AI与能源

文件编号：A502/0538

刊发时间：2025年1月10日

AI与能源

--媒体视角：AI在石油天然气、能源和电力等行业的关键应用

大热的AI，在能源行业有广泛的应用，涉及生产过程、市场交易和企业管理等全过程的各环节，可以降低企业成本、提高效益并提升安全生产。

王能全

正在举办的CES 2025，人工智能（AI）是主题，更是焦点，All in AI已成共识，参展的企业在自己的产品和服务中不谈AI肯定上不了台面。作为世界最大的实体行业，AI与能源有什么关系？一直是我们想要回答和探讨的一个问题。借这次展会的东风，在检索并收集的海量资料中，我们选择了三篇有代表性的文章，通过AI在石油天然气行业、能源行业和电力行业中的典型应用，来解释和说明AI与能源行业的关系，在厘清自身疑惑的同时，也为行业内外贡献一些基础性和科普性的知识。

AI在油气行业的十大应用案例

2025年1月2日，appinventiv.com网站刊登了chirag的一篇博客“AI在油气行业的十大应用案例”，介绍了AI在石油天然气行业的主要应用，并列举了壳牌、BP、埃克森美孚和雪佛龙四大石油巨头的AI应用情况。以下，为我们整理的这篇博客的主要内容：

想了解人工智能如何彻底改变石油和天然气行业吗？从地震数据分析到预测性维护，人工智能正在以惊人的效率重塑运营。本文探讨了10个最具变革性的案例，展示了BP和埃克森美孚等公司如何利用人工智能来降低成本和环境的影响。

人工智能正在从根本上改变石油和天然气行业，带来的创新和效率浪潮正在重塑整个行业。传统的勘探过程通常是漫长而昂贵的，而人工智能的先进算法正在彻底改变这一过程，人工智能可以分析地震数据，并以惊人的精度预测碳氢化合物的位置，不仅节省了时间和资源，还减少了对环境的影响。此外，基于人工智能的预测性维护，改变了钻井作业的游戏规则，可以持续监控设备以预防故障，并最大限度地减少停机时间。

根据普华永道的一份报告，2030年，人工智能对中东的潜在影响预计将达到3200亿美元。此外，中东地区人工智能贡献的年增长率预计将在20%至34%之间。

考虑到这些预测，很明显，石油和天然气行业的公司应该对人工智能技术进行战略投资。人工智能应用的显著经济优势和快速增长，揭示了该行业在创新、效率和盈利方面的巨大潜力。简而言之，采用人工智能可以使石油和天然气公司优化其运营，增强勘探和生产流程，改进安全措施并降低成本。最终，通过这些投资，人工智能将帮助企业确保在油气市场的竞争优势。

人工智能在石油和天然气领域为许多不同的应用打开了大门，扩大了该行业的视野。让我们来详细探讨一下，人工智能在油气行业的十大应用案例。

1，需求预测

人工智能在油气行业的应用案例包括需求预测，这是企业为更好地做出决策而采用的主要方法之一。人工智能算法利用大量的历史数据和当前的市场趋势，对石油和天然气产品生成精确的需求预测，这使公司能够优化他们的生产计划，确保他们生产正确的数量来满足市场需求。

通过最小化生产过剩和控制生产，企业可以减少浪费，更有效地管理库存，并提高盈利能力。此外，除了需求预测外，利用人工智能，石油和天然气行业还有助于更好地规划物流和供应链活动。

2，预见性维护

预见性维护，是人工智能在石油和天然气领域的主要应用。人工智能预见性维护系统，通过传感器和数据分析持续监控设备的健康状况，这些系统可以检测异常并在发生故障之前预见潜在故障，从而实现及时的维护干预。

这种主动的方法减少了计划外停机时间，延长了关键机器的使用寿命，从而显著节省了成本。此外，石油和天然气软件开发中的人工智能，还可以通过防止可能导致事故的灾难性设备故障，来提高安全性。

石油和天然气行业主要有三种类型的分析：简单分析，监测单个设备以防止故障；过程分析，优化生产阶段；系统分析，提供整个设施的整体视图，以提高运营效率和战略规划。这些分析，共同提高了设备可靠性、工艺优化和整体系统性能。

