原文：석유 탐사 및 개발에 인공 지능의 응용 및 개발 동향
요약 및 전망
기업의 디지털 전환은 사물인터넷, 클라우드 컴퓨팅, 빅데이터, 인공지능, 블록체인과 같은 정보 기술을 사용하여 자동 데이터 수집, 자동 데이터 전송, 프런트 엔드에서의 실시간 인식, 안전한 저장을 실현하는 것입니다. , 중간에 실시간 모니터링 및 중앙 집중식 제어, 터미널 지능형 분석, 데이터 공유 및 기술 지원. 전면, 중간 및 백엔드의 통합, 협업, 효율적인 연결 및 데이터 공유는 전통적인 비즈니스 운영 프로세스의 재구성과 작업 모델의 변환을 효과적으로 촉진했습니다. 인공 지능은 이러한 변화에서 중요한 역할을 합니다.
인공지능 기술은 탐색과 개발의 병목 현상을 깨고, 수직적이고 고립된(전통적인) 관리 모델을 통합적이고 협업적이며 수평적인 경영 모델로 전환하고, 비즈니스 운영 프로세스를 재구성하고, 품질을 개선하고, 비용을 절감하고, 효율성을 높이고, 궁극적으로 기업의 디지털 트랜스포메이션을 강화합니다. 변환은 주로 다음과 같은 측면에서 수행됩니다.
- 자동 데이터 수집 장비 —> 실시간 동적 데이터 제공;
- 지능적인 데이터 분석 및 처리 소프트웨어 -> 처리/해석 효율성을 개선하고 전문가 경험에 대한 의존도를 줄이며 인적 자원 할당을 최적화하고 인건비를 줄입니다.
- 무인 항공기 및 전자 검사는 육체 노동을 대체 —> 직원 행복 지수를 향상시킵니다.
- 오류 경고 —> 오류 감지 및 정보 전송 시간을 단축하고 생산 및 유지 보수 비용을 줄이기 위한 사전 조치를 취하십시오.
- 생산 및 운영의 동적 관리 —> 생산 손실을 최소화하기 위한 비상 대응 능력을 강화합니다.
.1 문제 및 과제
데이터는 사회적, 경제적 발전을 촉진할 뿐만 아니라 AI 기술의 지속적인 발전을 촉진하는 새로운 인식 자원이 되었습니다. 그러나 석유 탐사 및 개발 분야에서 이 기술을 적용하면 장비와 소프트웨어를 지속적으로 업그레이드하는 경향이 있어 결국 오프라인, 소프트웨어 조각화 및 데이터 격리로 이어집니다. AI가 산업에 도입되려면 고품질 데이터 , 명확한 응용 시나리오 , 과학적이고 적절한 알고리즘 모델이 필요합니다 . 탐색적 연구를 수행하는 것은 상대적으로 쉽지만 산업적 규모로 실제 적용하기 위해서는 많은 어려움을 극복해야 합니다.
객관적으로 말하면 저수지 이질성은 석유 지질학적 문제를 해결하는 데 여러 솔루션과 불확실성으로 이어져 기계 학습을 위한 "교과서"(레이블 데이터)를 얻기 어렵게 만듭니다. 그러나 고품질 라벨 데이터는 AI 기술의 산업적 응용의 핵심입니다. 지진 데이터 수집 비용이 높은 경우가 많기 때문에 얻은 데이터의 대부분은 "작은 샘플"이며 데이터 양이 딥 러닝의 요구 사항을 충족하지 못합니다. 석유 탐사 데이터의 강력한 전문성과 특수성으로 인해 범용 AI 알고리즘을 직접 사용할 수 없습니다. 훈련 정확도를 높이기 위해 전이 학습 기술을 사용할 때 기존에 관련 사전 훈련된 모델을 불러올 필요가 있습니다. 석유 탐사 및 개발 적용의 특수성으로 인해 기존 리소스 라이브러리에서 적합한 사전 교육 모델 또는 사전 지식 시나리오를 찾는 것이 불가능합니다. 이는 AI 적용 프로세스를 어느 정도 방해했습니다.
주관적으로 말하자면 관리 시스템과 데이터 상태로 인해 AI를 실제 적용하는 데 많은 어려움이 있습니다. 현재 탐사·개발 분야의 AI 기술 연구는 폭발적으로 성장하고 있지만 시스템 조율 부족은 자원 낭비와 어느 정도 반복적인 투자로 이어진다. R&D 데이터는 일반적으로 대용량 및 다중 소스 이질성과 같은 빅 데이터의 특성을 가지고 있습니다. 그러나 "빅 데이터 볼륨"은 "빅 데이터"를 의미하지 않습니다. 현재 석유 탐사 및 개발을 위한 데이터 표준이 균일하지 않고 데이터 품질이 고르지 않으며 데이터 공유가 실현되지 않아 AI 애플리케이션 을 위한 데이터 기반 이 부족합니다. 또한 AI의 응용 시나리오가 명확하지 않고 시스템이 강력하지 않으며 현재 프로모션 및 기술 경로가 명확하지 않으며 " 석유 및 가스 + 지능 " 의 핵심 기본 이론 및 기술 장비가 부족합니다. 따라서 AI를 적용할 때 관리 프로세스를 재구성하고 품질 개선, 비용 절감 및 효율성 향상에서 AI의 역할을 최대한 발휘하는 방법은 향후 기업의 큰 과제가 될 것입니다.
