取消
我国石油勘探开发应运用大数据、人工智能技术，从跟跑变并跑，再进一步发展为领跑。这是一个宏大的系统工程，需要产、学、研、管全行业的长期共同努力，才能够最终完成。
2016年，由谷歌公司开发的阿尔法狗(AlphaGo)在一场围棋人机大战中获胜，这只特别的“狗”迅速让人工智能(AI)这一概念火遍全球，如今，AI的触角已经延伸到财大气粗的石油石化行业。
此前，全球顶级石油公司道达尔正式联姻谷歌，二者将联合发展AI技术，为石油、天然气的勘探开发提供全新的智能解决方案;石油巨头荷兰皇家壳牌也与微软公司扩大合作，在石油行业大规模推进AI的应用。
在石油行业纷纷拥抱AI的大背景下，在6月16日于京举行的第二届石油石化人工智能高端论坛上，中国石油大学分别与五季数据、金山云签署战略合作协议，在石油勘探、开发、化工、储运等数字化转型方面进行深度合作，并共建“石油石化人工智能研究中心”，为人工智能学院教学实训和科学研究提供平台。
五季数据董事长雷涛告诉《中国科学报》，双方将基于天云MaximAI人工智能平台提供的算法与算力，共同构建从智能地震速度分析、大数据油藏数值模拟到智能井位优选等智能生产、智能勘探、智能开发一系列石油行业落地场景，打造石油行业AI生态。
石化行业的AI探索
“原来计算机做不到，现在它做到了，这是对我们很有吸引力和创新的事情。”这是中国石化信息化管理部副主任李剑锋对AI的直观感受。
实际上，早在2012年，中国石化就提出了智慧石化的愿景，希望打造全产业链的智能化。当AI铺天盖地地涌来时，中国石化也根据自己的项目做了各方面的AI试点，加强信息化建设和整体的顶层设计。
李剑峰表示，AI核心的技术主要有机器学习、自然语言处理、计算机视觉、机器人、传感器等方面。其中，计算机视觉在石油行业的应用比较多，比如当工作人员进入炼化的危险区域时，可以用于安全帽识别;炼厂里的摄像头，可以提前发现很小的火苗;原油泄漏之后温度发生变化，利用红外热敏发现图像并进行识别;在长输管线上一旦发现有人或车闯入会及时报警等等。
在机器学习方面，中国石化将其用于炼厂，产生的效益也很明显。“一个炉子，进料搭配合理的话，产出就高。想产生汽油还是柴油，也都可以控制，这个比例怎样调整，可以通过机器学习，基于建模然后分析。”李剑峰说。
另外，中化集团能源科技IT负责人刘辉指出，石化的炼化装置工艺非常复杂，或需经受高温高压，且易燃易爆，经常因为设备长时间运转，导致安全故障。比如造成泄漏、爆炸，特别是停车、停产导致经济损失和安全问题，通过AI技术则可以进行定位设备的工况和趋势预警。
“设备智能诊断系统用技防代替人防，以前需要人24小时监控，而AI技术则可以自动对设备进行预警，或发现故障进行报警。”刘辉告诉记者，利用AI技术可以提高设备故障检测的可靠性并提升效率，从而降低管理人员的知识储备要求。
中海油也试水AI并取得了很好的成效。中海油信息化部总经理王同良表示，中海油通过建设开发实时决策系统，构建起以井为中心、井场与基地多学科协同作战的信息系统平台，有效节省了钻井时间。另外，中海油通过建设海上无人平台，推动台风模式常态化，能够在台风到来时机器继续生产，从而保证产量。目前，中海油已经试点两座海上平台无人化改造，改造后每年仅操作费就可节省800万元。
直击油气勘探痛点
对油气田地质情况进行描绘与分析，是油气勘探开发过程中最为重要，也是最有难度的环节之一。尽管目前石油行业已能借助电缆测井、三维地震、油藏模拟等技术描绘并分析油气田地质情况，但这一系列技术仍然存在很大缺陷。
在采集地质数据的过程中，很难保证数据不出现任何差错。用并不完美的数据建立的地质模型，始终存在误差。而若油气田的地质情况过于复杂，这种误差将使得工程师根本无法建立可用的油气田地质模型。
