“人工智能+”推动天然气行业高质量发展路径研究

doi:10.12267/j.issn.2096-5931.2025.08.005

信息通信技术与政策 ›› 2025, Vol. 51 ›› Issue (8): 35-41.doi: 10.12267/j.issn.2096-5931.2025.08.005

“人工智能+”推动天然气行业高质量发展路径研究

Exploring the path of empowering the natural gas industry with “AI+”

胡文娟¹, 闫昭坤², 孟丹妮¹, 许珊², 蒋博丞², 许丽姣¹, 陈广拓¹, 张义²

1.中海石油气电集团有限责任公司,北京 100028
2.中国信息通信研究院人工智能研究所,北京 100191

收稿日期:2025-07-03 出版日期:2025-08-25 发布日期:2025-09-02
通讯作者: 张义,中国信息通信研究院人工智能研究所高级工程师,研究方向为人工智能与新型工业化
作者简介:
胡文娟,中海石油气电集团有限责任公司高级工程师,研究方向为天然气行业大模型应用
闫昭坤,中国信息通信研究院人工智能研究所工程师,研究方向为大模型研发、落地及咨询
孟丹妮,中海石油气电集团有限责任公司工程师,研究方向为天然气行业大模型应用
许珊,中国信息通信研究院人工智能研究所高级工程师,研究方向为人工智能咨询
蒋博丞,中国信息通信研究院人工智能研究所工程师,研究方向为大模型研发、落地及咨询
许丽姣,中海石油气电集团有限责任公司工程师,研究方向为天然气行业大模型应用
陈广拓,中海石油气电集团有限责任公司工程师,研究方向为天然气行业大模型应用

HU Wenjuan¹, YAN Zhaokun², MENG Danni¹, XU Shan², JIANG Bocheng², XU Lijiao¹, CHEN Guangtuo¹, ZHANG Yi²

1. CNOOC Gas and Power Group, Beijing 100028, China
2. Artificial Intelligence Institute, China Academy of Information and Communications Technology, Beijing 100191, China

Received:2025-07-03 Online:2025-08-25 Published:2025-09-02

摘要/Abstract

摘要：

当今,人工智能作为新兴产业的代表,已成为全球科技浪潮的重要驱动力。从最初的简单逻辑推理到如今的自主深度学习、复杂事务处理和智能决策支持,人工智能塑造了新时代发展的新范式,并深刻影响了社会、经济、文化等各个领域。作为国家能源储备和民生保障的关键领域,能源行业在人工智能的推动下,正加速实现从“人工性”向“智能性”的转型。自动化生产、远程监测、数据分析、产量模拟、智能运输等新兴技术,逐步成为提升生产效率和推动产业结构升级的核心驱动力。

关键词: 人工智能, 大模型, 天然气

Abstract:

Currently, artificial intelligence (AI), as a representative of emerging industries, has become a major driving force in the global technological wave. From its early stages of simple logical reasoning to the current era of autonomous deep learning, complex task processing, and intelligent decision-making support, AI has shaped a new paradigm for the development of the modern era, profoundly impacting various fields such as society, economy, and culture. As a key sector for national energy reserves and public welfare, the energy industry is accelerating its transformation from “manual” to “intelligent” driven by AI. Emerging technologies such as automated production, remote monitoring, data analysis, production simulation, and intelligent transportation are gradually becoming the core drivers for improving productivity and upgrading the industrial structure.

Key words: AI, large models, natural gas industry

中图分类号:

F426.22
TP18

胡文娟, 闫昭坤, 孟丹妮, 许珊, 蒋博丞, 许丽姣, 陈广拓, 张义. “人工智能+”推动天然气行业高质量发展路径研究[J]. 信息通信技术与政策, 2025, 51(8): 35-41.

HU Wenjuan, YAN Zhaokun, MENG Danni, XU Shan, JIANG Bocheng, XU Lijiao, CHEN Guangtuo, ZHANG Yi. Exploring the path of empowering the natural gas industry with “AI+”[J]. Information and Communications Technology and Policy, 2025, 51(8): 35-41.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2025.08.005

