chǎn)過程的關鍵變量進行辨識，結(jié)合市場信息，構建效益最大化目標函數(shù)，并確定約束范圍，利用高效的智能優(yōu)化方法實現(xiàn)工藝操作參數(shù)優(yōu)化。

1. 通過機理模型自動校正，實現(xiàn)模型實時仿真，并與實際運行結(jié)果進行實時對比展示。

2. 全流程關鍵影響因素辨識與效益模型：基于過程模型和實際運行數(shù)據(jù)，采用主元分析方法、靈敏度分析方法結(jié)合專家經(jīng)驗知識，從大規(guī)模數(shù)據(jù)中辨識出影響過程關鍵指標的變量并確定其變化范圍，在此基礎上，綜合裝置實際運行信息，建立工藝指標最優(yōu)化模型。

3. 裝置操作優(yōu)化：從經(jīng)濟效益角度出發(fā)，根據(jù)實際裝置情況和當前PTA產(chǎn)品價格，在不同的進料以及工藝參數(shù)條件下通過模型和優(yōu)化算法優(yōu)化得到價值最大化的裝置相應操作條件。對產(chǎn)品關鍵指標、裝置能耗進行預測，并與當前產(chǎn)品質(zhì)量、裝置能耗的實際值比較，累計得到模型的偏差小時平均值，同時結(jié)合當前產(chǎn)品價格，以最大化凈利潤為目標，獲得最優(yōu)裝置操作條件，并根據(jù)模型的偏差平均值對操作條件進行校正，校正后的結(jié)果經(jīng)過限幅處理后，作為裝置操作優(yōu)化的參考值。

3）PTA全流程數(shù)字孿生工業(yè)互聯(lián)網(wǎng)平臺構建

在PTA全流程數(shù)字孿生模型、優(yōu)化方法的基礎上，開發(fā)工業(yè)互聯(lián)網(wǎng)平臺，實現(xiàn)以下功能：

1. 數(shù)字孿生模型構建與在線滾動校正

   開發(fā)PTA氧化和加氫工段的機理模型，通過接口技術將實時數(shù)據(jù)庫、LIMS數(shù)據(jù)等現(xiàn)場數(shù)據(jù)接入模型，調(diào)用智能優(yōu)化算法，實現(xiàn)機理模型在線自動校正，提升單裝置和全流程模型的準確性。

2. 工藝流程操作參數(shù)優(yōu)化以單裝置/全流程效益最大化或單位能耗最小化等為指標構建優(yōu)化目標函數(shù)，開發(fā)適應工業(yè)海量數(shù)據(jù)的高效優(yōu)化器，可根據(jù)目標函數(shù)和指定操作變量、約束條件，調(diào)用機理模型進行求解，并輸出優(yōu)化后的操作條件，提升企業(yè)生產(chǎn)效益。

3. 結(jié)果發(fā)布

   在上述功能基礎上，開發(fā)結(jié)果發(fā)布的功能，采集DCS實時數(shù)據(jù)、LIMS數(shù)據(jù)等現(xiàn)場數(shù)據(jù)，采用接口技術將數(shù)據(jù)送入模型，通過模型參數(shù)優(yōu)化程序等實現(xiàn)模型的實時校正。在準確模型的基礎上，通過調(diào)用優(yōu)化器優(yōu)化過程操作條件。同時，將上述信息顯示并發(fā)布到工業(yè)互聯(lián)網(wǎng)平臺。

4)案例展示

PTA仿真優(yōu)化系統(tǒng)主要包括兩部分，第一部分是模型仿真，主要用來驗證模型在長周期運行下的精度和自動校正功能。第二部分是裝置操作優(yōu)化，主要以裝置關鍵指標為優(yōu)化目標，裝置的溫度、壓力、進料量等變量為操作條件，裝置瓶頸為約束條件，調(diào)用自主開發(fā)的智能優(yōu)化器進行優(yōu)化，并輸出優(yōu)化結(jié)果和優(yōu)化后的操作方案。

1. 仿真系統(tǒng)

   仿真系統(tǒng)以機理模型為核心，采用接口技術將現(xiàn)場工藝數(shù)據(jù)實時送入模型中，并將模型計算結(jié)果與實際結(jié)果進行對比。當工況發(fā)生變化時，自動觸發(fā)模型校正機制，對模型關鍵參數(shù)進行校正，保證模型在長周期運行中的準確性，為優(yōu)化系統(tǒng)提供準確的模型基礎。仿真系統(tǒng)的部分結(jié)果對比如下圖所示，圖中給出了氧化過程產(chǎn)品關鍵指標4-CBA含量的模擬輸出結(jié)果和實際結(jié)果的對比曲線，可以看出，模型模擬結(jié)果與實際結(jié)果非常接近，且在長期運行情況下能夠及時對模型參數(shù)進行校正。

   
   

   

   圖7 氧化過程出口4-CBA質(zhì)量分數(shù)對比曲線示意圖

2. 操作優(yōu)化系統(tǒng)

圖8 操作優(yōu)化系統(tǒng)示意圖

操作優(yōu)化系統(tǒng)同樣以機理模型為核心，采用接口技術與智能優(yōu)化算法求解器集成。工藝人員可以按需給定操作條件、約束條件的上下限，調(diào)整優(yōu)化迭代次數(shù)，最終通過優(yōu)化器調(diào)用模型求解計算出最優(yōu)的操作條件。操作優(yōu)化系統(tǒng)的部分界面如上圖所示，其中，包括操作條件上下限的輸入、約束條件的輸入、優(yōu)化目標選擇等權限，可以進行調(diào)整和模擬。優(yōu)化求解采用一鍵式求解，優(yōu)化結(jié)果采用報表形式輸出，下圖為工藝員在以氧化裝置醋酸單耗最小為目標，以進料量和反應溫度為操作條件進行的優(yōu)化求解結(jié)果，可以看出，優(yōu)化結(jié)果給出了優(yōu)化后的關鍵變量操作方式和優(yōu)化結(jié)果，能夠使醋酸單耗下降0.31kg/t.PTA,極大地方便了操作人員優(yōu)化方案的設計和編制。對工藝生產(chǎn)操作優(yōu)化具有指導作用。

