计算机科学与技术学院在油田能源管控大模型研究方面取得重要进展

近日，由山东建筑大学计算机科学技术学院刘新锋、陈关忠、聂秀山与积成电子股份有限公司联合研发的“油田生产领域能源管控大模型”取得重要阶段性成果。该研究为油田生产智能化与能源高效管控提供了重要技术支撑，为传统能源工业的数字化转型提供了解决方案。

针对油田生产业务系统数据复杂、能源综合管控难度高等痛点，研发团队以DeepSeek大模型为基座，结合华北油田实际业务场景，通过多模态数据融合与能源领域知识图谱，采用能源管控+大模型+行业小模型+RAG模式，构建基于知识增强的油田能源管控大模型，该模型提供了石油行业知识智能对话、文档智能助手，设备智能分析等功能。该模型可有效提高油田工作人员的工作效率，降低油田生产中的能源消耗。目前，研究团队已完成基础模型适配、多模态知识图谱体系构建及原型系统研发。研发团队成员陈关忠博士表示，下一步将深化模型在油田全链条场景的应用测试，并计划拓展至油气勘探、储运等环节，推动能源管控从“单点智能”向“全局协同”升级。

核心功能与应用亮点

l 智能任务调度

大模型根据任务紧急程度与重要性动态排序，优先处理安全关键任务。例如，在生产调度场景中，实时响应设备异常信号，确保高风险环节快速闭环。

l 场景感知与动态协同

通过实时感知生产环境变化设备状态、能耗波动等，大模型可灵活调整小模型的运行策略与协作方式，提升系统自适应能力。

l 数据驱动迭代优化

精准标注油田生产数据特征，清洗冗余与噪声数据，为小模型提供高质量输入。采用旋转、翻转等技术扩充图像数据，提升模型对复杂工况的识别鲁棒性。基于大模型的深度分析能力，优化小模型的超参数、特征组合及核心算法，提升模型数据分析的精准度。

作者：陈关忠

初审：李学娇

审核：聂秀山

终审：倪文豪