摘要
数字孪生技术在石油和天然气行业中的应用日益增多，然而这一术语所涵盖的系统在数据集成程度、分析能力、物理与数字交互以及运营自主性方面存在显著差异。现有的分类方法主要分为数字模型（Digital Model）、数字阴影（Digital Shadow）和数字孪生（Digital Twin）等大类，但对石油和天然气行业的具体应用指导有限，因为这些分类没有明确区分各系统在行为表现、分析复杂性、资产模型同步性、数字与物理交互以及决策自主性方面的差异。这种模糊性使得难以比较那些虽然都被标记为“数字孪生”但实际上在功能配置和复杂程度上有很大差别的系统。为了解决这一问题，本文提出了一个基于七项能力的分类框架：静态数字模型（Static Digital Model）、动态数字模型（Dynamic Digital Model）、分析型数字模型（Analytic Digital Model）、分析型数字阴影（Analytic Digital Shadow）、数字孪生（Digital Twin）以及智能数字孪生（Intelligent Digital Twin）。该框架通过研究综合与描述性分析制定，并通过结合生成式人工智能（Generative AI, G-AI）评估与研究者审核的混合方法对92项行业相关研究进行了实证评估。研究结果显示，许多在文献中被标记为“数字孪生”的系统实际上处于中等水平；同时，同步性、分析能力和决策自主性的信息报告不完整，也进一步加剧了分类的模糊性。所提出的框架明确了不同数字孪生配置之间的界限，有助于评估现有应用、识别能力缺口，并推动更集成、更自主的解决方案的开发。
