1油氣行業(yè)數(shù)字化轉(zhuǎn)型趨勢

油氣行業(yè)是一個典型的重資產(chǎn)行業(yè)，其巨大的產(chǎn)業(yè)鏈涵蓋了上游的勘探、開發(fā)、生產(chǎn)；中下游的儲運、煉化、油氣分銷甚至延申到化工行業(yè)的專用化學品、工業(yè)氣體、無機物以及水處理等。

隨著國際市場原油價格波動劇烈，勘探開發(fā)難度不斷加大，以及新能源供給的不斷增加，油氣行業(yè)面臨著日益嚴峻的挑戰(zhàn)，數(shù)字化轉(zhuǎn)型已成為行業(yè)降本增效、提升質(zhì)量的必由之路。

有鑒于此，全球各大油氣公司紛紛開展數(shù)字化轉(zhuǎn)型之路，有全力押注數(shù)字化轉(zhuǎn)型的如 BP、挪威國家石油等公司；有職能部門牽頭試水輕度整合的如沙特阿美，美孚等公司；也有業(yè)務單元牽頭推進數(shù)字化改革的如殼牌、雪佛龍等公司，對于一些中小油氣公司，數(shù)字化轉(zhuǎn)型更是決定了企業(yè)的生死成敗。

油氣行業(yè)的數(shù)字化轉(zhuǎn)型關鍵技術包含了大數(shù)據(jù)分析工具、物聯(lián)網(wǎng)、移動設備、云計算、機器人和無人機、人工智能等，其中大數(shù)據(jù)和人工智能是當前的關鍵。

轉(zhuǎn)型的目標包含了生產(chǎn)數(shù)字化，為現(xiàn)場作業(yè)設備建立數(shù)字化體系實現(xiàn)感知和遠程控制；運營數(shù)字化，建立智能數(shù)字化運營體系；貿(mào)易數(shù)字化，建立數(shù)字化的油氣交易、服務、風險防控平臺；和設計數(shù)字化，利用大數(shù)據(jù)、數(shù)字孿生技術等實現(xiàn)產(chǎn)品設計的跨領域、跨學科協(xié)作，提高開發(fā)效率，降低開發(fā)成本。

2MathWorks 油氣行業(yè)應用概述

MathWorks 產(chǎn)品在油氣行業(yè)的應用主要分為大數(shù)據(jù)和 AI，數(shù)字孿生技術兩大板塊。

其中，大數(shù)據(jù)和 AI 的應用主要有 4 個維度。

通過數(shù)據(jù)分析和機器學習研究油氣的特性，比如通過數(shù)據(jù)進行地震、壓裂分析，鉆柱的振動分析等；

通過圖像處理、深度學習等方式實現(xiàn)油氣行業(yè)的智能化應用，比如油藏的地質(zhì)分析；

簡化和自動化能源交易和能源管理任務，運行 Monte Carlo 仿真進行估值和風險評估等；

預測性維護也叫設備健康管理，通過 MATLAB 的預測性維護工具箱，識別故障、設計狀態(tài)指示器，并估算關鍵設備（如泵和壓縮機等）的剩余使用壽命，變計劃性維護為預測性維護，極大地降低成本，提高效率。

數(shù)字孿生技術的應用同樣有4個維度。

鉆井系統(tǒng)建模和數(shù)字孿生，為系統(tǒng)和多個子系統(tǒng)建立數(shù)字化模型以驗證控制效果和系統(tǒng)安全穩(wěn)定性；

MBD & Polyspace，使用基于模型設計進行產(chǎn)品開發(fā)、測試和驗證，同時對于已有的手工代碼進行高安全等級和行業(yè)標準檢驗以確保代碼層級的安全性；

