人工智能赋能油气工程建设的探索与思考

doi:10.16085/j.issn.1000-6613.2025-0991

化工进展 ›› 2025, Vol. 44 ›› Issue (12): 7359-7366.DOI: 10.16085/j.issn.1000-6613.2025-0991

• 观点 • 上一篇

人工智能赋能油气工程建设的探索与思考

孙柏铭(), 曲京(), 朱鲁燕, 任良豪

中国石油集团工程股份有限公司，北京 100011

收稿日期:2025-07-11 修回日期:2025-10-27 出版日期:2025-12-25 发布日期:2026-01-06
通讯作者: 曲京
作者简介:孙柏铭（1967—），硕士，高级工程师，研究方向为过程系统工程等。E-mail: sunbaiming@petrochina.com.cn。

Exploration and reflection on AI empowering oil and gas engineering construction

SUN Baiming(), QU Jing(), ZHU Luyan, REN Lianghao

China Petroleum Engineering Co. , Ltd. , Beijing 100011, China

Received:2025-07-11 Revised:2025-10-27 Online:2025-12-25 Published:2026-01-06
Contact: QU Jing

摘要/Abstract

摘要：

在全球能源格局调整与科技革命深度融合背景下，油气工程建设面临效率、质量、成本及安全环保等多重挑战。人工智能（artificial intelligence，AI）技术以其强大的数据解析、智能决策、自主执行能力，为破解这些难题提供了新的技术路径。本文通过总结分析人工智能在油气工程建设领域的探索实践，提出了人工智能应用场景评估的具体做法，围绕“价值、成本、风险、数据、技术、保障”6个维度构建了油气工程建设人工智能应用场景评估方法，形成了“AI+工程建设”应用场景的顶层设计方案和实施路径，为“AI+工程建设”指明了重点方向，推动人工智能赋能企业高质量发展。

关键词: 人工智能, 工程建设, 场景评估方法, 顶层设计

Abstract:

Under the backdrop of deep integration between global energy landscape restructuring and the technological revolution, oil and gas engineering construction faces multiple challenges in efficiency, quality, cost, safety and environmental protection. Artificial intelligence (AI) with its powerful capabilities in data analysis, intelligent decision-making and autonomous execution offers a new technological pathway to address these challenges. This paper summarized and analyzed exploratory practices of AI in the field of oil and gas engineering construction. It proposed specific approaches for evaluating AI application scenarios and established an assessment methodology centered on six dimensions: "Value, Cost, Risk, Data, Technology and Support." Furthermore, it formulated a high-level design and implementation pathway for "AI+Engineering Construction" application scenarios, identified key focal directions for "AI+Engineering Construction" and aimed to promote AI-driven high-quality development of enterprises.

Key words: AI, engineering construction, assessment methodology, high-level design

中图分类号:

TE41

孙柏铭, 曲京, 朱鲁燕, 任良豪. 人工智能赋能油气工程建设的探索与思考[J]. 化工进展, 2025, 44(12): 7359-7366.

SUN Baiming, QU Jing, ZHU Luyan, REN Lianghao. Exploration and reflection on AI empowering oil and gas engineering construction[J]. Chemical Industry and Engineering Progress, 2025, 44(12): 7359-7366.

图/表 4

参考文献 9

[1]	择远. 人工智能正加速成为发展新质生产力的重要引擎[N]. 证券日报, 2024-08-22(A03).
[2]	钟新龙, 王聪聪, 高旖蔚, 等. “十五五”时期我国人工智能产业发展形势研判及思路建议[J]. 机器人产业, 2024(4): 5-13.
	ZHONG Xinlong, WANG Congcong, GAO Yiwei, et al. Research on the development situation of China’s artificial intelligence industry during the tenth Five-Year Plan period and suggestions[J]. Robot Industry, 2024(4): 5-13.
[3]	国务院. 新一代人工智能发展规划[A/OL]. (2017-07-20) [2025-05-15]. .
[4]	李舒沁, 王灏晨, 汪寿阳. 人工智能背景下工业机器人发展水平综合动态评价研究——以制造业为例[J]. 系统工程理论与实践, 2020, 40(11): 2958-2967.
	LI Shuqin, WANG Haochen, WANG Shouyang. Research on the comprehensive dynamic evaluation of the development level of industrial robots in the context of artificial intelligence—Taking the manufacturing as an example[J]. Systems Engineering: Theory & Practice, 2020, 40(11): 2958-2967.
[5]	赛迪智库人工智能产业形势分析课题组. 我国人工智能产业发展形势与展望[J]. 现代国企研究, 2025(3): 8-12.
	Development situation and prospect of artificial intelligence industry in China[J]. Modern SOE Research, 2025(3): 8-12.
[6]	徐家越, 卢才武, 黄玉森. 基于知识图谱的国内外人工智能应用领域对比研究[J]. 华中师范大学学报(自然科学版), 2020, 54(2): 301-312.
	XU Jiayue, LU Caiwu, HUANG Yusen. A comparative study of Chinese and foreign artificial intelligence from the perspective of mapping knowledge domains[J]. Journal of Huazhong Normal University (Natural Sciences), 2020, 54(2): 301-312.
[7]	RUSSELL S J, NORVIG P. Artificial intelligence: A modern approach[M]. 4th ed. London: Pearson, 2020: 28.
[8]	张丽俊. 组织的力量：增长的隐性曲线 [M]. 北京: 机械工业出版社, 2022: 78.
	ZHANG Lijun. The power of organization: The hidden curve of growth [M]. Beijing: China Machine Press, 2022: 78.
[9]	杨剑锋, 杜金虎, 杨勇, 等. 油气行业数字化转型研究与实践[J]. 石油学报, 2021, 42(2): 248-258.
	YANG Jianfeng, DU Jinhu, YANG Yong, et al. Research and practice on digital transformation of the oil and gas industry[J]. Acta Petrolei Sinica, 2021, 42(2): 248-258.

