В Перми разработана интеллектуальная система управления энергопотреблением нефтяных скважин
Внедрение инновации снижает затраты электроэнергии на эксплуатацию насосного оборудования примерно на 10–12% без потери добычи.
На нейроприводе
Ученые Пермского национального исследовательского политехнического университета разработали интеллектуальную систему управления энергопотреблением нефтяных скважин, которая снижает затраты на энергию на 10–12% за счет оптимизации работы оборудования. Система основана на нейросетевых алгоритмах и математическом моделировании, которые анализируют данные параметров скважины и прогнозируют энергопотребление, после чего автоматически регулируют работу электроцентробежных насосов, выбирая оптимальные режимы.
Сокращение энергопотребления на одну скважину может составлять до 1,7 кВт (в «среднем» и «тяжёлом» режимах до 5,5 кВт), что на месторождениях с сотнями объектов приводит к снижению затрат на десятки миллионов рублей в год. Высокое энергопотребление (до половины себестоимости добычи) остаётся ключевой проблемой нефтегазовой отрасли, особенно в условиях роста тарифов. Снижение затрат нефтяных компаний неизбежно скажется на финальных ценах на топливои укрепит экономическую устойчивость регионов-производителей. В целом разработка способна сократить зависимость отрасли от затрат на электроэнергию.
В корне вопроса
При том, что себестоимость добычи в нефтегазе наполовину формируется из электроэнергии, до 25% ресурса расходуется неэффективно. Традиционные и устаревшие системы контроля часто не дают результата в оптимизации насосного оборудования. Они либо не учитывают постоянно меняющиеся условия пласта, либо требуют сложной инфраструктуры, что делает их использование экономически невыгодным. Ведь для внедрения автоматизированных решений требуется целая сеть дорогостоящих датчиков, обеспечивающих непрерывный мониторинг всех критических параметров скважины. А это не только рост эксплуатационных затрат, но и усложнение обслуживания.
Особенность пермской разработки – в подборе оптимального режима, снижающего энергопотребление на месторождении. Два регулятора, работающих в непрерывном и периодическом режимах, автоматически подбирают оптимальные параметры работы насосов, обеспечивая максимальную энергоэффективность.
Дальнейшие исследования ученых Пермского Политеха направлены на масштабирование системы и её внедрение в промышленные решения.
Путь к решению
Для проверки точности математической модели центробежного насоса, комплексно учитывающей гидродинамические процессы в скважине и технические параметры оборудования, в качестве «эталона» использовались реальные эксплуатационные данные с действующего месторождения. В модель последовательно подавались замеренные значения для разных параметров (уровень жидкости, давление и другие), чтобы на основе этой информации она рассчитала прогнозное электропотребление. Затем эти значения ученые сравнили с фактическими показаниями промышленных электросчетчиков.
Итогом стала точность, превышающая 97%. Продукт позволяет моделировать тысячи вариантов работы при различных комбинациях параметров. Нейронная сеть была обучена на основе результатов моделирования. Скорость добычи и расход электроэнергии при изменяемых условиях сравнивался с результатом расчета раннее созданной математической модели. Для уменьшения ошибки прогнозирования был разработан специальный алгоритм обучения. Этот этап повторялся для тысячи различных сценариев, пока результаты нейросети не совпали с данными математической модели с требуемой точностью. В итоге, вводя всего четыре параметра, можно за несколько секунд спрогнозировать изменение режима добычи.
Поступательное развитие
Появление подобных эффективных решений предваряет многолетняя разноуровневая работа. В частности, в 2023 году состоялась официальная публикация российских ученых, подтверждающих: автоматизация с нейросетями превосходит традиционные системы автоматизации добычи. На конференциях звучало обсуждение цифровых моделей обеспечения энергоэффективности на нефтепромыслах.
За рубежом была обнародована разработка, сочетающая методы машинного обучения и IoT. Методика позволила увеличить добычу нефти из скважин с тяжёлой нефтью с помощью закачки пара. В отличие от традиционного моделирования, основанного на принципах классической физики, был протестирован подход с использованием передовых методов машинного обучения. Также была создана система оптимизации, рекомендующая оптимальный план распределения пара, что увеличило добычу на 3%. Продукт предлагает решения для смежных задач – например, для профилактического обслуживания.
Решение Пермского политеха продолжает эту линию, но делает акцент на энергосбережении и оптимизации энергозатрат, что особенно актуально при высоких тарифах. Разработка удачно сочетает ИИ и промышленную автоматизацию.
