Language selection

Recherche


Pétroinformatique : une plateforme numérique pour optimiser le raffinage du pétrole

Découvrez comment l’intelligence artificielle peut aider à faire des prévisions pour envisager des processus et des technologies plus écoénergétiques et plus rentables de valorisation complète ou partielle du bitume et de raffinage du pétrole, afin de réduire les émissions de gaz à effet de serre, sur l’ensemble de leur cycle de vie, liés à la production de carburants de transport.

Objectifs du projet

Ce projet vise la création d’une plateforme numérique fondée sur les algorithmes d’intelligence artificielle (IA) qui intégrera des données d’usines pilotes et des données commerciales publiées, la pétroléomique (la caractérisation chimique du pétrole) et des modèles de processus techniques.

La plateforme appuiera les évaluations technologiques et la prise de décisions des usines de valorisation du bitume et de raffinage de pétrole selon divers scénarios de composition de la matière première, d’agencement et de configuration des processus, de conditions d’exploitation et de paniers de produits.

Résultats prévus

La plateforme de pétroinformatique servira à élaborer des modèles de prévision et des outils pour certaines propriétés physiques et chimiques choisies du pétrole classique et non classique, à partir des données de CanmetÉNERGIE et de données publiées. Elle servira également à élaborer des modèles fondés sur l’IA et l’apprentissage machine à l’aide d’une unité pilote d’hydrotraitement de CanmetÉNERGIE et de ses données connexes, qui agira à titre de cas type pour d’autres unités pilotes de CanmetÉNERGIE.

Techniques d’intelligence numérique et artificielle

  • Apprentissage machine : analyse en composantes principales (ACP), régression partielle par les moindres carrés, machines à vecteurs de support, réseaux neuronaux, arbres décisionnels
  • Techniques d’optimisation : recuit simulé, algorithmes génétiques, optimisation par essaim de particules
  • Modèles axés sur les données reposant sur des modèles cinétiques moléculaires

Exigences en matière de données

  • Données analytiques — pétroléomique (données sur la composition du pétrole)
  • Données sur les usines pilotes
  • Données publiées
  • Réseau de molécules et de réactions chimiques

Secteur


Collaborateurs et partenaires

  • Alberta Machine Intelligence Institute (Amii)
  • China University of Petroleum
  • Future Fuel Institute
  • Institut français du pétrole
  • Université de l’Alberta

Personne-ressource

Rafal Gieleciak

Détails de la page

Signaler un problème sur cette page
Veuillez sélectionner toutes les cases qui s'appliquent :

Merci de votre aide!

Vous ne recevrez pas de réponse. Pour toute demande, contactez-nous.

Date de modification :