2.1.2油气运移智能分析技术

        油气运移是石油地质学的基本理论课题之一，更是油气勘探开发中的关键问题。但油气运移与成藏一直是目前我国石油地质研究中较为薄弱的一环，传统人工、定性进行油气运移研究工作存在人工统计数据繁琐、工作量大，定性表征输导体系精度低，平面静态描述不直观等问题，难以实现定量评价。

        在应用智能化的手段研究油气运移定量表征方面，先后有学者将传统动力学模拟与神经网络模拟相结合，在三维构造-地层体的动态模拟的基础上，基于单元体模型将非均质的复杂通道体系转化为有限个简单均质体，利用传统动力学模拟对相态和驱动力求解，利用神经网络等技术方法实现对单元体之间的油气运移方向、运移速率和运移量等要素的求解，在三维油气运移定量模拟方面给出了一种解决方案。

        输导体系作为连接烃源岩与圈闭的“桥梁”，在油气运聚成藏过程中起到了关键性作用。胜利油田通过分析流体压力、泥岩涂抹以及断面正应力等多因素对断层启闭性的影响，提出利用断层连通概率来定量评价断层在三维空间内不同位置启闭性的方法，通过分析骨架砂体输导要素与油气显示的关系，确定砂体输导性能的主控因素（倾角、物性）及其量化表征参数，形成了运移要素的定量评价公式和计算模型。在此基础上，基于骨架砂体、断层的输导能力，考虑输导层的非均质性影响，以及流体势、砂岩百分比等因素的影响，利用流线法可获得油气在输导层的运移强度、圈闭的模拟聚集量、油气运移轨迹等信息。这一方法在胜利油田勘探实践中开展了应用，其中在三合村-垦西斜坡带-渤南洼陷之间优势运移路径筛选方面，明确了渤南洼陷沙四段—沙三段烃源岩生成的油气在该区主要有2条优势运移路径（图2）：一条是义633井—罗358井优势运移路径，一条是义96井—罗651井优势运移路径，从平面上看符合该区宏观油气运聚成藏认识。

2.1.3地震层位自动解释技术

        地震层位解释是油气勘探开发中的一项基础工作，而层位的识别和追踪是地震层位解释的一个重要环节，其准确性直接影响最终地震解释的合理性。目前应用人工智能方法对层位进行解释的思路主要有2种，其区别主要是在样本的构建方面，一种是基于测井解释结果与地震数据相结合的样本构建方法，一种是单独基于地震数据或测井数据本身的样本构建方法。在机器学习的方法上，以有监督学习为主，部分基于分类思想的无监督学习算法也有相关研究。

        胜利油田提出了基于反射结构约束的层位自动解释新方法，其本质上是一种基于地震数据的监督学习方法。主要思路是根据目标层位的地震数据进行波形单元划分，采用人工解释的方式获取部分层位解释成果，并将其作为样本标签标记至每个波形单元中。同时，对各个波形单元进行时频分析，将单个波形单元的一维时间序列信号提升至二维空间，以此为基础构建层位识别样本库，并利用DFCNN深度学习算法开展全区层位的自动识别，引入基于地层倾角的层位优化和基于地层趋势拟合函数的层位识别异常点判别等定量化的反射结构约束信息，优化DFCNN自动识别结果。应用结果表明，基于反射结构约束的层位自动解释技术识别保证了地层倾角趋势的连续性及地层空间分布的趋势规律（图3），对比人工解释结果，自动解释结果的整体吻合率达到86%以上，相比常规层位自动解释方法，精度和可靠性都得到有效提升。

2.2智能化开发技术

2.2.1油藏模型智能更新技术

         随着油藏开发的不断深入，油藏地质建模、数值模拟已经成为开发综合研究的主要技术手段，目前我国大多数油田开发已经实现了建模数模一体化研究推广应用。然而，我国陆上老油田地质条件复杂，且多数已进入开发后期，各种工艺措施调整频繁，如何快速、动态、准确地更新油藏地质模型，指导剩余油的深化认识和开发方案的优化，已经成为影响油田开发质量的一个关键因素。传统的油藏地质模型更新及历史拟合方法主要通过人工方式开展，对人的经验依赖多，耗时长，模型跟踪及矿场应用时效性差，制约了高质量开发的步伐。近年来，针对油藏模型的智能更新，或油藏数值模拟的自动（或称辅助）历史拟合，中外开展了较为深入的研究，尤其是最优化的算法从传统的梯度类算法、进化类算法逐渐向神经网络法、集合卡尔曼滤波法甚至各种混合法过渡，智能算法越来越多地应用到自动历史拟合研究中，使得油藏模型的智能更新逐渐从理论探索走向了实际应用阶段。

