人工智能已經(jīng)成為我們這個(gè)時(shí)代一些最大的長(cháng)期大趨勢。人工智能正在為第四次工業(yè)革命提供動(dòng)力，并越來(lái)越被視為掌握我們這個(gè)時(shí)代一些最大挑戰的關(guān)鍵戰略，包括氣候變化和污染。能源公司正在使用人工智能工具將記錄數字化，分析大量數據和地質(zhì)圖，并可能發(fā)現設備過(guò)度使用或管道腐蝕等問(wèn)題。能源巨頭殼牌就是這樣一家公司。上周三，殼牌宣布計劃在其深?？碧胶蜕a(chǎn)中使用大數據分析公司SparkCognition的基于人工智能的技術(shù)，以提高運營(yíng)效率和速度，并提高產(chǎn)量。
殼牌負責創(chuàng )新和業(yè)績(jì)的副總裁Gabriel Guerra在一份聲明中表示：“我們致力于尋找新的創(chuàng )新方式，重塑我們的勘探工作方式。”
美國德克薩斯州公司SparkCognition的首席科學(xué)官Bruce Porter表示，用于地震成像的Generative AI技術(shù)具有廣泛而深遠的影響，并補充說(shuō)，這項技術(shù)可以將勘探時(shí)間從九個(gè)月大幅縮短到九天以?xún)?。該公司的Generative AI技術(shù)將使用比平時(shí)更少的地震數據掃描生成地下圖像，從而有助于深海保護。更少的地震勘測反過(guò)來(lái)將加速勘探過(guò)程，改善工作流程，并節省高性能計算的成本。
但這并不是殼牌首次進(jìn)軍人工智能技術(shù)。早在2018年，該公司就與微軟合作，將Azure C3物聯(lián)網(wǎng)平臺納入其海上業(yè)務(wù)。該平臺使用人工智能來(lái)提高公司海上基礎設施的效率，從鉆井和開(kāi)采到員工賦權和安全。
殼牌并不是唯一一家在運營(yíng)中使用人工智能的大型石油公司。早在2019年，英國石油公司(BP)就投資了總部位于美國休斯頓的科技初創(chuàng )公司Belmont Technology，該公司幫助該公司開(kāi)發(fā)了一個(gè)名為“Sandy”的基于云的地球科學(xué)平臺。Sandy使BP能夠解釋地質(zhì)、地球物理和儲層項目信息，從而創(chuàng )建獨特的“知識圖”，包括BP地下資產(chǎn)的穩健圖像。然后，BP能夠使用該程序的神經(jīng)網(wǎng)絡(luò )進(jìn)行模擬并解釋結果。
2019年3月，Aker Solutions與SparkCognition合作，在其認知操作計劃中增強人工智能應用。Aker SparkCognition的人工智能系統名為SparkPredict，用于監測30多個(gè)海上結構的上部和海底安裝。
四年前，英國石油和天然氣管理局(OGA)推出了英國第一個(gè)石油和天然氣管?chē)覕祿?NDR)。這個(gè)龐大的存儲庫包含130兆字節的地球物理、基礎設施、現場(chǎng)和油井數據，相當于大約八年的高清電影。這些數據涵蓋了5000多次地震勘測、12500個(gè)井筒和3000條管道。NDR使用人工智能來(lái)解釋這些數據，OGA希望發(fā)現新的石油和天然氣前景，并利用現有的基礎設施實(shí)現更多的生產(chǎn)。該平臺還將用于該國的能源轉型，儲層和基礎設施數據用于支持碳捕獲、使用和儲存項目。
人工智能與可再生能源
人工智能技術(shù)也開(kāi)始在可再生能源領(lǐng)域發(fā)揮重要作用，并幫助創(chuàng )建智能電網(wǎng)。
美國實(shí)現100%可再生電網(wǎng)夢(mèng)想的最大障礙之一是可再生能源的間歇性。畢竟，我們的電網(wǎng)是為接近恒定的功率輸入/輸出而設計的，而風(fēng)并不總是吹，太陽(yáng)也不總是照耀。為了成功轉型到可再生能源，電網(wǎng)必須變得更加智能。幸運的是，有一個(gè)令人鼓舞的先例。
幾年前，谷歌宣布其全球運營(yíng)(包括數據中心和辦公室)已達到100%可再生能源。如今，谷歌是可再生能源的最大企業(yè)買(mǎi)家，承諾提供總計7 GW的風(fēng)能和太陽(yáng)能。谷歌與IBM合作，尋找解決風(fēng)力發(fā)電高度間歇性的解決方案。谷歌利用IBM的DeepMind人工智能平臺，在美國中部700 MW的風(fēng)電容量中部署了ML算法，足以為一個(gè)中等城市供電。
IBM表示，通過(guò)使用根據廣泛可用的天氣預報和歷史渦輪機數據訓練的神經(jīng)網(wǎng)絡(luò )，DeepMind現在能夠提前36小時(shí)預測風(fēng)力發(fā)電量。因此，這使谷歌風(fēng)能的價(jià)值提高了約20%。
其他風(fēng)電場(chǎng)運營(yíng)商可以使用類(lèi)似的模型，對其功率輸出進(jìn)行更智能、更快、更數據驅動(dòng)的優(yōu)化，以更好地滿(mǎn)足客戶(hù)需求。
IBM的DeepMind使用經(jīng)過(guò)訓練的神經(jīng)網(wǎng)絡(luò )在實(shí)際發(fā)電前36小時(shí)預測風(fēng)力發(fā)電量
來(lái)源：DeepMind總部位于美國德克薩斯州休斯頓的Innowts是一家初創(chuàng )公司，該公司開(kāi)發(fā)了一個(gè)用于能源監測和管理的自動(dòng)化工具包。該公司的電子公用事業(yè)平臺從2100萬(wàn)客戶(hù)的3400多萬(wàn)個(gè)智能電表中獲取數據，其中包括美國亞利桑那公共服務(wù)電力公司、波特蘭通用電氣公司、Avangrid、Gexa Energy、WGL和Mega Energy等美國主要電力公司。Innowts表示，其機器學(xué)習算法能夠分析數據，預測幾個(gè)關(guān)鍵數據點(diǎn)，包括短期和長(cháng)期負荷、方差、天氣敏感性等。
Innowts估計，如果沒(méi)有其機器學(xué)習模型，電力公司在危機高峰期的預測將不準確20%或更多，從而給其運營(yíng)帶來(lái)巨大壓力，并最終推高最終用戶(hù)的成本。
此外，人工智能和數字解決方案可以用于使我們的電網(wǎng)更加安全。
早在2018年，美國加州最大的電力公司太平洋然氣電力公司(Pacific Gas & Electric)就發(fā)現自己陷入了困境，因為該公司被認定應對2018年導致84人死亡的悲慘野火事故負責，被處以135億美元的巨額罰款，作為對失去房屋和企業(yè)的人的補償，并因疏忽被美國加州公用事業(yè)委員會(huì )處以20億美元的罰款。如果PG&E投資于像Innovats這樣的人工智能早期檢測系統，也許生命和財產(chǎn)的損失本可以避免。
通過(guò)采用數字和人工智能模型，我們的電網(wǎng)將變得越來(lái)越智能和可靠，并使向可再生能源的轉型更加順利。
