About us贝博下载
贝博bb棋牌
您当前位置:首页 > 新闻中心 > 商会动态
上游油气领域的人工智能高级应用和优势
添加时间:2022-09-01 | 作者:贝博下载          

  数字化改造上游石油和天然气行业有望为企业带来巨大潜力,缩短周期,带来更好的前景。最近一项COVID-19调查表明,58%的行业OGG行业领袖认为COVID-19使数字技术投资更加迫切。使用云、物联网和人工智能集成地下油井和设施,就像在钻井行业一样,为其累积管理带来了大量机会。这确保了在石油和天然气行业构建各种人工智能用例的一致性环境,并在必要时为重新发明它们留出了空间。

  在后新冠疫情时代,到2026年,全球石油消费量预计将达到10410万桶/日,比2019年增加440万桶/日。有鉴于此,上游石油和天然气行业目前面临着增加能源产出、减少排放的挑战,同时应对高度波动的价格。

  石油和天然气行业的上游部门是资本密集型行业,面临着巨大的不确定性和挑战。在削减运营成本的压力越来越大的情况下,石油巨头正在寻求利用人工智能实现流程自动化,以预测设备故障并确保生产环境中没有陷阱。诸如此类的因素导致Gartner在2021年宣布人工智能是改变游戏规则的顶级技术之一。

  现在,让我们探讨AI在上游油气领域的现有应用,并分析进一步开发的可能性。随着我们的进步,我们还将概述开发基于AI的工具的最新趋势,并探讨它们对降低风险和加速整个行业的影响。

  勘探油气藏需要对油田进行三维成像,并处理从岩石物理和地球物理研究中获得的数据,包括油藏规模的地震测量,这是一个耗时的过程,AI减少了处理这些3D图像所需的时间。

  此外,3D图像(或地震立方体)由专家进行研究和分割,整个过程可能需要一年多的时间才能进行准确的地震研究。使用基于现代深度学习的模式识别技术,可以将解释过程加快10-1000倍。

  勘探储罐中的潜在裂缝或腐蚀可能对环境和社会造成灾难性影响。为了防止这种情况发生,工业界现在正在部署人工智能驱动的裂纹检测机器人,通过移动连接到油箱焊接接头的管道来检查焊接现场是否存在裂纹。尽管这些机器人需要有经验的工程师来操作,但它们也被部署用于检查管道以进行智能管道监控。

  强化学习(半监督ML的一种形式)是组织利用人工智能控制钻井设备的一种令人难以置信的新方式。它的工作原理是训练一个机器学习模型,该模型基于将钻头导向地下和历史钻井记录的模拟。此外,它还带来了来自地震测量和其他重要因素(如压力、温度等)的传感器数据。

  之后,钻床工程师可以输入惩罚或奖励函数的参数,以帮助机器适应不断变化的操作条件,从而降低天然气开采成本。

  加氢处理流出物序列中未缓和的盐沉积以及FCC和原油分馏塔的日常开支可能会导致许多操作故障,包括安全和经济风险。手动格式化和分析这些未对齐系统中的数据可能需要数小时。解决这个问题的一个方法是在地震图像上解释盐层时,利用深度学习进行语义分割。

  这使得计算盐沉积温度和将其与安全裕度进行比较变得更容易,现在可以使用各种人工智能工具实时提供这些信息。

  通过利用物联网(IoT)和人工智能等技术,我们现在可以解决优化石油和天然气生产方面日益严峻的挑战。例如,人工智能在剔除假警报和基于各种使用最新趋势的建模方法做出准确预测时,具有高度的资源性。

  此外,人工智能在预测电潜泵(ESP)运行问题和开发预测ESP维护模型时非常方便。出于演示目的,实时生产数据可以通过云上的安全物联网连接从SCADA系统传输到基于ML的预测维护模型中。

  石油和天然气管道无损检测最常用的方法之一是漏磁(MFL)技术,该技术用于查找抽气管道壁中的缺陷和异常。然而,这种方法是相当困难的,涉及到非常复杂的漏磁图像分析。使用核化、支持向量回归、主成分分析和降低特征空间维数的方法的现代机器学习技术在这方面提供了非常有前景的前景。模型仍然使用漏磁数据,但性能足以检测缺陷并评估其严重性。

