«Труды Российского государственного университета нефти и газа имени И.М. Губкина»

Обеспечение безопасности строительства скважин на основе использования интеллектуальных систем раннего предупреждения осложнений

УДК: 331.45:622.24:681.518
DOI: 10.33285/2073-9028-2022-1(306)-40-51

Авторы:

¹ Институт проблем нефти и газа РАН, Москва, Российская Федерация
² Российский государственный университет нефти и газа (национальный исследовательский университет) имени И.М. Губкина, Москва, Российская Федерация

Ключевые слова: безопасность строительства скважин, методы машинного обучения, большие данные, геолого-технологические исследования, нейро-сетевая модель, бурение нефтяных и газовых скважин, выявление, прогнозирование и предупреждение осложнений

Аннотация:

В данной статье ставятся и приводятся решения задачи обеспечения безопасности строительства нефтяных и газовых скважин на суше и на море с использованием интеллектуальных систем раннего предупреждения осложнений по результатам обработки больших объемов данных со станций геолого-технологических измерений. Преимущество применения искусственных нейронных сетей для решения задач выявления и прогнозирования осложнений при строительстве нефтяных и газовых скважин заключается в том, что в ходе их создания и обучения с заданной точностью выявляются явные и скрытые закономерности между геолого-геофизическими, техническими и технологическими параметрами. Эффективное формирование, интеграция и кластеризация все более возрастающих многомерных объемов данных от датчиков различных типов, используемых для измерения параметров в процессе бурения скважин, осуществляются с использованием технологий искусственного интеллекта.

Список литературы:

1. Shirieva N.S., Shiriev A.K., Tlyasheva R.R. & Kafisov F.S. Development of Hazard Assessment Matrix for Wells as an Industrial Safety Assurance Method When Designing Oil and Gas Well Construction. Day 4 Thu, October 29, 2020. DOI: 10.2118/202038-ms
2. Zhao Ying, Sun Ting, Yang Jin, Yin Qishuai, Wei Hongshu, Liu Zhengli, Li Zhong and Yi Huang. “Combining Drilling Big Data and Machine Learning Method to Improve the Timeliness of Drilling”. SPE/IADC International Drilling Conference and Exhibition, The Hague, The Netherlands, March 2019. DOI: https://doi.org/ 10.2118/194111-MS
3. Carpenter C. Big Data and Machine Learning Optimize Operational Performance and Drill-Bit Design. Journal of Petroleum Technology, no. 73 (12), p. 49–50. DOI: 10.2118/1221-0049-jpt
4. Cornel S., Vazquez G. Use of Big Data and Machine Learning to Optimise Operational Performance and Drill Bit Design. Day 2 Wed, November 18, 2020. DOI: 10.2118/202243-ms
5. Zhang Z., Lai X., Wu M. & Du S. Incident early warning based on sparse autoencoder and decision fusion for drilling process. IECON 2021 – 47th Annual Conference of the IEEE Industrial Electronics Society. DOI: 10.1109/iecon48115. 2021.9589058
6. Said Mohammed Mokhtar, Pilgrim Rick, Rideout Geoff, and Stephen Butt. “Theoretical Development of a Digital-Twin Based Automation System for Oil Well Drilling Rigs”. Paper presented at the SPE Canadian Energy Technology Conference, Calgary, Alberta, Canada, March 2022. DOI: https://doi.org/10.2118/208902-MS
7. Автоматизированная система предотвращения аварий при строительстве скважин/ А.Н. Дмитриевский, Н.А. Еремин, А.Д. Черников, А.Г. Сбоев, О.К. Чащина-Семенова, Л.К. Фицнер, М.Я. Гельфгат, А.А. Назаретова//Нефтяное хозяйство. – 2021. – № 1. – С. 72–76. – DOI:10.24887/0028-2448-2021-1-72-76
8. Application of artificial intelligence methods for identifying and predicting complications in the construction of oil and gas wells: problems and solutions/A.D. Chernikov, N.A. Eremin, V.E. Stolyarov, A.G. Sboev, O.K. Semenova-Chashchina, L.K. Fitsner//Georesursy–Georesources, 2020, no. 22 (3), p. 87–96. DOI: https://doi.org/10.18599/grs.2020.3.87-96
9. Prevention of complications and accidents in the process of drilling oil and gas wells using machine learning methods/A.N. Dmitrievsky, A.G. Sboev, N.A. Eremin, A.D. Chernikov, A.V. Naumov, A.V. Gryaznov, I.A. Moloshnikov, S.O. Borozdin, E.A. Safarova//Georesursy–Georesources, issue 4, p. 79–85. DOI: https://doi.org/10.18599/grs.2020.4.79-85
10. Анализ качества данных станции геолого-технологических исследований при распознавании поглощений и газонефтеводопроявлений для повышения точности прогнозирования нейросетевых алгоритмов/А.И. Архипов, А.Н. Дмитриевский, Н.А. Еремин, А.Д. Черников, С.О. Бороздин, Е.А. Сафарова, М.Р. Сейнароев//Нефтяное хозяйство. – 2020. – № 8 (1162). – C. 63–67. DOI: 10.24887/0028-2448-2020-8-63-67
11. Drilling Problems Forecast System Based on Neural Network/S. Borozdin, A. Dmitrievsky, N. Eremin, A. Arkhipov, A. Sboev, O. Chashchina-Semenova, L. Fitzner, E. Safarova//SPE Annual Caspian Technical Conference, 2020. DOI: 10.2118/202546-MS
12. Применение методов искусственного интеллекта в задачах предотвращения аварийных ситуаций при строительстве скважин/А.Н. Дмитриевский, Н.А. Еремин, А.И. Архипов [и др.]// Недропользование XXI век. – 2021. – № 5–6 (92). – С. 6–15.