Mikser
Как искусственный интеллект научили добывать нефть ( 11 фото )
Человек или искусственный интеллект?!
Пока в нашем ответе приходится делать оговорку - «…и искусственный интеллект»: человек остается, а ИИ ему помогает. Но во многих отраслях умные программы начинают замещать нас, особенно на крупных производствах. Уже тревожит сценарий, когда однажды мы зададим тот же вопрос Машине, но она в ответе «человека» уже не учтет.
Да, мы привыкли к автоматизированным конвейерам на автозаводах, но цифровые руки добрались и до священной для нашей страны - нефтянки. ИИ уже учат искать «черное золото» и расставлять скважины: как это делают и где человек еще незаменим – сегодня разберем современную нефтяную индустрию.
Зачем так сложно?
В мире уже практически не осталось легкой нефти. Легкой, имеется ввиду, в плане добычи. В середине прошлого века нефтяные залежи располагались на глубине до 1 км и добыча осуществлялась достаточно простыми. На сегодняшний взгляд, способами. После работы геологов-разведчиков достаточно было пробурить неглубокую скважину и установить небольшую качалку-насос.
Наступил 21-й век и - все изменилось. Легкая нефть вся добыта, а потребление нефтепродуктов только растет. Отрасли пришлось существенно измениться, можно сказать, что нефтянка сместилась в сторону высоких технологий и цифровых решений. Только представьте – чтобы достать нефть из-под земли, сейчас бурятся не вертикальные, а горизонтальные скважины до 4 км. Новые технологии позволяют вести разработку таких проектов, которые раньше даже не рассматривались как что-то реальное.
Немного развеем миф о том, что происходит глубоко под землей. Многие ошибочно думают, что там текут нефтяные реки или сконцентрированы целые озера. И задача нефтяников - только поднять ценную жидкость на поверхность. На самом же деле все обстоит совсем не так.
Нефть добывается из нефтесодержащей породы, которая обладает разной проницаемостью (насколько просто жидкости проходит через породу). Если говорить образно, то породу с хорошей проницаемостью можно сравнить с мокрой губкой для мытья посуды, а с плохой - с сырым деревом. И там, и там есть влага, однако, для получения ее из губки достаточно минимальных усилий, а вот чтобы извлечь ее из твердого дерева, нужно использовать другие инструменты, применить другие технологии.
«Губки» в нашей стране закончились еще в прошлом веке, сейчас идет кропотливая работа по извлечению нефти из твердых и особо твердых пород.
Немного цифр.
В середине 20 века добывали нефть из пород с проницаемостью в 1000 единиц, в 70-х годах - уже 100 единиц, сейчас же идет работа с месторождениями, где проницаемость пласта всего 0,1 единицы.
Есть и более трудоемкие пласты пород. Например, «Баженовская свита», где проницаемость составляет всего в 0,01 единицу. По сути, это уже нефтесодержащий сланец.
На фото два образца - керны породы. Один, более рыхлый (слева), с проницаемостью 10 единиц, второй (справа) керн - твердая сланцевая порода с проницаемстью 0,01 ед. На ощупь тверже хоккейной шайбы. Вот из этих пород нефтяники и качают нефть в современных условиях:
Данные из керновых лабораторий и с датчиков заносят в цифровую модель месторождения (точная электронная копия, как в компьютерной игре), где вместо пикселей весь объект разбит на специальные клеточки. В них помещают данные о том, где залегает глина, где вода, где газ, а где нефтесодержащие породы.
Но даже после всех процедур область неизвестности и объем знаний о геологии месторождения можно сравнить с Азовским морем и цистерной бензовоза.
Здесь проявляются бесспорные преимущества искусственного интеллекта: он анализирует всю информацию в цифровой модели месторождения на основе баз данных уже изученных геологических сочетаний находят закономерности и достраивают недостающие данные в пустых клеточках.
