人工智能在石油工程领域应用及影响

人工智能在石油工程领域应用及影响

郭春竹刘浩宇郭珂

长庆油田分公司第四采油厂陕西靖边718500

摘要：人工智能在石油工程领域的研究应用已有几十年历史，应用范围渗透到从管理到勘探开发施工现场的各个环节。SPE专业数据库调查显示，从2000年开始，石油工程领域对AI保持了较高的研究热情，2010年之后公开发表的研究文章数量大幅增长。在管理领域，基于AI的智能工作流，形成了多学科、多环节协作的工作平台；基于AI的专项管理工具已替代部分人类员工；基于AI的资产管理工具提供了更高效准确的预测性维护。多种AI分析方法在地震资料分析中的应用，为更精确钻井提供了坚实基础；在钻井设计和施工中的应用，促进了钻井自动化和更安全、更高效。

关键词：人工智能；石油工程；应用

1AI在石油工程领域的研究应用概况

AI在石油工程领域的研究应用已有几十年的历史，最早于20世纪70年代出现在国际石油工程师协会（SPE）论坛。2009年，SPE数字能源科技部门的部分会员成立了“人工智能与预测分析”分会，定期组织相关研讨，推动AI技术在油气领域的应用。Onepetro（SPE文献资料平台）的文献调研表明，从2000年开始，石油工程领域对AI保持了较高的研究热情，2010年之后公开发表研究文章的增长速度大幅提升。从应用方法的选择上来看，人工神经网络、模糊逻辑和遗传算法是石油工程应用中最常用的AI技术，其他如支持向量机、功能网络和基于案例的推理等方法也有应用。2010年之后，关于机器学习的研究和应用超过了人工神经网络，成为研究最多的领域。

2014年国际油价断崖式下跌以来，石油工程领域的参与者为了提升竞争力和抗风险能力，都希望通过数据分析、实时监测和自动化来寻求可持续性发展，人工智能技术以软件、智能装备、作业平台及专项服务等多种形式在石油工程领域广泛应用，应用的领域已渗透到从管理到勘探开发施工现场的各个环节，提升了石油工程领域自动化和智能化水平。

2AI在石油工程中的主要应用领域

2.1基于AI的智能工作流，形成了多学科、多环节协作的工作平台

为了提高决策质量和管理水平，石油公司纷纷启动数字油田项目，如壳牌的智能油田、BP的未来油田项目等，还有的公司起名为智慧油田、未来智能油田、e-油田、一体化数字油田等，基本路径都是以数据采集和存储为基础，在数据应用层形成相互支撑的协同研究平台、生产管理平台、经营管理平台和决策支持平台，以优化工作流程、提高工作效率和决策质量。对各个环节实时监测数据的智能分析、一体化协同和可视化展示是这些项目成功的关键，而以数据降维、结构化、分类、聚类、可视化为主要特征的AI技术是这些项目最核心的支撑。

BP、壳牌公司、雪佛龙、Statoil（挪威国家石油公司）等公司在数字油田建设方面处于领先地位。壳牌的智能油田项目由智能井、先进协作环境、整体油藏管理等子项目构成，通过基于井筒中传感器传输的实时信息的分析决策，控制相关控制阀，实现油田生产的最佳状态。Statoil的“整合运营项目”，通过创新的数字化工作流的应用，实现了跨学科、公司组织、地方协同合作。BP在“未来油田”建设中，在全球建立35个协作中心，将地面与地下的实时数据传送到远程中心进行分析，实现了多学科多地区的协同。科威特国家石油公司的数字油田（KwIDF）建设启动于2010年初，经过数次升级完善，现已形成地上地下一体化的智能工作流。科威特国家石油公司的数字油田内部结构可分为4个层次：第一层是分析及数字化工具，主要用来记录生产历史，使用的方法主要包括节点分析、递减曲线分析、虚拟计量和数值模拟等；第二层是统计工具，主要用来监测实时生产现状，应用的方法主要包括线性回归、蒙特卡洛等；第三层主要利用智能代理进行短期预测，主要方法包括模型识别、神经网络、模糊逻辑等；第四层主要是应用数值模拟方法进行中长期产量预测。科威特国家石油公司第一代的数字油田主要侧重于生产工程工作流上的共享和优化，包括关键性能指标检测、井筒性能评价等9个主要功能，随着基础设施的逐渐完备，又增加了地下模型更新及重新计算、地下注水优化和一体化生产优化的功能，升级为地面系统和地下系统集成的高级智慧工作流。

