(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211193544.5 (22)申请日 2022.09.28 (71)申请人 中石化宁波工程有限公司 地址 315100 浙江省宁波市宁波高新区院 士路660号 申请人 浙大宁波理工学院 (72)发明人 汉建德　金恒　王耀东　马佳星　 杨宏泉　任云　郭松　鲁锦涛　 樊真　 (74)专利代理 机构 宁波大川专利代理事务所 (普通合伙) 33342 专利代理师 毛翔威 (51)Int.Cl. G06F 30/28(2020.01) G06F 30/27(2020.01)G06N 20/00(2019.01) G06F 113/08(2020.01) G06F 119/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种储液罐水动力性能数字孪生评估系统 及其方法 (57)摘要 本发明公开了一种储液罐水动力性能数字 孪生评估系统， 包括基于实物数据采集模块、 相 似物理模型测试模块 以及储液罐数值模拟模块 组成的数字孪生模型模块、 水动力性能计算模 块、 数据采集与交互模块以及性能评估与诊断预 测模块， 所述的数字孪生模型模块、 水动力性能 计算模块、 数据采集与交互模块以及性能评估与 诊断预测模块依次链接， 且数据采集与交互模块 还与孪生模 型模块链接。 本发明还公开了一种储 液罐水动力性能数字孪生评估 方法。 本发明有效 提高利用数字孪生方法对储罐水动力性能计算 的准确性， 丰富了水动力性能评估系统的功能。 权利要求书3页 说明书8页 附图4页 CN 115470730 A 2022.12.13 CN 115470730 A 1.一种储液 罐水动力性能数字 孪生评估系统， 其特 征在于， 包括以下模块： 由实物数据采集模块 （1 ‑1） 、 相似物理模型测试模块 （1 ‑2） 以及储液罐数值模拟模块 （1‑3） 组成的数字孪生模 型模块 （15） ； 所述的实物数据采集模块 （1 ‑1） 用于获取需要采集实 际服役中的工程储液容器压力、 位移、 液面变化、 温度四个参数在外界环境作用下的变化过 程； 所述的相似物理模型测试模块 （1 ‑2） 用于根据实物储罐的几何尺寸并采用弗劳德重力 相似准则进行相似处理； 所述的储液罐数值模拟模块 （1 ‑3） 采用开源计算流体力学软件 OpenFOAM进行建模， 并保证建模中各个参数和条件应与实物储液 罐保持一 致； 联合运用基于Op enFOAM开源计算流体力学代码的数值模拟计算方法、 物理模型实验方 法和机器学习 预测方法共同计算分析， 计算结果 随时停止， 并获得停止时间节点此时的储 罐内压力、 流速、 液位数据结果， 将上述结果与实测结果进 行对比， 如需要 更新数据， 将实测 结果作为数值计算模型下一步计算的初始条件作为输入量继续进行计算储罐内压力、 流 速、 液位数据的水动力性能计算模块 （16） ； 对实物、 数值模型、 试验模型和机器学习模型输出的压力、 位移、 液面变化、 温度四个主 要参数进 行分类收集， 并通过水动力性能计算模块 （16） 综合各模型输出结果对 数据进行整 理、 储存， 然后 将采集分类的数据在相同时刻 进行交互映射， 对同一时刻不同模 型数据进 行 对比修正， 在完成上述交互过程后， 进 行数据反馈， 并清理冗余的不准确数据后完成特征提 取的数据采集与交 互模块 （17） ； 对影响储罐的安全性 能的各项参数进行性 能曲线绘制和可视化输出， 进一步分析在不 同环境载荷作用下储液罐水动力性能的变化规律， 得出储液罐振动模态和应力集中位置， 然后对储液罐性能在载荷变化下可能造成的风险、 事故进行预测， 并对由于时间推移和外 载荷作用造成的已发生的故障进 行回溯分析， 从而明确故障发生原因的性能评估与诊断预 测模块 （18） ， 其中， 所述的数字孪生模型模块 （15） 、 水动力性能计算模块 （16） 、 数据采集与 交互模块 （17） 以及性能评估与诊断预测模块 （18） 依次链接， 且 数据采集与交互模块 （17） 还 与数字孪生模型模块 （15） 链接 。 2.