Research progress and prospect of the application of digital twins in oil and gas field ground systems

doi:10.16085/j.issn.1000-6613.2024-1861

Abstract

Abstract:

Digital twin, as a key technology for the digital transformation and intelligent upgrade of industries, will be deeply integrated with the oil and gas industry under the guidance of national policies, driving the high-quality development of oil and gas field ground systems in the new era. In this paper, the research progress and prospects of the application of digital twins in oil and gas field ground systems are reviewed. Firstly, by sorting out the definition and evolutionary route of digital twin, functions of digital twin in oil and gas field ground system are elaborated based on core features of the full life cycle, real-time, and bidirectional. Secondly, using the bibliometric software VOSviewer, literature survey and keyword co-occurrence analysis on the research and application of digital twin in ground systems from China National Knowledge Infrastructure(CNKI) spanning 2010 to 2024 are conducted, which reveal that the exploration of digital twin in China's oil and gas field ground system has completed the transformation from conceptual analysis to practical application. Moreover, a detailed analysis of research hotspots at the device level, station depot level, and system level are provided, and currently, simulation, optimization, fault diagnosis, detection and monitoring are the most widely studied areas. Thirdly, according to the actual situation of the ground system, the future construction objectives, implementation paths, and the key links of ground system digital twins are discussed. It is proposed that ground system digital twin construction should accelerate progress from aspects of clarifying business needs, data integration and governance, three-dimensional modeling and simulation, artificial intelligence algorithm research, building control channels between digital twin bodies and equipment entities, and system iteration optimization. The research results provide reference for the study of intelligent operation of oil and gas field ground systems.

Key words: digital twin, oil and gas field ground system, intelligent operation, dynamic simulation, VOSviewer, bibliometrics

摘要：

数字孪生作为行业数字化转型和智能化升级的关键技术，在国家政策引领下，将与油气行业深度融合，推动新时代油气田地面系统高质量发展。本文从地面系统智慧运行角度对数字孪生融合应用的研究进展及未来展望进行了分析：①通过梳理数字孪生的定义、演进路线，基于数字孪生的全生命周期、实时、双向等核心特点，阐述了数字孪生赋能油气田地面系统的作用；②利用VOSviewer软件，对2010—2024年中国知网中对数字孪生在地面系统的研究与应用进行了文献统计、关键词共现分析，揭示了我国地面系统数字孪生探索完成了从概念分析到实践应用的转型，从设备级、站库级、系统级三个层级对数字孪生技术的研究热点进行了细致梳理，提出了当前数字孪生技术在模拟仿真、优化、故障诊断、检测与监测等方面应用研究最为广泛；③结合地面系统实际情况，探讨了地面系统数字孪生未来建设目标、建设思路、实施路径，提出了地面系统数字孪生建设需从明确业务需求、数据集成及治理、三维建模及仿真、人工智能算法研究、数字孪生体与设备实体的控制通道建设、系统迭代优化等方面加速推进。研究成果为油气田地面系统智慧运行研究提供参考。

关键词: 数字孪生, 油气田地面系统, 智慧运行, 动态仿真, VOSviewer, 文献计量

CLC Number:

TE97

CUI Yue, LI Yufeng, LI Wei, HUANG Yeqian, WEI Bei. Research progress and prospect of the application of digital twins in oil and gas field ground systems[J]. Chemical Industry and Engineering Progress, 2025, 44(3): 1194-1205.

崔悦, 李玉凤, 李伟, 黄业千, 魏蓓. 数字孪生在油气田地面系统的研究进展及展望[J]. 化工进展, 2025, 44(3): 1194-1205.