圖9 報表展示圖

4.案例推廣應用價值

本案例在流程工業(yè)特別是石化行業(yè)具有較大的推廣價值。開展流程工業(yè)的過程建模優(yōu)化技術是企業(yè)進一步深化認識流程生產(chǎn)過程的規(guī)律、提高裝置運行效率、實現(xiàn)節(jié)能降耗的根本需求，這對我國目前大型石油化工裝置普遍采用國外引進技術，缺乏核心技術的現(xiàn)狀而言，具有重要意義；我國石油化工行業(yè)的物耗能耗指標和發(fā)達國家先進水平相比，尚存在很大的下降空間，針對現(xiàn)有裝置、現(xiàn)有生產(chǎn)過程，在運行過程中對裝置進行優(yōu)化和調(diào)整，改善資源利用效率，減少運行中的物耗能耗，對加工量大，流程復雜的煉化行業(yè)實現(xiàn)資源與效益最大化具有重要作用；由于技術保密和商業(yè)目的，國外的流程模擬優(yōu)化軟件包價格昂貴，并且，一個許可證只能在一臺電腦上使用。只要建立相應裝置工藝過程的機理模型，本案例的研究成果根據(jù)實際過程機理和現(xiàn)場裝置情況修改即可移植到其它工藝過程中去，具有很強的在相關行業(yè)中的推廣應用價值。

（三）生產(chǎn)過程建模與控制

通用的生產(chǎn)過程建模與控制解決方案，包括數(shù)據(jù)采集、大數(shù)據(jù)處理、機理建模/數(shù)據(jù)建模、可視化、離線和實時優(yōu)化、控制系統(tǒng)。

本方案采用先進的建模、多變量模型預測控制（MPC）、軟測量技術等手段，對裝置或工藝單元進行多變量協(xié)調(diào)優(yōu)化控制。具體技術實現(xiàn)是在工業(yè)互聯(lián)網(wǎng)平臺的基礎上，以數(shù)字孿生系統(tǒng)的動態(tài)實測虛擬空間多維模型為基礎，兼前饋、反饋、滾動優(yōu)化為一體，在裝置操作平穩(wěn)的基礎上，在每一個運行周期（一般為1分鐘）根據(jù)裝置約束條件，通過穩(wěn)態(tài)優(yōu)化（LP或QP）算法尋找裝置效益最佳操作點，并通過動態(tài)控制器驅(qū)動裝置平穩(wěn)的向最佳操作點靠近，以實現(xiàn)卡邊操作，從而提高高價值產(chǎn)品收率、降低裝置能耗之目的。方案如下圖所示：

圖10 數(shù)字孿生系統(tǒng)生產(chǎn)過程建模與控制建模通用解決方案示意圖

1.案例定位

2.案例優(yōu)勢分析

本案例通過先進的建模、多變量模型預測控制（MPC）、軟測量技術等手段，對裝置或工藝單元進行多變量協(xié)調(diào)優(yōu)化控制。具體技術實現(xiàn)是在工業(yè)互聯(lián)網(wǎng)平臺的基礎上，以數(shù)字孿生系統(tǒng)的動態(tài)實測虛擬空間多維模型為基礎，兼前饋、反饋、滾動優(yōu)化為一體，在裝置操作平穩(wěn)的基礎上，在每一個運行周期（一般為1分鐘）根據(jù)裝置約束條件，通過穩(wěn)態(tài)優(yōu)化（LP或QP）算法尋找裝置效益最佳操作點，并通過動態(tài)控制器驅(qū)動裝置平穩(wěn)的向最佳操作點靠近，以實現(xiàn)卡邊操作，從而提高高價值產(chǎn)品收率、降低裝置能耗。

通過建設高仿真度的生產(chǎn)過程建模與控制仿真平臺，依托工業(yè)互聯(lián)網(wǎng)和云服務平臺，實現(xiàn)產(chǎn)品質(zhì)量建模、優(yōu)化控制建模、閉環(huán)優(yōu)化控制仿真、產(chǎn)品質(zhì)量預報和管理等各個環(huán)節(jié)在虛擬空間中的全流程覆蓋，形成虛擬空間的數(shù)字孿生系統(tǒng)，實現(xiàn)虛擬空間與物理空間的實時交互，最終為裝置優(yōu)化控制提供有效指導并形成信息閉環(huán)。

圖11

數(shù)字孿生系統(tǒng)的特色技術包括：

（1）面向生產(chǎn)過程運行的不同操作方案，包括不同原料方案（如常減壓裝置原油性質(zhì)不同）、不同產(chǎn)品方案（如常減壓裝置產(chǎn)品優(yōu)化為多出PX、多出航空煤油或者多出乙烯裂解料等化工輕油方案，聚丙烯裝置不同聚丙烯牌號生產(chǎn)）、不同操作條件（如常減壓裝置產(chǎn)品的干點指標要求變化，裝置的關鍵非線性相關變量變化），建立適用于每個工作方案下的產(chǎn)品質(zhì)量預報模型和預測控制模型，構成完備的生產(chǎn)過程數(shù)字孿生模型集，基于物理空間產(chǎn)品質(zhì)量化驗數(shù)據(jù)對模型性能進行實時評價、實時更新，并基于演示平臺進行展示和仿真比較優(yōu)化操作方案，對物理空間的應用進行指導。

（2）基于建立的生產(chǎn)過程數(shù)字孿生模型集，實現(xiàn)生產(chǎn)過程的實時模擬仿真及變量預報，提供在虛擬空間對實際生產(chǎn)過程的實時仿真和預報功能。

（3）在虛擬空間，根據(jù)原油狀況與產(chǎn)品質(zhì)量管理需求，從數(shù)字孿生模型集中選取對應的預報模型實現(xiàn)產(chǎn)品質(zhì)量實時預報與評價?；跀?shù)字孿生模型集中的預測控制模型，通過閉環(huán)控制仿真形式進行優(yōu)化控制預報，包括對被控變量控制效果的預報和裝置經(jīng)濟指標變化的預報。根據(jù)操作方案的變化以及對關鍵非線性相關變量的自動判斷，在模型集的多個預測控制模型之間進行自動智能切換，從而實現(xiàn)控制系統(tǒng)的數(shù)字孿生，并基于演示平臺進行展示。

（4）使用上述生產(chǎn)過程的數(shù)字孿生及其控制系統(tǒng)的數(shù)字孿生，實現(xiàn)基于數(shù)字孿生模型集的產(chǎn)品質(zhì)量預報和優(yōu)化控制預報，并基于預報進行操作決策?；诠I(yè)互聯(lián)網(wǎng)平臺，根據(jù)虛擬空間的操作決策結(jié)果，選擇匹配目前生產(chǎn)狀況的模型和參數(shù)，以及未來對模型和參數(shù)的操作切換方案，從而實現(xiàn)虛擬空間在模型、參數(shù)和操作上對物理空間過程生產(chǎn)運行的指導。

