从人工智能角度来看如何解决石油和天然气排放挑战

上海汉洁 管维 2022-02-18 20:30
全球油气行业直接或间接地导致了全球近一半的温室气体排放,随着全球变暖的影响日益显著,激进投资者、监管机构、员工和整个社会带来的压力迅速增加,要求该行业做出改变,进行减排。油气公司可以利用6个杠杆来减少碳足迹,该如何利用数字化工具,为自身的减排做出显著贡献?下面将一一揭晓。

油气公司可以利用6个杠杆来减少碳足迹。

背景

根据油气行业的价值链和对温室气体的排放贡献,可以将碳排放分为3个不同的范围。其中范围1是直接排放,范围2是非直接的能源排放,范围3是其他非直接排放。大多数企业并没有成功地在范围1和范围2内实现显著减排,也难以计算出范围3产生的排放量,更不用说在减排方面取得重大进展了。

油气行业在范围1之中产生的直接碳排放占全球温室气体排放的10%,而在范围2和范围3中产生的间接碳排放则是31%。鉴于该行业的排放量很高,简单地转向使用低碳能源替代品并不足以将排放量减少到可接受的水平。

油气行业产生的碳排放占全球温室气体排放的41%。

企业本身可以通过运营和能源效率措施来减少范围1和范围2的排放,这不仅是最快,而且通常也是成本最低的脱碳途径。

如果该行业要真正减少世界碳排放总量,必须严格限制范围3产生的排放量。事实上只有少数公司制定了范围3的减排目标,或准备应对脱碳带来的挑战。如果不了解范围3的排放,企业将很难在气候目标上做出承诺或达成成就。

破解气候密码

希望在脱碳工作中获得进展、根据减排目标优化运营并全面了解自身直接和间接排放的油气公司必须将数字化分析整合到其DNA中。这些工具与人工智能、机器学习一起,可以帮助企业识别排放的来源和驱动因素(识别范围包括企业自身、供应商和客户)、降低能源消耗,并优化自身运营的能源效率。

通过采用数字化工具,一家油气运营商找到了方法,可以实现相当于5亿吨二氧化碳的温室气体减排,主要集中在范围1和范围2,占企业总排放量的30%。其中,可以通过优化运营和能源效率来实现15%的减排,通过转向低碳电力、热力设备和来源减少60%的排放,通过减少燃烧、放空和无组织排放减少5%的排放。该公司还对减排计划的权衡有了更深的见解。

数据全面整合的过程必须从制定精确、可信和高质量的温室气体排放基线开始,通过收集和分析来自供应商和客户的实时运营数据和事务级别数据建立起的排放基线可帮助企业识别排放强度的驱动因素并找到减排措施。虽然量化、减少和监测甲烷排放是一个特别棘手的问题,但是数字工具可以帮助企业在这一领域取得长足进步。

关注甲烷

识别和计算油气行业范围1的二氧化碳排放相对容易理解,确定排放量涉及一个简单的计算,以燃气涡轮机或柴油动力泵的排放量计算为例,使用已知的排放因子乘以使用的燃料量即可。

甲烷的排放量带来了不同的挑战,而且难度更大。识别甲烷排放源并获取排放量数据并非易事。此外,由于误差范围很大,所以减少此类排放(尤其是无组织排放)也很困难,还导致在准确报告减排进展方面存在相当程度的不确定性。

为了大大提高测量甲烷排放的准确性,企业必须观察并获取整个资产组合的运营排放数据,随后就可以将这些数据输入一个由人工智能驱动的数字平台,该平台可以整合这些数据,产生洞察力,并为减排所需的行动提供指导。

BCG(波士顿咨询公司)开发了一种四管齐下的方法,应用数字工具帮助油气公司衡量、减少和报告他们的甲烷减排工作。

整体战略。首先,制定明确的协调战略,将甲烷减排目标转化为行动,确保实现这些目标所需的全部测量和监测数据都得到评估。测量甲烷排放的方法有很多,可以采用卫星遥感监测、固定式和移动式地面探测系统;也可以使用各种分析产品;还有多种现场服务,因为有些公司在监测的同时还提供解决方案。收集、管理大量数据和服务选择存在一定难度。

高级分析。一旦确定策略,就可以根据可用的甲烷数据,确定哪些具体的见解有助于采取行动,然后根据三条关键原则进行价值分析,满足这些见解的需要。三条关键原则是:

