CC BY
0УДК 33
Хасанов М.Т.
магистр 2 курса кафедры экономики и управления бизнес процессами Сибирский федеральный университет (г. Красноярск, Россия)
ТЕКУЩИЕ ТЕНДЕНЦИИ В ПРИМЕНЕНИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В НЕФТЕГАЗОВОЙ ОТРАСЛИ
Аннотация: статья раскрывает преимущества использования искусственного интеллекта в сфере нефтегазовой отрасли. Обозначены наиболее часто используемые технологии. Автором проанализированы некоторые аспекты применения искусственного интеллекта в нефтегазовом секторе и возможные тенденции развития данной отрасли при помощи искусственного интеллекта. Несмотря на то, что некоторые из прогнозируемых результатов в нефтегазовом секторе все еще подвержены ошибкам искусственный интеллект считается перспективной технологией, которая сыграет ключевую роль в будущем нефтегазовой отрасли.
Ключевые слова: искусственный интеллект, нефтегазовая индустрия, инновации, технологии, производство, промышленность.
Введение.
В последние годы искусственный интеллект (ИИ) во многих его интегрированных вариантах, от нейронных сетей до генетической оптимизации и нечеткой логики, сделал уверенные шаги к тому, чтобы стать более приемлемым в основной части нефтегазовой отрасли.
На основе последних разработок в области разведки и добычи нефти и газа становится ясно, что нефтяная промышленность осознала огромный потенциал, предлагаемый интеллектуальными системами. Более того, с появлением новых датчиков, которые постоянно размещаются в стволе
скважины, теперь доступны очень большие объемы данных, несущих жизненно важную информацию.
Чтобы максимально эффективно использовать инновационные аппаратные средства, требуется вмешательство оператора, чтобы программное обеспечение обрабатывало данные в режиме реального времени. Интеллектуальные системы — единственные жизнеспособные методы, способные обеспечить возможность анализа в реальном времени и принятия решений на новом оборудовании.
Интегрированный интеллектуальный программный инструмент должен обладать несколькими важными атрибутами, такими как способность интегрировать жесткие (статистические) и программные (интеллектуальные) вычисления, а также интегрировать несколько методов искусственного интеллекта. Наиболее часто используемые технологии в нефтегазовом секторе:
• Генетический алгоритм (Genetic Algorithm), основанный на биологической эволюции видов в естественной среде, состоит из стохастического алгоритма, в котором необходимо определить три ключевых параметра:
1. Хромосомы, или, лучше сказать, векторы, состоящие из фиксированного числа параметров (генов).
2. Набор хромосом, называемый генотипом, который представляет особей популяции.
3. Операции отбора, мутации и скрещивания для создания популяции от одного поколения (родители) к следующему (потомство).
• Нечеткая логика (Fuzzy Logic) — это математический инструмент, способный скрывать четкую (дискретную) информацию в качестве входных данных и прогнозировать соответствующий четкий выход с помощью базы знаний (базы данных) и специального механизма рассуждения. Для достижения этой цели четкая информация сначала преобразуется в непрерывную ( нечеткую ) форму, затем обрабатывается механизмом вывода и, по крайней мере, повторно преобразуется в четкую форму.
• Искусственная нейронная сеть (Artificial neural network) состоит из большого количества простых процессоров, характеризующихся состоянием активации, которые обмениваются данными между собой путем отправки сигналов разного веса. Общее взаимодействие блоков вместе с внешним входом создает обработанный результат. Последний также отвечает за изменение состояния активации самих юнитов.
На рисунке 1 показано количество применений искусственного интеллекта.
25
20
15
10
14
2021 Neural Network
1 2
2022 Genetic Algorithm
5 4 4
2023 Fuzzy Logic
6
2024 Hybrid System
Рисунок 1. Применение искусственного интеллекта (ИИ) в нефтегазовой
отрасли на протяжении многих лет.
6
7
8
2
5
6
5
3
0
Проанализируем некоторые аспекты применения искусственного интеллекта в нефтегазовом секторе с особым акцентом на операции бурения (разведка и добыча).