3.實施步驟及路徑

給出具體的項目實施步驟，分析每個實施步驟的實施細節(jié)，涵蓋運用的具體技術及使用的軟硬件工具。

1）開發(fā)云服務模式的生產(chǎn)過程產(chǎn)品質(zhì)量建模、動態(tài)控制建模和控制器設計工具軟件

采用B/S結(jié)構的基于ASP.net的云服務程序方式實現(xiàn)產(chǎn)品質(zhì)量模型建模軟件、預測控制模型建模軟件、預測控制參數(shù)組態(tài)與離線仿真軟件等工具軟件，實現(xiàn)人機交互的建模與仿真，輔助進行生產(chǎn)過程優(yōu)化控制系統(tǒng)的設計，用于產(chǎn)品質(zhì)量預報和管理。

各軟件的主要功能點包括：

a）產(chǎn)品質(zhì)量建模

按照已經(jīng)制定的軟測量模型方案，從上傳的數(shù)據(jù)文件中讀取生產(chǎn)過程歷史數(shù)據(jù)和產(chǎn)品質(zhì)量化驗歷史數(shù)據(jù)，實現(xiàn)數(shù)據(jù)自動清洗，

圖12 變量曲線折線圖

并基于慢特征回歸、深度學習等先進建模方法建立動態(tài)軟測量模型。

圖13 動態(tài)模型訓練

保存所建立的模型，并將建模過程在訓練集、測試集上的計算結(jié)果保存到文件。

圖14 動態(tài)模型訓練集、測試集

b）預測控制建模

按照已經(jīng)制定的動態(tài)控制模型方案，從上傳的數(shù)據(jù)文件中讀取生產(chǎn)過程歷史數(shù)據(jù)和產(chǎn)品質(zhì)量軟測量歷史數(shù)據(jù)，按照被控變量、操作變量、干擾變量分類

圖15 模型結(jié)構設置

之后，按照生產(chǎn)方案（如果生產(chǎn)過程非線性比較強，還要按生產(chǎn)工況的關鍵變量分區(qū)域）分成多個數(shù)據(jù)集，分別進行自動數(shù)據(jù)清洗，利用稀疏學習等新的辨識建模方法進行過程辨識，先后建立FIR和傳遞函數(shù)形式的動態(tài)控制模型集。

圖16 動態(tài)控制模型集

c）閉環(huán)控制組態(tài)與仿真：

使用已建立的動態(tài)控制模型集，對控制變量常規(guī)參數(shù)進行組態(tài)，之后對模型集面向不同的生產(chǎn)方案的各個模型分別進行控制、優(yōu)化參數(shù)的設計和組態(tài)。

圖17

基于當前的工況（各變量最新的歷史數(shù)據(jù)）和通過界面給出的未來的生產(chǎn)方案和操作條件，使用對應的動態(tài)控制模型和參數(shù)（如果未來的生產(chǎn)方案有變化，那么對應有模型和參數(shù)的切換），對閉環(huán)控制進行仿真，推演未來的各被控變量及經(jīng)濟指標的變化趨勢。

圖18

基于這些未來的控制效果和經(jīng)濟指標方面的預測，對物理空間實體的控制模型和參數(shù)切換給出指導建議。

2）數(shù)字孿生系統(tǒng)

a）生產(chǎn)過程數(shù)字孿生

基于動態(tài)控制建模工具軟件，建立生產(chǎn)過程的數(shù)字孿生，即預測控制模型。

建模采用多模型方案，多模型的劃分依據(jù)包括：

原料方案不同：常減壓裝置的原油性質(zhì)不同，反映在進料為多種原油按一定配比混合而成，原油品種及其配比發(fā)生變化。

產(chǎn)品方案不同：常減壓裝置產(chǎn)品進行卡邊優(yōu)化，如果航空煤油產(chǎn)品價值比較高，則優(yōu)化方向為航空煤油的初餾點盡可能低，干點盡可能高；如果石腦油生產(chǎn)PX，柴油經(jīng)加氫裂化生產(chǎn)乙烯裂解料等化工輕油，這些產(chǎn)品價值更高，則優(yōu)化方向相反。聚丙烯裝置生產(chǎn)多種牌號的聚丙烯產(chǎn)品，牌號不同則生產(chǎn)過程的特性不同。

操作條件不同：常減壓裝置產(chǎn)品如柴油的干點指標廠控要求發(fā)生變化，裝置的關鍵非線性相關變量。

面向這些不同的條件變化，分析其對生產(chǎn)過程動態(tài)特性的影響，建立適用于每個操作方案下的產(chǎn)品質(zhì)量預報模型和預測控制模型，從而構成生產(chǎn)過程的數(shù)字孿生模型集。

b）控制系統(tǒng)的數(shù)字孿生

基于控制器設計工具軟件，建立控制系統(tǒng)結(jié)構和參數(shù)，實現(xiàn)控制系統(tǒng)的數(shù)字孿生，根據(jù)原油與產(chǎn)品質(zhì)量管理所給出的當前操作方案，基于數(shù)字孿生模型集中對應當前操作方案的產(chǎn)品質(zhì)量預報模型，進行產(chǎn)品質(zhì)量實時預報?；跀?shù)字孿生模型集中的預測控制模型，通過閉環(huán)控制仿真形式進行優(yōu)化控制預報，包括對被控變量控制效果的預報和裝置經(jīng)濟指標變化的預報，從而構成了控制系統(tǒng)的數(shù)字孿生。

c）基于數(shù)字孿生的預報并對物理空間進行指導

基于數(shù)字孿生的產(chǎn)品質(zhì)量預報用于顯示產(chǎn)品質(zhì)量變量的計算結(jié)果，并與化驗值進行對比和統(tǒng)計分析，其中關鍵的產(chǎn)品質(zhì)量預報如下圖所示

圖19

全部的產(chǎn)品質(zhì)量預報則如下圖所示：

圖20

曲線圖顯示了不同產(chǎn)品質(zhì)量變量的實時仿真計算曲線（周期為1分鐘）及與廠控限的安全裕量。

同時展示了不同產(chǎn)品質(zhì)量變量的仿真計算曲線、化驗值曲線及與廠控限的安全裕量，用于對生產(chǎn)操作的產(chǎn)品質(zhì)量裕量進行優(yōu)化調(diào)整。

