Публикации и сборник статей
Публикации
Научно-технические и производственные статьи сотрудников ТИНГ по актуальным вопросам разработки, автоматизации и нефтедобычи в российских и зарубежных научных журналах
Аннотация: Современные возможности получения и передачи информации о состоянии глубинного насосного оборудования на месторождениях углеводородов позволяют реализовывать новые методики в области управления, основанные на алгоритмах искусственного интеллекта. Применение больших данных дает возможность прогнозировать отказы насосного оборудования и принимать превентивные меры до возникновения аварийной ситуации. Это приводит к минимизации времени простоя скважины и повышению рентабельности разработки месторождения. В целом по России ежегодно происходит более 50 000 отказов глубинного насосного оборудования, что влечет за собой значительные финансовые потери нефтедобывающих компаний и увеличение времени простоя скважин. В статье приводятся результаты апробации алгоритмов предиктивной аналитики отказов насосного оборудования, реализованных в программном обеспечении «АТЛАС – Диспетчер скважин».
Ключевые слова: механизированная добыча нефти, глубинное насосное оборудование (ГНО), штанговый глубинный насос (ШГН), электроприводный центробежный насос (ЭЦН), отказы глубинного насосного оборудования, контроль и управление ГНО, выявление предаварийного режима работы скважины, алгоритмы машинного обучения, расчетное ядро для предсказания отказов ШГН, осложнения при работе ШГН, предиктивная аналитика отказов ЭЦН, ПО «АТЛАС – Диспетчер скважин», предиктивная аналитика состояния ГНО, нейросетевые технологии управления добычей, оптимизация системы заводнения с помощью алгоритмов искусственного интеллекта, оптимальные режимы эксплуатации нагнетательных скважин, выявление осложнений при эксплуатации ГНО, реализация проекта интеллектуального месторождения
Abstract: Modern capabilities for obtaining and transmitting information about the state of deep pumping equipment at oil fields allow the implementation of new management techniques based on artificial intelligence. One of the possibilities of implementing Big Data is forecasting failures of pumping equipment, which makes it possible to take preventive measures even before an emergency situation occurs. This leads to minimizing the downtime of the well and increasing the profitability of development. In general, more than 50,000 failures of deep pumping equipment occur annually in Russia. This paper presents the results of testing algorithms for predictive failure analysis of pumping equipment implemented in the software «ATLAS – Well Manager»
Keywords: artificial oil lift, down-hole pumping equipment (DPE), down-hole sucker rod pump (DSRP), electric centrifugal pump (ECP), failures of down-hole pumping equipment, monitoring and control over DPE, identification of pre-emergency well operation mode, machine learning algorithms, computerized base to predict DSRP failures, complications in course of DSRP operation, predictive analytics for ESP failures, "ATLAS – Well Manager" software, predictive analytics of DPE status, neural processes in production control, optimization of flooding system with the use of artificial intelligence algorithms, optimal modes of injection well operation, identification of complications in course of DPE operation, implementation of smart field project
Аннотация: Современные тенденции развития мировой нефтяной отрасли в общем, и российской в частности, все больше тяготеют к процессам управления добычей посредством регулирования режимов эксплуатации нагнетательных скважин. При этом основной задачей промысла становится обеспечение оптимальных режимов работы нагнетательных скважин и своевременное реагирование на нештатные ситуации, непосредственно влияющие на показатели эксплуатации как добывающих, так и нагнетательных скважин. Необходимость выполнения промысловых задач формирует наиболее перспективные векторы развития - автоматизацию и роботизацию производственных процессов, обеспечивающих достижение оптимальных режимов эксплуатации нагнетательных скважин
Ключевые слова: автоматизация, цифровое месторождение, нейронные сети, нагнетательная скважина, добыча нефти и газа, Западно-Малобалыкское месторождение
Abstract: Modern trends in the development of the global oil industry in general, and the Russian one in particular, are increasingly gravitating towards production management processes by regulating the operation modes of injection wells. At the same time, the main task of the field is to ensure optimal operating conditions for injection wells and timely response to emergency situations that directly affect the performance of both production and injection wells. The need to perform field tasks forms the most promising development vectors - automation and robotization of production processes that ensure the achievement of optimal operating modes for injection wells
Keywords: automation, digital field, neural networks, injection well, Oil and gas, Zapadno-Malobalykskoye field
Аннотация: До настоящего времени мероприятия, основанные на технологиях увеличения нефтеотдачи пластов в парадигме нестационарного воздействия любых модификаций – циклическое, импульсное, изменение направления потоков и т.д., несмотря на обширные библиотеки публикаций, не находят практического применения. Такое положение дел связано с отсутствием апробированных в производственных условиях формализованных решений обоснования оптимальных темпов, последовательности и продолжительности циклов закачки воды в скважинах. По этой причине эффективность гидродинамических МУН назначается экспертно и отражает нормативный прирост КИН относительно расчетов, полученных на геолого-гидродинамических моделях. Авторы полагают, что на III, и тем более на IV стадии разработки приоритетным инструментом гидродинамического моделирования должны стать задачи, основанные на решении «обратной» задачи гидродинамики, предусматривающие широкое применение методов машинного обучения. Авторы предлагают новую концепцию комплексирования методов искусственного интеллекта и гидродинамической модели, в которой нейронная сеть строит функциональную связь исторического дебита нефти от приемистости, затем оптимизационный алгоритм находит максимум добычи нефти и соответствующее ему распределение закачки.
