Размышляя о пересечении трех интригующих миров и видении будущего

TL/DR: по мере того, как нефтеперерабатывающие заводы отслеживают свое воздействие на окружающую среду, выбросы углекислого газа будут частью операционных расчетов, где в настоящее время экономические и логистические факторы играют единственную роль. ИИ также поможет уменьшить углеродный след, но здесь картина более тонкая.

Потратив первое десятилетие своей карьеры на оптимизацию нефтеперерабатывающих и нефтехимических процессов с использованием данных и инструментов, начиная от расчетов на основе Excel и заканчивая более сложным машинным обучением, теперь я занимаюсь вопросами воздействия на окружающую среду, социальную сферу и управление ( ESG) требования к компаниям. Рассматривая роль данных и аналитики в содействии компаниям в соблюдении этих требований, я хотел подумать о том, как акцент на экологических показателях и данных может изменить нефтепереработку.

Сначала мы рассмотрим подход, который в настоящее время используется нефтеперерабатывающими заводами для оптимизации производства, а затем оценим, как более пристальное внимание к «Э» может повлиять на этот подход, и, наконец, начнем изучать роль, которую играют данные и машинное обучение. Я подчеркну, что эти темы очень сложны и достойны отдельных статей, в то время как я решил выделить ключевые моменты в первую очередь в первых двух темах. Третье — роль данных и машинного обучения — станет темой отдельной статьи. Эта статья включает в себя мои мысли, а не мысли нынешних или предыдущих работодателей.

Прежде чем начать, зачем тратить это время и пространство на это рассмотрение? Поскольку растущая известность ESG означает, что она правомерно вторгается в операционные соображения, поскольку компании осознают, что внимание инвесторов к эффективности ESG означает, что им необходимо пересмотреть традиционные подходы к максимизации прибыли. Это будет иметь ключевое значение для поддержания не только их репутации, но и их экономического профиля. за счет более низкой стоимости заимствования, как указано в связанной статье MSCI.

Как НПЗ в настоящее время подходит к оптимизации?

Нефтеперерабатывающий завод стремится максимизировать разницу между выходной продукцией и входным сырьем с учетом ограничений. Это задача оптимизации, которая в настоящее время решается нефтеперерабатывающими заводами с использованием коммерчески доступного программного обеспечения, которое некоторые нефтеперерабатывающие заводы называют «LP», потому что раньше эти задачи оптимизации в основном решались с помощью обычного линейного программирования. В этой статье будет использоваться термин «LP», и LP будет иметь следующие конкретные данные:

  • входное сырье обычно включает различные сырые нефти, которые нефтеперерабатывающие заводы могут закупать в любой точке мира. Эти сорта нефти имеют различные качества, которые влияют на ограничения нефтеперерабатывающих заводов, спецификации продукта и цены на уровне, отражающем как их уникальные свойства, так и более крупные макроэкономические факторы.
  • продукты охватывают все, что продает нефтеперерабатывающий завод; это включает не только моторное топливо, такое как бензин/дизельное топливо/топливо для реактивных двигателей, но и строительные блоки таких продуктов, как асфальт. В LP будут указаны цены на каждый продукт, как и на каждую нефть.
  • ограничения, ограничивающие пространство решений. Они охватывают такие вещи, как грубая доступность, например. Есть ли ограниченное количество сырой нефти, которое можно купить или переработать на нефтеперерабатывающем заводе? Ограничения спроса и ограничения внутри нефтеперерабатывающего завода. Примеры в этой последней категории многочисленны и могут относиться к производительности отдельных установок, металлургии трубопроводов, состоянию химических катализаторов, используемых для преобразования сырой нефти в конечные продукты и т. д.

НПЗ будет оптимизировать маржу между продуктами, сырой нефтью и другими операционными расходами с учетом вышеуказанных ограничений. Эта математическая оптимизация возможна только потому, что LP нефтеперерабатывающего завода включает тысячи уравнений и переменных, которые связывают ограничения и продукты с качеством сырой нефти, так что LP может точно предсказать влияние выбора сырой нефти и/или размещения продукта на операции нефтеперерабатывающего завода. В качестве альтернативы, если установлены ограничения НПЗ, то LP найдет оптимальную комбинацию выбора сырой нефти и/или размещения продукта в рамках этих ограничений.

Это сложные темы с большим количеством справочного материала, доступного в Интернете — вот один пример. Для целей этой статьи достаточно сказать, что LP будет выбирать сырую нефть и продавать продукты на основе комбинации цепочки поставок и экономических переменных. Вот схема, обобщающая только что рассмотренные концепции:

Как требования «E» повлияют на использование LP на нефтеперерабатывающем заводе?

При анализе выбора сырой нефти и размещения продукта с использованием своих LP нефтеперерабатывающие заводы будут учитывать свои выбросы углерода во всех трех областях.

Некоторый контекст здесь: когда я говорю о выбросах углерода, я имею в виду двуокись углерода (CO2) и метан (CH4), а когда я говорю об объемах, я имею в виду распределение выбросов Протокола по парниковым газам (GHGP) на объем 1, объем 2 и Уровень 3. Существует множество информации в Интернете по этой теме — вот один пример — и пока достаточно сказать, что выбросы уровня 1 — это выбросы от активов, которыми владеет докладчик, выбросы уровня 2 косвенно вызваны приобретенными коммунальными услугами, и Выбросы категории 3 косвенно вызваны другими субъектами в цепочке поставок отправителя.