圖21

基于數(shù)字孿生的優(yōu)化控制仿真預報根據(jù)原油與產(chǎn)品質(zhì)量管理所給出的操作方案（即優(yōu)化控制仿真預報的參數(shù)）的變化以及對關鍵非線性相關變量的自動判斷，在模型集的多個預測控制模型之間進行適時自動切換。例如，常減壓進料的配比計劃在1小時后發(fā)生變化，那么未來模型切換時間和切換前后的閉環(huán)控制效果、對裝置經(jīng)濟指標的影響都可以通過虛擬空間的控制仿真進行推演。如下圖所示。

圖22

原油與產(chǎn)品質(zhì)量管理根據(jù)產(chǎn)品質(zhì)量預報和產(chǎn)品質(zhì)量化驗結(jié)果，針對模型失配對產(chǎn)品質(zhì)量預報模型進行再學習，進而對產(chǎn)品質(zhì)量預報模型進行更新，對物理空間的產(chǎn)品質(zhì)量預報模型進行指導。

使用上述生產(chǎn)過程的數(shù)字孿生及其控制系統(tǒng)的數(shù)字孿生，實現(xiàn)基于數(shù)字孿生模型集的產(chǎn)品質(zhì)量預報和優(yōu)化控制預報，并基于預報進行操作決策?；诠I(yè)互聯(lián)網(wǎng)平臺，根據(jù)虛擬空間的操作決策結(jié)果，選擇匹配目前生產(chǎn)狀況的模型和參數(shù)，以及未來對模型和參數(shù)的操作切換方案，從而實現(xiàn)虛擬空間在模型、參數(shù)和操作上對物理空間的指導。

4.案例推廣應用價值

若本案例有向其他行業(yè)或領域推廣的經(jīng)驗，描述一下具體的推廣場景。若未形成推廣應用，分析一下潛在的規(guī)模推廣價值。本案例面向流程行業(yè)不同流程使用了虛擬空間多時空尺度模型，用于建立數(shù)字孿生系統(tǒng)的模型。

從煉油生產(chǎn)過程全局出發(fā)，提出了全流程集成優(yōu)化控制與調(diào)度優(yōu)化的綜合解決思路，給出一種面向原油性質(zhì)分類和有限操作優(yōu)化模式的多維模型描述結(jié)構。該模型描述體系按原油性質(zhì)和有限種操作優(yōu)化模式分類建模，使原來隨機問題轉(zhuǎn)換為工程意義上的確定性建模問題?；谠摱嗑S關鍵產(chǎn)品質(zhì)量控制指標預報模型、優(yōu)化控制模型描述體系，基于大數(shù)據(jù)解析、深度學習、人工智能、建模等技術實現(xiàn)高精度、高可靠性的產(chǎn)品質(zhì)量估計和預報、優(yōu)化控制數(shù)字孿生對象模型建立，解決過程模型隨原料和產(chǎn)品加工方案變化的難題，達到提高裝置高價值產(chǎn)品收率、節(jié)能降耗、安全平穩(wěn)運行的目標，并為實現(xiàn)煉化一體化生產(chǎn)過程全流程集成優(yōu)化控制與計劃調(diào)度優(yōu)化的綜合解決方案提供基礎。本案例的研究成果根據(jù)實際過程機理和現(xiàn)場裝置情況修改即可移植到其它生產(chǎn)裝置中去，具有很強的推廣應用價值。

（四）產(chǎn)品質(zhì)量管理

本方案充分利用先進的自動采集、分析檢驗儀器設備，構建基于工業(yè)互聯(lián)網(wǎng)平臺的產(chǎn)品質(zhì)量管理系統(tǒng)，通過實時的數(shù)據(jù)采集與傳輸，將產(chǎn)品實時的質(zhì)量參數(shù)同步至數(shù)字孿生系統(tǒng)構建的多時空尺度預測模型中，通過理論模型的分析獲取產(chǎn)品質(zhì)量偏差，進行卡邊優(yōu)化，實現(xiàn)產(chǎn)品質(zhì)量的最優(yōu)管理。

通過對原材料選購、入廠、加工、產(chǎn)品出廠到用戶服務的所有環(huán)節(jié)質(zhì)量的監(jiān)控，建立物料走向模型、物料質(zhì)量傳遞模型、物料質(zhì)量與工藝參數(shù)相關性模型，實現(xiàn)“實驗室基礎—質(zhì)量監(jiān)控—質(zhì)量追溯—質(zhì)量預測”一體化功能。方案如下圖所示：

圖23 數(shù)字孿生系統(tǒng)質(zhì)量管理解決方案圖

1.案例定位

2.案例優(yōu)勢分析

（一）基于六西格瑪質(zhì)量管理體系的生產(chǎn)過程統(tǒng)計

六西格瑪管理是一套成熟的質(zhì)量管理體系，這套體系通過持續(xù)改進產(chǎn)品、服務和過程的質(zhì)量，實現(xiàn)用戶滿意。 它通過系統(tǒng)地、集成地采用質(zhì)量改進流程，實現(xiàn)無缺陷的過程設計，并對現(xiàn)有過程進行過程定義、測量、分析、改進和評價，消除過程缺陷和變異，從而提高質(zhì)量和服務，降低成本。該系統(tǒng)可以探索出影響關鍵產(chǎn)品特性的因素，并確定少數(shù)的關鍵因素，對其優(yōu)化。

統(tǒng)計過程控制是現(xiàn)代化工業(yè)生產(chǎn)中確保產(chǎn)品質(zhì)量和可靠性的核心方法之一, 而過程能力指數(shù)則是度量一個工業(yè)過程能力的重要指標。研究過程能力指數(shù)的前提條件就是過程要處于統(tǒng)計控制狀態(tài)，其中的某些變量是可以檢測的，這個過程中采集的數(shù)據(jù)的分布不應該是隨意變化的，應該服從某單一分布通常為正態(tài)分布，或至少接近正態(tài)分布，且檢測變量的觀察值是相互獨立的從實用的角度出發(fā)，通常情況下，要求檢測變量服從正態(tài)分布。對于過程質(zhì)量控制主要考慮以下兩個重要指標。

工藝過程生產(chǎn)能力（Cpk：Process capability）定義為一個穩(wěn)定過程的固有變差的總范圍，以6來表述，它反映的是過程的固有能力。它的基本特征為：(1) 過程處于統(tǒng)計穩(wěn)定狀態(tài)；(2) 過程的各測量值服從正態(tài)分布；(3) 測量變差相對較??；(4) 僅由于普通原因產(chǎn)生的過程變差, 可以通過R / d2來估算。

