當(dāng)前位置：
首頁(yè)> 行業(yè)活動(dòng)
專家分享：智慧油田建設(shè)最實(shí)用方案
時(shí)間：2020-08-07 11:08
來(lái)源：
作者:songxinyuan
以智能化技術(shù)為代表的新一輪油氣革命拉開了序幕，為了提高決策質(zhì)量和管理水平，石油公司紛紛啟動(dòng)智能油田項(xiàng)目。隨著智能油田建設(shè)的逐步深入，人工智能技術(shù)必將發(fā)揮更重要的作用。
按照中國(guó)石化智能油田建設(shè)規(guī)劃和定義，智能油氣田在生產(chǎn)管控、一體化決策、油氣藏經(jīng)營(yíng)等業(yè)務(wù)應(yīng)用領(lǐng)域，實(shí)現(xiàn)對(duì)勘探開發(fā)全過(guò)程的全面感知、集成協(xié)同、預(yù)警預(yù)測(cè)及分析優(yōu)化的四個(gè)方面的能力。
這其中，預(yù)警預(yù)測(cè)是實(shí)現(xiàn)以業(yè)務(wù)管控模型及專家經(jīng)驗(yàn)、案例庫(kù)等閉環(huán)式持續(xù)優(yōu)化的預(yù)警預(yù)測(cè)能力；分析優(yōu)化主要是建立開發(fā)方案- 動(dòng)態(tài)管控- 調(diào)整方案的閉環(huán)式油藏管理體系，智能形成油氣藏（井）解決方案，實(shí)現(xiàn)資源最優(yōu)化開發(fā)的目標(biāo)。人工智能技術(shù)，特別是機(jī)器學(xué)習(xí)是實(shí)現(xiàn)這兩項(xiàng)能力的基礎(chǔ)。而構(gòu)建實(shí)用、高效的“人工智能平臺(tái)”將是支撐“預(yù)警預(yù)測(cè)及分析優(yōu)化”實(shí)現(xiàn)的基礎(chǔ)和保障。
人工智能平臺(tái)的理解
人工智能是一種基于數(shù)據(jù)分析的技術(shù)，這種技術(shù)基于在云計(jì)算和大數(shù)據(jù)技術(shù)，來(lái)解決行業(yè)各個(gè)生產(chǎn)階段中預(yù)測(cè)和分析。
隨著數(shù)字油田領(lǐng)域智能化的推進(jìn)，運(yùn)用AI技術(shù)來(lái)形成快速、高效的預(yù)測(cè)分析手段，已經(jīng)成為一種潮流。相對(duì)于傳統(tǒng)經(jīng)驗(yàn)公式的長(zhǎng)周期、區(qū)域適應(yīng)較差的問(wèn)題，人工智能，尤其是其中的機(jī)器學(xué)習(xí)方法可以充分利用大量數(shù)據(jù)建設(shè)的成果，快速的提取其中的關(guān)聯(lián)和規(guī)律，為油田各個(gè)業(yè)務(wù)環(huán)節(jié)帶來(lái)更加快速和準(zhǔn)確的解決方案。
隨著當(dāng)前基于Python與Spark等開發(fā)環(huán)境的推廣，機(jī)器學(xué)習(xí)（包括深度學(xué)習(xí)）技術(shù)獲得了廣泛的應(yīng)用。在這種行業(yè)算法積累到一定程度，我們開始思考關(guān)于人工智能如何系統(tǒng)應(yīng)用的問(wèn)題。這些問(wèn)題重點(diǎn)在于，如何快速的構(gòu)建企業(yè)智能化方法，如何快速構(gòu)建企業(yè)智能應(yīng)用并部署發(fā)布的問(wèn)題。也就是說(shuō)，如何將人工智能技術(shù)系統(tǒng)的應(yīng)用在行業(yè)中，實(shí)現(xiàn)數(shù)據(jù)獲取、處理、建模到部署發(fā)布的流程化、系統(tǒng)化與標(biāo)準(zhǔn)化。
這是企業(yè)邁向行業(yè)智能的必然趨勢(shì)，人工智能平臺(tái)就是解決這個(gè)問(wèn)題的。
但是，人工智能平臺(tái)目前存在建設(shè)目標(biāo)泛化的巨大風(fēng)險(xiǎn)。