.2 개발 방향
AI 기술은 확실히 석유 및 가스 엔터프라이즈 체인에서 기술 혁신을 위한 새로운 모멘텀을 제공할 것입니다. 석유 탐사 및 개발의 필요성과 AI 기술의 연구 상태를 고려할 때 향후 개발 방향에는 다음 세 가지 측면이 포함됩니다.
- 스마트 장비 . 딥 러닝, 자연어 처리, 음성 인식, 강화 학습 및 기타 기술을 로봇에 지속적으로 성공적으로 통합함으로써 산업용 로봇은 점차 성숙해지고 있습니다. 점점 더 많은 석유 회사들이 로봇을 사용하여 위험한 작업에서 인간을 대체하기 시작했습니다. 현재 로봇은 파이프라인 검사 및 심해 작업과 같은 고위험 작업에 성공적으로 사용되었습니다. UAV 기술은 점차 탐사 및 개발 작업, 특히 지구물리 탐사 분야에 적용되고 있으며, UAV는 지질 탐사, 데이터 수집, 비디오 감시, 자재 전달, 공학적 구조 등을 수행할 수 있습니다. 동시에 장비에 전문 소프트웨어가 이식되어 장비가 점점 더 지능화되고 있습니다. 미래에는 사물인터넷, 머신비전, 딥러닝 등의 기술이 내장된 스마트 장비가 운영비를 크게 줄이고 운영 효율성을 높일 것입니다.
- 자동 데이터 처리 및 해석 . 데이터 마이닝 및 수학적 통계는 석유 탐사 및 개발에 성공적으로 적용되었으며 로깅 곡선 해석 및 저수지 매개변수 예측에 널리 사용되었습니다. 최근 딥러닝, 통합학습, 전이학습 등 기술의 지속적인 발전으로 영상처리, 분석, 예측에서 AI의 뛰어난 장점이 부각되고 있다. 암반 물리학, 지진 이미지, 유정 로깅 곡선, 지진 코어, 생산 운영 등의 데이터 자동 처리 및 분석에 딥 러닝, 통합 학습, 전이 학습, 강력한 메모리 학습 등의 기술이 깊이 적용될 것으로 기대됩니다.
- 전문 소프트웨어 플랫폼 . 석유 탐사 및 개발 측면에서 석유 및 가스 전문 소프트웨어 및 정보 시스템은 인공 지능 기술의 운반체이자 핵심입니다. 전문 소프트웨어는 가장 중요한 연구 도구이자 전문 지식의 결정체이자 석유 회사와 서비스 회사의 핵심 경쟁력입니다. 자동 데이터 수집, 지능형 처리 및 분석에 AI 알고리즘을 적용하여 일부 전문 소프트웨어 패키지는 머신 러닝, 머신 비전, 데이터 마이닝 및 기타 알고리즘을 사용하여 지능 수준을 더욱 향상시키고 기반에서 공동 연구를 실현하기 위해 노력합니다. 데이터 공유의. Petrel, Techlog 및 Eclipse와 같은 전문 소프트웨어 패키지는 계속해서 AI 기술을 흡수하여 더욱 지능화되고 시뮬레이션과 설계의 통합을 실현합니다. 앞으로 AI 기술의 연구 개발은 업계에서 이미 잘 알려진 전문 소프트웨어 패키지에 초점을 맞추고 지능을 강화하는 동시에 다양한 요구를 충족시키기 위해 새로운 전문 소프트웨어 패키지를 생성할 것입니다.
.3 개발 우선순위
개별 사례의 성공적인 경험으로 보급을 촉진하고 점차 AI 적용을 촉진해야 합니다. 탐사 및 개발 작업의 필요성을 고려할 때 미래 응용 프로그램의 개발 초점에는 스마트 분지, 스마트 로깅, 스마트 지구물리학적 탐사, 스마트 연구 및 개발, 스마트 파쇄, 스마트 석유 생산 등이 포함되며 다음에는 초점이 맞춰질 것입니다. 5년에는 디지털 분지, 고속 스마트 이미징 로깅 장비, 지능형 노드 지진 수집 시스템, 지능형 로터리 조향, 지능형 파쇄 기술 및 장비, 계층 주입 및 생산의 실시간 모니터링 등이 포함됩니다.