工藝過程性能（Ppk：Process Performance）定義的是一個過程變差的總范圍，以6s來表述，反映的是當前過程的狀態(tài)。它的基本特征為：(1) 可以隨時反映實時過程的性能；(2) 當前的過程狀態(tài)不一定很清晰；(3) 過程變差包括了普通和特殊兩種原因所造成的變差原因，可用樣本標準偏差S 來估算。

（二）基于數(shù)據(jù)驅(qū)動產(chǎn)品質(zhì)量指標軟測量監(jiān)測模型

在實施智能控制時，需要對產(chǎn)品的質(zhì)量指標進行閉環(huán)控制，但由于經(jīng)濟或技術的原因（如在線分析儀價格昂貴，或者在惡劣的工作環(huán)境下無法正常工作），這些質(zhì)量指標難以進行在線測量，只能通過離線實驗室分析得到分析值。但是實驗室分析數(shù)據(jù)往往存在長時間滯后的問題，無法滿足在線實時控制和優(yōu)化操作的要求。

以本項目聚丙烯裝置為例，在線實時計算的質(zhì)量指標主要有：熔融指數(shù)、等規(guī)度、堆積密度、鋁、鈦、鋁等。以上指標計算通過數(shù)據(jù)建模服務軟件來完成，該軟件基于LSTM神經(jīng)網(wǎng)絡的數(shù)據(jù)驅(qū)動模型對目標指標進行預報。

無論采用何種方法建立的軟測量模型，都是基于現(xiàn)場采集得到的數(shù)據(jù)經(jīng)過優(yōu)化建模而得，但生產(chǎn)裝置在實際運行過程中，隨著操作條件的變化，其過程對象特性不可避免地發(fā)生變化和漂移，所以依據(jù)過去工況建立的模型在對后面的參數(shù)進行估計時可能會存在一定的誤差。為使計算結(jié)果趨于真值，必須對模型在實際使用過程中進行在線校正以提高模型的計算精度。

3.實施步驟及路徑

本案例依托于恒力工業(yè)互聯(lián)網(wǎng)平臺，利用java spring框架結(jié)合HTML和JS技術自主研發(fā)了基于B/S架構聚丙烯裝置的產(chǎn)品質(zhì)量管理系統(tǒng)旨在輔助工藝人員實現(xiàn)對于生產(chǎn)過程的平穩(wěn)操作進而提高產(chǎn)品質(zhì)量的合格率和降低因為生產(chǎn)波動而引起的物能耗。

1）開發(fā)過程質(zhì)量管理服務軟件

將聚丙烯生產(chǎn)過程的統(tǒng)計控制與六西格瑪管理體系相結(jié)合，通過實時計算出的工藝過程生產(chǎn)能力指數(shù)Cpk、工藝過程性能指數(shù)Ppk、控制限與報警限的分析值，針對生產(chǎn)過程平穩(wěn)控制給出指導建議。

圖24 生產(chǎn)過程質(zhì)量管理

2）開發(fā)數(shù)據(jù)建模軟測量服務軟件

在產(chǎn)品質(zhì)量的管理過程中，熔融指數(shù)、等規(guī)度、堆積密度、鋁、鈦、氯等以上指標難以進行在線測量，只能通過離線實驗室分析得到分析值。但是實驗室分析數(shù)據(jù)往往存在長時間滯后的問題，無法滿足在線實時控制和優(yōu)化操作的要求。

該軟件采用基于LSTM神經(jīng)網(wǎng)絡的數(shù)據(jù)驅(qū)動模型實現(xiàn)對于熔融指數(shù)、等規(guī)度、堆積密度、鋁、鈦、氯等產(chǎn)品質(zhì)量指標的軟測量。從而保證了工藝人員可以在整個產(chǎn)品的生產(chǎn)過程中對于質(zhì)量指標的實時監(jiān)控，從而能滿足用戶對于實時控制質(zhì)量指標的需求，有效的提高產(chǎn)品質(zhì)量，降低成本消耗。

圖25 產(chǎn)品質(zhì)量管理界面

3）數(shù)字孿生系統(tǒng)產(chǎn)品質(zhì)量管理系統(tǒng)

a)生產(chǎn)過程質(zhì)量管理

將物理空間的DCS組態(tài)鏡像表示在孿生空間中，通過生產(chǎn)數(shù)據(jù)庫ip21數(shù)據(jù)接口以1次/分鐘的頻率取得相應DCS點位數(shù)據(jù)，通過接口調(diào)用質(zhì)量管理服務軟件對此點位的生產(chǎn)數(shù)據(jù)進行實時質(zhì)量管理，通過實時計算出的工藝過程生產(chǎn)能力指數(shù)Cpk、工藝過程性能指數(shù)Ppk、控制限與報警限的分析值，針對生產(chǎn)過程平穩(wěn)控制給出指導建議。

b)產(chǎn)品質(zhì)量管理

通過生產(chǎn)數(shù)據(jù)庫ip21歷史數(shù)據(jù)接口和LIMS接口獲取開工至今的相應DCS點位歷史生產(chǎn)數(shù)據(jù)和產(chǎn)品質(zhì)量分析數(shù)據(jù)，接著將獲取的生產(chǎn)數(shù)據(jù)與質(zhì)量分析數(shù)據(jù)以時間相同為條件進行數(shù)據(jù)對齊形成數(shù)據(jù)集，然后調(diào)用產(chǎn)品質(zhì)量管理服務軟件對熔融指數(shù)、等規(guī)度、堆積密度、鋁、鈦、氯等產(chǎn)品質(zhì)量指標進行實時軟測量并可視化展示軟測量結(jié)果。為使計算結(jié)果趨于真值，必須對模型在實際使用過程中進行在線校正以提高模型的計算精度。

4.案例推廣應用價值

本案例所采用的的統(tǒng)計過程控制是一種數(shù)理統(tǒng)計方法應用于質(zhì)量管理的過程控制工具。

統(tǒng)計過程控制是小概率事件原理的應用，連續(xù)假設檢驗理論應用于觀測值落入控制限內(nèi)的判斷。應用于區(qū)分正常波動和異常波動，并對異常波動的預警以便采取措施。當過程受控時，過程特性一般服從穩(wěn)定的隨機分布；但是失控時，過程分布將發(fā)生改變。正是利用過程波動的統(tǒng)計規(guī)律性對過程進行分析控制的。對異常波動的及時預警是統(tǒng)計過程控制最大特點，預警原理應用對檢測數(shù)據(jù)進行統(tǒng)計分析能夠區(qū)分生產(chǎn)過程中產(chǎn)品質(zhì)量的正常波動和異常波動。

