هوش مصنوعی (AI) به عنوان یکی از بزرگ‌ترین ترندهای سکولار زمان ما پا به عرصه وجود نهاده است. هوش مصنوعی در حال تقویت چهارمین انقلاب صنعتی است و به طور فزاینده ای به عنوان یک استراتژی کلیدی برای تسلط بر برخی از بزرگترین چالش های زمان ما از جمله تغییرات آب و هوا و آلودگی در نظر گرفته می شود. شرکت‌های انرژی از ابزارهای هوش مصنوعی برای ثبت سوابق به صورت دیجیتالی، تجزیه و تحلیل داده‌ها و نقشه‌های زمین‌شناسی و به طور بالقوه شناسایی مشکلاتی مانند استفاده بیش از حد از تجهیزات یا خوردگی خط لوله استفاده می‌کنند. یکی از این شرکت ها، غول انرژی هلندی Shell Plc (NYSE:SHEL) است. روز چهارشنبه، شرکت شل اعلام کرد که قصد دارد از فناوری مبتنی بر هوش مصنوعی شرکت تجزیه و تحلیل داده های بزرگ  اسپارک کاگنیشن در اکتشاف و تولید در اعماق دریاها به منظور بهبود کارایی و سرعت عملیات و همچنین افزایش تولید بهره برداری نماید.

گابریل گوئرا، معاون نوآوری و عملکرد شل، در بیانیه‌ای گفت: «ما منتظر یافتن راه‌های جدید و نوآورانه برای ابداع روش‌های کار اکتشافی خود هستیم.

به گفته بروس پورتر، مدیر ارشد علمی  اسپارک کاگنیشن در تگزاس، هوش مصنوعی مولد برای تصویربرداری لرزه ای پیامدهای گسترده ای دارد و افزود که این فناوری می تواند اکتشافات را به طور چشمگیری از ۹ ماه به کمتر از ۹ روز کاهش دهد. هوش مصنوعی جنرتیو این شرکت با استفاده از اسکن داده‌های لرزه‌ای کمتر از حد معمول، تصاویر زیرسطحی ارائه می کند و در نتیجه به حفاظت از اعماق دریا کمک می‌کند. بررسی های لرزه ای کمتر به نوبه خود روند اکتشاف را تسریع می کند، گردش کار را بهبود می بخشد و هزینه ها را در محاسبات با عملکرد بالا کاهش می دهد.

اما این اولین اقدام شل برای به کارگیری فناوری هوش مصنوعی نیست. در سال ۲۰۱۸، این شرکت با مایکروسافت همکاری نمود تا پلتفرم اینترنت اشیاء Azure C3 را در عملیات دریایی خود لحاظ نماید. این پلتفرم از هوش مصنوعی برای افزایش کارایی در زیرساخت های فراساحلی شرکت، شامل حفاری و استخراج تا توانمندسازی و ایمنی کارکنان استفاده می نماید.

شل تنها شرکت بزرگ نفتی نیست که از هوش مصنوعی در عملیات خود استفاده می کند. در سال ۲۰۱۹، BP Plc (NYSE:BP) روی استارت‌آپ فناوری بلمونت مستقر در هیوستون سرمایه‌گذاری کرد که به این شرکت کمک کرد تا یک پلتفرم علوم زمین مبتنی بر ابر با نام مستعار “Sandy” توسعه دهد. سندی به BP این امکان را می دهد تا اطلاعات پروژه‌های زمین‌شناسی، ژئوفیزیک و مخزن را تفسیر نماید، بنابراین «نمودارهای دانش» منحصربه‌فردی از جمله تصاویر خوبی از دارایی‌های زیرسطحی BP ایجاد می‌کند. سپس BP قادر به انجام شبیه سازی و تفسیر نتایج با استفاده از شبکه های عصبی برنامه است.

در مارس ۲۰۱۹، مرکز اکر سولوشنزبا اسپارک کاگنیشن همکاری کرد تا برنامه های کاربردی هوش مصنوعی را در اقدامات «عملیات شناختی» خود تقویت کند. سیستم‌های هوش مصنوعی آکر اسپارک کاگنیشن به نام SparkPredict برای نظارت بر تاسیسات بالای ۳۰ سازه دریایی و زیر دریا به کار گرفته می شوند.

چهار سال پیش، سازمان نفت و گاز (OGA) اولین مخزن ملی داده های نفت و گاز بریتانیا (NDR) را راه اندازی نمود. این مخزن عظیم حاوی ۱۳۰ ترابایت داده ژئوفیزیکی، زیرساختی، میدانی و چاهی – معادل حدود هشت سال فیلم  های اچ دی است. این داده ها بیش از ۵۰۰۰ بررسی لرزه نگاری، ۱۲۵۰۰ حفاری و ۳۰۰۰ خط لوله را پوشش می دهد NDR. از هوش مصنوعی برای تفسیر این داده ها استفاده می کند و OGA نیز براین باوراست که چشم اندازهای جدید نفت و گاز را کشف نماید و همچنین تولید بیشتر از زیرساخت های موجود را امکان پذیر نماید. این پلتفرم همچنین در انتقال انرژی کشور مورد استفاده قرار خواهد گرفت و از داده های مخزن و زیرساخت برای حمایت از پروژه های جذب، استفاده و ذخیره کربن استفاده می شود.

هوش مصنوعی و انرژی های تجدیدپذیر

فناوری هوش مصنوعی همچنین نقش بزرگی در بخش انرژی های تجدیدپذیر و به ایجاد شبکه های هوشمند ایفا نموده است.

