УДК:
DOI:

Инновационные технологии предупреждения осложнений и аварийных ситуаций при строительстве нефтяных и газовых скважин. Применение технологии микроконтейнеров для борьбы с поглощениями

Innovative technologies for drilling mud loss prevention in well construction

A.N. DMITRIEVSKY1, A.L. MAKSIMOV2, S.V. ANTONOV2, N.A EREMIN1,3, A.D. CHERNIKOV1,
A.V. ZAMRIY4, S.P. CHERNYKH4, L.A. ALIEVA4, A.R. KHAMATOV4
1 Institute of Oil and Gas Problems, Russian Academy of Sciences, Moscow, 119333, Russian Federation
2 Institute of Petrochemical Synthesis, Russian Academy of Sciences, Moscow, 119991, Russian Federation
3 Russian Gubkin State University of Oil and Gas (NRU), Moscow, 119991, Russian Federation
4 Intersectoral Expert and Analytical Center of the Union of Oil and Gas Producers of Russia
Moscow, 125009, Russian Federation

В статье рассматриваются вопросы создания перспективной автоматизированной системы предупреждения осложнений и аварийных ситуаций на всех этапах жизненного цикла нефтяных и газовых скважин на основе применения комплекса современных умных (Smart) технологий. Особенное внимание уделяется осложнениям, связанным с поглощением бурового раствора, при строительстве нефтяных и газовых скважин. Ставятся и приводятся решения задачи обеспечения безопасности строительства нефтяных и газовых скважин на суше и на море с использованием интеллектуальных систем раннего прогнозирования возникновения осложнений и аварийных ситуаций по результатам обработки больших объемов данных со станций геолого-технологических измерений. Преимущество применения технологий искусственного интеллекта для решения задач выявления и прогнозирования осложнений при строительстве нефтяных и газовых скважин заключается в том, что в ходе их создания и обучения с заданной точностью выявляются явные и скрытые закономерности между геолого-геофизическими, техническими и технологическими параметрами. Это позволяет обеспечить эффективное формирование, интеграцию и кластеризацию все более возрастающих многомерных объемов данных от датчиков различных типов, используемых для измерения параметров в процессе бурения скважин, осуществляются с использованием нейросетевых технологий и методов машинного обучения. При этом наметился переход от автоматизированных систем выявления и прогнозирования осложнений к созданию интеллектуальных систем предупреждения осложнений и аварийных ситуаций на всех этапах жизненного цикла нефтегазовых месторождений. Предупреждение поглощений бурового раствора – одно из перспективных направлений для применения технологии умных микроконтейнеров. Применение данной технологии дает возможность повысить эффективность процесса ликвидации поглощений бурового раствора, что позволяет значительно снизить затраты на бурение скважин.

The article discusses the issues of preventing complications associated with the absorption of drilling mud during the construction of oil and gas wells, poses and provides solutions to the problem of ensuring the safety of the construction of oil and gas wells on land and at sea using intelligent systems for early warning of complications in the form of losses of drilling mud according to results of processing large volumes of data from stations of geological and technological measurements. The advantage of using machine learning methods for solving the problems of identifying and predicting complications in the form of drilling mud losses during the construction of oil and gas wells is that in the course of their creation and training, explicit and hidden patterns are revealed with a given accuracy between geological and geophysical, technical and technological parameters. Efficient formation, integration and clustering of ever-increasing multidimensional data volumes from various types of sensors used to measure parameters in the process of drilling wells are carried out using machine learning technologies. Loss prevention is one of the promising areas for smart microcontainer technology. The use of smart microcontainers technology will significantly increase the efficiency of the lost circulation elimination process, which will lead to a significant reduction in well drilling costs.