在工業(yè)的產(chǎn)品生產(chǎn)中即使操原材料、操作人員、生產(chǎn)設備、加工過程、測量方法、生產(chǎn)環(huán)境等到條件相同。生產(chǎn)出來每一批 產(chǎn)品的質(zhì)量特性的實際值也并不完全相同，產(chǎn)品的質(zhì)量特性總是存在差異，這就是質(zhì)量特性的波動。將統(tǒng)計過程控制與六西格瑪質(zhì)量管理體系相結(jié)合能更好的對制造業(yè)產(chǎn)品生產(chǎn)的整個生命周期進行質(zhì)量管控，可以實現(xiàn)生產(chǎn)過程中各生產(chǎn)條件的平穩(wěn)運行，進而實現(xiàn)降低能耗，物耗，提高收益的效果。同時，也可以保證產(chǎn)品性質(zhì)的穩(wěn)定保證產(chǎn)品具有較高的合格率，因此本案例具有較好的工業(yè)推廣價值。

（五）設備故障診斷與遠程運維

本方案在工業(yè)互聯(lián)網(wǎng)平臺的基礎上，應用了邊緣計算技術、工業(yè)大數(shù)據(jù)技術、人工智能技術、IoT技術，從傳感器采集數(shù)據(jù)中提取特征的趨勢曲線，通過大數(shù)據(jù)分析、挖掘能力和機器學習，提高數(shù)字孿生系統(tǒng)設備診斷模型精確性，為技術專家掌握及維護系統(tǒng)運行及提升系統(tǒng)診斷能力提供技術手段，實現(xiàn)設備故障診斷管理水平，降低工廠資產(chǎn)的運營風險。

本方案以及數(shù)字孿生系統(tǒng)的工業(yè)設備機理模型與算法，實現(xiàn)設備在線狀態(tài)監(jiān)測、故障監(jiān)測與自動診斷、設備趨勢預測等核心功能，提升設備管理的感知控制能力、故障診斷能力、預測能力、分析優(yōu)化能力、決策能力。方案功能架構圖如下所示：

圖26 數(shù)字孿生系統(tǒng)設備故障診斷與遠程運維模塊功能架構圖

1.案例定位

2.案例優(yōu)勢分析

動設備數(shù)字孿生應用方案融合了機械工程、信號處理、工業(yè)大數(shù)據(jù)、機器學習、數(shù)字孿生以及工業(yè)4G等相關技術，可實現(xiàn)大機組、高危泵以及其他重要設備狀態(tài)自動分析與跟蹤、故障診斷與預警，精準把握設備全生命周期狀態(tài)的變遷，提升動設備管理的效率與水平，促進設備管理由事后維護、周期維護，向智能化的預知維護轉(zhuǎn)變。

運用數(shù)字孿生技術如下：

1）邊緣計算技術

邊緣計算設備主要功能包括設備運行狀態(tài)信息的采集、分析、特征提取、狀態(tài)報警以及數(shù)據(jù)管理等，同時支持多種方式數(shù)據(jù)遠程傳輸，把數(shù)據(jù)映射到設備對象的數(shù)字孿生體，是設備故障診斷與遠程維護的基礎。邊緣計算技術是基于機械工程、信號處理、4G傳輸?shù)认嚓P技術，實現(xiàn)設備就地連續(xù)不斷的數(shù)據(jù)采集、計算、分析、實時的狀態(tài)判斷及智能傳輸，在大大增加邊緣側(cè)計算數(shù)據(jù)量的同時，減少了傳輸?shù)臄?shù)據(jù)量，降低中心服務器的計算及存儲壓力，同時不遺漏關鍵數(shù)據(jù)。

2）數(shù)字孿生

設備故障診斷與遠程運維數(shù)字孿生應用，將物理設備構建一個可視的、多時空尺度的數(shù)字化孿生對象，實現(xiàn)直觀、快速、全面、精準地掌握設備的狀態(tài)。設備的數(shù)字化孿生對象是通過結(jié)構、時間、空間、顏色、尺度、形狀等可視化要素對物理設備進行描述，形成物理模型，模型融合工業(yè)大數(shù)據(jù)、設備機理模型與算法、行業(yè)標準、自學習、人工智能、邊緣計算等技術形成設備的數(shù)字孿生體,數(shù)據(jù)驅(qū)動對設備的智能監(jiān)測，實現(xiàn)數(shù)字系統(tǒng)與物理系統(tǒng)之間基于數(shù)據(jù)自動流動的狀態(tài)感知、實時分析、科學決策、精準執(zhí)行的閉環(huán)賦能體系，通過對設備狀態(tài)的評價，掌握企業(yè)實時生產(chǎn)狀態(tài)。

下圖為一個典型的設備全貌的數(shù)字化孿生可視化狀態(tài)監(jiān)測方案。

 圖27

3）基于工業(yè)大數(shù)據(jù)自學習模型的狀態(tài)監(jiān)測

針對各類設備，利用工業(yè)大數(shù)據(jù)技術對設備相關的歷史工藝數(shù)據(jù)、振動數(shù)據(jù)進行統(tǒng)計分析、自學習建模，實現(xiàn)在線對設備狀態(tài)進行監(jiān)測。傳統(tǒng)設備的監(jiān)測閾值是由設計定義，標準比較通用，難以適應不同結(jié)構、不同工藝環(huán)境、不同運行歷史等設備行為狀態(tài)；而現(xiàn)場技術人員根據(jù)經(jīng)驗自定義，缺乏數(shù)據(jù)以及相關技術支持，因此設備故障報警誤報與漏報嚴重。通過對設備相關的歷史工藝數(shù)據(jù)、振動數(shù)據(jù)進行統(tǒng)計分析、挖掘、自學習建模，可以實現(xiàn)對設備與流程狀態(tài)進行預知。

