引言：2020年8月8日，數(shù)字油氣行業(yè)專家孫旭東博士在美林數(shù)據(jù)2020數(shù)字智能線上論壇發(fā)表了《智能平臺：數(shù)字油田的智能化技術(shù)應(yīng)用與實踐(智能鉆井案例)》的主題演講，從智能油田、智能場景、智能平臺三個方面詳盡的闡述了數(shù)字化油田的建設(shè)思考與實踐。孫旭東博士主題演講中對數(shù)字油田建設(shè)深刻的見解獲得了線上線下觀眾的一致好評，以下正文根據(jù)其演講主要內(nèi)容整理而成。
油田勘探開發(fā)的數(shù)字化轉(zhuǎn)型中，智能化技術(shù)已經(jīng)開始廣泛的應(yīng)用。在可以看到的將來，智能化技術(shù)將成為數(shù)字化轉(zhuǎn)型最為核心的技術(shù)，也是智能油田建設(shè)的關(guān)鍵所在。在建設(shè)智能油田的過程中，很多專家都談?wù)摰搅酥悄苡吞镏兄悄苤甘裁矗恐悄苡吞锏睦碚摽蚣芤约凹軜?gòu)體系有哪些？但對于具體的業(yè)務(wù)研究人員來說，如何讓人工智能以及大數(shù)據(jù)技術(shù)在智能油田領(lǐng)域落腳，最終成規(guī)模地應(yīng)用，才是最值得關(guān)注的地方。
智能油田：勘探開發(fā)數(shù)字化技術(shù)現(xiàn)狀
油田勘探開發(fā)行業(yè)經(jīng)過數(shù)十年的技術(shù)發(fā)展，已經(jīng)形成了精細的行業(yè)分工與高度的專業(yè)化要求，在理論、學(xué)術(shù)、行業(yè)應(yīng)用方面都極其復(fù)雜。油氣開發(fā)已經(jīng)成為當今世界最為復(fù)雜龐大的工業(yè)體系之一，僅最為常規(guī)的油氣勘探開發(fā)工作就需要經(jīng)歷項目評估、勘探規(guī)劃、地質(zhì)研究、探勘部署、石油工程、圈閉儲量管理、油氣藏評價、開發(fā)方案設(shè)計、產(chǎn)能建設(shè)、生產(chǎn)監(jiān)測與優(yōu)化等一系列環(huán)節(jié)。
目前，在整個油氣勘探開發(fā)領(lǐng)域的軟件工具方面，在國際上已經(jīng)有了一套全領(lǐng)域的解決方案體系，相應(yīng)的產(chǎn)品鏈涵蓋全業(yè)務(wù)數(shù)據(jù)與知識的應(yīng)用軟件，完成了地震、地質(zhì)、油藏、工程等一體化的應(yīng)用閉環(huán)。以斯倫貝謝、哈里伯頓、貝克休斯為代表的石油行業(yè)解決方案提供商已經(jīng)形成了從底層的數(shù)據(jù)模型到專業(yè)應(yīng)用軟件，再到全業(yè)務(wù)應(yīng)用閉環(huán)的一整套完整的全產(chǎn)業(yè)鏈軟件開發(fā)模型。實現(xiàn)了統(tǒng)一的行業(yè)數(shù)據(jù)模型與知識模型，統(tǒng)一的行業(yè)應(yīng)用軟件集成，統(tǒng)一的覆蓋全業(yè)務(wù)生態(tài)的業(yè)務(wù)協(xié)同。行業(yè)的生態(tài)化環(huán)境正在逐步形成。
但截至目前，我國在國際上的成熟的油氣勘探開發(fā)商業(yè)軟件上仍然幾乎為零。
除了在行業(yè)應(yīng)用軟件，在數(shù)據(jù)建設(shè)方面國內(nèi)目前也面臨著同樣的問題。