Сектор разведки и добычи.
Большая часть ресурсов в нефтегазовой отрасли сосредоточена в буровых работах, в которых искусственный интеллект находит активное применение. Успех и безопасность бурения зависят от точного прогнозирования возможных последствий воздействия различных факторов, таких как:
• параметры перед бурением (буровая установка, логистика и связанные с ней риски при бурении);
• буровое оборудование (обсадные и насосно-компрессорные трубы, буровой раствор);
• поведение скважинного оборудования (вибрации, ограничения крутящего момента).
Разработка моделей, реализуемых с помощью систем искусственного интеллекта, позволяет избежать необходимости обработки данных в режиме реального времени и получать интеллектуальные результаты для быстрого восстановления оптимальных условий работы.
Примером применения искусственного интеллекта в секторе разведки и добычи является этап планирования скважины. На следующем рисунке 2 представлены этапы планирования скважины, на которых применяется искусственный интеллект.
Рисунок 2. Применение искусственного интеллекта в секторе планирования скважин.
Что касается выбора буровых долот, используются обученные искусственные нейронные сети (artificial neural networks ANN): они могут предложить наилучшее буровое долото для выбора (роликовый конус, алмазная
вставка или гибрид), анализируя пользовательскую базу данных. Последняя должна включать информацию, относящуюся к разрядным кодам IADC, соотнесенным с конкретными геологическими данными.
Нейронно-сетевая система (обычно GRNNs) дает точные результаты при прогнозировании градиента бурового раствора и трещиноватости. В качестве входных параметров для модели используются глубина скважины, толщина вскрышных пород, градиент и коэффициент Пуассона. Важно помнить, что результаты будут строго зависеть от диапазона набора данных и что экстраполяция может привести к потере точности.
На этапах планирования скважины инженеры-бурильщики отвечают за определение различных глубин, на которых должна быть обсажена скважина, чтобы обеспечить общую желаемую глубину перфорации. Чтобы избежать обрушения обсадной колонны, можно использовать нейросетевой подход, использующий программу электронных таблиц на основе BPNN. Нейронные сети с обратным распространением (BPNN) состоят из определенного числа так называемых «слоев». Каждый слой взаимосвязан с другим: в частности, входной слой связан со скрытыми слоями, которые, в свою очередь, соединены с выходным слоем. Эта нейронная сеть, полученная из исторического архива скважин, загружает (входной слой) конкретные данные о рассматриваемой скважине (например, местоположение, глубину, прочность обсадной колонны). Кроме того, BPNN способна оценить вероятность «опытного» случая обсадки.
Система обработки данных BPN Конструкция обсадной колонны скважины
Рисунок 3. График BPNN, показывающий взаимосвязь скрытых слоев и конструкцию обсадной колонны скважины, разработанную компанией BPNN.
Другим примером применения искусственного интеллекта является оптимизация бурения в режиме реального времени, в которой используется система искусственного интеллекта для улучшения мониторинга скважинных параметров, оптимизирующая процесс бурения.
Важнейшей операцией в режиме реального времени является оценка эффективности очистки скважины с точки зрения концентрации резания. В процессе бурения ствол скважины заполняется большим количеством фрагментов породы (шлама), образующихся в результате механического воздействия бурового долота. Для удаления этого шлама из скважины буровой раствор закачивается из бурового долота и выходит из устья скважины: шлам поднимается и переносится на поверхность скважины.
Конструкция обсадной колонны скважины с технологической системой BPN (рисунок 3), показывающий взаимосвязь скрытых слоев и конструкцию обсадной колонны скважины, рассчитанный на основе концентрации BPNN (выраженной в процентах), которая представляет собой остаточное количество фрагментов породы в скважине после очистки буровым раствором (рисунок 4 дает наглядное представление об описанной ситуации).Неэффективное удаление выбуренного шлама в некоторых тяжелых случаях может привести к остановке скважины из-за заклинивания трубы.
