论文部分内容阅读
摘 要：人工智能时代的到来，为石油行业的发展提供了机遇。人工智能在石油行业领域的应用，主要体现在勘探开发、钻井完井、生产运营等会方面，但国内应用成效远落后于国外发达国家。究其原因在于人工智能应用内在要求难以满足，尤其是数据这一应用门槛。对此石油行业应当注重数据的标准化、自动化采集整合与战略性管理，继而利用人工智能带动石油行业有效转型升级。
关键词：人工智能；石油行业；对策
中图分类号：TE319 文献标识码：A 文章编号：1004-7344（2018）26-0327-01
规模化挑战的推进，石油行业功能性、结构性低效问题急需解决。传统的技术与方法俨然不能满足现代石油行业的智能化、数字化、自动化发展。为促进石油企业的内部增长，急需采用行之有效的解决方案，来提高石油工程与生产成效。人工智能的应用带动了石油企业的内部增长，但应用条件相对苛刻，还需摸索性应用与发展。
1 人工智能在石油行业的应用
1.1 勘探开发
随着人工智能、计算机硬件的不断发展，石油勘探开发过程中的智能化水平逐渐提升。国内的勘探开发也逐渐意识到了利用人工职能技术的重要性，如神经网络技术、概率推理算法等先进技术，在致密气勘探中的应用，显著降低落了勘探风险，同时提高了探井成效。利用人工智能中的神经网络方法，辅以地球物理反演理论，以及神经网络映射模型，可预测复杂地下地质情况的密气层展布范畴。借助经典统计学、贝叶斯统计学下的概率推理算法，可判别致密薄储层岩石含气性，降低了薄气层预测风险，提高了勘探成效[1]。
1.2 钻井完井
人工智能也逐渐渗透到了钻完井领域。在钻井位置决策中应用机器学习，可确保钻井投资回报。在钻井卡管实时预测过程中，应用机器学习，通过系统学习，可测定摩擦事件征兆，实现了司钻在卡管前，对管柱下入方式的校正。同时智能钻杆、远程专家决策支持中心、自动化钻机等装备在钻井领域的应用，使自动化钻井得到了质的飞跃。信息化水平即钻井自动化技术的应用，使石油工程成本显著降低，核心竞争力显著提升。随着钻井智能化领的深入研究，人工智能在钻井工程中的应用成为了可能，实现了智能化钻井。机器人钻井系统，集合了智能钻台与排管机器人等设备，台工人、井架工等劳动力逐渐被取代。未来智能钻机的连续性起下钻、循环、送钻、下套管等功能也愈发优化。电动连续管钻井系统的研发，可依靠智能连续管，不断向井下供电，驱动钻井系统开启连续起下钻、循环等功能，同时具备实时数据高效。大容量传输等功能。电动智能连续管钻井系统，成为了智能钻井发展的主要方向。
1.3 生产运营
在生产运营方面，生产安全问题是主要制约因素，也是石油行业急需解决的问题。①机器学习预测模型的应用，能够了解事故征兆。构建机器学习预测模型的同时，挖掘生产系统近几年的设备装置运行历史，分析新增数，预测安全事故发生几率并做出警示，为工程师调查、分析、处理安全问题提供了重要参照。②应用部署认知计算系统，可显著优化决策流程，同时提高生产效率。工程师可借助自然语言向系统，询问生产设计、设施管理等相关的问题，利用云获取专家知识，帮助做出决策。认知系统的应用，使工程师不必查找大量资料，直接向其询问即可快速获取想要的信息，问题解决效率显著提升。
2 石油行业应用人工智能的对策
人工智能特征主要体现以下几方面：①计算能力高要求，需借助图形处理单元处理繁琐的线性、非线性结构数据的。对此应用人工智能需具备财力支持设计图形处理单元的计算平台。②算法对人工智能发展尤为关键，也是重要基石。算法随着人工智能的扩散而变得开源、通用。③数据是唯一应用门槛。人工智能的应用，离不开计算能力、算法，大量数据是训练学习的主要工具，更是赋予人工智能处理、分析、解决问题的关键。石油行业想要利用人工智能，就需要掌握大量的数据、行业知识，实现人工智能的转型，对此应做到以下几点：