  • 可操作。通过高级分析,公司可以定位甲烷排放,生成减排自动提案,并制定实时计划开展减排工作。
  • 有价值。公司可以使用高级分析将特定KPI与每个减排提案相关联,包括投资回报和减排数据,同时保留添加其他KPI所需的灵活性。
  • 可优化。高级分析可以根据完全集成的数据提供建议,最大限度地提高减排和经济价值。

现场服务。同时创建统一的仪表盘,全面了解整个资产组合的甲烷排放情况。这将使运营团队能够监控进度并及时采取最佳减排行动。

合规报告。整合监测数据,以便向监管机构、投资者和其他利益相关者深入、透明地报告甲烷减排进展。

支持人工智能的端到端数字平台现在对于测量、监测、减少甲烷、合规报告和满足减排期望至关重要。

温室气体排放基线帮助企业在整个运营和业务活动中优化减排工作。优化是一个非常复杂的过程,尤其是大型综合企业必须设法优化全公司每一项可能需要优化的资产,并在全球范围内付诸实践。例如,在运营和维护、油田开发、管理和财务会计方面实施重大变革。

走在减排路上的人工智能

人工智能在减排中的重要性与日俱增,它可以帮助企业汇集不同的数据源(通常这些数据位于数据孤岛中并需要进一步分析和协调),然后运用高级算法更精确地评估排放水平,优化运营,减少排放,并监控进度。

该过程的关键首先在于使用人工智能在所有三个范围内建立排放基线,然后通过模拟和量化所选减排计划的潜在影响,来确定哪个计划的价值最高,同时需要考虑到特定资产的限制、财务影响、监管要求。

人工智能工具可以随后提出减排的最佳策略,公司可以使用该策略为每项资产制定可行的减排路线图。最终,路线图应考虑特定资产的优先事项、投资组合范围的计划和组织限制。

将路线图落地实施也可利用人工智能,由人工智能驱动的工艺优化可以实时满足减排需求、管理并直接监控资产排放。

成功的组合

多年来,油气行业一直努力在生产效率、利用率和成本方面实现优化运营,然而现在企业还必须考虑他们的温室气体排放,这在很大程度上需要优化企业的能源使用。例如,在炼油过程中加热原油和维持裂解装置运行就需要很高的能耗。这些能源的消耗,无论是现场生产还是购买,都可能占这些公司范围1和范围2温室气体排放量的80%。

这就是为什么预测能源消耗量和由此产生的温室气体排放,以及了解可用于减少这些排放的潜在杠杆是油气资产脱碳的关键。从能源效率的角度优化运营可以在继续满足生产预期的同时,将能源消耗降低高达15%,在某些情况下,这是最具成本效益和最快的油气资产减排杠杆。无需投资,从启动到概念验证的短短12周内即可获得收益。

新的数字化工具可以利用数据分析每个单元的工作状态,预测能源使用情况,并支持工艺工程师努力优化能源使用和由此产生的温室气体排放。这些工具可以考虑运营的所有相关要素,包括吞吐量和最小产量、最大产量等目标,并确定单元最佳设置(例如温度设置),同时能帮助企业测试新的运营策略。

该过程从实时监控每个单元的能耗和相关碳排放开始。这些工具在可用的历史数据中寻找相似的生产水平和前后期设置,比较当前和历史效率表现。这让装置能够找到一套最佳设置,在保持生产安全和连续性目标的同时,还能优化性能和能耗水平。

最后,这些工具能为运营商提供可采取的具体行动,从当前设置转向最佳设置,从而降低能源消耗和排放水平。

更高的能源效率、更低的成本和更少的排放组合帮助企业实现全面的成功。

在上游生产的早期阶段也可以对能源利用进行管理。此外,路线图提供了监测跨资产和整个减排计划进展的方法。

寻找失去的时间

上游勘探和生产公司面临的一个关键挑战是管理他们在钻井活动中的能源使用和时间。

与许多工业工艺一样,时间就是金钱。在油气钻探中时间也意味着温室气体排放,包括火炬燃烧和使用采油机开采导致的直接排放,以及范围2中涉及到的间接排放。据估计,所谓的ILT(不可见的损失时间)由于完成一项任务所需的实际时间与最佳情况之间的差异导致效率低下、钻井路线不理想、数据不足,最高可能会增加60%的钻探时间和完井时间,将同比增加公司的碳足迹。

