每天，我們的生活中都有能量流動(dòng)——從為汽車(chē)和飛機(jī)提供動(dòng)力的燃料，到用于爐頂烹飪的燃?xì)?，再到保持家庭和企業(yè)照明的電力。石油、天然氣和電力是成熟的大宗商品市場(chǎng)，但人工智能正在改變用于生產(chǎn)、運(yùn)輸和交付這些資源的流程。

進(jìn)入部署在邊緣的人工智能：在石油鉆井平臺(tái)上，在發(fā)電廠內(nèi)，沿著多功能卡車(chē)行駛，甚至嵌入智能建筑中。石油和天然氣企業(yè)和公用事業(yè)公司正在使用人工智能和邊緣計(jì)算來(lái)提高運(yùn)營(yíng)效率，保護(hù)工人健康和安全，整合可再生能源，提高電網(wǎng)彈性，并為消費(fèi)者提供更可靠、更實(shí)惠的能源。

圖 1 。 值得注意的是， NVIDIA Inception 的成員人工智能（ AI ）在 FirstEnergy 的卡車(chē)上安裝了智能攝像頭，展示了 edge 計(jì)算如何監(jiān)控?cái)?shù)百萬(wàn)桿裝資產(chǎn)。圖片由值得注意的人工智能提供。

隨著公司和國(guó)家競(jìng)相脫碳并實(shí)現(xiàn)凈零排放目標(biāo)， edge AI 將在管理電動(dòng)汽車(chē)、家用電池、太陽(yáng)能電池板和風(fēng)電場(chǎng)等分布式能源資源方面發(fā)揮關(guān)鍵作用，以增強(qiáng)電網(wǎng)彈性，加快能源轉(zhuǎn)型。以下示例重點(diǎn)介紹了整個(gè)能源行業(yè)的頂級(jí)人工智能用例，包括：

軟件定義的智能電網(wǎng) ：未來(lái)的智能電表將使用邊緣計(jì)算來(lái)優(yōu)化潮流，檢測(cè)電網(wǎng)異常，以更低的成本提供更可靠的能源，并為新能源應(yīng)用打開(kāi)機(jī)會(huì)。領(lǐng)先的電網(wǎng)邊緣軟件公司 UtilitiData 正在與NVIDIA 開(kāi)發(fā) 軟件定義的智能電網(wǎng)芯片 ，為下一代智能電表供電，以提高電網(wǎng)彈性、脫碳和消費(fèi)者價(jià)值。

Autonomous operations ：工業(yè)現(xiàn)場(chǎng)，如石油鉆井平臺(tái)和發(fā)電廠，需要對(duì)效率和安全進(jìn)行廣泛監(jiān)控，因?yàn)橐后w、蒸汽或石油泄漏可能是災(zāi)難性的、昂貴的和浪費(fèi)的。 Siemens Energy 等全球能源領(lǐng)袖正在利用人工智能和機(jī)器學(xué)習(xí)為自主發(fā)電廠開(kāi)辟道路。該公司使用來(lái)自數(shù)百萬(wàn)現(xiàn)場(chǎng)攝像頭和傳感器的數(shù)千幅圖像和視頻流來(lái)訓(xùn)練人工智能模型，以檢測(cè)過(guò)程異常。這些模型部署在發(fā)電廠的邊緣，并使用實(shí)時(shí)推斷來(lái)識(shí)別泄漏。 Rig operators 正在使用計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)和智能視頻分析（ IVA ）來(lái)監(jiān)控重型機(jī)械，檢測(cè)潛在危險(xiǎn)，并實(shí)時(shí)提醒工人，以保護(hù)他們的健康和安全，防止事故，并指派維修技術(shù)人員進(jìn)行維護(hù)。

Pipeline optimization ：石油和天然氣企業(yè)依靠尋找最合適的路線將石油輸送到煉油廠，最終輸送到加油站。 Edge AI 可以計(jì)算出最佳油流，以確保生產(chǎn)的可靠性，并保護(hù)管道的長(zhǎng)期健康。使用 IVA ，這些公司可以檢查管道是否存在可能導(dǎo)致危險(xiǎn)故障的缺陷，并自動(dòng)提醒管道運(yùn)營(yíng)商。在下游， NVIDIA ReOpt 使用 GPU 加速解算器進(jìn)行物流和路線優(yōu)化，可以有效地將燃油輸送到加油站。

電網(wǎng)維護(hù)： 通過(guò)主動(dòng)維護(hù)，公用事業(yè)公司可以準(zhǔn)確檢測(cè)缺陷，減少計(jì)劃外停機(jī)，從而更好地為客戶(hù)服務(wù)。 NVIDIA Inception 成員 FirstEnergy 與值得注意的人工智能合作 正在進(jìn)行一個(gè)自動(dòng)化電線桿檢查的試點(diǎn)項(xiàng)目。由NVIDIA Jetson 提供動(dòng)力的固定攝像頭系統(tǒng)被固定在服務(wù)卡車(chē)的車(chē)頂上，并收集其電線桿、電線和安裝在電線桿上的資產(chǎn)的標(biāo)準(zhǔn)化、高分辨率圖像。在邊緣對(duì)圖像進(jìn)行分析，以確定是否需要修復(fù)或植被管理。 Edge computing 可以幫助監(jiān)控美國(guó)大約 1.85 億根電線桿，并減少電力公司每年花費(fèi)數(shù)千萬(wàn)美元來(lái)手動(dòng)跟蹤和維護(hù)電線桿。

電網(wǎng)仿真 ：使用 GPU 加速網(wǎng)格模擬，結(jié)合能源使用和天氣的歷史數(shù)據(jù)進(jìn)行智能預(yù)測(cè)，可以為消費(fèi)者提供更高效的能源生產(chǎn)、分配和管理信息。人工智能有助于管理電網(wǎng)中的雙向電力流，為居民和企業(yè)提供可靠的能源，同時(shí)使消費(fèi)者將額外能源出售回電網(wǎng)的過(guò)程自動(dòng)化。

多虧了 edge 人工智能，能源的未來(lái)比以往任何時(shí)候都更加可持續(xù)。 Explore NVIDIA 如何構(gòu)建生態(tài)系統(tǒng)以加速能源轉(zhuǎn)型。

關(guān)于作者

Reynaldo Gomez 于 2013 從德克薩斯大學(xué)獲得核物理學(xué)學(xué)士學(xué)位，現(xiàn)在在斯坦福大學(xué)獲得管理科學(xué)和工程學(xué)碩士學(xué)位。他作為地球物理學(xué)家在斯倫貝謝 - 韋斯滕格科（ Schlumberger-WesternGeco ）工作了三年，然后轉(zhuǎn)投 IBM ，最終加入了 NVIDIA 的能源團(tuán)隊(duì)。 Reynaldo 管理能源垂直領(lǐng)域的合作伙伴生態(tài)系統(tǒng)，重點(diǎn)關(guān)注機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和高性能計(jì)算。

審核編輯：郭婷