В современных условиях одним из основных конкурентных преимуществ в нефтегазовой отрасли является качественная обработка и анализ большого объема данных для последующего решения задач календарного планирования добычи, номинального производства и проведения ремонтов. Использование методов машинного обучения рассматривается как актуальное и перспективное направление. Однако одна из проблем заключается в невозможности решения инженерных задач с помощью только алгоритмов машинного обучения или только физических и математических моделей. Обращение только к одному из подходов является либо более трудоемким, либо допускает возможность нефизичных решений и значительных ошибок.
В статье представлены новые подходы к анализу высокочастотной информации системы телеметрии на примере решения различных задач нефтяного инжиниринга. Предлагаемые гибридные алгоритмы анализа данных, заключающиеся в использовании методов статистической обработки данных и машинного обучения совместно с традиционными гидравлическими расчетами в элементах компоновки скважин, позволяют существенно увеличить ценность поступающей информации, своевременно выявлять возникшие проблемы и обеспечивать своевременное реагирование на них, а следовательно, повысить эффективность разработки месторождений без проведения дополнительных исследований. Алгоритмы дают возможность по косвенным данным, без прямых замеров дебита, выявлять отклонения от запланированного режима работы, а также ошибки в работе замерной инфраструктуры. Алгоритмы апробированы на месторождениях АО «Газпромнефть-Ноябрьскнефтегаз» и ООО «Газпромнефть-Оренбург». Эффективность обеспечена за счет предупреждения технологических осложнений на скважинах, оптимизации режимов периодического кратковременного включения скважин механизированного фонда, а также за счет автоматического выявления проблем с замерной инфраструктурой.
Список литературы
1. Волков Н.А., Дахова Е.Ю. Верификация промысловых данных и прогнозная модель на основе вариационного автоэнкодера в приложении к механизированному фонду / SPE-201936-MS. – 2020. – https://doi.org/10.2118/201936-MS
2. Юдин Е.В., Хабибуллин Р.А., Галяутдинов И.М. Моделирование работы газлифтной скважины с автоматизированной системой управления подачи газлифтного газа // SPE-196816-MS. – 2019. – https://doi.org/10.2118/196816-MS