Визуально получается цифровая картина, где, голубым цветом подсвечена вода, желтым - глина, серым песчаник с зажатой в его порах нефтью:
Так строятся трехмерные модели месторождения по данным сейсморазведки и по итогам исследований в геологоразведочной скважине: это позволяет представить расположение нефтеносных пластов под землей:
Затем нужно расставить по месторождению добывающие скважины. Комбинаций их расположения могут быть сотни и тысячи - просчитать их вручную просто нереально, на это уйдет огромное количество времени и человеческих ресурсов. Поэтому эту работу сегодня тоже доверяют ИИ:
В современной нефтяной отрасли уже давно не бурят вертикальные скважины, поскольку они малоэффективны. Сейчас, в основном, все скважины имеют горизонтальные ответвления для максимально эффективной добычи в конкретном месте:
Все эти расчеты делают разработчики месторождений еще на стадии проектирования. Огромная работа, которая требует максимально точного расчета на основе полученной геологической модели пласта. Для этих целей российскими нефтяниками разработано несколько программ на основе нейросетей и искусственного интеллекта. Одна из новинок – гордость петербургских разработчиков программа "ОптимА", которая позволяет объединить в себе все полученные данные и построить наиболее эффективную модель разработки конкретного пласта.
Кроме расстановки добывающих скважин, разработчики проектируют с помощью умных программ расстановку нагнетательных скважин для увеличения объемов добычи нефти. Через нагнетательные скважины подается под давлением вода. Из-за разницы в плотности вода вытесняет более легкую нефть к добывающим скважинам.
Также через "Оптиму" с помощью ИИ ведутся расчеты затратных частей разработки и возможного дебета полученного продукта. Пример. Средняя протяженность горизонтального участка скважины около 3 км. Технологически возможно пробурить и 5 км, но затраты на бурение дополнительных 2 км скважины будут несоизмеримы с прогнозируемым увеличением добычи нефти из этой скважины.
В среднем, использование функционала "Оптимы" повышает эффективность разработки пласта на 20% в сравнении с традиционными «человеческими» расчетами разработчиков:
Для объединения всех рабочих и вычислительных процессов в одну единую базу нефтяники стремятся к интеграции всего технологического процесса на месторождении. И здесь тоже не обойтись без умных цифровых программ. Системный инжиниринг предполагает, что в режиме реального времени система должна учитывать данные со всех датчиков под землей и на поверхности, рассчитывать оптимальную логистику, энергопотребление. Только ИИ может максимально эффективно спланировать процессы, входящие в этот цикл:
В отличие, к примеру, от ритейла и банковского сектора, нефтяная индустрия базируется на физических активах (месторождениях, скважинах, заводах, нефтепродуктах и т.д.). Создание цифровых двойников направлено на то, чтобы максимально эффективно управлять имеющейся инфраструктурой. Для этого выстраиваются цифровые и математические модели, которые в режиме реального времени реагируют на изменения окружающей среды по аналогии с физическим активом - цифровые двойники. Таким образом, у компании появляется принципиально новый актив - киберфизические системы. Это ключевое отличие от других индустрий.
Стремительное развитие ИИ в промышленных компаниях показывает тренд, что они трансформируются из потребителей технологий в их создателей. К примеру, объемы данных, которые обрабатывают умные системы в нефтяных компаниях, уже сейчас превышают существующие возможности аналогов гигантов банковского сектора и рынка телекоммуникаций.
И желания нефтегазовых королей по всему миру заключаются в том, чтобы все больше доверять эффективность своего бизнеса Машине. Это можно проследить даже по бесконечным анонсам новых хакатонов и ИТ-конкурсов, которые нон-стопом идут в России и за рубежом. К примеру, прямо сейчас, с сентября по ноябрь в Москве и Петербурге идет открытый конкурс для программистов и разработчиков Gazprom neft SmartOil Contest (smart-oil.online), посвященный созданию программ с ИИ для нефтедобычи.
