В 75 километрах к востоку от Когалыма среди неброской северной природы находится Повховское нефтяное месторождение. Оно было открыто более 50 лет назад, когда активно осваивались запасы Западной Сибири. Сегодня Повховское — одно из крупнейших месторождений компании ЛУКОЙЛ — включает более 1,6 тыс. скважин, растянувшихся на десятки километров. Именно здесь запущен пилотный проект компании по использованию технологий искусственного интеллекта и нейросети.
Фото: Предоставлено ПАО «Лукойл»
Фото: Предоставлено ПАО «Лукойл»
Полезное изобретение
Нейронные сети — сравнительно молодое изобретение человечества. Термин придумали еще в 1943 году, когда исследователи пытались создать машину, которая бы имитировала функции человеческого мозга. Но приблизиться к решению этой задачи удалось только в начале ХХI века. Для этого должны были сойтись две важнейшие составляющие: появление мощных компьютеров и значительного объема накопленных данных.
Нейронные связи
Принцип действия нейронных сетей схож с работой мозга: вычислительные элементы сети обмениваются информацией так же, как нейроны. Сложные сети образуют множество слоев, а информация из одного в другой передается только после того, как первый слой ее обработал и выбрал решение из нескольких заложенных сценариев. Несмотря на то что сегодня на слуху математические модели, которые рисуют картины и пишут сценарии, все более активно математические алгоритмы используют в областях, связанных с анализом, прогнозированием и оптимизацией технологических процессов.
Символической точкой отсчета истории применения нейронных сетей при добыче нефти стал 2011 год. Тогда ученые из Тюменского института нефти и газа под руководством выдающегося российского ученого Леонида Самуиловича Бриллианта решили претворить в жизнь давно витавшую в воздухе идею — использовать существующие у нефтяных компаний массивы данных для создания умных математических моделей.
Первоначально тюменские ученые создали алгоритм обработки информации для последующего принятия решений в управлении разработкой месторождений. А уже через несколько лет на этой основе была создана нейросеть — более сложная математическая система, способная обучаться в процессе работы с большим массивом данных.
Новаторскими исследованиями ученых Тюменского института первым из представителей крупного бизнеса заинтересовался ЛУКОЙЛ. И в результате на базе научного изобретения совместно с ведущими IT-компаниями удалось создать собственный программный модуль — УРЗМ (управление разработкой зрелых месторождений).
Своим умом
Почему технология ориентирована именно на так называемые «зрелые» или месторождения в завершающих стадиях разработки? Ответ прост: именно они являются важнейшим показателем эффективности любой нефтяной компании. Экономисты такие активы в шутку называют «дойными коровами» (cash cows). Несмотря на то что на таких участках значительная часть углеводородов уже извлечена, наличие инфраструктуры обеспечивает получение прибыли с минимальными инвестиционными затратами. И чем дольше будет вестись добыча и увеличиваться коэффициент извлечения нефти, тем больше выгоды и для компаний, и для государства как распорядителя недр.
Работы по внедрению нейросетей на Повховском, затем и на Тевлинско-Русскинском месторождениях ЛУКОЙЛа начались в 2013 году. На тот момент никто точно не знал, как проявит себя нейросеть в регулировании разработки — нигде в мире ничего подобного не применялось. Ученые и нефтяники ЛУКОЙЛа в какой-то степени оказались первопроходцами. А уже к 2018 году удалось запустить несколько пилотных проектов, результаты которых превзошли все ожидания, и было принято решение тиражировать технологию на другие месторождения.
Сегодня это уже хорошо проверенная математическая модель, которая анализирует миллионы параметров нефтедобычи и реально помогает компании оптимизировать производство.
Фото: Предоставлено ПАО «Лукойл»
Фото: Предоставлено ПАО «Лукойл»
Математика на конце долота
Нейронная сеть на основе анализа качественных и количественных данных способна выявлять взаимовлияние добывающих и нагнетательных скважин и прогнозировать наиболее оптимальный режим их работы.
Входными параметрами для обучения нейронной сети является первичная стандартная информация, которая собирается десятилетиями: дебит нефти, дебит жидкости, забойное давление и приемистость (для нагнетательных скважин). Алгоритм верифицирует, отбраковывая те данные, которые кажутся ему некорректными. По сути, в распоряжении нефтяников — инструмент, напрямую влияющий на качество принятия решения. По аналогии с работой хирурга, который может оперировать «вслепую», а может видеть все производимые манипуляции и параметры на экране при помощи высокоточного оборудования.