2.2基于AI的管理工具已替代部分人类员工

基于AI的管理工具，如智能机器人、虚拟助手等，不仅在高危或重复施工时替代了人类，在日常办公管理中也逐渐显示出优势。2017年，中国航天科工集团第三研究院35所研制出的用于海底油气管道检测的蛇形机器人，可实现管道内外壁缺陷的准确识别、精确定位，现已通过油田实际检测。为了监测哈萨克斯坦卡萨干油田的硫化氢气体，壳牌公司开发出配备有传感器、摄像头和无线通信系统的探测车——Sensabot机器人，只需一名工人远程操控。道达尔发起了油气田地面机器人（ARGOS）国际比赛，并研制出可全天候巡逻及执行紧急操作的机器人原型，目前虽没有测试和应用的后续报道，但在公司年报中重点提到要通过AI技术来提升勘探能力。另外，埃克森美孚公司和麻省理工学院、挪威国家石油公司和挪威科技大学等均在联合研究人工智能机器人。虚拟助理已在壳牌多个管理环节中使用，如使用机器学习技术，将员工与合适的项目相匹配，成为人力资源管理助理；使用Amiela虚拟助理响应供应商关于发票的询问；在门户网站上的虚拟助理Emma和Ethan，可通过在线聊天的自然语言交流提供壳牌所有润滑油的产品信息，包括产品名称、主要特性、包装规格和购买渠道等。在壳牌的发展计划中，自动化机器人将逐渐接管人类员工常规查询问答、观察和数据等收集任务。

2.3AI持续助力地震资料分析，为更精确钻井提供坚实基础

石油地球物理勘探通过大量地震、电磁、重力等数据分析获取构造运动和沉积演化规律，这一过程与AI技术从海量数据中寻找规律的路径完全一致，石油地球物理勘探成为AI技术的天然试验场：地球物理反演技术中应用了基因算法、模拟退化算法、粒子群算法、马尔科夫链和蒙特卡洛等方法；边缘检测算法被应用到自动追踪地震层位辅助地震解释上；蚁群算法被运用于三维地震数据解释。初创公司Nervana基于深度学习方法，训练数据根据地震资料发现油气资源，在其云端开发的油气勘探解决方案，可在没有人工干预的情况下从三维地震图像中识别大量地下断层，从而减少地质人员在重复性工作上花费的时间。

2.4AI在油藏开发中的应用，促进油田在整个生命周期的产出最大化

利用油田生产的历史数据进行开发效果优化是AI技术在油藏开发和开采领域的主要应用方式，英国石油公司（BP）与硅谷一家公司合作开发的基于AI的优化模型，将试点项目中的180口油井的产量提高了20%。另外，AI技术为压裂施工方案设计、施工井及层位的选择提供了更为准确的方法。中国石油新疆油田公司收集大量压裂历史数据，优选出储层参数、岩石力学参数、压裂施工参数和产能参数等作为建模基础，采用BP神经网络和LM算法、Sigmoid函数作为激活函数，并采用委员会机器的思想建立专家组，分别建立了裂缝模拟神经网络专家组和产能模拟神经网络专家组，应用遗传算法优化施工方案。

结束语：

目前，AI还没有被广泛接受的严格定义，笼统地说，是提高机器的计算力、感知力、认知力、推理能力等智能水平，使其具有判断、推理、证明、识别、感知、理解、沟通、规划和学习等思维活动，让机器能够自主判断和决策，完成原本要靠人类智能才能完成的工作。主要研究内容包括逻辑推理与定理证明、专家系统、机器学习、自然语言理解、神经网络、模式识别、智能控制等。

参考文献：

[1]林磊，李毅华，倪骁骅，李呈祥，王永康，宋佳伟，朱安行.浅谈智能控制及其在石油工程方面的应用[J].广东化工，2017，44(23):63-64.

[2]杨子琳.加强智能仪表技术创新应对石化行业应用新挑战[J].自动化博览，2017(10):26-27.

[3]光新军，王敏生，闫娜，皮光林，思娜.沙特阿美石油公司石油工程技术创新战略及启示[J].石油科技论坛，2017，36(03):60-67.