9月25~26日,2019中國智慧油氣田技術交流會在中國石油大學(北京)召開。本次交流會由中國石油和石化工程研究會、北京石油學會、中國石油大學(北京)主辦,中國石油、中國石化、中國海油的信息化管理部門聯(lián)合主辦。 　　近年來,我國石油石化行業(yè)積極推進工業(yè)化和信息化深度融合,充分結合勘探開發(fā)、生產科研、經營管理的實際需求,通過信息化建設促進油田主營業(yè)務轉型升級。本次交流會匯聚院士、專家與業(yè)界人士500余人,圍繞人工智能、大數據等在油氣勘探開發(fā)領域的應用展開廣泛討論,努力推動油氣工業(yè)高質量發(fā)展。 　　與會專家認為,我國油氣工業(yè)正面臨五個方面的嚴峻挑戰(zhàn),必須通過加快智能化建設來解決,而中美兩國大數據人工智能在石油工業(yè)的應用均處于起步階段,具有從并跑發(fā)展成領跑的重要戰(zhàn)略機遇,必須加強主要技術創(chuàng)新,由石油工程師唱主角,制定讓大數據產生應用價值的專業(yè)場景,通過人工智能讓數據變“聰明”。本版今日專題報道此次交流會專家主要觀點,敬請關注。 　　油氣工業(yè)智能化面臨歷史機遇 　　與會院士、專家認為,當前,第四次工業(yè)革命已經到來,其發(fā)展之快速、威力之強大、范圍之廣泛、影響之深遠,超過前三次工業(yè)革命。大數據、云計算、移動通信、物聯(lián)網、人工智能、區(qū)塊鏈、機器人等技術有機融合協(xié)同發(fā)展,將引發(fā)社會和產業(yè)顛覆性的變化。 　　事實上,社會生活已經發(fā)生很多顛覆性變化,如智能醫(yī)療、智能交通、人臉識別、無人值守、掃碼支付、智慧城市甚至最新的腦機聯(lián)動等,下一步必將延伸至產業(yè)領域。 　　而我國油氣工業(yè)在經歷多年高速發(fā)展后,近年來正面臨五個方面的嚴峻挑戰(zhàn)。 　　第一,石油資源品位劣質化。隨著勘探持續(xù)推進,新發(fā)現的優(yōu)質資源越來越少,特低、超低滲透和致密等低品位資源占70%以上。 　　第二,主力老油田普遍進入特高含水后期開發(fā)階段。剩余油高度分散,產量呈嚴重遞減趨勢,開采難度日益增大,成本大幅提高。 　　第三,面臨低油價困境。國際油價于2014年下半年斷崖式突降,此后持續(xù)低迷,近期雖有回升,但中低油價仍可能持續(xù)相當長的時間。 　　第四,安全環(huán)保壓力大。安全環(huán)保標準提高,成本增加;環(huán)保區(qū)域內的生產井要全部關閉,全國每年大體影響1000萬噸產量。 　　第五,國家能源安全問題。我國國民經濟快速發(fā)展導致原油需求量大大超過國內原油生產能力,原油對外依存度逐年攀升,引發(fā)石油安全供給問題。 　　解決這些難題,需要大幅提高效率、降低成本,加快智能化建設是重要手段。 　　中國工程院院士韓大匡認為,從大數據人工智能技術發(fā)展來看,美國仍處于領先地位,我國緊隨其后,且有趕超趨勢。我國的AI(人工智能)相關論文發(fā)表總數、高引論文數和專利數實現超越美國,但在人工智能理論發(fā)展和技術方向的引領方面,美國還占據支配地位。但是,無論美國還是中國,大數據和人工智能在石油產業(yè)的應用均有所滯后。 　　韓大匡院士的團隊調研發(fā)現,美國大油公司總體上還處在窺測方向、進行技術準備的階段,尚未出現力度大、覆蓋面廣的大動作;服務公司在大數據技術應用方面,雖然個別新技術有所突破,但還未普遍推出成熟的商業(yè)應用;研究主要集中于日常生產技術的改進,還未見著眼于主體技術更新?lián)Q代的研究。 　　調研的結論是:美國大數據在石油工業(yè)的應用雖取得個別較好的研究成果,實現技術上的突破,且近年來有加快發(fā)展的趨勢,但總體上還處于起步階段。 　　這就為我國油氣工業(yè)提供了從并跑發(fā)展成領跑的重要戰(zhàn)略機遇,而落腳點就是主要技術的更新?lián)Q代。 　　如利用大數據人工智能方法可以有效增加勘探的科學性,減少不確定性,從而增加高品位儲量的發(fā)現,緩解石油資源劣質化的趨勢。 　　