压裂泵注智能决策系统设计理念与路径探讨

油气藏改造过程中的压裂泵注具有工艺复杂多变、过程不可逆、高风险等特点,需要及时准确地进行决策调控,进而提升压裂改造效果。目前决策方式主要以压裂设计泵注程序为基础,人为调控泵注参数。随着人工智能技术的发展,构建压裂泵注智能决策系统、实现自主决策已成为可能。为此,在综述国内外压裂泵注决策研究现状的基础上,提出了基于强化学习理论的压裂泵注智能决策设计理念,并探讨了实现路径。研究结果表明:(1)压裂泵注智能决策系统的核心是泵注决策智能体,由其自主决策泵注程序和优化参数,同时将决策动作传递给地面装备,构成闭环调控,实现泵注过程“自动驾驶”;(2)基于强化学习理论的压裂泵注智能决策设计理念,即以强化学习为核心,以压裂大数据为基础,以机理模型认识和专家先验知识为约束,构建压裂仿真环境,训练泵注决策智能体,可以实现泵注参数实时优化决策与地面装备闭环调控;(3)压裂泵注智能决策系统主要通过压裂工况自主判识、裂缝扩展动态感知与风险预警、压裂泵注参数优化决策、地面装备自主调控、压裂泵注数字孪生等技术实现系统功能。结论认为,基于强化学习理论的压裂泵注智能决策设计理念,有望为加快压裂泵注智能化进程提供有益参考,有助于油气的高效开发。

人工智能在油气压裂增产中的研究现状与展望

针对油气压裂增产技术发展需求,阐述了人工智能在油气压裂增产中的研究现状,分析了压裂人工智能发展所面临的关键理论问题,展望了压裂人工智能研究的主攻方向和应用场景设计。国内外现阶段在压裂设计优化、压裂工况诊断与风险预警、压裂返排优化控制等方面已取得一定研究进展,总体处于从学术型研究向工业级应用的过渡阶段,面临小样本少标签数据问题、数据驱动与机理模型深度融合问题、模型可解释性差等关键理论问题。文章围绕所存在的问题,展望未来压裂人工智能研究的主攻方向包括数据治理与特征工程、小样本学习场景下的压裂数据深度挖掘、基于知识嵌入和知识发现的可解释性压裂智能算法、基于强化学习的压裂参数动态优化与风险预警调控方法等。基于上述研究,建议构建压裂设计智能优化、压裂施工闭环调控、压裂返排智能控制等三类应用场景,最终实现高质量均衡造缝和安全压裂目标。

全英文教学研究与实践——以“高等完井工程”为例

全英文教学,即在课堂上使用英文进行学科的讲授,已经成为实施全英文教育和高等教育国际化的重要指标之一。完井工程是衔接钻井工程和采油工程的一个重要的工程环节,与油气井产能的提高和油田整体开发经济效益密切相关。“高等完井工程”是“完井工程”课程的延续与拔高,是留学生国际班的专业核心课。为了激发优秀学生的学术志趣,需进一步提高课程的难度和挑战性,有必要开展国际班“高等完井工程”全英文教学改革,探索与之相适应的教学方法,切实执行学校学院的国际化办学政策,为加强学校教学和科研的国际化建设水平贡献力量。