logo
专注油气领域
与独立思考者同行

稳住!别被人工智能之风吹乱了阵脚

【石油科技】稳住!别被人工智能之风吹乱了阵脚

数最热词汇,还看“人工智能”。眼下AI成风,小编却想从另一个角度论英雄。

来自 | E&P
编译 | 张德凯

生产工程师和油藏工程师常年接受油气消防知识学习和培训,由此掌握了一系列提高井控效率的方法。油气设备的连续高效运营是一项巨大的挑战,需要繁琐的操作和维护工作,工作人员还必须具备在复杂流程中理清工作流程和状况的能力,达到产量最大化、维持资产完整性、提高采收率的目的。

直至最近,油气上游公司开始大规模对油气项目和钻井作业投资。然而,当前油价仅维持在50~55$/bbl,油气公司对于钻探项目投资的热情又降至了冰点。一些需要大量资金的项目,或是因公司并购、资产剥离等取消,或是因预算削减而不得不推迟作业。

可想而知,为了控制成本,油气工程师的压力非常大,他们必须能够有效预测生产故障的发生,实现油气开采的灵活、前瞻性控制,同时还要对当前设备的运行状况有全面、实时的了解,以便及时做出生产决策调整。

那么,有哪些方面的技术能够帮助油气工程师实现以上期望呢?

在油气作业还充斥着非连续性数据时,“以更短的时间完成更多的任务”一直是油气工程师追求的目标;之后,人工智能和机器学习技术凭借其更高的操作效率逐渐进入油气行业。以上两种技术能够显著加深我们对油气作业的认识,但同时,将这两种技术用于油气设备和井筒时,执行过程却需要耗费大量的时间才能适应油田具体状况;当作业状况发生变化时,这两种技术的适应能力也略显不足。

此外,在以上两种技术的应用中,工作人员还要不断地对其进行完善和改进,由于相关工具、软件非常复杂,目前此类工作大多由数据科学家来完成。另外,应用环境、操作人员的经验以及一些隐性知识经验的影响也不可忽略。即使已经确定某个人工智能方案可用,也必须由操作专家来进行项目的控制。

如果仅将人工智能视为作业信息数据库,那么它便不再独一无二(如流量监测、井筒&井下模拟、生产数据等)。目前来看,油气行业采用的人工智能方案内容已经非常臃肿,油气工程师们认为,与其增加更多功能,简化和巩固现有功能,并在此基础上挖掘一些新的功能,更易达到智能运营的目的。

智能运营

在油气作业中,数据随处可见,SCADA数据、生产核算信息、钻完井数据、设备维护/稳定性信息、井口数据、各种数据表格等,体量非常庞大,包含各类数据的项目名单可以说要多长有多长。但在实际作业中,对油气工程师来说,并不是数据越多就能发挥更大的作用,数据多也不代表油气开采优化效果会更好(正如一句格言所说,“you can’t optimize what you don’t measure”);同时,在某些情况下,大量数据还会起到相反的效果,因为数据的测量、捕获系统不同,数据的离散型很强,非常杂乱。

显而易见,知道哪些数据是必须的,了解如何利用这些数据就变得非重要,很多时候这都是非常大的挑战,很典型的,对于生产工程技术人员就是如此。这就是为什么我们要努力提高个体工作效率,从而提高团队效率的目的。建立一个包括所有信息的集中数据参考模型,工程师就能快速的找到他们需要的数据,工作流的稳定性和效率都会更高。

在建立模型后,油气行业需要逐渐添加数据解译(计算)、诊断(分析)和监测(复杂事件处理及提示)功能。增加这些功能后,工程师就能够自主处理数据,并且运用掌握的知识和经验处理相关问题,而无需像以前一样,必须找IT人员进行数据的解译等工作,效率显著提高。

可以说,以上方案将传统的被动、点对点式,并且有些保守的突发状况应对措施,调整为主动、自动检测(带有自主诊断功能)模式,为油气行业作业与生产优化打开了新世界的大门。

在此类定制化系统的帮助下,只需一名工程师就能同时监测多种突发状况。当发生重大事件时,操作人员可以进行具体问题的单独诊断显示,以进一步分析生产问题发生的原因。以上所有的操作都是在工程师自主了解及解译数据的基础上进行的,之后就可识别问题的主要诱因,消除风险,减少故障持续时间。相比于传统方案,此方案更加快速,效率更高。

可以说,人工智能和机器学习是数据、认识和事件的新来源。而在过往的经验中,油气行业在利用这两种技术时却忽略了商业活动中人类智能的重要性。

以下是单独数据环境和基于异常的监视过程来源。

单一数据环境将不同来源的收据进行收集,之后将这些数据关联,建立设备的数据模型,为油气工程师提供一站式的自主服务,以便建立规则,进行关键部分的分析。与之相比,建立在异常模型基础上的监测服务对所有公司财产进行全天候监测;当系统定义的故障发生时,系统会自动触发警报,在此系统的帮助下,操作人员就可以在更少的时间内完成更多井的监测任务。

例如,产出水中的盐类、水垢、石蜡等会逐渐堆积,形成体积过大的异物。异物的积累过程发生的非常缓慢,但如果不能及时处理(酸处理),将会导致生产问题。这个问题在油田非常常见,尤其是当操作人员只以随时间变化的现场数据、注入曲线和注入压力-流动状态SCADA数据为主要依据时,异物堵塞相关问题的发生几率更高。

若采用新型的运营智能工具,操作人员只需建立一个警报触发规则,在问题发生累计、严重事故出现之前发出警报,使现场能够有足够的时间进行干预作业的准备工作,确保生产速率长期处于最高位。

虽然人工智能技术已经相对成熟,但对于项目专家来说,优化开采、克服生产设施的束缚等方面还有进步的空间,生产优化还有机会得到进一步改善。建立一个有效的自主运营智能方案能够带来立竿见影的效果,而后将获得的数据重新投入人工智能应用中,也能进一步提高相关技术的效率。毫无疑问,人工智能技术的应用为油气行业带来了巨大的效益和更加广阔的前景。

通过智能运营的自主处理功能,模型专业经验、专业知识会进一步巩固、累计。在运营智能环境下,通过合理利用数据和一些事件,人工智能和机器学习在处理某一问题时会更加全面。

如果在正确的时间将所有的数据集中,交付于合适的人,再采用适合的系统进行处理,那么数据的作用将被最大化,油田收益也将随之提高。商业活动应该确保上述策略的运行,让模型专家获得更多的信息,并以此建立人工智能方案的数据基础,为油气开发商带来更大的收益。

人工智能除了能带效益巨大的智能运营,还能在相同数据源的基础上,帮助工程师和操作人员更加深入认识油气作业,带来工作的效益增长机会。

您也有让人挠头的难题需要解决,或是优质技术想要找应用市场吗?如果有的话,欢迎联系小编微信或邮箱,也许能找到一剂良药。

二丫:131-3255-0596;zhanglingyu@fonchan.com

For English, Please click here (展开/收缩)

未经允许,不得转载本站任何文章:

评论 1

  1. #1

    匿名4年前 (2017-08-23)回复