大數(shù)據及人工智能在油氣田開發(fā)中的應用

王一清

摘要：大數(shù)據分析技術自動收集海量數(shù)據信息并用先進的計算機分析技術來實現(xiàn)這些數(shù)據的價值，可以長時間運行，降低維護需求，提高生產效率，降低成本，應用于油氣田開發(fā)中成效顯著。

關鍵詞：大數(shù)據;人工智能;油氣田開發(fā)

1大數(shù)據及人工智能在油氣田開發(fā)建設模式

（1）高精度數(shù)據實時采集。研發(fā)更加精密的隨鉆分析、室內測試、井下監(jiān)測和井口計量等儀器設備，實現(xiàn)油氣藏開發(fā)數(shù)據的全方位、高精度、自動化、實時采集。

（2）大數(shù)據高速傳輸和存儲?；?G、光纖等最新通信技術實現(xiàn)油田數(shù)據的高速傳輸，基于云存儲技術實現(xiàn)TB或PB級海量數(shù)據的存儲，構建工業(yè)設備-云端存儲設備-人類設備的油氣藏開發(fā)物聯(lián)網。

（3）大數(shù)據與人工智能能結合實現(xiàn)數(shù)據賦能?；跀?shù)據、業(yè)務、算法（技術）科學匹配，開展小任務、多數(shù)據、強關聯(lián)、混合技術、大數(shù)據分析，實現(xiàn)人工智能學習、記憶、判識，智能操控。

（4）區(qū)塊鏈技術實現(xiàn)資源共享。各類生產資料、數(shù)據分析及智能判識信息等按照一定的頻率記錄在區(qū)塊鏈中，形成安全的分布式數(shù)據庫，解決數(shù)字經濟的基礎設施，為決策層提供決策依據，并打破油公司的組織邊界，實現(xiàn)所有者、生產者和使用者的統(tǒng)一，涉及到了生產關系這個根本問題。

2大數(shù)據及人工智能在油氣田開發(fā)實施方式

（1）建立內在統(tǒng)一的地質模型和油藏模型，實現(xiàn)油氣資源的透明化、精細化，提高儲量經濟價值。準確的地質模型和油藏模型是進行油氣田開發(fā)方案設計的基礎。大數(shù)據及人工智能技術有望將地震、測井、地質、施工、生產及室內試驗等多類型的數(shù)據進行深度融合，提取多類型數(shù)據中的有用信息，不斷校正、完善地質模型和油藏模型，使模型能夠準確再現(xiàn)油藏實際，為合理設計開發(fā)方案提供必要的物質基礎。

（2）充分利用物理模型、井下高精度傳感器、生產歷史等數(shù)據，集成油藏多物理量、多尺度、全生命周期的三維油田數(shù)字孿生模型。實時反映當前時刻油田開發(fā)的狀態(tài)，預測油藏動態(tài)演化及開發(fā)全過程?；谟筒財?shù)字孿生模型，驗證不同開發(fā)方案、不同生產措施效果，降低開發(fā)方案部署盲目性，提升工程技術合理性，實現(xiàn)地質與工程全面協(xié)同，有效提高油田采收率。

（3）方案設計、實施、生產管理一體化，加強大數(shù)據分析應用，建立分層次和整體優(yōu)化模型，實現(xiàn)開采自動化、模型化、可視化和智能化。依靠先進的數(shù)據管理和數(shù)據挖掘技術，尋找大數(shù)據中隱藏的有用信息，將每天收集到的數(shù)據（包括地震數(shù)據、測井數(shù)據、鉆井參數(shù)、壓裂參數(shù)等），轉變?yōu)閷崟r信息，幫助油藏工程師調整現(xiàn)行方案，并依靠自動化井控設備對油藏開發(fā)實施精準調控。

3大數(shù)據及人工智能在油氣田開發(fā)建設方向

（1）泛在感知?；跈C器學習算法對真實油藏物理問題進行建模，油田全面數(shù)據化;功能上實施數(shù)字化轉型發(fā)展，在油田數(shù)字化上做好全面數(shù)據化和高質量發(fā)展。效果上尋找一條比較好的智能分析、智能操控的路徑，為數(shù)字化轉型升級建設智能油田打好基礎。

