NVIDIA日前表示，發電廠技術供應商西門子能源 (Siemens Energy)，現正使用 NVIDIA Omniverse 平台來建立數位分身，以支援發電廠的預測性維護，每年將可省下 17 億美元的經費。

西門子能源技術組合經理 Stefan Lichtenberger 表示：「NVIDIA 的開放平台加上符合物理原理的神經網路，為西門子能源帶來了極大的價值。」

西門子能源提供複合循環電廠建造和檢修保養服務，其中包括大型燃氣輪機和蒸汽輪機。餘熱回收鍋爐 (Heat recovery steam generators；HRSGs) 利用燃氣輪機的廢熱，產生用於驅動蒸汽輪機的蒸汽。西門子能源表示此舉使得發電廠的熱力學效率提升超過 60%。

在餘熱回收鍋爐的某些部分，蒸汽及水會腐蝕鍋爐，進而影響到餘熱回收鍋爐零件的使用壽命，若停機以進行維修保養，將會導致公用事業收入大減。

西門子能源估計，若是將業界平均規劃的 5.5 天餘熱回收鍋爐停機時間減少 10% (需要檢查腐蝕造成的管道壁厚損失)，每年將可省下 17 億美元的經費。

西門子能源利用 NVIDIA 的技術發展一項全新的工作流程，藉此能夠在維持安全性的情況下，減少計畫停機的頻率。預先處理進水溫度、壓力、pH 值、燃氣輪機功率和溫度等即時資料，以計算水及蒸汽的壓力、溫度與速度。將壓力、溫度及速度等數據投入使用 NVIDIA Modulus 框架建立的物理機器學習模型，以即時精確模擬蒸汽和水如何流經管道。

接著在 NVIDIA Omniverse 中以視覺化技術呈現管道中的流動狀況，Omniverse 為用於 3D 工作流程的虛擬環境模擬與協作平台，Omniverse 可擴大至跨多個 GPU 運行，幫助西門子能源即時掌握與預測腐蝕的綜合影響性。

西門子能源利用在 NVIDIA A100 Tensor 核心 GPU 上運行的 NVIDIA 軟體框架，模擬熱、水和其它條件對金屬的長期腐蝕作用，以微幅調整其維護需求。利用機器學習模型更準確地預測維護工作，有助於減少維護檢查的頻率且不會存在故障風險。縮放規模後的 Modulus PINN 模型在 AWS Elastic Kubernetes Service (EKS) 上運行，其由具備 A100 GPU 的 P4d EC2 執行個體支援。

為每個餘熱回收鍋爐建立計算流體動力學模型的過程中，每個模型需要花上長達八週的時間，才能估算出餘熱回收鍋爐工廠管道內的腐蝕情況，且超過六百台設備有此需求。西門子能源透過 NVIDIA 加速工作流程，因此不用數週、只需數小時便能估算出腐蝕情況。

Lichtenberger 表示：「作為加速運算、人工智慧軟體平台及模擬領域的領導者，NVIDIA 為西門子能源的工業數位孿生提供所需的規模和靈活性。」