油气大数据分析与智能化应用

林道远前言

石油工业通过几十年的勘探、开发与生产，积累了大量的数据，其中地震数据、测井数据、开发井史数据属于油田的资产数据，资料最为齐全，适合于大数据分析；随着物联网应用的普及，近些年中石油、中石化、中海油等企业普遍实施了实时生产数据的智能化采集，为实时生产数据的大数据分析创造了条件。

由于石油行业的特殊性，互联网企业（如阿里巴巴）只能在成品油销售等下游领域尝试性的开展一些大数据分析工作；而在上油领域，由于业务的专业性强，数据类型繁多，综合业务复杂，互联网企业还没有能力进入上游领域开展大数据分析工作，而我公司以及我们的合作伙伴在石油上游领域有着丰富的行业经验，最早在上游领域开展大数据分析工作，已经积累了一定的经验，在石油上游领域的大数据分析技术与应用经验处于行业领先的水平。

一、石油行业价值链分析：

价值链分析理论是企业(行业)业务流程梳理和信息化顶层设计的基本方法论，也是大型软件业务架构设计的基础方法论，更是行业大数据分析和人工智能应用的方向性引导理论。

所以，要开展油气大数据分析，首先要了解石油行业的价值链以及大数据的构成，只有这样才能从宏观到微观的过程全面了解石油行业的大数据构成及其特点，也只有这样才能有针对性的寻找大数据分析的方向和突破口，而不会做到盲目的大数据分析。

石油石化行业全价值链分析：

从油气勘探到油气生产再到石油炼化和成品油销售的全过程，构成了石油石化的全生命周期，也是石油石化的全价值链(如下图)。

从上图我们可以看出，虚线的上面属于上游领域，虚线的下面属于下游领域，其中成品油销售属于面向公众客户的，而且数据种类较为简单（主要属于交易型数据），所以比较容易进行大数据分析和人工智能应用，而上游领域的专业性很强，数据类型繁多、综合业务非常复杂（如每一种业务中都包含这多专业的组合），所以开展大数据分析和人工智能应用难度非常大大，互联网企业很难介入。

2.油气勘探开发核心价值链分析：

油气勘探—>油藏评价—>产能建设—>油气生产—>油气储运—>油气销售的全过程，构成了石油上游领域的核心价值链（如下图）。

从上图我们可以看出，石油上游领域的全价值链业务可以分成两大类：主营业务和支持业务。其中主营业务是石油行业专业性很强的独有业务，支持业务是各行业通用的业务。

我们要开展的油气大数据分析，就属于主营业务范畴。

二、油气大数据构成分析：

大数据构成分析是大数据研究应用的基础，下面我们从三种分类方法来分析大数据的构成，找出业务相关的大数据。

1.从业务角度划分：

油气大数据可以划分为：油气勘探大数据、油藏评价大数据、油气开发大数据、油气生产大数据、油气储运大数据、油气销售大数据。

但是这种分类范围太大了，因为每个业务中，都包含这许多相同的专业内容（如油气勘探、油藏评价与油气开发业务中，都包含有物探、钻井、测井等数据）。所以，这种划分方法只能作为业务域的划分标准，不能作为数据的划分标准。但从业务域中可以发现共同的专业内容，这就是将来我们可以实现业务组件服务化的软件工程开发的基础，也是我们寻找大数据分析和人工智能综合应用的大方向。

2.从专业角度划分：

上面我们已经谈到了业务域与专业的关系（如下图）

所以，从专业角度划分数据类型，是数据分类的基础，根据石油行业的专业类型和大数据的特征，我们可以把油气大数据划分为如下9大类（如下图）。

3.按数据类型划分：

按照结构化数据和非结构化数据，重复型大数据和非重复型大数据的分类方法，油气大数据可以划分为业务相关大数据、潜在相关大数据、业务不相关大数据。

那么业务相关大数据是我们分析的重点，潜在相关大数据是我们关注的对象，业务不相关大数据我们就基本不用管它。这样就避免了大数据分析的盲目性（如下图）。

三、大数据分析在油气勘探开发领域的应用

按照从单一专业大数据分析到综合业务大数据分析的难易程度，下面给出的3个应用案例，前两个案例是单一专业的大数据分析与应用，后面一个案例是综合业务的大数据分析与应用。

地震数据体的大数据分析与智能化储层预测：

地震数据体(文件形式存在)是典型的重复型大数据，而且地震数据是油田最重要的数据资产之一，资料比较完整，比较适合做大数据分析和人工智能应用。

上图是通过属性融合与地质参数赋值参与经神经网络运算后得到了效果很好的Y号油层储层预测图。

2.测井解释成果数据的大数据分析与智能化解释：

测井数据体也是典型的重复型大数据，测井解释成果数据是结构化的数据，而且测井资料更是油田最重要的数据资产之一，资料十分完整，更加适合做大数据分析和人工智能应用。

以下是某油田近60万行的测井解释成果数据，用神经网络算法计算的结果，总体准确率达85.3%。

3.油气勘探有利目标区优选的大数据分析研究与应用：

勘探有利目标区优选大数据分析大数据智能分析，是综合业务的大数据分析，包含的数据种类有：测井数据、录井数据、分析化验数据、试油成果数据，沉积相数据等等共近百种数据，需要按一定的勘探理论机理组合分析，所以难度非常大。

该项目我们采用了三组过程分类建模方法，最后再按一定的权重比例综合分析建模得出最后结论。

下面是数据抽取导入和清洗的数据处理流程图：

下面是按油气富集门限-相势源理论分类分析建模算法图：

下面是最终有利目标区优选分析建模成果图：

四、大数据分析在油气生产运营领域的应用

随着物联网应用的普及，近些年中石油、中石化、中海油等企业普遍实施了实时生产数据的智能化采集，为实时生产数据的大数据分析创造了条件。

技术思路与算法：

计算结果（以井底流压为例）：

总结

大数据分析与人工智能技术，其本质就是统计学，没有什么神秘的，但现在媒体炒作的有点过火和神秘化了。

而且大数据分析在专业应用领域（比如互联网领域、在石油行业的石油工程领域、地球物理领域等）是比较容易实现的，更没有什么神秘的地方。但在综合业务应用领域，大数据分析和人工智能技术的应用就非常困难了。

归根结底，大数据分析和人工智能应用是在点上的应用（或者说只能是局部的应用），它永远不可能在综合领域全面应用，也就是它永远不可能替代企业的整体信息化应用。而且大数据分析的基础必须要搞好数据标准化建设，否则没有标准化的数据，也无法实现大数据分析。它不是那么神秘也不能包打天下。

（编辑：武汉站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!