人工智能在钻井工程中的应用现状与发展建议 .pdfVIP

人工智能在钻井工程中的应用现状与发

展建议

摘要：根据目前的情况来看，石油钻井工程已经成为我国国民经济不断发展

中的支柱产业，但是石油钻井也在建设中面临诸多问题，影响着油田企业的发展。

最主要的影响因素就是石油钻井中出现的井漏事故，具有较大的危害性。通常是

由作业人员行为不当引起的，并会伴随着钻井液的大量流失给油田企业带来较为

严重的经济损失。当井漏现象严重时，还会产出一系列连锁反应，引发井喷，给

工作人员的生命安全带来威胁。本文对人工智能在钻井工程中的应用现状与发展

建议进行分析，以供参考。

关键词：人工智能；钻井工程；应用发展

引言

人工智能作为新一轮产业变革和科技革命的新引擎和核心驱动力，已经成为

引领未来发展的战略性新兴技术，正在对各行业产生深刻影响。人工智能技术是

油气勘探开发降本增效的有效手段，也是实现关键技术升级换代，提高竞争力的

有效途径。近年来，国外尝试将人工智能应用于钻井工程领域，开展了基于人工

智能的钻井设计、钻井参数优化、井眼轨迹控制、风险预警、钻井程序决策等探

索研究，部分技术实现了现场应用，显示了较好的应用前景。国内在将人工智能

应用于钻井机械钻速预测、漏失风险预测、随钻地质导向智能决策等方面进行了

有益探索。

1钻井领域人工智能应用概况

人工智能（简称AI）是计算机科学的一个分支，是一门认知学科，它企图了

解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。

AI包括6大领域：机器人、计算机视觉、自然语言处理、认知与推理、机器学习、

博弈与伦理，广泛应用于社交、医疗、商业等领域。支撑AI崛起的3大支柱条

件：数据、算力和算法。近年来，国外油公司或油服公司纷纷与人工智能研究机

构进行强强联合，加快油气领域人工智能应用研究，比如壳牌、斯伦贝谢均与微

软合作，道达尔与谷歌合作，威德福与英特尔合作，KBR与IBM合作。同时，各

大公司认识到数据共享平台及开放性人工智能创新环境的重要性，斯伦贝谢推出

的DELFI云平台和哈里伯顿推出的DecisionSpace®365云平台，都是具备全业务

链数据管理、大数据及支撑人工智能研究的开放式云平台。国内中国石油集团发

布了“梦想云”，其包括云平台、数据湖、数据中台、应用商店、人工智能应用

等关键技术，为加快包括钻井在内的油气人工智能技术研究奠定了基础。中国石

化也着手打造石化智云平台，并开展智能油气田试点建设，但支撑钻井大数据及

人工智能研究的基础仍然薄弱。

2智能钻井技术面临的挑战

（１）缺乏智能化钻井技术的总体规划设计。智能钻井技术需要整合行业力

量，由企业牵头，联合科研院所构建统一的系统架构、数据标准和协议，实现智

能钻井各系统之间的通用性和可操作性，国内还没有建立相关组织来协调各方共

同推动智能钻井技术的发展。（２）随钻数据实时获取、高速大容量传输和控制

系统等核心技术研发不系统，井下传感器、芯片的耐温性，工具的可靠性难以满

足要求，还没有打通地层—井筒—地面数据高速获取与传输链路，不能实现软硬

件协同的自动化闭环控制钻进。（３）对目前钻井过程中已经采集的历史数据和

能够实时采集传输的地上地下数据流，还不能通过智能化手段进行有效融合、快

速处理和高效分析，系统深入挖掘这些数据蕴含的价值以优化钻井和生产过程

（实时优化、单井优化、井到井的优化）。（４）地面作业系统、井下控制工具

和决策软件系统的智能化程度低，各装备、工具、系统之间的融合程度低，还没

有形成集成效应。

3发展建议

3.1钻井人工智能应用平台

钻井人工智能应用平台总体架构包括感知层、平台层、应用层3层结构。感

知层借助物联网手段，通过各类终端数据统一标准化接入，实现对历史和实时地

质数据、钻井数据、完井数据、测录井数据和其他数据的全景、广域采集和感知，

汇聚形成钻井大数据；平台层提供平台和业务支撑，利用云提供计算平台，在此

基础上构建人工智能引擎，通过丰富的机器学习算法和模型库，支持从数据集选

择、开发、训练到服务的全流程一站式管理；应用层通过人工智能技术与传统技

术优势互补，应用于钻井轨迹优化、风险预警、钻速优化等场景。

3.2钻井智能导航

通过采集相应的钻井历史资料，基于随机森林、梯度增强、神经网络等人工

智能算法，利用随钻时间序列信号智能分类处理方法，对不同岩性群进行识别和

预测，实现地层的智能识别与分类。再利用人工智能网络模型，