我國石油勘探開發(fā)應運用大數據、人工智能技術，從跟跑變并跑，再進一步發(fā)展為領跑。這是一個宏大的系統(tǒng)工程，需要產、學、研、管全行業(yè)的長期共同努力，才能夠最終完成。

2016年，由谷歌公司開發(fā)的阿爾法狗（AlphaGo）在一場圍棋人機大戰(zhàn)中獲勝，這只特別的“狗”迅速讓人工智能（AI）這一概念火遍全球，如今，AI的觸角已經延伸到財大氣粗的石油石化行業(yè)。

此前，全球頂級石油公司道達爾正式聯姻谷歌，二者將聯合發(fā)展AI技術，為石油、天然氣的勘探開發(fā)提供全新的智能解決方案；石油巨頭荷蘭皇家殼牌也與微軟公司擴大合作，在石油行業(yè)大規(guī)模推進AI的應用。

在石油行業(yè)紛紛擁抱AI的大背景下，在6月16日于京舉行的第二屆石油石化人工智能高端論壇上，中國石油大學分別與五季數據、金山云簽署戰(zhàn)略合作協議，在石油勘探、開發(fā)、化工、儲運等數字化轉型方面進行深度合作，并共建“石油石化人工智能研究中心”，為人工智能學院教學實訓和科學研究提供平臺。

五季數據董事長雷濤告訴《中國科學報》，雙方將基于天云MaximAI人工智能平臺提供的算法與算力，共同構建從智能地震速度分析、大數據油藏數值模擬到智能井位優(yōu)選等智能生產、智能勘探、智能開發(fā)一系列石油行業(yè)落地場景，打造石油行業(yè)AI生態(tài)。

石化行業(yè)的AI探索

“原來計算機做不到，現在它做到了，這是對我們很有吸引力和創(chuàng)新的事情?！边@是中國石化信息化管理部副主任李劍鋒對AI的直觀感受。

實際上，早在2012年，中國石化就提出了智慧石化的愿景，希望打造全產業(yè)鏈的智能化。當AI鋪天蓋地地涌來時，中國石化也根據自己的項目做了各方面的AI試點，加強信息化建設和整體的頂層設計。

李劍峰表示，AI核心的技術主要有機器學習、自然語言處理、計算機視覺、機器人、傳感器等方面。其中，計算機視覺在石油行業(yè)的應用比較多，比如當工作人員進入煉化的危險區(qū)域時，可以用于安全帽識別；煉廠里的攝像頭，可以提前發(fā)現很小的火苗；原油泄漏之后溫度發(fā)生變化，利用紅外熱敏發(fā)現圖像并進行識別；在長輸管線上一旦發(fā)現有人或車闖入會及時報警等等。

在機器學習方面，中國石化將其用于煉廠，產生的效益也很明顯?！耙粋€爐子，進料搭配合理的話，產出就高。想產生汽油還是柴油，也都可以控制，這個比例怎樣調整，可以通過機器學習，基于建模然后分析?！崩顒Ψ逭f。

另外，中化集團能源科技IT負責人劉輝指出，石化的煉化裝置工藝非常復雜，或需經受高溫高壓，且易燃易爆，經常因為設備長時間運轉，導致安全故障。比如造成泄漏、爆炸，特別是停車、停產導致經濟損失和安全問題，通過AI技術則可以進行定位設備的工況和趨勢預警。

“設備智能診斷系統(tǒng)用技防代替人防，以前需要人24小時監(jiān)控，而AI技術則可以自動對設備進行預警，或發(fā)現故障進行報警。”劉輝告訴記者，利用AI技術可以提高設備故障檢測的可靠性并提升效率，從而降低管理人員的知識儲備要求。

中海油也試水AI并取得了很好的成效。中海油信息化部總經理王同良表示，中海油通過建設開發(fā)實時決策系統(tǒng)，構建起以井為中心、井場與基地多學科協同作戰(zhàn)的信息系統(tǒng)平臺，有效節(jié)省了鉆井時間。另外，中海油通過建設海上無人平臺，推動臺風模式常態(tài)化，能夠在臺風到來時機器繼續(xù)生產，從而保證產量。目前，中海油已經試點兩座海上平臺無人化改造，改造后每年僅操作費就可節(jié)省800萬元。

直擊油氣勘探痛點

對油氣田地質情況進行描繪與分析，是油氣勘探開發(fā)過程中最為重要，也是最有難度的環(huán)節(jié)之一。盡管目前石油行業(yè)已能借助電纜測井、三維地震、油藏模擬等技術描繪并分析油氣田地質情況，但這一系列技術仍然存在很大缺陷。

在采集地質數據的過程中，很難保證數據不出現任何差錯。用并不完美的數據建立的地質模型，始終存在誤差。而若油氣田的地質情況過于復雜，這種誤差將使得工程師根本無法建立可用的油氣田地質模型。

