勘云首页 > 科技专栏 > 新闻 > 勘云科技|中国工程院院士刘合:人工智能赋能油气行业向高质量跃升
勘云科技|中国工程院院士刘合:人工智能赋能油气行业向高质量跃升
举报2021-05-14 11:24:48 来源:《中国石油企业》2021年第4期

分享至

油气行业正面临一个快速变化的数字化环境,通过大数据、人工智能新技术,油气公司实现了数据自动采集、实时监控、智能生产优化与智能决策,其应用正以磅礴之力赋能油气行业向高质量跃升。本期专家访谈栏目我们将对话中国石油人工智能项目技术总师,与读者共同感受人工智能对油气行业产生的多维度影响,及其嵌入物联网、机器视觉、深度学习等技术的智能生产装备,如何为实现油气全产业链突破提供新动能。


本期访谈栏目,我们将走近中国工程院院士刘合,一起去了解油气行业中的人工智能。


记者


刘合院士您好,我们知道您是油气勘探工程领域的专家,曾经创建了采油工程技术与管理“持续融合”工程管理模式,攻克了精细分层注水、油气储层增产改造等一系列采油工程中的关键技术,现在您又担任了中国石油人工智能项目技术总师,这和您之前的研究方向并不一致,为什么您要将研究领域拓展到人工智能领域?


刘合


我国能源安全的核心在于油气。近年来,我国油气对外依存度大幅攀升,大力提升国内油气勘探开发力度,确保能源安全是我国今后一段时期重要的工作。2010年我国原油产量突破2亿吨,2015年达到历史最高产量2.15亿吨。受资源、低油价等因素影响,近年国内原油年产量在2亿吨以下波动,2019年全国原油产量为19150万吨。在现有理论技术条件下,预计2035年将降至1.8亿吨以下。目前全国石油资源探明率39%,已进入勘探中期偏后阶段。勘探对象面临“井深、块小、层薄、低孔、低渗、低产”等特点,发现新的大油田将愈发困难。而我国油气勘探开发正由陆相砂岩转向深层、深海、致密油气/页岩油气等非传统领域,目前的技术尚不能解决领域变化所带来的巨大挑战。针对以上新领域,在理论支撑、页岩储层空隙分布规模、流体流动机理、甜点识别与评价、提高钻井钻速与钻遇率等方面,现有技术面临很大挑战。我们必须要跨学科、跨领域开展研究,借助数字化和智能化手段解决来自非陆相砂岩领域的挑战。


记者


您能介绍一下目前国内外油气行业在数字化与智能化方面的发展现状吗?


刘合


应该说,是数字化和智能化技术革命开辟了油气工业持续发展的新途径。当前新一轮油气科技革命和数字革命正以前所未有的广度和深度席卷全球,大数据、人工智能、新材料、新能源等新技术、新产业与油气工业的跨界融合成为创新的重要途径。油气行业当前信息化程度仅为19%,远低于全球产业平均值的31%,是目前全球信息化程度相对较低的行业之一。而通过大数据、人工智能等新技术,实现数据自动采集、实时监控、智能生产优化与智能决策,建设智能油气田已成为必然趋势,国内外油气公司都在抓紧行业布局。


在国外,道达尔、BP、壳牌、挪威国油等国际领先的石油公司已将数字化纳入公司未来发展的战略导向,数字化转型已经成为油气行业重要的战略选择。特别是新冠肺炎疫情全球爆发导致原有需求剧烈萎缩,去年4月20日WTI5月交货的轻质原油期货价格跌至历史性的负37.63美元/桶。在石油公司削减总体支出情况下,对数字化投入仍有增无减,甚至在一定程度上,新冠肺炎加速了油气行业向数字化、智能化方向发展的节奏。挪威国油正在加快海上平台无人化,2018年投产的Oseberg H无人平台建设伊始即无生活区,由陆上油田中心远程操作,CAPEX节省21%,巡检维护成本节省30%。2019年投产的Johan Sverdrup油田,通过数字化手段投资降低了30%,桶油成本从35美元降至17美元。


在国内,三大国有石油企业也已纷纷加大数字化转型力度,推进数据共享、业务协同,智能化应用开始起步。中国石油不仅组建了新的机构(昆仑数智),而且启动建设了认知计算平台(E8),并在大港、大庆、长庆等油田开展试点应用。按照“两统一、一通用”(统一数据湖、统一技术平台、通用业务应用)原则建立了梦想云平台,开展了人工智能顶层设计,全面推动人工智能技术的探索性落地;中国石化于2012年开始开展智能制造探索工作,陆续启动了智能工厂、智能油田、智能化研究院规划、设计和建设工作,并建成油田智云工业互联网平台,将新一代信息技术与企业业务深度融合,推动了企业数字化转型升级;中国海油在2020年3月正式下发《集团公司数字转型顶层设计纲要》,提出数字化转型总体蓝图,打造智能油田技术平台,重点致力于智能油田建设和勘探开发数据治理。


记者


目前油气行业在应对智能化变革方面存在哪些问题?


