Как компьютерные модели и математические алгоритмы помогают предсказывать будущее и эффективнее добывать нефть Восточно-Мессояхского месторождения — самого северного материкового нефтепромысла России, — «Энергии+» рассказал эксперт по цифровому моделированию «Мессояханефтегаза» Владислав Деревянко.
В прошлом веке нефтедобыча была совсем другой. Карты актуализировали раз в квартал. Атласы были бумажными. Схемы заполняли от руки. Оператор приезжал на кустовую площадку, записывал показания с манометров скважин и вносил их в таблицу. В таком виде хранили и обрабатывали информацию о каждой скважине и всем месторождении, на ее основе принимали решения.
Сейчас мы ежеминутно получаем огромный объем данных в оцифрованном виде, причем они поступают автоматически — с датчиков скважин, которые замеряют температуру, давление, расходы жидкости, нефти и газа. По защищенной линии эти сведения передаются на сервер и в тюменский офис «Мессояханефтегаза». Находясь за тысячи километров от промысла, мы знаем, что происходит на каждой из 850 скважин в режиме реального времени. Компьютерные модели созданы также для 500 километров трубопроводов. Оцифрован и сам поток углеводородов. Все вместе это цифровой двойник промысла. Что это нам дает? Вспомните задачу из восьмого класса, в которой бассейн наполняется с помощью двух разных труб. Смогли бы решить ее быстро, без подготовки? Благодаря цифровому двойнику мы находим ответы на значительно более сложные вопросы. Например, сколько углеводородов поступит за сутки на центральный пункт сбора нефти из скважин по трубам разного диаметра и с разной скоростью протекания жидкости. Алгоритмы математического моделирования и машинного обучения помогают нам координировать все процессы — и таким образом повышать рентабельность строительства, бурения, добычи углеводородов и их подготовки к переработке.
Стороннему наблюдателю может показаться, что цифровой двойник — как компьютерная игра-стратегия: перемещаешь по онлайн-карте технику, обустраиваешь промысел, а потом наблюдаешь, как растет добыча. В реальности все сложнее, но сходство и правда есть. Еще десять лет назад такое нельзя было и представить.
Нефть и газ залегают в пластах — прослойках горных пород в недрах. Каждый такой пласт огромный — длиной в десятки километров в поперечнике и десятки метров толщиной. При этом внутренний диаметр скважины в среднем — 20 сантиметров. Нужны очень точные расчеты, чтобы при бурении многокилометровой скважины попасть куда нужно! На основе геологических и геофизических исследований мы строим цифровую модель пласта. Она показывает, где в недрах газ, нефть, вода.
С помощью модели пласта мы прогнозируем, что произойдет, если остановить добычу на скважине и перевести ее в нагнетательную — закачивать через нее воду, чтобы вытеснять нефть к добывающим скважинам. Или как изменится приток нефти в скважины, если из одной мы начнем добывать больше. Так составляется прогноз добычи на месяцы или годы вперед.
В цифровом двойнике месторождения есть модели каждой скважины. В моделях отражены глубина, диаметр, приток нефти и другие параметры.
Своя цифровая модель и у системы сбора нефти. Она повторяет разветвленную сеть трубопроводов разного диаметра, которая пересекает весь промысел. Трубы идут от скважин к центральному пункту сбора нефти. Участки, на которые необходимо обратить внимание, определяются в модели. Модель показывает скорость протекания жидкости и давление в трубах, а также прогнозирует осложнения на конкретном участке трубы. Например, труба проходит в овраге: сначала спускается, затем поднимается, — значит, здесь может образоваться газовая пробка, что приведет к скачкам давления. Чтобы этого не допустить, мы заранее подбираем параметры работы насоса или предпринимаем другие меры.
Модель инфраструктуры помогает определять места, где повышен риск коррозии. Из недр мы получаем не чистую нефть, а жидкость, в составе которой есть соли и кислоты — они постепенно разрушают металл трубы. По параметрам течения жидкости и ее составу алгоритмы рассчитывают скорость коррозии. Так мы вычисляем потенциально слабые места и уделяем им особое внимание.
Еще одна важная функция цифрового двойника — прогнозирование емкости инфраструктуры. У нас есть план бурения, мы знаем, когда и сколько скважин появится и какой объем жидкости мы получим из них. С помощью модели можно заранее понять, смогут ли трубопроводы пропустить нужный объем или пора расширять инфраструктуру.
Следующий шаг в моделировании производственных процессов будет связан с применением нейросетей. Искусственный интеллект, подгруженный в интерфейс цифрового двойника, сможет быстро увидеть закономерности, на поиск которых у человека уходит много времени. Сейчас точность модели составляет 97% — с искусственным интеллектом она будет еще выше.
