1中国石油辽河油田分公司金海采油厂服务大队 2中国石化石油工程技术研究院
1概述
1.1国内外智能油田建设现状及发展趋势
进入21世纪以来，在"智慧地球"的大背景下，石油行业作为能源行业中的主导产业，也着力开始"智能油田""智能工厂""智能加油站"的相关理念和实践研究。虽然针对智能油田的定义、框架和建设思路还没有形成统一、完整的认识，但越来越多的人认识到，利用计算机、物联网以及云计算技术的智能化来管控油田，能推动油田企业持续提高储量、产量和采收率，实现科学发展和可持续发展。打造一个能够全面感知油田动态信息，自动操控油田活动，预测预警油田变化趋势，持续优化油田管理的智能油田，是国内外油公司信息化发展的重要战略和主要方向。
英国石油、挪威国家石油及沙特.阿美等国际油公司已经率先进行智能油田建设，并取得了一定的成效。其中，英国石油于2003年开始建立"未来油田"，利用传感器和自动化技术，将实时监测重点井数据传送到远程中心进行快速分析和处理，实现了跨地域、跨组织、多地、多功能团队协作，决策时间得以缩短，提高了运营绩效。沙特.阿美石油公司的I-Field通过数据集成、数据挖掘和一体化的运营集成环境等技术，实时掌握生产状况，利用远程监控与预警手段，降低生产成本，提高生产效率。
国内起步较早的是新疆油田公司。通过数据挖掘、知识管理、过程控制盒人工智能的技术，实现数据知识共享化、生成过程自动化、科研工作协同化、系统应用一体化、生产指挥可视化、分析决策智能化。另外，2010年中海油建成上游开发生产智能管理系统，长庆油田进行的数字化管理，中石化阿根廷公司建成的数字化油田，都实现了实时监测油田运行情况，全面共享协作，快速响应，及时采取增产稳产措施，提高了管理和生产效率，具备了智能油田的基本雏形。
2012年，中国石化集团将智能油田建设列为"十二五"信息化建设与应用发展规划十年发展目标， 2013年5月，中国石化启动了智能油田总体规划与设计工作，正式拉开了智能化建设的序幕。
1.2智能油田建设所面临的主要挑战
智能油田的建设是一项系统工程，在智能油田的建设过程中，会面临各种难题与挑战：
（1）智能油田涉及单位众多、专业复杂，而我国的油田管理主要是按专业划分的条块式管理，很多专业之间无论从管理还是技术上都存在着壁垒，很多资源还不能达到实时共享和重复利用。
（2）智能油田建设在效果评估体系方面目前还是空白，如对经济效益、管理能效提升等关键指标无法进行定量测算，容易让智能油田建设陷入一种无法评估的"IT投入黑洞"之中。
（3）智能油田建设是智能化技术、IT技术和传统能源工业的深度融合，在初期磨合阶段，员工工作习惯的改变、员工知识结构的更新、科研及生产流程的优化、考核措施的调整等等都会为智能油田的建设造成影响。
（4）目前油田企业的数据、信息管理还处于分散状态，管理机制不统一，缺乏统一的标准，应用共享困难。且在面对海量的勘探开发数据，尤其是地震和测井数据时，传统的信息技术遇到了瓶颈，难以实现实时、互动、智能的将所有数据高效地整合集成起来。另外油田企业的应用系统，包括各种专业软件，重复建设较多且不成规模，集成化程度低、可重用性差。
2基于知识驱动的智能油田设计和建设指导思想
2.1知识管理是智能油田建设的重要环节
