大數據及人工智能在油氣田開發中的應用

王一清

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

關鍵詞：大數據;人工智能;油氣田開發

1大數據及人工智能在油氣田開發建設模式

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

（2）大數據高速傳輸和存儲。基于5G、光纖等最新通信技術實現油田數據的高速傳輸，基于云存儲技術實現TB或PB級海量數據的存儲，構建工業設備-云端存儲設備-人類設備的油氣藏開發物聯網。

（3）大數據與人工智能能結合實現數據賦能。基于數據、業務、算法（技術）科學匹配，開展小任務、多數據、強關聯、混合技術、大數據分析，實現人工智能學習、記憶、判識，智能操控。

（4）區塊鏈技術實現資源共享。各類生產資料、數據分析及智能判識信息等按照一定的頻率記錄在區塊鏈中，形成安全的分布式數據庫，解決數字經濟的基礎設施，為決策層提供決策依據，并打破油公司的組織邊界，實現所有者、生產者和使用者的統一，涉及到了生產關系這個根本問題。

2大數據及人工智能在油氣田開發實施方式

（1）建立內在統一的地質模型和油藏模型，實現油氣資源的透明化、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方案設計的基礎。大數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據進行深度融合，提取多類型數據中的有用信息，不斷校正、完善地質模型和油藏模型，使模型能夠準確再現油藏實際，為合理設計開發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、生產歷史等數據，集成油藏多物理量、多尺度、全生命周期的三維油田數字孿生模型。實時反映當前時刻油田開發的狀態，預測油藏動態演化及開發全過程。基于油藏數字孿生模型，驗證不同開發方案、不同生產措施效果，降低開發方案部署盲目性，提升工程技術合理性，實現地質與工程全面協同，有效提高油田采收率。

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

3大數據及人工智能在油氣田開發建設方向

（1）泛在感知。基于機器學習算法對真實油藏物理問題進行建模，油田全面數據化;功能上實施數字化轉型發展，在油田數字化上做好全面數據化和高質量發展。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。利用獲取的大數據對模型進行訓練，實現機器認知;油田實施全面智能操控，功能上利用大數據人工智能，實施智能分析及時發現業務過程中可能出現的問題，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）協同優化。油田做好全面最優，功能上將數字、智能技術植入油田業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的多個階段。傳統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）地震數據處理和解釋。油田每年采集大量三維地震數據，對于更高清晰度的需求使數據量在過去的幾年中大幅增加。傳統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。可以通過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），并將其整合到現有的工作流程中，用得到的新信息去更新現有油藏模型。

（4）多點地質統計學建模。儲層相建模是表征地下儲層非均質性的關鍵步驟。目前，現有相建模算法遠不能滿足地質逼真的要求。多點地質統計建模方法提供了一種將傳統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。基于巖石的巖電性質（如滲透率、相對滲透率、電屬性）進行數字巖心模擬研究，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。基于深度學習的3D數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、滲透率和電性參數對比。

結語

總之，加強大數據人工智能技術在中國石油勘探開發中的應用規模，可以實現石油勘探開發主體技術更新換代的宏偉目標，從技術上促進石油勘探開發行業整體轉型升級。

參考文獻：

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