英国能源行业的数字孪生转型战略

尽管如此，数字孪生技术在英国能源领域正获得越来越多的关注。我们相信它们的使用只会增加，因为它们在帮助石油和天然气行业为英国的能源转型做好准备方面显示出了价值。

英国对石油和天然气行业制定了雄心勃勃的能源转型目标，北海转型协议旨在减少6000吨温室气体排放。与此同时，到2030年，约150亿英镑已被指定用于新技术投资，以实现大规模碳捕获和储存以及氢气生产。

英国近海地区存在优化能源系统的机会，有许多计划或当前的开发项目：零碳亨伯、净零蒂赛德、Acorn、设得兰能源枢纽、阿伯丁能源过渡区、平台电气化和其他计划。这些开发项目中的很大一部分包括现有的宗地基础设施，毫无例外，宗地基础设施在其原始设计之外运行，并且具有连接新旧的固有完整性和运行挑战。

数字孪生技术在这方面发挥着重要作用，它将现实世界映射到虚拟领域，并通过虚拟和实时镜像高级系统和资产。

虽然有一些行业框架和推荐做法用于开发和保证数字孪生，但有大量定义和方法用于评估可行的设计、实施和集成选项——更不用说在新的互联能源系统中集成数字孪生的方法了。

这对中端石油和天然气公司没有帮助，对许多人来说，这种缺乏清晰性只会加剧这样一个问题：构建和维护数字世界的努力是否值得：收集上下游的工厂数据、集成系统、开发监控和分析工具。这一切都可能让人感觉像是一次假设性的练习，而您的实际资产需要持续的运营关注，任何投资都需要根据任何计划的停止日期进行调整。

结果可能是一系列有限的资产数字表示和流量保证模型。但不一定要这样。

系统而非资产

传统上，数字孪生在很大程度上依赖于企业内部高质量、管理良好的数据的存在。在石油和天然气领域，这通常被证明是早期的绊脚石。然而，当涉及到石油和天然气能源系统时，缺乏理想数据集并不像最初出现的那样是一个障碍。

能源系统，甚至单个石油和天然气资产，都在高度不确定、动态的环境中运行，这使得为现有资产创建数字孪生成为一项复杂的事业。即使在单个资产水平上，端到端生产系统也很少充分配对。对于正确的设计、实施、维护或治理策略，没有现成的答案。一旦到位，数字化团队和运营团队之间的文化障碍可能会对其提出挑战。除此之外，许多新兴石油和天然气公司拥有或规划能源领域的能源资产。

然而，一个包含能源系统本身以及其中资产的互联性质的适当调整的数字孪生，将大大有助于围绕扩建、停产、退役和优化选项做出更好的决策。只有数字孪生具备动态建模和集成该能源系统各组成部分的能力，并提供有关生产优化、减排和能源安全的可操作见解。

这将使运营商有机会分析现有基础设施如何在减排和能源转型承诺中发挥作用，并向股东和贷款人展示这一进展。

动态的、多元的

我们相信，以这种方式将数字孪生应用于整个能源系统，而不是在资产或组件层面，将改变游戏规则。例如，如果我们能够模拟涡轮机和压缩机在当前条件下的工作强度，包括高海线喷射和低大气压力，我们就可以确定设备在理想效率下的碳排放量。

有几个例子表明，现有的、重新配置的电厂和新电厂的组合将构成互联能源系统的一部分。

零碳亨伯计划包括两个发电站的改造，包括Drax、碳捕获和储存基础设施以及氢气和可再生能源生产。该系统中的每个组件以不同的效率和可靠性水平提供能源，对每个组件进行数字建模和分析所需的投资各不相同。在分布式系统中，以每小时一次的时间间隔，在规则和监管的背景下，围绕能源供应、需求、定价、竞争性来源，对系统行为进行建模和跟踪的能力是一项极其复杂的工作，而物理资产点云激光扫描和3D模型将不符合要求。除此之外，越来越多的人需要对各种气候情景下的物理和金融风险进行建模，将实际排放量的真实数据作为能源系统的输入和优化参数。

对于如此复杂的问题，没有比仔细构建和实施数字孪生战略更好的替代品了。然后，将本地或扩展能源系统的新兴组成部分（包括石油和天然气、可再生能源、氢气和CCU）中的数字孪生连接起来，将为解决能源和排放平衡挑战提供急需的见解。

监控-分析-模型

创建数字孪生并将其连接以形成“孪生平台”的粒度级别取决于相关系统的需求。我们熟悉数字孪生在运营中的应用，其中模拟数字孪生通过预测一系列条件或场景中的未来运营参数来促进资产性能优化。未来资产状态或行为的模拟和预测使用以下算法：

基于物理的–如排放的计算流体动力学建模或气体扩散云的行为。

基于分析–算法类型可以与基于物理的引擎结合，与ML/AI结合。

需要监控、分析和建模一个当前生产资产为单一组成部分的系统，这意味着可以采取更细致的方法来开发数字孪生兄弟。这就需要为所涉及的系统制定一个深思熟虑的策略。在施工过程中，为新电厂开发完整的数字孪生系统要容易得多，但对于老电厂，建模和分析整个系统的最低细节水平需要更具战略性的决定。

一起解决这个问题

我们面临的挑战是，在一个既困难又昂贵的环境中发展数字孪生，如果生产效率是一个单独的、独立的问题，那么它们可能看起来有些过头了。但在日益复杂的能源系统中，生产效率与排放限制竞争。随着碳排放税的增加，产量增加与排放减少之间的矛盾变得更加复杂，准确建模的能力至关重要。例如，能效改造和海上电气化的盈亏平衡点发生了变化，因此公司必须能够准确地对此进行建模，以应对不断变化的碳税。

作为一个行业，我们必须如何合作和发展，以满足这些需求和期望？

• 首先，我们需要就综合数字模型的开发达成一套更明确的标准和战略。这将需要更广泛的技术团队和专家之间的密切互动——涵盖从系统动力学、建模、分析、机器学习和数据架构能力的所有方面。

• 其次，公司必须开始一段开发和完善灵活解决方案和数据基础架构的旅程。

• 第三，技术供应商应继续开发有效的方法，为预期目的建立“最小可行的数字孪生”，并接受不需要一个全尺寸模型。

最重要的是，通过采取“整个能源系统”的观点，而不仅仅是组件或资产的方法，数字孪生成为一个强大的工具，可以帮助在系统层面进行优化，通过英国能源转型，在公司走向盈利业务的更广泛背景下，对每个组成部分进行背景分析和考虑。