Бурение скважин — дорогостоящий процесс, существенно влияющий на себестоимость добычи нефти. И чем дальше, тем сложнее и дороже он становится: чтобы эффективно разрабатывать трудноизвлекаемые запасы, нужно строить сложные, высокотехнологичные скважины. Повышать эффективность бурения помогают технологии Индустрии 4.0 — анализ больших данных, интернет вещей, искусственный интеллект. Целый ряд соответствующих цифровых проектов запущен в блоке разведки и добычи «Газпром нефти».
Благодарим редакцию корпоративного журнала "Сибирская нефть" ПАО «Газпром нефть» за предоставление данного материала.
«Газпром нефть» давно занимается вопросами эффективности бурения, реализуя организационные и технологические проекты, о которых уже не раз писала «Сибирская нефть»: проект «Технический предел», Центр управления бурением, создание высокотехнологичных буровых установок для российского рынка и др. Причины повышенного внимания к этой сфере в недостаточной развитости российского нефтесервисного рынка. Отсутствие серьезной конкуренции приводит к тому, что участники рынка не спешат вкладывать значительные ресурсы в развитие и брать на себя связанные с этим дополнительные риски. Поэтому нередко внедрение новых технологий — инициатива самих нефтедобывающих компаний.
В «Газпром нефти» процесс проектирования и строительства скважин оцифрован: их расположение, траектория и конструкция рассчитываются в компьютерных симуляторах
В «Газпром нефти» процесс проектирования и строительства скважин сегодня уже во многом оцифрован. Расположение скважин, их траектория и конструкция, отдельные операции (спуск обсадных колонн, цементирование ствола и др.) рассчитываются в специальных компьютерных симуляторах. Программное обеспечение позволяет оценить ожидаемую отдачу от пласта и найти оптимальные способы ее достижения.
В процессе бурения со скважины поступает обильный поток данных. Это показания датчиков геолого-технологических исследований (ГТИ), данные каротажа в процессе бурения, показания телеметрии наклонно направленного бурения, реология бурового раствора и т. д. Большое количество разноплановой информации по каждой скважине поступает в Центр управления бурением (ЦУБ) «Геонавигатор», и основная задача центра — обеспечить максимально эффективное использование данных при сопровождении и контроле процесса строительства скважин.
Несмотря на то что объем этих данных огромен, сегодня их уже недостаточно, отмечает руководитель направления по бурению и автоматизации процессов Научно-Технического Центра «Газпром нефти» Максим Елфимов: «Сейчас мы практически не получаем информации о состоянии такого оборудования на буровой, как насосы, верхний силовой привод и др. В лучшем случае эти данные собирает буровой подрядчик. Датчики вибрации и температуры бурового насоса, датчики крутящего момента на верхних приводах, дополнительные газоанализаторы не являются стандартным оборудованием и на многих буровых отсутствуют».
Дооборудование буровых установок такими датчиками — важная задача, которую «Газпром нефть» уже реализует в сотрудничестве с буровыми подрядчиками, эксплуатирующими их. «Мы занимаемся этим, чтобы лучше понимать источники непроизводительного времени, с которым связан большой объем затрат при бурении, — объясняет Максим Елфимов. — Частая причина простоев — выход из строя оборудования. Датчики дают нам возможность оценивать его износ, предотвращать выход из строя и сокращать непроизводительное время за счет своевременного обслуживания».
«Газпром нефть» стимулирует такое развитие в отрасли бурения, несмотря на то что ставки буровых компаний, использующих высокотехнологичное оборудование, неизбежно будут расти. Но если изменения позволят в итоге повысить скорость бурения, исключить или существенно сократить простои, итоговая стоимость скважины может оказаться ниже, а нефть и доход от ее реализации можно будет получить быстрее.
В перспективе — полная автоматизация буровых и применение решений на основе искусственного интеллекта, благодаря которым станет возможным удаленное управление буровой установкой, создание так называемых безлюдных буровых.
Планирование бурения, всевозможные расчеты и модели при проектировании скважин делаются сегодня с использованием импортного софта. В «Газпром нефти» его хотят заменить собственными разработками. Причин для этого несколько. Это и желание обезопасить себя от рисков ограничения доступа к таким продуктам, и высокая стоимость лицензий на ПО, и недостатки самого ПО: сложность обмена информацией между продуктами разных производителей, недостатки визуализации, отсутствие модулей, использующих машинное обучение и способных повышать эффективность работы. Чтобы решить эти проблемы, в компании началась разработка собственной программной платформы для бурения — ЭРА.ПИК.