Ключевыми аспектами Стратегии цифровой модернизации в промышленности являются техническое регулирование и стандартизация, подготовка кадров для цифровой модернизации. Российские нефтегазовые компании либо уже внедряют, либо планируют использование элементов цифровой модернизации с опорой на масштабную автоматизацию бизнес-процессов, информационные технологии, мультисенсоризацию, создание цифровых двойников, внедрение систем искусственного интеллекта. В современном нефтегазовом производстве широко используются цифровые технологии сбора, передачи и обработки больших геоданных.
Системными проблемами в сфере реализации цифровой модернизации отрасли являются: комплексное внедрение технологий искусственного интеллекта и подготовка кадров для цифровизации производственных процессов производства нефти и газа, включая специалистов по кибербезопасности и петророботизации; правовые и гуманитарные аспекты применения автоматизированных систем и использования петроробототехники.
Общие затраты на цифровую модернизацию нефтегазового производства в условиях снижения углеродного следа могут достичь $5,0-5,5 млрд в год к 2035 г. На рис.1 представлена доля зарубежного оборудования в нефтегазовой отрасли.
Перед нефтегазовой отраслью стоят задачи по достижению высокой эффективности производства в условиях падающей нефтегазодобычи месторождений. Стандартизация цифрового нефтегазового производства позволит создать устойчивые технические ориентиры для модернизации нефтегазовых производственных процессов, включая сертификацию и технадзор, как наиболее распространенные в мире инструменты защиты национальных рынков нефти и газа. Поэтому процессы цифровизации нефтегазового производства должны строиться на новых ИТ-стандартах и классификаторах эффективности производства нефтегазовой продукции.
Проектный технический комитет РСПП по стандартизации ПКТ 711 «Умные (SMART) стандарты» приступил к работе по созданию машиночитаемых, машинопонимаемых стандартов, которые должны стать основой цифровой платформы, которая, как ожидается, будет включать цифровое производство и кибербезопасность. В рамках ЕАЭС реализуется проект цифрового технического регулирования, включая разработку системы единых стандартов для цифровизации промышленности на 2022 г.
Стандартизация является инструментом для практического внедрения цифровых нефтегазовых решений и должна способствовать устранению барьеров применению цифровых двойников нефтегазовых объектов и испытаний на цифровых полигонах, включая моделирование процессов измерения реальных параметров изделий, применения новейших технологий и материалов, оптимизации управления цепочкой поставок нефти, газа и нефтегазопродуктов на мировые рынки.
Среди ключевых проектов цифровой модернизации можно выделить мультисенсоризацию и оптикализацию нефтегазового производства как инструментов для формирования больших геолого-физических и технологических данных, а также разработку автоматизированных систем предупреждения осложнений при строительстве и эксплуатации скважин, создание аналитическо-прогнозной вертикали управления, развитие цифровых вертикалей экспертизы и государственного строительного надзора при освоении нефтегазовых месторождений.
На строительство скважин приходится более 40 % всех инвестиций в нефтегазодобыче. Внедрение систем искусственного интеллекта в процессы управления буровыми операциями позволяет достичь экологически безопасного уровня производства за счет своевременного предотвращения осложнений и аварийных ситуаций, а также нивелирования влияния человеческого фактора на аварийность при строительстве и эксплуатации нефтяных и газовых скважин.
Как показали исследования, человеческий фактор является причиной до 70 % осложнений и аварий в нефтегазовом производстве. Значительные улучшения в технологии сбора больших геоданных в жизненном цикле нефтегазовых скважин (бурение, эксплуатация, капитальный ремонт) способствовали разработке автоматизированных систем предотвращения осложнений, эффективность применения которых основана на выявлении скрытых закономерностей в больших геоданных на основе внедрения технологий искусственного интеллекта. При этом цифровые нефтегазовые технологии обладают способностью гибкой адаптации к непрерывному развитию и новым условиям нефтегазодобычи.
Значительные усовершенствования в технологии сбора больших данных в жизненном цикле скважин (бурение, эксплуатация, капитальный ремонт) способствовали разработке передовых систем предотвращения осложнений и аварий, основанных на выявлении скрытых закономерностей в больших данных методами искусственного интеллекта. К последним относится разработанная ИПНГ РАН совместно с РГУ имени И.М. Губкина и НИЦ «Курчатовский институт» автоматизированная система предупреждения осложнений и аварийных ситуаций (АС ПОАС) при строительстве нефтяных и газовых скважин [1–20].
Достоинством созданной интеллектуальной автоматизированной системы является возможность агрегации и предварительной обработки больших объемов разнородных данных с адаптивным выбором системы признаков для каждого вида осложнения, нормализации и разметки геоданных. Преимуществом созданной базовой версии АС ПОАС с использованием нейросетевых технологий и методов машинного обучения является способность выявлять скрытые закономерности возникновения аварийных ситуаций, возможность непрерывного дополнительного обучения в процессе эксплуатации для адаптации к различным геолого-физическим условиям.
Автоматизированная система предупреждения осложнений и аварийных ситуаций при строительстве нефтяных и газовых скважин имеет модульное построение и включает в свой состав базы данных размеченной и неразмеченной информации геолого-технологических исследований, симуляционнных моделей осложнений, верифицированных с использованием бурового тренажера, а также следующие функциональные программно-аппаратные модули:
– сбора реально-временных данных геолого-технологических исследований с объекта строительства скважины с подсоединенной к ней архивной базой данных геолого-технологических исследований;
– предварительной обработки данных геолого-технологических исследований;
– разметки данных геолого-технологических исследований, размеченную и неразмеченную базы данных геолого-технологических исследований, модуль формирования, обучения и валидации модели выявления аномалий в данных геолого-технологических исследований;
