“數智+運行”

生產運行快捷高效

從新疆沙雅縣出發，經過一個多小時的車程，一座占地近26個足球場面積的現代化聯合站出現在一片沙海中。

這是中國石化首座實現國產化數字孿生工廠和實體工程同步建設、同時交付的數字化聯合站——順北油氣田聯合站。

“所謂的數字孿生工廠，就是借助新技術構建一個與物理聯合站相同的數字聯合站，與真實的聯合站同步仿真運行。在數字場景中，我們可以對聯合站進行實時監控、優化調度、智能模擬、前瞻預演等，從而更好地支撐生產運行和管理決策。”西北油田采油四廠廠長劉耀宇介紹。

順北油氣田生產運行指揮中心距離聯合站不足1公里。在這里，員工可以對鉆完井、油氣生產、工程作業、集輸處理、產品銷售的全鏈條集中監控。

“我們在200千米管理半徑范圍內實現了油氣田井站無人值守、區域集中監控、遠程智能操作。”劉耀宇說，“甚至油氣田范圍內1000余千米的集輸管線，全部通過光纖測振、測溫，實現了泄漏監測的實時預警。”

依托數智化技術，順北油氣田構建“三端三系統”數字油田架構。前端依托SCADA系統實現所有油氣井、集輸站庫、生產管線數據自動采集及控制；中端依托生產指揮系統實現油氣生產全業務鏈的集中監控、過程預警、異常處置；后端依托智能油田系統，利用前、中端系統數據，實現油藏動態管理、生產運行優化、經營管理等八大業務領域的輔助決策。

得益于新技術規模應用，順北油氣田打破傳統采油廠“十大崗位+采油氣管理區”兩級管理模式，探索構建了“采油廠、專業團隊、承包商”三位一體，“扁平化架構、項目化運作、平臺化組織、智能化支撐”四化融合的管理模式，實現“廠直管到班站”。順北油氣田聯合站整體用工較同類站庫減少54%、新建設的順北油氣田天然氣處理廠整體用工較同類站庫減少70%。

“2022年，我們率先在集團公司上游板塊實現全口徑用工百人百萬噸目標，用人最少、成本最低、機制最優、效益最好的標準化示范油田建設初見成效。”劉耀宇說。

“數智+安全”

安全管理嚴實并舉

今年11月初，西北油田采油一廠啟動閥間組管線隱患治理工程。在作業現場，不僅有安全督察人員流動檢查，而且有多個點位的攝像頭對安全施工情況進行監控。

“油田借助數智化技術，建成了現場作業違章智能識別平臺。平臺能夠智能分析各路攝像頭拍攝到的實時畫面，發現不安全行為時，便向安全監管人員發出預警，以便及時采取措施進行糾正。”西北油田安全環保質量管理部高級主管孫元疆介紹。

西北油田主要區塊處于大漠戈壁，在安全管理上既面臨油氣田企業油氣開采、集輸、鉆修井作業節點繁多等共性問題，又存在駐地與井站、作業現場距離遠，安全監管人員力量不足等個性化難題。如果大量增加安全監管人員，不僅會大幅增加管理成本，而且依然無法解決因員工業務水平差異、無法全天候值守等因素導致的盲點、盲區。

近兩年，西北油田充分整合內部井站視頻監控系統、信息化平臺等資源，搭建投運了作業違章智能識別平臺，結合工區油氣生產現場安全管控的重點和難點，設置了近3000路監控攝像頭。他們創新研發了通用場景、直接作業現場、鉆修井現場等10類場景53種典型算法，實現了關鍵現場24小時安全監管全覆蓋。

“平臺發出預警提示后，安全監管人員會快速處置，及時消除不安全行為，現場處置率在95%以上，有力保障了安全生產。”孫元疆說，“平臺將各類不安全行為按照時段、場景、預警級別、違章類型等進行分類，再通過大數據分析功能多維度研判安全生產現狀，為我們采取針對性措施消除安全管理薄弱環節、開展崗位人員定向技能培訓等提供了有力支撐。”

“數智+科研”

科技創新提質增效

“能不能利用人工智能技術識別復雜的地質結構，尋找斷裂、溶洞或儲集體？”聽到這個想法，很多人都覺得是“異想天開”。

其實，在2019年底，西北油田就圍繞這個課題設立了科研項目組，聯合中國地質大學（武漢）、中國石化石油物探技術研究院開展一體化攻關。

對地震資料解釋人員來說，要識別剖面上的斷裂、溶洞或儲集體，首先要開展儲層特征研究，確立各項參數，然后利用資料建立不同特征的地震地質模型，再通過地震物理模擬實驗建立斷裂及斷溶體特征數據集。