Figures/Tables 12

References 40

41	赵尚羽. 用于故障检测的高压加热器数字孪生模型研究[D]. 北京: 华北电力大学, 2022.
	ZHAO Shangyu. Research on digital twin model of high pressure heaters for fault detection purpose[D]. Beijing: North China Electric Power University, 2022.
42	孔翎超. 融合机器学习和数字孪生的风电机组故障检测及可视化研究[D]. 青岛: 青岛科技大学, 2023.
	KONG Lingchao. Research on fault detection and visualization of wind turbine generators integrating machine learning and digital twin[D]. Qingdao: Qingdao University of Science & Technology, 2023.
43	张玉飞. LNG储罐结构完整性管理技术及应用[D]. 青岛: 中国石油大学(华东), 2021.
	ZHANG Yufei. Management technology and application of LNG storagetank structural integrity[D]. Qingdao: China University of Petroleum (Huadong), 2021.
44	李明昊, 冯新. 基于增强现实的管网安全评价数字孪生方法[J]. 油气储运, 2022, 41(5): 525-535.
	LI Minghao, FENG Xin. Digital twin method for safety assessment of pipeline networks based on augmented reality[J]. Oil & Gas Storage and Transportation, 2022, 41(5): 525-535.
45	陈渝, 胡耀义, 曹宏艳. 一种基于数字孪生体的油气输送管道完整性管理方法[J]. 油气与新能源, 2022, 34(5): 84-88.
	CHEN Yu, HU Yaoyi, CAO Hongyan. An integrity management method of the oil and gas pipeline based on digital twin[J]. Petroleum and New Energy, 2022, 34(5): 84-88.
46	李亚菲, 吴有更, 张巍威. 埋地油气管道腐蚀风险管控体系的构建[J]. 石油工业技术监督, 2023, 39(4): 48-52.
	LI Yafei, WU Yougeng, ZHANG Weiwei. Construction of corrosion risk management and control system for underground oil-gas pipelines[J]. Technology Supervision in Petroleum Industry, 2023, 39(4): 48-52.
47	刘晓垒, 马祥厚. 人工智能技术在油田联合站生产安全预警中的应用[J]. 信息系统工程, 2020(2): 92-93.
	LIU Xiaolei, MA Xianghou. Application of artificial intelligence technology in production safety early warning of oil field joint station[J]. China CIO News, 2020(2): 92-93.
48	耿玥瑶. 数字孪生与深度学习融合驱动的智慧油气场站系统研究与实现[D]. 北京: 中国石油大学(北京), 2022.
	GENG Yueyao. Intelligence driven by the fusion of digital twin and deep learning research and realization of hui oil and gas station system[D]. Beijing: China University of Petroleum (Beijing), 2022.
49	巩峰, 訾晓晨, 鲁晓醒, 等. 数字化管控在华北油田油气站场中的应用[J]. 石油知识, 2022(2): 60-61.
	GONG Feng, ZI Xiaochen, LU Xiaoxing, et al. Application of digital control in oil and gas station in North China oilfiel[J]. Petroleum Knowledge, 2022(2): 60-61.
50	王浩, 张斌, 朱桥梁, 等. 长输天然气管道场站数字孪生技术的运用及研究[J]. 当代化工研究, 2022(16): 95-97.
	WANG Hao, ZHANG Bin, ZHU Qiaoliang, et al. Application and research of digital twin technology in long-distance natural gas pipeline station[J]. Modern Chemical Research, 2022(16): 95-97.
51	汪琰. 数字孪生驱动的油品码头输油调度技术研究[D]. 上海: 上海交通大学, 2022.
	WANG Yan. Research on oil transportation scheduling technology of oil terminal driven by digital twin[D]. Shanghai: Shanghai Jiao Tong University, 2022.
52	董江洁. 虚拟现实与数字孪生结合的气田人员培训模式研究[J]. 信息系统工程, 2024(7): 106-109.
	DONG Jiangjie. Research on training mode of gas field personnel by combining virtual reality and digital twin[J]. China CIO News, 2024(7): 106-109.
1	国家能源局. 关于加快推进能源数字化智能化发展的若干意见[J]. 大众用电, 2023, 38(4): 11-14.
	National Energy Administration. Some opinions on accelerating the development of energy digitalization and intelligence[J]. Popular Utilization of Electricity, 2023, 38(4): 11-14.
2	中华人民共和国国家市场监督管理总局, 国家标准化管理委员会. 信息技术数字孪生第1部分：通用要求: [S]. 北京: 中国电子技术标准化研究院, 2023.
	State Administration for Market Regulation of the People’s Republic of China, National Standardization Administration of the People’s Republic of China. Information technology—Digital twin—Part 1: General requirements: [S]. Beijing: China Electronics Technology Standardization Institute, 2023.
3	陶飞, 刘蔚然, 张萌, 等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统, 2019, 25(1): 1-18.
	TAO Fei, LIU Weiran, ZHANG Meng, et al. Five-dimension digital twin model and its ten applications[J]. Computer Integrated Manufacturing Systems, 2019, 25(1): 1-18.
4	张玉卓. 以数字化转型促进能源化工产业高质量发展[J]. 中国产经, 2021(1): 85-87.
	ZHANG Yuzhuo. Promoting the high-quality development of energy and chemical industry with digital transformation[J]. Chinese Industry & Economy, 2021(1): 85-87.
5	糜利栋, 曾大乾, 刘华, 等. 天然气地下储气库智能化建设关键技术及其发展趋势[J]. 石油与天然气地质, 2024, 45(2): 581-592.
