logo
专注油气领域
与独立思考者同行

一文看懂石油上游数字化技术及应用

http://www.oilsns.com/
数字化转型不仅是企业5-10年、甚至更久的长远战略规划,也是一个个具体数字化行动的落地。

作者 | 许自强

如今,数字化转型已经成为油气行业降低成本、更快更好地做出决策、提高效率的重要抓手之一。国际数据公司IDC对数字化转型的定义:利用数字化技术(例如云计算、大数据、移动、社交、人工智能、物联网、机器人区块链等)和能力来驱动组织商业模式创新和商业生态系统重构的途径和方法,其目的是实现企业业务转型、创新、增长。数字化核转型的核心是业务的转型。

石油行业数字化转型的主要技术,无外乎云、大、物、移、智(云计算、大数据、物联网、移动互联网、人工智能),再加上数字孪生技术。

这些技术听起来挺高大上,感觉离我们相距甚远。事实上,这些技术与油气行业息息相关,只是相对于消费领域来说,油气行业的数字化转型慢了,所以才给人这种印象。区块链技术的的应用目前看来集中在能源交易、炼化等方面,对于上游的勘探开发还没见到有大的动静,因此暂不展开描述。本文将着重探讨石油行业上游数字化转型的主要技术,以及目前的应用情况


01. 云计算、云存储、平台化、生态化

云计算把许多计算资源集合起来,通过软件自动化管理,解决了物理机使用效率低、成本高的缺点,理论上计算和存储资源可以看成是无限扩展的。传统的做法是购买集群,比如CPU集群、GPU显卡,与云计算相比,这种做法的缺点是持续投入,成本较高,机器资源利用率低,运算高峰时算力永远跟不上算法的改进更新,换句话说,算力永远不够用,而同时机器又不是永远在满负荷运行。很多新技术不能用或者用不起,还是受制于算力不足,随着勘探开发的数据向PB级迈进,包括新技术应用对现有运算能力与存储能力提出新的挑战,因此采用云计算是数字化转型必须面对的。

http://www.oilsns.com/
在国外很多油服公司已经采用云计算,例如斯伦贝谢旗下的OMEGA地震处理软件用的就是GOOGLE云,钻井软件平台用的是微软Azure云,帕拉代姆也用的是微软Azure云。跟国外相比,国内的油服公司采用云计算的几乎没有。因此在算力竞争上,我们与西方大的油服公司存在较大差距。2019年9月18日,华为云部署了全球最快的AI训练集群Atlas 900,它由1024颗昇腾芯片组成,算力达256P~1024P FLOPS(单位每秒/千万亿次),它一套集群算力就相当于几百个中型数据处理中心的全部算力,未来与国内的IT企业合作或许成为国内石油企业进行数字化转型的一个选择。

在数字化转型方面,建立勘探开发生产一体化的云平台,进而建立一个生态系统,进行智能协同研究,是国内外大的油气公司和服务公司共同的目标。如果说云计算实现了硬件的云化,那么建立云平台,相当于进行软件的的云化。传统的勘探开发生产模式是各个环节都用专门的软件,各个专业人员也是各自为战。实际上软件种类繁多,数据格式也不统一,每个业务环节数据的交换非常不便,而上下游产业链的业务环节往往是有重叠交叉的。因此软件多、系统多、数据孤立、研究重复,需要建立一个统一的技术平台,这个平台要实现勘探开发生产等数据的互联互通,技术上实现标准统一,技术互通融合,各个专业软件的数据在这个平台下也能实现数据自由通讯,而不同专业人员可以在一个平台上进行协同研究。

在国外,斯伦贝谢建立了基于PaaS云平台的DELFI勘探开发认知环境,支撑E&P全业务链协同的共享和智能化研究。而在2019年8月23日,斯伦贝谢宣布将开放其数据生态系统,意图打造油气行业的安卓系统。在这个DELFI平台上,石油和天然气公司可以部署自己的应用程序,在开源的情况下,斯伦贝谢的数据生态系统将实现跨企业数据源、数据控制和集成的快速改进,并促使供应商和学术界可以贡献他们的软件代码并推广他们的数字解决方案。利用DELFI ,斯伦贝谢将勘探生产数据上传到Google的云平台,这其中包括来自全球1000个3D地震、500万口井、100万组录井和4亿组生产数据。

与斯伦贝谢类似,哈里波顿公有云解决方案是建立了一个名为OpenEarth Community的开放社区,由石油公司、服务公司、软件提供商等等共同发起并成立,旨在为勘探开发行业提供开放共享的软件平台,降低成本,加速勘探开发行业的创新,成员包括壳牌、道达尔、CGG、戴尔、红帽等企业,在这个平台上,期望建搭建涉及地震、地质、钻井、完井、数模、举升等等全产业链的业务协同研究环境。

