AI在勘探开发:中石油以AI助推油气行业发展

简介: AI在勘探开发:中石油以AI助推油气行业发展

image.png


随着我国经济的快速发展,各行各业对油气的需求不断攀升。据统计,2018年我国石油进口量4.4亿吨,原油对外依存度达到70.9%。

为了提升油气供应,国内石油公司纷纷加大勘探开发力度,然而石油勘探开发已面临巨大压力——一方面历经了多年高强度的勘探和高速开发,油气勘探难度越来越大,我国已探明石油储量中低渗、超低渗储量占70%,已开发油田综合含水达89.35%,原油储量和产量的上升压力增大。在油气勘探方面,中国石油肩负着保障国家能源安全的重要职责。如今业界公认的是,人工智能将成为油气勘探目前面临一系列难题的最有效办法和途径。在这种情况下,中国石油选择与华为公司开展了进一步的战略合作。


深入油气行业


中国石油与华为的合作由来已久。早在上世纪90年代,华为从提供通信基础设备开始,到如今利用云计算、物联网、人工智能等领先的ICT技术,不仅为中国石油,也为全球近50个国家和地区的油气炼化企业提供服务。在中石油,华为建成了全亚洲最大的数据中心,可以对油气勘探、储运、炼化、销售等环节的生产过程和海量数据进行分析处理。“众所周知,油田大多数地处荒漠,而今,青海有八个产业厂实现了生产现场无人管理——一年之内搬迁现场管理人员700多人,一线员工转岗820多人,极大降低了油气生产的成本,有效地提高了油田的管理水平。”中国石油勘探开发研究院计算机应用计算研究所所长龚仁彬教授在HUAWEI CONNECT 2019的主题讲演中举了个例子。

image.png

国石油勘探开发研究院

计算机应用计算研究所所长龚仁彬教授


如今,华为通过云计算、物联网、人工智能技术,为中石油从上游到下游打造智慧油田、智能炼化、智慧管线、智慧销售等业务服务。一个例子,有祖国东部的石油小摇篮之称的大港油田,在油气生产领域采用物联网技术和机器学习方法,对900口井进行了机器学习,实现了油气水层的智能识别。“借助华为云,大港油田实现了油井工况的定量诊断和远程实时在线管理,基于此,异常工况诊断准确率达到90%以上,油田的管理实现了从事后的诊断升级为事前的预警,并减少作业维护费用20%。”龚仁彬说。


是客户,更是生态伙伴


事实上,在国际油气行业,行业巨头与ICT行业领导者之间的紧密合作越来越多,譬如壳牌和微软合作,加大了人工智能等新一代信息技术在勘探开发领域的应用,试图通过这些新技术的应用,促进企业数字化转型。中石油则更进一步。近年来,为了提高企业竞争力,打造国际一流综合性国际能源公司,中国石油提出了“共享中国石油”的信息化战略发展规划。中国石油与华为云联合打造了勘探开发认知计算平台,就是这一战略的落地举措。龚仁彬介绍,截止目前,勘探开发领域完成了15个信息系统的集中建设,制定了统一的数据模型标准,实现了45万口油气水井、500个油气藏、7000个勘探工区、60多年历史数据的集中统一管理,存储的数据总量超过1.6PB。中国石油将华为云EI智能体引入到石油的生产实际,用知识图谱自然语言处理和机器学习等人工智能的技术进行知识体系的构建计算和应用,为油气勘探开发科研生产管理提供智能化分析手段,支持油气勘探开发生产的企业决策者从海量的数据中洞悉规律、提高决策效率、提升管理水平。


解读华为云工业智能体


华为虽然在全球油气行业耕耘已久,但华为毕竟只是一家ICT基础设施服务商,在专业性极强的油气行业,必然需要联手合作伙伴,打造真正满足油气行业企业需求的解决方案。据龚仁彬介绍,中石油与华为云联合打造的“勘探开发认知计算平台”通过开放可扩展的人工智能计算平台,按照数据、算法、算力和场景四个关键因素进行设计,从数据处理、到机器学习、到模型发布、到推理应用,提供了一站式AI开发环境。“中国石油已经完成了智能油田规建设的规划设计,并且在勘探开发领域优选了22个场景,开展了人工智能的体验和探索。相信在不远的将来,中国石油和华为携手不断完善认知计算平台的建设,将为进一步推动石油勘探开发业务的转型升级,作出自己的贡献。” 龚仁彬说。实际上,勘探开发认知计算平台的生产逻辑就是在HUAWEI CONNECT 2019上刚刚推出的华为云工业智能体的生产逻辑——通过基于知识图谱的智能认知引擎、基于AI模型的智能预测引擎、基于运筹规划的决策优化引擎等三大引擎,让过去诸多难以落地应用的技术应用到工业场景,助推工业智能化升级。