	MI Lidong, ZENG Daqian, LIU Hua, et al. Key technologies and development trends for intelligent construction of underground gas storage facilities[J]. Oil & Gas Geology, 2024, 45(2): 581-592.
6	高立兵, 吕中原, 索寒生, 等. 石油化工流程模拟软件现状与发展趋势[J]. 化工进展, 2021, 40(S2): 1-14.
	GAO Libing, ( Zhongyuan LÜ/LV/LU/LYU), SUO Hansheng, et al. Market analysis and development trend of petrochemical process simulation software[J]. Chemical Industry and Engineering Progress, 2021, 40(S2): 1-14.
53	王佳佳, 程琬淇, 韩凌. 数字孪生VR技术在气田应急演练中的应用[J]. 信息系统工程, 2024(8): 44-47.
	WANG Jiajia, CHENG Wanqi, HAN Ling. Application of digital twin VR technology in gas field emergency drill[J]. China CIO News, 2024(8): 44-47.
54	孙红江. 如何构建在役油气站场数字孪生体[J]. 石化技术, 2020, 27(5): 361-362.
	SUN Hongjiang. Build digital twin of in-service oil and gas statio[J]. Petrochemical Industry Technology, 2020, 27(5): 361-362.
55	何蕾. 基于混合模型的输油站场工艺数字孪生体构建方法研究[D]. 北京: 中国石油大学(北京), 2022.
	HE Lei. Study on digital twin method for oil pipelinestation process based on hybrid model[D]. Beijing: China University of Petroleum (Beijing), 2022.
56	何蕾, 张明, 衣华磊, 等. 基于数字孪生的生产分离器分离效果混合模型[J]. 石油机械, 2024, 52(8): 15-23.
	HE Lei, ZHANG Ming, YI Hualei, et al. A hybrid model for separating effect of production separator based on digital twin[J]. China Petroleum Machinery, 2024, 52(8): 15-23.
57	曹颜玉, 胡子涛, 侯春来, 等. 海洋撬装往复式压缩机数字孪生框架及可视系统设计[J]. 化工设备与管道, 2024, 61(5): 62-71.
	CAO Yanyu, HU Zitao, HOU Chunlai, et al. Design of digital twin frame and visual system for marine skid-mounted reciprocating compressors[J]. Process Equipment & Piping, 2024, 61(5): 62-71.
58	曹颜玉, 李想, 张笑影, 等. 基于HYSYS的往复式天然气压缩机橇数字孪生系统[J]. 石油机械, 2024, 52(5): 53-62.
	CAO Yanyu, LI Xiang, ZHANG Xiaoying, et al. A digital twin system for reciprocating natural gas compressor package based on HYSYS mechanism model[J]. China Petroleum Machinery, 2024, 52(5): 53-62.
7	吴帅, 尹爱军, 张波. 天然气三甘醇脱水装置数字孪生系统[J]. 重庆大学学报, 2024, 47(5): 110-121.
	WU Shuai, YIN Aijun, ZHANG Bo. Digital twin system for TEG dehydration of natural gas device[J]. Journal of Chongqing University, 2024, 47(5): 110-121.
8	李阳, 张建, 范振宁, 等. 齐鲁石化—胜利油田CO₂长输管道数智化关键技术与创新实践[J]. 天然气工业, 2024, 44(9): 1-12.
	LI Yang, ZHANG Jian, FAN Zhenning, et al. Key technologies for digital intelligence of long-distance CO₂ pipeline and their innovative practices in the Qilu Petrochemical–Shengli Oilfield CO₂ pipeline[J]. Natural Gas Industry, 2024, 44(9): 1-12.
9	宫敬, 徐波, 张微波. 中俄东线智能化工艺运行基础与实现的思考[J]. 油气储运, 2020, 39(2): 130-139.
	GONG Jing, XU Bo, ZHANG Weibo. Thinking on the basis and realization of intelligent process operation of China–Russia Eastern Gas Pipeline[J]. Oil & Gas Storage and Transportation, 2020, 39(2): 130-139.
10	吴长春, 左丽丽. 关于中国智慧管道发展的认识与思考[J]. 油气储运, 2020, 39(4): 361-370.
	WU Changchun, ZUO Lili. Understanding and thinking on the development of China’s intelligent pipeline[J]. Oil & Gas Storage and Transportation, 2020, 39(4): 361-370.
11	董绍华, 张轶男, 左丽丽. 中外智慧管网发展现状与对策方案[J]. 油气储运, 2021, 40(3): 249-255.
	DONG Shaohua, ZHANG Yinan, ZUO Lili. Intelligent pipeline network at home and abroad: Development status, existing problems and solutions[J]. Oil & Gas Storage and Transportation, 2021, 40(3): 249-255.
12	王金江, 王舒辉, 张来斌, 等. 基于数字孪生的压气站场设备风险智能决策系统[J]. 天然气工业, 2021, 41(7): 115-123.
	WANG Jinjiang, WANG Shuhui, ZHANG Laibin, et al. Digital twin based intelligent risk decision-making system of compressor station equipment[J]. Natural Gas Industry, 2021, 41(7): 115-123.
13	张来斌, 王金江. 油气生产智能安全运维: 内涵及关键技术[J]. 天然气工业, 2023, 43(2): 15-23.
59	包华瑜. 数字孪生系统在膨胀制冷系统上的应用[J]. 中国石油和化工, 2024(4): 82-84.
	BAO Huayu. Application of digital twin system in expansion refrigeration system[J]. China Petroleum and Chemical Industry, 2024(4): 82-84.
60	张磊, 郑兴周, 宋健辉, 等. 基于数字孪生技术的海洋平台工艺系统仿真模型[J]. 中国仪器仪表, 2020(12): 75-78.
	ZHANG Lei, ZHENG Xingzhou, SONG Jianhui, et al. The simulation model of offshore platform process system base on digital twin technology[J]. China Instrumentation, 2020(12): 75-78.
61	周波. 基于模拟仿真的石化油气输送系统数字孪生体技术[J]. 粘接, 2022, 49(9): 102-105.
