（中國石化石油工程技術(shù)研究院）

人工智能是通過提高機器的計算力、感知力、認(rèn)知力、推理能力等智能水平，使其具有判斷、推理、證明、識別、感知、理解、溝通、規(guī)劃和學(xué)習(xí)等思維活動，讓機器能夠自主判斷和決策，完成原本要靠人類智能才能完成的工作。作為新一輪產(chǎn)業(yè)變革和科技革命的新引擎和核心驅(qū)動力，人工智能已經(jīng)成為引領(lǐng)未來發(fā)展的戰(zhàn)略性新興技術(shù)，正在對各行業(yè)產(chǎn)生深刻影響。近年來，隨著人工智能在油氣勘探開發(fā)領(lǐng)域的不斷應(yīng)用，智能制造、智能井、智能油田等技術(shù)逐步完善與豐富，正在對石油工程行業(yè)產(chǎn)生深刻影響。發(fā)展人工智能技術(shù)，對加速推進石油工程業(yè)務(wù)的轉(zhuǎn)型升級和關(guān)鍵技術(shù)的升級換代，助推油氣公司高質(zhì)量發(fā)展和保障國家能源安全具有重要意義。

1 人工智能加速推動石油工程產(chǎn)業(yè)轉(zhuǎn)型升級，成為產(chǎn)業(yè)變革的新引擎

油氣公司著力構(gòu)建基于人工智能的數(shù)字業(yè)務(wù)模式和流程，將其應(yīng)用于生產(chǎn)服務(wù)、裝備制造等業(yè)務(wù)，提高生產(chǎn)效率和管理水平，促進企業(yè)轉(zhuǎn)型升級。據(jù)埃森哲（Accenture）公司預(yù)測，未來3～5年，人工智能技術(shù)在油氣上游數(shù)字化技術(shù)（大數(shù)據(jù)、物聯(lián)網(wǎng)、移動設(shè)備、云計算、機器人、人工智能、可穿戴技術(shù)和通信工具）中的投入關(guān)注度，將由目前的16%提高到23%，增幅僅次于機器人和可穿戴技術(shù)（圖1）[1]。

圖1 油氣公司數(shù)字化技術(shù)投入關(guān)注度

1.1 人工智能促進石油工程產(chǎn)業(yè)向少人或無人操作方向發(fā)展

人工智能與石油工程現(xiàn)場作業(yè)和裝備制造相融合，不斷提高其智能化水平，未來發(fā)展方向是實現(xiàn)鉆井作業(yè)和智能制造的少人或無人操作。內(nèi)伯斯（Nabors）公司正在研發(fā)鉆井智能化控制系統(tǒng)，并收購了挪威鉆井自動化系統(tǒng)公司，將該公司的鉆臺機器人與鉆機、頂驅(qū)系統(tǒng)、壓力控制系統(tǒng)等整合實現(xiàn)鉆機的智能控制[2]。智能化鉆機通過實時獲取井底鉆壓、扭矩、井下振動、黏滑、井底壓力等工程參數(shù)和地層巖性參數(shù)，利用智能鉆井決策分析平臺做出分析，及時控制地面鉆機設(shè)備和井下控制工具，自動優(yōu)化鉆井參數(shù)，提高鉆井作業(yè)效率和安全性，同時可減少現(xiàn)場作業(yè)人員。斯倫貝謝公司借助遠程決策系統(tǒng)，把對井下工具的導(dǎo)向指令直接發(fā)送到鉆井泵，實現(xiàn)井眼軌跡的遠程控制。該技術(shù)在墨西哥南部的一口井中應(yīng)用，作業(yè)者從一個遠程控制中心成功向旋轉(zhuǎn)導(dǎo)向工具發(fā)送了21個自動下行控制指令來增斜。該系統(tǒng)目前在咨詢方式下工作，目標(biāo)是在經(jīng)過油田測試以后，能夠在完全自主模式下運行[3]。據(jù)挪威國家石油公司估算，引入人工智能可將海上鉆井平臺的員工數(shù)量減少一半，并使工作效率提高25%。杰瑞石油裝備公司研發(fā)的智能制造控制中心通過數(shù)控中心、機器人、智能儀表等智能設(shè)備，將作業(yè)數(shù)據(jù)和作業(yè)情況實時傳輸?shù)绞脱b備生產(chǎn)控制中心，直接了解到設(shè)備的運行狀態(tài)、生產(chǎn)績效，同時監(jiān)測生產(chǎn)異常，節(jié)省了人工，提高了效率，為下一步實現(xiàn)智能制造打下了基礎(chǔ)。

