logo
专注油气领域
与独立思考者同行

【石油科技】机器学习:打入传统行业的一波新操作

机器学习:打入传统行业的一波新操作

机器学习技术能够将软件的模拟功能与设备的历史数据结合,通过计算分析,有效预测设备的故障发生,操作人员即可及时采取措施,避免故障发生。

来自 | E&P
编译 | 张德凯

如果问油气开发作业人员,最希望哪个设备的稳定性达到最佳,答案通常是压缩机。

Aspen Technology是一家设备设施优化软件供应商,该公司能源业务市场总监Ron Beck说:“压缩机的首要功能,是增加天然气或空气的压力,从而使其流动速率增加。”

但在油气作业中,设备故障不可避免,所以一些油气开发商开始接纳机器学习技术,这里的机器学习主要指利用软件来搜集数据、识别问题,并对可能发生的故障进行预测。机器学习主要通过数学推倒(一系列计算和自动推理)实现以上功能,帮助开发商发现并解决潜在的问题。

机器学习的采用也标志着油气行业对于新兴数字技术的采纳和认可。相比于常规手段,数字技术效率更高、更划算,在油价剧烈波动的当下对油气生产的辅助作用非常大。

Beck说:“目前看来,相对于其他新兴技术,油气公司对于机器学习类的数字技术接纳速度更快,同时也带来了不错的效果。”

墨西哥湾一家LNG公司在为其LNG工厂寻求压缩机维护方案时,采用了AspenTech公司的Mtell软件。正如AspenTech官网所言,该软件能够识别数据类型,同时还可作为压缩机未来一段时间运转状况的预报器。在识别数据类型后,可实时监测压缩机工作状况,当同类问题再发生时即可自动监测报警。

Beck说:“Mtell合理利用压缩机历史维护数据,在此基础上,该软件可精准列出每个问题对应的特殊状况,并将这些结果联机显示,操作人员在问题发生时就能及时发现。”利用Mtell软件,该公司还降低了严重压缩机事故发生的几率,减少了意外停机时间及维修作业,延长了整套设施的连续运转时间,对压缩机系统有了更深刻的理解,其他零配件的使用及相关成本也显著降低。

Beck说:“位于英国Bedford的Aspen Technology生产基地主要为能源领域的化学品、工程等提供产品和服务,数字油田项目是当前最紧要、最热门的业务。”

他说:“已经有多家大型油气公司使用了Aspen Technology的软件技术,对于井下钻进作业的了解更加透彻。试想,当钻杆发生卡钻、岩层破碎、震动等问题时,通过一次下钻来解决可能要花费100万美元,作业必须在停机状态下进行,而且此类问题必须彻底解决才能进行下一步的钻进作业,钻井作业压力可见一斑。”

“我们的技术在此类情况下非常耐用,尤其是在旋转设备存在的情况下,如泵、压缩机等。”

在历史数据的基础上,机器学习能够从根本上帮助操作人员预测设备故障,这对于作业时间和成本的节约都是非常重要的。同时,大量的数据,或称之为大数据,是该技术应用所必须的。

但是,在数据缺乏的状态下我们应该怎么办呢?其实相比于油气行业的悠长历史,机器学习和大数据技术正处于快速发展中。

Beck承认,当前该技术的应用还存在一大挑战。“Mtell收集的数据并不总是足够,这与我们的设计方式有关。而对于机器学习来说,为了能够更好地工作,大量的数据是必须的,如果数据不够充足,就难以发现故障发生的相关模式等信息。”

“这就是为什么我们采用了列分析技术。”列分析是一种将预测模型与采集数据结合的软件工具。

Beck解释道:“我们的模型已在油气行业应用多年,效果得到了全行业的认可,现在我们要做的就是将我们的模型与收集的数据结合。通过模型与数据的结合,我们就能尽可能多地得到设备运行或油气开采实时信息。在此基础上,操作人员就能采取相应措施,避免故障的发生。”

Beck说:“机器学习在一些领域可能会非常有效。AspenTech与Petroleum Economist曾联合进行了一项关于数字分析技术的调查。该调查中有一项问题是,数字分析技术会在哪些领域取得最显著的短期收益?得到的答案涵盖了泵、热交换器、压缩机、塔、深水模块等内容。”

Beck说:“大多的运营商都有足够的经济能力解决一些琐碎的问题,例如,North Slope油田的一位开发商在使用了AspenTech软件和技术后,对于气举系统的压缩机功率有了更深刻的理解。”看着为大型独立及联合油气公司准备的软件功能展示幻灯片,Beck说:“众多的油气公司正在讨论如何利用数据分析技术来提高油田的运营、开采效率,其中就包括了Permian盆地。”

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 抢沙发