美公司利用新型示踪剂监测原油产量

通过与Tracerco公司合作，美国俄克拉荷马州的一家油气藏开发公司，通过应用新型油井化学示踪剂取得了成功。

在油井开采生命周期中，作业者使用定向研制的特殊示踪剂，亦称“智能型示踪剂”，进行油井的水平段原油开采监控与分析。新型示踪剂对于水平段开采分析成本，仅有其他类型技术与工具的“若干分之一”。

这项技术可以确保目标井的最理想的作业效率，以及作业流程的安全性，环境合规性与足够低的作业成本。

技术专家在同一个井场的两个水平井上使用示踪剂，最终确认井筒内液体沿水平井段流动的形态，并确认水平井段的“可溶解裂缝堵塞物”，具体位置及溶解过程。

在试验井作业过程中，操作人员在长达数月的周期内，在井筒中使用水与油示踪剂，获得预定的流量验证数据。其中仅油井内的水示踪剂，就验证了流经井筒的流体资源数据，以及井身曲线的造斜点位置，还向作业承包商揭示在水平井段应用水示踪剂的必要性。

公司技术专家指出，使用专门研制的创新型示踪剂，有助于迎接油田的地质、储层、开采与完井相关的技术挑战。工艺特点是提供特定的下部地层监测，而无需进行油井修井，关井或进行侧钻作业。

试验作业过程显示，使用新型化学示踪剂的油井，当其进行生产测井时，无需使用昂贵工具，或者电缆作业系统。作业人员较容易地找出采油井的各个水平井段的液态参数分量。

新型化学示踪剂也可以用于油井水浸剖面图的绘制。首先作业人员建立井眼内的“入水点”，最终获得沿井筒中心线的“零井间干扰”的含水剖面。简而言之，油田上使用示踪剂的生产测井信息，可用于油藏开发，以及使得储层现场潜力的最大化。或者说提升整个储层的原油产量。

斯伦贝谢“非结构式”数据融入AI体系

‌斯伦贝谢公司是全球最大油田的技术服务公司，成立于1927年。公司总部位于美国休斯顿、法国巴黎。公司规模大，钻采数据存贮时间长，迫切需要有高效方法，将过去近百年来积存的旧式格式数据，也称“非结构式”数据，转化成如今人工智能方式所需要的新式格式，亦称“结构式”数据。

斯伦贝谢公司一位油田开发工程师，于2025年4月提出转换油气田历史上手工输入数据格式，直接为当今AI（人工智能）格式的新方法。

长期以来，能源行业一直是全球数据密集型行业之一。在几十年的勘探和生产过程中，石油和天然气部门积累了各种格式的大量遗留数据。记录包括地震勘探磁带，测井记录，作业人员手写报告，以及油井生命周期多个阶段的其他关键文件。

公司技术人员认为，历史上油气勘探中，非结构化数据信息的积累，缺乏预定义的格式，因此难以使用传统数据库系统进行处理。

公司技术层面意识到这些数据特点，特别是兼顾数据的大数量和多样性，是AI时代带来的独特挑战。简单来说，公司技术人员应在数据管理、准确性和分析方面，做出开创性工作。

从历史上看，多数石油和天然气行业的数据，都是以非数字格式，用手动记录和存储的。随着时间的推移，油气公司开始将这些信息数字化，过渡到PDF或者TIFF，以及其他更易于存储和管理的文档类型。

公司技术专家针对人工智能（AI）和机器学习（ML）特点，处理相应的数据，为转换非结构化数据的处理和使用方式提供平台，从而显著提高了油气田开发的运营效率和决策速度。

然而，斯伦贝谢公司管理层发现，近年来的油气开发数字化进程，并没有解决使用“老式”数据的所有问题。公司原有存贮的数据，其数据库中的许多关键属性，如井名、井位和历次作业过程，仍然必须手动输入公司数据库。这通常会导致数据错误和数据记录不完整。

而且即使公司技术人员使用油气批量数据加载引擎，仍存在数据完整性和一致性方面的问题。而基础数据库的数据不准确，造成了公司重大风险。例如，有缺陷或缺失的数据可能严重影响公司运营规划和决策，并导致数据使用效率低下，成本超支，以及潜在的合规性和安全隐患。