NPT(非生产时间)则是由于操作或地质力学原因导致钻井进度中断,例如管道堵塞和总流体损失也会影响到达目标深度的时间,并增加由此产生的总体碳足迹。

虽然长期以来,钻井人员可以使用各种数字解决方案来更好地管理能源使用,但基于人工智能的新工具,可以同时降低ILT和NPT,从而有效地减少50%甚至更多的操作时间。这些工具从各种来源收集数据,然后利用机器学习、统计和物理模型的组合来提供实时目标以及相应的指导。它们不仅可以向钻井人员展示如何钻井、确定最佳钻井路线,还可以确定节能和降低NPT发生风险的流程和钻井方向。

范围3的减排挑战

虽然减少范围1和范围2的排放至关重要,但其实大多数油气公司的范围3排放可占其总排放足迹的90%或更多。此外给范围3建立一个可靠、高质量和细化的排放基线,并与供应商、客户合作减排,是一个非常复杂的分析问题。然而,减排压力越来越大,迫使油气公司紧急寻找解决方案,尤其是碳足迹特别大的大型运营商。

在油气通过供应链到达炼油厂、末端市场和燃烧点的过程中,产生的排放量非常难以衡量。企业通常依赖供应商报告数据中的排放估算以及最终用户消费模式的估算,不仅这些数据往往质量很差,而且企业通常没有能力和资源来真正了解自身范围3的足迹。此外,对于测量和报告范围3排放没有既定的行业标准,因此难以比较运营商之间的排放足迹或根据竞争基准设定排放目标。

为范围3建立排放基线的绝对复杂性使得采用基于人工智能的工具变得至关重要,这些工具可以在非常精细的层面上对整个油气价值链进行建模,范围涵盖从勘探-生产-精炼-分销-终端客户使用的全部过程。

例如,基于油气的管道运输方式,油气井的位置将部分决定供应商和炼油厂产生的范围3排放量。在更下游,该模型可以使用来自业务系统的事务级数据,通过渠道和客户使用来跟踪成品运输产生的范围3排放。甚至可以基于不同地域和行业的燃料消耗模式进行建模来估算排放足迹。

有了这些基线数据,企业就可以使用其他人工智能工具与供应商和客户合作,评估特定脱碳杠杆的影响。此外,通过资产组合优化可以进一步实现减排。

后续步骤

希望启动脱碳工作的油气公司需要考虑整个减排价值链中的三个关键因素。

1.排放基线

通常,企业的基线工作主要集中在合规背景下跨范围1和范围2的排放预测。公司要确保基准流程涵盖所有资产和整个价值链(包括供应商和客户)的所有当前运营,并考虑生产预测、停产日期信息和增长机会,并且不要让基线流程压制实际的减排工作。

2.减排

财务可行性很少成为减排计划的行动障碍,尤其是在碳价格高或减排激励措施强有力的地区。尽管如此,公司还要同时考虑生产优化和生产资产的预期寿命,确保减排工作仍然专注于寻找双赢方案。减排举措必须既经济合理,又能迅速实施。

3.治理和变革管理

随着人们对新商机的关注,许多公司难以妥善管理其脱碳工作,如将脱碳工作与整体战略明确联系起来,并有效地调动其资产团队。将数字减排工具集成到整体数据架构中是为生产、财务数据以及脱碳创建单一事实来源的关键。反过来,这可以作为变革管理计划的基础,从而适应公司的运营模式,并建立文化变革和新的工作方式,实现更快的决策和快速、有效的碳减排。

减排优势

减排正迅速成为油气公司的筹码。因此,人工智能、机器学习的工具和技术必须成为行业内所有寻求全面减少温室气体排放的公司战略核心。企业只有借助这些数字功能,才能处理建立排放基线、优化运营和准确报告所涉及的巨大变量。在油气行业对抗全球变暖的工作中,它们的价值不可估量。

最终,有远见的油气企业也将减排视为一种竞争优势。例如,致力于减少自身范围2排放的油气客户可能会求助于能够证明减排成功的油气供应商。促使他们能够做到这一点的技术将为所有相关方创造双赢的成果,从长远角度来看,也将造福整个地球。

引用
1. http://www.bcg.com/publications/2021/ai-in-oil-and-gas-emissions-challenge2. http://www.163.com/dy/article/F5N042R40525RRQC.html