刘合


这些年我们在油气行业数字化建设方面取得了一些成绩,但在应对智能化变革的过程中确实也存在不少挑战。从客观方面来讲,主要有四大问题,一是由于储层的非均质性,导致石油地质问题具有多解性,难以获得供机器学习的“教材”,即训练样本缺失。二是不同于互联网数据,大多数地质数据获取成本往往较高,因而多为“小样本”,数据量无法满足深度学习要求;三是石油行业具有极强的专业性,现有人工智能(AI)算法大多无法直接套用,需根据具体应用场景设计模型;四是目前智能化在油气行业探索性研究多,可落地应用少,一定程度上制约了企业级推广。从主观方面来讲则存在三个问题,一是数据标准不一致、数据质量参差不齐、数据信任体系不完善,导致我们虽然拥有庞大的数据量,但数据大不等于大数据。二是我们缺乏既懂石油又懂信息的复合型人才,石油专业人员与IT人员缺少共同的语言。三是AI研究遍地开花,但管理较为分散,没有发挥出行业的整体优势。


此外,还存在四大亟待解决的具有共性的科学问题。一是如何提高装备智能化水平,实现数据自动采集和处理。当前,上游业务各个领域中的智能装备初步应用,井下智能注、采工具实现生产状态实时监测与控制,地面无人机、机器人等代替人类进行巡检,无人值守平台也已实现等,未来如何进一步提高装备和仪器的数据采集广度、密度,以及智能化水平,实现数据的自动采集和处理是人工智能应用的基础保障。二是如何利用人工智能技术,实现数据的智能化分析。目前深度学习在地震解释、岩石物理分析等领域已有初步应用,并显现出巨大潜力;机器学习、数据挖掘等技术在测井解释、生产运行分析与监控等方面应用有所成效,但这些专业领域的数据链接渠道不通畅、数据规范不统一、评价标准不一致,没有实现真正意义上的数据共享,影响了AI的应用效果,另外数据采集依赖于手动输入,难以保证数据准确性和及时性,数据在使用和流转过程中容易被篡改,数据格式不一致,数据冗余、数据值冲突、模式不匹配等突出问题也影响了数据的智能化分析。三是如何通过智能专业软件,实现协同研究和一体化分析。对于AI应用,算法是核心,软件是载体,如何通过智能化专业软件,实现协同研究和一体化分析是关键。四是如何建立高质量的训练数据集和标签数据库。机器学习大都是“照着葫芦画瓢”,需要先给机器准备好“教材”(标注数据),然后才能使用人工智能算法去建模,然而油气行业问题多具有多解性,不同的盆地与探区,针对探井、地震、地质等不同类型数据的标签数据集都不一样,因此,如何构建高质量的训练数据集和“共享、智能、分级管理”的标签数据库成为人工智能在油气行业应用的关键问题。


记者


您刚才谈了这么多问题,那油气行业当前是否有明确的顶层设计与清晰的发展路径来应对以上问题?


刘合


应该说我们的应对之策是比较周全的,油气行业面对智能化浪潮,其顶层设计包含三个层面,即运算智能、感知智能和认知智能。以中国石油为例,按照“一个整体、两个层次”总体分工,实行了数据、平台、应用三级划分。运算智能以基础环境应用为主,提供全公司集中统一的计算能力、存储能力、网络能力,目前由信息管理部负责搭建技术平台,以E8为基础,打造开放、可扩展的人工智能通用计算平台。感知智能以数字油田建设为主,实现勘探开发生产数据的实时采集、生产监控、设备运维分析,由勘探与生产公司负责数据湖建设,达到数据自动采集、智能入湖、智能治理、智能分析与共享应用的数据智能生态。认知智能以技术创新为主,基于感知和运算智能,从海量数据资产中洞悉数据规律,形成算法和模型,推动基础理论研究和技术创新,目前由科技管理部负责人工智能与业务的深度融合,并在勘探开发方面开展智能化应用。


