您现在的位置是：首页 > 新闻资讯网站首页新闻资讯

1、物联网技术建立了油气数据互联互通的物质基础

油气行业具有资产密集度高、操作距离远和生产环境危险等特点，建立工业物联网可有效简化工艺流程，丰富决策手段，提高运营效率。油气工业物联网通常由感知层、传输层和应用层3部分组成，感知层由安装在各关键生产环节的传感器和射频识别（RIFD）装置组成，用于采集油气勘探、开发、生产过程中的数据信息；传输层由互联网、移动通信网等网络构成，负责数据传输；应用层是指系统管理平台，实现油气数据的分析处理。由此建立起储层、井筒、单井、场站、管网、设备和人员之间全面互联的信息网络，实现对油气勘探开发与生产管理体系的全面感知能力，为油气系统的智能化生产与决策管理提供了基础平台。中国石油天然气集团有限公司（简称中国石油）自2001年起布局油气工业物联网，“十二五”重点建设项目“油气生产物联网系统（A11）”建立了覆盖油气田井区、计量间、集输站、联合站、处理厂的数据管理平台，通过生产数据自动采集、远程监控和生产预警，实现生产过程控制，提高了生产决策的及时性和准确性（图1）。截至2020年底，油气生产物联网建设的井、站覆盖率分别达到61%和72%，数字化管控稳步推进，助力生产实现自动化、中小井站无人值守、大型站厂少人高效。油气生产组织由5级减少到3级，推动了传统石油工业生产组织模式转型。

2.大数据技术拓展了油气数据价值的潜力空间

油气行业覆盖勘探、开发、生产、储运、炼油、销售等多个专业领域，业务类型多，关联度紧密，一方面由物联网系统产生的日常数据量庞大而复杂；另一方面随着油田开发进程的深入，剩余油分布日益复杂，需要及时调整开发策略，针对大量生产数据实时分析。以中国石油为例，勘探开发领域的各类结构化数据已累计超过1.7PB，传统的数据分析技术无法对海量油气数据进行及时分析，大量数据处于沉睡状态。

大数据技术不是一项独立的技术，涵盖了以数据驱动建模为核心的多项新技术。利用先进算法来管理大数据，识别数据相关性，可揭示表面上杂乱无章、数量庞大的油气数据背后所隐含的勘探、开发及生产的规律和关系。

中国石油勘探开发研究院创建了基于大数据深度学习的电参数上下死点智能识别方法，将抽油机井电参数转换为产量和示功图，实现机械采油井动态监测、在线诊断和预警功能，大幅度降低了生产管理成本。该技术在吉林油田推广应用，电功率曲线上下死点识别技术现场试验1200口井、20多万井次，准确率达98%以上（图2a）；电参数转示功图技术现场应用1620口井，与实测功图吻合度达95%，载荷符合率达94%，诊断准确率为95%（图2b）；电参数转产量技术与现场332口井产量计量数据对比，平均误差为13.76%（图3）。

3. 云计算技术突破了油气数据管理的资源瓶颈

油气行业传统信息化基础设施建设存在3个难题：一是一次性投资大，建设庞大的系统运行平台和海量数据存储需要配备大量软硬件设施；二是系统维护管理成本高，传统信息化模式下超过75%的预算用于IT系统运维，维护和管理成本可达基础设施投入的4倍以上；三是电力消耗大，巨大的软硬件集群和配套冷却设备产生大量电耗。

云计算通过网络统一管理和调度计算、存储、网络、软件等资源，实现资源整合与配置优化，并以服务的方式提供，满足不同用户需求，突破了传统的IT架构和技术瓶颈，实现容量随时扩展，大幅度提升了网络服务所需的计算能力。

中国石油组织建设的“梦想云平台”，搭建油气勘探、开发生产、协同研究、经营管理和安全环保等通用业务应用，实现上游业务“一个湖、一个平台、一系列业务应用的勘探开发梦想云平台”，为数字化转型提供了良好的数据和算力基础（图4）。梦想云集中管理中国石油60多年的勘探开发数据，覆盖16家油气田公司、45余万口井、2.6万多座站库，累计形成5PB核心数据资产。利用梦想云平台，以往需要几个月分析才能得到的地震数据，通过调用海量数据线上研究，20分钟就可以构建出基于知识图谱的油气层识别模型，新井开钻时间比常规提前2个月以上，为提高油田生产效率和经济效益提供巨大助力。

4. 人工智能技术实现油气生产管理系统决策水平质的飞跃

早期油气行业信息化的主要任务是减少简单重复性工作，而对于复杂问题仍需借助专业技术人员。人工智能技术通过对油气大数据的深度学习和解释，可实现复杂问题的分析处理，极大提高了生产管理和决策水平。

人工智能技术的应用使计算机能够快速、准确地分析大量数据，更快、更准确地发现油气藏，协助构建精确的地质模型，帮助工程技术人员在钻井之前准确预测地下状况，提高油气数据分析效率。人工智能技术在油气藏精准建模、钻井作业优化、油气设备的动态诊断及预防性维护等领域的应用，极大提升了生产管理和分析决策水平。

