SPE 196862 Big Data в проектах разработки месторождений
SPE 196862 Big Data technologies for field development
К. Овчинников, А. Гурьянов, А. Каташов
Введение
В последние годы появились новые термины и концепции, описывающие происходящую цифровую трансформацию. Структуру мира, в том числе промышленного, меняет концепция intelligent enterprise (IE) – набор технологических инноваций, включающий искусственный интеллект (artificial intelligence, AI), интеллектуальную автоматизацию (intelligent automation, IA), технологии глубинного обучения, предсказательную аналитику и когнитивные вычисления.
Возрастающая сложность нефтегазового бизнеса и снижающийся потенциал оптимизации за счет традиционных подходов требуют применения инновационных цифровых технологий.
Отвечая на рыночную конъюнктуру падающих цен на углеводороды, нефтегазовая индустрия все активнее осваивает Большие данные с целью оптимизации технологических процессов и предотвращения аварий. Появление технологий Big Data, предиктивного анализа и машинного обучения меняет ландшафт индустрий, и нефтегазовая отрасль не является исключением. Новые игроки быстро входят в отрасль. Цифровизация затронет всю цепочку создания стоимости в нефтегазовой промышленности. Среди наиболее перспективных сегментов для перехода на цифровые технологии выделяют управление активами и инфраструктурными объектами, разработку месторождений, геофизический сервис, трубопроводы, переработку. Цифровые технологии - самый сильный драйвер снижения затрат, ожидается, что эффект от их внедрения к 2030 году выразится сокращения затрат E&P проектов до 30%.
Так, при условии цифровизации нефтяной отрасли, Россия еще в течение 50 лет может сохранять долю на мировом рынке энергоносителей. Нефтяная отрасль только что прошла самый сложный период за последние 30 лет. Падение цен на нефть в период с 2014 года, сокращение 350 тыс. человек персонала по всему миру, падение инвестиций в добычу – серьезный кризис, с которым нефтегазовая промышленность столкнулась в последние годы. Итогом стали попытки оптимизации бизнеса, начало использования потенциала новых технологий для повышения эффективности и прибыльности компаний.
По данным опроса, проведенного Oil & Gas IQ среди представителей крупнейших международных нефтегазовых компаний, при ответе на вопрос «Как интеллектуальные корпоративные системы могут повлиять на ваш бизнес?» 65% высказались за снижение затрат, 45% – оптимизацию процессов, 44% – модернизацию бизнеса, 42% – экономию времени, 35% – выигрыш в конкурентной борьбе [3]. С введением сенсоров собирающих данные по давлению, температуре и расходу и систем сбора данных объем накапливаемых данных начал расти в геометрической прогрессии. [1](Boman, 2015). Экспоненциально год от года растут массивы исторических данных по бурению и заканчиванию, ГРП, данных геологических и гидродинамических моделей. С учетом тезнологического прогресса последних десятилетий, за последние 30 лет человечество создало такой же объем информации и знаний, что и за предыдущие 5000 лет. Однако лишь 5% этой информации систематизировано и проанализировано. Таким образом насущным вызовом является работа с информацией
В течение 2017 года BP приобрела компанию Beyond Limits, старт-ап на основе искусственного интеллекта и когнитивных вычислений, который адаптирует для сектора upstream-технологии NASA, предназначенные для разведки дальнего космоса. Chevron активно развивает графические процессоры визуализации сейсмических данных и создания трехмерных моделей месторождений. Основная цель – определение наиболее подходящих мест для бурения.
Shell разрабатывает алгоритмы машинного обучения для проведения сейсмической разведки для автоматического обнаружения и классификации геологических структур на сухопутных и морских нефтегазовых месторождениях.
С 2012 года ПАО «Газпромнефть» реализует более 30 различных проектов, охватывающих все основные направления деятельности: геологоразведку, геологию, бурение, разработку, добычу, обустройство месторождений. Зачастую в корпорациях под проектами Big Data подразумевается оцифровка массива накопленных данных. Так, например Австралийская компания Woodside заявила о том, что 64года деятельности компании оцифрованы, и интеллектуальный ассистент за секунды находит нужные данные по запросу. По сути, это представляет собой электронную библиотеку данных, что несомненно улучшает эффективность работы с данными, но являет собой пример лишь начального уровня цифровизации. Важно отметить, что в меньшей мере проекты цифровизации охватывают области прикладных задач разработки месторождений и оптимизации работы интервалов горизонтальных скважин или ступеней МГРП.
Новый подход к гидродинамическому моделированию
Современные средства моделирования позволяют реализовать учет неравномерности выработки по длине горизонтального ствола. Однако традиционные методы исследований горизонтальных скважин с помощью ГНКТ и ПГИ не могут предоставить развернутую во времени информацию по работе интервалов или ступеней МГРП. Традиционные промыслово геологические исследования относительно дороги, аварийноопасны и ресурсоемки. А главное – предоставляю забойные данные лишь в очень кратком временном окне нахождения комплекса ПГИ горизонтальной секции, что не позволяет отслеживать влияние множества факторов на работу скважины. Прогресс в цифровизации разработки месторождений в значительной мере ограничен недостаточностью данных, получаемых с забоя горизонтальных скважин.
Вместо единоразовых внутрискважинных операций скважина оборудуется высокотехнологичным материалом, который выделяется в пластовый флюид. Далее флюид анализируется на поверхности с помощью специального оборудования и ПО с искусственным интеллектом. Данные обрабатываются в автоматическом режиме и без остановки передаются в электронные системы заказчиков. Таким образом, сервис реализует концепцию пяти V, с которыми ассоциируются проекты Big Data: Volume – огромные массивы данных ГИС, в десятки раз больше, чем стандартные аналоговые данные каротажей, Velocity – оперативность и непрерывность в получении данных в режиме высокой автоматизации и минимумом QHSE рисков связанных с человеческим фактором, Variety – многогранность информации по многофазным потокам, реакции профиля притока на большое количество переменных факторов, Variability – избирательность и, наконец, главное Value – ценность данных. Ценность данных заключается в том, что данные позволяют отслеживать неравномерность работы интервалов горизонтальных скважин. Неравномерность работы ствола оказывает негативное влияние на коэффициент нефтеизвлечения, оставляя невыработанные зоны дренирования пласта. При использовании аналоговых методов работы эти зоны остаются белыми пятнами в гидродинамической модели, где всегда делается допущение о равномерном притоке вдоль длины горизонтального ствола. Получая оцифрованный массив данных и прорабатывая его на постоянной основе в гидродинамической модели недропользователь имеет возможность переоценивать остаточные запасы в режиме онлайн, а также решать более частные вопросы связанные с эффективностью работы системы ППД.