摘要
高级分析、人工智能和机器学习等数字化工具，可以帮助企业发现最快捷有效的途径，以减少油气行业的温室气体排放。
全球石油和天然气行业面临一个巨大的问题：全球近一半的温室气体（GHG）都是该行业直接或间接排放的。随着全球变暖的影响愈发凸显，来自激进投资者、监管机构、员工和整个社会的压力也在与日俱增，迫使油气行业做出改变。
例如，全球最大的基金管理公司贝莱德（BlackRock）去年拒绝了55家未能在气候问题上采取行动的企业。今年，被拒绝的企业数量几乎是去年的五倍，其中包括一家油气巨头。近期，荷兰一家法院责令某油气巨头比原计划更严格、更快速地削减排放。在一些地区，大幅减排逐渐成为企业可持续经营的必要条件。
油气企业可以采取六大措施来减少碳足迹（参阅图1）。然而，大多数企业还未能成功达成自身负责的范围1和范围2的大幅减排目标。而且，几乎没有哪家企业能够准确计算出客户产生的范围3排放量，更不用说在减少范围3排放上取得重大进展了。
然而，通过将这些措施完全融入运营之中，油气企业确实可以有效减少直接和间接排放。为做到这一点，企业需要尽可能准确地识别和测量排放情况，确定减排的最佳方法、执行减排并开展全面而准确的脱碳核算。
在这些方面，数字化可以派上用场——利用高级分析算法、人工智能和机器学习等新工具，企业可以觅得最快、最有效的策略，在脱碳道路上步步为营。这些工具还可以为策略的实施提供指导。
背景
油气行业范围1的直接排放占全球温室气体排放量的10%，范围2和范围3的间接排放占31%（参阅图2）。然而，考虑到该行业巨大的排放规模，仅靠能源多样化、利用低碳能源替代品，还不足以将排放量降至可接受的水平。
企业可以通过实施运营和能源效率优化举措，来减少自身范围1和范围2的排放——这是最迅速，往往也是成本最低的脱碳途径。
如果油气行业想要真正在全球整体碳减排方面有所作为，那么就必须大幅限制范围3的排放。但很少有企业制定范围3的减排目标，或致力于应对这一挑战，包括了解排放基线以及探索脱碳方法。如果无法清晰了解范围3的现有情况，那么企业将无法在这方面作出承诺，更无法实现宏大的气候目标。
破解减排密码
油气企业如果希望在脱碳事业中更进一步，根据减排目标优化运营，做到直接和间接排放的全面可视化，就必须将数字化分析能力融入到企业基因之中。包括人工智能和机器学习在内的数字化工具可以帮助企业识别排放来源和驱动因素（包括企业自身以及供应商和客户的排放），减少能源消耗，并提升自身运营的能源效率。
例如，通过这样的努力，一家油气公司找到了有效方法，成功减少范围1和范围2 5亿吨二氧化碳当量的排放，占其总排放量的30%。其中，15%的排放可以通过提高运营和能源效率来实现，60%可通过使用低碳动力和热能设备来实现，5%可通过减少燃烧、放空排气和逸散排放实现。通过这些努力，该公司还获得了对各种减排措施利弊的更深入了解。
油气企业必须将数字化分析融入其基因之中。
全面数据集成流程始于精确、可信、高质量的温室气体排放基线的确定。通过收集和分析来自供应商和客户的实时运营数据和交易级别数据，企业可明确排放基线，并识别排放强度的驱动因素，制定减排措施。另外，量化、减少和监测甲烷排放是一个特别棘手的问题。数字化工具可以帮助企业在这一领域取得相当大的进展。
专题：聚焦甲烷
确定和计算石油和天然气行业范围1的二氧化碳排放量是相对容易理解的。确定排放量涉及一个直接计算，即已知的排放因素乘以所使用的燃料量——例如，燃气涡轮或柴油泵的排放量。
然而，当涉及到甲烷时，情况就大不相同了，企业将面临严峻挑战。确定甲烷的排放来源并获取有关排放量数据并不容易。另外，由于误差范围更大，降低此类排放十分困难——尤其是逸散性排放，这会带来极大的不确定性，使企业很难准确报告减排进展。
为大大提高甲烷排放测量的准确性，企业必须从整个资产组合的多个来源和多个供应商获得可观测的运营排放数据。一旦获得这些数据，就可以将其输入由人工智能驱动的数字化平台，对数据进行整合分析，为减排行动提供指导。
我们开发了一个“四管齐下”的方法，应用数字化工具，帮助油气企业测量、减少和汇报甲烷减排工作。
■全盘整体战略
首先，制定一项明确的协调战略，将甲烷减排目标转化为行动，确保对实现这些目标所需的测量和监测数据进行全面评估。测量甲烷排放量的方法很多——卫星、固定与移动地面探测系统，各类分析产品，以及多种现场服务——市场上已有企业提供此类解决方案。然而收集和管理如此丰富的数据和服务项并非易事。
■ 高级分析法
一旦确定了策略，企业应根据现有的甲烷数据，确定哪些具体洞察将有助于落地措施。随后根据三个关键原则，进行价值分析：
• 可操作性。利用先进的分析技术，企业可以定位甲烷排放，自动生成减排建议，并制定实时计划，开展减排工作。
