16.08.2022
Наш канал в Telegram: https://t.me/berzaru

Искусственный интеллект повысил рентабельность гидроразрыва пласта

Data-driven model for hydraulic fracturing

Исследователи из Сколтеха и компании «Газпромнефть НТЦ» запатентовали метод на базе машинного обучения, который позволяет оптимизировать технологию гидроразрыва пласта, которую нефтегазовые компании используют для интенсификации добычи скважин. На основании анализа кропотливо собранных данных по тысячам скважин искусственный интеллект делает индивидуальный прогноз оптимальных параметров гидроразрыва для конкретной скважины. Первоначально представленная в январском выпуске журнала Journal of Petroleum Science and Engineering и другой статье в том же журнале разработка недавно была зарегистрирована Роспатентом.

Гидроразрыв пласта — закачка в нефте- или газоносную породу под высоким давлением смеси воды, химдобавок и твёрдых гранул «расклинивающего» материала с целью создания и закрепления трещин в пласте, за счёт которых увеличивается приток углеводородов в скважину. Эта операция сейчас проводится практически на любой новой скважине, но выполнить её можно по-разному. В числе основных параметров — состав и объём закачиваемой жидкости, скорость закачки, характеристики гранул и другие технические тонкости. Обычно значения всех этих параметров задают по итогам сложного и долгого моделирования.

«Берётся физическая модель процесса гидроразрыва, и ей на вход подают подкреплённые некими гипотезами и рассуждениями значения параметров — модель предсказывает, как при таких параметрах изменится производительность скважины. Этот процесс многократно повторяют, чтобы выбрать наиболее успешный набор значений параметров, но на столь ресурсоёмкое моделирование уходят дни или даже недели, причём речь всего об одной скважине, а на одном месторождении скважин много», — объясняет научный руководитель проекта, профессор Сколтеха Андрей Осипцов.

«Вместо этого мы обучили искусственный интеллект предсказывать производительность скважины на основании уникальной базы полевых данных, которую мы собрали и тщательно выверили — она содержит по 92 характеристики скважины, окружающей породы и гидроразрыва на 6 тыс. скважин с 23 месторождений. Поскольку производительность этих скважин после гидроразрыва уже доподлинно известна (и записана в той же базе в виде значений ещё 16 характеристик), обученный на этих данных ИИ может предсказывать производительность на основании тех или иных начальных условий», — рассказывает аспирант Сколтеха Антон Морозов.

«Умея предсказывать производительность скважины после гидроразрыва на основании параметров этой операции, мы можем решить так называемую обратную задачу. Дано: характеристики скважины и пласта. Найти: при каких параметрах гидроразрыва будет достигаться наибольшая добыча нефти или газа? С использованием искусственного интеллекта и алгоритмов оптимизации эта задача решается очень быстро» — поясняет руководитель проекта, старший инженер Сколтеха Альберт Вайнштейн.

«В дальнейшем решение можно усовершенствовать и приспособить для более бережной и ответственной по отношению к окружающей среде добычи ископаемого топлива в духе принципов ESG. Вместо стремления максимизировать суммарную добычу любой ценой искусственному интеллекту можно поставить задачу сбалансировать нефтеотдачу и значимые для окружающей среды метрики, такие как количество использованной пресной воды и химикатов или израсходованного для питания насосов дизельного топлива и выброшенных в атмосферу парниковых газов», — комментирует результаты работы аспирант Сколтеха Виктор Дупляков.

«Возможно, все эти метрики можно было бы даже свести в некий единый коэффициент экологичности или энергоэффективности отдельно взятой операции по гидроразрыву пласта», — поделился мыслями о возможных будущих исследованиях сотрудник «Газпромнефть НТЦ» Егор Шель.