1998년 디지털 지구 개념의 도움으로 해외 석유 산업은 많은 디지털 분지를 만들었습니다. 그러나 국내 디지털 세면기 생산을 위한 통일된 모델과 기준은 없다. 더 많은 이론적 연구, 덜 실제적인 적용. 향후 몇 년 동안 중국 전문가들은 빅 데이터와 AI 기술을 사용하여 국내외 성숙한 유역의 탐사 및 개발 결과를 기반으로 탐사 및 개발의 전체 수명 주기를 분석하여 지능적인 의사 결정을 수립할 것입니다. 탐사 시스템을 구축하고 나머지 고품질 석유 및 가스 자원의 공간적 분포 예측을 안내합니다. 탐사 초점과 목표를 명확히 합니다.
스마트 로깅의 경우 해외 스캐너의 3D 스캐닝 이미징 시리즈가 포괄적이며 널리 사용됩니다. 중국에서는 EIlog, 국내 고속 이미징 시스템이 널리 사용되고 있으며 이미 글로벌 이미징 및 드릴링 중 이미징의 시제품이 있지만 안정성, 신뢰성 및 실용성 및 AI 측면에서 여전히 외국 상대와 격차가 있습니다. 시스템이 산업 규모 애플리케이션에 대한 요구 사항을 충족할 수 없습니다. 향후 개발 방향은 안정적이고 신뢰할 수 있는 고속 지능형 이미징 로깅 도구의 연구 개발 및 대규모 적용이며 제품을 개선하여 세계 수준을 따라잡는 것입니다.
지능형 지구물리 탐사를 위해서는 강력한 주파수 대역, 저비용, 광대역 및 고효율 획득 기술이 고정밀 지구물리 탐사의 핵심입니다. 현재 국내외의 노드 획득 시스템은 모두 로컬 스토리지의 블라인드 획득을 기반으로 하며 아날로그 회로 감지기를 사용하므로 주파수 대역이 제한됩니다. 향후 진행 상황은 디지털 노드 수집 시스템 및 통합 수집 시스템(진동 및 전자 결합), 육상 애플리케이션용 100만 채널의 스마트 노드 수집 시스템 제조, 심해(~1000m) 애플리케이션 제조 시스템의 구축에 중점을 둘 것입니다.
지능형 시추 작업을 위해 외국은 복잡한 지질 조건과 가혹한 엔지니어링 조건에서 시추 작업의 요구를 충족할 수 있는 다양한 조향 방법과 다양한 각도 형성 기능을 갖춘 다중 크기 조향 도구를 개발했습니다. 대규모 작업에 적합한 이 도구는 셰일 오일 및 가스 개발을 위한 "칩" 기술임이 입증되었습니다. 국내 제품은 안정성, 신뢰성, 실용성 및 수명 측면에서 대규모 산업 응용 분야의 요구를 충족할 수 없습니다. 향후 개발 초점은 지능형 로터리 스티어링 드릴링 중 측정 기술 및 높은 각도 기능, 높은 ROP, 높은 궤적 제어 정확도 및 높은 작동 신뢰성을 갖춘 장비의 연구 개발에 있을 것입니다.
지능형 파쇄의 경우 국내 지능형 전기 드라이브 파쇄 장비와 외국 사이에 격차가 있습니다. 해외 2500 파쇄 펌프 트럭의 최대 운송 능력은 4.9m ~ 3/min인 반면 국내 유사 제품의 최대 운송 능력은 2.8m ~ 3/min에 불과하여 고강도, 고압, 대량 처리 요구 사항을 충족할 수 없습니다. , 높은 프로판트 농도 및 연속 작동이라는 비전통적인 채광 요구 사항은 중국의 산악 지역 및 황토 고원에서의 작업 요구를 충족할 수 없습니다. 향후 개발의 초점은 소형, 고출력 및 지능형 파쇄 작업을 실현하기 위해 완전한 고출력 전기 드라이브 파쇄 장비, 지능형 수명 주기 관리 시스템 및 지능형 파쇄 시스템을 개발하는 것입니다.
지능형 오일 회수를 위해 국내 유전은 주로 물 주입을 사용하여 개발하고 기술은 외국보다 앞서 있습니다. 대륙 퇴적층 저수지의 강한 이질성으로 인해 전체 회복 계수는 낮음에서 높은 절수 단계입니다. 정제되고 지능적인 구역 주입 및 생산을 구현하여 오일 회수를 개선하는 중요한 방법입니다. 향후 개발의 초점은 지능형 구역의 주입 생산 시리즈를 위한 실시간 모니터링 기술과 지능형 저수지 엔지니어링을 위한 통합 최적화 시스템의 연구 개발입니다.