	ZHOU Bo. Application technology of digital twin of natural gas transmission pipeline based on simulation[J]. Adhesion, 2022, 49(9): 102-105.
62	姬帅鹏. 成品油管道数字化之在线仿真系统开发[D]. 北京: 中国石油大学(北京), 2023.
	JI Shuaipeng. Development of online simulation system for digitization of multi-product pipeline[D]. Beijing: China University of Petroleum (Beijing), 2023.
63	周玥可. 区域能源站输配管网系统优化研究[D]. 重庆: 重庆大学, 2022.
	ZHOU Yueke. Research on optimization of transmissionand distribution in district energy system[D]. Chongqing: Chongqing University, 2022.
64	房方, 姚贵山, 胡阳, 等. 风力发电机组数字孪生系统[J]. 中国科学: 技术科学, 2022, 52(10): 1582-1594.
	FANG Fang, YAO Guishan, HU Yang, et al. Digital twin system of a wind turbine[J]. Scientia Sinica (Technologica), 2022, 52(10): 1582-1594.
13	ZHANG Laibin, WANG Jinjiang. Intelligent safe operation and maintenance of oil and gas production systems: Connotation and key technologies[J]. Natural Gas Industry, 2023, 43(2): 15-23.
14	闫天红, 王维刚, 赵海峰, 等. 现役导管架平台结构监测系统开发与数字孪生技术[J]. 中国机械工程, 2021, 32(20): 2508-2513.
	YAN Tianhong, WANG Weigang, ZHAO Haifeng, et al. Development of structure monitoring systems and digital twin technology of active jacket platforms[J]. China Mechanical Engineering, 2021, 32(20): 2508-2513.
15	余斌, 朱伟佳. 石化行业数字孪生技术的应用探索[J]. 化工进展, 2019, 38(S1): 278-282.
	YU Bin, ZHU Weijia. Application exploration of digital twin technology in petrochemical industry[J]. Chemical Industry and Engineering Progress, 2019, 38(S1): 278-282.
16	索寒生, 贾梦达, 宋光, 等. 数字孪生技术助力石化智能工厂[J]. 化工进展, 2023, 42(7): 3365-3373.
	SUO Hansheng, JIA Mengda, SONG Guang, et al. Digital twin-driving force for petrochemical smart factory[J]. Chemical Industry and Engineering Progress, 2023, 42(7): 3365-3373.
17	李阳, 廉培庆, 薛兆杰, 等. 大数据及人工智能在油气田开发中的应用现状及展望[J]. 中国石油大学学报(自然科学版), 2020, 44(4): 1-11.
	LI Yang, LIAN Peiqing, XUE Zhaojie, et al. Application status and prospect of big data and artificial intelligence in oil and gas field development[J]. Journal of China University of Petroleum (Edition of Natural Science), 2020, 44(4): 1-11.
18	廖绮, 刘春颖, 杜渐, 等. 人工智能赋能油气管道运行管理的应用及展望[J]. 油气储运, 2024, 43(6): 601-613.
	LIAO Qi, LIU Chunying, DU Jian, et al. Application and prospect of artificial intelligence in empowering the operation and managment of oil and gas pipelines[J]. Oil & Gas Storage and Transportation, 2024, 43(6): 601-613.
19	徐磊, 侯磊, 李雨,等. 机器学习在油气管道的应用研究进展及展望[J]. 油气储运, 2021, 40(2): 138-145.
	XU Lei, HOU Lei, LI Yu, et al. Research progress and prospect of application of machine learning in oil and gas pipeline[J]. Oil & Gas Storage and Transportation, 2021, 40(2): 138-145.
20	GRIEVES Michael, VICKERS John. Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems[M]//Transdisciplinary perspectives on complex systems. Cham: Springer International Publishing, 2016: 85-113.
21	TUEGEL Eric J, INGRAFFEA Anthony R, EASON Thomas G, et al. Reengineering aircraft structural life prediction using a digital twin[J]. International Journal of Aerospace Engineering, 2011, 2011(1): 154798.
22	华为云计算技术有限公司, 中国信息通信研究院.数字孪生发展研究报告[R]. 2024.
	Huawei Cloud Computing Technology Co., Ltd., China Academy of Information and Communications Technology. Digital twin development research report[R]. 2024.
23	李柏松, 王学力, 王巨洪. 数字孪生体及其在智慧管网应用的可行性[J]. 油气储运, 2018, 37(10): 1081-1087.
	LI Baisong, WANG Xueli, WANG Juhong. Digital Twin and its application feasibility to intelligent pipeline networks[J]. Oil & Gas Storage and Transportation, 2018, 37(10): 1081-1087.
24	中华人民共和国国家发展改革委. 关于推进“上云用数赋智”行动培育新经济发展实施方案[R]. 北京: 国家发展改革委, 2020.
	National Development and Reform Commission, PRC. Action Plan for Promoting “Cloud Computing, Data Usage, Intelligent Empowerment” to Cultivate New Economic Development[R]. Beijing: National Development and Reform Commission, 2020.
25	中华人民共和国国家工业和信息化部.“十四五”信息化和工业化深度融合发展规划[R]. 北京: 工业和信息化部, 2021.
	Ministry of Industry and Information Technology, PRC. “Fifth Five-Year Plan” for Deep Integration of Informationization and Industrialization[R]. Beijing: Ministry of Industry and Information Technology, 2021.
