НТЦ «Газпром нефти» и МФТИ начали разработку алгоритмов по методам машинного обучения для работы со скважинными данными

НТЦ «Газпром нефти» и МФТИ начали разработку алгоритмов по методам машинного обучения для работы со скважинными данными

Специалисты Научно-технического центра «Газпром нефти» совместно с инжиниринговым центром МФТИ начали разработку алгоритмов, основанных на методах машинного обучения, сообщила «Газпром нефть».

Технология позволит повысить качество эксплуатационных данных, получаемых из скважин, а также выявлять новые закономерности. Внедрение разрабатываемых методов позволит вдвое сократить время оперативного анализа эксплуатационных данных, оперативно учитывать найденные новые закономерности при дальнейшей разработке месторождений, подбирать оптимальные методы разработки для увеличения добычи нефти, при этом сокращая затраты.

В процессе разработки месторождений решения о применении различных методов увеличения добычи принимаются на основе эксплуатационных данных, поступающих из скважин. Замерные эксплуатационные данные (дебит жидкости, нефти, обводненность продукции, значения забойного давления) поступают со всех скважин компании, кроме этого формируются месячные данные по добыче и данные техрежимов, также имеется информация о проведенных исследованиях и физических характеристиках пласта и добываемых жидкости и газа.

В то же время, качество этих данных не всегда позволяет провести полноценный анализ: может отсутствовать информация для определенных временных интервалов, некоторые измерения не всегда соответствуют физической модели или не согласовываются друг с другом. Присутствие в отчетах некорректных данных может быть вызвано как сбоем в работе замерного оборудования, так «человеческим фактором».

Определить ошибку силами специалистов компании не всегда возможно, а некорректная информация повлечет за собой неверные выводы о текущем состоянии скважин и месторождения в целом, вследствие чего могут быть приняты неверные решения по проведению геолого-технических мероприятий (ГТМ). В большинстве случаев под ГТМ подразумеваются различные действия, позволяющие повысить добычу: гидроразрыв пласта, обработка пласта различными составами, приводящая к повышению добычи, бурение боковых стволов скважины, ремонтные работы и т.д.

Разрабатываемые инструменты за счет использования методов машинного обучения, повысят скорость обработки и анализа больших объемов информации, которые поступают с месторождения. Кроме того, используемые инструменты машинного обучения позволят интегрировать разнородные данные, проанализировать каждый мегабайт имеющейся информации, что приведет к появлению новых выводов, способных вывести качество данных на новый уровень. Это, несомненно, повлияет на повышение эксплуатационных показателей.

Применение методов Data Science (наука о данных) дает возможность обрабатывать огромные массивы данных (Big Data), выявлять новые закономерности и учитывать их в дальнейшем для построения прогнозов (машинное обучение и интегрированные физические модели), доопределять отсутствующие значения.

В рамках проекта уже сформированы алгоритмы поиска некорректных значений и восстановления пропущенных данных, определения процессов взаимовлияния скважин друг на друга, а также классификация скважин по степени отклонениям текущей продуктивности от возможной для скважин, находящихся в схожих геологических условиях.

Разработка алгоритмов машинного обучения ведется в рамках реализации направления Технологической стратегии «Газпром нефти» — Электронной разработки активов (ЭРА).

 

01.08.2017

Поделиться:

Обсудим? Оставить комментарий:

Email не будет опубликован. Обязательные для заполнения поля помечены *