AI 技术在油气领域的应用探索与经验分享.docx

《AI 技术在油气领域的应用探索与经验分享.docx》由会员分享，可在线阅读，更多相关《AI 技术在油气领域的应用探索与经验分享.docx（42页珍藏版）》请在第一文库网上搜索。

1、AI技术在油气领域的应用探索与经验分享2019年5月目录一、业务需求探索二、关键技术研究三、应用案例分享四、最佳实践探讨Al在油气领域的主要应用方向概述中国石油当前我们探索的油气行业人工智能应用领域，主要包含：物探、钻探、油气田、管线、炼化、油库、加油站等7个具体业务场景。1.Al与物探智能质控通过AI系统实现对钻井、下药、检波器埋置、音视频数据自动检测，自动生成报表，减少人工工作量（1030人不等），缩短时间，避免作假，提升质量控制水平。建设要点：1 :利甫大工智能获取量井井口桩号2 :检测量井视频，自动分析、记录量井井深。建设要点：1：利用人工智能获取检波器所在的桩号；2:检测检波器埋置照

2、片，自动挑选、记录埋置不合格照片。建设要点：1:利甫大工智能获取下药井口桩号；2:检测下药视频，自动挑选、记录未戴安全帽、接打电话、警界区存在无关人员、未捅井、未压药等视频文件。2、Al与钻探仿真培训基于VR(virtualreality)和AI技术的发展使研发钻井防喷演习分布式虚拟现实系统成为现实。实现对重点防喷设备的仿真、井喷事件的模拟，并提供沉浸式VR操作体验，通过新技术提升仿真演习的培训效果，实现主动学习，精准考核，提升钻井井喷事件的应急处置能力，提升钻井安全管理水平。使用虚拟现实技术实现的封井器3D模型国外油服公司使用VR技术进行钻井作业培训场景3叩6FUXPPX.廿2D14%g2移

3、13 2 Mnrnr MfAcy.fWW 夕:AoiIM4215W3.Al与油气田智能巡检在油气田场站，可以基于巡检机器人或已经进行部署的摄像头+物联网系统实现智能巡检，替代或辅助人工巡检方式，实现在线实时巡检。Al与长输管线口智能巡防在传统作业中，数万公里的长集输管线主要依赖人工巡护，受不同地形限制，部分区域人员和测量仪器都难以到达，人工机动性和问题处理的实时性较差，使得管线巡护容易出现盲区，难以保质保量完成任务，借助无人机和AI技术进行巡防，可以大大降低成本，保障管线安全。5.Al与炼化AR作业系统以AR作为交互技术，利用基于AI的机器辅助功能和基于实时连接的专家辅助功能提升现场劳动生产率

4、，做到实时作业指导帮助、作业标准化控制，第一人称作业大数据积累，逐步形成仓储现场作业大脑。作业现场军r，一.二二:几器辅助（基于机器智能，企业人工智能模型算法等）作业任务操作知识设备知识工艺知识要求远程作业支持6. Al与油库口油库机器人巡检（替代人工）通过建立人工智能模型和算法，基于摄像头、物联网传感器和移动巡检机器人（可选）等实时数据实现自动巡检，提高巡检的频率、质量，保障油库安全运行，降低巡检岗位工作强度。油库智能视觉应用还可以作为基础技术，实现安全监控的机器自动分析报警作为工艺优化、部分岗位操作的自动化控制手段，获取真实数据，实现生产优化，降低工作强度7. Al与加油站加油站精准营销通

5、过建立人工智能模型和算法，基于视频监控数据，对用户身份、关键资产进行自动识别，分析用户行为规律，为精准营销和加油站安全提供基础数据。卸油区自动分析：油罐车停放位置预警、油罐车卸油前静置时间预警、消防器材准备预警、非作业人员进入预警、卸油区非法占用报警、工服着装检测目录一.业务需求探索二、关键技术研究三.应用案例分享最佳实践探讨191、硬件环境方面人工智能所依赖的硬件环境目前浪潮、华为、英特尔、英伟达等企业均在A工算力环境方面提供了多种硬件解决方案，基于这些AI解决方案，我们可以打造面向端、边、云”的全场景AI基础设施方案。KubeEdget349ix：自翦部詈应用到边缘GPU& NPV边缘计M