根据诺兰金字塔知识模型，可以清晰的知道数据、信息、知识与智慧的关系，如图1所示。数据（Data）是一群散乱无章的文字、数字或其它代表性的符号，它是一个描述，是对事实的客观记录。信息（Information）是经过加工组织的、对决策者有意义的数据集合。知识（Knowledge）是对既有信息进行解释和评价的结果，它以某种有目的、有意义的方式处理信息，表述或预测出信息之间的规律、原理性联系。而智慧（Intelligence）是指人们有效运用信息和知识的能力，能够预见一些事情的发生并采取相应的行动。总体来说，数据经过处理、分析后，可以变成有用的信息；信息经过分类、关联、加工后，可以变成有价值的知识。在知识的基础之上，通过经验、阅历、见识的累积，而形成的对事物的深刻认识、远见，具有卓越的判断力和创造力即为智慧。
图1 诺兰金字塔知识模型
知识管理是企业对所拥有的内、外部知识进行管理和复用，通过知识管理主体对于知识管理对象的识别、获取（采集）、共享和复用等知识管理活动。知识管理是智能油田建设中的重要环节，利用知识管理相关技术可从结构化数据和非结构化信息中抽提出知识，进行加工、提炼并应用到业务中，同时为各分析、决策模型提供知识支撑，提高油田企业的应变能力和创新能力，实现数据知识共享化、业务模型化、分析决策科学化。由此可见，知识管理是智能油田建设重要的辅助手段和重点工作。
2.2知识驱动的智能油田设计和建设指导思想
知识驱动下的智能油田建设，要以数据中心为基础，以知识管理为驱动力，以智能油田建设为出发点，优化信息资源高效配置，统筹信息规划部署，坚持"六统一"原则，贯彻"集中集成，创新提升，共享服务，协同智能化"的工作方针，积极稳妥的推进智能化建设，建用结合，以用为主，实现信息资源集中集成、共享共用，支撑业务协同、一体化应用与管控，最终建成能够"全面感知、自动操控、预测趋势、优化决策"的智能油田。
3基于知识驱动的智能油田技术架构设计
3.1知识驱动的智能油田技术架构设计思路
传统的数字油田以信息资源的数字化为基础，以网络为依托，以信息应用技术为手段，利用信息整合平台，将分散在各处的勘探开发过程中的基础数据、历史数据、实时动态数据和地理信息数据等结构化数据整合，为专业应用平台提供数据支撑；同时利用采输生产模型、GIS模型等专业模型实现数字油田的仿真模拟，分别支撑实时监控、WebGIS、辅助决策等应用平台，最终形成一套完整的数字油田综合应用系统，解决油田科研、生产、经营管理的实际问题[1]。
图2 数字油田技术架构
在数字油田的基础上，结合知识管理和其他信息技术在油田企业的应用案例和发展趋势，提出了基于知识驱动的智能油田的设计和建设框架，包括环境层、数据层、知识层、模型层、应用层，如图3所示。在此设计思路中，知识驱动表现在两方面，一是向下在数据层驱动文档、专家信息、外部知识源等非结构化信息与结构化数据的一体化集成，二是向上在模型层为一系列专业模型提供图片、关键参数、总结报告等知识支撑，促进更多基于业务发展需要的专业模型的产生[2]。
图3 知识驱动的智能油田技术架构设计思路
3.1.1 基于知识驱动向下推进结构化数据与非结构化信息整合
知识驱动的智能油田架构设计思路中，最底层为IT基础设施，智能油田的IT基础环境包括云计算、WebService、数据挖掘等，能够灵活地支持新流程、新业务模式的优化和应用。
数据层的主要内容是各类数据库和非结构化信息以及集成、管理数据的信息整合平台。 除油田勘探开发生产过程中的基础数据、实时数据、地理信息数据等结构化数据之外，知识驱动的智能油田数据层一个最大的特点就是集成了文档、外部期刊、专家信息等非结构化的信息，形成一体化的信息整合平台，实现能像检索数据一样检索文档，为智能油田各种专业应用平台提供结构化数据和非结构化信息支撑。
3.1.2 基于知识驱动向上推进更多业务需要的专业模型产生