26	郭东明. 数字孪生与高性能智能制造[C]. 世界数字经济大会暨第十二届智慧城市与智能经济博览会, 2022.9(2-4), 宁波.GUODongming. Digital twin and high-performance intelligent manufacturing[C]. World Digital Economy Conference and the 12th Smart City and Smart Economy Expo, 2022.9(2-4), Ningbo, China.
27	王状状. 齿轮泵数字孪生系统的设计与实现[D]. 兰州: 兰州理工大学, 2023.
	WANG Zhuangzhuang. Design and implementation of digital twin system for gear pump[D]. Lanzhou: Lanzhou University of Technology, 2023.
28	牛晓彤. 数字孪生驱动的电主轴虚拟调试技术研究[D]. 北京: 中国石油大学(北京), 2023.
	NIU Xiaotong. Research study on virtual commissioning technology of electric spindle driven by digital twin[D]. Beijing: China University of Petroleum (Beijing), 2023.
29	张永超. 基于数字孪生技术的变压器温度预测及热寿命损失分析[D]. 沈阳: 沈阳工业大学, 2022.
	ZHANG Yongchao. Transformer temperature prediction and thermal life loss analysis based on digital twin technology[D]. Shenyang: Shenyang University of Technology, 2022.
30	胡爽. 基于数字孪生的往复式空气压缩机效率预测及参数寻优研究[D]. 兰州: 兰州理工大学, 2022.
	HU Shuang. Research on efficiency prediction and parameter optimization of reciprocating air compressor based on digital twin[D]. Lanzhou: Lanzhou University of Technology, 2022.
31	王占鳌. 数字孪生驱动的介质流动管线泄漏虚拟传感方法研究[D]. 北京: 中国石油大学(北京), 2023.
	WANG Zhan’ao. Virtual sensing method for leakage of medium flow pipeline driven by digital twin[D]. Beijing: China University of Petroleum (Beijing), 2023.
32	孙慧琳. 基于数字孪生的集输管道安全工况分析研究[D]. 青岛: 中国石油大学(华东), 2022.
	SUN Huilin. Analysis and research on safe working conditions of gathering pipeline based on digital twin[D]. Qingdao: China University of Petroleum (Huadong), 2022.
33	史少雄. 基于数字孪生的天然气管道泄漏检测[D]. 大庆: 东北石油大学, 2023.
65	姚贵山. 风电机组数字孪生系统建模及应用[D]. 北京: 华北电力大学, 2023.
	YAO Guishan. Modeling and application of wind turbine digital twin system[D]. Beijing: North China Electric Power University, 2023.
66	阮锦程. 综合能源系统的运行策略优化及关键设备数字孪生系统研究[D]. 上海: 华东理工大学, 2023.
	RUAN Jincheng. Research on optimization of operation strategy in intergrated energy system and digital twin system of key equipment[D]. Shanghai: East China University of Science and Technology, 2023.
67	刘超. 海上油气平台集群风/光/储接入规划与控制研究[D]. 北京: 北方工业大学, 2023.
	LIU Chao. Research on planning and control of windturbine/photovoltaic/energy storage connectionto offshore oil and gas platform cluster[D]. Beijing: North China University of Technology, 2023.
33	SHI Shaoxiong. Natural gas pipeline leakage detection based on digital twin[D]. Daqing: Northeast Petroleum University, 2023.
34	黄珊, 陈健飞, 杨超, 等. 基于腐蚀大数据的管道数字孪生技术分析[J]. 中国石油和化工标准与质量, 2021, 41(3): 184-185, 188.
	HUANG Shan, CHEN Jianfei, YANG Chao, et al. Analysis of pipeline digital twin technology based on corrosion big data[J]. China Petroleum and Chemical Standard and Quality, 2021, 41(3): 184-185, 188.
35	季蓓蕾. 地质灾害地段管道结构数字孪生技术研究[D]. 北京: 中国石油大学(北京), 2022.
	JI Beilei. Research on digital twin technology of pipeline structure in geohazards area[D]. Beijing: China University of Petroleum (Beijing), 2022.
36	张宏, 刘啸奔, 戴联双, 等. 地质灾害作用下油气管道环焊缝适用性实时评价方法[J]. 油气储运, 2023, 42(9): 1055-1063.
	ZHANG Hong, LIU Xiaoben, DAI Lianshuang, et al. Real-time fitness-for-service assessment method for girth weld of oil and gas pipelines subject to geological hazards[J]. Oil & Gas Storage and Transportation, 2023, 42(9): 1055-1063.
37	贾春龙, 李欣同, 韩超, 等. 输气管道力学监测与完整性管理系统研究[J]. 化学工程与装备, 2024(4): 168-170.
	JIA Chunlong, LI Xintong, HAN Chao, et al. Study on thermodynamic monitoring and integrity management system for gas pipeline[J]. Chemical Engineering & Equipment, 2024(4): 168-170.
38	叶伦宽. 基于数字孪生的旋转设备故障诊断技术研究[D]. 北京: 中国石油大学(北京), 2019.
	YE Lunkuan. Research on fault diagnosis technology of rotating equipment based on digital twin[D]. Beijing: China University of Petroleum (Beijing), 2019.
39	刘轩毓. 基于数字孪生的柴油机故障诊断系统研究[D]. 武汉: 武汉理工大学, 2021.
	LIU Xuanyu. Research on diesel engine fault diagnosis system based on digital twin technology[D]. Wuhan: Wuhan University of Technology, 2021.
40	余永华, 章宁, 解美强, 等. 基于数字孪生的柴油机故障诊断系统研究[J]. 船舶工程, 2022, 44(10): 86-91.
	YU Yonghua, ZHANG Ning, XIE Meiqiang, et al. Research on diesel engine fault diagnosis system based on digital twin[J]. Ship Engineering, 2022, 44(10): 86-91.