人工智能平臺(tái)的定位是多樣化的，可以是底層的人工智能軟件開發(fā)API，可以是構(gòu)建人工智能的云計(jì)算開發(fā)部署環(huán)境，可以是一種基于大數(shù)據(jù)的架構(gòu)，可以是人工智能通用分析工具（就是數(shù)據(jù)挖掘），當(dāng)然，最重要的是人工智能建模工具。進(jìn)一步，這種建模工具上面向不同的行業(yè)逐步深入，就是某一個(gè)行業(yè)領(lǐng)域的數(shù)據(jù)解決方案。
自左到右，這種技術(shù)體系的不同重心，帶來(lái)了“AI平臺(tái)”建設(shè)中定位的不同，以及市場(chǎng)選擇的不同。
所以說(shuō)，人工智能平臺(tái)的建設(shè)目標(biāo)和關(guān)注內(nèi)容不同，直接導(dǎo)致了我們會(huì)出現(xiàn)用戶群完全不一樣的平臺(tái)產(chǎn)品。
然而，更大的風(fēng)險(xiǎn)還不是層次選擇的問(wèn)題，而是在面向行業(yè)平臺(tái)建設(shè)時(shí)，出現(xiàn)的用戶群偏差帶來(lái)的功能設(shè)計(jì)的不同。
進(jìn)一步說(shuō)，即便做智能建模，可能面對(duì)的用戶群也是完全不同。如果面向IT人員，那么軟件主要功能就在軟件定制化與集成，甚至是更多的功能的代碼化支撐以及軟件的部署發(fā)布；如果面向業(yè)務(wù)分析人員，那么功能設(shè)計(jì)重點(diǎn)就在于如何面向一個(gè)場(chǎng)景將特定的（特定業(yè)務(wù)、特定格式、特定異常）數(shù)據(jù)、處理和算法進(jìn)行整合設(shè)計(jì)，以及其快速的形成一個(gè)智能模型方案。
你的選擇，直接決定了智能平臺(tái)建設(shè)的價(jià)值體現(xiàn)在那個(gè)環(huán)節(jié)。
石油勘探、開發(fā)與工程領(lǐng)域（上游）的人工智能需求特點(diǎn)
以下是針對(duì)石油勘探開發(fā)領(lǐng)域，也就是油氣上游領(lǐng)域的人工智能應(yīng)用。
1、石油行業(yè)的業(yè)務(wù)特點(diǎn)
石油行業(yè)的研究是一個(gè)綜合石油地質(zhì)、油氣運(yùn)聚、油藏流體及井筒工程的復(fù)雜過(guò)程，其計(jì)算和分析過(guò)程相對(duì)成熟，其數(shù)據(jù)模型和數(shù)據(jù)處理方式也具有比較成型的算法。但是，隨著大數(shù)據(jù)和AI技術(shù)的發(fā)展，從數(shù)據(jù)中尋找規(guī)律和模式，以輔助行業(yè)的各個(gè)階段做出預(yù)測(cè)、分析和判斷是AI當(dāng)前的主要需求。
因此，AI技術(shù)的應(yīng)用，一方面是應(yīng)用通用AI技術(shù)（影像語(yǔ)音文本）加持油田生產(chǎn)管理，另一方面是提升數(shù)據(jù)分析技術(shù)的應(yīng)用，進(jìn)而提升數(shù)據(jù)在行業(yè)中的深化應(yīng)用。
相對(duì)來(lái)說(shuō)，后者可能是一個(gè)更有長(zhǎng)期發(fā)展?jié)摿Φ膽?yīng)用模式。
2、石油行業(yè)數(shù)據(jù)特點(diǎn)：
石油行業(yè)的數(shù)據(jù)體系和人工智能應(yīng)用的互聯(lián)網(wǎng)領(lǐng)域的數(shù)據(jù)來(lái)源具有很大的不同。
石油行業(yè)的數(shù)據(jù)以結(jié)構(gòu)化為主。作為一種典型的工業(yè)數(shù)據(jù)體系，各油田多年來(lái)都發(fā)展出來(lái)了統(tǒng)一的結(jié)構(gòu)化數(shù)據(jù)模型（EDM、SeaBed、EPDM、EPBP）。在數(shù)據(jù)的共享方式上，一種模式是開放數(shù)據(jù)庫(kù)訪問(wèn)，另一種是通過(guò)數(shù)據(jù)服務(wù)（Json/WS）提供用戶的數(shù)據(jù)訪問(wèn)。另有一些專業(yè)格式是以文件形式存在，如地震類、測(cè)井類以及油藏模擬的體網(wǎng)格，但是這種大文件數(shù)據(jù)內(nèi)部也是具有嚴(yán)格內(nèi)部，在結(jié)構(gòu)上具有很強(qiáng)的規(guī)律性。