全球范圍內(nèi)油田數(shù)字化、信息化建設(shè)歷史遠超20年，正從原有的地質(zhì)模型和數(shù)學(xué)模型向著大數(shù)據(jù)、人工智能、知識管理和云協(xié)作方向演化，自動化與智能化成為了重要特征。在數(shù)據(jù)建設(shè)方面，石油行業(yè)在國際上也擁有一套完整的數(shù)據(jù)標準生態(tài)系統(tǒng)，例如RPDS、PPDM、POSC等很多底層數(shù)據(jù)模型已經(jīng)對油田整體過程中各種數(shù)據(jù)進行了非常完整的定義。
雖然每年國內(nèi)大數(shù)據(jù)與人工智能技術(shù)在油田的各個領(lǐng)域也都有大量的研究與應(yīng)用，但建設(shè)效果始終無法達到預(yù)期。很大一部分原因就在于國內(nèi)專業(yè)數(shù)據(jù)管理與專業(yè)軟件建設(shè)的不足，導(dǎo)致在數(shù)據(jù)、應(yīng)用、整體架構(gòu)、業(yè)務(wù)體系沒有形成一套完善統(tǒng)一的體系，最終讓國內(nèi)石油行業(yè)的人工智能技術(shù)應(yīng)用落后于歐美等國。
大數(shù)據(jù)與人工智能技術(shù)普及化，人工智能的行業(yè)應(yīng)用迎來黃金期。但我們在油田勘探開發(fā)核心技術(shù)上的落后，以及產(chǎn)業(yè)與技術(shù)缺乏深度融合，都嚴重制約了智能化技術(shù)的發(fā)展。需要我們要盡快彌補我們的“短板”,加快完善我國在油氣開發(fā)數(shù)字化領(lǐng)域的核心技術(shù)和產(chǎn)品，以及共同打造職業(yè)化團隊和專業(yè)化的隊伍，實現(xiàn)油田開發(fā)隊伍與人工智能隊伍的融合發(fā)展。
智能場景：智能化落地與實踐方法
智能場景是智能應(yīng)用的業(yè)務(wù)場景，是基于產(chǎn)業(yè)架構(gòu)下的關(guān)鍵點和智能點，是數(shù)字化轉(zhuǎn)型的核心與基礎(chǔ)。
以智能鉆井為例，鉆井過程中最大的需求是降本提效，而其中最為關(guān)鍵的是提升鉆速（ROP）。影響鉆速的因素包括：地層地質(zhì)與巖性因素、鉆井的鉆頭因素、井筒的管具組合與動力裝置、鉆井液的配置、井口的工程施工參數(shù)等。鉆井過程中，需要考慮不同地層、鉆頭、管具和鉆井液、井口動力系統(tǒng)等多個因素影響，明確鉆速與不同參數(shù)之間的關(guān)聯(lián)關(guān)系。
這種根據(jù)個人經(jīng)驗構(gòu)建公式的傳統(tǒng)方式，不僅需要花費大量時間在調(diào)整參數(shù)適配模型的過程中，而且多數(shù)情況下，耗費大量時間調(diào)整參數(shù)適配模型的公式一旦到了新環(huán)境時常無法適用，需要重新進行調(diào)參。
大數(shù)據(jù)、人工智能技術(shù)的出現(xiàn)很好的解決了這樣的問題。鉆井場景會產(chǎn)生大量的數(shù)據(jù)，基于業(yè)務(wù)流程構(gòu)建綜合了井口實時采集數(shù)據(jù)（秒數(shù)據(jù)）、鉆頭鉆具數(shù)據(jù)、鉆井液數(shù)據(jù)及地層數(shù)據(jù)的一個大數(shù)據(jù)體，而后通過機器學(xué)習(xí)算法分析這些數(shù)據(jù)要素與最終鉆速之間的關(guān)系，從而獲得最有鉆速的預(yù)測。最后，根據(jù)鉆速預(yù)測模型，再反向提出鉆井參數(shù)優(yōu)化的選項和量化數(shù)值。通過人工智能尋找參數(shù)之間的潛在關(guān)聯(lián)關(guān)系，基于不可變因素，通過調(diào)整可變因素在保證安全的前提下加快地下鉆井速度，從而減少鉆井高昂的時間成本，效率更高的同時也能快速適用于不同環(huán)境。
