隨著計算機科學的飛速發展,人工智能新技術的算法和模式以其獨特的優勢,成為了石油勘探技術發展的新助力,實際應用包括據自動采集、智能生產優化與智能決策、勘探過程實時監控等,正以不可阻擋的力量推動石油勘探向自動化、智能化、精細化的高質量躍升。
數據采集自動化
數據采集是石油勘探過程中的首要環節,但是往往儲集層有非均質性、探測對象十分復雜以及測井作業環境多樣化、復雜化的特點,這就給井下地層參數采集、測井數據傳輸提出了更高的要求,此時人工智能技術和算法充分發揮其自動化優勢充當了“潤滑劑”的角色,實現地球物理數據的自動采集和實時傳輸。
一方面,采用人工智能算法驅動的無人機、電子巡檢代替人工作業,引入了新的測量方式和工作模式實現無人值守的自動化勘探數據采集;另一方面,借助物聯網、工業互聯網、云計算、大數據、人工智能、5G通信和邊緣計算等技術構建標準化地球物理數據采集平臺—基于物聯網的地球物理數據采集系統,實現了數據采集終端(傳感層)與數據存儲管理和處理分析系統的互聯互通,為后續的實時數據處理和分析解釋奠定基礎。數據的自動采集和實時傳輸也有助于提高作業過程參數選擇的科學性,例如,在鉆井過程中,特定巖層中使用的鉆頭、巖石強度數據、地質特性和鉆頭在該類巖石的常規鉆速,應用經過訓練后的人工智能模型或算法,當用戶輸入地理位置數據、地質數據、巖石力學數據和已鉆井數據后,即可輸出推薦選擇的鉆頭類型以及該鉆頭的性能預測和使用指南。與此同時,用戶輸入的數據會進入到數據庫中,繼續參加數據訓練,充實數據庫用以支持后續的參數選擇。
由此可見,引入人工智能可以有效助力自動化、實時化、高效化、科學化的勘探數據采集。
巖相聚類識別流程
石油勘探決策智能化
油氣儲集層地下條件復雜多變,油氣勘探有利區段的優選、儲產量計算、工程設計參數選擇等石油勘探過程中諸多決策需要綜合考慮多種因素。目前,數據挖掘和數理統計等分析技術在石油勘探開發領域的應用較為成熟,并廣泛應用到測井曲線解釋、儲集層參數預測、流體性質識別、巖相識別、裂縫識別、自動井位優化等領域,自動處理解釋智能化分析處理軟件也應運而生。
機器學習中的聚類分析在巖相劃分中的有效應用就是一個很好的實例。聚類就是按照特定標準把一個數據集分割成不同的子集或類別,使同一個類別的數據對象的相似性盡可能大,不同類別的數據差異性也盡可能大。巖相聚類識別流程較為簡單,首先盡可能收集巖相相關的數據,并且可以構造反映巖相新的特征參數,將數據進行相關的數據預處理之后,選擇適合數據集的聚類算法和類別數量,最終根據準確度確定聚類的模型,并根據實際生產數據不斷調整聚類的參數。最后,就可以通過模型實現巖性的自動識別分類,有助于獲取地層信息和勘探開發決策。
不僅僅是巖相聚類識別,人工智能在助力石油勘探智能決策方面的廣泛應用顯現出了更多的優勢。一是提高人工解釋處理的效率,優化人力資源,節省人工成本;二是不斷優化油田生產歷史數據的整體開發效果,提升整體石油工程的油田產量;三是采用人工智能技術可以更合理地選擇層位、施工井,逐漸優化壓裂施工設計方案,確保石油工程作業方式更加精確。
數字化轉型“利器”
石油分布的環境十分惡劣,而油田生產領域所使用的設備又非常多,如果這些設備長期處于這樣的惡劣條件,可能出現故障。人工智能和大數據在油田生產領域的出現可以有效對井下環境加以全面分析并預測鉆井時出現的異常情況,有效消除計劃外停機的次數,進而對設備運行、維修成本實現有效控制。另一方面,鉆井井壁失穩是危及到井下施工人員生命安全的一大安全隱患,但人工智能可作為橋梁,例如通過大數據分析和強大的云計算功能,可以通過現場傳感器監測的數據實時返回到云端進行處理分析,以搭建自動化與最優化的通道、實時快捷預測井壁失穩風險,有效縮短鉆井周期,減少井下事故發生的幾率。
隨著深度學習、自然語言處理、語音識別、強化學習等技術在機器人中的不斷成功應用,工業機器人逐漸走向成熟。越來越多的石油公司開始使用機器人代替人類進行危險作業。目前,機器人已經成功應用到了管道巡檢、深水作業、高危作業等領域。無人機技術逐漸在石油勘探開發領域應用,尤其是物探領域,可實現地質探測、數據采集、視頻監控、物資投放、工程救援等工作。同時,由于專業軟件的嵌入應用,石油勘探開發生產裝備的智能化水平越來越高。未來,嵌入物聯網、機器視覺、深度學習等技術的智能生產裝備將大大降低生產成本,提高生產效率,保障人員安全。
當前,我國正加速推進油氣全產業鏈改革,以實現安全、高效、創新、綠色的油氣開采,這給傳統油氣行業帶來新挑戰,人工智能無疑是油氣行業實現全面數字化轉型的“利器”,當石油勘探遇見“人工智能”,如何發揮好這把“利器”的作用,給我們提出了更多的思考和發揮的空間。
本文原載于《中國礦業報》5月21日4版
圖文如有侵權,敬請聯系刪除