“地球物理是地质家的眼睛，跟医学的CT是一样的，是对地学结构进行成像。”中国石化勘探专家董宁表示，“目前的目标越来越往深层，构造也越来越复杂，整个介质非均质性也越来越强，而这些地质又是勘探开发的主要目标，如果地下的信号看不清，则将严重制约勘探开发的整体进程。”
中国石化物探技术研究院首席专家魏嘉也表示，对于整个油气勘探开发过程而言，需要在一个很复杂的地表环境下进行地震勘探，勘探的地质目标又具有复杂的构造。从储层角度来讲也是复杂的，有碳酸盐的储层、焦炭的储层，还有页岩气、煤层气等储层，同时在开发过程中又会产生复杂流体的变化。
“目前无论开发到什么程度，对地下开采而言总还有很多不到位的地方。以地震技术为代表的油气勘探技术，已经成为整个油气勘探开发的关键技术。”魏嘉说，地震处理的业务流程中还有很多的痛点和难点，这些痛点在于需要投入大量人力去做重复性、机械性的劳动，而且需要人去判断，还有可能出现判断不清楚的情况。
在这种情景下，AI为解决痛点提供了可能。AI技术能够基于“不完备”和“不完美”的数据进行处理，利用模糊逻辑处理地质勘探数据，做出靠人工难以实现的预测，从而更精细地描述油田地质模型。
五季数据公司总工程师沈磊表示，提高分辨率和储层分析，一直是石油行业关注的核心之处。五季数据使用宽频重构研究思路，通过深度学习，建立地层反射系数与地震数据映射关系模型，挖掘数据中隐藏的信息，在保真保幅的前提下，有效提高地震资料分辨率，随着不断迭代，模型准确率越来越高，在信噪比基本不变的前提下提高地震分辨率。
“目前AI在地震时间域处理、深度域速度建模、地震成像、地震解释等方面都有不同程度的应用。”在董宁看来，AI能够助力地球物理实现跨越式的发展。“现在，数据在地球物理领域是爆炸式的增长，包括叠前、叠后的，有属性、时间域、多方位的等等，亟需人工智能从这些大数据中挖掘出有用的信息。”
抓住“弯道超车”的战略机遇
不过，油田开发工程专家、中国工程院院士韩大匡指出，AI技术的发展在石油勘探应用方面仍处于起步阶段，不仅在中国，美国亦是如此。
“大型石油公司总体上来看还处于窥测技术方向、进行技术准备的阶段，还没有出现力度非常大、覆盖面非常广的重大技术进展。”韩大匡指出，在大数据技术应用发展方面，也还没有推出成熟的商业应用软件并进行较大规模的实际应用。而美国的大数据应用也主要集中于日常生产技术的改进，还没有着眼于主体技术的更新换代研究。
“从美国来看，虽然他们的石油勘探技术研发应用的工作比我们早，研究范围也比我们宽，研究单位、高校、服务的公司比我们多。但是，我们也有很多深度的研究，比如地震研究，我们已把大数据的应用深入到基本理论的更新，有的地方还要更深。”韩大匡认为，通过中美两国的对比可见，我国正面对一个千载难逢的“弯道超车”的战略机遇，这是机不可失、失不再来的，“我们必须要抓住这个机遇，发展大数据、人工智能在石油产业的应用”。
“假如发展得好，我们将从过去长期的跟跑变成并跑阶段。但不管怎样，美国的技术还是很深厚的，假如我们不抓紧的话，可能还要继续从并跑落后为跟跑。”韩大匡说。
为了实现弯道超车、走向领跑，中国工程院目前设立了重点咨询项目——“大数据驱动的油气勘探开发发展战略研究”，由中国工程院能源与矿业工程学部、信息学部和管理工程学部14位院士共同参与。
韩大匡指出，当前我国对陆相沉积地质的认识还很不充分，要实现石油勘探开发技术的升级换代，必须把课题设置集中在地质条件认识方面。根据该原则，中国工程院选定的5个课题分别为地震、钻井、测井、油藏描述与油藏工程一体化以及智慧油田和装备的健康管理，基本包括勘探开发的全过程。
韩大匡强调，我国石油勘探开发应运用大数据、AI技术，从跟跑变并跑，再进一步发展为领跑。这是一个宏大的系统工程，需要产、学、研、管全行业的长期共同努力，才能够最终完成。