        在油藏模型的自动更新方法研究中，首先需要确定影响油藏模型计算指标拟合精度的相关静态、动态参数，然后研发面向不同优化目标的最优化算法。针对油藏数值模拟的自动历史拟合问题，胜利油田从实测的地层压力、油气水产量和流体PVT等油田基础数据入手，以油藏流动单元为对象，通过物质平衡计算获取储量及水体参数等全局敏感性参数，明确历史拟合调整方向及参数调整范围。在三维三相全隐式黑油模型的基础上，计算井底压力、生产油气比、含水率或者其他目标函数关于网格块渗透率、孔隙度、表皮因子和相对渗透率的敏感系数，并基于伴随系统理论，引入拉格朗日算子，建立伴随变量独立于模拟计算变量的伴随模型，避免直接求解梯度方程。根据贝叶斯统计理论建立了油藏模拟历史拟合数学模型，并分别基于无梯度优化方法和数据同化方法对历史拟合问题进行求解，解决了特高含水期油藏的自动历史拟合问题。在孤东油田七区Ng6³⁺⁴砂层组应用该技术（图4），数模计算结果与区块实际含水率变化曲线的形态和变化趋势一致，达到了较高的拟合精度，拟合效率可以提高3倍以上。

2.2.2油藏开发综合研究流程化协同化技术

        随着油藏开发研究的深入，专业分工越来越细，而从研究流程来看，多以线下串行式流程为主，数据与成果规范不统一、无法及时共享，从研究手段来看，地质研究、数值模拟、动态分析等不同的环节应用到的专业软件多样，研究人员调用不便，缺乏综合可视化分析手段，导致面向具体矿场区块的开发综合研究周期越来越长，影响了工作效率。针对这方面的问题，2006年刘贤梅等就提出研究并构建一个油田开发网络化协同工作系统，但限于当时的研究手段，仅仅实现了网上方案签发、监督管理、资料验收等流程管理环节的计算机线上运行，没有针对开发综合研究开展进一步的攻关。多年来，我国油气田在这方面的工作进展鲜见文献报道，国外的大型石油服务公司却已持续开展一体化、协同化的软件平台研究，其中尤以斯伦贝谢公司的PetroRE最为成熟，实现了基于同一个软件平台的勘探、开发流程化、协同化研究，然而该模式并不适用于我国油气行业综合研究的现状，其中一个关键原因是我国勘探与开发专业划分、人员分工更细，各个流程、环节上研究人员掌握的软件并不一致，仅仅用一套PetroRE软件难以满足要求。

        针对我国油气开发研究的人员、流程及软件现状，胜利油田在深入分析综合研究业务流程的基础上，按照规范流程、统一标准要求，建立了包含地层对比与划分、构造研究、储层研究、油层特征研究、油藏模型建立、开发效果评价、剩余油分析、方案优化部署等8个一级业务的油藏开发综合研究标准流程体系，针对各个流程的数据集成和成果转化等需求，设计了数据集成与处理和成果管理等功能模块，基于云共享模式将各个流程所应用的不同类型的专业软件虚拟化安装，实现了开发综合研究的全过程线上运行以及不同岗位的业务协同。油藏开发综合研究流程化、协同化技术支撑了胜利油田15个新老区方案编制与优化等工作，提高了开发综合研究的质量与效率。例如在丰深斜101块新区产能建设方案等工作中，研究人员按照自定义的研究流程，调用平台功能、专业软件开展综合研究，各业务功能形成的成果数据实时共享、动态更新，相比传统的线下工作模式提高工作效率1倍以上。

2.2.3油井工况智能诊断技术

        油井工况监测与诊断对挖掘油井潜力、预判开发风险、优化开发措施具有重要意义。近年来，随着油田工业控制系统的快速发展，示功图、电功图等油井生产动态监测数据实现了实时采集。相比其他油气采集数据，示功图由于满足均匀性强、确定性强、干扰性小、实时性强等大数据通用行业的数据特点，因而基于示功图的工况智能诊断与预测技术成为大数据和人工智能技术在油气行业最先产生实际应用效果的方向。例如，王相等基于油井的历史动态数据与示功图采集数据，制备了涵盖5大类37种工况类型的油井工况诊断样本集，设计了专用的卷积神经网络（OWDNet）进行模型训练，在现场完成500余万次工况诊断，准确率达90%。

        然而，从目前工况智能诊断的研究成果来看，对工况的诊断主要集中在根据示功图判断油井井筒或地层可能存在的问题方面，如管漏、活塞漏失、供液不足、出砂等，与油气开发指标相关的诊断与预测研究较少，如动液面测量，仍然以人工为主，虽然可进行示功图计算产液量，但现有方法存在计量误差大等问题，还需要人工干预，未实现真正的智能化采油。为此，基于电功图可反映抽油机井从地面到井筒的全部信息，且电参数测试精度高、数据准确、数据采集方便的特点，胜利油田研究形成了基于电功图的产液量和动液面智能计算方法。主要思路是通过电功图的波形分离及特征信息提取，并与正常工况下标准图版比较，实现抽油机井不同节点工况精细描述，作为油井工况智能诊断的判定依据；然后通过电功图使用小波信号分离计算有效冲程，通过上行功中举升液体做功相对变化量计算实时动液面，实现实时监控地层供液能力的变化。该算法在孤岛油田中一区进行现场应用，利用该块11口油井实时自动采集的生产数据，进行产液量和动液面计算分析（图5），电功图计算产液量符合率达到92.12%，电功图计算动液面误差为6.69%，精度较示功图方法大大提高。