3，石油勘探

在石油勘探领域，人工智能处理和分析大量的地质数据，以更准确地确定有希望的钻井位置。先进的算法可以解释复杂的地下数据，减少与勘探活动相关的不确定性和风险。

通过提高发现石油储量的成功率，公司可以更有效地分配资源，降低干井的财务风险。此外，人工智能驱动的勘探，通过定向钻井将环境影响降至最低，从而支持可持续发展，这凸显了人工智能在油气行业的关键作用。

4，处理价格波动

油气行业的人工智能软件，通过分析实时市场数据和历史趋势，帮助公司应对石油和天然气价格的波动。预测模型可以预测价格变动，使企业能够制定明智的定价策略、对冲和库存管理决策。

预测价格波动的能力，使公司能够降低风险并利用有利的市场条件。此外，石油和天然气领域的人工智能，支持更好的财务规划和预算。

5，提高安全性

在油气行业，安全至关重要，而人工智能系统在提高安全性方面同样至关重要。人工智能可以通过持续监控操作和分析各种来源的数据，识别潜在的危险并触发早期预警，这允许立即采取纠正措施，防止事故和确保更安全的工作环境。

此外，油气领域的人工智能解决方案可以分析事故数据，识别模式并实施预防措施，从而降低未来事故的风险。

6，用于后台任务的机器人过程自动化（RPA）

RPA通过自动化重复和耗时的任务，例如数据输入、发票处理和报告生成等，来简化后台操作，这不仅提高了准确性，还显著降低了运营成本，提高了生产效率。员工从平凡的任务中解放出来，使他们能够专注于更具战略性和增值性的活动。此外，RPA通过确保一致性和减少人为错误的可能性，来增强数据完整性和合规性。通过将人工智能集成到油气领域，公司可以进一步优化运营，利用先进的分析和预见性维护来提高效率和创新。

7，石油泄漏和碳氢化合物的检测及响应

通过利用先进的传感器和卫星图像，人工智能在油气行业软件中的应用，增强了对石油泄漏和碳氢化合物泄漏的检测及响应，这些系统可以快速识别和评估泄漏的程度，实现快速响应行动，以控制和减轻环境损害。

人工智能还促进了实时监控和预测分析，帮助公司主动管理和防止泄漏，可以保护环境，减少清理成本和潜在的法律责任。

8，法规合规性

在油气行业，确保合规性至关重要，在油气解决方案中使用人工智能可以通过持续监控既定标准的操作，来帮助实现这一目标。人工智能可以分析大量数据，实时发现合规问题，使公司能够迅速解决这些问题。

这种积极主动的方法，将违规处罚的风险降至最低，并提高了公司的声誉。此外，人工智能解决方案简化了报告流程，并确保准确及时地提交给监管机构。

9，人工智能驱动的供应链管理

人工智能在油气行业通过提供需求预测、库存管理和物流规划方面的建议，优化了供应链管理。预测分析可以预测需求波动，使公司能够相应地调整其供应链运营，可以提高效率，降低成本，提高客户满意度。

人工智能还有助于识别供应链中的潜在中断，使公司能够实施应急计划并保持运营的连续性。增强的供应链可见性和敏捷性，最终有助于建立更具弹性和响应性的供应链网络。

10，油藏描述增强和建模

在石油和天然气行业，人工智能驱动的油藏描述增强和建模，已经彻底改变了公司管理和优化油藏的方式。该方法利用先进的人工智能技术，整合了来自地震调查、测井和生产历史的大量数据，提供了详细而全面的油藏描述视图。

在油气行业，人工智能有助于识别数据中的复杂模式和相关性，从而更准确地预测储层。这些模型还有助于生成高分辨率油藏模型，这对于模拟各种生产场景和确定最有效的采收率方法至关重要。

前十名：AI在能源领域的应用

2024年2月14日，“能源数据”网站（energydigital.com）刊登了玛雅·德里克尔（Maya Derrickr）的文章“前十名：AI在能源领域的应用”，列举上AI技术在能源行业的主要应用场景。以下，为我们整理的这篇文章的主要内容，其中为了阅读的方便，对应用的顺序从1至10进行了重新的调整。

