生成式人工智能對地震成像技術具有廣泛而深遠的影響

　　殼牌公司最近宣布，計劃在其深海油氣勘探和生產(chǎn)活動中使用基于人工智能的技術

　　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(wǎng)

　　據(jù)油價網(wǎng)2023年5月21日報道，人工智能(AI)已經(jīng)成為我們這個時代最大的長期大趨勢之一。人工智能正在推動第四次工業(yè)革命，并越來越被視為應對氣候變化和污染等這個時代一些重大挑戰(zhàn)的關鍵戰(zhàn)略。能源公司正在使用人工智能工具將記錄數(shù)字化，分析大量數(shù)據(jù)和地質(zhì)圖，并潛在地識別設備過度使用或管道腐蝕等問題。能源巨頭殼牌公司就是這樣一家公司。5月17日，殼牌公司宣布計劃在其深海油氣勘探和生產(chǎn)中使用大數(shù)據(jù)分析公司Spark Cognition的基于人工智能的技術，以提高運營效率和速度，并提高油氣產(chǎn)量。

　　殼牌公司負責創(chuàng)新和績效的副總裁Gabriel Guerra在一份聲明中表示：“我們致力于尋找新的創(chuàng)新方法，重塑我們的油氣勘探作業(yè)方式。”

　　總部位于美國得克薩斯州奧斯丁的大數(shù)據(jù)分析公司Spark Cognition公司首席科學官布魯斯·波特表示，生成式人工智能對地震成像技術具有廣泛而深遠的影響，該技術可以將勘探時間從9個月大幅縮短至9天以內(nèi)。Spark Cognition公司的生成式人工智能將使用比平時更少的地震數(shù)據(jù)掃描生成地下圖像，從而有助于深海保護。更少的地震勘探作業(yè)反過來將加速勘探過程，改善作業(yè)流程并節(jié)省高性能計算成本。

　　但這并不是殼牌公司首次涉足人工智能技術。早在2018年，殼牌公司就與微軟公司合作，將Azure C3物聯(lián)網(wǎng)平臺整合到其海上業(yè)務中。這個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授權和安全。

　　殼牌公司并不是唯一在運營中使用人工智能的國際大型石油公司。早在2019年，英國石油公司(bp)就投資了總部位于休斯敦的科技初創(chuàng)公司貝爾蒙特技術公司，后者幫助bp開發(fā)了一個名為“桑迪”的基于云地球科學平臺。“桑迪”獲取bp地質(zhì)、地球物理和油藏項目信息并進行解釋分析，從而創(chuàng)建獨特的“知識圖表”，包括bp地下資產(chǎn)的全息圖像。然后，bp可以使用程序的神經(jīng)網(wǎng)絡系統(tǒng)進行模擬并解釋結果。

　　2019年3月，阿克爾公司與Spark Cognition公司合作，在其“認知操作”措施中增強人工智能應用。阿克爾Spark Cognition公司創(chuàng)建的Spark Predict人工智能系統(tǒng)，還用于監(jiān)測30多個海上設施表層和海底設施。

　　4年前，英國石油和天然氣管理局(OGA)推出了英國首個石油和天然氣國家數(shù)據(jù)存儲庫(NDR)。 這個龐大的數(shù)據(jù)存儲庫包含了130兆兆字節(jié)的地球物理、基礎設施、油氣田和油氣井數(shù)據(jù)。這些數(shù)據(jù)涵蓋了5000多次地震調(diào)查、12500個井眼和3000條管道。NDR利用人工智能來解釋這些數(shù)據(jù)，OGA希望能夠發(fā)現(xiàn)新的油氣遠景構造，并從現(xiàn)有的基礎設施中提高產(chǎn)量。這個平臺還將用于英國的能源轉(zhuǎn)型，儲層和基礎設施數(shù)據(jù)將用于支持碳捕獲、利用和儲存項目。

　　人工智能技術和可再生能源

　　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(wǎng)。

　　美國實現(xiàn)100%可再生能源電網(wǎng)夢想的最大障礙之一是可再生能源的間歇性。畢竟，人類電網(wǎng)是為接近恒定的電力輸入/輸出而設計的，而風并不總是吹，太陽也不總是照耀。為了成功地向可再生能源轉(zhuǎn)型，電網(wǎng)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，谷歌公司宣布，包括數(shù)據(jù)中心和辦公室在內(nèi)的全球業(yè)務已實現(xiàn)100%使用可再生電力。如今，谷歌公司是可再生電力最大的企業(yè)買家，承諾購買總計7吉瓦(7000兆瓦)的風能和太陽能。谷歌公司與美國國際商用機器公司(IBM)合作，為風力發(fā)電的高度間歇性尋找解決方案。利用IBM的DeepMind人工智能平臺，谷歌公司在美國中部700兆瓦的風力發(fā)電能力上部署了極大似然估計法算法(ML)，足以為一個中等城市供電。

　　IBM表示，通過使用一個經(jīng)過廣泛可用的天氣預報和歷史渦輪機數(shù)據(jù)訓練的神經(jīng)網(wǎng)絡，DeepMind人工智能平臺現(xiàn)在能夠在實際發(fā)電前36小時預測風力發(fā)電量。

　　其他風電場運營商也可以使用類似的模型，以更智能、更快、更多的數(shù)據(jù)驅(qū)動優(yōu)化其電力輸出，以更好地滿足客戶需求。

　　IBM的DeepMind人工智能平臺利用受過訓練的神經(jīng)網(wǎng)絡，比實際發(fā)電提前36小時預測風力發(fā)電量。

　　總部位于得克薩斯州休斯敦的Innowatts是一家初創(chuàng)公司，它開發(fā)了一種用于能源監(jiān)測和管理的自動化工具包。Innowatts的公用事業(yè)平臺從2100萬客戶的3400多萬個智能電表中獲取數(shù)據(jù)，其中包括美國主要的公用事業(yè)公司，如亞利桑那公共服務電力公司、波特蘭通用電氣公司、Avangrid公司、Gexa能源公司、WGL公司和Mega能源公司。Innowatts表示，其機器學習算法能夠分析數(shù)據(jù)，預測幾個關鍵數(shù)據(jù)點，包括短期和長期負荷、變化幅度、天氣敏感度等。

　　Innowatts估計，如果沒有它的機器學習模型，在危機最嚴重的時候，公用事業(yè)公司的預測會有20%甚至更多的不準確性，從而給他們的運營帶來巨大壓力，最終推高最終用戶的成本。

　　此外，人工智能和數(shù)字解決方案可以使我們的電網(wǎng)更安全。

　　通過采用數(shù)字和人工智能模型，我們的電網(wǎng)將變得越來越智能和可靠，并使向可再生能源的轉(zhuǎn)型更加順利。