Как нефтеперерабатывающий завод будет включать оценку выбросов в LP? Есть несколько способов сделать это, два из которых перечислены здесь:

  1. Создайте продукты для выбросов CO2 и CH4 и назначьте отрицательные цены, чтобы LP рассматривал эти выбросы как затраты. Таким образом, LP будет назначать стоимость тех операций по переработке, выбору сырой нефти и/или продакт-плейсменту, которые приводят к высоким выбросам CO2 и/или выбросам CH4.
  2. Установите верхний предел выбросов, производимых нефтеперерабатывающим заводом, в качестве ограничения

Я должен подчеркнуть, что это немалые подвиги. Как показано в этом сообщении о вакансии, получение правильных уравнений, лежащих в основе LP, представляет собой сложную задачу, требующую правильных данных о процессе и глубоких знаний операций по очистке. Связать выбросы с различными вышеупомянутыми входными данными нефтеперерабатывающего завода с помощью уравнений очень сложно, и это должно быть выполнено скрупулезно, чтобы достичь наилучшей возможной корреляции и максимизировать точность прогнозов.

При этом установление стоимости углерода в LP нефтеперерабатывающего завода представляет собой успешное включение внешних факторов, как указано в ссылке. Это важное изменение, потому что LP — и, следовательно, операции НПЗ — теперь будут информировать о выборе сырой нефти, размещении продукта и операциях НПЗ, чтобы свести к минимуму выбросы CO2.

Что это означает для НПЗ?

  • Это означает, что выбор сырой нефти больше не является исключительно функцией цены и ограничений нефтеперерабатывающих заводов — «грязность» нефти или ее выбросы на баррель теперь будут фактором, влияющим на то, как нефтеперерабатывающие заводы выбирают сырую нефть, причем точная степень влияния коррелирует с ценой. выбрано.
  • Эта статья Института Роки-Маунтин включает в себя диаграмму, демонстрирующую загрязненность различных типов нефти — хотя более грязная и тяжелая нефть исторически была дешевле, и добыча большего количества этой нефти была мотивом для инвестиций в нефтепереработку, выбросы CO2 теперь будут влиять на эти показатели. виды решений. Правильный выбор сырой нефти может помочь сократить выбросы категории 1 и категории 1 (покупные товары и услуги) категории 3.
  • Там, где нефтеперерабатывающие заводы ранее рассматривали проекты по сокращению выбросов как «обязательные», которые, как ожидается, не принесут никакой экономической ценности, измерение достигнутого сокращения выбросов CO2 и использование соответствующей цены на CO2, как в LP, теперь приносит доход для этих проектов. Нефтеперерабатывающие заводы теперь будут ясно видеть экономическую выгоду от сокращения выбросов категории 1.

Вот как может выглядеть этот новый вид LP завода:

И, наконец, как машинное обучение связано с этим обсуждением?

Я считаю, что благодаря созданию моделей машинного обучения, которые прогнозируют выбросы с использованием данных об объектах и ​​производстве и помогают избежать рисков для безопасности, связанных с опасностями на нефтеперерабатывающем заводе, ИИ является критически важным компонентом в наборе инструментов нефтепереработчика для понимания и управления факторами, способствующими выбросам.

Есть много ресурсов, которые освещают эту тему. В следующих статьях Переработка углеводородов и Инновизе приведены лишь некоторые примеры; это требует отдельной статьи, над которой я в настоящее время работаю, чтобы рассмотреть некоторые интересные возможности использования ИИ, но есть некоторые предостережения, которые объединяют предыдущие обсуждения LP и ESG. Вот краткое изложение высокого уровня с более подробной информацией, которая вскоре последует:

  • Поскольку нефтеперерабатывающие заводы традиционно использовали LP для оптимизации операций, заинтересованные стороны столкнутся с сопротивлением, когда их попросят внедрить новые инструменты и технологии, например. веб-приложения, основанные на машинном обучении. Это потребует открытости и гибкости от пользователей LP и других заинтересованных сторон на нефтеперерабатывающих заводах, а также программы управления изменениями для обучения и обучения персонала, что даст им уверенность в использовании этих новых инструментов.
  • В то время как ИИ может улучшить профиль затрат и выбросов нефтеперерабатывающего завода, его высокие требования к вычислениям приводят к значительному потреблению электроэнергии либо в помещении, либо в облаке. (Область действия 2, если используется локальное хранилище). Модели ИИ также занимают место для хранения с сопутствующими требованиями к энергии и выбросами.
  • LP нефтеперерабатывающего завода также требуют вычислений для запуска алгоритмов, используемых для решения тысяч уравнений, чтобы получить оптимальные результаты; эти вычислительные ресурсы требуют электричества. Модели LP могут иметь емкость в несколько гигабайт (ГБ) и, следовательно, требуют собственного потребления электроэнергии и объема выбросов 3 (область охвата 2, если используется локальное хранилище).

Роль данных и аналитики на нефтеперерабатывающем заводе, ориентированном на ESG, будет в центре внимания моей следующей статьи.