油田服務(wù)承包商、設(shè)備制造商是勞動密集型企業(yè)，產(chǎn)業(yè)向智能化轉(zhuǎn)型后，未來的石油工程產(chǎn)業(yè)將向技術(shù)密集方向發(fā)展，利用低成本勞動力競爭的商業(yè)模式將遭遇嚴(yán)峻挑戰(zhàn)。發(fā)展裝備智能制造已成為世界各國競爭的焦點，勞動力成本對投資的吸引力下降后，石油裝備制造的投資會一定程度流向資本密集的國家和地區(qū)。

1.2 人工智能加深石油工程全產(chǎn)業(yè)鏈一體化融合

隨著數(shù)據(jù)成為新的生產(chǎn)要素，人工智能技術(shù)正在通過數(shù)據(jù)連接打通產(chǎn)業(yè)鏈各個環(huán)節(jié)，加快推動石油工程產(chǎn)業(yè)向一體化方向發(fā)展。

1.2.1 促進多部門協(xié)同，實現(xiàn)生產(chǎn)運營一體化

以往油氣公司收集大量鉆機和井的數(shù)據(jù)卻很難用于解釋分析，而且工程師在進行油井動態(tài)等基礎(chǔ)分析工作時，通常需要先花費幾個星期來收集地下儲層、設(shè)備運行、設(shè)備維護及經(jīng)濟性等方面的相關(guān)數(shù)據(jù)。為此，康菲石油公司構(gòu)建了大數(shù)據(jù)分析平臺（IDW）[4-5]，這是一個涉及多部門的集中式數(shù)據(jù)存儲中心，可存儲和分析包括地質(zhì)、油藏、鉆井、開發(fā)和生產(chǎn)運行等各環(huán)節(jié)數(shù)據(jù)，通過大數(shù)據(jù)分析、人工智能算法等，指導(dǎo)精確布井、高效鉆井和壓裂設(shè)計優(yōu)化，實現(xiàn)地質(zhì)勘探、油藏研究、鉆井和完井工程、經(jīng)濟評價的協(xié)同，大幅提高鉆井作業(yè)效率和單井產(chǎn)量，降低噸油成本。該平臺在美國鷹灘頁巖油氣區(qū)應(yīng)用后，鉆機周期縮短了50%，單井產(chǎn)量提高了20%。

除了優(yōu)化鉆完井作業(yè)之外，人工智能、數(shù)據(jù)分析還可用于成本管理、生產(chǎn)監(jiān)控與優(yōu)化、井位部署、競爭對手分析和資本項目執(zhí)行等?？捣剖凸具\用IDW形成新的工作方式，促使每個業(yè)務(wù)部門采用一體化運營方法來組建業(yè)務(wù)和信息技術(shù)多專業(yè)團隊，在數(shù)據(jù)存儲、處理和可視化，以及將業(yè)務(wù)知識與信息知識相結(jié)合等方面起到了重要作用。

1.2.2 增強多學(xué)科互通，實現(xiàn)技術(shù)一體化

圖2 斯倫貝謝公司DELFI勘探開發(fā)信息平臺

在油氣工程數(shù)字化轉(zhuǎn)型過程中，斯倫貝謝在微軟Azure云計算平臺和Azure Stack混合云平臺上開發(fā)了DELFI勘探開發(fā)信息平臺（圖2）[6-7]。該平臺改變了油氣勘探開發(fā)的工作模式，主要表現(xiàn)在：（1）利用大數(shù)據(jù)分析、機器學(xué)習(xí)、可視化呈現(xiàn)、高性能計算等數(shù)字化技術(shù)，幫助勘探開發(fā)所有參與者共同提高作業(yè)效率，最大限度優(yōu)化生產(chǎn)，降低綜合成本；（2）更大范圍、更大程度增強地球物理、地質(zhì)學(xué)、油藏工程、鉆完井和生產(chǎn)領(lǐng)域的跨界互通，打破學(xué)科界限，真正實現(xiàn)技術(shù)一體化；（3）推動甲乙方作業(yè)協(xié)作，使勘探開發(fā)所有參與者在一個共同環(huán)境中制定計劃，跟蹤作業(yè)進展，及時獲取所需的全部信息和專業(yè)技術(shù)指導(dǎo)，最大限度解決制約項目執(zhí)行水平、影響工作效率的專業(yè)壁壘和溝通不暢；（4）實現(xiàn)系統(tǒng)開放共享，DELFI平臺核心組成部分通過開源處理，為甲方和合作伙伴提供一個開放并可擴展的數(shù)字化生態(tài)系統(tǒng)，使其能在系統(tǒng)上開發(fā)或連接自己的專業(yè)軟件，實現(xiàn)無障礙接入。