Ключевые слова: Разработка нефтяных месторождений, методы увеличения нефтеотдачи, МУН, нейронные сети, геолого-гидродинамическое моделирование
Abstract: Maintaining oil production at long-term developed fields requires solving the problem of high production costs. This problem is associated with the need to withdraw significant volumes of produced water and a proportionally high need for injection in order to maintain reservoir pressure. It is noted that a 1% reduction in water cut in production makes it possible to reduce operating costs in oil production by up to 15%. It is shown that the problems of effective development of mature fields are associated with the solution of the optimization problem of distributing fluid production and water injection in the wells system. The authors argue the idea that at the later stages of development, the priority for hydrodynamic modeling should be tools based on solving the inverse problem of hydrodynamics, providing for the widespread use of material balance methods and allowing big data processing. A new concept of combining artificial intelligence methods and a hydrodynamic model is proposed. The concept provides for obtaining a functional relationship between the historical oil production rate and injectivity using a neural network, searching for the maximum oil production and its distribution.
Keywords: Reservoir engineering, enhanced oil recovery (EOR) methods, neural networks, hydrodynamic modeling
Аннотация: Современные тенденции развития отечественной и современной научной мысли в области добычи углеводородов все больше тяготеют к процессам управления добычей с помощью регулирования режимов работы нагнетательных скважин. На текущем этапе развития технологий управления добычей на передний план выходят задачи автоматизации и роботизации процессов управления режимами работы нагнетательных скважин в концепции нейросетевой оптимизации, что является одним из основных направлений развития промысла в контексте цифрового месторождения.
Ключевые слова: цифровые решения управления добычей, реинжиниринг месторождения, нейросетевое управление заводнением скважин, учет взаимовлияния скважин, технология «Управление заводнением» нагнетательных скважин, апробация нейросетевых технологий оптимизации режимов закачки, нейросетевая оптимизации разработки месторождения, программа цифровой трансформации производственных процессов.
Аннотация: При переходе месторождения в четвертую стадию разработки, когда в добываемой продукции доля воды достигает более 70% и структура остаточных запасов приобретает сложный характер, наиболее экономически целесообразными способами повышения нефтеотдачи являются гидродинамические методы, заключающиеся в изменении сложившейся десятилетиями кинематики потоков посредством перераспределения закачки воды. В такой постановке задачи для выбора оптимального распределения закачки необходимо просчитывать несколько тысяч различных вариантов, и принимать решения в течение месяца, недели или даже суток. Это нерешаемая с точки зрения классических геологогидродинамических моделей задача, расчеты не успевают за сменившейся за время их проведения гидродинамической картиной месторождения. Именно с этой целью в мировой практике все больше исследователей переходят к прокси-моделированию, как к инструменту оперативного принятия решений для месторождений на последней стадии разработки. С нарастанием интереса к прокси-моделям все более актуальным становится вопрос об оценке их качества. Авторы обосновали критерий качества, которым является предсказательная возможность. Разработана система тестов, позволяющая сравнивать между собой различные алгоритмы прокси-моделирования в единой «системе координат».
Ключевые слова: разработка нефтяных месторождений, математические методы в нефтяной промышленности, прокси-моделирование, нейронные сети
Аннотация: Современные тенденции производства заставляют нефтяные компании пересмотреть существующие инструменты и принципы организации бизнес-процессов управления разработкой месторождений. Мотивация преобразований продиктована изменениями в области информационных технологий и вычислительной техники, которые охватывают практически все сферы жизнедеятельности. Зачастую трансформацию производственных процессов в нефтегазовом секторе связывают с совершенствованием техники, технологии и производства, а инновации в области управленческих решений игнорируются. Полагается, что эти вещи между собой никак не связаны: можно комфортно существовать в интернет-пространстве, удаленно управляя технологическими процессами, сохраняя при этом право влиять на результат, а еще хуже - на источники данных и измерений, исходя из опыта. Специалистами ООО «ТИНГ» в содружестве с инженерами и геологами нефтедобывающих компаний разработана технология, основанная на синергии опыта и искусственного интеллекта, создан промышленный программный продукт, в котором, опираясь на промысловые измерения, решается комплекс задач по оперативному управлению режимами эксплуатации скважин и оптимизации нефтедобычи.
