Данное исследование было просмотрен 249 раз

Цифровые технологии моделирования и управления процессами, возникающими при добыче и хранении трудноизвлекаемых запасов углеводородов

Группа научных исследований: Передовые Цифровые технологии. Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции (Smart Design) и технологии «умного» производства (Smart Manufacturing).

Срок реализации: 2020-2025 гг.

Исполнитель: Лаборатория «Моделирование производственных технологий и процессов» (МПТиП)

Решаемые научно-технические задачи, полученные и ожидаемые результаты

В 2020 году

Разработана первая тестовая версия программного модуля для восстановления исторических текущих показателей работы скважин на основе методов машинного обучения, включая разработку тестовый сценариев.

1. Важнейшие результаты по направлению научных исследований, полученные в период реализации соглашения в отчётном году с момента заключения соглашения.

Разработан программный модуль машинного обучения для предсказания давления на приёме. Наименьшую среднюю абсолютную ошибку по результатам вычислений показал алгоритм нейронных сетей с 8 входящими параметрами. Было получено, что среднее значение абсолютной ошибки попадает в интервал от 0 до 10% для большего количества тестовых примеров с увеличением числа подаваемых на сеть параметров. Средняя абсолютная ошибка на тестовой выборке: от 3.7 атм для архитектуры с 3 параметрами до 3.3 атм для архитектуры с 8 параметрами. Рекомендовано использовать для обучения алгоритмов и предсказания давления на приёме набор следующих данных: давление в линии, динамическая высота, глубина спуска, Диаметр экспл. колонны, обводненность, затрубное давление, дебит жидкости, газовый фактор. На 95% данных средняя абсолютная ошибка предсказания давления на приеме обученного алгоритма равна 2.91 атм, на 100% данных средняя абсолютная ошибка равна 3.21. Результаты проведённых работ демонстрируют потенциал использования машинного обучения для предсказания давления. Отличительной особенностью данного алгоритма является то, что для получения качественных результатов не требуется информация о давлении на приеме насоса.

2. Сопоставление полученных результатов по направлению научных исследований с мировым уровнем

Полученные результаты сопоставимы с мировым уровнем научно-исследовательских работ по схожей тематике.

В 2021 году
  • Разработан программный модуль для восстановления исторических текущих показателей работы скважин на основе методов машинного обучения: разработана рабочая версия программного модуль для восстановления исторических текущих показателей работы скважин на основе методов машинного обучения.
  • Разработан программный модуль прогноза физико-математических свойств горной породы на основе методов машинного обучения.
В 2022 году
  • Разработана математическая модель для оптимизации эксплуатации скважин с выносом песка.
В 2023 году
  • Разработан программный модуль прокси-моделирования пластового давления и проводимости пласта.
В 2024 году
  • Разработан программный модуль для моделирования процесса гидроразрыва пласта.
В 2025 году
  • Разработана математическая модель планирования исследований с учётом ценности информации.