能源行業(yè)數(shù)智化變革再提速

　　能源行業(yè)一直是技術創(chuàng)新的搖籃，不管是傳統(tǒng)的石油和天然氣，還是“風、光、核”等清潔能源，數(shù)智化融合都在不同程度地推進。為了應對全球能源轉型復雜性并加強能源安全，布局“智慧”業(yè)務已成為能源企業(yè)的常態(tài)操作。近期，兩個最新的能源數(shù)字化技術合作接連達成，能源數(shù)智化變革之風正在興起。

　　企業(yè)合作范圍越來越廣

　　1月4日，阿布扎比創(chuàng)新技術公司AIQ與亞馬遜網絡服務公司(AWS)達成合作，AIQ將作為后者認證合作伙伴，把能源行業(yè)自動化解決方案WellInsight帶入AWS平臺，為該平臺下的全球客戶提供相關服務。同時，AIQ也成為海灣合作委員會能源領域第一家通過AWS市場銷售其產品的本地軟件服務解決方案提供商。

　　WellInsight是一款由人工智能系統(tǒng)賦能和驅動的能源技術解決方案，可以幫助巖石地質學家和工程師，更深入了解儲層特征，進而增強勘探成功率。AIQ作為阿布扎比國家石油公司和阿聯(lián)酋科技巨頭G42的合資企業(yè)，專注于石油和天然氣行業(yè)人工智能產品和應用程序研發(fā)和商業(yè)化應用。

　　“WellInsight為全球能源行業(yè)提供了一個自動化和改進井眼分析的平臺。”AIQ首席執(zhí)行官克里斯·庫珀表示，“這個基于人工智能技術的解決方案，可以更精準地確定鉆探位置，更好了解井況，提高產量并減少碳足跡。”

　　與此同時，油服巨頭哈里伯頓公司與巴西國家石油公司領導的財團Libra也達成合作，將為巴西鹽下超深水油田Mero開發(fā)數(shù)字孿生技術。據(jù)了解，該技術匯集了資產傳感器、數(shù)據(jù)和模型，包括4D地震，以及通過具有儲層、井和設施實時視圖的系統(tǒng)進行的智能完井，這將有助于資產表征、主動儲層監(jiān)測以及資產運營規(guī)劃和優(yōu)化。

　　哈里伯頓表示，數(shù)字孿生技術將通過模擬實時環(huán)境復制勘探場景，幫助運營商改進決策并最大限度提高運營可預測性，從而減少資本支出、縮短生產時間、提高原油采收率，最終實現(xiàn)油田最優(yōu)開發(fā)。

　　油氣領域技術專利扎堆

　　一直以來，石油和天然氣行業(yè)都是技術創(chuàng)新的沃土。油價網匯編數(shù)據(jù)顯示，2021年至2023年間，油氣行業(yè)已經申請和授予了超過53.4萬項技術專利。

　　數(shù)據(jù)分析與咨詢公司GlobalData指出，降本提效、減少排放、安全維護等多方因素，推動油氣技術專利不斷推陳出新。人工智能、數(shù)字孿生等技術正在迅速普及和應用，幫助企業(yè)更準確分析各種地質數(shù)據(jù)，從而識別潛在的勘探區(qū)域。

　　事實上，上游勘探和開發(fā)一直是數(shù)智化技術重點創(chuàng)新領域，包括利用先進算法和機器學習來分析地質、地球物理和地震數(shù)據(jù)，以預測潛在的油氣儲層，優(yōu)化鉆井位置，并在整個勘探和鉆井階段加強決策。

　　據(jù)悉，殼牌在其油氣供應鏈中部署了超過160個人工智能項目，實現(xiàn)高效收集、模擬數(shù)據(jù)的同時，在勘探和鉆井項目中大幅降低了天然氣開采成本。

　　通過提高效率和安全性、降低成本和優(yōu)化操作，人工智能可以成為油氣勘探的關鍵工具之一，有助于將上游領域產生的大量數(shù)據(jù)整理歸納并轉化為可實操的流程。據(jù)了解，目前，全球主要油氣生產商都對上中下游業(yè)務制定了明確的人工智能戰(zhàn)略。

　　根據(jù)安永調查，全球超過90%的油氣公司都在投資或即將開始投資人工智能技術。市場情報和咨詢服務公司Mordor Intelligence預計，到2028年，人工智能在油氣領域應用價值將達到42.1億美元。

　　GlobalData統(tǒng)計發(fā)現(xiàn)，目前，全球有40多家從事油氣及其相關行業(yè)的公司正在開發(fā)和應用數(shù)字孿生技術，預計僅數(shù)字孿生和智能數(shù)據(jù)系統(tǒng)就可以為企業(yè)節(jié)省高達15%的項目退役成本。

　　清潔能源“數(shù)智布局”走深

　　清潔能源行業(yè)也在縱深推進數(shù)字化布局，此前主要圍繞“風光”電力展開，眼下已經深入核電領域。

　　法國電力公司子公司ConnexITy正在創(chuàng)建一個具有較好差異寬容度的通用數(shù)字孿生技術模型，旨在實時預測發(fā)電機健康狀態(tài)，優(yōu)化維護和保養(yǎng)操作體系。該公司介紹稱，每臺發(fā)電機組都是按需制造，因此存在細微差異，如金屬厚度、線纜間距、傳感器精度等，需要“對癥下藥”，針對各臺發(fā)電機做模型微調與擬合。

　　西門子數(shù)字化工業(yè)軟件公司則指出，通過數(shù)字孿生技術“虛擬化”核反應堆，可以將新型核能技術設計周期縮短一半，同時大大減少支持許可所需的測試成本。

　　人工智能技術還可以讓“風光”變得更可預測。一方面，可以對廠址選擇、建設、運營、維護，甚至發(fā)電能力進行全方位分析;另一方面，可以找到擁有最佳日照和風力資源且便于接入現(xiàn)有電網基礎設施的廠址，并在開工建設后監(jiān)管工程進度、優(yōu)化設備運輸，從而極大提高施工作業(yè)效率。

　　值得注意的是，預測太陽能電站和風電場的發(fā)電時間、發(fā)電量乃至電力需求仍比較困難和復雜，人工智能通過學習和分析歷史氣象數(shù)據(jù)、衛(wèi)星云圖、實時風速和日照強度、歷史消費數(shù)據(jù)等信息，能夠最大化實現(xiàn)對太陽能和風能發(fā)電情況和電力需求的預測。

　　英國數(shù)據(jù)分析和咨詢公司ONYX Insight表示，運營和維護成本占風電場運營費用的60%，缺乏數(shù)字化技術會導致風電場運營能力下降，無法提前檢測到的小故障可能最終導致災難性故障和嚴重的停機事故。

　　文丨中國能源報 記者 王林