Право на ошибку
На данном этапе развития нейросетей существует объективная причина расхождения данных, которая связана с существующей системой измерений. Например, если речь идет о сборе данных с одной скважины, то здесь показатели будут без особых отклонений. Другое дело — куст скважин в сложных гидрографических условиях тундры, в болотистой местности с предельно низкими зимними температурами. В таких районах строится кустовая площадка, с которой затем разводятся в глубину десятки скважин. В этом случае устанавливают одну групповую замерную установку на весь куст, и она с определенной периодичностью переключается с одной скважины на другую. Необходимо учитывать и возможные перебои в работе оборудования. Чтобы нивелировать подобные искажения, специалисты делают выборку данных для анализа нейросети в расширенном временном диапазоне. Таким образом погрешности купируются за счет увеличения массива обрабатываемой информации.
Нейросеть не только помогает просчитать последствия, но и выдает рекомендации, каким образом лучше действовать для оптимального достижения поставленных целей.
При этом оптимизационные задачи для нейросети ставятся на ежеквартальной основе. Необходимо время, чтобы специалисты реализовали рекомендации. После этого нейросеть получает новые вводные и запускает анализ, дополняя, исправляя, совершенствуя ранее разработанные алгоритмы. Благодаря способности к самообучению, чем дольше работает нейронная сеть, тем более верные решения она подсказывает, в том числе в части управленческих задач. К примеру, сейчас в рамках договоренностей ОПЕК+ нужно не увеличивать добычу, а сконцентрироваться на управлении себестоимостью. Соответствующий режим работы скважин нефтяники подбирают при помощи нейронной сети.
Удаленный доступ
Следующим шагом ЛУКОЙЛ начал использовать нейросети на Ватьеганском месторождении. Оно также расположено в Ханты-Мансийском автономном округе и по величине начальных извлекаемых запасов входит в список 25 уникальных месторождений страны.
Здесь инженеры впервые исключили из цепочки имплементации решений физическое присутствие человека. Дело в том, что на Повховском месторождении нейросеть генерирует рекомендации, которые затем выполняет сотрудник: ему нужно сесть в машину и в любом случае добраться до скважины, чтобы изменить параметры ее работы. На экспериментальной скважине Ватьеганского месторождения все происходит автоматически: нейросеть посылает разработанный алгоритм оператору, который дистанционно меняет настройки.
В планах ЛУКОЙЛа — уже в октябре текущего года установить автоматические системы еще на 14 скважинах, а в следующем году к Западной Сибири добавятся месторождения Тимано-Печорской нефтегазоносной провинции.
Задачи потребуют донастройки исходной математической модели: очевидно, что рекомендации, которые нейросеть выдает на терригенных месторождениях Западной Сибири, требуют адаптации в отношении карбонатных залежей Тимано-Печоры. Точно так же приходится вносить коррективы и в зависимости от свойств нефти: вязкости, содержания газа и так далее. В итоге ядро программы остается неизменным, дополнительные параметры вводятся в зависимости от объекта разработки.
Фото: Предоставлено ПАО «Лукойл»
Фото: Предоставлено ПАО «Лукойл»
Задачи на завтра
За последние несколько лет практически все мировые гиганты IT-индустрии, в том числе Google, Microsoft и Amazon, включили в пакет своих услуг работу с нефтяными компаниями, и основное предложение касается как раз помощи по внедрению искусственного интеллекта для оптимизации производства.
В первую очередь речь идет об областях, где существуют неявные связи между объектами управления. К ним относится логистика нефтедобычи, где при помощи продвинутых математических моделей можно существенно повысить эффективность работы.
Нейросеть скоро станет незаменимой и при прогнозировании износа оборудования. Уже сегодня активно внедряются алгоритмы, которые мониторят его состояние и корректируют сроки проведения ремонтов.
В ближайшие годы эксперты ожидают бум в нефтяной отрасли на различные варианты использования искусственного интеллекта, прежде всего на базе продвинутых математических решений типа нейросетей и проксимоделей. И выиграют те, кто стал частью цифрового будущего уже сегодня.