6、般加容器运行环境边云办同:AJmodels KubfnUs Docker云端AI训练Al training over the Cloud边埸AI推理AlInference over the EdgeHUAWEIC3DVIDIAAKubeEdge:AI延伸到边缘KubeEdge: Bring the Al to the Edge边云协同“Withthe rapid developmentof machine learning, deeplearning and edge Al chips,Al Inference is extending toBdge from doudH，Hge ComM”C

7、 C 、 一 * th. JetsonTX2Embedded Al SuperccxnputerAcKarKedAl at the edgeJetPck SDK 7.5 watts full module,2、软件环境方面人工智能技术框架实践目前主流的AI技术框架包括tensorflow、caffespytorch.paddlepaddle等，可被用于语音识别、图像识别等多项机器学习和深度学习领域。MeE.空J01amtheaooJ wohpyt6rchWtheanoCaffe.ferworFtowtheanominervamxnetMmm*CNTKTensarFtow.一 torchChai

8、nerrWm由-*rH-*,由-s =lensorFlowDEVSUMMIT 20173.应用模型算法方面人工智能算法研究实践目前在算法方面主要研究了基于。pencv视觉处理库的机器视觉及数字图像处理方面的技术，已经掌握图像获取、裁减、灰度处理、二值处理、模板匹配及sift变换等算法，基于这些算法研究成果可以实现对诸如人脸、安全帽、灭火器等图片信息进行识别。HOHGQ9申Sb区往国改右修分句meterPointer-circlesaphy:dcorrindFunddmentaMjt:Mat(54、产品方面EdgeAI系统概述EdgeAl是瑞飞自主研发的一套面向边缘侧的Al长输管线油气场站水下平

9、台石油炼化油气行业巡检专用算法加油站井场工况,无筵接入工业互联网云AI专业算法库除了提供对巡检机器人的算法库支持外，还提供有针对摄像机的机器视觉算法库、音波分析算法库等。提供一站式现场合规检查作业云服务能力，采用即可无缝接入智能巡检作业云服务平台。（软件平台）4、产品方面EdgeAI平台EdgeAl平台为Al以作为AlAl实时分析、H2s异常报警Al报蒙wis-广西智能巡检宁海原系统殍航，副智巡简报2018-12-0709:58:34ROBOTBRAINCLOUDAl综合展不平台.jupytersafetyCap最后检查:昨天仅24（自动保存）本阳检380M%加。*KitiSMSn696公里9

10、6%-Wi960点%吧宽卷力。汾案发现次目46次300-96%彳$*.c；4FileEditViowInsortCetiKernelHelpg*的的*M好C4、产品方面（硬件设备）EdgeAI网关EdgeAl化服务提供一站式解决方案!功能特点PowerButtonHDMIx1,0Mx2OTGx1MicroSDx19-24VDC InputUSB3.0x2ONvidiaJetsonTX2HMPDualDenver2+QuadARMA57支持LinuxUbuntu16.04&8GBLPDDR4,32GBeMMC5.1tRS-232x2,USB3.0x2,OTGx1GHDMI2.0x1,LANx4(

11、Inteli211*3,Native*1)CMicro-SDx1,RemoteOn/OffQPowerinput:10724V卷积神经网络架构川VS推理能运行什么类型的深层神经网络?CAFFETENSORFLOW培训推理IncepbonVIInceptionV3IncepbonV4InceptionResNetVI(focenet)InceptionResnetV2AlexNetMoWeNetVIGoogleNetVIAge/GenderNetAiexNetSqueezeNeCVilleNetCaffeNetVGGSourrwthVGGMob4eNetVI一、业务需求探索二、关键技术研究三、应

12、用案例分享四、最佳实践探讨应用案例分享-钻井事故预测钻井事故复杂预测目标-钻井事故复杂包括卡钻、疲劳损伤引起的断钻具、掉钻头、井漏、划眼等等，这些事故带来巨大的时间、钻进效率以及费用损失。传统专家经验规则一直存在着预测难，报警晚，损失大”的不足，所以尝试利用机器学习模型提升效果解决方案提炼A12工程技术业务专家规则，采集A12系统中的综合录井仪数据和钻井设计数据，提出AI-Drilling机器学习框架挖掘钻井事故深层次规律效果与收益- 响应时间提前2min50min- 泛化AUC达到95%- 预估节约单井事故成本200万元左右- 预估节省单井周期16.94天- 探索出自主的工业事故类算法模型框架从玉门油田青西区块2000年以来所钻的井中抽取87口井作为调研对象，有78口井发生过井下复杂事故，占所有井89.66%。平均每口井耽误周期19.9天，占总周期9%;单井损失钻井成