  无人机使用激光雷达进行导航并发送实时人工智能供电分析的实时馈送,自主检查海上基础设施,如储油罐。根据一些测试,AI工具能检测高达19.4米的油箱中的裂缝,这对供应链中更高层的石油和天然气公司来说是一个巨大的推动因素。人工提取罐检查可能会花费数十万美元,因为罐要停止使用几天来建造脚手架和通风。

  由领先的实验室首创,我们拥有使用传感器和机器学习相结合的工具,能够快速、成功地检测意外气体泄漏。气体泄漏检测传感器现在对乙烷和甲烷气体具有更高的灵敏度,并且通过功率神经网络,可以及时检测意外气体释放。

  检测气体泄漏的另一种方法是使用多模态AI传感器融合。它需要测试一个热摄像机和半导体气体传感器阵列,以检测多个类别的数千个气体样本,从而实时检测一致的气体读数簇。

  人工智能在实现石油和天然气行业的供应链管理方面发挥着巨大作用。它的许多应用之一,包括船舶维护、跟踪和监控。通过人工智能工具,企业可以跟踪交付情况,以处理终端消费者的需求和库存管理。此外,公司目前正在与人工智能解决方案提供商签署长期协议,以部署润滑油状态监测系统等工具。这减少了燃料消耗,进而减少了复杂海上作业产生的温室气体排放。

  部署无人驾驶飞机以降低炼油厂人员的健康和安全风险。这些无人机上的红外传感器非常复杂,用于工厂设备和地面监视。当与AI支持的智能检查工具结合使用时,该系统还可以改进产品生命周期管理,使用认知分析和预测性资产优化减少时间和成本。收集的数据随后用于消除供应链中的强制停机和中断。

  抽油泵的故障可能导致上游石油和天然气行业的重大中断。例如,2019年北海无人平台上的一台故障井泵再次干扰了Aker BP的生产。他们部署的解决方案是一个AI程序,用于监控泵上传感器的数据。该工具通过在故障前标记故障,确保生产不会中断。这将物联网和人工智能的优势结合起来,使设备和管道运营商能够先发制人地预防昂贵的抽油泵故障。

  对更高短期产量的需求导致企业牺牲了可采收的石油量。为了解决这个问题,AI在整个油气价值链中提供了几个强大的好处,并帮助上游油气公司评估油藏和油井的寿命。人工智能工具读取一个区域的地质情况,并确定哪些井有枯竭的风险。此外,机器学习被用来优化整个系统,而不是单独测试油井。

  基于人工智能的现代技术使上游油气公司能够确定岩层等地质特征,以确保他们不会浪费时间勘探干井。此外,地质学家正在利用测井数据开发现有和新地震剖面的ML模型,这有助于他们对潜在油气藏的位置做出有根据的猜测。

  积极参与钻井/勘探项目的公司正在使用人工智能开发精确钻井算法,从而降低漏油、事故和火灾的风险。同样的技术也有助于他们提高渗透率。人工智能的另一种应用通过识别落后领域帮助这些企业优化生产。

  人工智能通过减少不必要的维护成本和设备不可用造成的停机时间,帮助企业增加收入。当预防性维护按照制造商的时间表进行时,AI驱动的预测性维护使用实时过程和设备数据构建趋势来预测过程设备的变化。这有助于提高运营效率,从而缩短正常运行时间。

  根据E&Y的数据,52%的石油和天然气巨头正在其业务中实施AI/ML,这是有充分理由的。在上游石油和天然气行业的工作一度被认为是高度劳动密集型的,但人工智能帮助改变了这种观点。由于人工智能驱动的过程自动化和预测性维护,公司现在正在最大限度地提高产量,同时将成本降至最低。

  上游石油和天然气数字化与其说是一项技术挑战,不如说是一项部署挑战,更需要企业和企业方法的支持。在确定解决业务问题的机会与对可复制性和不断升级的需求之间,几乎总是存在一些固有的紧张关系。考虑到人工智能在上游石油和天然气领域的大规模部署,最重要的是,考虑到该技术提供的巨大前景,需要对其进行强有力的治理。(小晨编译)