于此同时,国内中石油也不遑多让,2018年11月17日中石油发布了勘探开发梦想云平台,勘探开发梦想云核心是“两统一、一通用”,由统一数据湖、统一技术平台、通用应用和标准规范 体系组成,统一数据湖、统一技术平台是通用应用的基础,标准规范贯穿整个框架,目标是践行“共享中国石油”战略,采用新兴技术,搭建勘探开发业务共享平台,实现全业务链数据互联、技术互通、业务协同,推进勘探开发业务智能化发展。


02. 数据湖、大数据分析技术

大数据不单指数据大,尽管数据量巨大是一个很重要的条件。石油行业大数据也有4V特征:
1. Vloume数据量巨大,包括物化探、钻井、测井、录井、试油、化验等等数据;
2. Variedy格式多样,有结构化的数据,也有非结构化的数据如文档、图片、地理信息数据等;
3. Velocity增长速度快,地震数据已经由TB增长到PB,钻录测井实时数据也在快速增长;
4. Value价值密度低,即单条数据价值其实并不高,而庞大的数据才蕴含价值,比如单独的一道地震波并没有多大价值,然后形成地震体 以后,才能发现规律。

http://www.oilsns.com/
大数据分析是分析所有数据的相关性,包括历史的和实时的数据。大数据分析,对事物的认识由利用传统的规则做因果预测,到现在的全数据统计归纳和学习。大数据是人工智能的基础,现阶段很多人工智能产品是大数据喂养出来的。大数据关键技术是HaDoop生态系统。

为什么要进行大数据分析?传统的分析只利用了一部分信息,再利用已有的规则、经验去预测未来,之所以这么做,是因为以前资源有限,人脑子也不够用,只能进行数据抽稀使用。而石油行业大数据蕴含着巨大的价值,对物探、钻完井、船舶、油田生产等各个阶段进行大数据分析多维度、多时空的统计和类比,能够发现小数据所不能找到的规律和知识,进而预测未知的油气藏或是未来的油气田生产状况。例如利用大数据分析技术,建立已有钻井数据与地震数据的映射关系,利用深度学习等算法,直接得出岩相概率体,指导地质学家找油找气,从而省却了大量的地球物理分析过程。类似的对过往的油田生产历史数据及当前的实时生产数据进行统计类比,可以进行生产调度、安全监测和及时预警报告。

大数据分析目前仍存在诸多难点,数据的整合治理是第一步也是最难的,数据要进行获取存储共享和分析,需要格式统一规范,针对此问题,近期出现了数据湖(DATA LAKE)概念,要进行数据入湖。数据湖的定义没有一个严格的说法,它的作用就是建立一个满足企业涉及的所有数据的存储,不管是结构化的、半结构化还是非结构化的数据,都可以转化并支撑多维度应用,建立数据湖也是有利于在不同专业软件之间进行数据的互联互通,方便各个业务链条进行协同研究。

把所有数据一股脑放到一个“湖”里,期待解决数据孤岛问题,这看上去是很美好和令人兴奋的事,但现实也面临诸数据治理问题,用何种工具和方法论实现等问题,不解决上述问题,数据湖可能变成数据沼泽,因此数据湖能否实现初心,还待时间检验。


03. 物联网技术

物联网是通过各种传感技术(RFID、传感器、GPS、摄像机等)和通讯手段,将任何物体与互联网连接,以期实现远程监视、自动报警、控制、诊断和维护,进而实现“管理、控制、营运”的一体化的网络。其总体目标是要实现信息世界和物理世界的完全融合,以期待资源利用智能化,以少投入多产出的生产方式,产生高的经济效益。

http://www.oilsns.com/
在国外,BP建立了e-field物联网,利用新技术整合业务流程,对勘探、开发、生产到销售进行实时、连续、远程监控管理;壳牌开发的Smart Fields技术将数字化技术与钻井、地震及油藏监控技术集成以提高产量和生产效率,油田可以实现无任何管理,工程师可以进行实时监控远程控制。

在国内,中石油“十二五”期间建立了“油气生产物联网系统(A11)”,通过这个油气物联网,实现了部分环境恶劣的油田生产站点无人化值守,人员精简效率和效益得到大幅提高。油气物联网的建设,提高的不仅是生产效率,降低了用工成本,为企业创效,它还体现了对员工的关怀。

