USD 97.0226

-0.03

EUR 105.5231

+0.3

Brent 74.02

+0.05

Природный газ 2.699

-0.01

2 мин
...

Специалисты Газпром нефти научили программу исследовать образцы керна по фото

В комплексе с другими разработками Газпром нефти новая система, по предварительным оценкам, позволит ежегодно экономить на лабораторных исследованиях около 85 млн руб.

Специалисты Газпром нефти научили программу исследовать образцы керна по фото

Москва, 29 окт - ИА Neftegaz.RU. Газпром нефть успешно испытала новую технологию на основе машинного обучения и цифрового зрения для исследования горных пород на месторождениях Западной Сибири.
Об этом сообщила пресс-служба Газпромнефть-НТЦ.

Проект доказал возможность в 7 раз ускорить лабораторный анализ полноразмерного керна для принятия решения по дальнейшей программе его исследования.
Для этого их извлекают из скважин и «оцифровывают» с помощью специальной фотосъемки.

Накопленный массив изображений анализируется автоматической системой, которая:
  • распознает на фото литологические слои;
  • определяет их название;
  • целостность и др. характеристики.
Для обучения математической модели центром разработки и монетизации данных Газпром нефти был разработан классификатор литологических слоев - принципы, по которым тот или иной элемент на фотографии среза керна нужно соотносить с определенными характеристиками геологической породы.
Набор данных из более чем 17 тыс. фотографий керна в дневном и ультрафиолетовом свете был подготовлен в партнерстве с геологическим факультетом МГУ им. М.В. Ломоносова.

В комплексе с другими разработками Газпром нефти новая система, по предварительным оценкам, позволит ежегодно экономить на лабораторных исследованиях около 85 млн руб.

Директор по технологическому развитию Газпром нефти А. Вашкевич отметил: «Для оптимизации нашей работы мы рассматриваем весь спектр технологий, в т.ч. применяемых в других отраслях. Адаптируя их под наши задачи, мы автоматизируем рутинные процессы, а каждый новый цифровой инструмент сбора и анализа данных вносит вклад в повышение эффективности нефтедобычи в целом. Мы внедряем машинное обучение в геологоразведочные работы для сокращения неопределенностей, и, на основе точной информации, принимаем масштабные инфраструктурные решения».

Директор по цифровой трансформации Газпром нефти А. Белевцев подчеркнул: «Оцифровка лабораторных образцов пород позволяет не только в значительной степени снизить неопределенности в стратегии разработки актива (например, проведя на одном и том же образце множество симуляций по вытеснению из образцов нефти с помощью полимеров различного химического состава), но и кратно ускорить процесс принятия решения, который строится на результатах лабораторных исследований. Это яркий пример изменения бизнес-процессов на основе данных, подход, который заложен в стратегии цифровой трансформации компании».

Напомним, что керн - это образец горной породы цилиндрической формы, извлеченный из скважины в процессе бурения.
Это единственный прямой источник информации о недрах, который можно извлечь на поверхность.

На его исследованиях основываются ключевые производственные решения при разработке нефтяных и газовых месторождений.

До сих пор послойное описание керна составлялось исключительно экспертом-геологом.
Этот процесс было крайне сложно автоматизировать: характеристика горной породы определяется множеством не всегда очевидных признаков, многие фрагменты слоев крайне неоднородны, и часто экспертное решение при их анализе принималось на основе субъективного опыта.
Новая разработка дата-сайентистов Газпром нефти позволила анализировать изображения керна с помощью математический модели и системы цифрового зрения.

В июне 2020 г. в Научно-техническом центре (НТЦ) Газпром нефти была разработана программа для повышения эффективности геологоразведочных работ (ГРР).
Она позволяет быстро подбирать оптимальный по эффекту и стоимости комплекс исследований несейсмическими методами ГРР, включая электроразведку, гравиразведку, магниторазведку, площадную геохимическую съемку для любого типа месторождений, а также проанализировать экономические результаты.



Автор: А. Игнатьева


Новости СМИ2




Подписывайтесь на канал Neftegaz.RU в Telegram