– формирования, обучения и валидации моделей прогнозирования значений функций индикаторов возникновения осложнений (поглощений, прихватов и газонефтеводопроявлений);
– прогнозирования возникновения аномалий в данных геолого-технологических исследований;
– прогнозирования значений функций индикаторов возникновения осложнений;
- формирования, обучения и валидации рекуррентной нейросетевой модели прогнозирования возникновения осложнений;
– оценки прогнозных значений вероятностей возникновения осложнений;
– анализа и формирования предупреждений о возникновении осложнений и аварийных ситуаций.
Функциональная схема автоматизированной системы предупреждения осложнений и аварийных ситуаций при строительстве нефтяных и газовых скважин приведена на рис. 2.
Отличительной особенностью созданной интеллектуальной автоматизированной системы является комплексное применение нейросетевых технологий и методов машинного обучения в зависимости от их эффективности при обработке различных типов входных данных. Для обучения на симуляционных данных использовалась модель машинного обучения на основе прогнозирования функций индикаторов возникновения осложнений. Для обработки неразмеченных данных геолого-технологических исследований применялся метод выявления аномалий.
Данные модели использовались, как для обучения рекуррентной классификационной нейронной сети по архивным данным, так и для обработки реальновременной информации, поступающей от станций геолого-технологических исследований в реальном масштабе времени. При этом результаты расчетов данных программных модулей подавались на отдельные входы классификационной нейронной сети в качестве наборов дополнительных данных, что позволило значительно повысить достоверность выявления и прогнозирования осложнений заданных типов, которая составила от 0,8 до 0,96 в зависимости от типа осложнения и объема набранных по ним обучающих последовательностей.
По результатам создания АС ПОАС было получено шесть свидетельств о регистрации компьютерных программ и два патента на изобретение [13–24].
Автоматизированная система предупреждения осложнений и аварийных ситуаций при строительстве нефтяных и газовых скважин строится по принципу открытой архитектуры с обеспечением возможностей как по модульному наращиванию возможностей по выявлению и прогнозированию новых типов и подтипов осложнений, так и по охвату контролируемых технологических процессов и механизмов.
При этом качественно новым этапом развития функциональных возможностей АС ПОАС является разработка включения в ее арсенал новых интеллектуальных технологий предотвращения осложнений в жизненном цикле нефтегазовых скважин, базирующихся на новейших достижениях в различных областях науки и техники.
Примером реализации данного подхода является применение технологии умных микроконтейнеров для борьбы с осложнениями типа «поглощения», разрабатываемой в широкой научной кооперации, включающей: Межотраслевой экспертно-аналитический центр Союза нефтегазопромышленников (МЭАЦ), ИНХС РАН им. А.В. Топчиева, ИПФ РАН, ИСЭ СО РАН, ИПНГ РАН, РГУ нефти и газа им. И.М. Губкина, РХТУ им. Д.И. Менделеева и ряд других организаций.
Поглощение бурового раствора – это потеря некоторого объема бурового раствора, а иногда и вовсе всего раствора, подаваемого в скважину, вследствие его фильтрации из ствола скважины в пласт, и как следствие, вызывающее осложнение в скважине, характеризующееся полной или частичной потерей циркуляции бурового раствора в процессе бурения.
По разным оценкам борьба с поглощениями промывочной жидкости в среднем занимает 20 % календарного времени строительства скважин. Ежегодные затраты времени на ликвидацию поглощений буровых растворов по предприятиям нефтегазовой промышленности составляют сотни тысяч часов.
Необходимость проведения работ по предупреждению поглощений бурового раствора обусловлена следующими обстоятельствами:
• поглощения могут привести к ухудшению коллекторских свойств продуктивного пласта, что в дальнейшем может привести к снижению дебита скважины;
• поглощения могут способствовать появлению новых осложнений при бурении (газонефтеводопроявления, осыпи, обвалы);
• борьба с возникновением поглощений и их последствиями приводит к задержкам при бурении скважин, и, как следствие, к серьезным финансово-экономическим потерям.
Основной причиной поглощения бурового раствора является значительное превышение величины давления, действующего со стороны скважины на пласт (сумма гидростатического и гидродинамического давлений), по сравнению с пластовым давлением:
Рпл + DРф ≤ Ргс + Ргд, где Ргс - гидростатическое давление, МПа; Ргд - гидродинамическое давление, МПа; DРф - фильтрационный перепад давления, обусловленный степенью загрязнения призабойной зоны пласта и проницаемостью пласта, МПа; Рпл - пластовое давление, МПа.
По своей природе причины возникновения поглощений промывочной жидкости можно подразделить на следующие:
– геологические (низкое пластовое давление вследствие длительной эксплуатации пласта; тектонические нарушения пород; высокая степень трещиноватости и кавернозности пород;
– технологические (свойства бурового раствора, такие как плотность и реологические свойства; расход бурового раствора; скорость проведения спускоподъемных операций, как правило, при спуске труб увеличивается давление на забое, что приводит к образованию трещин).
Поглощающие пласты обычно представлены несвязными, мелкопористыми, пористыми (песчаными и крупнообломочными), закарстованными и трещиноватыми породами. Наиболее интенсивные поглощения отмечаются чаще всего в крупнообломочных, закарстованных и трещиноватых горных породах.
Классификация поглощений бурового раствора по фактору объемов потери бурового раствора на один метр бурения позволяет выделить пять основных групп:
1.Умеренное поглощение (менее 5 %).
2.Частичное поглощение (5–30 %).
3.Среднее поглощение (30–60 %).
4.Полное поглощение (от 60 до 100 %, уровень бурового раствора падает на 50–150 м).
5.Катастрофическое поглощение (100 %, уровень бурового раствора падает на 150–300 м).
Для борьбы с поглощениями традиционно используются следующие технологии и вещества:
– предупреждение поглощений (регулирование реологических свойств промывочной жидкости, в том числе, изменение эффективной вязкости и плотности, аэрирование);