• 价值。企业可以应用高级分析法，将具体KPI分别与减排提案联系起来，包括投资回报和减排数据，同时保留添加额外KPI所需的灵活空间。
•最优。高级分析法可以根据充分集成的数据提供建议，实现减排和经济价值最大化。
■ 现场调查
创建统一的“仪表盘”，使整个资产组合的甲烷排放情况完整可视。这样，运营团队就能够及时采取最佳的减排行动，并监测进展。
■ 合规汇报
整合监测数据，以便向监管机构、投资者和其他利益相关方深入、透明地汇报甲烷减排进展。如今，人工智能支持的端到端数字化平台对于测量、监测和减少甲烷排放，以及遵守汇报标准和期望至关重要。
基线是企业运营和业务活动优化减排的基础。优化是一个极其复杂的过程，特别是对大型综合运营商而言。他们必须致力于优化企业所有的资产——例如，企业可能需要在运营和维护、油田开发、治理和财务会计方面开展重大变革。当然，所有这些最终都必须在全球范围内付诸实践。
减排之路上的人工智能
人工智能在减排过程中的重要性日益凸显。它可以帮助企业汇总不同的数据源——通常是相互独立的数据库，需要进一步分析和调整，然后应用先进的算法更精确地估计排放水平，优化运营以减少排放，并监测进展。
这一过程的关键是，首先使用人工智能建立范围1、2和3的排放基线，然后通过模拟和量化特定减排举措的潜在影响，确定价值最高的减排策略，同时考虑具体资产约束、财务影响、 以及监管要求和约束。
随后，人工智能工具可以给出最佳的减排策略建议，企业利用该策略为每项资产绘制可行的减排路线图。最终，该路线图应充分考虑不同资产的具体优先级、涵盖整个资产组合的计划，以及组织约束。
然后便是将路线图付诸实践的时刻。人工智能驱动的流程优化可以实时产生所需的减排效果，并直接进行资产排放的监控和管理。例如，我们已经实现了加工厂、炼油厂或海上平台能源效率的优化。
专题：制胜组合
多年来，油气行业一直在努力优化生产效率、利用率和成本。然而，这些努力已经不足以满足需要。企业现在必须考虑温室气体排放情况——而这在很大程度上需要优化能源的使用。举个例子，仅在炼油过程中加热原油、支持裂化装置就需要消耗大量的能量。无论是现场生产还是购买，此类能源消耗可能占企业范围1和范围2温室气体排放的80%之多。
这就是为什么预测能源消耗和由此产生的温室气体量，以及理解减少这些排放的潜在举措，是油气资产脱碳的关键。从能源效率的角度出发优化运营，可以减少高达15%的能源消耗，同时仍旧满足生产预期——在某些情况下，这可以成为降低油气资产排放最具成本效益、最迅速的措施。无需资本投资，从启动到概念验证，短短12周内即可获得收益。
目前正在开发和使用新的工具，利用数据分析每个单元的工作机制，预测能源使用量，并支持工艺工程师优化能源使用和由此产生的温室气体排放。这些工具可以将所有相关运营元素考虑在内，包括吞吐量、最小和最大产量等目标，并确定最佳机组设置，如温度设定值，同时支持测试新的运营策略。
该流程从实时监控每个单元的能源消耗和相关二氧化碳排放开始。这些工具在可用的历史数据中调出类似的生产水平和情境设置，比较当前和历史的效率表现。通过这种方式为机组确定一套新的优化设置，以保持生产安全和连续性，同时优化性能表现与能耗水平。
最后，这些工具以降低能消和排放水平为目标，可以为运营商提供具体行动建议，并从当前设置向最优设置转化。
更高的能源效率、更低的成本、更少的排放——取得全面胜利。
在上游生产的早期阶段管理能源使用也是可行的。此外，我们的路线图还提供有效的监控手段，以跟踪跨资产减排计划的整体进展。
专题：追回损失时间（Lost Time）
上游勘探和生产公司面临的一个关键挑战是管理钻井活动中的能源使用和时间。
如同许多工业流程一样，时间就是金钱。具体到钻探石油和天然气，时间也意味着温室气体的排放——直接形式包括燃烧和机械的使用，如钻机设备自身消耗；间接形式为范围2的排放，如能源供应商的排放。据估计，所谓的无形损失时间（ILT）——实际完成任务所需时间与最佳情况之间的差异，以及次优钻井路线和数据不充分所导致的效率低下，可能会增耗高达60%的钻井与完井时间，企业的碳排放也会如数体现。
非生产时间（NPT）——即由于作业或地质力学原因（如卡钻和总流体漏失）而导致的钻井进度中断，也会显著影响到达目标深度的时间，并最终增加碳排放。
为了更好地管理能源使用，钻井人员长期以来一直采用各种数字化解决方案，而新的基于人工智能的工具现在已经上线，可以同时减少ILT和NPT，有效将作业时间缩短50%以上。这些工具从各种来源和供应商收集数据，然后利用机器学习、统计和物理模型的组合手段设定实时目标，并提供实施指导。这些工具不仅可以向钻井企业展示如何钻井、如何确定最佳钻井路线，还可以确定流程和钻井方向，从而减少能源消耗，降低导致NPT事件发生的风险。