知识模型是根据每一项勘探开发业务活动的输入、输出知识以及知识与业务之间的关联关系进行抽象概括而来，如图4所示。勘探开发过程中每一项业务活动都需要查询、应用大量知识，同时也会产生很多新的知识，将这些输入、输出知识进行抽象、归纳，可分为公共基础知识、专业知识和隐性知识三大类。其中，公共基础知识指参加岗位工作所需要掌握的素质类知识，包括行业基础理论、岗位基本要求等；专业知识指开展岗位工作操作所需掌握的技能类知识，包括具体的方法、工艺、业务活动流程等；隐性知识指基于工作实践，员工自身掌握的认知类知识，包括对工作的理解、经验、总结等。这三大类知识和对其定义、属性的描述共同构成了知识模型。
知识驱动的智能油田架构中的知识层包括三个层次，第一层是知识采集层，利用公共基础知识模型、专业知识模型和隐性知识模型等知识模型对信息进行规范化、结构化加工后，形成知识；第二层是存储层，通过知识库来存储各类知识，实现企业所有知识资产的统一管理和应用；第三层是知识应用层，按照油田企业不同业务开展的需要，提供公共基础知识、专业知识、隐性知识的浏览、检索、下载服务，利用知识库提供的勘探开发图件、关键参数和总结报告等知识，与业务活动紧密结合，促进采输生产模型、GIS模型等一系列专业应用模型的产生，对油气田的勘探开发科研、生产和企业管理提供专业的分析数据和模拟运算，得出评价分析、问题分析、趋势分析等分析模拟结果，支持对油田生产和管理过程等的认识和判断。
图4 知识模型示意图
3.2知识驱动的智能油田建设路径分析
从油田信息技术应用的视角来看，在数字化油田阶段，更多的体现出数据推动的特点，网络技术、数据集成等信息技术直接推动了油田的数字化建设；在智能化油田的阶段，则更多的体现出知识驱动的特点，知识库、专家库、模型库技术变成油田智能化建设的驱动力。
在知识驱动智能油田技术架构的基础上，结合中国石化的特点，本着业务推动技术创新、知识推动智能化技术实现的策略，设计中国石化智能油田"四步走"战略，首先在全面集成的基础上，共享数据和信息，实现自动控制、分析，全面感知；其次，建立统一共享的知识管理系统，实现多部门业务协同；再次，建立一体化的专业应用系统，辅助油田智能分析，提供决策支持；最终，深入完善各业务领域智能化能力，开展全系统的整体优化，不断的深入发展，最终建成具有中国石化特点、在知识驱动下的智能油田。
图5 中国石化智能油田建设线路图
4基于知识驱动的智能油田关键技术分析
4.1基于知识管理的结构化数据和非结构化信息一体化集成技术
采集模版是用来对某一类结构化数据或非结构化信息进行采集的标准表现形式。在基于知识驱动的智能油田环境下，利用知识管理的相关理论和技术，利用采集模版将勘探开发过程中分散在各处的结构化数据和非结构化信息进行采集。每个采集模板包含数据的基本属性项、数据关联特征、交互模式等规范性描述。利用"采集模版"，通过系统提供的UI集成接口、业务集成接口、数据采集接口等，实现对专业数据库中的数据采集，即对数据进行规范化处理，在规范化处理的基础上再进行结构化处理，将勘探开发数据、专家、勘探开发业务活动之间进行关联，使所有的勘探开发知识能基于勘探开发业务过程的关系和勘探开发地质对象之间的关系进行关联，方便精准检索和重复利用。
图6 基于知识管理的结构化数据和非结构化信息一体化集成思路
4.2面向业务活动的知识推送技术
面向业务活动的知识推送技术是一种平台功能的组合应用模式，根据业务相关性分析、用户行为分析、知识模型分析的结果，将知识与业务活动、知识与使用者相关联；在开展某项业务工作的过程中，面向业务活动的知识推送技术能够主动对业务活动进行识别，并将开展该业务所关联的知识直接推送给业务活动的参与者、执行者和决策者，以方便参与者、执行者、决策者更好的开展业务工作。为用户完成工作提供了强有力的支持，包括：业务活动关联知识推送、个人订阅知识推送、用户行为分析知识推送。