2 人工智能推動石油工程技術(shù)向智能化轉(zhuǎn)型，成為技術(shù)變革和創(chuàng)新的新動力

2.1 人工智能助力石油工程技術(shù)增儲上產(chǎn)

利用人工智能技術(shù)將靜態(tài)模型與地球物理解釋、油氣生產(chǎn)數(shù)據(jù)緊密結(jié)合，形成高精度預(yù)測模型，能提高地下油氣資源和儲層的認(rèn)識、優(yōu)化油田生產(chǎn)，提高單井產(chǎn)量。2017年11月，IEA發(fā)布《數(shù)字化與能源》報告指出，數(shù)字化技術(shù)可使全球技術(shù)可采儲量在現(xiàn)有1.4×1012t油當(dāng)量基礎(chǔ)上，增加750×108t（增幅5%），相當(dāng)于當(dāng)前全球年油氣消費量的10倍（圖3）[8]。

圖3 數(shù)字化技術(shù)對全球油氣技術(shù)可采資源量的影響

2.1.1 提高儲層認(rèn)識優(yōu)化生產(chǎn)，增加油氣發(fā)現(xiàn)和可采儲量

將機器學(xué)習(xí)、大數(shù)據(jù)分析等技術(shù)成功用于地震數(shù)據(jù)解釋、地層屬性分析，特別是直接用于薄層油氣藏解釋、直接烴類指示等方面，可以減少地震解釋的不確定性，提高油氣發(fā)現(xiàn)率。殼牌公司利用人工智能配合高性能計算技術(shù)，應(yīng)用海量地震數(shù)據(jù)生成詳細的可視化圖像，更快、更準(zhǔn)確地定位油氣資源，在美國墨西哥灣Deimos油田復(fù)雜構(gòu)造鹽下發(fā)現(xiàn)了超過1.5×108bbl的石油儲量，打破了該地區(qū)枯竭少油的觀念。

油氣開發(fā)的儲層壓力隨著時間推移和開采方式的發(fā)展而改變，預(yù)測最優(yōu)的操作決策非常具有挑戰(zhàn)性?？仆貒沂凸緲?gòu)建了基于數(shù)據(jù)分析和人工智能的油田地上地下一體化的智能工作平臺，進行油田中長期產(chǎn)量預(yù)測、注水優(yōu)化及生產(chǎn)參數(shù)優(yōu)化。工作流程為：（1）采用數(shù)字化工具記錄生產(chǎn)歷史，方法主要包括節(jié)點分析、遞減曲線分析、虛擬計量和數(shù)值模擬等；（2）采用統(tǒng)計分析工具監(jiān)測實時生產(chǎn)狀況，方法主要包括線性回歸、蒙特卡洛等；（3）利用人工智能技術(shù)進行短期預(yù)測，主要方法包括模型識別、神經(jīng)網(wǎng)絡(luò)、模糊邏輯等；（4）應(yīng)用數(shù)值模擬進行中長期產(chǎn)量預(yù)測。該系統(tǒng)在油田現(xiàn)場應(yīng)用，提高了油氣產(chǎn)量，支撐了科威特石油公司2030年之前實現(xiàn)日產(chǎn)油400×104bbl的戰(zhàn)略目標(biāo)[9-10]。

2.1.2 優(yōu)化壓裂參數(shù)，提高油氣單井產(chǎn)能

非常規(guī)儲層完井和產(chǎn)能優(yōu)化需要進行大量地質(zhì)建模、裂縫模擬和產(chǎn)能模擬。受數(shù)據(jù)、技術(shù)水平和計算時間等因素的限制，目前北美只有不到5%的壓裂井會基于高端模擬結(jié)果進行設(shè)計。斯倫貝謝提出利用云計算進行裂縫和儲層并行模擬，結(jié)合數(shù)據(jù)分析和人工智能算法，建立代理模型，優(yōu)化井距、壓裂段數(shù)、簇數(shù)、流體類型、支撐劑類型、支撐劑粒度、泵注速度等參數(shù)。代理模型是一個綜合預(yù)測工具，可以在幾分鐘內(nèi)幫助工程師完成完井設(shè)計敏感性分析。如果新區(qū)塊的地質(zhì)和油層物理參數(shù)與老區(qū)塊的特征類似，代理模型不需修正即可使用；如果新區(qū)塊地質(zhì)參數(shù)與老區(qū)塊完全不同，則需要重新建立代理模型。代理模型建立流程如圖4所示[11]。在鷹灘頁巖氣井試驗表明，代理模型與實際生產(chǎn)數(shù)據(jù)吻合度達到90%，大幅提高了油氣單井產(chǎn)量。