image.png

华为云发布工业智能体


换句话说,华为云工业智能体在促进企业降本增效、增储上产、提高效率、转变生产方式等方面发挥了重要作用,推动了信息资源的共享和数字化转型。如今华为云工业智能体已广泛应用于能源、矿业、电力、水泥、化纤等多个工业领域。华为云除了与中国石油合作,使用工业智能体认知引擎来辅助识别测井油气层,将油气层识别时间下降70%,还比如说:华为云与三联虹普合作,使用工业智能体的智能预测引擎,让客户需求匹配率提升了28.5%;华为云与鑫磊集团合作,使用工业智能体的智能优化引擎,将AI能力引入配煤环节和焦炭生产质量预测,让配煤准确率超过95%,每百万吨焦炭节省成本超过1000万元。“一颗不断聚集知识能量的种子已经发芽,期待中的参天大树指日可待”,龚仁彬教授所说的种子,就是勘探开发认知计算平台,而供给种子营养的黑土地,就是华为云工业智能体,就是华为提供的基础设施和AI能力。相信未来,一定会有越来越多的种子,成长为参天大树,汇聚在一起,形成森林,形成生机勃勃的智能工业生态。

相关文章
|
2月前
|
人工智能 安全 API
20 万奖金池就位!Higress AI 网关开发挑战赛参赛指南
本次赛事共设三大赛题方向,参赛者可以任选一个方向参赛。本文是对每个赛题方向的参赛指南。
325 20
|
2月前
|
人工智能 运维 安全
加速智能体开发:从 Serverless 运行时到 Serverless AI 运行时
在云计算与人工智能深度融合的背景下,Serverless 技术作为云原生架构的集大成者,正加速向 AI 原生架构演进。阿里云函数计算(FC)率先提出并实践“Serverless AI 运行时”概念,通过技术创新与生态联动,为智能体(Agent)开发提供高效、安全、低成本的基础设施支持。本文从技术演进路径、核心能力及未来展望三方面解析 Serverless AI 的突破性价值。
|
4月前
|
人工智能 Kubernetes 监控
初探:从0开始的AI-Agent开发踩坑实录
本文主要阐述作者通过亲身实践,探索利用AI Agent实现开源应用Helm Chart自动化生成的实践历程。
720 18
初探:从0开始的AI-Agent开发踩坑实录
|
3月前
|
人工智能 自然语言处理 开发者
|
3月前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段三:自定义 Advisor 与结构化输出实现以及对话记忆持久化开发
本文介绍如何在Spring AI中自定义Advisor实现日志记录、结构化输出、对话记忆持久化及多模态开发,结合阿里云灵积模型Qwen-Plus,提升AI应用的可维护性与功能性。
763 125
AI 超级智能体全栈项目阶段三:自定义 Advisor 与结构化输出实现以及对话记忆持久化开发
|
2月前
|
人工智能 运维 Java
Spring AI Alibaba Admin 开源!以数据为中心的 Agent 开发平台
Spring AI Alibaba Admin 正式发布!一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测,助力企业高效构建可信赖的 AI Agent 应用。开源共建,现已上线!
3904 56
|
3月前
|
人工智能 Rust 并行计算
AI大模型开发语言排行
AI大模型开发涉及多种编程语言:Python为主流,用于算法研发;C++/CUDA优化性能;Go/Rust用于工程部署;Java适配企业系统;Julia等小众语言用于科研探索。
1299 127
|
人工智能 自然语言处理 前端开发
产品经理也能“开发”需求?淘宝信息流从需求到上线的AI端到端实践
淘宝推荐信息流业务,常年被“需求多、技术栈杂、协作慢”困扰,需求上线周期动辄一周。WaterFlow——一套 AI 驱动的端到端开发新实践,让部分需求两天内上线,甚至产品经理也能“自产自销”需求。短短数月,已落地 30+ 需求、自动生成 5.4 万行代码,大幅提升研发效率。接下来,我们将揭秘它是如何落地并改变协作模式的。
453 37
产品经理也能“开发”需求?淘宝信息流从需求到上线的AI端到端实践
|
2月前
|
人工智能 IDE 开发工具
从6人日到1人日:一次AI驱动的客户端需求开发实战
从6人日到1人日:一次AI驱动的客户端需求开发实战
从6人日到1人日:一次AI驱动的客户端需求开发实战
|
3月前
|
人工智能 前端开发 JavaScript
前端工程化演进之路:从手工作坊到AI驱动的智能化开发
前端工程化演进之路:从手工作坊到AI驱动的智能化开发
663 18
前端工程化演进之路:从手工作坊到AI驱动的智能化开发