Внедрение искусственного интеллекта (ИИ) и цифровых двойников в Petro-SIM для снижения выбросов

Постановка задачи: Для достижения целей по снижению углеродного следа нефтеперерабатывающим и нефтехимическим заводам недостаточно традиционного статического моделирования. Требуется создание проактивных цифровых двойников (Digital Twins), способных прогнозировать спрос на ресурсы, оптимизировать инвентарные запасы и предотвращать потери в реальном времени [cite: 9, 10].

Программное обеспечение: KBC Petro-SIM, платформа искусственного интеллекта уровня предприятия BHC3 [cite: 9, 10].

Методы и алгоритмы:

1. Предиктивная оптимизация утилит: Системы машинного обучения были интегрированы с Petro-SIM для анализа показаний датчиков в реальном времени (IoT), доступности пара и информации о планировании. Алгоритм строил предсказания оптимального распределения пара по установкам завода, обеспечивая оптимальный паровой баланс (steam balance) [cite: 9, 10].

2. Снижение выбросов факелов: Применена AI-модель для анализа процессов сжижения газа (LNG), которая выявляла паттерны, приводящие к образованию отпарного газа (boil-off gas), и вносила упреждающие корректировки в режим работы компрессоров и теплообменников [cite: 9, 10].

Процесс валидации: Эффективность гибридных ИИ-моделей подтверждалась на реальных установках операторов (например, Shell), где сверялись расчетные параметры выбросов и реальные показания газоанализаторов на факелах [cite: 9, 10].

Итоговые результаты: Интеграция ИИ с технологическим симулятором Petro-SIM позволяет экономить до $0.65 на баррель переработанной нефти. Более того, на одной из установок LNG оптимизация позволила снизить объем факельных выбросов на 130 килотонн в год (эквивалентно удалению с дорог 28 000 автомобилей) [cite: 9, 10].

Источник

Источник

Теги

• #PetroSIM
• #ArtificialIntelligence
• #DigitalTwin
• #Optimization
• #EmissionReduction