結(jié)構(gòu)化數(shù)據(jù)為主，專業(yè)化格式為輔，多媒體數(shù)據(jù)價(jià)值更低。這是油氣上游行業(yè)中的數(shù)據(jù)特點(diǎn)。
3、石油行業(yè)數(shù)據(jù)分析與應(yīng)用的特點(diǎn)
對(duì)于上述各類數(shù)據(jù)的分析多年來(lái)也形成了非常系統(tǒng)的地震、地質(zhì)、井筒工程、油藏、開采等業(yè)務(wù)應(yīng)用模式，其數(shù)據(jù)分析不僅具有嚴(yán)格的數(shù)學(xué)模型（演繹），在經(jīng)驗(yàn)?zāi)Ｐ停w納）上也早已進(jìn)行了長(zhǎng)期的實(shí)驗(yàn)和應(yīng)用，也就是說(shuō)，我們傳統(tǒng)的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法在石油行業(yè)的各個(gè)領(lǐng)域的應(yīng)用歷史已經(jīng)非常悠久了，即便是一些最新的深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)方法，在地球物理（地震）、井筒地球物理、油藏開發(fā)與開發(fā)生產(chǎn)等產(chǎn)生大數(shù)據(jù)量的領(lǐng)域也逐步開展起來(lái)。
因此，如何整合傳統(tǒng)的基礎(chǔ)方法和經(jīng)驗(yàn)?zāi)Ｐ头椒ǎ侵悄芑夹g(shù)應(yīng)用重點(diǎn)（對(duì)于數(shù)據(jù)量和數(shù)據(jù)質(zhì)量有限情況下的傳統(tǒng)機(jī)器學(xué)習(xí)方法，更是如此）。
石油勘探開發(fā)領(lǐng)域AI應(yīng)用存在的問(wèn)題及需求
1、AI技術(shù)的復(fù)雜性制約了技術(shù)研發(fā)
雖然目前基于Python這樣開發(fā)語(yǔ)言與大量的AI-API已經(jīng)大大降低的人工智能技術(shù)的應(yīng)用門檻，但AI技術(shù)作為一種新技術(shù)在應(yīng)用上仍舊具有一定的復(fù)雜性。
大量的算法應(yīng)用，以及算法的應(yīng)用比較和訓(xùn)練模型的評(píng)估方法，都具有一定的專業(yè)性和技術(shù)壁壘。
2、數(shù)據(jù)獲取，尤其是高質(zhì)量數(shù)據(jù)獲取難度
數(shù)據(jù)獲取：各油田本身的數(shù)據(jù)具有高度保密性，相互之間的共享困難，這是其一。
數(shù)據(jù)質(zhì)量：各油田的數(shù)據(jù)建設(shè)水平參差不齊，但即便數(shù)據(jù)治理最優(yōu)秀的地區(qū)，其數(shù)據(jù)質(zhì)量都是存在較大問(wèn)題的；
數(shù)據(jù)規(guī)范：各種數(shù)據(jù)在指標(biāo)參數(shù)設(shè)定、量綱、描述與計(jì)算方法上都存在差異，這使得不同地區(qū)和設(shè)備數(shù)據(jù)具有一定差異；
數(shù)據(jù)量：油氣各個(gè)生產(chǎn)環(huán)節(jié)還有大量人工錄入的數(shù)據(jù)，這種數(shù)據(jù)不僅質(zhì)量上存在問(wèn)題，在數(shù)據(jù)量上也嚴(yán)重不足，但是當(dāng)前基于物聯(lián)網(wǎng)采集在很多領(lǐng)域的快速鋪開，自動(dòng)采集和人工采集結(jié)合的方式可以有效解決數(shù)據(jù)量和數(shù)據(jù)質(zhì)量的問(wèn)題。