公司管理层认为，为了释放隐藏在数据记录中的价值，公司技术层面必须采用一定方式，能够将非结构化数据转换为结构化、可操作化数据，即必须使用高级AI和ML技术进行处理。

斯伦贝谢公司为此专门组织一个油气开发项目。项目明确提出油气行业常见问题：从井公司已经存贮的报告中，提取非结构化数据，以填充客户数据库中缺失的“油气井名称”属性。以此创建一个专门系统，以ML方式，从存储在云中的非结构化数据中，提取关键信息。

举例说明，系统旨在使用从若干年前油气田历史数据报告中提取的数据，在当前数据库中，自动填充缺失的“油气井名称”属性。解决方案侧重于关键属性，如空间数据，即纬度和经度，以及其他特定细节。由此提高公司数据库的准确性和完整性。

专家介绍说，“油气井名称”属性提取工作流的技术解决方案，涉及一个多步骤人工智能驱动的线程设计。具体说包括“光学字符识别（OCR）”处理，智能(AI)文档检索，基于机器学习（ML）的数据提取和数据验证。

专用以“光学字符识别（OCR）”处理为例，介绍相关软件与硬件使用方法。对于油气井的历史性手工输入数据，操作人员用OCR（光学字符识别），实现非结构化文档的数字化。

其中第一步是应用OCR从扫描井报告中提取文本数据，使用Google OCR和Tesseract增强文档可读性和字符识别。接着，操作人员在此阶段中预处理文本，并且聘请软件工程团队，能够通过消除噪声、规范化字体和修复格式错误，来提高非结构化文档，即多年前作业现场人工录入数据的数字化准确性。

“自动化钻井”与“自主性钻井”的区别

国际钻井界于2025年1月在挪威Stavanger（斯塔万格）召开重要会议，议题之一是讨论 “自动化钻井（automated systems）”与“自主性钻井（autonomous systems）”概念的区别。明确提出弄清这两个概念的区别，会更快与更有效地推动全球自动钻井向前发展。根据会上国际专家初步商议，两个专业名词各自意义如下所述。“自动化钻井（automated systems）”特指自动钻机的地面部分，包括仪器与装备等；而“自主性钻井（autonomous systems）”特指自动钻机的地下部分，包括各种形式的导向钻具等仪器与装备。

美国哈里伯顿（Halliburton）公司投入巨资主持研发RSS技术与装备，即自动钻机下部钻具的旋转导向系统。哈里伯顿专家说，系统减少了钻井作业时的人工干预，使更多工作人员能够远程监督钻井作业，同时允许人工司钻专注于新型专业知识。

公司报告说，RSS技术与装备在美国二叠纪盆地的使用，取得了显著的性能提升。研究表明，与传统人工主导作业相比，新的系统整体钻井性能提高80%以上，机械钻速平均提高20%。

哈里伯顿公司与挪威Equinor公司（原挪威国家石油公司）共同提交会议另一份文件。文件指出自动钻井领域最大挑战不是自动钻井技术本身，而是当前世界上不兼容的商业模式。

文件强调自动钻井承包商，应通过共享工作流程，精心集成地面自动化与井下自动化来实现。现场人员应实时监测水力学、油井布置和钻井设备限制等工艺节点，有助于优化作业并缩短套管作业时间。作业者应落实自动化的安全措施、异常情况的检测和特定于现场学习。同时最大限度地减少了非生产时间。

哈里伯顿公司与挪威Equinor公司提出另一个自动钻井关键要素，即钻井服务公司的自动化系统之间的数据交换和协调。公司专家透露，要通过使用OPCUA（OPC统一体系结构）计算模块，以及MQTT（消息队列遥测传输）计算模块完成的。

Equinor公司技术人员指出，通过此框架，Equinor公司可以连接实时咨询工具，“数字孪生体仿真”和钻机自动控制，从而实现更充分的自动钻井协调。该公司表示，这种集成也有助于实现作业现场运营目标，如优化油井布置，以及减少系统的振动。

哈里伯顿公司刚完成的“自动钻井开发系统”，被与会国际专家誉为“自动钻井行业新标准”，专家们强调这一系统对于具体钻井平台的无关性、低风险安全性和可扩展性。研发人员保证，系统能够支持从小型操作到大型工业网络的所有自动钻井作业。

（编译：郭永峰 编译自美国《JPT（石油技术报道）》杂志）