[[347965]]

研究表明，人工智能技術可以使煉油工業獲益匪淺。

如今，石油需求和價格的波動為全球煉油行業帶來了動蕩的格局。煉油廠管理人員被迫審查和尋找新的方案，并就安全性、環境影響、物流和經濟方面對每種方案進行評估。他們的快速分析和反應能力以及在運營中建立可靠性和彈性的能力，將是維持其業務和競爭優勢的關鍵。

煉油行業的最終愿景是運營自我優化的自主工廠，而人工智能在整個行業的不斷部署正使這一現實更加接近。盡管石油精煉廠商是許多數字工具的早期采用者，但該行業尚未充分認識到人工智能的潛力。

這在很大程度上是因為人工智能和機器學習經常被孤立地看待，而不是與現有的工程能力(模型、工具和專業知識)相結合，以提供一個切實可行的解決方案，從而有效地優化煉油廠的資產。

這些資產通常依賴于根據物理和化學的“第一原理”構建的工程模型，這些模型包含了關鍵領域的知識，如過程安全和對行業復雜系統的理解。

這些模型借鑒了世界上優秀的科學家、工藝工程師和操作人員的知識和經驗。它們非常準確，但在某些過程中也具有局限性;為了提高其準確性，必須對生產數據進行校準，以符合觀察到的工廠條件和性能。當前，有效的模型校準需要相當豐富的專業知識和經驗。

建立混合模型

這是人工智能和機器學習發揮關鍵作用的地方。這些技術正在迅速興起，它們可以極大地提高工廠數據的使用能力，既可以校準“第一原理”模型，又可以快速創建基于數據的現象和過程模型。人工智能可能會降低建模過程系統所需的專業知識的要求，但必須將其與領域專業知識相結合，以創建可使其安全可靠且直觀地工作的模型。

這種結合可以實現人們所謂的“混合模型”，該模型將人工智能和“第一原理”有效地結合在一起，可以更快地提供全面準確的模型，而無需大量的知識和經驗。至關重要的是，它們是通往自我優化工廠的重要階段。

機器學習用于利用仿真、或工廠數據來創建模型。該模型還使用領域知識(包括第一原理和工程約束)來構建豐富的模型，并且無需用戶具有深厚的流程專業知識或成為人工智能專家。

混合模型支持的解決方案充當了過去關注優先原則的世界和未來“智能煉油廠”環境之間的橋梁。它們是幫助實現自我優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劃者和運營商實現每月生產的能力密切相關，而該能力應盡可能接近計劃，并且通常可以追溯到其過時或不正確的計劃模型。例如，一家全球規模最大的精煉廠預測，根據需要經常對詳細的反應堆模型進行最新修訂，對于一個典型的日產量為20萬桶的精煉廠來說，每年將創造超過1,000萬美元的價值。這項技術在煉油廠應對其必須生產的產品的巨大變化時尤為及時。

實現自我優化工廠的愿景

對于許多煉油企業來說，開發混合動力模式解決方案也將是實現自我優化工廠愿景的第一步。而行業專家將其定義為能夠自動適應和響應不斷變化的操作條件的設備。

依靠人工智能和關鍵領域知識的結合，自我優化工廠將快速評估所有可用的數據流，包括資產內和資產之外。考慮到安全性、可持續性、資產健康和運營目標，它將對不斷變化的條件做出快速反應，以實現可能的最佳結果。此外，還將使用人工智能來預測未來的行為，并為煉油企業工作人員和管理人員提供未來可供選擇的運營場景。

在未來的自我優化工廠中，操作員和技術人員將做出更快、更靈活的業務決策，而這些系統已通過閉環運行以接近工廠預期極限的系統而擺脫了低附加值的重復性任務，自動應對意外情況。此外，資產可靠性信息和運營數據將為模型提供信息，以實現更安全、更可持續的設計。

 這就是煉油企業所追求的目標。而通過混合建模獲得的進步是通往自我優化工廠的轉型步驟。