陆地油田的员工不愿长期在沙漠戈壁、人烟稀少的地区工作,同理长期让员工在海上工作,可能也不是每个海油人愿意的。采用物联网技术,海上油田勘探开发生产各个环节都可以部署大量的传感器,自动搜集各种数据信息,这样油田生产中传统的经验管理、人工巡检和预警,转变为智能管理、电子巡检、自动故障预测预警,这将减少海上油田生产的用工成本,消除安全隐患,降低安全风险。采用物联网技术,可以助力建设无人平台、智能船舶(物探、勘察、钻井)等等。


04. 移动互联网技术

手机上的app,不仅可以购物娱乐社交,同样对于石油行业来讲,也可以开发地球科学的应用程序。个人电脑、手机、平板电脑都可以进行办公,随时掌握设备、人员、物料的动态信息,利用手机可以实时监测分析油田生产数据变化,手机也可以操作地震采集、处理的作业。通过移动通信方式,数据采集处理、生产作业、监控巡查等等方面都能进行可视化操作。

http://www.oilsns.com/
现在特别需要注意的是5G通讯技术的发展,这给社会带来的变化将是革命性的。

5G意味着什么?每秒1G的传输速度,那么一天一个终端可以接收100T的数据,相当于一个1000平方地震工区的地震数据大小,用十台终端就是个把小时的传输时间。有这么快速的数据传输,那么地域将不是异地协同研究的阻碍,湛江处理的地震数据,分分钟可以传到天津进行分析。5G的应用将使得VR、AR没有了带宽限制,5G+可穿戴设施,远程身临其境的的沉浸式办公将会实现。利用移动通信技术,专家进行远程协助,快速发现、解决现场问题,做到“足不出户,决胜千里之外”。在海油陆地上工作这些应该不难实现,问题在于海上的互联网带宽和信号强度至今还受限制,离陆地远了手机没信号了,靠海事卫星带宽又不够,能否建立中继站解决这些问题,值得后续观察。


05. 人工智能技术

人工智能技术往往跟前面四项技术是密不可分的,这些技术之间也是互相嵌套着。人工智能技术三要素包括算力、算法和数据,有了云计算和平台,有了大数据,再加上机器学习算法,就奠定了人工智能的基础,人工智能往往与大数据分析合在一起说。现在国内外都在建勘探开发生产一体化平台,最终目的都是自动化、智能化。油田生产最终将由建设数字油田过渡到建设智慧油田。建设智慧油田可以实现设备管理优化、生产流程优化、能耗管理优化和预测性维护。

http://www.oilsns.com/
在油气勘探开发生产过程中,存在着大量的机械重复性的人工交互操作,这些耗费了相当大的人工成本,仍以地震资料处理为例,地震数据整理、速度解释、初至波拾取、参数测试、层位追踪、断层解释等等至今仍以人工为主,这些是“低价值”的工时,却占了70%的时间。这还是显性的人工成本,另外一个隐性人工成本就是人类学习知识、经验传承的成本,这个是看不到的,一个成熟的技术人员需要几年才能掌握知识积累到经验。油田服务行业的人工智能发展,首先完成的是不同业务上交互操作的自动化,然后再到工作流程的自动化,这两化消除或减少人工机械性、繁杂重复性的工作,让人专注于诸如流程制定、质控、决策等高价值的工作,最后实现整个业务系统的智能化。

人工智能在地震资料处理、解释、储层预测和烃类检测中已经开始展开研究,并取得了一些成果,比如速度和初至波自动拾取、地震层位和地震相自动解释等等,然而现阶段这些人工智能技术还是处在单项功能上的进步上,不仅没有成规模的应用,更没又发展到到工作流程的自动化,因此仍处于摸索阶段。

自2006年深度学习算法取得突破之后,人工智能几乎就等同于大数据+深度学习。然而近些年深度学习发展遇到了瓶颈,人们发现其学习后是“有结果没常识”,知其然不知其所以然。2012年谷歌发布了知识图谱技术,知识图谱是以结构化的形式描述客观世界中概念、实体及其关系,将信息表达成更接近人类认知世界的形式。再后来人们结合深度学习和知识图谱、自然语言处理等技术,发展出了认知计算系统。认知计算具有理解、推理、学习迭代和与人互动能力,它是通过认知技术来增强人类的认知能力,加速提升人类专家经验,解决现实世界问题。IBM的沃森认知系统可以看做认知计算的代表。IBM沃森认知系统已经在勘探开发、油气生产、工程技术等方面有成功的案例,比如数据驱动测井自动解释、地震认知解释系统、油藏类比分析系统、井下作业认知顾问、钻井卡管预测、钻井风险预测认知分析和油田工程建设认知助手等等。认知计算加快了知识和经验的扩散,提高了专家认知和决策能力,实现了专家知识和经验的沉淀,提升工作效率和水平,降低了勘探开发中的遇到的风险。