ЭРА.ПИК — своеобразный конструктор, к которому будут присоединяться все новые модули-кирпичики — цифровые решения в области бурения. Первый базовый модуль — проектирование конструкции и профиля скважин. Это кросс-функциональный процесс, в котором задействованы самые разные специалисты. В программе его удалось максимально автоматизировать, упростив процедуры и сократив сроки согласования проекта разными службами. «Одна из важных задач, которую мы решаем на первом этапе, — обеспечить интеграцию в новой системе всех существующих у нас баз данных в области бурения», — подчеркивает Максим Елфимов.
Важной составляющей частью ЭРА.ПИК станут решения, основанные на технологиях машинного обучения. Аналогов им пока нет на рынке. Среди задач, которые сможет решать искусственный интеллект, — построение оптимального дизайна скважин на основе исторических данных, а также предсказание или более точное описание определенных ситуаций, складывающихся в процессе бурения.
При бурении скважин искусственный интеллект позволяет выявлять выход долота за пределы целевого (продуктивного) слоя еще до того, как об этом сообщат датчики телеметрии. В силу конструктивной особенности бурового оборудования информация о типе породы и ее свойствах на основании показаний каротажных приборов в процессе бурения поступает с задержкой. В результате выход из коллектора или целевого интервала фиксируются, когда долото ушло от места выхода уже на 15–35 м.
В некоторых случаях опытный бурильщик способен по косвенным признакам (нагрузка на долото, скорость проходки и т. д.) определить, что долото вышло в другую породу. У специалистов «Газпром нефти» возникла идея, что такой навык можно развить у искусственного интеллекта, выявив в данных ГТИ указывающие на это скрытые закономерности.
Разработанный прототип использует машинное обучение, чтобы оперативно анализировать параметры, поступающие с бурового оборудования, — уровень вибрации, скорость бурения и вращения ротора, нагрузку на долото и др. Эти показатели изменяются в зависимости от характеристик пласта, и это позволяет оперативно определить состав породы, не дожидаясь поступления данных с датчиков на самом буровом инструменте.
Сейчас программа способна определять три литотипа (породы с определенным набором признаков) — песчаник, глину, карбонатизированный песчаник — и, соответственно, тот момент, когда долото переходит из одной породы в другую. Вероятность выявления смены литотипа с использованием созданного цифрового решения составляет не менее 70%. Обучение модели продолжается на новых скважинах: с каждой пробуренной скважиной точность становится выше.
Применение методики позволит в будущем повысить скорость бурения горизонтальной части скважин, снизить затраты на устранение ошибок и повысить качество проходки, а значит, и эффективность будущей эксплуатации.
В «Газпром нефти» идет работа над несколькими проектами по созданию своего рода цифровых помощников, которые используют инструменты машинного обучения для решения наиболее острых проблем в области бурения и внутрискважинных работ. Проекты реализуются в технологическом партнерстве с IBM и Сколтехом. «Программа проектов направлена на создание автоматизированной аналитической системы, способной в реальном времени решать задачу мониторинга и комплексной оптимизации процесса бурения скважины с учетом существующих технологических ограничений», — рассказывает руководитель программ проектов по бурению скважин Научно-Технического Центра «Газпром нефти» Игорь Симон.
Два проекта уже реализованы в рамках НИОКР и перешли на этап тиражирования в дочерних обществах «Газпром нефти». В рамках первого из них — «Определение литологической разности на забое скважины» — был разработан программный продукт, позволяющий минимизировать случаи выхода долота из целевого интервала (продуктивного слоя) на основании данных сопровождения бурения. Второй проект («Прогнозирование осложнений в процессе бурения») посвящен созданию решения, которое распознает в данных сопровождения бурения предвестники аварийных ситуаций и сообщает о них оператору.
Сергей Доктор, руководитель дирекции по добыче «Газпром нефти»:
Использование цифровых инструментов на всех этапах строительства скважин — неотъемлемая часть стратегии по цифровой трансформации блока разведки и добычи «Газпром нефти». Цифровые двойники и специализированные программные продукты позволяют повысить эффективность проводки скважин, кратно уменьшить риск аварий и осложнений в процессе бурения, заканчивания и освоения, снизить риск влияния человеческого фактора и в конечном итоге повышают безопасность всех производственных процессов с одновременным сокращением общей стоимости работ. Изменение подходов к разработке и применение цифровых технологий дают возможность вовлечения новых запасов на активах компании, ранее считавшихся нерентабельными, и позволяют с уверенностью говорить о достижении стратегических целей «Газпром нефти».
Дальнейшее развитие программы связано с еще двумя проектами. Первый — использование методов машинного обучения для более точного прогнозирования пространственного положения скважины — позволит принимать более качественные решение о дальнейшем бурении. Второй даст возможность в режиме реального времени определять продуктивность скважины и за счет этого сократит время на оценку эффективности бурения при текущем положении бурового инструмента. «Во всех этих случаях искусственный интеллект позволит принимать значимые решения о дальнейшем строительстве скважин значительно быстрее, не допуская простоя оборудования и, соответственно, повышения затрат на строительство скважины», — отмечает Игорь Симон.
Чтобы максимально эффективно использовать данные, важно, чтобы специалист вовремя обратил внимание на проблему и быстро принял необходимое решение. Эта задача в значительной степени связана с правильной визуализацией данных. Отдельный проект, направленный на решение этой задачи, реализуется в Центре управления бурением «Геонавигатор» «Газпром нефти». «Мы хотим представить привычную нам информацию под другим углом, извлечь максимум из каждого байта информации, поступающей в ЦУБ, расположить ее на экране так, чтобы специалист сразу видел все самое важное», — рассказывает руководитель направления в Научно-Техническом Центре «Газпром нефти» Нур Назаров.
Не менее важно и то, что информацией могут пользоваться специалисты разного профиля. Сейчас в ЦУБ работают представители девяти разных специальностей — от геологов до буровиков. И у каждого свои потребности в информации по бурению. Однако раньше вывод данных на экраны был рассчитан в первую очередь на сотрудников службы оперативной инженерно-технической поддержки. Новая визуализация должна обеспечить более эффективное решение задач всеми сотрудниками. «Идея в том, что визуализация должна стать дополнительным инструментом в руках команды, а информация в ней воспринималась в том числе и специалистами непрофильных направлений», — поясняет Нур Назаров.
Аварийные осложнения при бурении — главный источник непроизводительного времени (НПВ) и, соответственно, повышения стоимости скважин. Во время устранения аварий буровая установка простаивает, между тем деньги за ее использование продолжают выплачиваться по суточной ставке.
Разработанный в «Газпром нефти» программный продукт позволяет распознавать в данных сопровождения бурения предвестники аварийных ситуаций и информирует оператора о вероятности возникновения осложнений. Например, такое осложнение, как дифференциальный прихват, программа определяет в среднем за полтора часа до его наступления. Программа рассчитана на снижение НПВ, связанного с осложнениями при бурении, на 15%.
Для создания модели были использованы исторические данные 40 скважин, признанных абсолютно здоровыми, эталонными. Они стали для программы примерами хорошего бурения, с которыми в дальнейшем процессе обучения сравнивались отклонения, предшествующие осложнениям и аварийным ситуациям. Обучение нейронной сети потребовало значительного количества кейсов и проводилось на исторических данных бурения Новопортовского, Восточно-Мессояхского и Оренбургского месторождений.
Новые средства визуализации позволят изменить сам подход к работе, иначе расставить приоритеты. Раньше инженер тратил определенное время в течение дня на работу с одной скважиной: изучение ее истории, проведение расчетов, составление выводов и рекомендаций. При этом на другие скважины внимания не хватало. Теперь же система будет сообщать о необходимости в нужный момент переключить внимание на другой объект.
Это основные, но далеко не все цифровые проекты в области бурения, которые реализует сегодня «Газпром нефть». Среди них и решения в области промышленной безопасности (видеоаналитика на буровой и удаленный мониторинг состояния здоровья сотрудников при помощи носимых устройств), проекты по регистрации истории бурового оборудования (позволят более точно определять, сколько проработали буровые трубы, верхний силовой привод и талевый канат для их своевременного обслуживания и замены), инструменты оценки эффективности бурения для более качественного планирования будущих затрат, проекты по повышению эффективности управления подрядчиками и др.
Также в перспективе планируется создать возможности для мобильного доступа ко всей необходимой информации по мониторингу бурения. Пока такие решения трудно реализовать из-за ограничений информационной безопасности. Однако движение в сторону мобильности — не просто модный тренд. Для части сотрудников, работающих в полевых условиях (например, буровых супервайзеров), появление таких возможностей станет важным шагом к повышению эффективности работы.
Текст: Александр Алексеев Фото: Руслан Шамуков, Алексей Костромин Инфографика: Алексей Столяров