– уменьшение сечения или полной изоляции каналов поглощения и уменьшение перепада давления в системе скважина-пласт.
Намыв наполнителя (закупоривание поровых каналов и трещин и образование малопроницаемой фильтрационной корки материалами, доставляемыми в зону поглощения различными жидкостями-носителями). Объемная концентрация наполнителей в жидкости рекомендуется 15–20 %. В качестве жидкости намыва применяют глинистые растворы с фильтрацией более 40 см3/30 мин. Рекомендуемые концентрации наполнителей в растворе должны составлять не более 30 кг/м3 при роторном способе и не более 5 кг/м3 при турбинном. Намыв наполнителя применяется при поглощениях менее 100 м3/ч.
Продавливание тампонажных и быстросхватывающихся смесей. Способ закачивания тампонажных смесей заключается в изоляции поглощающих каналов загустевающими или твердеющими тампонажными смесями.
Бурение на обсадной колонне. При вращении обсадной колонны возникает такое явление, как механическая кольматация – выбуренный шлам вдавливается обсадной трубой в стенки скважины, поры и трещины закупориваются, а в случае наличия поглощения оно уменьшается или совсем ликвидируется.
Применение эластичных оболочек. Применяются перекрывающие устройства, которые спускаются в зону перекрытия поглощающих каналов вместе с тампонирующей смесью, которая выдавливается в скважину вместе с перекрывающей оболочкой.
Несмотря на то, что проблема поглощений изучается давно и используется целый ряд разработанных методов борьбы с ними, большая часть из них является затратными и имеет существенные недостатки:
• увеличение эффективной вязкости и динамического напряжения сдвига могут снизить интенсивность поглощения или его предотвратить, однако приводят к резкому падению механической скорости бурения;
• для аэрации необходимо компрессорное хозяйство. Кроме того, аэрация ускоряет коррозию бурильных труб и оборудования;
• при намыве наполнителей усложняется очистка бурового раствора, создаются пробки в местах сужения бурильных труб, что снижает эффективность работ;
• продавливание тампонажных смесей имеет некоторые ограничения в качестве метода борьбы с поглощением: интенсивность поглощения не менее 30 м3/час, зона поглощения расположена на глубине менее 2000 м, а выше нее отсутствуют высокопроницаемые пласты, необсаженный ствол скважины сложен устойчивыми породами;
• бурение на обсадной колонне ведет к ограниченной механической скорости проходки, а также, ввиду новизны технологии, к большой стоимости оборудования и проведения работ.
Основной целью разработки и внедрения технологии умных микроконтейнеров является повышение управляемости в тех промышленных процессах, где эта проблема носит наиболее острый характер и не имеет достаточно эффективного решения на сегодняшний день. На начальной стадии разработки это направление развивалось, как трансфер технологии – из фармакологии и медицины в промышленные процессы, связанные с добычей, транспортировкой и переработкой нефти и газа. Прежде всего, основные усилия были сосредоточены на выстраивании методики разработки технологических решений. В ходе этой работы определились основные точки компетенции в необходимых областях – химия, физические факторы, способы применения и пр.
При этом инновационным решением является использование умных микроконтейнеров для доставки специально подобранного закупоривающего материала, обладающего способностью к полимеризации, инициируемой теми или иными физическими факторами, что позволяет точечно направить его к местам дислокации каналов и полостей поглощения и локализовать изолирующий компонент (рис. 3).
В настоящее время проделана большая работа по подбору промышленных материалов и их сочетаний, технологий капсулирования, параметров воздействия, новых технологических решений создания оболочек и контейнеров, а также их постепенное технологическое адаптирование под конкретные производственные процессы (рис. 4).
Перемещение умных микроконтейнеров к стенкам ствола скважины и их локализация на участке поглощения осуществляется под действием магнитного поля. Экспериментально подтверждено повышение не только управляемости, но и производительности и эффективности процессов. На данном этапе решение задачи доставки микроконтейнеров происходит на уровне формирования параметров движения объектов, (исследование и нахождение оптимальных показателей управления), взаимодействия используемых веществ, материалов и факторов (физических и химических), создания объектов, запрограммированных для их применения в условиях скважин (рис. 5).
Ключевыми преимуществами технологии умных микроконтейнеров в данном случае являются высокая точность воздействия на зону поглощения, и, как следствие, снижение времени и количества материала, необходимого для устранения осложнения.
Процесс применения бурового раствора с умными микроконтейнерами для борьбы с поглощениями состоит из следующих технологических этапов (рис. 6):
• подготовка микроконтейнеров с закупоривающим веществом заданного типа;
• подача бурового раствора с умными микроконтейнерами в зону циркуляции;
• перемещение умных микроконтейнеров к стенкам ствола скважины под действием магнитного поля, локализация умных микроконтейнеров на участке поглощения;
• высвобождение закупоривающего вещества из умных микроконтейнеров под воздействием определенных физических факторов;
• интенсивная полимеризация закупоривающего агента;
• образование непроницаемого слоя за счет полимеризации изолирующего компонента.
При необходимости закачку промывочной жидкости с умными микроконтейнерами можно провести, несколько раз меняя характеристики закупоривающего материала, однако и в этом случае технология сохранит эффективность и экономичность. Стоит отметить возможность комбинирования технологии умных микроконтейнеров как с различными видами кольматантов, так и с некоторыми жидкостями, в том числе меняющими реологические свойства под действием физических факторов, таких как магнитное поле.
Также стоит отметить, как возможные, направления использования технологии УМК (помимо борьбы с поглощениями):
– разработка месторождений и добыча (МУН, РИР, трассеры);
– борьба с коррозией в системах трубопроводного транспорта;
– процессы очистки нефти (деметаллизация, сероочистка);
– процессы водоподготовки;
– процессы экологической ремедиации.

