大數據技術在油氣上游領域廣泛應用

□ 李明巖

隨著云時代的來臨，大數據技術也得到越來越多的關注。油氣上游領域對數據的嚴重依賴為大數據技術在這個領域的廣泛應用提供了廣闊的空間。

大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。而大數據技術是指通過高速捕捉、發現和分析，從大容量數據中獲取價值的一種新的技術架構。

油氣工業從某種程度上說也是信息工業，很少有其他工業領域像油氣工業這樣依賴于數據，而油氣上游領域對數據的依賴更是有過之而無不及。油氣發現、提高油氣產量，降低生產過程中的風險都需要有數據作為技術支撐。而同傳統信息技術相比，大數據技術對大量數據的分析和處理更為迅速和高效，可以提高決策的準確性和全面性，對油氣增產有著重要作用。

大數據技術的特點

大數據技術本身有3個特點，即數量大、類型多和速度快。同樣，油氣上游領域對大數據技術的應用也充分體現和發揮了這3個特點。

數據數量巨大。從TB級別，躍升到PB級別，也就是所要處理的數據數量從2的40次方Byte增至2的50次方Byte。

數據類型繁多。以往油氣公司的數據基本上都是以CAD圖、紙質或PDF格式的說明書、地震資料、日常鉆井報告等形式保存，現在更多的都是以多媒體形式保存。這些不同格式的數據也需要不同的處理方法。

處理速度快。油氣行業經常需要跨學科的綜合知識和大量的數據同時處理，大數據處理速度快和并行處理能力恰好迎合這一需求，比如利用勘探區域所在省份的地震資料來提高原油產量。這一點和傳統的數據挖掘技術有著本質的不同。

大數據技術在油氣上游領域的應用

1.勘探

利用大數據模式識別分析方法能將地震采集過程中的綜合數據收集起來，地質學家根據這些地震數據尋找出具有油氣資源潛力的產層信息，而這些信息不經過大數據技術處理很可能被忽略掉。周邊地區油氣井鉆井和生產的歷史數據能夠幫助地質學家和地球物理學家驗證他們對油田的分析和預測結果。

□ 大數據技術在油氣領域的應用越來越廣泛。張強 攝

石油公司地下油氣藏的儲量和開采現狀都是通過數據體現的，因此國際石油公司非常重視數據保存和管理，其中包括地震、測井、巖芯、測試及試采等海量數據。國際石油公司還采用大容量便攜磁盤或高速光纖網將現場地震數據傳送回來，這大大提高了海量數據的傳輸速度，提高了勘探效率。

2.開發

大數據技術還能幫助油氣公司進行區塊評估和開拓遠景區。對地球物理數據、動態消息，以及油氣報告的數據分析還能幫油氣公司確定可投資的目標區塊。大數據技術對數據的精細化處理也越來越多地運用到非常規油氣勘探開發領域。比如說運用3D成像技術來判別新資源，用4D成像技術來解釋隨著時間的推移油藏所發生的變化，借助于寬頻技術捕捉到更為清晰完整的地震圖像。

3.鉆井

除對已有的數據進行監測和預警之外，大數據技術還能對實時鉆井數據進行分析，并對復雜條件下的異常現象做出預警，判斷鉆井成功的可能性，根據相關信息對設備故障做出預警從而避免操作失誤。油氣生產正處于一個飛速發展的階段。

隨著老油田的枯竭，油氣勘探和開發轉向非常規油氣資源領域，比如深水油氣開發、致密油和頁巖氣。與常規油氣資源相比，非常規油氣資源的地質構造更為復雜、開發成本更高、開采難度更大。石油公司通過數據挖掘和分析，使用分布式傳感器、高速通信系統和數據挖掘技術等高科技去監控并調整遠程作業，使用實時數據進行分析決策和事故預測等，大幅度提高決策的準確性和全面性。

4.生產作業

提高老油井的采收率是油氣公司的主要目標，采用新技術、新科技和區塊的地質知識，通過掌握達到歷史最高產量時的生產率和采收率數據來指導鉆井和生產，從而提高老油田的采收率，增加油氣產量。