3、數(shù)據(jù)處理和特征構(gòu)建的專業(yè)性
傳統(tǒng)的AI建模平臺(tái)一般會(huì)提供基本的數(shù)據(jù)處理工具并提供大量常規(guī)處理函數(shù)，但這些函數(shù)對(duì)于油氣行業(yè)的專業(yè)化處理要求依舊有很大的差距。
首先，如各種專業(yè)格式的提取和轉(zhuǎn)換、多種尺度數(shù)據(jù)的融合等很多方面，都是通用處理函數(shù)不能解決的，因此，必須面向不同的業(yè)務(wù)主題，提供與該主題對(duì)應(yīng)的大量數(shù)據(jù)處理方法。
其次，是基于行業(yè)計(jì)算的新特征計(jì)算。由于機(jī)器學(xué)習(xí)的效率高度依賴強(qiáng)相關(guān)特征的構(gòu)建，因此在不同的業(yè)務(wù)場(chǎng)景中用專業(yè)方法構(gòu)建“專業(yè)化的特征項(xiàng)”是解決分類和預(yù)測(cè)的核心技術(shù)，多年來(lái)大量專業(yè)領(lǐng)域論文顯示的AI技術(shù)應(yīng)用重點(diǎn)，也是在這個(gè)方向。
4、專業(yè)算法的設(shè)計(jì)與模型訓(xùn)練的門檻
大量業(yè)務(wù)領(lǐng)域中的專業(yè)算法設(shè)計(jì)與研發(fā)具有一定難度。尤其在AI技術(shù)處于爆發(fā)期的現(xiàn)今，如何找到具有適用性的算法并基于特定地區(qū)和場(chǎng)景形成可用的訓(xùn)練模型，這是當(dāng)前大量行業(yè)論文研究的焦點(diǎn)，應(yīng)該也是人工智能最為核心的問(wèn)題。
當(dāng)然，在數(shù)據(jù)量和算法處理量達(dá)到一定規(guī)模后，如何集中資源統(tǒng)一訓(xùn)練模型也是需要解決的問(wèn)題。
5、AI應(yīng)用流程的復(fù)雜性制約了技術(shù)推廣
完成的算法研究，如何落實(shí)到具體的生產(chǎn)場(chǎng)景也是一個(gè)問(wèn)題。這些問(wèn)題包括：
如何獲取生產(chǎn)地區(qū)大量的數(shù)據(jù)并高效的完成處理和融合？
如何針對(duì)海量數(shù)據(jù)的集中訓(xùn)練和快速訓(xùn)練？
如何針對(duì)地區(qū)數(shù)據(jù)訓(xùn)練結(jié)果快速實(shí)現(xiàn)智能服務(wù)發(fā)布和智能應(yīng)用構(gòu)建？
油氣行業(yè)AI平臺(tái)的一些建設(shè)方法
針對(duì)AI平臺(tái)在行業(yè)中的應(yīng)用，此處從三個(gè)角度提出了類似平臺(tái)的功能性要求，也就是從技術(shù)角度、行業(yè)應(yīng)用角度和產(chǎn)品用戶體驗(yàn)角度。
1、石油勘探開發(fā)領(lǐng)域 的AI平臺(tái)，技術(shù)性設(shè)計(jì)重點(diǎn)（4個(gè)）
（1）數(shù)據(jù)獲取方法多樣性：（優(yōu)先級(jí)：★★★★★）
從不同的數(shù)據(jù)來(lái)源（數(shù)據(jù)庫(kù)、數(shù)據(jù)服務(wù)、數(shù)據(jù)文件）提供數(shù)據(jù)獲取的功能，是極其重要的。
（2）建模流程的高度集成：（優(yōu)先級(jí)：★★★★★）
在一個(gè)統(tǒng)一界面中，快速實(shí)現(xiàn)從數(shù)據(jù)獲取、處理、融合、算法調(diào)用、訓(xùn)練、發(fā)布，定制過(guò)程快速而清晰。
（3）處理與智能算法的可復(fù)用：（優(yōu)先級(jí)：★★★）
實(shí)現(xiàn)數(shù)據(jù)處理方法與模型訓(xùn)練方法的可自主創(chuàng)建、可統(tǒng)一管理、可復(fù)用，尤其針對(duì)行業(yè)用戶，可實(shí)現(xiàn)算法分類管理的可定制。