Ключевые слова: оперативное управление заводнением; трансформация; цифровизация; модель планирования; потенциал по добыче; искусственный интеллект; нейронные сети; прокси-моделирование; технологический режим эксплуатации скважин.
Аннотация: Современные тенденции развития мировой нефтяной отрасли в общем, и российской в частности, все больше тяготеют к процессам управления добычей посредством регулирования режимов работы нагнетательных скважин на объектах, достигших значительной стадии выработки. Уже реализуемые в отечественной практике методы основываются на процессах машинного обучения и применении математических прокси-моделей на основе нейронных сетей.
Ключевые слова: автоматизация, нейронные сети, нагнетательная скважина, добыча нефти и газа, Западно-Малобалыкское месторождение.
Abstract: Modern trends of the global oil industry, both in general and in Russia, are increasingly gravitating to production control processes by regulating the operation of injection wells at significant stage of development facilities. Methods, which already implemented in domestic practice are based on machine learning processes and using of mathematical proxy models, based on neural networks.
Keywords: automation, neural networks, injection well, oil and gas production, Zapadno-Malobalykskoye field.
Аннотация: Целью работы является критический анализ метода прокси-моделирования INSIM-FT. Приводятся результаты тестирования на синтетических моделях и на участке реального месторождения. Анализ показал, что по результатам решения обратной задачи гидродинамики в прокси-модели невозможно делать выводы о реальных параметрах пласта и даже удовлетворительная адаптация не является гарантом хорошей предсказательной способности. Сформулированы критерии применения метода.
Ключевые слова: разработка нефтяных месторождений, анализ разработки, математические методы в нефтяной промышленности, управление заводнением, INSIM, INSIM-FT, прокси-моделирование, гидродинамическое моделирование.
Abstract: The aim of the work is a critical analysis of the INSIM-FT proxy modeling method. The results of testing on synthetic models and on the site of a real field are presented. The analysis showed that according to the results of solving the inverse problem of hydrodynamics in the proxy model, it is impossible to draw conclusions about the real parameters of the formation and even a satisfactory adaptation is not a guarantee of good predictive ability. The criteria for the application of the method are formulated.
Keywords: reservoir engineering, Petroleum Engineering, mathematical methods in the oil industry, waterflood optimization, INSIM, INSIM-FT, proxy modeling,3D-modeling.
Аннотация: В настоящее время нефтегазодобывающие предприятия проявляют глубокую заинтересованность в высокотехнологичных решениях, которые в своей совокупности принято называть «интеллектуальным» или «цифровым» месторождением. Одной из актуальных задач интеллектуализации разработки нефтяных месторождений является «разумное» управление режимами работы нагнетательных скважин. Компания ООО «Тюменский Институт Нефти и Газа» начиная с 2013г. имеет практический опыт в сфере повышения эффективности процесса заводнения. Методика, предложенная специалистами компании, представляет собой прокси-модель месторождения, построенную на основе нейронных сетей и первичных промысловых данных. «Оптимальные» показатели закачки воды в пласт, полученные методом нейросетевой оптимизации, позволяют добиться сокращения себестоимости добычи, и снижения темпов падения добычи нефти. Практика внедрения таких технологии диктует необходимость определения индикаторов эффективности, контролируя которые можно влиять на процесс нефтегазодобычи. В данной статье приводится анализ практических результатов совместного проекта ООО «ТИНГ» и ООО «ЛУКОЙЛ– Западная Сибирь» ТПП «Покачевнефтегаз» по Управлению Заводнением Кечимовского месторождения.
Ключевые слова: интеллектуальное месторождение, прокси моделирование, искусственные нейронные сети, взаимное влияние скважин, управление заводнением, оптимизированность системы заводнения, устойчивость оптимизации системы ППД
Abstract: Nowadays, oil and gas producing enterprises demonstrate a deep interest in high-tech solutions; taken together, these solutions are referred to as “intellectual” or “digital” field. One of the urgent tasks of oil field development intellectualization is a “smart” management of injection well operation process. Since 2013, Tyumen Oil and Gas Institute, LLC collects practical knowledge in the area of waterflooding performance improvement. Methodology proposed by the company’s specialists is a proxy-model of a filed, which is created on the basis of neural network and initial production data. “Optimal” metrics of water injection into reservoir, which are obtained using neural net optimization, allow achieving reduction of production costs and slowing down decline of oil production. Practice of introducing such technologies dictates the necessity to determine the performance indicators that can be used to control the process of oil and gas production. This paper analyses the practical results of OOO TING and OOO LUKOIL-Western Siberia of TPP Pokachevneftegaz collaboration on waterflooding management in the Kechimovsky field.