2.1 数据标准化
通过数据标准化，提高数据集成效力，信息化建设虽然积累了大量数据，受多种因素影响，数据标准化程度并不理想。即使通过ERP系统，实现了经营管理数据的标准化，但生产领域数据相对忽视，致使企业数据质量、整合利用成效不理想，对此数据标准化尤为关键[2]。
2.2 数据自动采集
數据技术在石油行业设备中的应用微乎其微，虽然生产数据的传感器配置齐全，但用于决策的数据少之又少。人工数据输入在数据质量、监督与审核方面并不理想，对此需配置大量的智能终端，不断提升工作人员的工作效率。
2.3 强化数据整合
数据整合水平的提升，对数据综合利用能力的提升有现实意义。石油企业方面，已经确保了信息化全覆盖，但数据散落在各系统、各部门，受数据管理理念落后等因素影响，考虑到信息安全问题，难以实现信息共享，致使数据整合成效难以提升。
2.4 数据的战略运营
传统企业数据管理方式，是业务部门拥有而IT部门管理数据模式，致使业务部门不会灵活运用数据，而IT部门不会管理数据的现象出现。在人工智能时代，数据作为核心资产应当实现战略运营，而不是将数据作为信息系统产物常规化管理[3]。
3 总 结
目前人工智能在石油行业中的应用，正处于摸索性前进阶段。随着人工智能理论的完善，其在智能油田、钻井、管道、炼厂等领域的实践越发成熟，也是石油行业未来发展的重要方向。同时积极处理数据管理与利用低效问题，利用人工智能提高竞争力优势，成为领军企业，继而带动石油行业稳中求进。
参考文献
[1]王小龙.浅析人工智能在油气行业中的应用[J].现代信息科技，2017，1（2）：117～119.
[2]徐沐霖，邱 涛.人工智能在石油勘探中的应用[J].电子世界，2017（8）：142.
[3]于 波，夏玉轩.浅析中国石油开采技术以及其在石油开采中的应用[J].工业，2016（5）：249.
收稿日期：2018-8-3
关键词：人工智能；石油行业；对策
中图分类号：TE319 文献标识码：A 文章编号：1004-7344（2018）26-0327-01
规模化挑战的推进，石油行业功能性、结构性低效问题急需解决。传统的技术与方法俨然不能满足现代石油行业的智能化、数字化、自动化发展。为促进石油企业的内部增长，急需采用行之有效的解决方案，来提高石油工程与生产成效。人工智能的应用带动了石油企业的内部增长，但应用条件相对苛刻，还需摸索性应用与发展。
1 人工智能在石油行业的应用
1.1 勘探开发
随着人工智能、计算机硬件的不断发展，石油勘探开发过程中的智能化水平逐渐提升。国内的勘探开发也逐渐意识到了利用人工职能技术的重要性，如神经网络技术、概率推理算法等先进技术，在致密气勘探中的应用，显著降低落了勘探风险，同时提高了探井成效。利用人工智能中的神经网络方法，辅以地球物理反演理论，以及神经网络映射模型，可预测复杂地下地质情况的密气层展布范畴。借助经典统计学、贝叶斯统计学下的概率推理算法，可判别致密薄储层岩石含气性，降低了薄气层预测风险，提高了勘探成效[1]。
1.2 钻井完井