通過以智能鉆井的應(yīng)用為例可以看到，人工智能技術(shù)在應(yīng)用過程中，首先需要從不同數(shù)據(jù)源獲得各種樣本數(shù)據(jù)，將樣本數(shù)據(jù)中的異常和問題統(tǒng)一處理，進而融合形成訓(xùn)練樣本。基于訓(xùn)練樣本，從業(yè)務(wù)角度進行數(shù)據(jù)的業(yè)務(wù)分類（可能是不同施工井段，不同地層與巖性或者不同的鉆具組合），進而基于特定的業(yè)務(wù)分類設(shè)計能夠體現(xiàn)關(guān)聯(lián)關(guān)系的特征工程，這些特征可能用到專業(yè)算法與經(jīng)驗公式。最后，通過選擇和掛接不同的智能算法進行訓(xùn)練，形成算法模型，然后實現(xiàn)模型的服務(wù)化發(fā)布，最后通過實時的數(shù)據(jù)進行鉆速預(yù)測和隨鉆過程中的鉆井參數(shù)優(yōu)化。
首先，通過從業(yè)務(wù)場景中構(gòu)建智能模型代替經(jīng)驗?zāi)Ｐ停酶唵蔚脑O(shè)計、更快地訓(xùn)練，大幅降低模型研究工作量來解決傳統(tǒng)經(jīng)驗?zāi)Ｐ驮O(shè)計創(chuàng)建難度的問題。
其次，以智能模型為核心，構(gòu)建智能場景中完整的模型應(yīng)用的流程，封裝復(fù)雜算法，暴露必要的參數(shù)接口，解決模型設(shè)計與創(chuàng)建復(fù)雜的問題并降低使用難度。
最后，通過智能平臺的方式固化場景設(shè)計的模式，形成行業(yè)/產(chǎn)業(yè)化的解決方案來減少構(gòu)造場景花費時長并完成智能場景設(shè)計創(chuàng)建自動化。
智能平臺：數(shù)字油田智能轉(zhuǎn)型與升級
有了智能模型和智能場景，就需要智能平臺對場景流程進行管理，實現(xiàn)數(shù)據(jù)、處理、算法、場景流程等所有要素的復(fù)用。通過TempoAI智能平臺，以往需要半個月的工作量，可以在兩小時內(nèi)快速建立完整的“鉆井參數(shù)優(yōu)化場景”的流程（模型）。
（1）數(shù)據(jù)獲取
石油工程數(shù)據(jù)包括鉆完井設(shè)計與隨鉆數(shù)據(jù)、測錄井數(shù)據(jù)、測試完井數(shù)據(jù)，數(shù)據(jù)采集頻度從秒數(shù)據(jù)米數(shù)據(jù)為計量的自動化數(shù)據(jù)、到以小時和工作日為計量單位的人工數(shù)據(jù)。通過數(shù)據(jù)庫或數(shù)據(jù)文件導(dǎo)入鉆井實時秒數(shù)據(jù)、鉆井液實時數(shù)據(jù)，以此作為預(yù)測模型的數(shù)據(jù)樣本。
（2）針對鉆井井場實時數(shù)據(jù)的預(yù)處理
鉆井井場的實時數(shù)據(jù)一般以秒為單位，間隔3~5秒采集并傳輸一次。由于采集設(shè)備和傳輸條件的約束，會出現(xiàn)數(shù)據(jù)質(zhì)量問題，以及數(shù)據(jù)多且混雜的現(xiàn)狀。因此，針對數(shù)據(jù)的處理工作非常龐大，一般包括：數(shù)據(jù)的字段篩選、數(shù)據(jù)錄篩選、數(shù)據(jù)異常值的處理、數(shù)據(jù)噪點處理與平滑處理、基于數(shù)據(jù)業(yè)務(wù)邏輯篩選（離散數(shù)據(jù)篩除與非業(yè)務(wù)相關(guān)數(shù)據(jù)篩除等）等各種數(shù)據(jù)處理方法。
（3）數(shù)據(jù)融合
