- Код статьи
- S3034649525050049-1
- DOI
- 10.7868/S3034649525050049
- Тип публикации
- Обзор
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 5
- Страницы
- 61-85
- Аннотация
- В работе приведен обзор современного состояния и направления развития технологий цифровых двойников (ЦД) и искусственного интеллекта (ИИ) с акцентом на их применение в энергосистемах объектов нефтегазовой промышленности. Рассмотрены архитектурные основы ЦД, включая шестиуровневую модель и классификацию по уровням и областям применения. Освещены основные методы ИИ, применяемые в сочетании с ЦД: машинное обучение для прогнозирования нагрузки и возобновляемой генерации, обучение с подкреплением для оптимизации управления в условиях неопределенности, генеративный ИИ для поддержки принятия решений и моделирования сценариев. Подробно рассмотрены прикладные решения: реализация предиктивного обслуживания оборудования, оптимизация использования попутного нефтяного газа, создание интеллектуальных систем энергетического менеджмента. Обозначены актуальные проблемы и вопросы: выбор инфраструктуры обработки данных, кибербезопасность и экономико-правовое регулирование. Перечислены перспективы внедрения ЦД с учетом международных и российских экологических требований, в частности, цели по утилизации не менее 95% попутного нефтяного газа к 2027 г. Представленные примеры отечественных и зарубежных разработок и исследований показывают, что технологии ЦД и ИИ обладают высоким потенциалом в решении задач мониторинга оборудования, прогнозирования нагрузки, оптимизации производственных процессов и автоматизированного управления энергосистемами в нефтегазовом секторе.
- Ключевые слова
- цифровой двойник искусственный интеллект цифровая трансформация киберфизические системы предиктивная аналитика оптимизация процессов интернет вещей кибербезопасность устойчивое развитие
- Дата публикации
- 01.05.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 94
Библиография
- 1. Стенников В.А. Устойчивое развитие энергетики: тенденции и вызовы // Энергетическая политика. 2023. № 2(180). С. 32–39.
- 2. Воропай Н.И., Губко М.В., Ковалев С.П. и др. Проблемы развития цифровой энергетики в России // Проблемы управления. 2019. № 1. С. 1–14.
- 3. Бушуев В.В., Новиков Н.Л., Новиков А.Н. Цифровизация экономики и энергетики: перспективы и проблемы // Экономические стратегии. 2019. Т. 21. № 6. С. 96–105.
- 4. Skilton M., Hovsepian F. The 4th industrial revolution // Springer Nature. 2018.
- 5. Прохоров А., Лысачев М. Цифровой двойник. Анализ, тренды, мировой опыт. М.: ООО “АльянсПринт”, 2020. 401 с.
- 6. Meza E.B.M., Souza D.G.B.D., Copetti A., et al. Tools, technologies and frameworks for digital twins in the oil and gas industry: An In-Depth Analysis // Sensors. 2024. V. 24. No. 19. Р. 6457.
- 7. Song Z., Hackl C.M., Anand A. et al. Digital twins for the future power system: An overview and a future perspective // Sustainability. 2023. V. 15. No. 6. P. 5259.
- 8. Heluany J.B., Gkioulos V. A review on digital twins for power generation and distribution // International Journal of Information Security. 2024. V. 23. No. 2. P. 1171–1195.
- 9. Барахтенко Е., Стенников В., Соколов Д., Майоров Г. Принципы построения цифрового двойника для решения задач проектирования интегрированных энергетических систем // Материалы IV Международного семинара по информационным, вычислительным и управляющим системам для распределенных сред (ICCS-DE 2022). 4–8 июля 2022 г., Иркутск, Россия. С. 36–42.
- 10. Воропай Н. И., Массель Л. В., Колосок И. Н., Массель А. Г. ИТ-инфраструктура для построения интеллектуальных систем управления развитием и функционированием систем энергетики на основе цифровых двойников и цифровых образов // Известия Российской академии наук. Энергетика. 2021. № 1. С. 3–13.
- 11. Kritzinger W., Karner M., Traar G. et al. Digital Twin in manufacturing: a categorical literature review and classification // Ifac-PapersOnline. 2018. V. 51. No. 11. P. 1016–1022.
- 12. Кокорев Д.С., Юрин А.А. Цифровые двойники: понятие, типы и преимущества для бизнеса // Colloquium-journal. 2019. № 10(34). С. 31–35.
- 13. Redelinghuys A.J.H., Basson A.H., Kruger K. A six-layer architecture for the digital twin: a manufacturing case study implementation // Journal of Intelligent Manufacturing. 2020. V. 31. No. 6. P. 1383–1402.
- 14. Ковалев С.П. Проектирование информационного обеспечения цифровых двойников энергетических систем // Системы и средства информатики. 2020. Т. 30. № 1. С. 66–81.
- 15. Habbak H., Mahmoud M., Metwally K. Load forecasting techniques and their applications in smart grids // Energies. 2023. V. 16. No. 3. P. 1480.
- 16. Илюшин П.В. Системный подход к развитию и внедрению распределенной энергетики и возобновляемых источников энергии в России // Энергетика. 2022. Т. 4. С. 20–27.
- 17. Сергеев Н.Н., Матренин П.В. Обзор международного опыта в прогнозировании генерации возобновляемых источников энергии с помощью методов машинного обучения // iPolytech Journal. 2023. Т. 27. № 2. С. 354–369.
- 18. Hosseini M.M., Parvania M. Resilient operation of distribution grids using deep reinforcement learning // IEEE Transactions on Industrial Informatics. 2021. V. 18. No. 3. P. 2100–2109.
