首页 > 

大数据、人工智能为我国油气工业智能化带来历史性机遇

来源:
时间:2019-10-23 16:11:18
热度:

大数据、人工智能为我国油气工业智能化带来历史性机遇9月25~26日,2019中国智慧油气田技术交流会在中国石油大学(北京)召开。本次交流会由中国石油和石化工程研究会、北京石油学会、

9月25~26日,2019中国智慧油气田技术交流会在中国石油大学(北京)召开。本次交流会由中国石油和石化工程研究会、北京石油学会、中国石油大学(北京)主办,中国石油、中国石化、中国海油的信息化管理部门联合主办。

近年来,我国石油石化行业积极推进工业化和信息化深度融合,充分结合勘探开发、生产科研、经营管理的实际需求,通过信息化建设促进油田主营业务转型升级。本次交流会汇聚院士、专家与业界人士500余人,围绕人工智能、大数据等在油气勘探开发领域的应用展开广泛讨论,努力推动油气工业高质量发展。

与会专家认为,我国油气工业正面临五个方面的严峻挑战,必须通过加快智能化建设来解决,而中美两国大数据人工智能在石油工业的应用均处于起步阶段,具有从并跑发展成领跑的重要战略机遇,必须加强主要技术创新,由石油工程师唱主角,制定让大数据产生应用价值的专业场景,通过人工智能让数据变“聪明”。本版今日专题报道此次交流会专家主要观点,敬请关注。

油气工业智能化面临历史机遇

与会院士、专家认为,当前,第四次工业革命已经到来,其发展之快速、威力之强大、范围之广泛、影响之深远,超过前三次工业革命。大数据、云计算、移动通信、物联网、人工智能、区块链、机器人等技术有机融合协同发展,将引发社会和产业颠覆性的变化。

事实上,社会生活已经发生很多颠覆性变化,如智能医疗、智能交通、人脸识别、无人值守、扫码支付、智慧城市甚至最新的脑机联动等,下一步必将延伸至产业领域。

而我国油气工业在经历多年高速发展后,近年来正面临五个方面的严峻挑战。

第一,石油资源品位劣质化。随着勘探持续推进,新发现的优质资源越来越少,特低、超低渗透和致密等低品位资源占70%以上。

第二,主力老油田普遍进入特高含水后期开发阶段。剩余油高度分散,产量呈严重递减趋势,开采难度日益增大,成本大幅提高。

第三,面临低油价困境。国际油价于2014年下半年断崖式突降,此后持续低迷,近期虽有回升,但中低油价仍可能持续相当长的时间。

第四,安全环保压力大。安全环保标准提高,成本增加;环保区域内的生产井要全部关闭,全国每年大体影响1000万吨产量。

第五,国家能源安全问题。我国国民经济快速发展导致原油需求量大大超过国内原油生产能力,原油对外依存度逐年攀升,引发石油安全供给问题。

解决这些难题,需要大幅提高效率、降低成本,加快智能化建设是重要手段。

中国工程院院士韩大匡认为,从大数据人工智能技术发展来看,美国仍处于领先地位,我国紧随其后,且有赶超趋势。我国的AI(人工智能)相关论文发表总数、高引论文数和专利数实现超越美国,但在人工智能理论发展和技术方向的引领方面,美国还占据支配地位。但是,无论美国还是中国,大数据和人工智能在石油产业的应用均有所滞后。

韩大匡院士的团队调研发现,美国大油公司总体上还处在窥测方向、进行技术准备的阶段,尚未出现力度大、覆盖面广的大动作;服务公司在大数据技术应用方面,虽然个别新技术有所突破,但还未普遍推出成熟的商业应用;研究主要集中于日常生产技术的改进,还未见着眼于主体技术更新换代的研究。

调研的结论是:美国大数据在石油工业的应用虽取得个别较好的研究成果,实现技术上的突破,且近年来有加快发展的趋势,但总体上还处于起步阶段。

这就为我国油气工业提供了从并跑发展成领跑的重要战略机遇,而落脚点就是主要技术的更新换代。

如利用大数据人工智能方法可以有效增加勘探的科学性,减少不确定性,从而增加高品位储量的发现,缓解石油资源劣质化的趋势。

再如,通过大数据方法,对高含水油田各井的注水全过程和各阶段吸水剖面进行准确预测,再加上准确的渗透率三维分布,就有可能算准各层的剩余油分布,从而可以在特高含水区达到少打井多出油、提高水驱采收率的目的。

中国工程院院士李阳同样认为,目前,国内油田企业虽已初步建成一批数字油田,但智能化仍处于起步阶段,国外油公司也尚未建成覆盖完整业务链条的智能化应用。

智能油气田的 中外实践

智能油气田,就是以油气物流关系为主线,在自动化数据采集和控制的基础上,应用大数据和人工智能技术,建立全面感知、自动控制、智能预测、优化决策的生产体系,实现勘探开发、油藏管理、采油工艺、生产运营的持续优化,达到效益与采收率最大化的目的。

李阳院士认为,智能油气田的发展方向包括智能油气藏、智能化地面工程和生产运营一体化。

近年来,国内外能源公司积极寻求智能化发展,在不同环节均实施了重要战略举措,收到良好效果。

壳牌在马来西亚Borneo海面的SF30油田建成首批智能油气田,专注于生产运营、生产优化、油藏监测和油田开发,可对井下流量进行持续监控,通过远程调节井下层段控制阀实现单井的多层段组合采油,提高了采收率。