將來源于不同數(shù)據(jù)源的各類數(shù)據(jù)按照一定規(guī)則插值融合，構(gòu)成一個用于訓(xùn)練的樣本集合，稱為數(shù)據(jù)融合。將鉆井井場實時數(shù)據(jù)與鉆井液數(shù)據(jù)融合稱為一個大的樣本集。如果有其他關(guān)于管具、鉆頭、地層、巖性等相關(guān)影響因素，也需要將這些數(shù)據(jù)樣本導(dǎo)入進來，按照時間或者深度，進行融合計算，形成大樣本集，這樣的樣本集最終預(yù)測的結(jié)果可能會更加的準確（但對于預(yù)測模型的數(shù)據(jù)要求也更高）。
（4）特征工程
由于機器學(xué)習(xí)需要人為選擇特征，因為基于業(yè)務(wù)邏輯特點而設(shè)計特征項是非常重要的工作。基于SPE較多論文研究，在ROP預(yù)測中，包括MSE在內(nèi)的多種專業(yè)化復(fù)合參數(shù)對于鉆速預(yù)測具有極大的關(guān)聯(lián)性，因此，運用傳統(tǒng)的業(yè)務(wù)經(jīng)驗和公式計算這些特征項是一個重要步驟。由于較為復(fù)雜的邏輯難以使用模式化的定制工具完成，因此，TempoAI提供了代碼嵌入功能，通過Python或R語言等實現(xiàn)算法功能的擴展。
（5）數(shù)據(jù)標定
樣本集的自變量與因變量設(shè)定，并選擇算法。一個用于預(yù)測的樣本集，需要指定的訓(xùn)練數(shù)據(jù)和預(yù)測結(jié)果數(shù)據(jù)。在設(shè)定數(shù)據(jù)角色后，再選擇合適的算法用于訓(xùn)練。
（6）模型訓(xùn)練和模型輸出
經(jīng)過樣本數(shù)據(jù)訓(xùn)練后形成了一個模型，這個模型就是智能學(xué)習(xí)的結(jié)果，將這個模型存儲，可以在后期應(yīng)用新的數(shù)據(jù)進行預(yù)測和分析。例如，決策樹模型訓(xùn)練完成后，形成一個帶有參數(shù)的樹模型，這個樹模型可以針對新數(shù)據(jù)進行預(yù)測。此時，一個完整的流程構(gòu)建完成了。可以在智能建模工具中完成定制，也可以使用編碼實現(xiàn)。
（7）應(yīng)用模型進行預(yù)測的應(yīng)用過程
在訓(xùn)練模型完成后，就是一個針對模型使用的過程。同樣，真實的數(shù)據(jù)獲取之后，同樣經(jīng)過處理、融合和特征構(gòu)建，形成與模型相匹配的數(shù)據(jù)項，這個數(shù)據(jù)經(jīng)過模型的計算，會獲得預(yù)期的計算值（分類，回歸等）。最后，便是一個將智能模型進行服務(wù)化發(fā)布的過程。
總結(jié)
智能化技術(shù)不是獨立的技術(shù)，而是與傳統(tǒng)產(chǎn)業(yè)的邏輯，以及數(shù)據(jù)技術(shù)、IT技術(shù)相關(guān)的。因此在數(shù)字油田領(lǐng)域，人工智能技術(shù)應(yīng)該與傳統(tǒng)業(yè)務(wù)緊密結(jié)合。未來，人工智能技術(shù)應(yīng)該與油田產(chǎn)業(yè)的具體場景相融合，以具體問題為切入點，才能實現(xiàn)人工智能的真正落地，幫助油田實現(xiàn)真正的智能化。
Tempo商業(yè)智能平臺
Tempo人工智能平臺
Tempo數(shù)據(jù)工廠平臺
Tempo指標平臺
Tempo數(shù)據(jù)治理平臺
Tempo主數(shù)據(jù)管理平臺
首頁
美林數(shù)據(jù)
行業(yè)資訊
陜公網(wǎng)安備 61019002000171號