人工智能，已经真正成为众多行业的核心技术，能源行业也不例外，包括预测、勘探机会和智能电网，以下是人工智能在能源行业掀起波澜的10种方式。

国际能源署将人工智能和能源，称为“一对新贵”，人工智能和能源正越来越多地携手合作，以应对该行业日益复杂的情况。国际能源署的分析师表示，管理未来的电网需要更强大的分析工具，其中人工智能发挥着至关重要的作用。

不过，在能源行业使用人工智能，绝非没有挑战。前期成本和集成问题只是冰山的一角，而数据的敏感性和专业地实施人工智能，则存在额外的障碍和复杂性。

尽管如此，人工智能在能源行业有着巨大的未来前景。人工智能，已成为优化能源生产、分配和消费的关键技术，随着人工智能得到更好的训练并变得更加智能，这一趋势将继续下去。人工智能，能够并将继续提高可再生能源的效率，增强电网的稳定性，减少温室气体排放，这些还不是全部，应用的机会几乎是无限的，当然也存在着争议。

这里，我们总结了人工智能在能源领域应用的10种主要方式，以及随着智能化的发展，人工智能将如何演变。

1，智能电网

智能电网技术，有助于协调、储存和分配来自不同来源的电力，使其稳定可靠。根据SAP的说法，这就是人工智能发挥作用的地方，因为预测分析意味着可以预测高需求的压力并将其分配给多个工厂和变电站。云连接的人工智能技术，如机器学习、数据分析和物联网，提高了智能电网的能力，使其能够实现复杂的发电和配电。这家跨国软件公司解释说：“人工智能、云和数字技术，允许电网内的所有设备和资产进行通信，支持更好的控制和自我监管。”

2，需求响应管理（DRM）

需求响应管理，对优化电力消耗和确保电网稳定性至关重要，它根据运营商和供应商的信号调整消费者的用电量。通过利用人工智能，需求响应管理可以通过分析实时数据来优化和控制电力消耗，以应对需求波动。国际能源署表示，由于需求响应涉及到批发和辅助电力市场，提供转移或削减电力需求的激励措施，以帮助平衡电网。随着电网逐渐被风能和太阳能光伏等可变发电所主导，灵活性将变得越来越重要。

3，预见性维护

由于人工智能的预测特性，能源公司可以预测他们的设备何时可能出现故障或需要维护，这要归功于人工智能的能力。电力公司意昂集团（E.ON）表示：“人工智能，尤其是机器学习，已经催生了一种名为预见性维护的过程。”“人工智能，可以快速准确地处理和分析从设备收集的大量数据，它可以检测到微妙的模式和相关性，可能预示即将发生的故障。”

机器学习可以分析来自各种来源的大量数据，在潜在故障发生之前进行预测，从而最大限度地减少停机的时间，降低维修成本并提高整体的可靠性。

4，可再生能源预测

在可再生能源和间歇性能源的问题上，人工智能可以帮助预测可再生能源的最佳生产时间，或者在任何给定时间有多少可用，这反过来又可以更准确地平衡供需。

芬兰VTT技术研究中心的解决方案VTT EnergyTeller，是一项人工智能驱动的服务，可更准确地预测未来的能源需求和市场发展。这家研究和技术公司表示，在芬兰，风电预测中1%的误差，每年要花费大约30万欧元（326,700美元）来解决不平衡问题。“我们现在有比以往更多的可用数据”，VTT称：“有了正确的能源预测服务，您可以利用市场和电网数据来创建准确的预测，你可以利用这些预测来优化向可再生能源的过渡，并确保在任何情况下都能获得可靠的能源。”

5，储能

作为一个备受赞誉的优化概念，在这种情况下，人工智能优化了可再生能源的储存和分配。通过算法，监控和确定需求、供应、价格和电网状况，人工智能可以指导企业确定储能的最佳时机、何时释放以及分配多少，这一点在风能等间歇性更强的可再生能源中越来越明显。人工智能，可以帮助引导高峰时段产生的多余能源储存起来，并在不发电时使用。