“地球物理是地質家的眼睛，跟醫(yī)學的CT是一樣的，是對地學結構進行成像。”中國石化勘探專家董寧表示，“目前的目標越來越往深層，構造也越來越復雜，整個介質非均質性也越來越強，而這些地質又是勘探開發(fā)的主要目標，如果地下的信號看不清，則將嚴重制約勘探開發(fā)的整體進程?！?/p>

中國石化物探技術研究院首席專家魏嘉也表示，對于整個油氣勘探開發(fā)過程而言，需要在一個很復雜的地表環(huán)境下進行地震勘探，勘探的地質目標又具有復雜的構造。從儲層角度來講也是復雜的，有碳酸鹽的儲層、焦炭的儲層，還有頁巖氣、煤層氣等儲層，同時在開發(fā)過程中又會產生復雜流體的變化。

“目前無論開發(fā)到什么程度，對地下開采而言總還有很多不到位的地方。以地震技術為代表的油氣勘探技術，已經成為整個油氣勘探開發(fā)的關鍵技術?！蔽杭握f，地震處理的業(yè)務流程中還有很多的痛點和難點，這些痛點在于需要投入大量人力去做重復性、機械性的勞動，而且需要人去判斷，還有可能出現判斷不清楚的情況。

在這種情景下，AI為解決痛點提供了可能。AI技術能夠基于“不完備”和“不完美”的數據進行處理，利用模糊邏輯處理地質勘探數據，做出靠人工難以實現的預測，從而更精細地描述油田地質模型。

五季數據公司總工程師沈磊表示，提高分辨率和儲層分析，一直是石油行業(yè)關注的核心之處。五季數據使用寬頻重構研究思路，通過深度學習，建立地層反射系數與地震數據映射關系模型，挖掘數據中隱藏的信息，在保真保幅的前提下，有效提高地震資料分辨率，隨著不斷迭代，模型準確率越來越高，在信噪比基本不變的前提下提高地震分辨率。

“目前AI在地震時間域處理、深度域速度建模、地震成像、地震解釋等方面都有不同程度的應用?！痹诙瓕幙磥恚珹I能夠助力地球物理實現跨越式的發(fā)展。“現在，數據在地球物理領域是爆炸式的增長，包括疊前、疊后的，有屬性、時間域、多方位的等等，亟需人工智能從這些大數據中挖掘出有用的信息。”

抓住“彎道超車”的戰(zhàn)略機遇

不過，油田開發(fā)工程專家、中國工程院院士韓大匡指出，AI技術的發(fā)展在石油勘探應用方面仍處于起步階段，不僅在中國，美國亦是如此。

“大型石油公司總體上來看還處于窺測技術方向、進行技術準備的階段，還沒有出現力度非常大、覆蓋面非常廣的重大技術進展。”韓大匡指出，在大數據技術應用發(fā)展方面，也還沒有推出成熟的商業(yè)應用軟件并進行較大規(guī)模的實際應用。而美國的大數據應用也主要集中于日常生產技術的改進，還沒有著眼于主體技術的更新換代研究。

“從美國來看，雖然他們的石油勘探技術研發(fā)應用的工作比我們早，研究范圍也比我們寬，研究單位、高校、服務的公司比我們多。但是，我們也有很多深度的研究，比如地震研究，我們已把大數據的應用深入到基本理論的更新，有的地方還要更深?！表n大匡認為，通過中美兩國的對比可見，我國正面對一個千載難逢的“彎道超車”的戰(zhàn)略機遇，這是機不可失、失不再來的，“我們必須要抓住這個機遇，發(fā)展大數據、人工智能在石油產業(yè)的應用”。

“假如發(fā)展得好，我們將從過去長期的跟跑變成并跑階段。但不管怎樣，美國的技術還是很深厚的，假如我們不抓緊的話，可能還要繼續(xù)從并跑落后為跟跑?！表n大匡說。

為了實現彎道超車、走向領跑，中國工程院目前設立了重點咨詢項目——“大數據驅動的油氣勘探開發(fā)發(fā)展戰(zhàn)略研究”，由中國工程院能源與礦業(yè)工程學部、信息學部和管理工程學部14位院士共同參與。

韓大匡指出，當前我國對陸相沉積地質的認識還很不充分，要實現石油勘探開發(fā)技術的升級換代，必須把課題設置集中在地質條件認識方面。根據該原則，中國工程院選定的5個課題分別為地震、鉆井、測井、油藏描述與油藏工程一體化以及智慧油田和裝備的健康管理，基本包括勘探開發(fā)的全過程。

韓大匡強調，我國石油勘探開發(fā)應運用大數據、AI技術，從跟跑變并跑，再進一步發(fā)展為領跑。這是一個宏大的系統(tǒng)工程，需要產、學、研、管全行業(yè)的長期共同努力，才能夠最終完成。