近日，在中国油气智能科技大会暨第五届石油石化人工智能高端论坛上，由中国石油大学(北京)与百度智能云共同编写的《油气人工智能白皮书》正式对外发布。《白皮书》对油气人工智能面临的机遇和挑战、油气数字化转型与智能化发展现状、油气人工智能关键技术和发展重点措施进行详细阐述和介绍，为我国油气行业智能化发展提供了参考，对推进人工智能、云计算、大数据、区块链等数字新技术与石油石化行业深度融合具有重要意义。

 油气数字化转型需经历三阶段

《白皮书》指出，当前，我国加速推进油气全产业链改革，以实现安全、高效、创新、绿色的油气开采。这给传统油气行业带来了新挑战。人工智能则是油气行业实现全面数字化转型的利器。

业内专家认为，当前人工智能技术瓶颈在于人工智能理论技术与传统行业的深度融合。从数字化转型的技术需求与油田对人工智能的业务需求出发，油田实现数字化转型需经历信息化、数字化、智能化三个阶段。

《白皮书》认为，信息化阶段的目标在于自上而下为数字化转型扫清障碍。这个阶段需要建立专业数据资产管理，定义数据质量体系，完善数据安全制度，推动数据协同共享，为全面实现智能油田可视化、智能化应用提供技术支撑。

数字化阶段应增强作业现场数据收集能力与数据收集质量。在这个阶段可设立面向智能技术拓展数据采集空间，完善数据采集对象；跨企业跨单位合作共建油气生产工业互联网，实现数据与模型的共享与反馈，消除信息孤岛；搭建产学研创新交流平台，持续推动智能技术以工业软件或组件形式落地应用场景。在数字化阶段，油田数据的生产和存储技术得到大幅提升，数据的传输与取用便利性提高，数据安全也得到极大保障，油田企业基本实现信息互联互通。

数字化发展的最终形式是智能化。智能化阶段的目标是建立全面的智能技术整合与业务全智能流程，主要涉及辅助决策与动态预测、知识图谱提炼和分析报告的自动解读与生成、智能机器人3个层面。其中，智能技术辅助建立的预测模型在石化行业内已有较多应用，诸如生产动态分析、设备故障预判等，在许多场景取得良好成效。

 油气人工智能依托三大关键技术

 油气行业具有庞大的数据体量，但“数据大”并不等于“大数据”。油气田勘探开发涉及油气地质、地球物理、油气藏工程、油气储运等多项业务领域，数据具有海量、多源、异构等特点。深度挖掘数据价值，发挥数据在油气数字化转型中的基础性和支撑性作用，是实现油气人工智能的内在需求，是保障油气行业创新发展的必要条件。

《白皮书》指出，数据治理、智能算法、数字孪生将成为油气人工智能的三大关键技术。

海量的油田数据经数据治理后，形成机器学习的数据集来源。

同时，智能算法可全面代替人工采集数据，加速数据采集效率，降低人力与物力成本。智能算法作为油气人工智能技术的核心，包括机器学习、计算机视觉和知识图谱三大要素。目前，大量的机器学习被应用于油气地质、地球物理、油藏工程、石油工程等领域，实现了数据融合与深度信息挖掘，提高了工作效率，减少时间和人工成本，实现降本增效。计算机视觉技术可通过对目标进行识别、跟踪和测量等，获取被拍摄对象的数据与信息，实现计算机对环境的感知，将有望成为建设智能油田的有效途径。知识图谱技术目前适用于油气领域语义搜索、智能问答、知识推送、油气藏知识类比设想等场景，能够帮助用户解决勘探开发中的实际问题。

 另外，建立面向原料、产品需求、公用工程的石化行业数字孪生系统，可以提升关键生产装置的质量指标预测和关键控制指标预测的精度，实现先进控制和优化系统的长期有效应用，帮助石化企业提质增效、安全平稳运行。目前，数字孪生技术可用于油气勘探开发综合系统数字化、石油工程装备全生命周期数字化、钻井过程数字孪生、石油管道数字孪生建设以及石化行业数字工厂应用平台等。

 相关技术应用呈多点开花局面

 经过多年的技术发展和创新应用，人工智能技术在油田钻井和开发、油田生产和管理、安全防护等方面取得诸多成功实践，呈现多点开花的良好局面。

 据了解，长庆油田通过应用物联网、大数据、云计算、人工智能等新技术，构建大科研、大运营、大监督三大支撑体系，筑牢统一数据湖、统一云平台两大基础，为场站无人值守、油气井智能生产、风险作业可视化监控、智能装备应用等业务领域提供支撑。

 新疆油田公司以油气生产物联网建设为抓手，形成了“无人值守、集中监控”的新型生产管理模式，率先在全国各油田实现了油气生产数据自动采集、生产状态实时监控，形成了可复制、可推广的标准化物联网建设模式，并开展全面应用。新疆油田公司数据公司相关负责人表示，通过实施物联网项目，井场、小型站库实现了无人值守、定期巡检，井区实现区域视频覆盖，大量替代现场人工重复劳动，降低一线员工的数据抄录和样品采集频次，油气水井常规问题发现及时率提升至95%以上，故障率降低38%以上。

 同时，还有许多油气公司和服务公司正在积极探索机器人、无人机、可穿戴设备、虚拟现实等技术和设备在油田生产、作业运行、装备维护、技术培训等工作中的应用。例如，英国石油公司在墨西哥湾的雷马平台上使用机器人进行水下管道探伤，美国佛蒙特大学的研究人员用机器学习算法预测加拿大油气井的甲烷漏失。

 人工智能技术如何在石油石化行业数字化转型中落地实施?《白皮书》建议，不管是企业层面还是行业层面的油气人工智能体系构建，基本应按照规划指引、统筹建设、持续运营3个阶段进行。在规划指引阶段，行业或企业应促进油气领域和工业互联网的技术融合，加快App开发利用；在统筹建设阶段，应多关注算法可解释性研究、认知计算、芯片与编译器、智能表和检测装置开发应用等；在持续运营阶段，建立市场化的资本支撑环境，推进复合型人才培养和专家队伍建设，形成油气人工智能产学研用合作共赢的利益共同体。

来源：中国化工报