ИИ поднимает добычу на уставших месторождениях
Тюменский институт нефти и газа («ТИНГ») анонсировал создание «умных месторождений» на основе нейросетей. Ряд внедрений позволяет увеличить суточную добычу на сложных промыслах на 10%.

AI нефть
Падающие показатели по добыче – типичное явление на всех крупных месторождениях. И даже комплекс работ на скважинах, направленных на регулирование разработки месторождения и поддержание целевых уровней добычи нефти (ГТМ), приносит все меньше результата. А, если добыча падает, затраты и себестоимость производства растут – и часто не пропорционально, а опережающими темпами.
Похоже, решение проблемы всё-таки существует. И его тиражирование предлагает знаменитый в отрасли «ТИНГ». Здесь разработали эффективные инструменты управления скважинами на основе нейросетей. Сегодня им под силу обрабатывать совмещенную информацию с показателями дебита жидкости, обводненности и забойного давления добывающих скважин. Также учитываются нагнетательные скважины, с помощью датчиков рапортующие о приемистости воды.
Все эти данные становятся основой для автоматизации перераспределения закачки в системе скважин. Таким образом, в нефтедобывающем секторе началась цифровая эра, устраняющая потребность в капиталоёмком ГТМ.

В целом технология повышает эффективность добычи и снижает экономические риски при разработке труднопроходимых активов. Самое важное – она способна повысить общую добычу и продлить жизненный цикл месторождений. А это и есть та задача, над которой бьются лучшие умы «нефтянки». Эксперты уверены: если технология будет коммерциализирована, то экспорт российского ИИ-решения для добычи нефти – возможный выход на рынки зарубежных зрелых полей, особенно в странах-потребителях оборудования и технологий.
Цифры, проценты, ожидания
Итогом внедрения ИИ на производстве является увеличение суточной добычи нефти на 10%, и на столько же – сокращение непроизводительной закачки. Количество попутно-добываемой воды также уменьшается на 12%. Все эти факторы становятся причиной снижения себестоимость нефтедобычи на 12%. На 10% можно увеличить остаточные извлекаемые запасы нефти. Коэффициент извлечения нефти вырастет на 5%.
Для внедрения решения на каждый конкретный объект требуется доработка. Нейронная сеть обучается на основе показателей эксплуатации скважин. В общей картине производства ИИ позволяет ускорить принятие решений.
Всего на обучение нейросети требуется, как минимум, три года. Но сама по себе нейросеть не будет эффективной без всех мощностей технологической платформы. Требуется полноценная автоматизация всех мощностей промысла. Так дистанционное управление поможет в ситуациях, когда операторы не успевают реагировать на нештатные ситуации.

Практика в полях
«Первая ласточка» проекта состоялась в 2013 году на объектах ЛУКОЙЛа в Западной Сибири и месторождении Карамандыбас в Казахстане («КазМунайГаз»). Далее в 2017 году в игру вступили Западно-Малобалыкское, Унтыгейское и Арланское месторождения компании «Нефтиса». С учетом Западно-Малобалыкского месторождения в ХМАО-Югре, общий счет оцифровки составил более 14 тысяч скважин. В 2019 году данная технология стала основной для выработанных месторождений ЛУКОЙЛа. По заказу этой компании был создан соответствующий софт.
Также историческим этапом в общей цепочке можно назвать 2024 год, когда компания «Эттон Нефтегазовые решения» представила на заседании совета директоров «Татнефтехиминвест-холдинга» новые IT-решения для нефтегазовых компаний - систему «цифрового месторождения», с помощью компьютерного зрения управляющую скважинами и повышающую промышленную безопасность. Включающая интеллектуального помощника, система выявляет отклонения, планирует технологический режим оборудования, замеряет данные с установок, управляет добычей.

Важно, что разработка данных технологий ведется в русле обозначенного импортозамещения в сфере нефтегазового оборудования и цифровых решений. Рост добычи с участием новых технологий позволит России к 2035 году вовлечь дополнительные миллионы тонн. А требования зрелых месторождений в плане цифровых решений и ИИ будут играть на консолидацию тренда.
Сегодня в академических кругах заявлен целый ряд инженерных задач, решаемых с помощью ИИ – в частности, «Возникновение и самопроизвольное распространение трещин гидроразрыва пласта на нагнетательных скважинах», «Особенности мониторинга пластового давления в залежах с нефтяной оторочкой», «Вероятностное моделирование при выполнении подсчетов запасов УВС» и так далее.









