Заключение
Стратегические задачи по достижению высокой эффективности производства углеводородов и конкурентоспособности товарной продукции российского нефтегазового комплекса в условиях снижения углеродного следа могут быть достигнуты за счет глубокой технологической модернизации процессов строительства скважин. Системы искусственного интеллекта позволяют своевременно предупреждать бурильщика о возможном осложнении в виде поглощения бурового раствора при операциях бурения нефтяных и газовых скважин. Расширение возможностей интеллектуальных автоматизированных систем по борьбе с возникновением осложнений позволяет существенно повысить безопасность и эффективность производственных процессов строительства и эксплуатации нефтяных и газовых скважин. Борьба с поглощениями – одно из перспективных направлений для применения технологии умных микроконтейнеров. Внедрение технологии умных микроконтейнеров позволяет повысить качественные и количественные характеристики технологических процессов ликвидации поглощений, что приведет к значительному сокращению времени операций, и, как следствие, к снижению затрат на бурение скважины. В настоящее время проект (шифр– УМК БУР) находится в стадии разработки; для развития технологии УМК БУР ведется междисциплинарная научная работа в этом направлении. Результаты проделанной работы и научно-производственная кооперация позволяет рассчитывать на разработку в ближайшее время ряда прорывных технологий на базе применения умных микроконтейнеров для технологических процессов нефтегазового производства (бурение, МПН/МУН, нефтехимии) с достижением существенных технологических, экономических и экологических эффектов.