- 19. Petrusev A., Putratama M.A., Rigo-Mariani R. et al. Reinforcement learning for robust voltage control in distribution grids under uncertainties // Sustainable Energy, Grids and Networks. 2023. V. 33. P. 100959.
- 20. Mohammadabadi S.M.S., Entezami M., Moghaddam A.K. et al. Generative artificial intelligence for distributed learning to enhance smart grid communication // International Journal of Intelligent Networks. 2024. V. 5. P. 267–274.
- 21. Crespo M.A., Pérez O.D. Leveraging generative AI for modelling and optimization of maintenance policies in industrial systems // Information. 2025. V. 16. No. 3. P. 217.
- 22. D’Amico R.D., Erkoyuncu J.A., Addepalli S., Penver S. Cognitive digital twin: an approach to improve the maintenance management // CIRP Journal of Manufacturing Science and Technology. 2022. V. 38. P. 613–630.
- 23. Van Dinter R., Tekinerdogan B., Catal C. Predictive maintenance using digital twins: A systematic literature review // Information and Software Technology. 2022. V. 151. P. 107008.
- 24. Don M.G., Liyanarachchi S., Wanasinghe T.R. Development framework for an electrical submersible pump (ESP) // Archives of Advanced Engineering Science. 2025. V. 3. No. 1. P. 35–43.
- 25. Nezhadfard M., Khalili-Garakani A. Power generation as a useful option for flare gas recovery: enviro-economic evaluation of different scenarios // Energy. 2020. V. 204. P. 117940.
- 26. Asadi J., Yazdani E., Dehaghani Y.H., Kazempoor P. Technical evaluation and optimization of a flare gas recovery system for improving energy efficiency and reducing emissions // Energy conversion and management. 2021. V. 236. P. 114076.
- 27. Илюшин П.В. Перспективные направления развития распределительных сетей при интеграции локальных интеллектуальных энергосистем // Электроэнергия. Передача и распределение. 2021. № 4. С. 70–80.
- 28. Banihabib R., Assadi M. Towards a low-carbon future for offshore oil and gas industry: a smart integrated energy management system with floating wind turbines and gas turbines // Journal of Cleaner Production. 2023. V. 423. P. 138742.
- 29. Zhou M., Yan J., Feng D. Digital twin framework and its application to power grid online analysis // CSEE Journal of Power and Energy Systems. 2019. V. 5. No. 3. P. 391–398.
- 30. Liao H., Zhou Z., Liu N. et al. Cloud-edge-device collaborative reliable and communication-efficient digital twin for low-carbon electrical equipment management // IEEE Transactions on Industrial Informatics. 2022. V. 19. No. 2. P. 1715–1724.
- 31. Массель Л.В. Современный этап развития искусственного интеллекта (ИИ) и применение методов и систем ИИ в энергетике // Информационные и математические технологии в науке и управлении. 2021. № 4(24). С. 5–20.
- 32. Correia J.B., Rodrigues F., Santos N. et al. Data management in digital twins for the oil and gas industry: beyond the osdu data platform // Journal of Information and Data Management. 2022. V. 13. No. 3.
- 33. Rodríguez F., Chicaiza W.D., Sánchez A., Escaño J.M. Updating digital twins: Methodology for data accuracy quality control using machine learning techniques // Computers in Industry. 2023. V. 151. P. 103958.
- 34. Korotkova N., Benders J., Mikalef P., Cameron D. Maneuvering between skepticism and optimism about hyped technologies: Building trust in digital twins // Information & Management. 2023. V. 60. No. 4. P. 103787.
- 35. Boje C., Guerriero A., Kubicki S., Rezgui Y. Towards a semantic construction Digital Twin: directions for future research // Automation in construction. 2020. V. 114. P. 103179.
- 36. da Rocha H., Pereira J., Abrishambaf R., Espirito Santo A. An interoperable digital twin with the IEEE 1451 standards // Sensors. 2022. V. 22. No. 19. P. 7590.
- 37. Lin S.W., Migliori D., Young D. et al. System of systems models enabling interoperability for value creation // Industry IoT Consortium and Digital Twin Consortium. 2024.
- 38. Amini S., Pasqualetti F., Mohsenian-Rad H. Dynamic load altering attacks against power system stability: attack models and protection schemes // IEEE Transactions on Smart Grid. 2016. V. 9. No. 4. P. 2862–2872.
- 39. Maleki S., Pan S., Lakshminarayana S., Konstantinou C. Survey of load-altering attacks against power grids: Attack impact, detection and mitigation // IEEE Open Access Journal of Power and Energy. 2025. V. 12. P. 220–334.
- 40. Гурина Л.А., Зорина Т.Г., Томин Н.В., Прусов С.Г. Угрозы и уязвимости объектов киберфизической энергетической системы при цифровой трансформации ее свойств // Вестник Казанского государственного энергетического университета. 2022. Т. 14. № 3(55). С. 89–98.
- 41. LaGrange E. Developing a Digital Twin: the roadmap for oil and gas optimization // SPE offshore Europe conference and exhibition. September 2019.
- 42. Филимонова И.В., Проворная И.В., Немов В.Ю., Дочкина Д.Д. Актуальные вопросы добычи и квалифицированного использования попутного нефтяного газа в России // Бурение и нефть. 2022. Т. 1. С. 26–33.
- 43. Agho M.O., Eyo-Udo N.L., Onukwulu E.C. et al. Digital twin technology for real-time monitoring of energy supply chains // International Journal of Research and Innovation in Applied Science. 2024. V. 9. No. 12. P. 564–592.
- 44. Chen X., Hu D., Cao W., et al. Path of digital technology promoting realization of carbon neutrality goal in China’s energy industry // Bulletin of Chinese Academy of Sciences (Chinese Version). 2021. V. 36. No. 9. P. 1019–1029.