在担任 IBM澳大利亚研究院能源与物联网技术负责人期间，Solstice AI 的联合创始人兼首席执行官朱利安·德·霍格博士（Julian de Hoog）就倡导这种做法。他表示：“在一个由维多利亚州资助的项目中，我们与两个行业合作伙伴，逆变器制造商Seleconic和能源存储提供商Relectrify合作，了解了如何最好地协调电池、太阳能电池板、逆变器和基于云的服务，以从这些系统中获得最大可能的价值。”

6，碳捕获、利用和储存（CCUS）

人工智能辅助的二氧化碳捕获，能够帮助优化工业过程和发电厂的二氧化碳捕获和储存。人工智能可以提升CCUS过程，人工智能地震解释软件开发商Geoteric，称其为该领域的游戏规则改变者。该公司的一份案例研究报告，探讨了使用人工智能网络快速准确地筛选潜在CCUS地点的可行性，特别关注北海南部三叠纪班特砂岩。详细的AI分析表明，所选站点的故障最小，使其成为CCUS目的的有前景的位置。人工智能驱动的系统，可以确定利用捕获碳的最合适方法，无论是用于工业过程还是安全的长期储存，在减少温室气体排放和缓解气候变化方面，都发挥着至关重要的作用。

7，能源交易

如果在适当的条件下使用，人工智能在能源交易中蕴藏着巨大的潜力。弗劳恩霍夫能源经济与能源系统技术研究所（Fraunhofer IEE）最近的一项研究表明，由于人工智能，能源交易可以变得更加灵活。该研究所的分析表明，就像人类卖家一样，人工智能也能自律。人工智能还可以了解市场的复杂动态，处理有关定价、需求和供应趋势的实时数据，这使得能源公司能够做出明智且有利可图的交易决策。

8，智能家居和建筑

人工智能，对将建筑改造成更节能的环境产生了变革性的影响。例如，智能电表和物联网设备与人工智能结合在一起，可以实时洞察消耗情况，做出数据驱动的决策，以优化能源使用，从而降低运营的成本。“在智能建筑的能源效率方面，人工智能是一个改变游戏规则的人。”基础设施解决方案公司Utilities One表示：“通过先进的数据分析、预测算法和实时监控，人工智能优化了建筑运营的各个方面，从而实现了显著的节能、降低成本和更绿色的未来。”IBM商业价值研究院（IBV）的一项研究还显示，在接受调查的高管中，有70%的人表示，智能机器将提供新的洞察类别，从而增强决策能力。

9，油气勘探

人工智能，在油气行业的应用非常广泛。从储层分析到钻井优化，从异常检测到安全监测，人工智能还可以减少该领域的排放，对勘探、生产和油气的整体环境可持续性产生革命性的影响。

咨询公司安永表示，人工智能的应用提高了整个油气价值链的效率，包括初始勘探活动，并“激发了勘探、开发、生产、运输、炼油和销售的新方式”。

例如，剑维软件（AVEVA）利用人工智能，优化上游作业的性能、安全性和可持续性，其预测分析平台由人工智能提供支持，拥有超过15年的大规模人工智能预测分析经验，可帮助行业用户提前数周或数月识别资产异常。

10，核电站监测

根据国际能源署的数据，核能提供了全球约10%的发电量，巩固了其作为重要低排放电力来源的地位。核电领域人工智能的进步，有助于改变核电站的监控方式，减少人为的错误，极大地提高安全性。国际原子能机构（IAEA）核工程师内莉·恩戈伊·库贝尔瓦（Nelly Ngoy Kubelwa）表示：“人工智能与其他技术相结合，就像数字双胞胎一样，可以决定性地提高核电生产的效率。”机器学习，是人工智能的一种应用，多年来一直应用于这一领域，并被证明是有用的，其算法用于实时监控和预见性维护。

为什么人工智能和能源是一对新贵

2023年11月2日，国际能源署官网，刊登了由能源政策分析师维达·罗兹特（Vida Rozite）、能源政策效率分析师杰克·米勒（Jack Miller）和能源分析师Sungjin Oh，联合撰写的文章“为什么人工智能和能源是一对新贵”，探讨了人工智能在能源行业、重点是电力行业的应用。该文的原标题为“Why AI and energy are the new power couple”，其中的the new power coupled原意为“一对新的有权有势的夫妇”，根据文章的内容，我们将其翻译为“一对新贵”。以下，为这篇文章的完整内容：