Статья подготовлена в рамках выполнения государственного задания (тема «Фундаментальный базис инновационных технологий нефтяной и газовой промышленности (фундаментальные, поисковые и прикладные исследования)», № ААААА19-119013190038-2).

Литература

1. Дмитриевский А.Н., Еремин Н.А. Цифровая глобальная декарбонизация газодобычи // Экологическая безопасность в газовой промышленности (ESGI-2021): материалы VII Международной научно-технической конференции, Москва, 07–08 декабря 2021 года / ООО "Газпром ВНИИГАЗ". – Москва: Общество с ограниченной ответственностью "Научно-исследовательский институт природных газов и газовых технологий – Газпром ВНИИГАЗ", 2021. – С. 4–5.
2. Dmitrievsky A.N., Eremin N.A., Filippova D.S., Safarova E.A. (2020). Digital oil and gas complex of Russia. Georesursy = Georesources, Special issue, – pp. 32–35. DOI: https://doi.org/10.18599/grs.2020.SI.32–35.
3. Цифровая глобальная декарбонизация зрелых нефтяных и газовых месторождений / Дмитриевский А.Н., ЕреминН.А., Басниева И.К. [и др.] // Черноморские нефтегазовые конференции: сборник докладов, Новороссийск; Сочи,
20.09.2021. – Новороссийск; Сочи: ООО «Научно-производственная фирма «Нитпо», – 2021. – С. 63–66.
4. Dmitrievsky A.N., Eremin N.A., Safarova E.A., FilippovaD.S., S.O. Borozdin. Qualitative Analysis of Time Series GeoData to Prevent Complications and Emergencies During Drilling of Oil and Gas Wells SOCAR Proceedings No.3 (2020) 031-037 ISSN 2218-6867 eISSN 2218-8622 http://dx.doi.org/10.5510/OGP20200300442.
5. Dmitrievsky A.N., Sboev A.G., Eremin N.A., Chernikov A.D., Naumov A.V., Gryaznov A.V., Moloshnikov I.A., Borozdin S.O., Safarova E.A. (2020). On increasing the productive time of drilling oil and gas wells using machine learning methods. Georesursy = Georesources, 22(4), – pp. 79–85. DOI: https://doi.org/10.18599/grs.2020.4.79-85.
6. 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.
7. Черников А.Д., Еремин Н.А., Столяров В.Е., Сбоев А.Г., Семенова-Чащина О.К., Фицнер Л.К. (2020). Применение методов искусственного интеллекта для выявления и прогнозирования осложнений при строительстве нефтяных и газовых скважин: проблемы и основные направления решения // Георесурсы. – № 22(3). – C. 87–96. DOI: https://doi.org/10.18599/grs.2020.3.87-96.
8. 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. – № 8 (1162). – С. 63–67. DOI: 10.24887/0028-2448-2020-8-63-67.
9. 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.
10. 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. DOI 10.33285/0132-2222-2020-5(562)-26-36.
11. 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 // Neftegaz.Ru. – 2020. – № 4 (100). – С. 38–50.
12. 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.
13. 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.
14. 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.
15. 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.
16. 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.
17. 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.
18. 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.
19. Дмитриевский А.Н., Еремин Н.А., Черников А.Д., Чащина-Семенова О.К., Фицнер Л.К. Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин // Патент на изобретение RU 2 745 137 C1, 22.03.2021. Заявка № 2020129673 от 08.09.2020. Automated system for identifying and predicting complications during the construction of oil and gas wells.
20. Дмитриевский А.Н., Еремин Н.А., Черников А.Д., Чащина-Семенова О.К., Фицнер Л.К. Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин // Патент на изобретение RU 2 745 136 C1, 22.03.2021. Заявка № 2020129671 от 08.09.2020. Automated system for identifying and predicting complications during the construction of oil and gas wells.
21. Ерохин В.В., Сухоруков Г.Б., Викторова Н.В., Алиева Л.А., Котикова Е.Д., Деметаллизация нефти и ее фракций // Мир нефтепродуктов. – 2020. – № 6.
22. Шмаль Г.И., Замрий А.В., Викторова Н.В., Алиева Л.А. Нефть без серы – это реальность // НЕФТЕГАЗОВАЯ ВЕРТИКАЛЬ. – 2020. – № 3–4.– С. 102. – С. 1–8.
23. Замрий А.В., Викторова Н.В. // Умные микроконтейнеры // НЕФТЕГАЗОВАЯ ВЕРТИКАЛЬ. – 2019. – № 5. – С. 27–31.
24. Ерохин В.В., Сухоруков Г.Б., Викторова Н.В., Алиева Л.А. Применение умных микроконтейнеров в процессах полимеризации // НЕФТЕГАЗОВАЯ ВЕРТИКАЛЬ. – 2021. – № 11–12.

