[[347965]]

研究表明，人工智能技術(shù)可以使煉油工業(yè)獲益匪淺。

如今，石油需求和價(jià)格的波動為全球煉油行業(yè)帶來了動蕩的格局。煉油廠管理人員被迫審查和尋找新的方案，并就安全性、環(huán)境影響、物流和經(jīng)濟(jì)方面對每種方案進(jìn)行評估。他們的快速分析和反應(yīng)能力以及在運(yùn)營中建立可靠性和彈性的能力，將是維持其業(yè)務(wù)和競爭優(yōu)勢的關(guān)鍵。

煉油行業(yè)的最終愿景是運(yùn)營自我優(yōu)化的自主工廠，而人工智能在整個行業(yè)的不斷部署正使這一現(xiàn)實(shí)更加接近。盡管石油精煉廠商是許多數(shù)字工具的早期采用者，但該行業(yè)尚未充分認(rèn)識到人工智能的潛力。

這在很大程度上是因?yàn)槿斯ぶ悄芎蜋C(jī)器學(xué)習(xí)經(jīng)常被孤立地看待，而不是與現(xiàn)有的工程能力(模型、工具和專業(yè)知識)相結(jié)合，以提供一個切實(shí)可行的解決方案，從而有效地優(yōu)化煉油廠的資產(chǎn)。

這些資產(chǎn)通常依賴于根據(jù)物理和化學(xué)的“第一原理”構(gòu)建的工程模型，這些模型包含了關(guān)鍵領(lǐng)域的知識，如過程安全和對行業(yè)復(fù)雜系統(tǒng)的理解。

這些模型借鑒了世界上優(yōu)秀的科學(xué)家、工藝工程師和操作人員的知識和經(jīng)驗(yàn)。它們非常準(zhǔn)確，但在某些過程中也具有局限性;為了提高其準(zhǔn)確性，必須對生產(chǎn)數(shù)據(jù)進(jìn)行校準(zhǔn)，以符合觀察到的工廠條件和性能。當(dāng)前，有效的模型校準(zhǔn)需要相當(dāng)豐富的專業(yè)知識和經(jīng)驗(yàn)。

建立混合模型

這是人工智能和機(jī)器學(xué)習(xí)發(fā)揮關(guān)鍵作用的地方。這些技術(shù)正在迅速興起，它們可以極大地提高工廠數(shù)據(jù)的使用能力，既可以校準(zhǔn)“第一原理”模型，又可以快速創(chuàng)建基于數(shù)據(jù)的現(xiàn)象和過程模型。人工智能可能會降低建模過程系統(tǒng)所需的專業(yè)知識的要求，但必須將其與領(lǐng)域?qū)I(yè)知識相結(jié)合，以創(chuàng)建可使其安全可靠且直觀地工作的模型。

這種結(jié)合可以實(shí)現(xiàn)人們所謂的“混合模型”，該模型將人工智能和“第一原理”有效地結(jié)合在一起，可以更快地提供全面準(zhǔn)確的模型，而無需大量的知識和經(jīng)驗(yàn)。至關(guān)重要的是，它們是通往自我優(yōu)化工廠的重要階段。

機(jī)器學(xué)習(xí)用于利用仿真、或工廠數(shù)據(jù)來創(chuàng)建模型。該模型還使用領(lǐng)域知識(包括第一原理和工程約束)來構(gòu)建豐富的模型，并且無需用戶具有深厚的流程專業(yè)知識或成為人工智能專家。

混合模型支持的解決方案充當(dāng)了過去關(guān)注優(yōu)先原則的世界和未來“智能煉油廠”環(huán)境之間的橋梁。它們是幫助實(shí)現(xiàn)自我優(yōu)化裝置的必要催化劑。

如今，許多公司都從混合建模方法中獲得收益。精煉和烯烴利潤與工廠規(guī)劃者和運(yùn)營商實(shí)現(xiàn)每月生產(chǎn)的能力密切相關(guān)，而該能力應(yīng)盡可能接近計(jì)劃，并且通常可以追溯到其過時或不正確的計(jì)劃模型。例如，一家全球規(guī)模最大的精煉廠預(yù)測，根據(jù)需要經(jīng)常對詳細(xì)的反應(yīng)堆模型進(jìn)行最新修訂，對于一個典型的日產(chǎn)量為20萬桶的精煉廠來說，每年將創(chuàng)造超過1,000萬美元的價(jià)值。這項(xiàng)技術(shù)在煉油廠應(yīng)對其必須生產(chǎn)的產(chǎn)品的巨大變化時尤為及時。

實(shí)現(xiàn)自我優(yōu)化工廠的愿景

對于許多煉油企業(yè)來說，開發(fā)混合動力模式解決方案也將是實(shí)現(xiàn)自我優(yōu)化工廠愿景的第一步。而行業(yè)專家將其定義為能夠自動適應(yīng)和響應(yīng)不斷變化的操作條件的設(shè)備。

依靠人工智能和關(guān)鍵領(lǐng)域知識的結(jié)合，自我優(yōu)化工廠將快速評估所有可用的數(shù)據(jù)流，包括資產(chǎn)內(nèi)和資產(chǎn)之外?？紤]到安全性、可持續(xù)性、資產(chǎn)健康和運(yùn)營目標(biāo)，它將對不斷變化的條件做出快速反應(yīng)，以實(shí)現(xiàn)可能的最佳結(jié)果。此外，還將使用人工智能來預(yù)測未來的行為，并為煉油企業(yè)工作人員和管理人員提供未來可供選擇的運(yùn)營場景。

在未來的自我優(yōu)化工廠中，操作員和技術(shù)人員將做出更快、更靈活的業(yè)務(wù)決策，而這些系統(tǒng)已通過閉環(huán)運(yùn)行以接近工廠預(yù)期極限的系統(tǒng)而擺脫了低附加值的重復(fù)性任務(wù)，自動應(yīng)對意外情況。此外，資產(chǎn)可靠性信息和運(yùn)營數(shù)據(jù)將為模型提供信息，以實(shí)現(xiàn)更安全、更可持續(xù)的設(shè)計(jì)。

 這就是煉油企業(yè)所追求的目標(biāo)。而通過混合建模獲得的進(jìn)步是通往自我優(yōu)化工廠的轉(zhuǎn)型步驟。