每天，我們的生活中都有能量流動——從為汽車和飛機提供動力的燃料，到用于爐頂烹飪的燃氣，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，但人工智能正在改變用于生產、運輸和交付這些資源的流程。

進入部署在邊緣的人工智能：在石油鉆井平臺上，在發(fā)電廠內，沿著多功能卡車行駛，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算來提高運營效率，保護工人健康和安全，整合可再生能源，提高電網彈性，并為消費者提供更可靠、更實惠的能源。

圖 1 。 值得注意的是， NVIDIA Inception 的成員人工智能（ AI ）在 FirstEnergy 的卡車上安裝了智能攝像頭，展示了 edge 計算如何監(jiān)控數百萬桿裝資產。圖片由值得注意的人工智能提供。

隨著公司和國家競相脫碳并實現凈零排放目標， edge AI 將在管理電動汽車、家用電池、太陽能電池板和風電場等分布式能源資源方面發(fā)揮關鍵作用，以增強電網彈性，加快能源轉型。以下示例重點介紹了整個能源行業(yè)的頂級人工智能用例，包括：

軟件定義的智能電網 ：未來的智能電表將使用邊緣計算來優(yōu)化潮流，檢測電網異常，以更低的成本提供更可靠的能源，并為新能源應用打開機會。領先的電網邊緣軟件公司 UtilitiData 正在與NVIDIA 開發(fā) 軟件定義的智能電網芯片 ，為下一代智能電表供電，以提高電網彈性、脫碳和消費者價值。

Autonomous operations ：工業(yè)現場，如石油鉆井平臺和發(fā)電廠，需要對效率和安全進行廣泛監(jiān)控，因為液體、蒸汽或石油泄漏可能是災難性的、昂貴的和浪費的。 Siemens Energy 等全球能源領袖正在利用人工智能和機器學習為自主發(fā)電廠開辟道路。該公司使用來自數百萬現場攝像頭和傳感器的數千幅圖像和視頻流來訓練人工智能模型，以檢測過程異常。這些模型部署在發(fā)電廠的邊緣，并使用實時推斷來識別泄漏。 Rig operators 正在使用計算機視覺、深度學習和智能視頻分析（ IVA ）來監(jiān)控重型機械，檢測潛在危險，并實時提醒工人，以保護他們的健康和安全，防止事故，并指派維修技術人員進行維護。

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 可以計算出最佳油流，以確保生產的可靠性，并保護管道的長期健康。使用 IVA ，這些公司可以檢查管道是否存在可能導致危險故障的缺陷，并自動提醒管道運營商。在下游， NVIDIA ReOpt 使用 GPU 加速解算器進行物流和路線優(yōu)化，可以有效地將燃油輸送到加油站。

電網維護： 通過主動維護，公用事業(yè)公司可以準確檢測缺陷，減少計劃外停機，從而更好地為客戶服務。 NVIDIA Inception 成員 FirstEnergy 與值得注意的人工智能合作 正在進行一個自動化電線桿檢查的試點項目。由NVIDIA Jetson 提供動力的固定攝像頭系統(tǒng)被固定在服務卡車的車頂上，并收集其電線桿、電線和安裝在電線桿上的資產的標準化、高分辨率圖像。在邊緣對圖像進行分析，以確定是否需要修復或植被管理。 Edge computing 可以幫助監(jiān)控美國大約 1.85 億根電線桿，并減少電力公司每年花費數千萬美元來手動跟蹤和維護電線桿。

電網仿真 ：使用 GPU 加速網格模擬，結合能源使用和天氣的歷史數據進行智能預測，可以為消費者提供更高效的能源生產、分配和管理信息。人工智能有助于管理電網中的雙向電力流，為居民和企業(yè)提供可靠的能源，同時使消費者將額外能源出售回電網的過程自動化。

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

關于作者

Reynaldo Gomez 于 2013 從德克薩斯大學獲得核物理學學士學位，現在在斯坦福大學獲得管理科學和工程學碩士學位。他作為地球物理學家在斯倫貝謝 - 韋斯滕格科（ Schlumberger-WesternGeco ）工作了三年，然后轉投 IBM ，最終加入了 NVIDIA 的能源團隊。 Reynaldo 管理能源垂直領域的合作伙伴生態(tài)系統(tǒng)，重點關注機器學習、深度學習和高性能計算。

審核編輯：郭婷