雪佛龙开发了一系列油藏和生产相关应用系统(总称i-connect),通过开放的数据标准和共有信息平台整合多种数据并应用,增强了对油气田的感知能力和分析能力。

道达尔公司通过搭建油气生产一体化协同研究平台,实现油气藏、注采井、集输等生产全系统的模拟与优化,高效解决诸多开发生产问题,为油气田开发的智能管理提供了基础模型。

昆士兰天然气公司是世界上第一家完全靠煤层气提供LNG(液化天然气)的油气公司,通过建设一体化生产分析优化系统集成油气生产各节点信息,获取并分析各节点运行状态,从全局角度优化油气生产运行系统。

国内各大石油公司也不断探索智能油气田的建设模式。

中国石化信息化建设目前以“智能制造”和“商业新业态”为主攻方向,通过打造“石化智云平台”,构建支撑智慧石化的工业互联网。

智能油气田方面,于2013年启动,打造了中原普光、西北三厂两个智能油气田建设示范区,并逐步在油气勘探开发领域推广。

智能工厂方面,在国内石化行业率先开展研究建设,生产运行管理水平有效提升:生产数据自动采集率提高10个百分点,达到95%以上;重点环境排放点实现100%实时监控与分析预警;能源管理实现能源可视化、在线可优化;生产优化从局部优化、月优化向一体化优化、在线优化转变,劳动生产率提高20%以上。

智能管线方面,建成智能化管线管理系统,初步实现对3万多公里的长输、厂际管线的数字化、可视化管理,提高了管道隐患治理和油气管网安全运行水平。

中国石油于去年底建成发布勘探开发梦想云1.0,构建了统一数据湖、统一技术平台,并云原生开发了勘探业务研究环境,标志着其上游业务全面进入“厚平台、薄应用、模块化、迭代式”的敏捷时代。

其统一数据湖管理数据资产1.7PB,涵盖上游业务所涉及的油气藏、生产、经营等6个领域,物探、钻井、经济评价等15个专业。统一技术平台(PaaS)具备安全、开放、兼容与持续演进特性。

基于统一数据湖,在统一技术平台上,构建涵盖上游业务勘探生产、开发生产、协同研究、生产经营、安全环保等5个领域的通用应用。

目前,梦想云共研发136款业务工具,集成12款第三方专业软件,应用于1175个勘探开发研究项目,应用后数据准备效率提高60~100倍,研究工作效率提高20%以上,节约硬件成本50%以上,软件采购成本降低60%以上。

中国海油将2019年定位为公司数字化转型元年,目前正在开展数字化转型顶层设计工作。智能油田建设是其上游业务落实数字化转型、实现高质量发展的重要途径。

中国海油智能油田建设聚焦业务需求,主要在研究、勘探、钻井、开发、生产、工程等六个方面开展了应用系统建设和基础系统整合,各类应用取得良好成效。中国海油将按照智能油田顶层设计,坚持“业务驱动、IT引领”的原则,分三个阶段,在2025年基本建成智能油田。

人工智能让数据 变“聪明”

目前,国内很多油田已建成自动化采集和监控系统,可实现对油水井、生产设备等的实时监控,因此产生海量数据。若不能将这些数据有效利用,充其量只是“数据大”而已,远称不上“大数据”。

李阳院士表示,智能油气田建设就是从全面数据化到为数据赋能,再做到让数据聪明。

首先是数据感知。包括高精度数据实时采集,研发更精密的随钻分析、室内测试、井下监测和井口计量等仪器设备,实现油气藏开发数据的全方位、高精度、自动化、实时采集;大数据高速传输和存储,基于5G、光纤等通信技术实现油田数据高速传输,基于云存储技术实现TB或PB级海量数据的存储,构建工业设备—云端存储设备—人类设备的油气藏开发物联网。

然后是数据认知。包括数据驱动+物理指导,即以现有的物理模型、专家经验约束数据训练神经网络过程;物理规律自我发现,即从数据中寻找物理规律,发现物理规律,并建立能够描述物理规律的数学模型。

最后是数据预知。包括物理和数据驱动结合进行产量预测、以数据为中心优化油气田开发等。

让数据变“聪明”,要靠人工智能。对地下看得清、算法算得快、结果靠得住,有两条途径,传统建模—数模一体化方法强调物理,而动态分析—拟合—预测方法强调数据,两者均有优点也有弱点。在此次交流会上,物理与数据的结合越来越受到关注。

数据和物理结合,可以集成油藏静态、动态、监测、模拟全部数据,通过人工智能算法持续提高油藏预测的精度,最终实现油藏参数及状态的精细刻画。

有学者还提出一种基于井间连通性的物理数据驱动模型,利用油水井生产动态和物质平衡进行计算,相比传统数模可提高效率上百倍。

智能油气田建设,是石油工程师唱主角,还是人工智能唱主角?业界共识是:石油工程师仍是大数据技术产生价值应用的主角,制定让大数据产生应用价值的专业场景才是关键。

塔里木油田技术人员利用深度学习技术,只需对9条骨干剖面、5.8万个标签数据进行半个小时的学习,就能在两分钟内完成一个116平方公里目的层的解释任务。他们还利用110口井训练,用40口井预测,实现测井岩性自动快速识别,准确率从83%提高到93%。

数据正变得越来越“聪明”。有研究机构认为,大数据人工智能在油气田的应用可分为三大阶段。第一是学习阶段,数据开始积累,处于人工智能婴幼儿阶段。第二是专家阶段,数据积累到中期,处于人工智能青少年阶段,可与专家经验比肩,对油田降本开始起到明显作用。第三是超越专家的人工智能成熟阶段,在专家经验及大数据基础上,人工智能对油藏的认识远超人类专家经验,将从效率、效果、宏观调整方面为老油田提供巨大效益。

虽然目前正处于第一阶段,但相信在技术浪潮的强力推动下,第二、第三阶段很快就会到来。

Baidu
map