Для оценки эффективности очистки отверстий может быть использована искусственная нейронная сеть с обратной связью (BPNN). В качестве входных данных для модели необходимо указать все параметры, влияющие на концентрацию резания. Последние подразделяются по конкретным параметрам бурения (скорость проходки, угол наклона ствола скважины) или по параметрам, касающимся реологических условий бурового раствора (вязкость, плотность). Как показано на рисунке ниже, реализованная модель последовательна в прогнозировании концентрации резания.
Рисунок 4. Схема удаления резьбы во время операции сверления (a); искусственная нейронная сеть и результаты прогнозирования концентрации резьбы (b),(c).
Экономичное применение.
В последние годы было разработано несколько инструментов для прогнозирования цен на сырую нефть, которые, как известно, характеризуются сложным поведением и подвержены множеству вариаций. Поскольку такие колебания цен сильно влияют на бизнес-планы нефтяных компаний, интерес к этой теме быстро растет и обусловил внедрение методов искусственного интеллекта для целей прогнозирования. В одном случае, или примере, цена на сырую нефть West Texas Intermediate (WTI) отслеживалась и прогнозировалась с помощью генетического алгоритма (GA). Как показано на рисунке 5, с учетом периода времени с мая 2021 года по декабрь 2024 года (44 месяца) был
воспроизведен колебательный тренд цены на сырую нефть марки WTI, выраженный в долларах за баррель. Однако средняя абсолютная погрешность прогнозируемых значений составляет около 11%.
Рисунок 6. Сравнение наблюдаемых и прогнозируемых цен на сырую нефть
марки WTI.
3. Заключение и предполагаемые тенденции.
В этой статье были описаны несколько областей применения искусственного интеллекта и раскрыт потенциал таких приложений. Несмотря на то, что некоторые из прогнозируемых результатов в нефтегазовом секторе все еще подвержены ошибкам искусственный интеллект считается перспективной технологией, которая сыграет ключевую роль в будущем нефтегазовой отрасли. По данным «Value Global», к 2025 году рынок искусственного интеллекта в O&G достигнет значения в 2,85 миллиарда долларов, и, согласно «Mordor Intelligence», это значение будет расти в среднем (совокупный годовой темп роста) на 12,14% до 2027 года.
СПИСОК ЛИТЕРАТУРЫ:
1. Тузиков А.Р., Гатина Л.И., Бугарчева Е.А., Горелова Е.Н. Управление инновациями и трансфером технологий в нефтегазохимическом комплексе (российский и зарубежный опыт) производством // учебное пособие - Казань: КНИТУ, 2013 .— 244 с. — ISBN 978-5-7882-14009 .— Режим доступа: https://rucont.ru/efd/303077;
2. Черкасов М. «Умные» технологии в нефтегазовой отрасли // журнал Control Engineering Россия - Май 2015;
3. Еремин Н.А., Дмитриевский А.Н., Тихомиров Л.И. Настоящее и будущее интеллектуальных месторождений [The present and future of intellectual fields]. Нефть. Газ. Новости [Oil. Gas. Novations], 2018, I. 12;
4. Аль-Азани К., Эль-Кататный С., Али А. и др. Прогнозирование концентрации резания в горизонтальных и наклонных скважинах с использованием методов искусственного интеллекта. J Технология исследования бензина 9, 2769-2779 (2019)
Khasanov M.T.
Siberian Federal University (Krasnoyarsk, Russia)
CURRENT TRENDS IN APPLICATION OF ARTIFICIAL INTELLIGENCE IN OIL AND GAS INDUSTRY
Abstract: article reveals the advantages of using artificial intelligence in the oil and gas industry. The most frequently used technologies are indicated. The author analyzes some aspects of the use of artificial intelligence in the oil and gas sector and possible trends in the development of this industry using artificial intelligence. Although some of the projected results in the oil and gas sector are still error-prone, artificial intelligence is considered a promising technology that will play a key role in the future of the oil and gas industry.
Keywords: artificial intelligence, oil gas industry, innovations, technologies, production,
industry.
