精选文章||油气资源开发的大数据智能平台及应用分析

简介

近年来，由于大数据技术及人工智能的快速发展，国际石油公司和油服巨头们加速了数字化智能化油田的建设，打造智慧油田已经成为世界各国下一步的发展方向。然而，如何利用大数据以及人工智能技术，处理海量的油气多源异构数据体以及构建面向生产场景需求的智能算法，快速高效的将油气“数据资源”转化为“数据资产”已经成为各国学者所关注的重点。

近日，北京科技大学宋洪庆教授的流体资源能源与环境实验室(FREE Lab)发表了题为“油气资源开发的大数据智能平台及应用分析”的综述文章，系统地阐述了大数据、人工智能与油气工业的交叉融合以及油气行业新生态的建设。

文章亮点

(1)构建了面向油气资源开发的大数据智能系统平台架构机制

(2)创建了基于物理约束与大数据融合的油气开发人工智能算法库

(3)打造了基于油气大数据智能框架的多场景数智化应用生态

内容简介

本文首先介绍了石油工业大数据的“6V”特性，包括规模性（Volume），多样性（Variety）、高速性（Velocity）、真实性(Veracity)、多变性（Variability）和价值（Value）。因此，油气工业的发展要基于油气数据的“真实性”，通过大数据技术将这些具有“规模性”、“多样性”、“高速性”的数据存储及融合，利用人工智能探究其“多变性”原因，挖掘数据间规律最终发挥油气数据真正的“价值”。

为了完成石油工业数据一体化建设，打造涵盖上游的勘探及开发，中游的运输与存储，下游的分配和销售于一体的大数据智能化平台，构建的主要流程及总体框架。首先可以依托石油工业各大巨头公司，研究所及勘探院的数据库，将不同领域下不同存储方式的特征数据，按照结构化数据、半结构化数据、非结构化数据来进行收集存储，打造一个统一的数据资源池，这也是整个智能化油气大数据平台的基石。然后，基于数据资源池，我们需要将这些不同领域的数据进行数据清理、提取与融合，加强不同领域下数据的关联性，提升数据质量与可信度，从而打破石油工业存在的“数据孤岛”现象。接着，我们以人工智能算法为武器，通过机器学习、深度学习、统计学分析等数据挖掘手段，深层次的剖析解读数据中的潜在规律和隐含的特征，从而给予油田工业更多的建议与决策支持。最后，这些利用人工智能算法获取的分析结果需要通过可视化等简洁的方式展现给终端的用户，使终端客户群如政府机构、研究人员、销售部门等可以按照自己的需求方便快捷的获取相关数据，真正的发挥出石油工业大数据平台的优势与潜能。

本文对依托大数据智能平台建立油气行业新的生态圈的工作进行了展望。文中指出，未来建设全新的油气工业智能生态系统，需要石油公司与科研院所通力合作，以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心，面向油气行业生产需求，结合边缘计算的实时处理与云计算的大数据分析能力，融合物理模拟与数据挖掘等手段，实现服务功能模块化，最终形成集油气行业多源异构数据的收集存储、清洗融合、挖掘分析、可视化服务于一体的全新智能油气生态圈，实现降本增效、产业升级。

油气大数据智能平台总体架构及数据流程

团队介绍

北京科技大学流体资源能源与环境实验室(FREE Lab)，依托大数据分析与计算技术国家地方联合工程实验室、油气数据科学分实验室、北京市重点学科力学学科、“国家环境与能源科技合作基地”、教育部“资源高效开采重点实验室”等国家级和省部级科研创新平台，在油气能源开发理论与模拟技术、油气能源大数据分析及应用等领域取得了一系列科研成果和应用效益。团队共获国家科技进步二等奖1项，省部级科技进步奖8项；主持和参与国家自然基金、国家科技重大专项、国家重点研发计划等国家级和省部级纵向项目20余项，企业合作项目50余项；发表科研论文180余篇，授权发明专利30余项，软件著作权20余项，出版中英文专著5部。同时团队与哈佛大学、美国斯坦福大学、德克萨斯A & M大学、沙特阿卜杜拉国王科技大学、美国北达科他大学、清华大学、中国石油大学、中国科学院等国内外知名科研机构建立长期的战略合作及学术交流关系。

引用本文

宋洪庆,都书一,周园春,等.油气资源开发的大数据智能平台及应用分析.工程科学学报,2021,43(2):179

Song Hong-qing, Du Shu-yi, Zhou Yuan-chun, et al. Big data intelligent platform and application analysis for oil and gas resource development. Chin J Eng, 2021,43(2):179

作者|宋洪庆