数字双胞胎支持FPS资产完整性管理

短语“数字孪生”自2002年以来一直用于表示数据与资产的虚拟模型的连接，无论该资产是组件、流程还是系统。然后，可以使用模型功能在虚拟空间中评估资产的状况和性能。数字孪生模型非常适合浮式生产系统(FPSs)的资产完整性管理和操作指导。

FPSs的资产完整性管理程序依赖于检查、分析和测量数据的组合。这三个工具通常是分开应用的。数字孪生模型允许这三种工具的集成。到目前为止，为FPSs开发的现有数字孪生模型主要用于方便检查程序或评估船体和甲板结构的响应。

然而，最近开发的数字孪生模型主要关注FPS的整体性能——提升管、系泊/肌腱和运动响应。FPS数字孪生模型结合了一个完全自动化的时尚测量数据和分析工具，以更好地洞察FPS行为。数字孪生模型提供了以下机会:

• 最大化生产
• 帮助计划未来事件并减少停机时间
• 减少仪器和数据分析需求
• 协助制定基于风险的检查和基于条件的维护计划
• 提供故障检测
• 加强寿命延长和持续服务评估工作。

激励与发展

任何完整性管理计划的主要目标都是证明系统或组件在其整个使用寿命内适合使用。FPSs运营商明白，一个可靠的完整性管理程序包括使用测量数据和分析，以及最新的设备和组件模型。然而，与审查产生的大量数据和评估分析模型相关的劳动对有效实施提出了挑战。

FPS数字孪生模型自动化了数据审查和分析任务，使人员能够专注于将从数据和分析中获得的见解应用于维护和运营职责。强大的数据清理算法的出现和分析工具的进步促进了FPS数字双胞胎的发展，这些分析工具有效地取代了以前依赖于某种程度的人工干预的活动。

数字孪生模型的基本系统架构如图1所示。理想情况下，数字孪生体应集成到接收和利用数据的现有业务系统中。核心由虚拟模型、数据分析、使用完全耦合的全球性能模型的预测引擎以及来自仪器或其他可用来源的测量环境和系统响应数据组成。然后，由预测引擎和分析生成的信息被上传到客户的系统。

预测引擎执行系统评估。系统评估的过程如图2所示。数据采集完成后，必须进行适当的清理。此时，还可以评估传感器的运行状况。然后使用特定时间段的可用测量数据运行该模型。分析模型结果可以与可用的测量响应数据一起使用，以执行系统健康状况的评估。

FPS的评估响应是复杂的，依赖于环境载荷，包括波浪、风和电流，以及系统组件的相互作用，包括船体/上部结构、系泊/锚索和隔水管。

因此，在使用全局性能模型时，预测引擎必须足够健壮，以考虑缺失或不可用的数据以及预测响应与测量响应之间的差异。

运行模型可以是一个迭代优化周期，如图3所示。测量数据被用作全局性能模型的输入和验证。一个简单的例子是波浪环境与船舶升沉响应之间的关系。对于给定的波浪环境，该模型可用于确定升沉响应。

然而，如果没有可用的波浪数据，该模型可以用来确定可能产生观测到的升沉响应的波浪环境。这个迭代过程确保预测的模型行为与从物理资产测量的数据相匹配。该过程还可以识别不可能或不现实的测量数据，否则使用传统数据分析似乎是合理的。

数字孪生模型的两个基本部分是测量数据和系统模型;有用性完全依赖于使用干净的测量数据和准确的模型预测。数据清理例程评估原始数据的错误，例如:平线数据、白噪声、数据剪辑、异常值、不连续、重复值和缺乏相关性。健壮的数据清理解决方案可靠地识别和纠正数据错误。

所使用的全球性能软件是一个专有软件包，通过广泛的项目使用和与重大风暴事件可用测量数据的比较进行验证。典型的全局性能模型的图像如图4所示。整体性能模型使用船体/上层甲板的6自由度刚体表示，包括系泊/肌腱和立管的离散模型。

当使用测量环境和响应数据在各种天气条件下验证全球性能模型时，可以获得最佳结果。船体和上层甲板组件的结构评估可以通过应用从详细的有限元模型发展而来的传递函数来进行。

功能和好处

数字孪生模型的主要力量来自全球性能模型与测量数据的集成。因此，数字孪生模型的有效性与全球性能模型预测的准确性直接相关。图5显示了拉力腿平台(TLP)肌腱的顶部张力和TLP偏移量的测量数据与整体性能模型预测之间的比较示例。

所显示的时间段包括两次重大风暴事件。高质量的测量数据和预测响应之间的肌腱张力的优秀比较确保了模型精度有效性的高水平置信度。TLP偏移量的比较表明GPS数据存在较大的噪声水平。对于较大的事件，偏移响应的比较更好;然而，对于日常事件，GPS数据不能可靠地用于进行详细的设施评估。

