油气大数据技术服务
为应对低油价环境下，油气开发降本增效的迫切需求，如何更有效，更快速的对油气资源进行勘探开发是各大油气公司亟待?解决的问题。
基于大数据技术近年来取得的研究成果，在新的“大数据时代”，充分利用油气钻采过程产生的海量数据信息，通过人工智能和深度学习，优化油气钻采方法，提升油气钻采效率，是油气行业转型升级的必然趋势。
国外大数据分析挖掘技术在石油工业的勘探、开发、炼油、销售等链条板块已有了初步应用，BP、Chevron、Shell、Statoil等国际石油巨头都已经对油气行业大数据技术进行大量投入并且取得了相应的商业化成果。与此同时，国内进展相对滞后，很多石油企业才刚刚开始探索。
清能艾科基于多年来在国际顶级石油公司开发和积累的独有技术和经验，将由数字岩心技术衍生的油藏地质大数据与生产大数据相结合，形成服务精准探采的油气大数据库，采用人工智能、深度学习等数据挖掘新方法、新技术，建立服务于油藏勘探、钻完井作业等的决策辅助系统，有望直接降低油气探采作业成本10%以上。
应用点：
- 基于历史数据的故障诊断
- 优化钻井、压裂方案设计
- 基于采集数据实现实时优化与预防异常
技术特色：
- 基于人工智能技术训练具备多学科知识的虚拟钻井专家
- 基于优化粒子群算法大幅缩短钻井现场实时决策时间
- 基于人工智能的软硬件一体化智慧钻井现场决策系统
技术优势：
- 历史数据故障诊断
- 钻井提速与异常报警
- 预估产量，降低投资风险
- 提升压裂效果
- 决策速度快、成本低
- 工艺参数智能推荐
- 持续优化
面临的挑战：
钻井、增产是最需要油田资金投入的环节，其方案设计多由工程师依据邻井类比来完成，因为影响上述各项设计工作的参数众多，基于各专家对勘探开发历史数据的有限认知的常规方法在油气开发实践中存在广度、深度上的不足，效果难以持续有效提升。
国内各油田已大力发展数字油田十余年，沉淀了庞杂的各类历史数据，如果从海量孤岛式油气数据中深度挖掘出价值，辅助投资生产决策，是当前各油田亟待解决的难题。
油气大数据技术应用点
- 钻井大数据技术：采用自主开发的专有人工智能技术，优化钻完井工艺，显著降低钻井成本和事故风险；
- 压裂大数据技术：采用自主开发的专有人工智能技术，优化压裂设计方案，显著提高单井产量；
- 油气基因库技术：通过储层物性分析与类比，可以迅速判断油气井产量，并基于历史数据库推荐开发方案；
典型案例：
（1）油气大数据技术辅助钻井参数优化，以提高钻速，降低钻井成本
难点：影响钻井时效的参数众多，依靠专家经验给出的钻井设计参数在钻井实践中难以达到预期的效果，试错成本高昂，投资浪费和潜在的钻井风险难以有效解决。
应用效果：从某油田获得X区块29口历史地质、测井、钻井数据，通过数据融合、清洗、转化、挖掘等流程，优选出钻速敏感的五项钻井参数进行重点优化，优化后钻速与实际钻速提升29%。
（2）油气大数据支持压裂井位和压裂参数优选，并预测油气产量和减产曲线，降低增产成本，提高油气采收率
难点：储层非均质性时常导致依据已开发邻井历史数据设计的压裂增产方案失效，大量投资未收到预期效果，开发成本居高不下。
应用效果：利用25口井完井、采油历史资料，采用大数据技术辅助选井选层，将压裂设计决策周期从5-7天缩短止1-2天；经3口试验井验证，初产比邻井平均初产高13%。