中国石油组织建设人工智能应用通用平台，涵盖卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）、反向传播BP算法、图像识别、图像分割、随机森林等常用算法，预置了包括自然语言处理（NLP）、知识搜索/推荐、文本生成、智能问答等常用人工智能模块，在复杂油气藏的勘探开发研究及地质工程一体化开发中发挥了重要作用（图5）。

人工智能地震层位解释技术用于低幅度构造区，比传统的剖面追踪方法效率提升20倍以上，实现最高密度的层位解释和快速圈闭搜索。在复杂断块区使用基于正演模型训练的断层预测网络，可实现无监督的快速断层解释功能，提高预测精度的同时，预测速度提升3倍。

5. 区块链技术提供油气数据资源安全共享的技术支撑

传统信息化过程中，数据分散在部门和个人手中，数据共享不充分，存在大量“数据孤岛”现象，以及极大的数据安全隐患。利用区块链技术可提高油气行业数据的可视性和运营效率，简化监管流程，提高数据共享水平。区块链可以为执行和记录数据共享和交易提供可靠而有效的平台，存储大量干净、防篡改的数据，可供监管机构访问和跟踪，有效提高数据安全防护等级。

当前，区块链技术在油气行业的应用尚属空白，能源行业在电力和金融交易领域开展了探索性试验。2017年12月，中国中化集团有限公司（简称中化集团）针对从中东到中国的原油进口业务，成功完成我国第一单区块链原油进口交易试点，原油交易执行效率提高50%以上。2018年4月，中化集团下属中化能源科技有限公司针对一船从中国泉州到新加坡的汽油出口业务，完成区块链应用的出口交易试点。这是全球首单有政府部门参与的能源贸易区块链应用项目，通过引入银行资金，降低贸易融资成本30%以上。

1、物联网建设标准不统一

由于国内油气田的储层类型、地形地貌、气候环境、开发阶段等条件差异较大，各油田对物联网建设的需求不同，必须采用个性化的解决方案。例如，吉林油田为解决低渗透油田后期生产运行费用高的问题，研发了以电参数在线测试诊断技术为核心的低成本物联网系统（图6a）；长庆油田为解决西北丘陵地区复杂地貌条件下巡井周期长、管理难度大的问题，开发了配置较全面的数字抽油机物联网系统（图6b）；新疆油田为解决环境敏感地区征地难、油田建设运维成本高的问题，开发了大平台集成生产物联网系统（图6c）。

目前油气行业缺乏整体规划和统一的技术标准，各油田在物联网建设过程中，所采用的硬件配置、软件平台设计标准各不相同，不同阶段采取的产品标准和技术也存在差异，这不利于油气工业物联网系统的长期稳定运行，也给物联网技术的规模推广带来很大难度。

2. 云计算建设成本依然偏高

一是云计算建设需要较高的专业技术门槛。由于缺乏云计算相关资源和专业知识，国内油气田企业在开展云计算建设中普遍面临建设周期长、自主运维能力不强的问题。

二是需要专项资金的长期支持。云计算建设是企业基础设施建设，需要在硬件设备、软件平台、系统运维和人员培训方面进行持续投入。据统计，云计算建设费用约占信息化建设总资金的30%。

三是受近年云安全事件频发的影响，“如何安全上云”成为用户重点关注问题。调查发现，90%的安全专家都在关注云计算的安全性，如数据丢失和泄漏、数据隐私和违反机密性等。随着用户经验的增加，云计算系统的安全问题将逐步得到解决。

上述问题都表明，云计算在油气行业的应用、发展和完善注定要经历一个较为漫长的过程。

3. 大数据和人工智能技术潜力未充分发挥

一是数据属性的多样性导致应用难度大。由于石油行业具有极强专业性和分散性（图7），通用人工智能算法难以直接利用。例如，地震数据和钻井数据无法做关联分析，因为二者的数据类型和性质完全不同，前者是非结构化数据，后者是结构化数据，需根据不同应用场景重新设计模型。

二是国内大数据和人工智能技术在油气行业的应用尚处于起步和探索阶段，还存在技术不成熟和经验不足的问题。

三是开发人员缺乏足够、充分的油气行业专业背景知识，对油田迫切需要解决的痛点缺乏深入理解，设计场景主要参考通用典型案例，未能结合各油田实际情况，开发个性化的应用场景。

4. 区块链技术需进一步完善

一是区块链技术在系统稳定性、应用安全性、业务模式等方面尚未成熟。例如，协议层面临协议漏洞、流量攻击和恶意节点等多种安全隐患，扩展层会存在代码安全漏洞，应用层则涉及私钥管理安全、账户窃取、应用软件漏斗、DDoS 攻击、环境漏洞等安全问题。

二是对上链数据的隐私保护、存储能力等要求较高。由于区块链的数据只有追加而没有移除，数据只增不减，随着时间推移，区块链系统对数据存储大小的需求也将持续增大。油气行业具有大量结构化和非结构化的庞杂数据，随着油气田勘探开发规模的不断扩大和开发进程的不断深入，数据总量不断增加，对于数据存储和安全保护的需求持续放大。