序号	状态	标准号	标准名称	归口单位	时间安排
1	现行	GB/T 43441.1—2023	信息技术数字孪生第1部分：通用要求	全国信息技术标准化技术委员会	实施于 2024年6月1日
2	现行	GB/T 41723—2022	自动化系统与集成复杂产品数字孪生体系架构	全国自动化系统与集成标准化技术委员会	实施于 2023年5月1日
3	即将实施	20221218-Z-604	自动化系统与集成工业数据数字孪生的可视化元素	全国自动化系统与集成标准化技术委员会	计划实施于 2025年3月1日
4	正在批准	20221808-T-469	智慧城市城市数字孪生第1部分：技术参考架构	全国信息技术标准化技术委员会、全国城市可持续发展标准化技术委员会	—
5	正在审查	20230710-T-469	信息技术装备数字孪生通用要求	全国信息技术标准化技术委员会	—
6	正在审查	20230066-T-604	自动化系统与集成面向制造的数字孪生框架第4部分：信息交换	全国自动化系统与集成标准化技术委员会	—
7	正在审查	20230976-T-469	信息技术数字孪生能力成熟度模型	全国信息技术标准化技术委员会	—
8	正在征求意见	20241796-T-469	信息技术车间数字孪生参考架构	全国信息技术标准化技术委员会	—