（2）全面認知。利用獲取的大數(shù)據對模型進行訓練，實現(xiàn)機器認知;油田實施全面智能操控，功能上利用大數(shù)據人工智能，實施智能分析及時發(fā)現(xiàn)業(yè)務過程中可能出現(xiàn)的問題，預警、告警，智能分析，將生產運行過程智能操控;效果上做好人、財、物智能化，降低成本，提高效益。

（3）協(xié)同優(yōu)化。油田做好全面最優(yōu)，功能上將數(shù)字、智能技術植入油田業(yè)務深度融合形成一體化模式。效果上構建健康、安全、綠色的無人油田，實現(xiàn)可裝在手機里的5G油田。

4基于人工智能的攻關技術

（1）自動地層對比。地層對比是區(qū)域地質研究（沉積體系和儲層分布）的關鍵步驟，可以提高對目標儲層預測的準確率以及降低勘探開發(fā)的不確定性和風險;作為一項關鍵技術，地層對比被廣泛應用于油氣勘探開發(fā)的多個階段。傳統(tǒng)地層對比采取人工對比方式，并且很大程度上依賴地質解釋人員的經驗。在地層格架識別和劃分過程中，由于要綜合分析多種地質信息（如露頭、測井、巖心等），使工作量繁重，而且在解釋過程中無法避免人為誤差和不一致性。基于人工智能技術研發(fā)自動化地層對比工具，可有效提高工作效率和地層對比的準確性。

（2）地震數(shù)據處理和解釋。油田每年采集大量三維地震數(shù)據，對于更高清晰度的需求使數(shù)據量在過去的幾年中大幅增加。傳統(tǒng)的地震處理和解釋方法無法充分利用研究人員長期積累的有效經驗，而且十分耗時，比如初至拾取、速度譜拾取、斷層和圈閉解釋等。因此將已有的地震資料處理經驗與處理流程進行整合，采用人工智能技術可有效提高傳統(tǒng)地震處理方法和解釋工具的效率以及成果質量。

（3）測井曲線預測。測井數(shù)據是儲層評價、測井解釋和井位設計的必要資料。在特定情況下，由于生產原因等限制，孔隙度、飽和度測井資料不全，不同批次的測井資料可能存在差異?？梢酝ㄟ^人工智能和機器學習的方法，用已有的測井曲線來預測滲透率及飽和度曲線（包括預測其他各種缺失的測井曲線），并將其整合到現(xiàn)有的工作流程中，用得到的新信息去更新現(xiàn)有油藏模型。

（4）多點地質統(tǒng)計學建模。儲層相建模是表征地下儲層非均質性的關鍵步驟。目前，現(xiàn)有相建模算法遠不能滿足地質逼真的要求。多點地質統(tǒng)計建模方法提供了一種將傳統(tǒng)儲層建模方法與最先進的機器學習圖像重建方法相結合的途徑，以訓練圖像為代表，對地下非均質性進行地質表征。深度學習算法提供了一種基于特定圖像重建概念途徑和方法，可以將地質理解與一定的先驗硬數(shù)據相結合，生成更高精度的沉積相模型及儲層屬性分布。

（5）基于深度學習的3D數(shù)字巖心重構。復雜的沉積和成巖過程導致儲層的孔隙結構非常復雜，孔隙可以從納米級到厘米級?；趲r石的巖電性質（如滲透率、相對滲透率、電屬性）進行數(shù)字巖心模擬研究，必須要考慮多尺度的孔隙結構特征。因此在進行儲層巖電特性模擬時，建立一個包含完整孔隙尺度的3D孔隙模型至關重要?；谏疃葘W習的3D數(shù)字巖心將應用常見的2D圖像（薄片、SEM等）或3D圖像（微納米CT）作為輸入，建立一個包含全尺度孔隙模型的3D數(shù)字巖心，提供可靠的模擬結果，可以與實驗室實測壓汞、滲透率和電性參數(shù)對比。

結語

總之，加強大數(shù)據人工智能技術在中國石油勘探開發(fā)中的應用規(guī)模，可以實現(xiàn)石油勘探開發(fā)主體技術更新?lián)Q代的宏偉目標，從技術上促進石油勘探開發(fā)行業(yè)整體轉型升級。

參考文獻：

[1]梁文福。油田開發(fā)智能應用系統(tǒng)建設成果及展望[J].大慶石油地質與開發(fā)，2019，38（5）：283-289.