（一）管理未来的电网将需要更强大的分析工具，人工智能将发挥关键作用

随着电力需求的增长和脱碳工作的加强，电力系统变得更加复杂。在过去，电网从集中式发电站引导能源。现在，电力系统越来越需要支持分布式发电、电网和用户之间的多向电力流动。从电动汽车充电站到住宅太阳能装置，并网设备的数量不断增加，使得流量的可预测性降低；与此同时，电力系统与交通、建筑和工业部门之间的联系正在加深。其结果是，对信息交换的需求大大增加，并且随着电力系统的不断发展，需要更强大的工具来规划和运营电力系统。

这一需求出现之际，人工智能应用程序的能力正在迅速发展。随着机器学习模型变得越来越先进，自2010年以来，开发它们所需的计算能力每五到六个月就翻一番。人工智能模型，现在可以可靠地提供语音或图像识别，将音频转换为可分析的数据，驱动聊天机器人，并自动化简单的任务。人工智能，通过分析数据和输入来模仿人类智能的各个方面，比人类操作员更快、更大的输出量。一些人工智能算法，甚至能够自我编程和修改自己的代码。

因此，毫不奇怪，能源部门已经正在采取措施，利用人工智能的力量来提高效率和加速创新。人工智能的独特之处，在于支持智能电网的同步增长，及其产生的大量数据。智能电表产生和发送给公用事业的数据点，比它们的模拟前辈多几千倍。监测电网电力流动的新设备，向运营商提供的数据比它们所取代的技术多一个数量级。据估计，全球风力发电机，每年产生超过4000亿个数据点。

如此庞大的数量，是能源公司将人工智能视为日益重要的资源的关键原因。最近的一项估计表明，人工智能已经在能源系统中服务于50多种不同的用途，该行业的技术市场价值可能高达130亿美元。

（二）人工智能和机器学习可以通过预测供需来释放灵活性

能源部门最常见的人工智能用途之一，是改善供需预测。深入了解可再生能源何时可用以及何时需要，对于下一代电力系统至关重要。然而，对于可再生能源技术来说，这可能很复杂，因为太阳并不总是照耀着，风也不总是吹着。

这就是机器学习可以发挥作用的地方，它可以帮助将可变供应与不断上升和下降的需求相匹配，最大限度地提高可再生能源的财务价值，并使其更容易融入电网。

例如，可以利用天气模型和风力发电机位置信息来预测风力发电量。不过，风向的偏差可能导致产出水平高于或低于预期，从而推高运营成本。为了解决这个问题，谷歌及其人工智能子公司DeepMind在2019年开发了一个神经网络，以提高其700兆瓦可再生能源项目的预测准确性。根据历史数据，该网络开发了一个模型，可以提前36小时预测未来的发电量，其准确性比以前高得多。

这种更大的可见性，允许谷歌提前出售其电力，而不是实时出售。该公司表示，这与其他人工智能促进的效率一起，使其风力发电的财务价值增加了20%。更高的价值，改善了风力发电的商业性，并可能推动对可再生能源的进一步投资。值得注意的是，谷歌的专有软件，目前正在一家大型能源公司试用。

此外，有了更准确的输出峰值图，谷歌这样的公司就能够改变峰值消费的时间，比如高计算负载时间，与它们保持一致，这样就避免了从市场购买额外电力的需要。这种能力如果得到更广泛的扩展，可能会对促进负荷转移和调峰产生重大的影响，特别是如果与更好的需求预测相结合的话。例如，瑞士制造商ABB开发了一款基于人工智能的能源需求预测应用程序，使商业建筑管理人员能够避免高峰付费，从分时电价中受益。

（三）人工智能还可以防止电网故障，提高可靠性和安全性

另一个关键的人工智能应用是预见性维护，即持续监控和分析能源资产的性能，以提前识别潜在故障。维护通常是定期进行的，例如，输电线路上的电线杆可以在预先确定的期限内检查一次，并根据需要进行维修。如果维护发生得太早，或者发生得太晚，这种一刀切的方法可能会导致效率低下。