Если у вас есть производство или сервис, о котором вы хотите рассказать нашим читателям, пишите Аслану (shauey@yandex.ru) и мы сделаем самый лучший репортаж, который увидят не только читатели сообщества, но и сайта Как это сделано
Пока в нашем ответе приходится делать оговорку - «…и искусственный интеллект»: человек остается, а ИИ ему помогает. Но во многих отраслях умные программы начинают замещать нас, особенно на крупных производствах. Уже тревожит сценарий, когда однажды мы зададим тот же вопрос Машине, но она в ответе «человека» уже не учтет.
Да, мы привыкли к автоматизированным конвейерам на автозаводах, но цифровые руки добрались и до священной для нашей страны - нефтянки. ИИ уже учат искать «черное золото» и расставлять скважины: как это делают и где человек еще незаменим – сегодня разберем современную нефтяную индустрию.
Зачем так сложно?
В мире уже практически не осталось легкой нефти. Легкой, имеется ввиду, в плане добычи. В середине прошлого века нефтяные залежи располагались на глубине до 1 км и добыча осуществлялась достаточно простыми. На сегодняшний взгляд, способами. После работы геологов-разведчиков достаточно было пробурить неглубокую скважину и установить небольшую качалку-насос.
Наступил 21-й век и - все изменилось. Легкая нефть вся добыта, а потребление нефтепродуктов только растет. Отрасли пришлось существенно измениться, можно сказать, что нефтянка сместилась в сторону высоких технологий и цифровых решений. Только представьте – чтобы достать нефть из-под земли, сейчас бурятся не вертикальные, а горизонтальные скважины до 4 км. Новые технологии позволяют вести разработку таких проектов, которые раньше даже не рассматривались как что-то реальное.
Немного развеем миф о том, что происходит глубоко под землей. Многие ошибочно думают, что там текут нефтяные реки или сконцентрированы целые озера. И задача нефтяников - только поднять ценную жидкость на поверхность. На самом же деле все обстоит совсем не так.
Нефть добывается из нефтесодержащей породы, которая обладает разной проницаемостью (насколько просто жидкости проходит через породу). Если говорить образно, то породу с хорошей проницаемостью можно сравнить с мокрой губкой для мытья посуды, а с плохой - с сырым деревом. И там, и там есть влага, однако, для получения ее из губки достаточно минимальных усилий, а вот чтобы извлечь ее из твердого дерева, нужно использовать другие инструменты, применить другие технологии.
«Губки» в нашей стране закончились еще в прошлом веке, сейчас идет кропотливая работа по извлечению нефти из твердых и особо твердых пород.
Немного цифр.
В середине 20 века добывали нефть из пород с проницаемостью в 1000 единиц, в 70-х годах - уже 100 единиц, сейчас же идет работа с месторождениями, где проницаемость пласта всего 0,1 единицы.
Есть и более трудоемкие пласты пород. Например, «Баженовская свита», где проницаемость составляет всего в 0,01 единицу. По сути, это уже нефтесодержащий сланец.
На фото два образца - керны породы. Один, более рыхлый (слева), с проницаемостью 10 единиц, второй (справа) керн - твердая сланцевая порода с проницаемстью 0,01 ед. На ощупь тверже хоккейной шайбы. Вот из этих пород нефтяники и качают нефть в современных условиях:
Данные из керновых лабораторий и с датчиков заносят в цифровую модель месторождения (точная электронная копия, как в компьютерной игре), где вместо пикселей весь объект разбит на специальные клеточки. В них помещают данные о том, где залегает глина, где вода, где газ, а где нефтесодержащие породы.
Но даже после всех процедур область неизвестности и объем знаний о геологии месторождения можно сравнить с Азовским морем и цистерной бензовоза.
Здесь проявляются бесспорные преимущества искусственного интеллекта: он анализирует всю информацию в цифровой модели месторождения на основе баз данных уже изученных геологических сочетаний находят закономерности и достраивают недостающие данные в пустых клеточках.
