人工智能已经成为我们这个时代一些最大的长期大趋势。人工智能正在为第四次工业革命提供动力，并越来越被视为掌握我们这个时代一些最大挑战的关键战略，包括气候变化和污染。能源公司正在使用人工智能工具将记录数字化，分析大量数据和地质图，并可能发现设备过度使用或管道腐蚀等问题。能源巨头壳牌就是这样一家公司。上周三，壳牌宣布计划在其深海勘探和生产中使用大数据分析公司SparkCognition的基于人工智能的技术，以提高运营效率和速度，并提高产量。

　　壳牌负责创新和业绩的副总裁Gabriel Guerra在一份声明中表示：“我们致力于寻找新的创新方式，重塑我们的勘探工作方式。”

　　美国德克萨斯州公司SparkCognition的首席科学官Bruce Porter表示，用于地震成像的Generative AI技术具有广泛而深远的影响，并补充说，这项技术可以将勘探时间从九个月大幅缩短到九天以内。该公司的Generative AI技术将使用比平时更少的地震数据扫描生成地下图像，从而有助于深海保护。更少的地震勘测反过来将加速勘探过程，改善工作流程，并节省高性能计算的成本。

　　但这并不是壳牌首次进军人工智能技术。早在2018年，该公司就与微软合作，将Azure C3物联网平台纳入其海上业务。该平台使用人工智能来提高公司海上基础设施的效率，从钻井和开采到员工赋权和安全。

　　壳牌并不是唯一一家在运营中使用人工智能的大型石油公司。早在2019年，英国石油公司(BP)就投资了总部位于美国休斯顿的科技初创公司Belmont Technology，该公司帮助该公司开发了一个名为“Sandy”的基于云的地球科学平台。Sandy使BP能够解释地质、地球物理和储层项目信息，从而创建独特的“知识图”，包括BP地下资产的稳健图像。然后，BP能够使用该程序的神经网络进行模拟并解释结果。

　　2019年3月，Aker Solutions与SparkCognition合作，在其认知操作计划中增强人工智能应用。Aker SparkCognition的人工智能系统名为SparkPredict，用于监测30多个海上结构的上部和海底安装。

　　四年前，英国石油和天然气管理局(OGA)推出了英国第一个石油和天然气管国家数据库(NDR)。这个庞大的存储库包含130兆字节的地球物理、基础设施、现场和油井数据，相当于大约八年的高清电影。这些数据涵盖了5000多次地震勘测、12500个井筒和3000条管道。NDR使用人工智能来解释这些数据，OGA希望发现新的石油和天然气前景，并利用现有的基础设施实现更多的生产。该平台还将用于该国的能源转型，储层和基础设施数据用于支持碳捕获、使用和储存项目。

　　人工智能与可再生能源

　　人工智能技术也开始在可再生能源领域发挥重要作用，并帮助创建智能电网。

　　美国实现100%可再生电网梦想的最大障碍之一是可再生能源的间歇性。毕竟，我们的电网是为接近恒定的功率输入/输出而设计的，而风并不总是吹，太阳也不总是照耀。为了成功转型到可再生能源，电网必须变得更加智能。幸运的是，有一个令人鼓舞的先例。

　　几年前，谷歌宣布其全球运营(包括数据中心和办公室)已达到100%可再生能源。如今，谷歌是可再生能源的最大企业买家，承诺提供总计7 GW的风能和太阳能。谷歌与IBM合作，寻找解决风力发电高度间歇性的解决方案。谷歌利用IBM的DeepMind人工智能平台，在美国中部700 MW的风电容量中部署了ML算法，足以为一个中等城市供电。

　　IBM表示，通过使用根据广泛可用的天气预报和历史涡轮机数据训练的神经网络，DeepMind现在能够提前36小时预测风力发电量。因此，这使谷歌风能的价值提高了约20%。

　　其他风电场运营商可以使用类似的模型，对其功率输出进行更智能、更快、更数据驱动的优化，以更好地满足客户需求。

　　化工制造网将随时为您更新相关信息，请持续关注本网资讯动态。