References

1. Dmitriyevskiy A.N., Yeremin N.A. Tsifrovaya global'naya dekarbonizatsiya gazodobychi // Ekologicheskaya bezopasnost' v gazovoy promyshlennosti (ESGI-2021) [Digital global decarbonization of gas production. Environmental safety in the gas industry (ESGI-2021)], Materialy VII Mezhdunarodnoy nauchno-tekhnicheskoy konferentsii [Proceedings of the VII International Scientific and Technical Conference] – Moscow, – 07–08 December 2021, "Gazprom VNIIGAZ" LLC, – pp. 4–5. (In Russian).
2. Dmitrievsky A.N., Eremin N.A., Filippova D.S., Safarova E.A. (2020). Digital oil and gas complex of Russia. Georesursy – Georesources, Special issue, – pp. 32–35. DOI: https://doi.org/10.18599/grs.2020.SI.32–35. (In English).
3. Dmitrievsky A.N., Eremin N.A., Basniyeva I.K. Tsifrovaya global'naya dekarbonizatsiya zrelykh neftyanykh i gazovykh mestorozhdeniy [Digital global decarbonization of mature oil and gas fields] Chernomorskiye neftegazovyye konferentsii. Sbornik dokladov [Black Sea oil and gas conferences. Collection of reports]. – Novorossiysk, Sochi, – 20 September 2021, «Nauchno-proizvodstvennaya firma «Nitpo» LLC Publ., – 2021, – pp. 63–66.
(In Russian).
4. Dmitrievsky A.N., Eremin N.A. Safarova E.A., Filippova D.S., Borozdin S.O. Qualitative Analysis of Time Series GeoData to Prevent Complications and Emergencies During Drilling of Oil and Gas Wells SOCAR Proceedings No.3 (2020) 031-037. ISSN 2218-6867 eISSN 2218-8622 http://dx.doi.org/10.5510/OGP20200300442.
(In English).
5. Dmitrievsky A.N., Sboev A.G., Eremin N.A., Chernikov A.D., Naumov A.V., Gryaznov A.V., Moloshnikov I.A., Borozdin S.O., Safarova E.A. (2020). On increasing the productive time of drilling oil and gas wells using machine learning methods. Georesursy – Georesources, 22(4), – pp. 79–85. DOI: https://doi.org/10.18599/grs.2020.4.79-85. (In English).
6. Dmitriyevskiy A.N., Duplyakin V.O., Yeremin N.A., Kapranov V.V. Algoritm sozdaniya neyrosetevoy modeli dlya klassifikatsii v sistemakh predotvrashcheniya oslozhneniy i avariynykh situatsiy pri stroitel'stve neftyanykh i gazovykh skvazhin. [Algorithm for creating a neural network model for classification in systems for preventing complications and emergencies during the construction of oil and gas wells]. Datchiki i sistemy [Sensors and systems], – 2019, – no. 12 (243), – pp. 3–10. (In Russian).
7. Chernikov A.D., Yeremin N.A., Stolyarov V.Ye., Sboyev A.G., Semenova-Chashchina O.K., Fitsner L.K. (2020). Primeneniye metodov iskusstvennogo intellekta dlya vyyavleniya i prognozirovaniya oslozhneniy pri stroitel'stve neftyanykh i gazovykh skvazhin: problemy i osnovnyye napravleniya resheniya [Application of artificial intelligence methods to identify and predict complications in the construction of oil and gas wells: problems and main directions of solution]. Georesursy [Georesursy], no. 22(3), – pp. 87–96. DOI: https://doi.org/10.18599/grs.2020.3.87-96. (In Russian).
8. Arkhipov A.I., Dmitriyevskiy A.N., Yeremin N.A., Chernikov A.D., Borozdin S.O., Safarova Ye.A., Seynaroyev M.R. Analiz kachestva dannykh stantsii geologo-tekhnologicheskikh issledovaniy pri raspoznavanii pogloshcheniy i gazoneftevodoproyavleniy dlya povysheniya tochnosti prognozirovaniya neyrosetevykh algoritmov [Analysis of the quality of data of the station of geological and technological research in the recognition of absorption and gas and oil and water shows to improve the accuracy of forecasting neural network algorithms]. Neftyanoe Khozyaistvo [Neftyanoye khozyaystvo], – 2020, no. 8 (1162), – pp. 63–67. DOI: 10.24887/0028-2448-2020-8-63-67. (In Russian).
9. 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.(In English).
10. Yeremin N.A., Chernikov A.D., Sardanashvili O.N., Stolyarov V.Ye. Intellektual'noye bureniye pri obustroystve tsifrovykh mestorozhdeniy [Intelligent drilling in the development of digital fields]. Avtomatizatsiya, telemekhanizatsiya i svyaz' v neftyanoy promyshlennosti. [Automation, telemechanization and communication in the oil industry], – 2020, no. 5 (562), – pp. 26–36. DOI 10.33285/0132-2222-2020-5(562)-26-36. (In Russian).
11. Yeremin N.A., Chernikov A.D., Sardanashvili O.N., Stolyarov V.Ye., Arkhipov A.I. Tsifrovyye tekhnologii stroitel'stva skvazhin. Sozdaniye vysokoproizvoditel'noy avtomatizirovannoy sistemy predotvrashcheniya oslozhneniy i avariynykh situatsiy v protsesse stroitel'stva neftyanykh i gazovykh skvazhin [Digital well construction technologies. Creation of a high-performance automated system for preventing complications and emergencies during the construction of oil and gas wells]. Neftegaz.Ru [Neftegaz.Ru], – 2020, – no. 4 (100), – pp. 38–50. (In Russian).
12. Dmitriyevskiy A.N., Yeremin N.A., Stolyarov V.Ye. Rol' informatsii v primenenii tekhnologiy iskusstvennogo intellekta pri stroitel'stve skvazhin dlya neftegazovykh mestorozhdeniy [The role of information in the application of artificial intelligence technologies in the construction of wells for oil and gas fields]. Nauchnyy zhurnal Rossiyskogo gazovogo obshchestva [Scientific Journal of the Russian Gas Society], – 2020, – no. 3 (26), – pp. 6–21. (In Russian).
13. Yeremin N.A., Vodop'yan A.O., Duplyakin V.O., Chernikov A.D., Kosmos S.A. Programmnyy komponent "Neftegazovyy blokcheyn" [Software component "Oil and gas blockchain"] Svidetel'stvo o registratsii programmy dlya EVM RU 2020614626, 17.04.2020. Zayavka no. 2020613699 dd. 27.03.2020. [Certificate of registration of the computer program registration]. (In Russian).
14. Yeremin N.A., Dmitriyevskiy A.N., Chashchina-Semenova O.K., Fitsner L.K., Chernikov A.D. Programmnyy komponent "Neyrosetevyye raschety – postroyeniye modeley prognoza oslozhneniy i avariynykh situatsiy pri burenii i stroitel'stve skvazhin» (PKNR) [Software component "Neural network calculations - building models for predicting complications and emergencies during drilling and construction of wells" (PKNR)]. Svidetel'stvo o registratsii programmy dlya EVM RU 2020660892, 15.09.2020. Zayavka no. 2020660182 dd. 08.09.2020 [Certificate of registration of the computer program]. (In Russian).
15. Yeremin N.A., Dmitriyevskiy A.N., Chashchina-Semenova O.K., Fitsner L.K., Chernikov A.D. Programmnyy komponent "Adaptatsiya obobshchennykh neyrosetevykh modeley prognozirovaniya oslozhneniy i avariynykh situatsiy k geofizicheskim parametram pri burenii konkretnoy skvazhiny» [Software component "Adaptation of generalized neural network models for predicting complications and emergencies to geophysical parameters when drilling a specific well"]. Svidetel'stvo o registratsii programmy dlya EVM RU 2020660890, 15.09.2020. Zayavka no. 2020660179 dd. 08.09.2020. [Certificate of registration of the computer program]. (In Russian).
16. Yeremin N.A., Dmitriyevskiy A.N., Chashchina-Semenova O.K., Fitsner L.K., Chernikov A.D. Programmnyy komponent "Indikatsiya prognoza oslozhneniy i avariynykh situatsiy pri burenii i stroitel'stve skvazhin» (PK «Indikatsiya») [Software component "Indication of the forecast of complications and emergencies during drilling and construction of wells" (PK "Indication")]. Svidetel'stvo o registratsii programmy dlya EVM RU 2020661356, 22.09.2020. Zayavkano, no. 2020660450 dd. 14.09.2020. [Certificate of registration of the computer program]. (In Russian).
17. Yeremin N.A., Dmitriyevskiy A.N., Chashchina-Semenova O.K., Fitsner L.K., Chernikov A.D. Programmnyy komponent "Orkestrovka – integratsiya moduley sistemy prognozirovaniya oslozhneniy i avariynykh situatsiy pri burenii i stroitel'stve skvazhin» [Software component "Orchestration - integration of modules of the system for predicting complications and emergencies during drilling and well construction"]. Svidetel'stvo o registratsii programmy dlya EVM RU 2020660891, 15.09.2020. Zayavka no. 2020660181 dd. 08.09.2020. [Certificate of registration of the computer program]. (In Russian).
18. Yeremin N.A., Vinokurov V.A., Gushchin P.A., Dmitriyevskiy A.N., Chashchina-Semenova O.K., Fitsner L.K., Chernikov A.D., Nasekin K.K., Safarova Ye.A., Borozdin S.O., Arkhipov A.I. Programmnyy komponent "Obratnaya svyaz'» [Software component "Feedback"]. Svidetel'stvo o registratsii programmy dlya EVM RU 2020665410, 26.11.2020. Zayavka no. 2020661058 dd. 25.09.2020. Data publikatsii. 26.11.2020. [Certificate of registration of the computer program]. (In Russian).
19. Dmitriyevskiy A.N., Yeremin N.A., Chernikov A.D., Chashchina-Semenova O.K., Fitsner L.K. Avtomatizirovannaya sistema vyyavleniya i prognozirovaniya oslozhneniy v protsesse stroitel'stva neftyanykh i gazovykh skvazhin [Automated system for detecting and predicting complications during the construction of oil and gas wells]. Patent na izobreteniye RU 2 745 137 C1, 22.03.2021. Zayavka no. 2020129673 dd 08.09.2020 [Patent for invention]. (In Russian).
20. Dmitriyevskiy A.N., Yeremin N.A., Chernikov A.D., Chashchina-Semenova O.K., Fitsner L.K. Avtomatizirovannaya sistema vyyavleniya i prognozirovaniya oslozhneniy v protsesse stroitel'stva neftyanykh i gazovykh skvazhin [Automated system for detecting and predicting complications during the construction of oil and gas well]. Patent na izobreteniye RU 2 745 136 C1, 22.03.2021. Zayavka no. 2020129671 dd. 08.09.2020. [Patent for invention]. (In Russian).
21. Yerokhin V.V., Sukhorukov G.B., Viktorova N.V., Aliyeva L.A., Kotikova Ye.D., Demetallizatsiya nefti i yeye fraktsiy “Demetallization of oil and its fractions,”. Mir nefteproduktov [World of oil products], – 2020, – no. 6. (In Russian).
22. Shmal' G.I., Zamriy A.V., Viktorova N.V., Aliyeva L.A. Neft' bez sery – eto real'nost' [Oil without sulfur is a reality]. Neftegazovaya vertikal' [Oil and gas vertical], – 2020, – no. 3–4, – pp. 102,
– pp. 1–8. (In Russian).
23. Zamriy A.V., Viktorova N.V. Umnyye mikrokonteynery [Smart microcontainers]. Neftegazovaya vertikal' [Oil and gas vertical]. – 2019, – no. 5, – pp. 27–31. (In Russian).
24. Yerokhin V.V., Sukhorukov G.B., Viktorova N.V., Aliyeva L.A. Primeneniye umnykh mikrokonteynerov v protsessakh polimerizatsii [Application of smart microcontainers in polymerization processes]. Neftegazovaya vertikal' [Oil and gas vertical], – 2021,
– no. 11–12. (In Russian).

Комментарии посетителей сайта

    Функция комментирования доступна только для зарегистрированных пользователей

    Авторизация


    регистрация

    Дмитриевский А.Н.

    Дмитриевский А.Н.

    д.г.-м.н., академик РАН, директор

    Институт проблем нефти и газа РАН

    Максимов А.Л.

    Максимов А.Л.

    член-корр. РАН, директор

    ИНХС РАН

    Антонов С.В.

    Антонов С.В.

    к.х.н., заместитель директора

    Институт нефтехимического синтеза Российской Академии наук

    Еремин Н.А.

    Еремин Н.А.

    д.т.н., профессор

    РГУ нефти и газа (НИУ) имени И.М. Губкина заместитель директора по инновационной работе ИПНГ РАН

    Черников А.Д.

    Черников А.Д.

    к.т.н., главный научный сотрудник

    ФГБУН Институт проблем нефти и газа РАН г. Москва, 119333, РФ

    Замрий А.В.

    Замрий А.В.

    исполнительный директор МЭАЦ

    Союз нефтегазопромышленников России

    Черных С.П.

    Черных С.П.

    старший советник

    Межотраслевой экспертно-аналитический центр Союза Нефтегазопромышленников России г. Москва, 125009, РФ

    Алиева Л.А.

    Алиева Л.А.

    старший аналитик МЭАЦ

    Союз нефтегазопромышленников России

    Хаматов А.Р.

    Хаматов А.Р.

    аналитик

    МЭАЦ СНГПР

    Просмотров статьи: 4494

    Рейтинг@Mail.ru

    admin@burneft.ru