序号	状态	标准号	标准名称	归口单位	时间安排
1	现行	GB/T 43441.1—2023	信息技术数字孪生第1部分：通用要求	全国信息技术标准化技术委员会	实施于 2024年6月1日
2	现行	GB/T 41723—2022	自动化系统与集成复杂产品数字孪生体系架构	全国自动化系统与集成标准化技术委员会	实施于 2023年5月1日
3	即将实施	20221218-Z-604	自动化系统与集成工业数据数字孪生的可视化元素	全国自动化系统与集成标准化技术委员会	计划实施于 2025年3月1日
4	正在批准	20221808-T-469	智慧城市城市数字孪生第1部分：技术参考架构	全国信息技术标准化技术委员会、全国城市可持续发展标准化技术委员会	—
5	正在审查	20230710-T-469	信息技术装备数字孪生通用要求	全国信息技术标准化技术委员会	—
6	正在审查	20230066-T-604	自动化系统与集成面向制造的数字孪生框架第4部分：信息交换	全国自动化系统与集成标准化技术委员会	—
7	正在审查	20230976-T-469	信息技术数字孪生能力成熟度模型	全国信息技术标准化技术委员会	—
8	正在征求意见	20241796-T-469	信息技术车间数字孪生参考架构	全国信息技术标准化技术委员会	—