从发展方向来讲,人工智能技术必将为实现油气全产业链突破提供新动能。结合行业发展需求及人工智能技术研究现状,未来的应用发展方向主要包括以下三个方面:一是智能生产装备。随着深度学习、自然语言处理、语音识别、强化学习等技术在机器人中的不断成功应用,工业机器人逐渐走向成熟。越来越多的石油公司开始使用机器人代替人类进行危险作业。目前,机器人已经成功应用到了管道巡检、深水作业、高危作业等领域。无人机技术逐渐在石油勘探开发领域应用,尤其是物探领域,可实现地质探测、数据采集、视频监控、物资投放、工程救援等工作。同时,由于专业软件的嵌入应用,石油勘探开发生产装备的智能化水平越来越高。未来,嵌入物联网、机器视觉、深度学习等技术的智能生产装备将大大降低生产成本,提高生产效率。二是自动处理解释。数据挖掘和数理统计等分析技术在石油勘探开发领域的应用较为成熟,广泛应用到测井曲线解释、储集层参数预测等领域。近几年,随着深度学习、集成学习、迁移学习等技术的不断发展,其在图像处理、分析预测等方面展现出较为显著的优势。未来,深度学习、集成学习、迁移学习、强记忆学习等技术有望在岩石物理、地震图像、测井曲线、数字岩心、生产运行等数据的自动分析处理方面得到深度应用。三是专业软件平台。人工智能技术的载体与核心是勘探开发专业软件和信息系统。专业软件是最主要的研究工具,也是专家智慧的结晶和成果,是石油公司和服务公司的核心竞争力。随着人工智能算法在数据自动采集、智能分析处理等方面的应用,一些专业软件利用机器学习、机器视觉、数据挖掘等算法进一步提高软件的智能化分析水平,并致力于在数据共享的基础上,实现协同研究。


从发展重点来讲,人工智能应用应该以点带面、逐步推广,结合油气行业发展的实际需求,未来智能化技术应用的重点发展方向包括智能盆地、智能测井、智能物探、智能钻完井、智能压裂、智能采油等。未来5年的发展重点包括数字盆地、快速智能成像测井仪、智能化节点地震采集系统、智能旋转导向钻井、智能化压裂技术装备、分层注采实时监测与控制工程技术等。


记者


您认为油气行业在应用人工智能过程中应该树立怎样的科学理念?


刘合


人工智能在油气行业展现出巨大潜力,然而,我们对人工智能的理念和概念认识还不透彻,这阻碍了智能化应用。我认为首先要强化认识、统一思想,这是人工智能应用的必备条件,特别是提升各级管理层和专业技术人员对人工智能的认识,做好知识补充;其次要以业务为驱动,需求为导向,以业务需求为主,基础研究为辅,立项前开展充分的可行性研究,避免技术应用的盲目性;再次,针对AI算法筛选与优化、数据治理与共享等基础共性问题,应统一规划和布局,专业领域开展更具针对性和专业性的应用研究;此外,还要强调创新,注重实效,用AI新技术、新算法解决制约油气行业发展的瓶颈问题,要讲究应用实效,切忌“新瓶装旧酒”。


记者


您提的这几项理念非常务实,针对人工智能在油气行业的应用,您有更具体的建议吗?


刘合


我认为一是要继续强化顶层设计,将油气技术智能化贯穿于行业主业的不同层面,实现场景重现,避免碎片化;二是要努力实现算法自主,加强对核心算法的研究攻关,形成具有自主知识产权的算法体系,为油气技术智能化提供基础支撑能力;三是要加大人才培养,油气企业可以与高校合作设立油气人工智能学科,加强基础理论和技术研究,共同培养既懂油气又懂人工智能的复合型人才;四是要推进合作共享,聚焦核心智能技术,由油气企业与国内外IT巨头联手,在不同专业、企业、行业间形成创新融合体,实现跨界融合、边界突破,在这方面行业协会应该发挥协调引领作用;五是要加强生态建设,人工智能建设要与油田发展同步,合适合理的应用场景十分必要,根据需求新建一批国家和企业级油气智能技术研发中心和油气人工智能技术示范区,完善和发展数据–上线–云计算–大数据的信任体系,推动技术成果推广应用。


 

免责声明

本文由北京勘云科技有限公司(Beijing Kanyun Technology)整理发布,仅代表作者本人观点,与勘云科技立场无关,文章内容仅供参考。凡注明“来源:勘云科技”的所有文章,版权均属于勘云科技,授权转载请署名来源。凡勘云科技转载自合作媒体或其它网站的信息,目的在于传递更多能源科技信息,如内容有误、侵权请联系houyanting@kanyune.com,我们将及时更正、删除。

 

跟帖 0

参与 0

网友评论仅供其表达个人看法,并不表明勘云立场。

关于我们 | 联系我们© Copyright 2013-2020 北京勘云科技有限公司 All Right Reserved.