在与一家勘探和生产客户合作减少ILT的过程中，我们发现这些工具可以缩短高达75%的钻井时间，不同的地质性质下可能略有差异。工具可将起钻、下钻和套管速度提高20%以上，将井眼清洗时间缩短50%以上，并将接箍时间缩短25%以上。总的来说，作业时间减少了一半，范围1和范围2排放减少了至少50%，造成NPT的事件减少了70%。
范围3的挑战
尽管范围1和范围2的减排至关重要，但事实上，对于大多数油气企业而言，范围3的排放可能占其总排放足迹的90%及以上。然而，建立可靠、高质量、细化的排放基线，与供应商和客户合作实现减排，是一个十分复杂的分析问题。随着温室气体的减排压力越来越大，运营商——尤其是大型运营商，考虑到它们巨大的碳足迹——迫切地需要寻求解决方案。
石油和天然气通过供应链进入炼油厂、终端市场和燃烧点，在此过程中产生的排放是极其难测量的。企业通常依赖供应商报告的排放估测数据，并对终端用户消费模式进行估计。但数据质量往往很差，企业没有能力和资源来真正了解自身的范围3碳足迹。此外，由于没有设定行业标准来衡量和汇报范围3排放，我们很难比较各运营商的范围3排放足迹，也很难在行业基准的基础上设定排放目标。
鉴于建立范围3排放基准的复杂性，人工智能工具的使用变得至关重要。
这些工具可以在一个非常细粒度的层面上，对整个油气价值链进行建模——从勘探、生产到精炼，再到分销，最终到客户使用。
例如，当石油或天然气被输送到下游炼油厂和管道时，供应商和炼油厂产生的范围3排放将部分取决于井的位置。在更下游的排放领域，该模型可以通过业务系统中基于渠道和用户的交易数据追踪成品运输产生的范围3排放情况。通过对不同地区和行业的燃料消耗模式进行建模，企业甚至可以预估消费端的排放足迹。
掌握这些基线数据后，企业就可以利用额外的人工智能工具与供应商和客户合作，评估具体脱碳策略的影响。企业正在利用多种手段降低范围3的排放强度，包括减少总净排放量的方法——如基于自然的碳捕获、工业封存和碳补偿——以及建立跨价值链的商业伙伴关系和联盟，以直接减少范围3的排放。通过优化资产组合可以进一步降低范围3的排放量。
简而言之，每家油气企业都要对其范围3排放负责，他们有义务将数字化工具作为减排计划的基础。
下一步
油气企业想要启动脱碳工作，需要在减排价值链中考虑三大关键因素。
因素一
确定基线
通常，企业基线确定着重关注合规背景下，对范围1和2的排放预测。企业应该确保基线确定的流程涵盖所有资产和整个价值链，包括供应商和客户，并考虑生产预测、停产日期和增长机会。但不要让确定基线的过程压倒实际的减排努力。
因素二
减排
减排计划的财务可行性很少成为障碍，特别是在碳价高扬或拥有强大减排激励措施的地区。然而，企业应始终专注于谋求推动减排的双赢之策，充分考虑生产改进和生产性资产的预期寿命。减排计划必须有充足的资金支持，并能够迅速执行。
因素三
治理和变革管理
许多企业专注于抓住新的商机，因此没有足够的精力去有效管理脱碳工作，将其与企业整体战略联系起来并有效调动团队资源。将数字化减排工具融入整体数据架构之中，打造唯一真实的生产、财务和脱碳数据源头至关重要。这将成为变革管理计划的基础，以推动企业采用适当的运营模式、开展文化变革、推行新的工作方式，以实现快速决策和迅速、有效的碳减排。
减排优势
减排正迅速成为油气企业的筹码。对于行业内所有寻求温室气体全面减排的企业而言，人工智能和机器学习工具及技术必须成为战略核心。只有在数字化工具的帮助下，企业才能有效处理大量变量，从而设定排放基线、优化运营，并确保汇报的准确性。它们为油气行业抗击全球变暖带来的价值不可估量。
高瞻远瞩的油气企业会将减排视为竞争优势。例如，致力于减少自身范围2排放的油气客户可能会与有成功减排能力的石油和天然气供应商展开合作。这些为企业赋能的技术将为有关各方创造双赢局面——当然也将造福整个地球。
关于作者
Mike Lyons是波士顿咨询公司（BCG）董事总经理，全球合伙人。
Santosh Appathurai是波士顿咨询公司（BCG）董事总经理，全球合伙人。
Martha Vasquez是波士顿咨询公司（BCG）副董事。
Lukasz Bolikowski是波士顿咨询公司（BCG）副董事。
Pedro Alcalá是波士顿咨询公司（BCG）董事经理。
Francesco Carducci是波士顿咨询公司（BCG）Gamma首席数据科学家。
Nicholas Tarabelloni是波士顿咨询公司（BCG）Gamma首席数据科学家。
（BCG波士顿咨询）