阶段	第一阶段	第二阶段	第三阶段	第四阶段	第五阶段
核心动力	三维模型驱动	可视化渲染驱动	感知闭环驱动、双向控制	全息仿真驱动	人工智能驱动
基本特征	几何模型孪生、静态孪生	空间孪生、可视孪生	视频融合、实时孪生、实景孪生	机理模型孪生、智能优化、沉浸交互	虚实共生、同步发展、自我优化
技术发展	计算机辅助设计、计算机辅助工程、地理信息技术	GIS、BIM、游戏引擎等技术	感知、自动化控制等技术	基于AI的大场景仿真技术，虚拟现实和增强现实等交互技术	人工智能生成内容、人工智能代理技术
应用方向	航空制造、工业制造	医疗、建筑、数字孪生城市	能源、规划、水利、交通	文旅、水力、交通、应急等深度应用，开始面向个人场景应用	全领域、全场景应用，实现元宇宙

阶段	第一阶段	第二阶段	第三阶段	第四阶段	第五阶段
核心动力	三维模型驱动	可视化渲染驱动	感知闭环驱动、双向控制	全息仿真驱动	人工智能驱动
基本特征	几何模型孪生、静态孪生	空间孪生、可视孪生	视频融合、实时孪生、实景孪生	机理模型孪生、智能优化、沉浸交互	虚实共生、同步发展、自我优化
技术发展	计算机辅助设计、计算机辅助工程、地理信息技术	GIS、BIM、游戏引擎等技术	感知、自动化控制等技术	基于AI的大场景仿真技术，虚拟现实和增强现实等交互技术	人工智能生成内容、人工智能代理技术
应用方向	航空制造、工业制造	医疗、建筑、数字孪生城市	能源、规划、水利、交通	文旅、水力、交通、应急等深度应用，开始面向个人场景应用	全领域、全场景应用，实现元宇宙

序号	机构	数量	主要研究主题
1	中国石油	42	智慧管网、智能油库、智能建造、完整性管理、模拟仿真、培训演练、模拟仿真
2	中国石油大学（北京）	24	智能管道、智能运行、应急保障、安全运维、智慧站场、智慧管网、监测检测
3	中国石化	20	流程模拟、智慧站场、智慧管道、数字孪生工厂、协同优化、智能预警
4	中国海油	18	海上平台、运维管理、仿真、结构优化、智能运维、数字工厂
5	国家管网	17	智慧管网、无人巡检、智能决策、人工智能、天然气计量、可视化管控、智慧储气库