场景名称	评估分数	场景名称	评估分数	场景名称	评估分数
基于遥感大模型的油气环境低空智巡和监控预警	92	P&ID图与三维图纸智能检查	81	项目管理报告智能生成	78
新材料智能设计与工程转化	90	管道完整性智能分析	81	油气储运计算智能助手	77
地下储库具身工程机器人智能施工	89	设计报告智能校审	81	油气储运输气站场过滤分离区三维智能设计	77
工程建设集成设计智能体	85	工程报告智能生成	80	气田集输站场工艺流程智能设计	76
不符合项智能评价	84	焊接参数实时智能优化	80	安全设施、环保、职业卫生等设计专篇智能生成	75
工程建设知识库智能问答	84	生产运营智能问数	80	采购智能助手	75
管道高后果区智能识别	84	消防站平面布置图智能设计	80	工程项目风险智能分析	75
P&ID图纸智能识别	83	站场生产状态智能评估	80	设备故障预测与诊断智能分析	75
合同合规智能检查	83	工程项目进度智能分析	79	项目人员画像智能分析	75
QHSE风险隐患智能监督	82	焊口无损检测智能评片	79	造价定额智能分析	75

场景名称	评估分数	场景名称	评估分数	场景名称	评估分数
基于遥感大模型的油气环境低空智巡和监控预警	92	P&ID图与三维图纸智能检查	81	项目管理报告智能生成	78
新材料智能设计与工程转化	90	管道完整性智能分析	81	油气储运计算智能助手	77
地下储库具身工程机器人智能施工	89	设计报告智能校审	81	油气储运输气站场过滤分离区三维智能设计	77
工程建设集成设计智能体	85	工程报告智能生成	80	气田集输站场工艺流程智能设计	76
不符合项智能评价	84	焊接参数实时智能优化	80	安全设施、环保、职业卫生等设计专篇智能生成	75
工程建设知识库智能问答	84	生产运营智能问数	80	采购智能助手	75
管道高后果区智能识别	84	消防站平面布置图智能设计	80	工程项目风险智能分析	75
P&ID图纸智能识别	83	站场生产状态智能评估	80	设备故障预测与诊断智能分析	75
合同合规智能检查	83	工程项目进度智能分析	79	项目人员画像智能分析	75
QHSE风险隐患智能监督	82	焊口无损检测智能评片	79	造价定额智能分析	75

[1]	陈嵩嵩, 鲍艾丽, 霍锋, 侯亚慧, 崔改静, 张军平. 人工智能（AI）在复杂化工过程设计中的应用：现状、挑战与展望[J]. 化工进展, 2025, 44(8): 4821-4837.
[2]	杨森, 薛姿杰, 王彧斐, 赵亮, 徐春明. 基于绿氢的化工低碳转型与研究现状[J]. 化工进展, 2025, 44(6): 3288-3304.
[3]	李明, 周依, 南兰, 叶晓生. 自动优化连续合成研究进展[J]. 化工进展, 2025, 44(6): 3190-3198.
[4]	王笑楠, 傅思维, 刘宽, 林琮盛, 林晓风. 能源材料替代与转型中的机器学习方法[J]. 化工进展, 2025, 44(5): 2767-2776.
[5]	何林, 贺常晴, 隋红. 人工智能驱动新型界面分离材料的创制[J]. 化工进展, 2024, 43(4): 1649-1654.
[6]	吴正浩, 周天航, 蓝兴英, 徐春明. 人工智能驱动化学品创新设计的实践与展望[J]. 化工进展, 2023, 42(8): 3910-3916.
[7]	李蓝宇, 黄新烨, 王笑楠, 邱彤. 化工科研范式智能化转型的思考与展望[J]. 化工进展, 2023, 42(7): 3325-3330.
[8]	胡锦文, 孟广源, 张之杰, 张宁, 张芯婉, 陈鹏, 李童, 刘勇弟, 张乐华. 人工智能在电化学水处理过程中的应用[J]. 化工进展, 2022, 41(S1): 497-506.
[9]	张梦轩, 刘洪辰, 王敏, 蓝兴英, 石孝刚, 高金森. 化工过程的智能混合建模方法及应用[J]. 化工进展, 2021, 40(4): 1765-1776.
[10]	曹建宗, 刘琦, 陈文通, 樊帅军, 要亚坤, 周权, 马采妮, 林宸雨, 马双忱. 典型湿法脱硫系统存在的问题及人工智能在优化运行中的应用[J]. 化工进展, 2020, 39(S1): 242-249.
[11]	李永红. 建立煤化工工程建设标准体系的思考[J]. 化工进展, 2014, 33(02): 353-357.

人工智能赋能油气工程建设的探索与思考

Exploration and reflection on AI empowering oil and gas engineering construction

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 9

相关文章 11

编辑推荐

Metrics

本文评价