USD ЦБ — 58,59 +0,14
EUR ЦБ — 69,36 +0,12
Brent — 63,36 −0,09%
пятница 24 ноября 10:38

Новости / Рубрики

Подписка на новости

e-mail:

Последние новости

Вопрос недели

Нужны ли льготы для увеличения КИН на Самотлорском месторождении?

архив вопросов

Новости // Геологоразведка

Газпром нефть ведет разработку Data Science для анализа больших объемов промышленной информации с применением методов машинного обучения

01 августа 2017 г., 11:24Neftegaz.RU1024

Специалисты Научно-технического центра Газпром нефти (НТЦ) совместно с инжиниринговым центром МФТИ начали разработку алгоритмов, основанных на методах машинного обучения. 

Об этом 1 августа 2017 г сообщает «Газпром нефть».

 

Для любознательных напомним, что Машинное обучение (МО) - это общепринятая терминология, означающая класс методов искусственного интеллекта, характеризующихся возможностью обучения в процессе применения решению множества похожих задач, а не решению конкретной задачи.

Использование методов МО  - это IT- тренд настоящего времени.

В IT-быту активно используется МО в части отлова спама в электронной почте, группирование новостных материалов по их тематике,  ПО для распознавание лиц и тд.

Пришло время активизировать методы МО в нефтегазе.

 

Разработка алгоритмов МО ведется в рамках реализации направления Технологической стратегии Газпром нефти - Электронной разработки активов (ЭРА).

Данная технология позволит повысить качество эксплуатационных данных (ЭД), получаемых из скважин, а также выявлять новые закономерности.

 

В общем смысле слова, Data Science - это наука о данных, раздел IT, изучающий проблемы анализа, обработки и представления данных в цифровой форме.

Специалисты Data Science - золотой фонд каждой компании.

Умение обнаружить закономерности в данных, извлечь знания из данных в обобщенной форме - ценится во всем мире.

 

Data Science - это комплексный подход для анализа больших объемов информации с применением методов МО. 

Технология имеет хорошие перспективы для применения в нефтегазовой отрасли промышленности. 

Это набор алгоритмов со следующей последовательностью:

- анализ «сырых» промысловых данных,

- «обучение» навыкам классификации данных,

- выявление скрытых взаимосвязей, не видных глазу человека,

- формирование новой полезной информации.

 

Внедрение методов МО позволит:

- в 2 раза сократить время оперативного анализа ЭД,

- оперативно учитывать найденные новые закономерности при дальнейшей разработке месторождений,

- подбирать оптимальные методы разработки для увеличения добычи нефти,

- сократить затраты на получение ЭД и выявление закономерностей.

 

Именно на основе ЭД, поступающих из скважин, принимаются решения о применении различных методов увеличения добычи нефти и газа.

 

ЭД включают:

- замерные эксплуатационные данные (дебит жидкости, нефти, обводненность продукции, значения забойного давления) со всех скважин компании,

- месячные данные по добыче и данные техрежимов,

- информация о проведенных исследованиях и физических характеристиках пласта и добываемой жидкости и газа.

 

Качество ЭД не всегда позволяет провести полноценный анализ по следующим причинам:

- может отсутствовать информация для определенных временных интервалов,

- некоторые измерения не всегда соответствуют физической модели или не согласовываются друг с другом,- 

- некорректные данные, вызванные сбоем в работе замерного оборудования или 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 (ГРП);

- обработка пласта различными составами, приводящая к повышению добычи, бурение боковых стволов скважины;

- ремонтные работы и т.д.

 

Преимущества применения МО и Data Science:

- разрабатываемые инструменты повысят скорость и эффективность обработки и анализа больших объемов информации, которые поступают с месторождения;

- возможность интегрировать разнородные данные, проанализировать каждый мегабайт имеющейся информации, что приведет к появлению новых выводов, способных вывести качество данных на новый уровень.

- возможность обрабатывать огромные массивы данных (Big Data), выявлять новые закономерности и учитывать их в дальнейшем для построения прогнозов (МО и интегрированные физические модели), доопределять отсутствующие значения;

снижения рисков принятия неверных капиталоемких решений по разработке, вызванных человеческим фактором;

-  уменьшение времени простоя скважин, создав «интеллектуального помощника» для специалиста разработчика - того, кто никогда не спит, моментально считает и практически не ошибается.

 

В рамках проекта уже проведена следующая работа:

- сформированы алгоритмы поиска некорректных значений и восстановления пропущенных данных,

- сформированы алгоритмы определения процессов взаимовлияния скважин друг на друга,

- сделана классификация скважин по степени отклонениям текущей продуктивности от возможной для скважин, находящихся в схожих геологических условиях.

 

Газпром нефть анонсировала публике работы по ЭРА еще в начале 2016 г.

В январе 2016 г компания начала проектировать собственную информационную систему GeoMate.

В рамках ПМЭФ-2016 в г Санкт-Петербурге с IBM был подписан Меморандум о взаимопонимании (МОВ) в части  сотрудничества при реализации проекта ЭРА Технологической стратегии Газпром нефти путем создания новых IT-инструментов и ПО для оптимизации процессов геологоразведки (ГРР), проектирования, разработки и эксплуатации месторождений.

Уже в декабре 2016 г Газпром нефть и IBM начали внедрение технологий МО в процесс анализа и интерпретации данных геофизических исследований скважин.

Через 1 год, в рамках ПМЭФ-2017 к МОВ -2016 было подписано дополнение о координации и  определении потенциальной структуры стратегического партнерства в долгосрочной перспективе при созданию новых IT-инструментов и ПО для ЭРА с использование комплекса IT- технологий: когнитивного анализа данных (поиск закономерностей в неструктурированных данных), МО, высокопроизводительных вычислений (обработка больших объемов данных, big data).

На этом же форуме «Газпром нефть» подписала соглашение о сотрудничестве с Yandex Data Factory (YDF) на использование методов МО в бурении скважин.

Нынешнее решение о сотрудничестве с МФТИ выглядит довольно своевременно в условиях импортозамещения и усиления антироссийских санкций.

 

Голосовать  Нужно ли внедрять методы МО при анализе ЭД?

Комментарии

Пока нет комментариев.

Написать комментарий

Популярные новости


Neftegaz.RU context

Золотой резерв нефтегаза