（4）算法的快速部署發(fā)布：（優(yōu)先級(jí)：★★★）
針對(duì)訓(xùn)練形成的模型實(shí)現(xiàn)快速的服務(wù)化部署。
2、石油勘探開發(fā)領(lǐng)域的AI平臺(tái)，行業(yè)性設(shè)計(jì)重點(diǎn)（3個(gè)）
（1）面向油氣數(shù)據(jù)模型的直接掛接：
具有常規(guī)國(guó)內(nèi)勘探開發(fā)數(shù)據(jù)庫(kù)和數(shù)據(jù)模型的直接掛接，建立基礎(chǔ)的數(shù)據(jù)生態(tài)。
（2）面向主題業(yè)務(wù)場(chǎng)景的一體化快速建模：
主題業(yè)務(wù)場(chǎng)景（如地震屬性巖體識(shí)別、鉆井參數(shù)優(yōu)化、開采工況預(yù)測(cè)等）中，用戶能夠快速建立從數(shù)據(jù)提取、處理融合到訓(xùn)練發(fā)布的智能服務(wù)。
（3）面向?qū)I(yè)生產(chǎn)與研究的方法積累：
提供針對(duì)不同專業(yè)領(lǐng)域的數(shù)據(jù)處理、數(shù)據(jù)融合以及特征構(gòu)建的專業(yè)方法，并形成這種專業(yè)方法的管理和積累。
3、關(guān)系用戶體驗(yàn)和性能（實(shí)現(xiàn)簡(jiǎn)單，擴(kuò)展豐富）
要有一套足夠強(qiáng)大的理論方法。所有數(shù)據(jù)分析與數(shù)據(jù)挖掘軟件都是基于某一個(gè)分析流程，這個(gè)分析流程的概念明確、理論清晰。
（2）實(shí)現(xiàn)流程足夠簡(jiǎn)單：
基于該流程，用戶可以最快的形成一個(gè)流程閉環(huán)，以實(shí)現(xiàn)快速上手、快速實(shí)現(xiàn)的目的。這種定制可以不考慮大量數(shù)據(jù)處理和分析的細(xì)節(jié)，但主干過(guò)程一定是簡(jiǎn)單而快速，使得用戶可以以最清晰和簡(jiǎn)潔的路徑直達(dá)目標(biāo)。
（3）將業(yè)務(wù)邏輯擴(kuò)展方便：
對(duì)于專業(yè)的用戶的一些復(fù)雜數(shù)據(jù)處理、分析和算法設(shè)計(jì)， 支持用戶必要的擴(kuò)展手段。同時(shí)，擴(kuò)展方法的技術(shù)壁壘較低，用戶可以逐步創(chuàng)建和積累相關(guān)方法，通過(guò)時(shí)間來(lái)實(shí)現(xiàn)復(fù)雜性積累，而不是代碼規(guī)范的復(fù)雜度。
數(shù)字油田智能化建設(shè)依然任重道遠(yuǎn)。為了更好地把握AI技術(shù)的紅利期，推進(jìn)數(shù)字油田領(lǐng)域的智能化建設(shè)。
作者簡(jiǎn)介：孫旭東，男，1972年生人，高工。
1994年畢業(yè)于成都理工石油地質(zhì)專業(yè)，中國(guó)海洋大學(xué)“地質(zhì)工程”碩士，中國(guó)地質(zhì)大學(xué)（武漢）“地學(xué)信息”博士。
研究方向?yàn)槭涂碧介_發(fā)數(shù)據(jù)模型與數(shù)據(jù)分析、油氣專業(yè)軟件架構(gòu)設(shè)計(jì)、盆地與含油氣系統(tǒng)模擬與分析等，曾承擔(dān)多項(xiàng)國(guó)家科研項(xiàng)目與石化集團(tuán)科研項(xiàng)目。2015年以來(lái)出版《油氣勘探數(shù)據(jù)與應(yīng)用集成》（電子科技大學(xué)出版社，一著）、《數(shù)字油田在中國(guó)數(shù)據(jù)篇》（科學(xué)出版社，合著）、《數(shù)字盆地》（科學(xué)出版社，一著）、《數(shù)字油田二十年》（科學(xué)出版社，合著）等多部學(xué)術(shù)專著。
微信公眾號(hào)
微信視頻號(hào)
京公網(wǎng)安備11010502053156號(hào)