یکی از بزرگترین موانع در تحقق رویای ایالات متحده برای داشتن یک شبکه ۱۰۰٪ تجدیدپذیر، متناوب بودن منابع انرژی تجدیدپذیر است. به هر حال، شبکه‌های ما برای ورودی/خروجی برق تقریباً ثابت طراحی شده‌اند، در حالی که باد همیشه در جریان نیست و خورشید همیشه نمی‌تابد. برای موفقیت آمیز بودن انتقال به انرژی های تجدیدپذیر، شبکه های برق ما باید بسیار هوشمندتر باید عمل کنند.

خوشبختانه، یک تاریخچه دلگرم کننده وجود دارد.

چند سال پیش، گوگل اعلام کرد که برای فعالیت های جهانی خود از جمله مراکز داده و دفاتر خود، به ۱۰۰% انرژی های تجدیدپذیر رسیده است. امروزه، گوگل با تعهداتی که در مجموع ۷ گیگاوات (۷۰۰۰ مگاوات) انرژی بادی و خورشیدی دارد بزرگترین خریدار شرکتی انرژی تجدیدپذیر است. گوگل با IBM همکاری نمود تا راه حلی برای ماهیت بسیار متناوب انرژی بادی بیابد. گوگل با استفاده از پلتفرم هوش مصنوعی DeepMind IBM، الگوریتم‌های ML را برای ۷۰۰ مگاوات ظرفیت انرژی بادی در مرکز ایالات متحده مستقر کرد  که این مقداربرای تامین انرژی یک شهر متوسط کافی است.

IBM می‌گوید که با استفاده از یک شبکه عصبی  تخصصی در زمینه پیش‌بینی‌های آب و هوایی و داده‌های توربین تاریخی، ، دیپ مایند اکنون قادر است خروجی انرژی باد را ۳۶ ساعت زودتر از تولید واقعی پیش‌بینی نماید. در نتیجه، این امر ارزش انرژی بادی گوگل را تقریباً ۲۰ درصد افزایش داده است.

یک مدل مشابه می تواند توسط سایر اپراتورهای مزرعه بادی به کار گرفته شود تا سازندگان بهینه‌سازی‌های هوشمندتر، سریع‌تر و مبتنی بر داده‌های بیشتر در توان خروجی خود برای پاسخگویی بهتر به تقاضای مشتری انجام دهند.

دیپ مایند شرکت IBMاز شبکه های عصبی تخصصی برای پیش بینی خروجی انرژی باد ۳۶ ساعت زودتر از تولید واقعی استفاده می کند.

اینوواتز مستقر در هیوستون، تگزاس، استارت آپی است که یک جعبه ابزار خودکار برای نظارت و مدیریت انرژی ایجاد نموده است. پلت فرم  ای یوتیلیتی این شرکت داده های بیش از ۳۴ میلیون انرژی سنج هوشمند را در ۲۱ میلیون مشتری از جمله شرکت های خدمات عمومی ایالات متحده مانند آریزونا عمومی الکتریک، پورتلند جنرال الکتریک، آوانگرید، Gexa Energy، WGL و Mega Energy دریافت می کند. اینوواتز می گوید الگوریتم های یادگیری ماشین آن قادر به تجزیه و تحلیل داده ها برای پیش بینی چندین نقطه داده مهم از جمله بارهای کوتاه مدت و بلند مدت، واریانس ها، حساسیت آب و هوا و موارد دیگر هستند.

اینوواتز براین باورست که بدون مدل‌های یادگیری ماشینی، شرکت‌های آب و برق در اوج بحران نادرستی ۲۰ درصد یا بیشتر را در پیش‌بینی‌های خود مشاهده می‌کردند، بنابراین فشار زیادی بر عملیات آن‌ها وارد می‌کرد و در نهایت هزینه‌ها را برای کاربران نهایی افزایش می‌داد.

علاوه بر این، هوش مصنوعی و راه حل های دیجیتال می توانند برای ایمن تر کردن شبکه های ما استفاده شوند.

در سال ۲۰۱۸، بزرگترین شرکت برق کالیفرنیا، بخش برق و گاز پسیفیک، در حادثه غم انگیز آتش‌سوزی سال ۲۰۱۸ که منجر به کشته شدن ۸۴ نفر شد، مقصرشناخته شد و در نتیجه با پرداخت جریمه‌های سنگینی معادل ۱۳.۵ میلیارد دلار به عنوان غرامت به افراد ، با مشکلات متعددی مواجه شد. افراد زیادی خانه وشغل خود را از دست دادند و ۲ میلیارد دلار جریمه دیگر توسط کمیسیون خدمات عمومی کالیفرنیا به دلیل سهل انگاری پرداخته شد. شاید اگر PG&E روی برخی از سیستم‌های تشخیص زودهنگام مبتنی بر هوش مصنوعی مانند اینوواتز سرمایه‌گذاری می‌کرد، می توانست از تلفات جانی و مالی بیشتری جلوگیری به عمل آورد.

با استفاده از مدل‌های دیجیتال و هوش مصنوعی، شبکه‌های برق ما به طور فزاینده‌ای هوشمندتر و قابل اعتمادتر می‌شوند و تغییر به سمت انرژی‌های تجدیدپذیر به راحتی صورت خواهد گرفت.

منبع:oilprice

مشاهده خبر