除了IBM的沃森,斯伦贝谢的DELFI勘探开发云平台、中石油的梦想云平台和E8认知计算分析平台等等,都在致力于开发油气行业的认知计算技术,让油气行业真正实现智能勘探开发和生产,从而实现智慧油田。

以上是人工智能软(软件)的方面应用,在硬的方面,有一些不适合人类做的高风险作业,比如海上平台外部结构维护,需要工人用绳索吊在平台外作业,可以寻求使用智能机器人来完成。


06. 数字孪生技术

今年4月巴黎圣母院烧了,修复工作也立刻被提上议程。幸好,美国瓦萨学院的艺术历史学家安德鲁·塔隆在2014-2015年期间,通过使用激光扫描仪创建了一个完美无瑕的大教堂的数字模型。通过这个数字模型不仅建立起大教堂的三维图像,巴黎圣母院已经在虚拟世界中得到永生,数字模型或许也能够帮助巴黎圣母院的修复,让其“重生”。

http://www.oilsns.com/
什么是数字孪生技术?

2018年数字孪生概念爆红,其实最早阿波罗登月时就有类似数字双胞胎的技术,阿波罗13号救援队通过使用镜像系统来探索开放空间和模仿宇航员回家。数字孪生(Digital Twin)是指以数字化方式再现一个物理对象,模拟对象在现实环境中的行为,对工艺过程乃至整个供应链进行模拟计算。从仿真的视角,可以将数字孪生理解为:针对物理实体建立相对应的虚拟模型,并模拟物理实体在真实环境下的行为。

油服各种装备建造和服务,首先也可以先进行仿真建模,再投入生产,数字孪生技术当然可以应用其中。数字孪生更重要的是模拟一系列工艺流程,海上油田生产,一经开始就不能轻易关井停产,然而各种作业调整、设备维修、检测、防护及突发事件往往又影响到实际生产,因此数字孪生技术可以在不涉及物理实体的情况下对上述情况作出仿真模拟,以确定应对决策方案。

以BP公司油田生产模拟与监控系统APEX举例。石油从海底岩石流到井筒与立管,再流入复杂的石油管道网络,最后留到原油加工基础设施,期间的石油的流动路径千万条。石油工程师每天都要选择,利用繁琐的计算,确定打开哪些阀门,施加哪些压力,注入多少水。以往这些操作都需要个人的技能经验,决策制定既复杂又冗长,还存在巨大风险。而现在利用孪生体模拟与监视系统,能够以数字形式重现真实世界设施的每个元件,快速模拟即将发生的事情。以往需要进行某条管道维修,这在以前意味着减产,但该系统模拟了这一过程,并展示了如何准确地重新安排流动路线,以及以何种流速输送原油,从而避免了停工减产。它还可以用于安全地测试“假设”情景,通过将模型与实际数据配对,每小时都可进行异常情况的检测,并且可以模拟分析作业的影响因素,以向工程师展示如何调整流速、压力以及其他参数,从而安全地优化生产。

数字孪生技术,在海洋石油领域最重要的应用,应该算建造无人平台。建造一个跟实际石油平台各种要素完全相同的虚拟数字石油平台,实际平台发生的情况同步映射到数字平台上,让人如同在现实平台上操作一样。当然无人平台建造一定要涉及物联网、大数据、人工智能等等各个方面的技术了,智能无人平台是一个综合各类数字化先进技术的产物。

http://www.oilsns.com/
从油服企业的角度来说,油服有自己的优势,油服企业掌握了第一手的勘探开发生产全产业链的数据,可以利用已有计算、存储优势,通过数据深加工,发挥大数据更大价值,为油公司勘探开发提供专家决策。不同事业部专业不一样,数字化转型做法不尽相同,但基本的数字化技术和思路应该大同小异。

数字化转型要根据集团顶层设计、油服企业的总体规划,与油公司密切配合,一步步来。既能展望5-10年后,又能落脚2-3年能干成的事,做接地气的,能落地的事情。先从局部单个功能实现数字化转型,增强信心,最开始就想建立综合一体化大平台,难度较大。以物探为例,例如考虑先进行自动化速度分析、智能去噪、断层自动识别、机器学习在储层预测和烃类检测方面的应用研究或立项,虽然别人也有成果了,但我们国内落下不太远,可以追。

未经允许,不得转载本站任何文章: