Предотвращение аварийных ситуаций при бурении с использованием методов машинного обучения

Дмитриевский, А.Н.; Еремин, Н.А.; Бороздин, С.О.; Фицнер, Л.К.; Чащина-Семенова, О.К.; Черников, А.Д.; Басниева, И.К.; Зинатуллина, Л.И.; Еремина, И.А.

Авторы: Дмитриевский А.Н., Еремин Н.А., Бороздин С.О., Фицнер Л.К., Чащина-Семенова О.К., Черников А.Д., Басниева И.К., Зинатуллина Л.И., Еремина И.А.
Сборник: Сб. докл. 9-й Межд. н.-практ. конф.«Инновационные технологии в процессах сбора, подготовки и транспортировки нефти и газа". 8-й Межд. н.-практ. конф.«Интеллектуальное месторождение: инновационные технологии от пласта до магистральной трубы»
Серия: Черноморские нефтегазовые конференции
Глава в коллективной монографии
Год издания: 2020
Место издания: ООО «Научно-производственная фирма «Нитпо» Краснодар: ООО «Научно-производственная фирма «Нитпо»
Первая страница: 21
Последняя страница: 31
Аннотация: A.N. Dmitrievsky, N.A. Eremin, S.O. Borozdin, L.K. Fitzner, O.K. Chashchina-Semenova, A.D. Chernikov, Basnieva I.K., Zinatullina L.I., Eremina I.A. Prevention of accidents during drilling using machine learning methods // Oil & Gas Conferences: The collection of reports of the 9th International scientific-and-practical conference «Innovative technologies in the processes of collection, preparation and transportation of oil and gas. Design, construction, operation and automation of production facilities»; 8th International scientific-and-practical conference «Intelligent field: innovative technologies from stratum to main pipe», Sochi, Krasnaya polyana, 2020 / «Research-and-Production firm «Nitpo» LLC, – Krasnodar: «Research-and-Production firm «Nitpo» LLC, 2020, p.21-31. ISBN 978-5-905924-34-7The article discusses methods for processing big data from geological and technological measurement stations and machine learning in the field of drilling oil and gas wells, which were tested on real data from an offshore field. Possible events related to complications and accidents during drilling can be detected 7-10 minutes before their occurrence. This time may be sufficient for the driller to take preventive measures to avoid complications or prevent accidents.UDK 622.691, 622.692, 622.24; 622.276; 622.279; 65.011 BBK 33.131, 33.361; 33.362 Editorial Committee: V.M. Stroganov, D.M. Ponomarev, A.M. Stroganov Black Sea Oil & Gas Conferences: The collection of reports of the 9th International scientific-and-practical conference Innovative technologies in the processes of collection, preparation and transportation of oil and gas. Design, construction, operation and automation of production facilities; 8th International scientific-and-practical conference Intelligent field: innovative technologies from stratum to main pipe, Sochi, Krasnaya polyana, 2020 / Research-and-Production firm Nitpo LLC, – Krasnodar: Research-and-Production firm Nitpo LLC, 2020. –102 sheets.: fig. ISBN 978-5-905924-34-7А.Н. Дмитриевский, Н.А. Еремин, С.О. Бороздин, Л.К. Фицнер, О.К. Чащина-Семенова, А.Д. Черников, Басниева И.К., Зинатуллина Л.И., Еремина И.А. Предотвращение аварийных ситуаций при бурении с использованием методов машинного обучения // Черноморские нефтегазовые конференции: Сб. докл. 9-й Международной научно-практической конференции «Инновационные технологии в процессах сбора, подготовки и транспортировки нефти и газа. Проектирование, строительство, эксплуатация и автоматизация производственных объектов»; 8-й Международной научно-практической конференции «Интеллектуальное месторождение: инновационные технологии от пласта до магистральной трубы», г. Сочи, Красная поляна, 2020 г. / ООО «Научно-производственная фирма «Нитпо» – Краснодар: ООО «Научно-производственная фирма «Нитпо», 2020, с.21-31. В статье рассматриваются методы обработки больших данных со станций геолого-технологических измерений и машинного обучения в области бурения нефтяных и газовых скважин, которые были апробированы на реальных данных с морского месторождения. Возможные события, связанные с осложнениями и авариями во время бурения могут быть обнаружены за время 7-10 минут до их наступления. Этого времени может быть достаточно для бурильщика для принятия превентивных мер для избегания осложнения или предотвращения аварии. УДК 622.691, 622.692, 622.24; 622.276; 622.279; 65.011 ББК 33.131, 33.361; 33.362 Под редакцией: В.М. Строганова, Д.М. Пономарева, А.М. Строганова Черноморские нефтегазовые конференции: Сборник докладов 9-й Международной научно-практической конференции Инновационные технологии в процессах сбора, подготовки и транспортировки нефти и газа. Проектирование, строительство, эксплуатация и автоматизация производственных объектов; 8-й Международной научно-практической конференции Интеллектуальное месторождение: инновационные технологии от пласта до магистральной трубы, г. Сочи, Красная поляна, 2020 г. / ООО Научно-производственная фирма Нитпо – Краснодар: ООО Научно-производственная фирма Нитпо, 2020. – 102 с.: ил. ISBN 978-5-905924-34-7Финансирование Статья подготовлена по результатам работ, выполненных в рамках Программы государственных академий наук на 2013-2020 годы по теме государственного задания «Фундаментальный базис инновационных технологий нефтяной и газовой промышленности», и № АААА-А19-119013190038-2 в РОСРИДе. ЗАКЛЮЧЕНИЕ Разработанная автоматизированная система предотвращения аварийных ситуаций предназначена для оказания помощи персоналу буровых бригад в выявлении возможных осложнений на краткосрочную перспективу (по времени несколько десятков минут и по проходке по стволу до 100 метров). Масштабное внедрение автоматизированной системы предотвращения аварийных ситуаций при строительстве скважин позволит сократить сроки бурения более чем на 10-25 % и стоимость скважин на 5-25 %. По результатам работы в течение 2019-2020 гг. были получены шесть свидетельств регистрации программ для ЭВМ [22-27] и поданы две заявки на получение патентов на полезную модель [28, 29]. Список литературы 1. Noshi C.I., & Schubert J.J. (2018, October 5). The Role of Machine Learning in Drilling Operations; A Review. Society of Petroleum Engineers. doi:10.2118/191823-18ERM-MS. 2. Okpo E.E., Dosunmu A. & Odagme B. S. (2016, August 2). Artificial Neural Network Model for Predicting Wellbore Instability. Society of Petroleum Engineers. doi:10.2118/184371-MS. 3. Dursun S., Tuna T., Duman K. 2015. Real-Time Risk Prediction During Drilling Operations. https://www.google.com/patents/WO2015060865A1?cl=en Google Patents. 4. Дмитриевский А.Н., Еремин Н.А. Цифровая модернизация нефтегазовой экосистемы – 2018. // Актуальные проблемы нефти и газа, 2018. – № 2 (21). – С. 1-12. 5. Eskandarian S., Bahrami P., Kazemi P. 2017. A comprehensive data mining approach to estimate the rate of penetration: Application of neural network, rule-based models and feature ranking. Journal of Petroleum Science and Engineering, 156, 605-615. https://doi.org/10.1016/j.petrol.2017.06.039. 