为了解决这个问题，一系列公用事业公司正在开发人工智能方案，以帮助监控实物资产，并使用过去的性能和中断数据来预测何时需要进行干预。例如，公用事业公司意昂集团（E.ON）开发了一种机器学习算法，可以利用来自各种来源的数据来识别发电模式，并标记任何不一致之处，从而预测电网中的中压电缆何时需要更换。意昂集团的研究表明，与传统方法相比，预测性维护可以减少电网30%的停电。

同样，2019年，意大利公用事业公司Enel开始在电线上安装传感器，以监测振动水平。机器学习算法使Enel能够从结果数据中识别潜在问题，并找出导致这些问题的原因。因此，Enel已经能够将这些电缆的停电次数减少15%。与此同时，爱沙尼亚科技初创公司Hepta Airborne，利用无人机拍摄的输电线路的机器学习平台来识别缺陷；中国国家电网公司，广泛使用人工智能来执行分析智能电表数据等行动，以识别客户设备的问题。

未来几年，人工智能在电力系统中的潜在应用可能会激增。除了更好地预测能源供需和实物资产的预见性维护外，应用还包括：

（四）人工智能技术将实现数字化，但解决风险也至关重要

如果没有人工智能，系统运营商和公用事业公司，将只能有效利用新兴数字技术提供的新数据源和流程中的一小部分，并且他们将错过所提供的很大一部分好处。然而，在该技术在整个行业推广之前，还必须考虑和解决与人工智能相关的风险，这些风险包括但不限于，对网络安全和隐私的威胁，数据偏差或错误的影响，以及由于培训不足、数据或编码错误而导致的不相关性。

对于任何希望挖掘人工智能潜力的行业来说，拥有合适技能员工的可用性，都是一个重大挑战。在全球劳动力中，人工智能和机器学习专家是需求增长最快的职业，这造成了招聘瓶颈。截至2022年6月，全球所有行业的人工智能专家只有2.2万人，在英国和美国接受调查的大公司中，有61%的公司表示缺乏具有足够人工智能经验的员工。能源行业将需要竞争招聘最优秀的数据科学家和程序员，而希望留住了解该行业员工的公司应考虑对现有员工进行培训和再培训。由政府支持、私营部门投入的数字培训课程，将对这些努力至关重要。然而，在全球最大的经济体中，此类课程的可获得性和质量尚不一致。

人工智能也比其他形式的计算使用更多的能源，这是世界寻求建立一个更高效的能源系统的关键考虑因素。训练一个模型所消耗的电量，比100个美国家庭全年的用电量还要多。2022年，谷歌报告称，在过去三年中，机器学习约占其总能耗的15%。然而，随着模型的发展，关于人工智能的能源使用和更广泛的环境影响的数据，并没有系统地收集，而且需要更大的透明度和跟踪。应该优先考虑最高效的计算基础设施和人工智能算法，以防止其抵消效率的提高。

此外，越来越多地使用自动化和自学软件，提出了谁对这些系统的输出或结果负责的问题。运营商经常从IT公司和创业公司，购买人工智能技术或相关服务，这可能导致在电力平衡或投资方面的决策基于他们不理解或控制的模型，从而导致对公共支出、能源价格或停电问责制的质疑。

为了解决其中的一些问题，经合组织成员国政府和许多非成员国政府，于2019年通过了《经合组织人工智能原则》，为追求以人为中心的可信赖人工智能方法提供了指导。鉴于能源部门是全球经济的支柱，对实现气候目标至关重要，更清晰的国家、地区和国际框架也可能是必要的。欧盟的《人工智能法案》于2021年首次提出，目前正在由欧盟机构和成员国进行谈判，旨在为技术的开发和使用创造更好的条件，同时确保对环境的有力保护，以及其他目标。

为了让人工智能成为高效、脱碳和有弹性的电力系统的有效盟友，政府还需要开发数据共享和治理机制。协调一致的全球方法，可以实现国际适用和可复制的解决方案，在全球范围内传递学习成果，并在降低成本的同时加快能源转型。