人工智能也逐渐渗透到了钻完井领域。在钻井位置决策中应用机器学习，可确保钻井投资回报。在钻井卡管实时预测过程中，应用机器学习，通过系统学习，可测定摩擦事件征兆，实现了司钻在卡管前，对管柱下入方式的校正。同时智能钻杆、远程专家决策支持中心、自动化钻机等装备在钻井领域的应用，使自动化钻井得到了质的飞跃。信息化水平即钻井自动化技术的应用，使石油工程成本显著降低，核心竞争力显著提升。随着钻井智能化领的深入研究，人工智能在钻井工程中的应用成为了可能，实现了智能化钻井。机器人钻井系统，集合了智能钻台与排管机器人等设备，台工人、井架工等劳动力逐渐被取代。未来智能钻机的连续性起下钻、循环、送钻、下套管等功能也愈发优化。电动连续管钻井系统的研发，可依靠智能连续管，不断向井下供电，驱动钻井系统开启连续起下钻、循环等功能，同时具备实时数据高效。大容量传输等功能。电动智能连续管钻井系统，成为了智能钻井发展的主要方向。
1.3 生产运营
在生产运营方面，生产安全问题是主要制约因素，也是石油行业急需解决的问题。①机器学习预测模型的应用，能够了解事故征兆。构建机器学习预测模型的同时，挖掘生产系统近几年的设备装置运行历史，分析新增数，预测安全事故发生几率并做出警示，为工程师调查、分析、处理安全问题提供了重要参照。②应用部署认知计算系统，可显著优化决策流程，同时提高生产效率。工程师可借助自然语言向系统，询问生产设计、设施管理等相关的问题，利用云获取专家知识，帮助做出决策。认知系统的应用，使工程师不必查找大量资料，直接向其询问即可快速获取想要的信息，问题解决效率显著提升。
2 石油行业应用人工智能的对策
人工智能特征主要体现以下几方面：①计算能力高要求，需借助图形处理单元处理繁琐的线性、非线性结构数据的。对此应用人工智能需具备财力支持设计图形处理单元的计算平台。②算法对人工智能发展尤为关键，也是重要基石。算法随着人工智能的扩散而变得开源、通用。③数据是唯一应用门槛。人工智能的应用，离不开计算能力、算法，大量数据是训练学习的主要工具，更是赋予人工智能处理、分析、解决问题的关键。石油行业想要利用人工智能，就需要掌握大量的数据、行业知识，实现人工智能的转型，对此应做到以下几点：
2.1 数据标准化
通过数据标准化，提高数据集成效力，信息化建设虽然积累了大量数据，受多种因素影响，数据标准化程度并不理想。即使通过ERP系统，实现了经营管理数据的标准化，但生产领域数据相对忽视，致使企业数据质量、整合利用成效不理想，对此数据标准化尤为关键[2]。
2.2 数据自动采集
數据技术在石油行业设备中的应用微乎其微，虽然生产数据的传感器配置齐全，但用于决策的数据少之又少。人工数据输入在数据质量、监督与审核方面并不理想，对此需配置大量的智能终端，不断提升工作人员的工作效率。
2.3 强化数据整合
数据整合水平的提升，对数据综合利用能力的提升有现实意义。石油企业方面，已经确保了信息化全覆盖，但数据散落在各系统、各部门，受数据管理理念落后等因素影响，考虑到信息安全问题，难以实现信息共享，致使数据整合成效难以提升。
2.4 数据的战略运营
传统企业数据管理方式，是业务部门拥有而IT部门管理数据模式，致使业务部门不会灵活运用数据，而IT部门不会管理数据的现象出现。在人工智能时代，数据作为核心资产应当实现战略运营，而不是将数据作为信息系统产物常规化管理[3]。
3 总 结
目前人工智能在石油行业中的应用，正处于摸索性前进阶段。随着人工智能理论的完善，其在智能油田、钻井、管道、炼厂等领域的实践越发成熟，也是石油行业未来发展的重要方向。同时积极处理数据管理与利用低效问题，利用人工智能提高竞争力优势，成为领军企业，继而带动石油行业稳中求进。
参考文献
[1]王小龙.浅析人工智能在油气行业中的应用[J].现代信息科技，2017，1（2）：117～119.
[2]徐沐霖，邱 涛.人工智能在石油勘探中的应用[J].电子世界，2017（8）：142.
[3]于 波，夏玉轩.浅析中国石油开采技术以及其在石油开采中的应用[J].工业，2016（5）：249.
收稿日期：2018-8-3