實時仿真 & HIL（硬件在環(huán)），方便快捷地實現(xiàn)實時測試，更好地了解系統(tǒng)行為和控制效果；

最后所有的大數(shù)據(jù)及數(shù)字孿生算法通過代碼生成，Production Server，Web Application Server 等工具可以輕松地部署到邊緣設備、IT/OT 系統(tǒng)和企業(yè)云端等，為實際的生產(chǎn)、運營服務。

3AI 及大數(shù)據(jù)

MathWorks 提供了一系列用于大數(shù)據(jù)分析和人工智能的工具箱，以方便用戶進行信號處理、時頻域計量建模和人工智能模型訓練等。

其廣泛地支持運營數(shù)據(jù)、井下數(shù)據(jù)、操作日志、地下數(shù)據(jù)、以及地震圖像、衛(wèi)星高光譜圖像等數(shù)據(jù)格式。

以機器學習為例，MathWorks 提供了完整的工具鏈，使得機器學習/深度學習工作流無縫化對接，涵蓋了數(shù)據(jù)讀取，數(shù)據(jù)預處理，特征提取，模型訓練，模型矯正和部署集成。

MATLAB 支持各種不同的文件格式、數(shù)據(jù)庫以及web和云存儲系統(tǒng)，我們提供各種工具幫助用戶清理“臟”數(shù)據(jù)，包括處理丟失的數(shù)據(jù)、對來自不同傳感器數(shù)據(jù)進行時間對準及過濾噪聲干擾等；

為信號、圖像、視頻、音頻和文本數(shù)據(jù)提供特征工程技術以提取時頻域特征；

MATLAB 提供的 APP 助力于用戶方便快捷地進行模型訓練和模型矯正，最后部署到邊緣設備、IT/OT 系統(tǒng)和企業(yè)云端。

下面我們來看兩個油氣行業(yè)利用大數(shù)據(jù)和 AI 的例子：

殼牌石油地質(zhì)學家使用機器學習進行油藏特征描述

左： 三維地震數(shù)據(jù)立體水平切片，黑色為一條大型溝帶（潛在的儲層目標）

右： 預測可能的目標儲層內(nèi)部地質(zhì)構造

在油氣勘探中，地質(zhì)學家們常利用地震數(shù)據(jù)反演地下地質(zhì)構造以識別潛在的油藏，通常這些圖像缺乏必要的分辨率來捕捉復雜的巖石層模式和其他地層細節(jié)。

分辨率不高的成像可能導致鉆井效率低下成本超高，也可能導致過于樂觀的產(chǎn)量預測。

殼牌公司希望開發(fā)一種算法，它可以利用現(xiàn)有的地震測量數(shù)據(jù)和已知地質(zhì)構造的數(shù)據(jù)庫來推斷新的類似的，低分辨率的地質(zhì)構造特征。

他們使用曲線擬合工具箱的加權三次樣條函數(shù)進行曲率分析，以定量地描述從三維地震數(shù)據(jù)中提取特征，使用 Database Toolbox 將算法連接到一個包含衛(wèi)星圖像、地形、巖心數(shù)據(jù)、地質(zhì)構造等的數(shù)據(jù)庫；

利用統(tǒng)計學工具箱和機器學習工具箱，開發(fā)了一個回歸模型和預測算法，結合數(shù)據(jù)庫指標、從地震數(shù)據(jù)中提取的特征和已知的比例關系，預測地質(zhì)厚度、寬度和其他地層特征；

使用 Mapping Toolbox 標識識別位置，同時使用 MATLAB Production Server 將該算法發(fā)布到全公司范圍內(nèi)應用。

貝克休斯將機器學習用于診斷、預測和降低壓竄影響

為了提高原油產(chǎn)量開采所有可能的儲層，同一油田范圍內(nèi)打出越來越多的加密井，而水力壓裂法普遍應用更多的壓裂段，每段水平段完井含沙量更高、簇距更近導致井間壓竄成為必然結果；