這就像在大森林里尋找大象、狐貍、兔子等動物。解釋人員要有豐富的經驗，或能科學套用相應“動物”模型，識別的準確度才夠高、速度才夠快。

項目組人員根據這一思路，就像教小朋友識別動物一樣開始指導數智系統學習。他們先運用已有的模型特征制作適用的“識圖卡片”，然后教授數智系統“識別動物”，再通過生產實踐應用不斷豐富、修正“識圖卡片”中的內容，不斷提升數智系統識別的精度。

按傳統模式，完成一塊200平方千米三維地震資料的斷裂識別與描述，研究人員需要用1~2個月的時間。而運用人工智能技術，只需1周時間就能完成斷裂的識別和預測，在此基礎上，研究人員再用1周的時間就能基本完成相關描述。

“通過識別結果比對，人工智能的計算效率遠高于傳統地震屬性算法與追蹤方法，人工智能還能夠發現肉眼和以往靠經驗不能識別的地質結構。人工智能訓練的模型可保存，能夠在相似地質結構識別中重復利用。這些優勢，都是人力不能相比的。”西北油田勘探開發研究院地球物理研究所工程師王超解釋道。

王超說，人工智能技術在油氣勘探領域應用雖然還有很多的難題需要解決，但新的技術手段一旦成熟應用，必將推動油氣勘探開發質量和效益的跨越式提升，令人期待。

新聞會客廳

嘉賓

江漢油田信息中心經理 李四海

西南油氣工程技術管理部經理 李文生

問：數智化建設對油氣田企業高質量發展有何意義？

李四海：數智化建設推動了油氣田企業提質增效降本，為高質量發展注入新動能。生產指揮中心、能管中心、油藏管理平臺、經營管理平臺等軟件的推廣應用，提高了生產運行效率，有力支撐了油田改革發展。例如，產能建設過程實現全透明，生產運行節奏加快，產建周期持續縮短；石油工程實時監控，及時處置現場異常，避免發生安全環保事故；技術人員在做方案設計時，數據查找更方便，設計周期不斷縮短。

李文生：石油工程業務管控平臺（IPPE）是為解決石油工程傳統單點、經驗式管理效果差、效率低、成本高等問題，設計開發的石油工程業務綜合性管理平臺。2023年，在集團公司統一部署下，IPPE已完成華東、勝利、西北等10家油氣田企業推廣，實現上游石油工程業務一體化運行目標。

異常智能決策作為IPPE的重要能力之一，能夠支持施工中動態感知、智能識別技術異常和管理異常，多渠道與分層級實時推送預警信息，從而實現異常早發現、早處理，防止人為失誤或遺漏，避免簡單事故復雜化，可初步實現石油工程業務由“管正常”向“管異常”、由“人工分析”向“智能分析”轉變。

問：如何增強異常智能決策應用效果？

李文生：第一，提升現有異常識別能力。利用大數據分析技術，開展多專業、多參數資料綜合分析，提升單個模型識別的準確性；針對現場業務進行差異化模型部署，現場部署計算能力，實時服務現場，提升異常識別效率。

第二，充分調研業內成熟模型。基于神經網絡、機器學習、模糊邏輯、案例推理等人工智能研究成果，深入調研斯倫貝謝、哈里伯頓等油服公司先進案例，選取構造位置、地質條件適當的區域開展試點，引進集成成熟模型，取長補短。

第三，持續優化異常管控體系。充分將石油工程業務知識、機理體系與信息化技術深度融合，通過數據可視化、規則引擎等關鍵技術和方法，實現石油工程業務異常可視化管理、異常模型可視化構建。

問：數智化建設的未來發展方向是什么？

李四海：未來應加強頂層設計，圍繞管理好油氣藏、油公司改革等重點工作，形成 “數據+平臺+應用”的數智化發展新模式。

數據是基礎。應在“全快準”采集數據的基礎上，持續梳理崗位、作業活動等基礎數據，全力建成“覆蓋全業務領域、滿足全場景應用”的數據資源中心，逐步實現油氣田數據資源全量入湖、集中納入管理和統一服務。

在應用系統建設上，應堅持以業務需求為導向，推出更多貼近生產實際、與生產流程緊密聯系的軟件，減輕勞動強度，實現效率效益最大化。

在人才方面，應整合人才資源，通過柔性引進、團隊協作、與高校院所合作等形式，多渠道引進外部技術力量，加快領軍型人才培養步伐，激活技術人員的潛能，不斷滿足轉型發展需求。同時，要轉變傳統管理理念，增強各層級管理者用信息化手段解決問題的能力，提高全員數智化素養和應用技能。