Визуально получается цифровая картина, где, голубым цветом подсвечена вода, желтым - глина, серым песчаник с зажатой в его порах нефтью:
Так строятся трехмерные модели месторождения по данным сейсморазведки и по итогам исследований в геологоразведочной скважине: это позволяет представить расположение нефтеносных пластов под землей:
Затем нужно расставить по месторождению добывающие скважины. Комбинаций их расположения могут быть сотни и тысячи - просчитать их вручную просто нереально, на это уйдет огромное количество времени и человеческих ресурсов. Поэтому эту работу сегодня тоже доверяют ИИ:
В современной нефтяной отрасли уже давно не бурят вертикальные скважины, поскольку они малоэффективны. Сейчас, в основном, все скважины имеют горизонтальные ответвления для максимально эффективной добычи в конкретном месте:
Все эти расчеты делают разработчики месторождений еще на стадии проектирования. Огромная работа, которая требует максимально точного расчета на основе полученной геологической модели пласта. Для этих целей российскими нефтяниками разработано несколько программ на основе нейросетей и искусственного интеллекта. Одна из новинок – гордость петербургских разработчиков программа "ОптимА", которая позволяет объединить в себе все полученные данные и построить наиболее эффективную модель разработки конкретного пласта.
Кроме расстановки добывающих скважин, разработчики проектируют с помощью умных программ расстановку нагнетательных скважин для увеличения объемов добычи нефти. Через нагнетательные скважины подается под давлением вода. Из-за разницы в плотности вода вытесняет более легкую нефть к добывающим скважинам.
Также через "Оптиму" с помощью ИИ ведутся расчеты затратных частей разработки и возможного дебета полученного продукта. Пример. Средняя протяженность горизонтального участка скважины около 3 км. Технологически возможно пробурить и 5 км, но затраты на бурение дополнительных 2 км скважины будут несоизмеримы с прогнозируемым увеличением добычи нефти из этой скважины.
В среднем, использование функционала "Оптимы" повышает эффективность разработки пласта на 20% в сравнении с традиционными «человеческими» расчетами разработчиков:
Для объединения всех рабочих и вычислительных процессов в одну единую базу нефтяники стремятся к интеграции всего технологического процесса на месторождении. И здесь тоже не обойтись без умных цифровых программ. Системный инжиниринг предполагает, что в режиме реального времени система должна учитывать данные со всех датчиков под землей и на поверхности, рассчитывать оптимальную логистику, энергопотребление. Только ИИ может максимально эффективно спланировать процессы, входящие в этот цикл:
В отличие, к примеру, от ритейла и банковского сектора, нефтяная индустрия базируется на физических активах (месторождениях, скважинах, заводах, нефтепродуктах и т.д.). Создание цифровых двойников направлено на то, чтобы максимально эффективно управлять имеющейся инфраструктурой. Для этого выстраиваются цифровые и математические модели, которые в режиме реального времени реагируют на изменения окружающей среды по аналогии с физическим активом - цифровые двойники. Таким образом, у компании появляется принципиально новый актив - киберфизические системы. Это ключевое отличие от других индустрий.
Стремительное развитие ИИ в промышленных компаниях показывает тренд, что они трансформируются из потребителей технологий в их создателей. К примеру, объемы данных, которые обрабатывают умные системы в нефтяных компаниях, уже сейчас превышают существующие возможности аналогов гигантов банковского сектора и рынка телекоммуникаций.
И желания нефтегазовых королей по всему миру заключаются в том, чтобы все больше доверять эффективность своего бизнеса Машине. Это можно проследить даже по бесконечным анонсам новых хакатонов и ИТ-конкурсов, которые нон-стопом идут в России и за рубежом. К примеру, прямо сейчас, с сентября по ноябрь в Москве и Петербурге идет открытый конкурс для программистов и разработчиков Gazprom neft SmartOil Contest (smart-oil.online), посвященный созданию программ с ИИ для нефтедобычи.
Если у вас есть производство или сервис, о котором вы хотите рассказать нашим читателям, пишите Аслану (shauey@yandex.ru) и мы сделаем самый лучший репортаж, который увидят не только читатели сообщества, но и сайта Как это сделано
Взято: Тут
0