数字孪生模型功能通过基于物理的模型和数据分析/处理的自动化提供了许多好处，而不仅仅是简单地消除了执行这些任务通常所需的人力。数字孪生体系结构的基本功能提供了实时连续评估。执行的评估比使用数据或分析单独评估系统更彻底。

数字孪生模型允许数据和分析模型一起工作，以了解FPS对实际情况的响应，而不是假设条件。在设计过程中进行的浮动系统分析或典型的离线评估必须对负载做出假设，以将分析案例的数量减少到合理的数量。

图6展示了这些假设的例子，用于海洋参数和船舶偏移。从图中可以明显看出，实测数据显示的变化明显大于通常所作的假设。在确定累积疲劳时，实际情况中的这种可变性尤为重要。

数字双胞胎模型的好处在于:

• 测量数据的清洁版本，便于数据检查和使用
• 利用测量数据和分析模型进行实时持续的设施评估
• 能够执行事后和预测评估的业务支持
• 实时检测传感器功能、关键性能指标(KPI)超出，以及触发进一步评估的系统更改
• “虚拟传感器”为不使用基于物理模型的仪器的组件提供信息
• 使用实际和虚拟传感器对系统进行自动极值和疲劳监测，有助于确保安全运行，并为持续的服务评估提供依据。

额外的功能

数字孪生模型提供FPS的持续监测和模拟，为FPS的所有组件生成虚拟数据流，包括不可访问或没有仪器的区域。kpi会自动生成并跟踪，以获得即时的性能反馈。持续监测和自动化数据分析可以识别仪器故障和异常，以及超出识别阈值的响应。

一些响应的极值可用于验证法规遵从性。例如，可以将合成系泊系统的极端系泊张力与允许的水平进行比较，以确保不需要额外的插入测试。通过结合模拟响应和实测响应来确定自动生成的疲劳累积，可用于完整性管理评估、回接/扩展评估和持续服务评估。

该模型还可以通过利用数字双胞胎预测的行为，消除除基本运动响应和环境参数之外的数据需求，从而降低仪器成本。这种按比例缩小的仪器系统易于维护，而不会牺牲信息供应或系统性能。

同样，由于传感器故障而丢失的数据很容易被数字孪生模型输出所替代。此外，模型预测能力允许“基于响应的操作”，从而可以在预测的环境/操作条件下使用预测的系统响应来计划操作。

跟踪和预测功能允许以与实时数据评估相同的方式进行评估。以前测量的数据或来自对未来事件的预测的数据可以与全球性能模型一起使用，以预测过去或未来的事件。对于过去的事件，这意味着可以评估整个可用数据记录的FPS响应。由后向环境数据驱动的FPS模拟响应可以填补由仪器系统中断(例如，飓风期间的停电)引起的测量响应数据中的任何空白。

对于未来的事件，可以评估FPS响应，以确定预测的响应是否保持在计划任务的操作范围内，或者在恶劣天气事件期间，任何系统组件是否可能处于高负载状态。

经过验证的数字孪生模型充当“虚拟传感器”，并提供有关仪表数据不可用的组件的响应信息。固有的整体性能模型包括设备、隔水管、系泊线或锚索的离散模型。从模型中获得的响应信息包括设备的运动响应(包括偏移量、速度和加速度)以及隔水管和系泊线或隔水管的运动、张力、弯矩和应力行为。该响应信息可用于确定系泊线、锚索或立管整个长度的疲劳损伤累积，包括难以直接安装仪器的关键位置，例如，钢悬链线立管触点区域。此功能还可用于减少设备的仪表需求(以及相关的维护成本)。

了解在FPS使用寿命中所经历的实际情况对延长寿命、回接和扩展项目有明显的好处。这些信息还有助于制定基于风险的检查和基于状态的维护计划，因为计划的制定部分依赖于了解系统的运行历史。

以前不可用

开发了一个由测量数据驱动的全耦合全局性能模型的数字孪生模型。这项技术的好处很多，包括:

• 能够快速执行后续和预测评估，以支持运营决策、评估和规划，可能会显著减少运营延迟和停机时间
• 利用分析数据对设备进行实时持续评估，以补充错误或缺失的测量数据
• 实时检测传感器功能，KPI超出和触发进一步评估的系统变化
• 提供免维护的“虚拟传感器”，为组件提供信息，并显著减少需要维护的物理仪器的使用
• 自动极值和疲劳监测，有助于确保安全运行，并提供持续服务评估所需的历史信息。

数字双胞胎的实施提供了对以前无法实现的浮动系统行为的洞察，同时加强了设施的管理。

斯科特麦克尼尔，大卫Renzi,Dilip Maniar校长是否与应力工程服务公司．

原始内容可以在石油与天然气工程．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。