在数字孪生中复制核电站运营体系

如果屏幕前的朋友碰巧在考虑为涡轮发电机创建数字孪生，那这里有个值得参考的好消息：由法国公共事业企业Électricité de France (EDF)主导的ConnexITy联盟项目已经初步完成设计模板。

去年，Ansys公司在博文中宣布，“ConexITy正使用Ansys Twin Builder设计涡轮发电机的数字孪生，用以优化维护和操作体系。”

这套模型拥有以下功能：

• 监控：相对于正常资产，检测出行为漂移；
• 识别：预测漂移的根本原因；
• 确认：验证所预测的故障模式是否反映了正常资产的实际行为；
• 建议：提供维护指导和见解。

涡轮发电机设计蓝图

ConnexITy在巴黎市南12英里处的萨克雷大学ConnexLab，设计并测试了这套技术方案。

Ansys公司指出，“为涡轮发电机创建的数字孪生模型，能够通过学习传感器数据和瞬态电磁行为的降阶模型（ROM），实时预测发电机的健康状态。该模型还使用基于支持向量机（SVM）的嵌入式缺陷分类器，预测可能的故障模式。在机器学习领域，SVM是一类具备数据分类和分析算法的监督模型。此外，数字孪生模型还会被整合至Atos的Codex Smart Edge工业物联网平台当中，通过网络仪表板为操作员和专家提供可视化结果和交互操作通道。”

航空航天工业协会在《数字孪生的定义与价值：AIAA与AIA定位论文》（Digital Twin: Definition & Value: An AIAA and AIA Position Paper，2021年2月9日）中提出的定义是：数字孪生为联网物理资产的虚拟表示，且涵盖物理对象的整个生命周期。

ConnexITy的母公司EDF在法国各地运营有58处核电站，另有几处部署在美国和英国。该项目负责人Fabien Leray对上述定义深表赞同。

“每台发电机都是按需制造而成，因此制造过程中一定存在细微差异，例如金属厚度、线缆间距及传感器精度。所以我们必须在算法当中创建一个具有较好差异宽容度的通用数字孪生模型，并发现哪些差异会影响模拟结果，再针对各台发电机做模型微调与拟合。”

机器学习应用愈发广泛

EDF的计划，是首先在内部使用涡轮发电机的数字孪生做结果验证。工作的第一步，就是为目前正在运行的各涡轮发电机构建数字孪生副本。据Leray称，只要模型被证明具有良好价值，公司将计划将其作为可配置的数字孪生模板并推向市场。最终，EDF希望能为更多其他核电站组件开发数字孪生模板。

“Ansys Twin Builder技术是我们数字孪生体系中最重要的组成部分。我们使用Twin Builder将模拟结果聚合起来，由此创建降阶模型。这种降阶模型也是数字孪生的核心所在。我们还使用自己的code_Carmel产品开展模拟，这是一套庞大的数据集，所以必须借助机器学习加以处理。”

作为聚合模拟结果的简化表示，降阶模型所消耗的处理时长和算力都更少。相比之下，完全基于物理数据的完整模拟往往计算量更大、处理时间更长。随着AI与机器学习技术的兴趣，Ansys及其他领先仿真软件开发商正积极在其产品中探索使用降阶模型。

Ansys解释称，Twin Builder是一种“以仿真为基础、创建具有混合分析能力的数字孪生”的技术，并以Ansys的内部仿真工具为基础。Ansys数字孪生研发高级总监Sameer Kher表示，在必要时，该公司也会整合由合作伙伴提供的高级建模功能和库。

Twin Builder目前以租赁/订阅及预付费用等形式提供许可。Kher表示，“我们的数字孪生解决方案加强了核心产品的使用体验。例如，为各种类型的熔炉创建孪生副本，往往需要将我们计算流体力学的产品执行数十次。我们对部署环境非常宽容，一般能够将方案部署到客户的物联网/云堆栈或本地硬件上。”

Ansys的云友好许可设计还充分考虑到增量使用需求，特别适合数字孪生开发。

核反应堆走向虚拟化

西门子数字化工业软件公司在题为《虚拟核反应堆》的白皮书中建议，“通过采用全面的数字孪生（即虚拟核反应堆）方法，将新型核技术的设计周期缩短一半，同时大大减少支持许可所需的测试成本。此外，如果不大量使用数字技术，多种下一代反应堆设计方案将永远无法通过许可和调试阶段。”