http://ictp.caict.ac.cn/CN/Y2025/V51/I8/35

图/表 3

参考文献 20

[1]	吴恩华, 柳有权. 基于图形处理器(GPU)的通用计算[J]. 计算机辅助设计与图形学学报, 2004, 16(5):601-612.
[2]	SHERSTINSKY A. Fundamentals of recurrent neural network (RNN) and long short-term memory (LSTM) network[J]. Physica D: Nonlinear Phenomena, 2020, 404: 132306.
[3]	HAN K, XIAO A, WU E, et al. Transformer in transformer[J]. Advances in Neural Information Processing Systems, 2021,34: 15908-15919.
[4]	LIU X, ZHENG Y, DU Z, et al. GPT understands, too[J]. AI Open, 2024, 5: 208-215.
[5]	郭华. 深度学习及其意义[J]. 课程·教材·教法, 2016, 36(11):25-32.
[6]	高阳, 陈世福, 陆鑫. 强化学习研究综述[J]. 自动化学报, 2004(1):86-100.
[7]	YURTSEVER E, LAMBERT J, CARBALLO A, et al. A survey of autonomous driving: common practices and emerging technologies[J]. IEEE Access, 2020, 8: 58443-58469.
[8]	杨挺, 赵黎媛, 王成山. 人工智能在电力系统及综合能源系统中的应用综述[J]. 电力系统自动化, 2019, 43(1):2-14.
[9]	刘勇. 液化天然气的危险性与安全防护[J]. 天然气工业, 2004(7):105-107,142.
[10]	武洪昆, 季元旗, 王晓庆, 等. LNG国际采购与我国天然气市场匹配问题研究[J]. 国际石油经济, 2019, 27(12):37-41.
[12]	林弘光, 蒲艾婧, 王建敏. 基于供求关系的天然气市场营销策略及其实证研究[J]. 天然气技术与经济, 2016, 10(1):66-69,84. doi: 10.3969/j.issn.2095-1132.2016.01.020
[13]	张瑞君, 于涛. 中国企业集团司库体系构建的战略思考:以中国石油天然气集团公司的实践为例[J]. 财务与会计, 2010(7):37-39.
[14]	Energy Institute. Statistical review of world energy 2025[R], 2025.
[15]	陈栋. 从信息孤岛到协同管理:项目经济数字化转型的实施路径研究[J]. 中国信息化, 2025(4):51-54.
[16]	陈兵, 董思琰. 人工智能通用大模型市场竞争治理架构探设[J]. 上海财经大学学报, 2025, 27(3):124-137.
[17]	宫敬, 吴冕, 赵周丙, 等. 油气管网行业大模型的思考及应用探索[J]. 油气储运, 2025, 44(4):379-393.
[18]	潘焕泉, 刘剑桥, 龚斌, 等. 油藏动态分析场景大模型构建与初步应用[J]. 石油勘探与开发, 2024, 51(5):1175-1182. doi: 10.11698/PED.20240208
[19]	Saipem. Saipem’s subsea drone for inspection of Shell and Petrobras fields in Brazil[EB/OL]. (2022-05-24)[2025-06-10]. https://www.saipem.com/en/media/press-releases/2022-05-24/saipem-subsea-drone-inspection-shell-and-petrobras-fields-brazil.
[20]	胡汉舟. 绿色转型加快推进能源保障全面增强[EB/OL]. (2025-01-17)[2025-06-10]. http://www.ce.cn/xwzx/gnsz/gdxw/202501/17/t20250117_39269936.shtml.

[1]	龙海泉, 王少帅, 李科. “人工智能+”赋能IPv6网络管理场景及技术方案研究[J]. 信息通信技术与政策, 2025, 51(8): 10-14.
[2]	李腾达, 朱紫钰, 韩子奇. “人工智能+”赋能具身智能机器人新形态及关键技术应用[J]. 信息通信技术与政策, 2025, 51(8): 15-25.
[3]	吴盈盈, 宋平, 任璐. 我国“人工智能+”行动的必要性及推进路径[J]. 信息通信技术与政策, 2025, 51(8): 2-9.
[4]	燕江依, 李荪, 樊威, 曹峰. 新一代数据标注产业对“人工智能+”范式创新的作用机理与实践路径研究[J]. 信息通信技术与政策, 2025, 51(8): 26-34.
[5]	王锐, 左铠瑞, 蒋亦伟. 人工智能与信息通信业融合发展成效、面临问题与建议[J]. 信息通信技术与政策, 2025, 51(8): 50-54.
[6]	刘志鹏, 张津铭. 从平台经济到人工智能:治理机理比较与治理体系构建[J]. 信息通信技术与政策, 2025, 51(8): 55-63.
[7]	秦思思, 闫东伟, 齐可心, 程阳. 人工智能赋能软件形态演进趋势研究[J]. 信息通信技术与政策, 2025, 51(8): 64-70.
[8]	吴重庆, 杨思哲, 宁庭勇, 胡永波. 上海政务垂类大模型应用探索[J]. 信息通信技术与政策, 2025, 51(8): 78-83.
[9]	徐贵宝, 柏润泚, 易宏杰. 人工智能赋能医康养融合服务生态体系建设研究^*[J]. 信息通信技术与政策, 2025, 51(8): 84-90.
[10]	魏天呈, 郭真, 杨云龙. 大模型赋能智慧城市建设的路径与策略研究[J]. 信息通信技术与政策, 2025, 51(8): 91-96.
[11]	赵俊湦. 人工智能大模型为能源行业注入数字新动能[J]. 信息通信技术与政策, 2025, 51(6): 2-7.
[12]	岳锦疆, 宁庭勇. 人工智能在固态储氢材料中的综合应用[J]. 信息通信技术与政策, 2025, 51(6): 21-26.
[13]	杨光, 尹会会, 凌大兵, 韩笑. 人工智能赋能石化行业转型升级研究[J]. 信息通信技术与政策, 2025, 51(6): 33-37.
[14]	汪振涛. 人工智能驱动能源系统变革的挑战与应对策略[J]. 信息通信技术与政策, 2025, 51(6): 38-43.
[15]	葛坚, 牛晓燕, 毕然, 黄雍涛. 低碳AI:大模型的绿色训练与推理优化方法研究[J]. 信息通信技术与政策, 2025, 51(6): 44-51.

“人工智能+”推动天然气行业高质量发展路径研究

Exploring the path of empowering the natural gas industry with “AI+”

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 3

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价