Keywords: intellectual field, proxy modeling, artificial neural networks, mutual influence
Аннотация: Последние тенденции в практике разработки нефтяных месторождений все больше смещают акценты в сторону принципов организации и управления системами заводнения. В статье авторы приводят доказательства эффективности интеграции цифровых технологий по управлению процессами заводнения и планирования технологических режимов эксплуатации добывающих и нагнетательных скважин, а также обозначают вектор действия, с которым связаны перспективы развития технологии «управления добычей».
Ключевые слова: управление добычей, цифровые технологии, заводнение, технологические режимы, добыча нефти и газа.
Abstract: Recent trends in oil field development practice are increasingly shifting emphasis towards the principles of organizing and managing waterflooding systems. In the article, the authors provide evidence of the effectiveness of the integration of digital technologies for the management of waterflooding processes and the planning of technological operating modes of production and injection wells, and also indicate the action vector, which is associated with the development prospects of production management technologies.
Keywords: production control, digital technologies, waterflooding, technological modes, oil and gas production.
Аннотация: Подняты проблемы, связанные с процессами цифровизации нефтегазового производства. Показана необходимость объективной оценки потенциала месторождения, от которого зависят инвестиции в создание цифровых месторождений, что легло в основу авторского решения по управлению добычей нефти в технологии ИРВУД. Уделено внимание истории становления и трансформации авторских идей в области цифровых технологий управления добычей, приведены практические результаты их апробации на производстве. Показаны этапы работ по апробации и внедрению цифровых технологий управления добычей.
Ключевые слова: добыча нефти, интеллектуальное месторождение, управление добычей нефти, технология ИРВУД, платформа ПК «АТЛАС», автоматизированная система по управлению добычей нефти, управление заводнением.
Abstract: The author considers the problems related to digitalization processes in oil and gas production industry. He also presents the necessity to make the actual evaluation of asset potential that specify the investments into the arrangement of digital fields, thus being the basis of proprietary solution in oil production monitoring through the use of IRWUD technique. The paper illustrates the history of formulation and transformation of these proprietary ideas in the area of digital monitoring in production process and presents the actual field pilot test results. The author also describes the stages of these test operations and the application of digital procedures to control the production.
Аннотация: Несмотря на достигнутый за последние 20-30 лет значительный прогресс в системе автоматизации контроля технологических процессов, дискретности и точности измерений, консолидации и передачи информации, система оперативного управления добычей, как и принятие решений при планировании работ на скважинах остается консервативной, анахроничной, субъективной, и потому – заведомо неэффективной. Предложения авторов основаны на автоматизированном решении оптимизационной задачи соответственно условиям максимизации добычи нефти и минимизации операционных затрат с учетом ограничений, которые обусловлены геологическим строением залежи, параметрами и состоянием объектов обустройства, экономическими условиями, логистикой, организацией материально технического снабжения. Опыт, сформировавшийся у авторского коллектива в последние годы, дает основание утверждать, что внедрение даже простых цифровых элементов технологий управления добычей, минимизирующих субъективизм в системе принятия решений при планировании и исполнении работ на месторождении, значительно повышает эффективность производства. Интеллектуальные технологии управления добычей авторами рассматриваются как философия и образ действия в условиях постоянно ухудшающегося качества остаточных запасов углеводородов. Положительные результаты опытно-промышленных работ представляют новые возможности в решении задач стабилизации добычи нефти на «зрелых» месторождениях.
Ключевые слова: оперативное управление добычей, «интеллектуальное» месторождение, цифровизация, опытно-промышленные работы
Аннотация: Современные тренды автоматизации процессов на нефтяном производстве, обусловленные развитием информационных технологий, позволяют по-новому взглянуть на практику принятия решений при управлении разработкой нефтяных месторождений и роль нефтепромысловых геологов. В статье предлагается концепция оперативного управления заводнением, предполагающая решение оптимизационной задачи в системе добывающих и нагнетательных скважин, включающая математическую модель объекта управления (проксимодель), систему принятия решений и особый формат администрирования.
Ключевые слова: управление заводнением, модель принятия решений, концептуальный инжиниринг, прокси-моделирование, искусственные нейронные сети
Abstract: evolution in information technologies determines modern trends in automating oil production operations and also a new way of looking at decision-making in petroleum engineering. This article is devoted to a novel concept of waterflood management providing solution to an optimization problem in a group of producing and injecting wells, key components of which include a mathematical model of control object (proxy-model), decision-making know-how and a special administration format.
Keywords: waterflood management, decision-making, conceptual engineering, proxy model, artificial neural networks.