这份白皮书重点关注“高保真数字孪生，也就是您核反应堆的活动映射。”其中建议使用西门子Xcelerator产品组合中的Simcenter STAR-CCM+ 软件构建构建其数字副本。作为数字孪生领域的早期示例，X-Energy被美国能源部选定用于先进反应堆的示范计划（ARDP）。X-Energy表示，其目前正专注于将第四代高温气冷反应堆（HTGR）作为首选技术，并在德国和南非开展HTGR球床设计。

白皮书指出，“在设计阶段，X-Energy的核心优势在于能够同时预测流体和固体的温度，包括所有传热模式的影响：传导、对流和辐射。使用传统的一维网络技术，由于组件内影响温度的不确定性因素过多、无法满足许可当局的验证要求，因此根本不可能对全部组件做有效优化……消除这些不确定性的唯一方法（除了构建昂贵的全尺寸演示环境），就是建立高保真的三维孪生副本。”

为了模拟球床，西门子与总部位于荷兰的NRG合作。论文作者表示，其目标是“为球床建立高保真模拟，之后将其用作试验台，借此验证可部署在数字孪生内的实用降阶模型。”

以CAD模型为基础

PTC公司以其Creo设计与仿真软件套件而闻名，而且在劳伦斯利弗莫尔国家实验室的国家点火装置项目拥有超过25年的服务历史。最初加入合作时，服务主体还是Creo的前身Pro/ENGINEER。

PTC总裁兼CEO Jim Heppelmann在2022年12月的博文中写道，“在1998年加入PTC时，国家点火装置项目已经选择了我们的Pro/ENGINEER CAD软件……几年之后，随着数据管理需求的增长，实验室团队转而选择Windchill作为解决方案。”

令Heppelmann特别自豪的是，点火装置项目使用PTC设计的数据管理软件对负责聚变点火的大型设备进行了建模。“除墙壁和浴室之外，组织流程超过350万个部件，由约75万个独特的设计零件组成。”2022年12月，利弗莫尔国家实验室团队宣布他们在项目中进行了历史上第一次可控核聚变实验。

那么，CAD模型能够充当数字孪生副本吗？Heppelmann打趣道，“其实这是个定义层面的问题，50个人会给出50个不同的答案。但CAD模型也可以作为基准级别的数字孪生，毕竟它也是模型的3D表示，能够正确反映系统的组织和装配方式。但如果需要在定义中包含物联网元素和运营反馈，那CAD模型就只能是数字孪生中的一个组件，不可能作为完整的孪生副本。”

Heppelmann澄清道，点火装置项目的Windchill为内部部署，组件存储在本地。点火装置项目的开发还涉及装配机械部件的仿真驱动设计，同时用到了Creo Simulate工具。

设计和仿真软件巨头们预计数字孪生将普遍存在，特别是在拥有大量昂贵资产的行业。能源部门明显符合这个基本特征。

曼彻斯特大学正与英国原子能管理局（UKAEA）合作开展另一项大规模核聚变模拟，研究人员决定利用英伟达Omniverse平台设计并开发全尺寸核聚变发电厂及其数字孪生模型。

使用Omniverse Enterprise，该团队能够导入全保真3D数据，并使用Omniverse RTX渲染器生成可视化结果。为了实现对聚变等离子体的模拟，研究团队还开发了基于Python的Omniverse扩展，用以整合来自Monte Carlo Neutronics Code Geant4 模拟软件的数据。工程师们还构建了Omniverse扩展以摄取并查看模拟可见光发射的JOREK等离子体模拟代码，并评估英伟达Modulus AI物理框架以开发出能够加快聚变等离子体模拟速度的AI替代模型。

在建设聚变反应堆时，基于Omniverse的数字孪生模型有助于对发电厂的物理状态做实时监控，并允许研究人员以虚拟方式测试反应堆的变化或改进。

数字孪生联盟总经理兼首席技术官Dan Isaacs表示，“数字孪生可以在模块化核反应堆的初始设计、运行乃至退役的整个生命周期中提供改进建议。具体包括基于高级建模和仿真的设计优化，以确保设施在施工和运营期间始终符合法规要求，并通过数字孪生通过高级仿真和分析识别潜在风险、提高安全水平。”

Isaacs最后补充道，“企业可以使用数字孪生通过AR和VR技术对员工进行风险场景下的系统操作培训，包括预警响应和评估最佳实践。企业还可以借此监测反应堆性能，并参照基准运行性能整理运行条件、提前识别潜在故障。我们的联盟成员正积极参与研究工作中的各个阶段。”