再如,通過大數據方法,對高含水油田各井的注水全過程和各階段吸水剖面進行準確預測,再加上準確的滲透率三維分布,就有可能算準各層的剩余油分布,從而可以在特高含水區(qū)達到少打井多出油、提高水驅采收率的目的。 　　中國工程院院士李陽同樣認為,目前,國內油田企業(yè)雖已初步建成一批數字油田,但智能化仍處于起步階段,國外油公司也尚未建成覆蓋完整業(yè)務鏈條的智能化應用。 　　智能油氣田的 中外實踐 　　智能油氣田,就是以油氣物流關系為主線,在自動化數據采集和控制的基礎上,應用大數據和人工智能技術,建立全面感知、自動控制、智能預測、優(yōu)化決策的生產體系,實現勘探開發(fā)、油藏管理、采油工藝、生產運營的持續(xù)優(yōu)化,達到效益與采收率最大化的目的。 　　李陽院士認為,智能油氣田的發(fā)展方向包括智能油氣藏、智能化地面工程和生產運營一體化。 　　近年來,國內外能源公司積極尋求智能化發(fā)展,在不同環(huán)節(jié)均實施了重要戰(zhàn)略舉措,收到良好效果。 　　殼牌在馬來西亞Borneo海面的SF30油田建成首批智能油氣田,專注于生產運營、生產優(yōu)化、油藏監(jiān)測和油田開發(fā),可對井下流量進行持續(xù)監(jiān)控,通過遠程調節(jié)井下層段控制閥實現單井的多層段組合采油,提高了采收率。 　　雪佛龍開發(fā)了一系列油藏和生產相關應用系統(tǒng)(總稱i-connect),通過開放的數據標準和共有信息平臺整合多種數據并應用,增強了對油氣田的感知能力和分析能力。 　　道達爾公司通過搭建油氣生產一體化協(xié)同研究平臺,實現油氣藏、注采井、集輸等生產全系統(tǒng)的模擬與優(yōu)化,高效解決諸多開發(fā)生產問題,為油氣田開發(fā)的智能管理提供了基礎模型。 　　昆士蘭天然氣公司是世界上第一家完全靠煤層氣提供LNG(液化天然氣)的油氣公司,通過建設一體化生產分析優(yōu)化系統(tǒng)集成油氣生產各節(jié)點信息,獲取并分析各節(jié)點運行狀態(tài),從全局角度優(yōu)化油氣生產運行系統(tǒng)。 　　國內各大石油公司也不斷探索智能油氣田的建設模式。 　　中國石化信息化建設目前以“智能制造”和“商業(yè)新業(yè)態(tài)”為主攻方向,通過打造“石化智云平臺”,構建支撐智慧石化的工業(yè)互聯(lián)網。 　　智能油氣田方面,于2013年啟動,打造了中原普光、西北三廠兩個智能油氣田建設示范區(qū),并逐步在油氣勘探開發(fā)領域推廣。 　　智能工廠方面,在國內石化行業(yè)率先開展研究建設,生產運行管理水平有效提升:生產數據自動采集率提高10個百分點,達到95%以上;重點環(huán)境排放點實現100%實時監(jiān)控與分析預警;能源管理實現能源可視化、在線可優(yōu)化;生產優(yōu)化從局部優(yōu)化、月優(yōu)化向一體化優(yōu)化、在線優(yōu)化轉變,勞動生產率提高20%以上。 　　智能管線方面,建成智能化管線管理系統(tǒng),初步實現對3萬多公里的長輸、廠際管線的數字化、可視化管理,提高了管道隱患治理和油氣管網安全運行水平。 　　中國石油于去年底建成發(fā)布勘探開發(fā)夢想云1.0,構建了統(tǒng)一數據湖、統(tǒng)一技術平臺,并云原生開發(fā)了勘探業(yè)務研究環(huán)境,標志著其上游業(yè)務全面進入“厚平臺、薄應用、模塊化、迭代式”的敏捷時代。 　　其統(tǒng)一數據湖管理數據資產1.7PB,涵蓋上游業(yè)務所涉及的油氣藏、生產、經營等6個領域,物探、鉆井、經濟評價等15個專業(yè)。統(tǒng)一技術平臺(PaaS)具備安全、開放、兼容與持續(xù)演進特性。 　　基于統(tǒng)一數據湖,在統(tǒng)一技術平臺上,構建涵蓋上游業(yè)務勘探生產、開發(fā)生產、協(xié)同研究、生產經營、安全環(huán)保等5個領域的通用應用。 　　目前,夢想云共研發(fā)136款業(yè)務工具,集成12款第三方專業(yè)軟件,應用于1175個勘探開發(fā)研究項目,應用后數據準備效率提高60~100倍,研究工作效率提高20%以上,節(jié)約硬件成本50%以上,軟件采購成本降低60%以上。 　　