石油圈
技术创新与工艺优化，正在为油气行业开创新的发展机遇。
编辑 | 大安
长期以来，油气运营商利用数字技术来提高运营绩效、生产效率和施工安全系数，诸多关键性的业务挑战得到解决。然而，油气行业的远景发展，要求运营商继续加大数字化转型的力度。在许多基于物联网的行业中，数字孪生技术正在日趋风靡。虽然该项技术主要应用于制造业和航空航天，但油气行业目前正在评估它的适用性。
Noble Energy公司高级技术主管Gary Birdwell说道：“向数字化油田的过渡期已经持续了十余年，我们的奋斗目标和效益提升终于实现了。我们把数字孪生技术看作是我们数字油田战略的自然演变，对提升资本运作效率和生命周期资产管理水平大有裨益。”
该技术已经在油气行业中展露实力。Equinor公司的Johan Sverdrup油田，通过应用数字孪生技术来优化作业，产量预计将占到挪威海上总产量的25%。另外一个典例是，英国BP公司的模拟和监视系统APEX。据报道，该系统为其所有生产系统创建了数字孪生版本。2017年，BP报告称，APEX系统使公司全球产量增加了3万桶。
数字孪生技术的起源可以追溯到美国宇航局的阿波罗计划。为了满足实际需要，阿波罗的工程师们创建了物理设备的模型，可以作为实际空间设备的类比。基于大量的实验和模拟，宇航员获得了极为详细的过程参数和飞行计划。在《阿波罗13号》(Apollo 13)电影中，工程师们在遵守特定的功率要求前提下，为宇航员能够顺利重返地球一次次地努力尝试着。这是一个实体复制品，但思路是一致的——每一次尝试或试验都是一个模拟过程。最终，工程师们找到了解决问题的“金钥匙”，宇航员们也成功地返回到地球。
时至今日，技术进步和计算模型能够为实体物理设备和过程创建极佳的数字副本，并以数字孪生的形式存在。这些虚拟化的模型可将先进的计算能力与海量的工程数据、实时传感器流相结合，进而可模拟新的操作条件，并通过改变实体设备的运行程序来获取优化预测和详细指示信息。
领域应用
众多运营商通过建造运营操控中心来进行远程诊断分析。在派遣技术团队奔赴现场解决生产问题之前，依托数字孪生技术，利用收集到的近实时传感器数据流可以帮助操控中心明确许多问题产生的根本原由。由于数字孪生技术掌握着详细的资产清单，它可以根据故障诊断结果为技术团队提供一组必需部件。
美国Stonebridge Consulting公司总裁Adam Hutchinson表示：“运营商们已经迅速将数字转型融资从资本支出转向运营支出和一般行政费用。衡量每桶原油投入成本的方法，看似简单，实际上却是一个异常复杂的优化问题。通常，操控中心在制定运营策略时首先会着重考虑如何实现投资项目回报的最大化，而后深入研究成本效益列表（包括提高单井产能、减少一般性行政费用、优化水资源管理、电讯业务外包等方面）。”
图1所示，数字孪生技术为生产商提供一个能够持续循环优化的竞争性解决方案，并可推广至整个油田。（来源：OspreyData）
在工业领域，Gartner咨询公司在最近的一份报告中预测指出，“到2021年，达半数的主流企业将会应用数字孪生技术，运营效率有望提高10%。”全球第二大市场研究咨询公司MarketsandMarkets最近的研究表明，数字孪生技术应用市场将大幅扩展，预计到2025年市场价值将达到350亿美元。
数字孪生技术的应用必要性
作为物理设备或过程的数字表示，数字孪生的质量取决于源数据。在使用任何形式的高级分析之前，必须对数据进行对齐、清理和调解处理。
OspreyData公司已经表明，由于多家服务商团队参与到油井生产当中，因而收集和维护油井参考日志常常成为运营商的一大挑战。只有当技术支持成为效益增长的迫切需求时，大家才会对这些数据收集进行优先级排序。