據(jù)斯倫貝謝公司的統(tǒng)計以美國特拉華盆地為例，支撐劑總量和水平段長度歸一化處理后，當井間距小于 488 米時發(fā)生壓竄的概率為81%，而距離縮小到 244 米時發(fā)生壓竄的概率超過 91%。

壓竄的直接結果導致母井產(chǎn)量下降 30% 以上，甚至導致設備損壞而永久停產(chǎn)。

但是壓竄是一個非常復雜的問題，影響因素眾多，可控因素包括井間距、井位排列、壓裂類型、注入速率、注入壓力、流體類型、支撐劑濃度體積、巖層構造等，還有一些不可控因素影響如天然斷裂構造、地應力和斷裂屏障模式等。如何找到其中的關系模式成為診斷、預測和降低壓竄影響的關鍵。

貝克休斯公司使用機器學習工具，利用作業(yè)前確定的參數(shù)數(shù)據(jù)和母井的時間序列壓力數(shù)據(jù)開發(fā)壓竄預測算法。

工程師們提取原始數(shù)據(jù)，在進行數(shù)據(jù)清洗之后結合行業(yè)領域知識和數(shù)據(jù)分析方法進行數(shù)據(jù)特征提取；然后通過機器學習對數(shù)據(jù)進行分類和標簽，以識別井內(nèi)和水平段之間的相互作用，同時與母井壓力表的監(jiān)測數(shù)據(jù)結合起來，進行異常檢測和診斷，最后將結果可視化呈現(xiàn)并部署在企業(yè)系統(tǒng)中。通過這種方式識別了發(fā)生壓竄的原因，并輸出一系列規(guī)則及應對決策機制。

4

數(shù)字孿生技術

數(shù)字孿生（Digital Twin）是在基于模型設計 MBD（Model-Based-Design）概念基礎之上深入發(fā)展起來的，是指充分利用物理模型、歷史數(shù)據(jù)等，借助輔助工具完成的多領域、跨學科的仿真過程，在虛擬空間中完成對物理系統(tǒng)整個生命周期的映射。從而對設備、系統(tǒng)的健康狀況、性能、發(fā)展趨勢進行預判，同時結合實際的數(shù)據(jù)可對現(xiàn)場故障進行復現(xiàn)，以驅(qū)動維護更新和優(yōu)化。

在油氣行業(yè)，數(shù)字孿生技術被大量地用于小到一個設備，大到鉆井、油田的開發(fā)和虛擬仿真。上圖為在 MATLAB/Simulink 中為絞車鉆井系統(tǒng)建立的數(shù)字孿生模型，包括了控制系統(tǒng)及被控對象。通過數(shù)字孿生模型就可以對整個鉆井系統(tǒng)的運行進行全面的仿真和測試，尤其是在一些極限工況下系統(tǒng)的反應，從而確保實際的物理系統(tǒng)安全穩(wěn)定運行。

同時，MathWorks 提供了幫助用戶實現(xiàn)設計、實施、測試的完整工具鏈。

模型仿真測試通過之后可以自動地將被控物理對象生成 C/C++ 等代碼，編譯下載到工控機等仿真測試設備；

而控制算法可以從模型自動生成 C/C++/PLC 等代碼，通過 IDE 環(huán)境集成并下載到實際的工業(yè)控制器中，這樣兩部分就可以協(xié)同仿真完成系統(tǒng)的硬件在環(huán)實時測試 HIL（Hardware-in-the-Loop），確保實時性能無誤后在投入實際系統(tǒng)使用。

下面我們來看兩個數(shù)字孿生技術在油氣行業(yè)應用的例子：

貝克休斯公司利用數(shù)字孿生改進油氣鉆探設備的精度

使用 Kymera 混合鉆頭的 AutoTrak 曲線旋轉(zhuǎn)式可導向系統(tǒng)

隨著可開采油氣儲藏變得越來越稀少，石油公司通常只好鉆探三維井，延伸數(shù)千米才能到達新儲層。在鉆探過程中需要精確的導向控制，以便最大程度地接觸儲層并避免碰到現(xiàn)有油井。