6. Abbas A.K., Bashikh A.A., Abbas H., Mohammed H.Q. 2019. Intelligent decisions to stop or mitigate lost circulation based on machine learning. Energy, 183, 1104-1113. https://doi.org/10.1016/j.energy.2019.07.020. 7. Zhang F., Islam A., Zeng H., Chen Z., Zeng Y., Wang X., Li S. (2019, November 11). Real Time Stuck Pipe Prediction by Using a Combination of Physics-Based Model and Data Analytics Approach. Society of Petroleum Engineers. doi:10.2118/197167-MS 8. Alshaikh A., Magana-Mora A., Gharbi S.A., Al-Yami A. (2019, March 22). Machine Learning for Detecting Stuck Pipe Incidents: Data Analytics and Models Evaluation. International Petroleum Technology Conference. doi:10.2523/IPTC-19394-MS 9. Abbas A.K., Assi A.H., Abbas H., Almubarak H., Al Saba M. (2019, November 11). Drill Bit Selection Optimization Based on Rate of Penetration: Application of Artificial Neural Networks and Genetic Algorithms. Society of Petroleum Engineers. doi:10.2118/197241-MS 10. Sule I., Khan F., Butt S. 2018. Kick Control Reliability Analysis of Managed Pressure Drilling Operation. Journal of Loss Prevention in the Process Industry 52: 7-20. https://doi.org/10.1016/j.jlp.2018.01.007 11. Ben Y., Han W., James C., Cao D. (2020, February 25). Building a General and Sustainable Machine Learning Solution in a Real-Time Drilling System. Society of Petroleum Engineers. doi:10.2118/199603-MS 12. Bimastianto P., Khambete S., AlSaadi H., Couzigou E., Al-Marzouqi A., Chevallier B., Qadir A., Pausin W., Vallet L. «Digital Twin Implementation on Current Development Drilling, Benefits and Way Forward», Abu Dhabi International Petroleum Exhibition & Conference, 2020. 13. Отчёт о научно-исследовательской работе по теме: «Фундаментальный базис инновационных технологий нефтяной и газовой промышленности (фундаментальные, поисковые и прикладные исследования)» (промежуточный). Внутренний номер в ИС «Парус» - 0139-2019-0009. 14. Дмитриевский А.Н., Дуплякин В.О., Еремин Н.А., Капранов В.В. Алгоритм создания нейросетевой модели для классификации в системах предотвращения осложнений и аварийных ситуаций при строительстве нефтяных и газовых скважин // Датчики и системы. – 2019. – № 12 (243). – С. 3-10. 15. Черников А.Д., Еремин Н.А., Столяров В.Е., Сбоев А.Г., Семенова-Чащина О.К., Фицнер Л.К. Применение методов искусственного интеллекта для выявления и прогнозирования осложнений при строительстве нефтяных и газовых скважин: проблемы и основные направления решения // Георесурсы. – 2020 – № 3. – С. 87-96. 16. Дмитриевский А.Н., Сбоев А.Г., Еремин Н.А., Черников А.Д., Наумов А.В., Грязнов А.В., Молошников И.А., Бороздин С.О., Сафарова Е.А. Об увеличении продуктивного времени бурения нефтегазовых скважин с использованием методов машинного обучения // Георесурсы. – 2020. – № 4. – С. 79-85. 17. Архипов А.И., Дмитриевский А.Н., Еремин Н.А., Черников А.Д., Бороздин С.О., Сафарова Е.А., Сейнароев М.Р. Анализ качества данных станции геолого-технологических исследований при распознавании поглощений и газонефтеводопроявлений для повышения точности прогнозирования нейросетевых алгоритмов. // Нефтяное хозяйство. – 2020. – №08 (1162). – С. 63-67. 18. Borozdin S., Dmitrievsky A., Eremin N., Arkhipov A., Sboev A., Chashchina-Semenova O., Fitzner L., Safarova E. Drilling Problems Forecast System Based on Neural Network. // SPE Annual Caspian Technical Conference (2020). doi:10.2118/202546-MS 19. Еремин Н.А., Черников А.Д., Сарданашвили О.