過去的10年里，油田數字化的確提高了油田產量。隨著數字化程度的提高，更多的數據被利用起來。據統計，經過完全優化的數字油田至少可以提高6%的采收率和8%的產量。對各種類型的地震、鉆井和生產數據的快速分析能還夠幫助油藏工程師準確把握油藏隨著時間的改變而發生的變化，幫助采油工程師適時對舉升措施進行調整和改變，這種技術手段也被應用到頁巖氣開發水力壓裂技術當中。

5.維修

盡管在油氣行業，預見性維護沒有得到足夠的重視和資金支持，但它并不是新鮮事物。在油氣上游領域，如果將壓力、體積和溫度的數據都收集起來并和以往進行對照分析，就能提前預見潛在的設備故障。

6.安全生產

油氣上游領域由于其行業特征還受到深水漏油事故和管道爆炸的影響和沖擊。由設備故障或操作失誤所造成的健康、安全，以及環保問題受到越來越多的關注。在美國，在美國石油協會RP75基礎上建立的安全和環境管理系統（SEMS）要求近海鉆探操作業者必須有能力識別風險，有能力對環境沖擊做出評價并有能力對作業進行優化，同時還要有能力保障安全生產實踐和訓練，對意外事故進行分析。深海和北極地區的自然環境對油氣勘探開發來說非常具有挑戰性，在極端的自然條件下只能進駐少數的工作人員操控自動裝置進行作業。

各大石油公司紛紛應用大數據技術

為從大數據資源中挖掘更多的財富和價值，石油公司正與IT公司一起，將更多的技術應用于科技研發、戰略決策、生產經營和安全環保等方面。

2011年，BP同惠普簽署了一份估價超過4億美元的數據外包服務協議。根據協議，惠普向BP交付穩定的全球數據中心服務，包括從監控、備份及恢復、站點管理及維護服務到數據庫和中間件管理等數據中心管理服務，惠普利用云計算來實現公司標準化管理，降低公司經營成本。

殼牌采用石油數據銀行系統和研究成果管理的數據庫系統作為公司主數據庫，管理本公司的數據資產中最有價值的數據資產。研究項目時采用Openworks技術用于地震解釋和建模來做研究。2012年，殼牌（中國）中國有限公司同天津啟云科技有限公司簽署數據運營保障服務協議。啟云科技將運用云計算為殼牌提供包括IT設施、布線、安裝、運行維護在內的一站式IT服務，為殼牌提供數據安全和網絡系統安全的保障。

雪佛龍公司則用大數據技術來處理地震成像數據以及尋找新的石油和天然氣儲備。斯倫貝謝、哈里伯頓和貝克休斯等石油服務公司通過集中大量數據信息，支持油田生產規劃與決策，加大對非常規、深水、極地等油氣資源的開發力度。

面臨的挑戰

油氣公司越來越認識到通過投資信息科技來提高生產效率的重要性。對油氣公司來說，應用大數據技術能縮短投產周期、提高產量，同時還能提高生產的安全系數，降低非生產性的成本。但大數據技術應用也面臨著挑戰：

目前油氣工業已經認可大數據對行業發展的重要性，但如何應用大數據是個挑戰。大部分數據存儲在臺式電腦中，并不能有效地共享使用。盡管近幾年開始關注對數據標準和數據模式的開發利用，但還是有一些數據以一種特有的格式保存。另一個挑戰是，當大規模計算的數據量超過1PB時，傳統的存儲系統已經難以滿足海量數據處理的讀寫需要，數據傳輸I/O帶寬的瓶頸越發突出。

隨著常規油氣儲備的逐步減少，油氣勘探、開發難度日益增大，信息化的成熟程度已經成為影響油氣產量增長幅度的決定性因素。采用大數據技術有助于提高勘探和開發的成功率，提高勘探效率，降低開發成本和生產成本，給企業帶來更豐厚的利潤。