圖4 代理模型建立流程

2.2 人工智能助力石油工程技術(shù)降本增效

2018年，BP公司發(fā)布的技術(shù)展望報告顯示，隨著人工智能、數(shù)據(jù)分析、傳感器、超級計算等數(shù)字工具得到應(yīng)用，可降低油氣開采成本20%以上[12]。在數(shù)據(jù)采集、傳輸技術(shù)發(fā)展的協(xié)同下，人工智能技術(shù)可以在鉆井設(shè)計、鉆井實時優(yōu)化、井筒完整性監(jiān)控、風(fēng)險識別、程序決策、預(yù)測性維護等方面發(fā)揮積極作用，實現(xiàn)降本增效（圖5）。

2.2.1 優(yōu)化鉆井參數(shù)，提高機械鉆速

圖5 人工智能技術(shù)在石油工程降本增效中的應(yīng)用

為了提高實鉆井眼軌跡與預(yù)設(shè)值的吻合度，減少后期糾正井眼軌跡的工作量，同時降低鉆井成本。Oceanit Laboratories Inc和殼牌公司合作研發(fā)了智能定向鉆井系統(tǒng)[13]，該系統(tǒng)通過采集包括鉆頭、大鉤載荷、重力工具面、磁性工具面、井斜數(shù)據(jù)、鉆壓與轉(zhuǎn)速、立管壓力、機械鉆速等鉆井歷史資料，將有效數(shù)據(jù)存儲在鉆井日志和錄井?dāng)?shù)據(jù)中，收集的鉆井參數(shù)通過篩選、過濾、歸一化，選擇適當(dāng)?shù)膮?shù)用于構(gòu)建和訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)利用強化學(xué)習(xí)方法來細化訓(xùn)練歷史數(shù)據(jù)，通過自主學(xué)習(xí)模擬施工人員日常操作，訓(xùn)練后的人工神經(jīng)網(wǎng)絡(luò)可以最大限度地減少井眼軌跡偏差，減小井眼彎曲度，提高鉆井機械鉆速。在美國二疊紀(jì)盆地，利用14口水平井定向鉆井?dāng)?shù)據(jù)，基于當(dāng)前工具面、鉆壓、鉆井液排量、機械鉆速、壓差、旋轉(zhuǎn)扭矩預(yù)測未來的壓差和旋轉(zhuǎn)扭矩，經(jīng)過180萬個訓(xùn)練步驟后，壓差預(yù)測誤差僅為0.21%，扭矩預(yù)測誤差僅為2.72%。

2.2.2 預(yù)測鉆井液漏失，減少非生產(chǎn)時間

油氣鉆井過程中，鉆井液漏失會造成很大一筆成本支出。密蘇里科學(xué)技術(shù)大學(xué)采用機器學(xué)習(xí)的方法，準(zhǔn)確預(yù)測伊拉克Rumaila油田Dammam地層鉆井過程中的鉆井液漏失體積、ECD和ROP等參數(shù)[14]，與傳統(tǒng)方法相比，該方法預(yù)測精度與實際情況更吻合。該方法步驟如下：（1）從鉆井技術(shù)日報中收集500口井的關(guān)鍵鉆井?dāng)?shù)據(jù)。（2）利用最小二乘法回歸方法創(chuàng)建ECD、ROP和鉆井液漏失模型。（3）對所有參數(shù)進行測試，找出模型中需要的重要參數(shù)。該過程采用變量重要性（VIP）測試關(guān)鍵參數(shù)，假設(shè)VIP閾值為0.8，如果關(guān)鍵鉆井參數(shù)的VIP值超過0.8，則在模型中需要考慮。在過濾掉低相關(guān)系數(shù)的鉆井參數(shù)后，模型中各鉆井參數(shù)的相關(guān)性系數(shù)將重新計算。（4）在VBA中對影響鉆井液漏失、ECD和ROP的參數(shù)進行敏感性分析，目的是測試哪些參數(shù)對模型影響最大。