三是通用性方面仍显不足。为适应多样化的业务需求，满足跨企业的业务链上的数据安全高效共享，区块链对数据的记录方式要有足够的通用标准，才能很好地表示各种结构化和非结构化的信息。目前的区块链系统大多采用特定的共识算法、密码算法、账户模型、账本模型、存储类型，缺少可插拔能力，无法灵活适应不同场景要求。

5. 业务流程和管理机制不配套

油气行业数字化转型必将带来生产管理业务流程和管理机制的重构，先进的数字化系统必须配套平台化、专业化的组织结构和高效的管理机制才能取得预期效果，而突破传统管理机制将是油气行业数字化转型面临的最大痛点和难点。

一是业务流程重构需要开展大量细致的基础工作。IT技术人员与用户部门须经过充分和深入的沟通，梳理出各部门的实际业务场景，建立规范的业务流程和数据管理流程，逐步实现业务流程的数字化和优化重组，实施部门的标准化管理、质量管控和队伍建设等方面将面临严峻挑战。

二是管理机制重构更需要打破原有组织结构，在组织重建过程中，必然面临人才流失、业务能力提升缓慢、团队士气不足等风险，实施部门的管理、创新和执行能力将面临重大考验。

6. 信息技术人才储备不足

信息技术在传统油气行业中属于非主干专业，信息化人才力量显著不足。而要让油田企业员工快速理解大数据、人工智能等新一代信息技术，降低学习和使用门槛，并将这些技术快速应用到不同专业的业务领域中去，目前还面临很大挑战。同时，新一代信息技术是综合学科，涉及数学、计算机技术、经济学、社会学、密码学等多个学科，对于人员素质要求高，全社会在相关领域的高水平人才也十分缺乏。

在数字化转型大形势下，信息化技术对于行业的引领作用愈发凸显，在大力推广新兴信息技术的同时，需要打造一支能够驾驭油田数字化、智能化发展方向的现代管理和技术团队，支撑油气行业可持续发展。

以五大信息技术为代表的新一代信息技术是油气行业数字化转型的重要工具，各项技术既相对独立，又相互融合，在应用中不能简单组合或叠加，需要针对实际问题和需求，选择合适的应用场景，充分发挥各项技术特点，制定系统完整的解决方案。

1.聚焦行业痛点，科学制定数字化转型建设顶层设计
数字化顶层设计应遵循以下原则：一是紧扣当前国内油气田开发痛点，即老油田含水高、综合递减快、低产井数多、生产运行成本高的问题，以及新建产能油藏品质低、开发难度大、产能下降快的问题；二是充分结合各油田、区块的实际开发条件，提出个性化设计需求，避免一刀切；三是坚持以经济效益为中心，避免不计成本地简单重复建设。

2. 充分发挥新技术优势，系统制定数字化转型实施方案
数字化转型实施方案建议包括三方面内容：一是覆盖油气田全生命周期过程，对生产和管理流程进行全面分析，梳理影响运营成本和效率的主要矛盾和关键环节；二是充分利用五大信息技术优势，选取典型应用场景，建立示范性解决方案，以点带面，逐步推广；三是对标国内外先进水平，建立并完善油气行业数字化建设系列标准。

3. 推动管理机制创新变革，激发数字化转型提效降本优势
一是优化生产管理系统工艺流程和组织机构，实现简化工艺、提高工效、降低成本，最大限度发挥数字化转型的赋能作用；二是建立数据资产登记和管理制度，深化数据资产理念，拓展数字经济的价值空间；三是建立数据管理激励机制，充分调动员工参与数字化建设的积极性和主动性，推动数字化进程不断完善。

4. 内部挖潜与外部协作相结合，营造健康的数字化产业生态
通过内部挖潜和外部协作相结合的途径，建立油气行业内部的数字化生产运维中心、数字化技术研发中心和数字化产品加工制造中心，在培养数字化转型人才梯队团队的同时，打造完整的数字化产业生态链，推动油气行业数字化建设的健康持续发展。

油气行业的数字化转型是一项系统工程，宜从顶层设计入手，科学统筹，有序推进。以经济效益为中心，以解决行业痛点为目标，充分发挥五大信息技术的优势，通过科学论证和深入分析，制定符合油气行业需求的中长期发展规划和实施方案，要避免脱离实际的“运动式”作风，避免单纯的信息化工程建设。

切实抓好业务管理创新和信息化管理改革是实现油气行业数字化转型成功的关键。数字化转型所带来的变革具有广泛的内涵，一是技术重构，包括生产流程、工艺技术和学科建设等；二是管理重构，包括组织结构、管理机制和队伍建设，两者缺一不可。

数字化转型工作的实施存在很大风险，要注重做好技术、经济和管理三方面可行性论证，用好市场化和专业化的企业内生机制。建议按照重大项目管理模式组织运作，公司决策管理层深度参与，强化职能部门协同推进。