油气上游的不同专业提供了不同的数据表示，数字转换和数字孪生技术的应用面临着挑战和机遇。在勘探阶段，地震数据、储层数据、侧向间距、压裂和完井设计（包括支撑剂和压裂液）等方面居于关键地位。在生产过程中，许多分析模型侧重于井史，这有助于创建数字模型。然而，为了能够影响实时变化并获得更大的经济效益，运营商必须能够通过分析数据流对油井与油田建模。
2020年，在新冠疫情和低油价常态化的局势下，为求自保，运营商需竭力降低租赁运营成本并增加现有油井的产量。随着新井数量的减少和投资者关注的增加，用于生产井的数字孪生技术比以往任何时候都更有应用潜力与价值。
气举优化方案的一个出发点可以是收集注气速度与日产量的传感器读数，帮助生产工程师评估注气速度变化对产量的净影响。工程师可以对在用的气举阀进行评估和可视化绘制以确定注气深度。气举举升是一项复杂作业，涉及流体动力学、潜在的竞争网络效应以及相邻井之间的相互作用等多个方面。因此，采用增量方式构建其数字孪生，可以让企业看到明显的价值提升，并逐步提高运营效率。
数字孪生技术的应用依赖于单井和石油工程数据的结合，耦合传感器数据流来构建反映物理行为的数字模型。
数字孪生技术模型模拟
提高数字孪生技术的能力，需要创建“优胜劣汰”的新型数字模型。通常，基于物理设备，模拟模型可提供计算模型，来计算设备的预期行为。许多模拟模型用来确定设计配置或定期调整设定值和运行参数。
一种基于操作数据点的经验评估新模型用来创建机器学习模型，这些模型通常用于比较设备的运行行为和先前观察到的情况。步入模拟模型的新时代，将可提供近乎即时化结果。以往，工程师通常需要耗费数天时间才能完成对一口井的定期检查，而现在每天可以对井区进行数百次检查，效率提升惊人！
图2所示，利用一组性能优越的传感器收集到的关键生产数据，成功地创建了电潜泵的数字孪生版本，帮助运营商近乎实时地掌握泵的工作状态。这些数据支持高级分析，可进一步实现自动故障诊断和检测。（消息来源：OspreyData）
相反地，将高保真传感器数据流与自动化的传统模拟过程相结合，可能会为生产操作提供更加丰富、复杂且真实的视图。运营商继续面临着新的经济现实压力、劳动力技能转移和日益加大的环境监察挑战。整个组织链条都高度强调提高成本的透明度。愿意踏上这一征程的运营商将更深入地了解和评估他们目前的运营绩效，并通过自动化管理、高效的设备配置和改进的维护计划来优化操作。
Noble Energy公司高级技术主管Gary Birdwell说道：“技术挑战存在于任何形式的变革中，但与宏大的文化或组织机构带来的影响相比较，它的影响就小多了。清晰认识自身当前的状态，对自己要做什么以及为什么要做的假设提出质疑，推动各方就改变达成一致意见，这一点至关重要。”
关于利用报告和量化所获取的真正价值，他在详细阐述两者的重要性时说道：“最后，确保你有适当的措施来跟踪进展；这是确保运营优化的唯一可量化方法。”
在最近行业发展承受高压的大背景下，可以利用数字孪生技术决定在当前低油价局势下，油井是否应该停止运营。了解油井作业环境的复杂性，可以帮助作业者规避因井筒出砂等问题而导致的昂贵的修井作业。对重启订单和流程执行类似的分析可以优化设定值，甚至可能成为规避生产事故的关键。
应对挑战
许多运营商在数字转型方面已经颇有经验，并且已经在着手推动数字孪生技术的应用进程。
数字孪生技术早日“落地开花”，这驱使团队评估组织机构的能力，特别是在数据管理、变革管理和技术灵活性等方面。构建数字孪生需要扩展化的技能组合，涉及商业智能、过程模拟、石油工程、数据科学、数据工程和IT，数字孪生技术框架仍处于早期的快速发展阶段。根据OspreyData公司的经验，围绕机器学习的操作挑战超出了大多数操作人员的能力与经验范围。但是，这不应成为运营商参与数字孪生技术开发的阻力，但应强调对内部能力、外部合作伙伴和解决方案等方面进行客观审查的重要性。尽管数字孪生技术已经在包括航空航天在内的多个行业中发展多年，但新的进步和方法正在带来新的效益，在油气行业中考虑它们所能创造的效益和适用性的时机已经到来。
未经允许，不得转载本站任何文章：