中國海油將2019年定位為公司數字化轉型元年,目前正在開展數字化轉型頂層設計工作。智能油田建設是其上游業(yè)務落實數字化轉型、實現高質量發(fā)展的重要途徑。 　　中國海油智能油田建設聚焦業(yè)務需求,主要在研究、勘探、鉆井、開發(fā)、生產、工程等六個方面開展了應用系統(tǒng)建設和基礎系統(tǒng)整合,各類應用取得良好成效。中國海油將按照智能油田頂層設計,堅持“業(yè)務驅動、IT引領”的原則,分三個階段,在2025年基本建成智能油田。 　　人工智能讓數據 變“聰明” 　　目前,國內很多油田已建成自動化采集和監(jiān)控系統(tǒng),可實現對油水井、生產設備等的實時監(jiān)控,因此產生海量數據。若不能將這些數據有效利用,充其量只是“數據大”而已,遠稱不上“大數據”。 　　李陽院士表示,智能油氣田建設就是從全面數據化到為數據賦能,再做到讓數據聰明。 　　首先是數據感知。包括高精度數據實時采集,研發(fā)更精密的隨鉆分析、室內測試、井下監(jiān)測和井口計量等儀器設備,實現油氣藏開發(fā)數據的全方位、高精度、自動化、實時采集;大數據高速傳輸和存儲,基于5G、光纖等通信技術實現油田數據高速傳輸,基于云存儲技術實現TB或PB級海量數據的存儲,構建工業(yè)設備—云端存儲設備—人類設備的油氣藏開發(fā)物聯(lián)網。 　　然后是數據認知。包括數據驅動+物理指導,即以現有的物理模型、專家經驗約束數據訓練神經網絡過程;物理規(guī)律自我發(fā)現,即從數據中尋找物理規(guī)律,發(fā)現物理規(guī)律,并建立能夠描述物理規(guī)律的數學模型。 　　最后是數據預知。包括物理和數據驅動結合進行產量預測、以數據為中心優(yōu)化油氣田開發(fā)等。 　　讓數據變“聰明”,要靠人工智能。對地下看得清、算法算得快、結果靠得住,有兩條途徑,傳統(tǒng)建模—數模一體化方法強調物理,而動態(tài)分析—擬合—預測方法強調數據,兩者均有優(yōu)點也有弱點。在此次交流會上,物理與數據的結合越來越受到關注。 　　數據和物理結合,可以集成油藏靜態(tài)、動態(tài)、監(jiān)測、模擬全部數據,通過人工智能算法持續(xù)提高油藏預測的精度,最終實現油藏參數及狀態(tài)的精細刻畫。 　　有學者還提出一種基于井間連通性的物理數據驅動模型,利用油水井生產動態(tài)和物質平衡進行計算,相比傳統(tǒng)數模可提高效率上百倍。 　　智能油氣田建設,是石油工程師唱主角,還是人工智能唱主角?業(yè)界共識是:石油工程師仍是大數據技術產生價值應用的主角,制定讓大數據產生應用價值的專業(yè)場景才是關鍵。 　　塔里木油田技術人員利用深度學習技術,只需對9條骨干剖面、5.8萬個標簽數據進行半個小時的學習,就能在兩分鐘內完成一個116平方公里目的層的解釋任務。他們還利用110口井訓練,用40口井預測,實現測井巖性自動快速識別,準確率從83%提高到93%。 　　數據正變得越來越“聰明”。有研究機構認為,大數據人工智能在油氣田的應用可分為三大階段。第一是學習階段,數據開始積累,處于人工智能嬰幼兒階段。第二是專家階段,數據積累到中期,處于人工智能青少年階段,可與專家經驗比肩,對油田降本開始起到明顯作用。第三是超越專家的人工智能成熟階段,在專家經驗及大數據基礎上,人工智能對油藏的認識遠超人類專家經驗,將從效率、效果、宏觀調整方面為老油田提供巨大效益。 　　雖然目前正處于第一階段,但相信在技術浪潮的強力推動下,第二、第三階段很快就會到來。
免責聲明：本網轉載自其它媒體的文章及圖片，目的在于弘揚石化精神，傳遞更多石化信息，宣傳國家石化產業(yè)政策，展示國家石化產業(yè)形象，參與國際石化產業(yè)輿論競爭，提高國際石化產業(yè)話語權，并不代表本網贊同其觀點和對其真實性負責，在此我們謹向原作者和原媒體致以崇高敬意。如果您認為本站文章及圖片侵犯了您的版權，請與我們聯(lián)系，我們將第一時間刪除。