图7 面向业务活动的知识推送技术思路
4.3基于知识驱动的业务协同技术
在油田企业中，大到企业的战略目标，小到一个个具体的任务、计划或项目等，都需要多人共同协作才能完成，随着智能油田建设的逐步深入，业务协同的深度和广度会快速增加。多业务协同技术包括协同执行系统、业务生成系统和协同优化系统。
基于知识驱动的业务协同技术主要在统一的知识管理系统的基础上，建立多部门业务协同一体化平台，实现生产营运信息集成、共享，各部门之间业务一体化，实现跨部门、跨业务、跨地域的业务协同工作模式，支撑勘探开发一体化运作，提高生产运行效率。
4.4基于知识驱动的智能应用技术
智能油田的应用技术包含很多内容，如实时动态监测、智能预测预警、专家辅助决策等。
（1）可视化动态监测技术：在统一、共享的知识管理系统支撑下，可建立采输生产模型、GIS模型等一系列专业模型，集成展示生产动态信息，实现油藏的三维可视化动态监测；
（2）自动操控技术：在知识推动下，建立数学模型、优化业务模型，对生产过程和实施过程进行远程处理和操控，减低安全操作风险；
（3）智能预测预警技术：通过知识库结合云计算等技术建立知识模型，利用模拟分析结果和预警机制提高认知理解能力，预测生产变化趋势，排除影响因素，降低风险；
（4）辅助决策技术：通过模拟分析、预测、虚拟专家等优化辅助决策，提高管理的科学性。
5目前工作进展及未来展望
中国石化知识管理工作起步较早，经过多年的建设，目前正处于由分散管理向集中统一管理转变的阶段。中国石化各企业已经通过构建大量与业务开展相关的信息系统，来沉淀业务运作过程中所产生的显性知识知识，并基于业务开展的需要进行了部分知识加工和整理。在隐性知识管理方面，中国石化也进行了积极的探索和建设工作，具体表现为技术论坛、LINK、博客的建立和推广应用。同时，为贯彻落实国家科技部"面向企业创新应用链的知识管理体系建设与集成应用示范"国家科技支撑计划课题，从2011年开始，结合国家科技支撑计划课题，中国石化启动了上、中、下游知识管理总体规划和上游板块科研知识管理试点工作；对中国石化知识管理现状进行全面的分析和梳理，规划未来集团知识管理建设的愿景和蓝图，明确知识管理建设的核心工作任务，实现对知识"采、存、管、用"全生命周期的支撑；同时，借助国家课题成果搭建符合中国石化特色的知识管理平台，在上游板块科研领域率先进行试点应用，积累经验，总结方法，为全集团推广和应用奠定基础。
按照智能油田建设的技术架构，利用知识管理理念，中国石化将建成一体化信息整合平台来集成和管理结构化数据和非结构化信息，通过知识模型抽提出勘探开发业务活动中的关键知识，并在此基础上形成一系列专业模型，为智能油田科研、生产和经营管理智能化应用与服务提供支撑，基于知识驱动油田企业科技创新、生产优化，促进油田企业智能化建设进程。
参考文献：
[1]李剑峰.数字油田在中国的发展及面临的问题[J].数字化工,2004,2(9):4-7.
[2]肖波,景帅等.基于模型驱动的中国石化企业数据中心模型架构[J].大庆石油学院学报,2012,36(1):78-82
论文作者:1孟祥勇 2王磊
论文发表刊物:《中国西部科技》2019年第3期
论文发表时间:2019/4/4
标签：油田论文; 知识论文; 智能论文; 数据论文; 业务论文; 模型论文; 结构化论文; 《中国西部科技》2019年第3期论文;