下圖是對設備相關工藝數(shù)據(jù)進行趨勢分析、挖掘、建模方案：

圖28

4）故障預警及自動診斷

設備數(shù)字孿生對故障預警與診斷的精確度，是決定其應用效能的關鍵指標。精確度越高，越可以更準確實時地反映設備的狀態(tài)，從而提升工廠設備預警及自動診斷水平。系統(tǒng)內(nèi)置國內(nèi)外設備監(jiān)測專業(yè)的技術標準、部件參數(shù)、數(shù)學模型等，并根據(jù)不同設備的類型、結(jié)構及運行特點，設計了相應的監(jiān)測與故障診斷模型。每臺設備監(jiān)測與診斷智能模型多達300余個，如同300個專業(yè)工程師24小時不間斷對一臺設備狀態(tài)進行實時診斷，偵測設備狀態(tài)變遷與早期故障征兆。設備監(jiān)測與診斷模式由傳統(tǒng)的依賴人工向智能化、小樣本向大樣本、少特征向多特征、單時刻向全周期、黑盒子向可視化方向發(fā)展，降低誤報與漏報。

下圖為往復式壓縮機氣缸工作模型的數(shù)字化孿生實例：

圖29

3.實施步驟及路徑

方案實施步驟及路徑：

1）動設備結(jié)構及所在工藝流程分析。

2）傳感器、邊緣計算、傳輸網(wǎng)絡安裝。

使用的軟硬件工具：邊緣計算設備

3）系統(tǒng)安裝，初始化設備測點、部件、模型以及相關屬性參數(shù)。

使用的軟硬件工具：ISEA建模工具。

4）試運行，閥值自學習適應，模型自學習修正。

使用的軟硬件工具：ISEA工業(yè)大數(shù)據(jù)分析、處理、建模工具；ISEA平臺軟件；

5）驗收及投用。 

4.案例推廣應用價值

動設備作為工業(yè)的動力來源，設備健康是企業(yè)正常生產(chǎn)的保證，在流程行業(yè)一些核心關鍵設備，產(chǎn)生非計劃停機，企業(yè)將面臨全面停產(chǎn)或部分停產(chǎn)，損失巨大，因此案例在流程行業(yè)進行推廣應用為迫切需求。案例推廣到其他行業(yè)，例如離散行業(yè)，在國家推行數(shù)字化轉(zhuǎn)型與智能化發(fā)展的大環(huán)境下，設備智能監(jiān)測及故障診斷為智能化發(fā)展中最為薄弱的環(huán)節(jié)之一，客戶逐步開始重視這方面的投入，隨著邊緣計算、大數(shù)據(jù)、5G技術、工業(yè)互聯(lián)網(wǎng)等相關技術的發(fā)展，終端數(shù)據(jù)的采集接入變得更加便利，進而案例推廣應用具備了非常好的基礎條件，同時也展現(xiàn)出非常廣闊的應用空間。

（六）腐蝕管理

本方案基于物理空間實體數(shù)字孿生模型層涵蓋資產(chǎn)全生命周期的屬性數(shù)據(jù)，結(jié)合物理空間實體的模型的空間位置，對資產(chǎn)腐蝕進行相應的管理，包括腐蝕回路劃分、抽取、檢測點規(guī)劃、檢測實施及記錄、定點測厚點標識及測厚數(shù)據(jù)管理等工作。

基于工業(yè)互聯(lián)網(wǎng)平臺，物理空間實體數(shù)字孿生模型集成了裝置設計資料、采購資料以及介質(zhì)屬性與生產(chǎn)實時數(shù)據(jù)，虛擬空間多維模型可根據(jù)RBI分析結(jié)果，進行智能預警，從而指導設計全面腐蝕管理策略、制定檢測優(yōu)化方案，以低成本完成腐蝕管理與規(guī)劃。數(shù)據(jù)集成示意圖如下：

圖30 數(shù)字孿生系統(tǒng)物理空間實體模型層數(shù)據(jù)集成及展示效果示意圖

1.案例定位

2.案例優(yōu)勢分析

腐蝕損傷一直是影響煉化企業(yè)靜設備完整性，乃至生產(chǎn)裝置安全穩(wěn)定長周期運行的主要因素之一。為有效提升設備完整性管理，腐蝕管理技術在虛擬模型上的集成優(yōu)化也已成為國外先進技術的發(fā)展潮流和最佳實踐。

本項目運用智能的三維建模技術和開放的數(shù)據(jù)集成技術，對裝置腐蝕回路建立三維智能虛擬現(xiàn)實模型，模型集成資產(chǎn)的全生命周期數(shù)據(jù)以及分散在各應用系統(tǒng)中的資產(chǎn)、腐蝕監(jiān)測、文檔等業(yè)務數(shù)據(jù)，實現(xiàn)三維智能模型與腐蝕管理業(yè)務的融合。

（1）物理空間實體模型數(shù)字孿生技術

方案采用物理空間實體模型數(shù)字孿生技術構建虛擬模型，提出物理空間實體模型層、虛擬空間多維模型層建模方法，采用孿生數(shù)據(jù)驅(qū)動的時變動態(tài)模型映射機制，實現(xiàn)模型對腐蝕機理、設備運行空間、時間多維動態(tài)描述。

模型涵蓋資產(chǎn)全生命周期的屬性數(shù)據(jù)，結(jié)合物理空間實體模型的空間位置，融合裝置設計資料、采購資料以及介質(zhì)屬性與生產(chǎn)實時數(shù)據(jù)、運行歷史數(shù)據(jù)、檢維修數(shù)據(jù)等，在虛擬模型上可根據(jù)RBI分析結(jié)果，進行智能預警，從而指導設計全面腐蝕管理策略、制定檢測優(yōu)化方案，以低成本完成腐蝕管理與規(guī)劃。

在虛擬模型上可以很方便對資產(chǎn)腐蝕進行相應的管理，包括腐蝕回路劃分、抽取、檢測點規(guī)劃、檢測實施及記錄、定點測厚點標識及測厚數(shù)據(jù)管理等工作，實現(xiàn)數(shù)據(jù)與空間位置的統(tǒng)一，為腐蝕分析帶來極大方便。

圖31 數(shù)字孿生系統(tǒng)物理空間實體模型層數(shù)據(jù)集成及展示效果示意圖

（2）動態(tài)RBI數(shù)字孿生技術

綜合考慮裝置運行工況、設備運行數(shù)據(jù)及設備腐蝕在線監(jiān)測數(shù)據(jù)，建立基于實時數(shù)據(jù)分析的承壓設備動態(tài)風險分析模型。通過大量的常減壓裝置失效模式數(shù)據(jù)庫、風險分布數(shù)據(jù)庫、失效案例數(shù)據(jù)庫，結(jié)合操作工藝變化，對設備進行動態(tài)風險分析，實時掌握高風險設備的風險波動情況，為承壓設備提供實時動態(tài)的風險分析與預警，解決傳統(tǒng)運維由被動防控轉(zhuǎn)變?yōu)橹鲃臃揽兀瑥母旧项A防和避免事故的發(fā)生，保障裝置長周期安全穩(wěn)定運營，