3 我國油氣公司發(fā)展石油工程領(lǐng)域人工智能的建議

目前，我國油氣公司石油工程業(yè)務(wù)正處于轉(zhuǎn)型發(fā)展的關(guān)鍵期，建議把握住歷史機遇，堅持技術(shù)創(chuàng)新與推廣應(yīng)用，從公司經(jīng)營、數(shù)據(jù)融合與共享、技術(shù)戰(zhàn)略布局、政策保障等方面發(fā)力，搶占未來發(fā)展制高點。

3.1 積極應(yīng)對人工智能推動石油工程產(chǎn)業(yè)升級帶來的挑戰(zhàn)，提升上游核心競爭力

人工智能對石油工程產(chǎn)業(yè)不僅是機遇，也會帶來挑戰(zhàn)。我國油公司石油工程業(yè)務(wù)競爭優(yōu)勢在于產(chǎn)業(yè)鏈全、人力成本低，在智能化轉(zhuǎn)型過程中，這些優(yōu)勢可能被削弱，需要加快推動石油工程生產(chǎn)服務(wù)、裝備制造等全流程和全產(chǎn)業(yè)鏈的綜合集成，充分挖掘人工智能在鉆完井作業(yè)智能化、裝備制造智能化、油田勘探開發(fā)一體化中的作用，提升上游核心競爭力。

3.2 搭建統(tǒng)一的大數(shù)據(jù)和云計算平臺，實現(xiàn)數(shù)據(jù)一體化融合

智能化轉(zhuǎn)型過程中，數(shù)據(jù)成為重要資源。需要在公司內(nèi)部建立統(tǒng)一的石油工程人工智能大數(shù)據(jù)和云計算平臺，通過油田分公司、油田服務(wù)公司與科研機構(gòu)的共同參與，加強石油工程各環(huán)節(jié)的數(shù)據(jù)共享，打破數(shù)據(jù)孤立分散、相互隔絕的局面，通過不同專業(yè)和部門之間信息數(shù)據(jù)共享，實現(xiàn)一體化數(shù)據(jù)融合。要規(guī)范數(shù)據(jù)的采集、傳輸、存儲、轉(zhuǎn)換、集成和應(yīng)用，提升數(shù)據(jù)一致性和可靠性，協(xié)同推動智能裝備、技術(shù)和產(chǎn)品的研發(fā)，通過系統(tǒng)集成實現(xiàn)產(chǎn)業(yè)化。

3.3 強化科技創(chuàng)新力度，逐步構(gòu)建石油工程人工智能生態(tài)系統(tǒng)

研究石油工程人工智能發(fā)展戰(zhàn)略，制定人工智能與石油工程融合發(fā)展的技術(shù)路線圖，明確發(fā)展方向、目標(biāo)和路徑。采用“以點帶面、點面結(jié)合”的策略，首先開發(fā)開放的石油工程人工智能應(yīng)用軟件平臺，再針對容易實現(xiàn)的單一石油工程人工智能子領(lǐng)域開展研究，最后集成各單項技術(shù)形成石油工程人工智能生態(tài)系統(tǒng)。近期，建議單項技術(shù)重點攻關(guān)四維地震、地質(zhì)工程一體化、鉆井參數(shù)優(yōu)化、鉆井風(fēng)險預(yù)警、油藏智能導(dǎo)鉆、完井參數(shù)優(yōu)化等技術(shù)。同時，做好人工智能算法、石油工程人工智能技術(shù)標(biāo)準(zhǔn)體系等基礎(chǔ)研究，盡快突破技術(shù)瓶頸。

3.4 加大內(nèi)部政策扶持力度，加速推進人工智能體制機制和人才梯隊建設(shè)

充分利用國家和行業(yè)相關(guān)扶持政策，積極開展“人工智能+石油工程”的融合，探索以科研院所和石油工程現(xiàn)場作業(yè)和施工單位為依托，與阿里巴巴、華為等國內(nèi)頂尖信息企業(yè)、高等院校聯(lián)合籌建石油工程人工智能技術(shù)重點實驗室，提供專項資金支撐石油工程智能業(yè)務(wù)發(fā)展。同時，加快石油工程人工智能技術(shù)人才梯隊建設(shè)，通過吸引海內(nèi)外高層次人才和創(chuàng)新團隊，在系統(tǒng)內(nèi)培養(yǎng)既懂專業(yè)、又掌握人工智能技術(shù)的人才，形成結(jié)構(gòu)優(yōu)化的石油工程人工智能人才梯隊。