一种储液罐水动力性能数字孪生评估方法， 包括采用权利要求1所述的一种储液罐 水动力性能数字 孪生评估系统， 其特 征在于， 具体包括以下步骤： S1、 孪生模型构建步骤， 所述的孪生模型构建包括储液罐实物的数据获取步骤， 相似物 理模型构建步骤和储液 罐数值建模步骤； S2、 水动力性能计算步骤， 所述的水动力性能计算步骤包括基于OpenFOAM开源计算流 体力学代码的数值计算步骤、 基于水动力试验的物理模型试验分析步骤以及基于机器学习 的神经网络模型计算 步骤； S3、 利用不同类型传感器的数据采集结果作为实测数据与水动力性能计算结果进行交 互的步骤； S4、 将S3步骤采集的数据采集结果通过内部预制程序进行输入， 由相关分析算法进行 后处理， 以窗口界面将相关数据以图表的形式经过统计分析后展现出来， 以时域或频域分 析作为分析内容， 对相关参数进 行交互后的数据对比， 分析其可能存在的不同点， 然后通过 获取的结果进行性能评估、 风险预测 和故障诊断的过程。 3.根据权利要求2所述的一种 储液罐水动力性 能数字孪生评估方法， 其特征在于， 在步 骤S1中， 所述储液罐实物的数据获取步骤如下： 通过采集实际服役中的工程结构压力、 位权　利　要　求　书 1/3 页 2 CN 115470730 A 2移、 液位、 温度四个参数在外界环境作用下的变化过程， 采样频率和采样总量应具有充分的 时间跨度， 一般样本数据周期应不小于6个月 ， 采样频率不超过30分钟， 且在采集过程前需 要对实物储罐的基础材 料也进行一次性收集。 4.根据权利要求2所述的一种 储液罐水动力性 能数字孪生评估方法， 其特征在于， 在步 骤S1中， 所述相似物理模型构建步骤是根据实物储罐的几何尺寸进行相似处理， 主要步骤 如下： 采用弗劳德重力相似准则， 对模 型中的相关参数采用弗劳德准数比例进 行缩放， 同时 在建模过程中 以模型材料、 储罐内液体属 性相似为前提， 保证数值模型建模中的各个参数 与实物储液 罐保持一 致， 最后采用OpenFOAM进行建模。 5.根据权利要求2所述的一种 储液罐水动力性 能数字孪生评估方法， 其特征在于， 在步 骤S2中水动力性能计算预测是联合运用OpenFOAM开源计算流体力 学代码进行数值计算的 方法、 物理模型实验方法和机器学习预测方法多种方法共同计算分析。 6.根据权利要求5所述的一种 储液罐水动力性 能数字孪生评估方法， 其特征在于， 基于 OpenFOAM开源计算流体力学代码的数值计算步骤如下： 利用数值模拟过程依次确定模 型初 值、 流体计算域网格、 边界条件、 数值算法以及环境条件； 且计算过程可随时停止， 然后获得 停止时间节点的储罐内压力、 流速、 液位数据结果， 将上述结果与实测结果进行对比， 如需 要更新数据， 将实测结果作为数值计算模型下一步计算的初始条件作为输入量继续进 行计 算。 7.根据权利要求6所述的一种 储液罐水动力性 能数字孪生评估方法， 其特征在于， 所述 数值模拟过程通过有限体积法进 行计算域分解和网格划分， 在各计算单元内求解雷诺时均 的纳维斯托克斯方程以获得储罐内各点的压力—速度耦合关系， 并根据实物储液罐上采集 的结果作为初值， 让边界条件保持与实物储罐相同的性质， 如果边壁不透水流通量沿壁面 方向梯度为零， 储罐在外界环 境载荷作用下运动， 保证边壁位置与实物储罐运动保持一致； 所述数值模拟过程的试验平台需要满足储罐所要面临的环境因素， 模型相似采用重力为主 要因素的弗洛德准则对作用力、 特征长度、 速度、 质量以及时间参数进行缩尺， 同时进行模 型测试应在对应位置设置检测传感器， 针对不同问题通过试验平台模拟不同的载荷， 进行 相关水动力性能计算分析。 8.根据权利要求2所述的一种 储液罐水动力性 能数字孪生评估方法， 其特征在于， 在步 骤S2中基于机器学习的神经网络模 型计算步骤如下： 首先应对实物、 试验模型、 数值模型已 获得的结果进 行分类整理， 并将总样 本量分成50%、 50%两份， 其中一份作为训练神经网络模 型的样本数据， 另一份作为验证模型可靠性和 准确性的验证数据， 且神经网络模型分为前 馈和反馈两部 分， 通过训练样本数据不断重复计算， 提高神经网络模 型精度， 最终实现可靠 特征量的输出。 9.根据权利要求2所述的一种 储液罐水动力性 能数字孪生评估方法， 其特征在于， 在步 骤S3中利用不同类型传感器的数据采集结果作为实测数据与水动力性能计算结果进行交 互的步骤如下： S3‑1、 对实物、 试验模型、 试验模型数据和机器学习模型数据输出的压力、 位移、 液位、 温度四个主 要参数进行分类收集； S3‑2、 通过不同模型采样频率的差异， 对数据进行整理、 储 存； S3‑3、 将数据交互过程分为数据映射、 验证、 同化和反馈四个过程， 首先， 将采集分类的权　利　要　求　书 2/3 页 3 CN 115470730 A 3