圖32 基于多源數(shù)據(jù)融合的動態(tài)RBI分析技術

3.實施步驟及路徑

本項目具體內(nèi)實施步驟如下：

（1）模型解析與轉(zhuǎn)換

三維模型作為數(shù)字化工廠最重要的數(shù)據(jù)源之一，模型轉(zhuǎn)換技術有非常重要的地位。

常減壓裝置設計模型采用的是PDMS模型，本方案的三維模型的轉(zhuǎn)換技術遵循ISO15926的標準框架，在轉(zhuǎn)換過程中確保模型在圖形、屬性、顏色、資產(chǎn)樹等關鍵管理要素無損失。三維模型轉(zhuǎn)換技術同時遵循工程級三維數(shù)字化孿生系統(tǒng)的管理要求，經(jīng)多模型坐標統(tǒng)一、模型拼接，生成虛擬三維模型。

（２）資產(chǎn)屬性信息孿生

本項目資產(chǎn)信息孿生提供了一套較完整的解決方案，以工廠對象為載體，采用以虛擬資產(chǎn)為索引的方式構建資產(chǎn)數(shù)據(jù)中心方案，形成以三維模型為核心的數(shù)字化資產(chǎn)信息模型，包括設計、制造、安裝、運行、維護數(shù)據(jù)等全生命周期的動靜態(tài)數(shù)據(jù)集，這樣，讓數(shù)字孿生工廠系統(tǒng)不僅實現(xiàn)對實體資產(chǎn)三維外形的數(shù)字化，更實現(xiàn)了資產(chǎn)全生命周期數(shù)據(jù)的有效管理，實現(xiàn)了真正資產(chǎn)的數(shù)字孿生。

（３）建立模型與相應靜態(tài)數(shù)據(jù)關聯(lián)關系

通過工廠對象的唯一編號信息關聯(lián)該對象在設計、采購、施工各個階段的靜態(tài)數(shù)據(jù)信息。

（４）文檔數(shù)據(jù)關聯(lián)

解析文檔關聯(lián)關系，開發(fā)文檔關聯(lián)接口，以工廠對象為維度，關聯(lián)工廠設計階段、采購階段、建設階段的圖紙資料、技術說明、數(shù)據(jù)表、材料表等文檔信息，實現(xiàn)接受移交的文檔關聯(lián)關系。

（５）動態(tài)數(shù)據(jù)集成

一個完整的數(shù)字化資產(chǎn)模型除了上述靜態(tài)信息外，還包括運營維護階段的動態(tài)數(shù)據(jù)。動態(tài)數(shù)據(jù)集成是以工廠對象為載體，集成MES系統(tǒng)、LIMS系統(tǒng)、測厚系統(tǒng)、動態(tài)RBI系統(tǒng)、腐蝕系統(tǒng)、設備管理系統(tǒng)等。

（６）動態(tài)RBI分析

針對高風險設備的類型及全生命周期中可能的失效模式，以RBI評估數(shù)據(jù)庫、檢驗檢測數(shù)據(jù)庫、失效案例庫等為基礎，結(jié)合特征安全參量監(jiān)測，對設備的動態(tài)風險進行分析，實時掌握高風險設備的風險情況，保障高風險設備的安全。

4.案例推廣應用價值

長期以來我國煉化行業(yè)工作重點是保障工藝的正常進行，但在復雜工況、工藝波動等條件下裝置的長周期運行要求不斷提高，對裝置及設備安全帶來嚴峻挑戰(zhàn)。針對近年來發(fā)生的涉及裝置的設備事故進行分析發(fā)現(xiàn)，傳統(tǒng)的以定期檢驗為主的設備安全保障技術已經(jīng)不能完全適應設備長周期安全的要求。

本項目以3D數(shù)字化平臺為基礎，將相關設備運行參數(shù)、操作工藝參數(shù)及設備監(jiān)測參數(shù)等數(shù)據(jù)以一定的邏輯關系組織起來，結(jié)合對設備特征安全參量的檢測監(jiān)測、設備完整性分析，從而實現(xiàn)設備運行的動態(tài)風險分析與控制、完整性監(jiān)測，失效的早期預警，實現(xiàn)高風險設備的精準風險控制，提高針對性和效率，保障裝置的安全，是近年來石化流程裝置設備運維技術的發(fā)展方向，具有非常重要的推廣應用價值。

三、實施效果

目前項目在實施階段，效益成果的定性定量分析也在不斷深入，根據(jù)目前的項目進度和實施情況，初步展現(xiàn)的實施效果如下：

1.建立面向流程行業(yè)生產(chǎn)線的感知、優(yōu)化、控制、診斷和決策等過程的數(shù)字孿生對象模型1000余個；

2.形成多時空尺度模型的統(tǒng)計計算求解能力，時間尺度覆蓋秒、分、小時，空間尺度覆蓋設備、工序、產(chǎn)線。數(shù)字孿生系統(tǒng)實現(xiàn)關鍵工藝性能指標的模型預測，預測提前時間不少于20分鐘，預測精度不低于90%；實現(xiàn)異常工況的模型預測，預測提前時間不少于15分鐘，誤報率和漏報率均不低于5%（與實際現(xiàn)場數(shù)據(jù)對比）。

3.生產(chǎn)線的孿生對象支持單向、雙向以及一對多的數(shù)據(jù)同步與交換，具有閉環(huán)控制功能，關鍵性能指標控制誤差小于1%，形成可視化虛擬生產(chǎn)線，與現(xiàn)場生產(chǎn)線平行運行；

4.形成3條數(shù)字孿生示范生產(chǎn)線。

本項目實施有助于推動國家和地方規(guī)劃制定的發(fā)展目標的實現(xiàn)，對于提升制造業(yè)基于大數(shù)據(jù)的智能決策能力，提高產(chǎn)品質(zhì)量，實現(xiàn)社會效益、企業(yè)效益和環(huán)境效益三個同步發(fā)展，調(diào)整產(chǎn)業(yè)結(jié)構，深化改革開放，實現(xiàn)行業(yè)創(chuàng)新具有重要意義，實施效果也會逐漸完善。