大数据技术在石油工程中的应用现状与发展建议

发展建议

摘要：在石油工程中应用大数据技术有利于实现石油工程的智能化管理并降低成本，应提高对大数据技术的重视程度，从大数据平台与钻井、压裂以及开发等应用场景分析大数据技术的应用现状，并通过构建大数据平台、加强自主创新与合作研发等手段促进大数据技术在石油工程中的应用。 关键词：大数据技术；石油工程；应用现状 前言：

在信息技术快速发展的过程中，大数据技术逐渐渗透到各个行业当中，在生产中发挥着重要作用。应用大数据技术可以加快石油工程获取数据的速度，例如钻井数据、测井数据等，可以为石油工程奠定基础，因此本文将综合分析大数据技术在石油工程中的应用现状与发展策略。

1.大数据技术在石油工程中的应用现状 1.1大数据技术在钻井工程中的应用

大数据技术在钻井工程中发挥着重要作用，例如技术人员可以利用大数据技术优化钻井设计、预测机械钻速，增强钻井工程的科学性。（1）在钻井设计优化中应用大数据技术。某公司在大数据技术的基础上提出了工作流程，可以在不确定性条件下进行复杂井况井位的优化设计。在应用过程中，可以先利用搜索方法自动生成井眼轨迹，之后再进行井眼轨迹特征的筛选和计算，最后利用聚类法对井身结构参数进行特征矩阵，再利用机器学习算法优化特征参数，进行新井眼轨迹的预测。（2）在预测机械钻速中应用大数据技术。不同动态的钻井特征参数会相互影响，这就需要预测机械钻速，为了提高预测的准确性需要应用大数据技术与机器学习技术优化预测方法。应用了大数据与机器学习的预测方法将多种参数集合在了一起，之后再通过绘制参数的变化曲线判断是否存在特定参数控制

响应的情况，之后再利用主成分分析法进行特征数量的降维处理，增强模型的预测准确性。最后，再根据特征分析进步性特征属性的权重推断，可有效提升机械钻速预测的准确性，为钻井工程的开展奠定基础。

1.2大数据技术在油层压裂中的应用

近年来，油价相对较低，可以利用大数据技术进行水力压裂参数的优化，并根据优化后的参数进行水力压裂方案的设计，从而提升水力压裂的价值，降低石油企业的成本。某公司认为可以利用云进行裂缝与储层并行模拟并利用人工智能技术与大数据技术构建模型，优化水力压裂设计。在构建代理模型时，技术人员应先构建目标区域的静态地球数值模型，科学调整储层的渗透率、裂缝渗透率以及相对渗透率，从而保障代理模型的计算结果符合历史产能的实际情况。其次，利用标准抽样法随机抽选参数空间当中的敏感参数，并对参数进行排列组合，明确参数的实际影响。此外，需要利用线性回归、随机森林等方法挖掘输入与输出数据之间的拟合关系，利用钻井当中获取的数据训练代理模型，增强模型分析的准确性。

1.3大数据技术在油气开发中的应用

在油气开发过程中，技术人员需要将大数据技术应用在采收率预测、产量分配以及生产设备的性能优化当中。第一，在采收率预测当中应用大数据技术。中国石化石油工程技术研究院与美国一高校联合开发了以大数据挖掘技术以及数学回归算法为基础的页岩油气藏的最终采收率预测方法。利用这一方法进行采收率预测，需要先利用敏感性测试方法进行工程相关参数的选取，明确主控影响因素，之后再利用非线性回归与多元线性回归的方法进行EUR与工程以及生产参数之间的关系，在原有的模型当中加入岩性参数因子，最后在利用数据模型进行最终采收率的预测。第二，在产量分配中应用大数据技术。某公司将大数据分析方法、IT技术以及地理信息系统结合了一起来，构建了页岩油气的产量分配平台，可以根据大量的生产数据评估各个区域的油气生产情况，可以为布井工作提供指导。第三，在生产设备性能优化当中应用大数据技术。某公司利用大数据技术进行了生产数据、监测数据、测试数据以及维修数据的综合分析，构建了电潜泵故障预测模型，可有效识别设备故障，降低设备检修难度。

2.大数据技术在石油工程中的发展策略 2.1建设统一的大数据平台

石油公司若想进行数字化、智能化转型就需要提高对数据信息的重视程度，与油田分公司、服务公司以及科研机构共同商议如何构建统一的石油工程大数据平台，实现石油工程的数据信息共享，让各个部门都能及时石油工程的数据信息，增强数据采集、存储于应用的规范性才能够实现数据融合，充分发挥大数据技术在石油工程中的作用。

2.2实现自主创新与合作研发的结合

相比于电子商务以及互联网等企业，石油行业在信息技术方面存在较大的人才缺口与技术缺口，若想通过自主创新研发大数据技术将会耗费大量的时间。因此，石油企业应将自主创新与合作研发结合起来，在自主创新的过程中与对数字化进行深入研究的企业进行合作。例如，华为、阿里巴巴等企业都是国内顶尖的信息技术企业，石油企业可与这些企业进行合作，探索和研发适合石油工程的技术。同时，石油企业也可以与高校合作，共同建设大数据技术实验室，并加大资金投入力度，专门进行石油工程方面的大数据技术研发。

2.3完善技术标准与管理机制

在应用信息技术的过程中，石油企业应根据石油工程以及大数据技术的特点完善大数据标准体系，制定各个环节的规范标准，对石油工程的各个环节进行有效监督与管理。例如，石油企业需要完善油田数据采集、数据质量、访问接口等方面的制度，加强制度建设，明确各个部门的职责与权利，加强大数据治理。

2.4加强对基础与前瞻技术的研究

传统的大数据优化算法存在一定的应用问题，例如在处理高维石油工程数据时会出现性能下降的问题。因此，石油企业应根据石油工程与大数据技术的特点，加大对机器学习、深度学习的研究力度。同时，石油企业应提高技术水平，积极研发钻完井机器人、钻井井筒数字孪生系统，优化大数据技术，提高数据分析的质量。

2.5构建大数据生态系统

促进大数据技术在石油工程中的应用不是一朝一夕的事情，石油企业应坚持相应的原则并构建石油工程大数据生态系统。在构建系统时，石油企业需根据石油工程的具体需求明确大数据技术的应用战略，并优化石油工程大数据技术的路线。生态系统的构建难度较大，可以先选择一些简单的应用场景进行项目实施，之后再将钻井风险预警技术、地质工程一体化技术等单项技术结合起来，构建大数据生态系统。 结语：

钻井工程、储层压裂、油气开发等场景中都有应用大数据技术，但是在应用过程中仍有不足，需要通过构建统一的大数据平台、实现自主创新与合作研发的结合、完善大数据管理制度、完善大数据生态系统等手段提高大数据应用效率与质量。 参考文献

[1]石油行业发展趋势及中国对策研究[J]. 胡文瑞,鲍敬伟. 中国石油大学学报(自然科学版). 2018(04)

[2]物联网技术在石油钻井中的应用研究[J]. 李维校. 信息记录材料. 2018(05)

[3]近20年世界油气新发现特征与勘探趋势展望[J]. 张宁宁,王青,王建君,侯连华,李浩武,李谦. 中国石油勘探. 2018(01)