Н., Столяров В.Е. Интеллектуальное бурение при обустройстве цифровых месторождений. // Автоматизация, телемеханизация и связь в нефтяной промышленности. – 2020. – №5 (562). – С. 26-36. 20. Еремин Н.А., Черников А.Д., Сарданашвили О.Н., Столяров В.Е., Архипов А.И. Цифровые технологии строительства скважин. Создание высокопроизводительной автоматизированной системы предотвращения осложнений и аварийных ситуаций в процессе строительства нефтяных и газовых скважин. // Деловой журнал Neftegaz.Ru. – 2020. – № 4 (100). – С. 38-50. 21. Дмитриевский А.Н., Еремин Н.А., Столяров В.Е. Роль информации в применении технологий искусственного интеллекта при строительстве скважин для нефтегазовых месторождений // Научный журнал Российского газового общества. – 2020. – № 3 (26). – С. 6-21. 22. Дмитриевский А.Н., Еремин Н.А., Чащина-Семенова О.К., Фицнер Л.К., Черников А.Д. Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин // Патент на изобретение. Заявка № 2020129673/03 (053361) от 08.09.2020. 23. Дмитриевский А.Н., Еремин Н.А., Чащина-Семенова О.К., Фицнер Л.К., Черников А.Д. Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин // Патент на изобретение. Заявка № 2020129671/03 (053358) от 08.09.2020. 24. Еремин Н.А., Водопьян А.О., Дуплякин В.О., Черников А.Д., Космос С.А. Программный компонент «Нефтегазовый блокчейн» // Свидетельство о регистрации программы для ЭВМ RU 2020614626, 17.04.2020. Заявка № 2020613699 от 27.03.2020. 25. Еремин Н.А., Дмитриевский А.Н., Чащина-Семенова О.К., Фицнер Л.К., Черников А.Д. Программный компонент «Нейросетевые расчеты – построение моделей прогноза осложнений и аварийных ситуаций при бурении и строительстве скважин» (ПКНР) // Свидетельство о регистрации программы для ЭВМ RU 2020660892, 15.09.2020. Заявка № 2020660182 от 08.09.2020. 26. Еремин Н.А., Дмитриевский А.Н., Чащина-Семенова О.К., Фицнер Л.К., Черников А.Д. Программный компонент «Адаптация обобщенных нейросетевых моделей прогнозирования осложнений и аварийных ситуаций к геофизическим параметрам при бурении конкретной скважины» // Свидетельство о регистрации программы для ЭВМ RU 2020660890, 15.09.2020. Заявка № 2020660179 от 08.09.2020. 27. Еремин Н.А., Дмитриевский А.Н., Чащина-Семенова О.К., Фицнер Л.К., Черников А.Д. Программный компонент «Индикация прогноза осложнений и аварийных ситуаций при бурении и строительстве скважин» (ПК «Индикация») // Свидетельство о регистрации программы для ЭВМ RU 2020661356, 22.09.2020. Заявка № 2020660450 от 14.09.2020. 28. Еремин Н.А., Дмитриевский А.Н., Чащина-Семенова О.К., Фицнер Л.К., Черников А.Д. Программный компонент «Оркестровка – интеграция модулей системы прогнозирования осложнений и аварийных ситуаций при бурении и строительстве скважин» // Свидетельство о регистрации программы для ЭВМ RU 2020660891, 15.09.2020. Заявка № 2020660181 от 08.09.2020. 29. Еремин Н.А., Винокуров В.А., Гущин П.А., Дмитриевский А.Н., Чащина-Семенова О.К., Фицнер Л.К., Черников А.Д., Насекин К.К., Сафарова Е.А., Бороздин С.О., Архипов А.И. Программный компонент «Обратная связь» // Свидетельство о регистрации программы для ЭВМ RU 2020665410, 26.11.2020. Заявка № 2020661058 от 25.09.2020. Дата публикации: 26.11.2020.
Добавил в систему: Еремин Николай Александрович

	ИСТИНА	Войти в систему Регистрация
	ФНКЦ РР
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

ФНКЦ РР

Предотвращение аварийных ситуаций при бурении с использованием методов машинного обучениястатья

Прикрепленные файлы