10月15日至16日，第二届中国智能化油气管道与智慧管网技术交流大会暨山区油气管道安全与智慧运行技术交流会在成都成功举办。来自全国石油石化和管道业务领域的1000余名专家和代表与会，共同探讨交流智能化油气管道与智慧管网相关技术。作为国内人工智能领域的新兴企业代表，RealAI工业业务产品负责人寇梅如受邀参与本次会议并发表《工业领域第三代人工智能技术应用》的主题演讲。
寇梅如在开始时介绍道，随着油气管网信息化、数字化的大规模推进，海量的数据资源使人工智能在油气管道领域的落地成为可能，但与此同时也面临一定的挑战。一方面数据和场景的限制常常导致AI技术很难落地，另一方面，工业场景往往追求闭环，即通过数据分析得到的结果要重新反馈回生产和运维环节，指导或直接执行相应操作，这就需要AI模型给出的结果必须可靠。这些都一定程度上限制了AI技术在油气管道等工业领域的大规模应用推广。
凭借在贝叶斯深度学习领域的多年探索，RealAI以工业信息化为基础，建立基于数据的模型，并创新性地融合传统机理，打造自主智能决策系统。通过在数据驱动的算法之中，引入工业领域累积了数十年的技术经验和成熟分析方法，一方面提升在数据量少、数据质量差等苛刻场景下的模型性能，另一方面大幅提升算法模型的可靠性与可解释性。
基于这条技术路径，RealAI已经在工业领域积累了众多自研优势算法，比如针对序列数据的异常检测与时序预测、强化学习算法、图像检测算法等。基于这些技术积累，并通过深入工业场景，RealAI目前提供三大类解决方案，即工艺参数优化、预测性维护与智能检测，已在压铸机工艺参数优化、大坝预测性维护、光伏面板缺陷检测等场景得到了实际的应用落地。
在随后谈及如何将第三代AI技术应用于城市燃气管网体系中，寇梅如提出了四点构想。
一是燃气负荷智能预测，通过采用贝叶斯神经网络对历史负荷数据、气象数据以及季节等周期性事件数据进行建模来预测天然气负荷。由于这些数据对于负荷的影响都是不清晰的，传统的一些简单拟合方法的结果往往很难发挥实际效用，而贝叶斯神经网络的好处在于能够基于不确定性建模，它给出的结果是一个置信区间，可靠性与参考性意义更强。
二是城镇燃气管网泄漏预警与精确定位，根据是否有直接测量设备，可以区分为两个方向。方向一针对直接探测泄漏的设备数据，人工智能可以完成探测设备回传数据的自动识别和检测。方向二针对缺少传感设施的情况，可以基于管网运行状态和工况数据来进行分析，比如通过管网各节点的压力数据预测大量泄漏可能发生的位置，这个时候，需要将管网本身的仿真结果作为基础参考，加上物理机理和约束，利用图神经网络类算法结合城市燃气管网的拓扑结构来实现。如果是预测泄漏发生的时间，或者预测泄漏量达到阈值的时间，则需要额外结合时序预测算法来实现。总体来说，两个方向前者实现泄漏探测，后者实现泄露预警与定位。
三是基于视频的城市燃气管网监测，现有的城市管网体系中会有很多基于视频或图像采集设备的监测场景，一类做设备表面缺陷的检测，另一类做人脸身份认证或者监测人工破坏等危险行为。针对这两个方向，前者可通过AI技术实现缺陷的自动化检测，而针对后者，RealAI 此前有推出一款模型安全测评与攻防产品，可针对视频监控系统中的人脸比对与目标检测算法模块进行安全评测与升级，能够有效抵御算法攻击、算法后门、数据投毒等新型AI安全风险。
最后是燃气管网设施的预测维护，基于管网设备设施的监控数据，利用序列数据异常检测和持续预测，再结合传统的信号处理方法，对设备未来状态的趋势实现预测和感知，从而指导运维人员进行预测性维护。
以上的四点构想，在实际的人工智能应用落地过程中，同样会遇到来自数据、算法、应用现场等各方面的挑战，而RealAI团队基于自身的技术积累和行业解决方案经验，有信心以专业化的态度迎接挑战，打造出专属于油气管网场景的AI解决方案。