人工智能已經成為我們這個時代一些最大的長期大趨勢。人工智能正在為第四次工業(yè)革命提供動力，并越來越被視為掌握我們這個時代一些最大挑戰(zhàn)的關鍵戰(zhàn)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圖，并可能發(fā)現設備過度使用或管道腐蝕等問題。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中使用大數據分析公司SparkCognition的基于人工智能的技術，以提高運營效率和速度，并提高產量。
殼牌負責創(chuàng)新和業(yè)績的副總裁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的首席科學官Bruce Porter表示，用于地震成像的Generative AI技術具有廣泛而深遠的影響，并補充說，這項技術可以將勘探時間從九個月大幅縮短到九天以內。該公司的Generative AI技術將使用比平時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來將加速勘探過程，改善工作流程，并節(jié)省高性能計算的成本。
但這并不是殼牌首次進軍人工智能技術。早在2018年，該公司就與微軟合作，將Azure C3物聯網平臺納入其海上業(yè)務。該平臺使用人工智能來提高公司海上基礎設施的效率，從鉆井和開采到員工賦權和安全。
殼牌并不是唯一一家在運營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發(fā)了一個名為“Sandy”的基于云的地球科學平臺。Sandy使BP能夠解釋地質、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地下資產的穩(wěn)健圖像。然后，BP能夠使用該程序的神經網絡進行模擬并解釋結果。
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(tǒng)名為SparkPredict，用于監(jiān)測30多個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)推出了英國第一個石油和天然氣管國家數據庫(NDR)。這個龐大的存儲庫包含130兆字節(jié)的地球物理、基礎設施、現場和油井數據，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個井筒和3000條管道。NDR使用人工智能來解釋這些數據，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現更多的生產。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
人工智能技術也開始在可再生能源領域發(fā)揮重要作用，并幫助創(chuàng)建智能電網。
美國實現100%可再生電網夢想的最大障礙之一是可再生能源的間歇性。畢竟，我們的電網是為接近恒定的功率輸入/輸出而設計的，而風并不總是吹，太陽也不總是照耀。為了成功轉型到可再生能源，電網必須變得更加智能。幸運的是，有一個令人鼓舞的先例。
幾年前，谷歌宣布其全球運營(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)買家，承諾提供總計7 GW的風能和太陽能。谷歌與IBM合作，尋找解決風力發(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的風電容量中部署了ML算法，足以為一個中等城市供電。
IBM表示，通過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網絡，DeepMind現在能夠提前36小時預測風力發(fā)電量。因此，這使谷歌風能的價值提高了約20%。
其他風電場運營商可以使用類似的模型，對其功率輸出進行更智能、更快、更數據驅動的優(yōu)化，以更好地滿足客戶需求。
IBM的DeepMind使用經過訓練的神經網絡在實際發(fā)電前36小時預測風力發(fā)電量
來源：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，該公司開發(fā)了一個用于能源監(jiān)測和管理的自動化工具包。該公司的電子公用事業(yè)平臺從2100萬客戶的3400多萬個智能電表中獲取數據，其中包括美國亞利桑那公共服務電力公司、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，其機器學習算法能夠分析數據，預測幾個關鍵數據點，包括短期和長期負荷、方差、天氣敏感性等。
Innowts估計，如果沒有其機器學習模型，電力公司在危機高峰期的預測將不準確20%或更多，從而給其運營帶來巨大壓力，并最終推高最終用戶的成本。
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(tǒng)，也許生命和財產的損失本可以避免。
通過采用數字和人工智能模型，我們的電網將變得越來越智能和可靠，并使向可再生能源的轉型更加順利。