使用來自磁力計和加速度計的信號對鉆探系統(tǒng)的傾角和方位角進行計算。井下振動和沖擊使這些信號失真，導致隨井深而增加的井孔位置的不確定性。

Baker Hughes 采用 MATLAB 和 Simulink 的基于模型的設計，建立了新的開發(fā)流程。他們從在桌面仿真中測試現(xiàn)有算法開始，然后使用建模和自動代碼生成來改進算法。

他們使用 Simulink Check 和 Simulink Coverage 檢查是否符合 MathWorks Automotive Advisory Board （MAAB） 建模標準，并測量他們的測試用例的模型覆蓋率，最大限度地減少了昂貴的現(xiàn)場測試的同時，最終出色地完成了設備精度的提升，并且為來來項目的開發(fā)奠定了可復用的模型基礎。

NOV 使用基于 Speedgoat 的 HIL 系統(tǒng)進行實時邊緣分析

NOV（美國國民油井華高公司）使用基于 Speedgoat 的硬件在環(huán)系統(tǒng)進行實時邊緣分析和測試。

他們在后臺開發(fā)的模型需要在實時操作系統(tǒng)和數(shù)據(jù)上運行，鉆機的數(shù)據(jù)傳輸、定位和移動性都進行實時計算，以實現(xiàn)鉆井自動化。

Speedgoat 是 MathWorks 所推薦的實時仿真系統(tǒng)，用于 HIL（硬件在環(huán)測試），NOV 在 Simulink Real-Time 和 Speedgoadt 中開發(fā) HIL 系統(tǒng)，在 MATLAB/Simulink 中實現(xiàn)了完整的敏捷開發(fā)。

通過這種方式 NOV 開發(fā)了系統(tǒng)故障早期檢測算法，經(jīng)過 HIL 實時測試后快速地部署在鉆井控制系統(tǒng)中。

5

總結與展望

數(shù)字化轉(zhuǎn)型是傳統(tǒng)油氣行業(yè)發(fā)展的必然趨勢，各大油氣公司的數(shù)字化革新也正在步入深水區(qū)。

未來十年油氣行業(yè)的數(shù)字化轉(zhuǎn)型核心必然聚焦于資產(chǎn)生命周期的數(shù)字化管理、循環(huán)協(xié)作式生態(tài)系統(tǒng)的建立、開辟新興業(yè)務空間、以及傳統(tǒng)化石能源和新能源的結合。

在這個過程中，越來越多以大數(shù)據(jù)、人工智能、企業(yè)云為代表的新技術被用于數(shù)字化轉(zhuǎn)型。

短期內(nèi)建立起數(shù)字化平臺實現(xiàn)勘探、開發(fā)、生產(chǎn)、儲運、煉化、交易統(tǒng)一的數(shù)字化管控；

中期利用傳感器技術形成大數(shù)據(jù)資源輔助油氣工程決策；

長期充分利用大數(shù)據(jù)和 AI 算法實現(xiàn)對生產(chǎn)過程的優(yōu)化以提高效能、降低成本。

MathWorks 的產(chǎn)品主要包含 MATLAB 和 Simulink 兩大平臺，其中 MATLAB 是一個用于算法開發(fā)、數(shù)據(jù)分析、可視化和數(shù)值計算的編程環(huán)境，Simulink 是一個用于系統(tǒng)設計、仿真測試和自動代碼生成的圖形化環(huán)境。

除此之外，還為各個特定領域應用推出了超過 100 個附加產(chǎn)品如數(shù)學優(yōu)化、統(tǒng)計學模型、信號處理、計算機視覺、物理建模、控制系統(tǒng)等一系列工具箱，在油氣行業(yè)的上下游、化工和設備等行業(yè)得到了普遍應用。

編輯：jq