В статье представлены результаты исследований специалистов Альметьевского государственного нефтяного института, ТатНИПИнефти, центра информационных технологий ПАО «Татнефть» по созданию информационно-программного инструмента долгосрочного планирования инвестиций для эффективной разработки нефтяных месторождений. Предиктивное планирование геолого-технических мероприятий выполняется на основе прокси-моделей месторождений с использованием высокоэффективных оптимизационных алгоритмов и элементов машинного обучения для формирования долгосрочной производственной программы проведения мероприятий в условиях ресурсных ограничений. В развитие указанных инструментов рассмотрены возможности использования нейросетевых подходов к решению задач кластеризации распределенных по годам показателей эффективности планируемых мероприятий для сокращения размерности оптимизационной задачи. Приведены сравнительные характеристики используемых оптимизационных методов. Автоматизированная генерация множества сценариев разработки нефтяных месторождений выполнена на прокси-моделях автоматизированного рабочего места (АРМ) геолога «ЛАЗУРИТ» с вычислением технико-экономических показателей планируемых геолого-технических мероприятий. В качестве геолого-технических мероприятий рассмотрены бурение вертикальных и горизонтальных скважин, зарезка боковых столов, перевод скважин на другой горизонт, использование технологии одновременно-раздельной эксплуатации, проведение гидравлического разрыва пласта. Результаты поступают на вход системы формирования долгосрочной производственной программы, которая позволяет на основе использования пакета нейросетевых и оптимизационных алгоритмов выбрать наиболее эффективный набор мероприятий, удовлетворяющий заданным макро- и микроэкономическим, ресурсным ограничениям. При этом учитывается распределение дополнительной добычи от проведения мероприятий на период более 5 лет, а мультисценарная оценка наборов мероприятий происходит внутри каждого годового периода планирования.
Список литературы
1. Денисов О.В. Формирование эффективного портфеля ГТМ нефтяной компании на основе оптимизационных и нейросетевых алгоритмов // Нефтяная провинция. – 2019. – № 1 (17) – С. 90–101.
2. Поэтапная оптимизация расстановки проектных скважин по неравномерной сетке с использованием программного модуля технико-экономической оценки запасов нефтяных месторождений / Е.Ю. Звездин, М.И. Маннапов, А.В. Насыбуллин [и др.] // Нефтяное хозяйство. – 2019. – № 7. – С. 28–31.
3. Свидетельство 2009616218 РФ. Автоматизированное рабочее место геолога «ЛАЗУРИТ» (АРМ геолога «ЛАЗУРИТ») / Р.Р. Ахметзянов, Р.Р. Ибатуллин, Ф.М. Латифуллин, А.В. Насыбуллин, С.В. Смирнов; заявитель и правообладатель ОАО «Татнефть». – № 2009612612; заявл. 29.05.09; зарег. 11.11.09, Реестр программ для ЭВМ.
4. Свидетельство на программу для ЭВМ 2018611091 РФ. КИМ Эксперт / Р.З. Сахабутдинов, Б.Г. Ганиев, А.В. Насыбуллин, Ф.М. Латифуллин, Рам. З. Саттаров, С.В. Смирнов, М.А. Шарифуллина; заявитель и правообладатель ПАО «Татнефть». – № 2017662303; заявл. 29.10.17; зарег. 23.01.18, Реестр программ для ЭВМ.
5. Создание и промышленное внедрение методов управления разработкой месторождений на основе автоматизированного проектирования / А.В. Насыбуллин, Ф.М. Латифуллин, Д.А. Разживин [и др.] // Нефтяное хозяйство. – 2007. – № 7. – С. 88–92.
6. Использование информационных технологий для совершенствования системы и контроля разработки месторождений ОАО «Татнефть» / Р.С. Хисамов, Р.Р. Ибатуллин, Р.Г. Абдулмазитов [и др.] // Нефтяное хозяйство. – 2006. – № 10. – С. 46–49.
7. Латифуллин Ф.М., Саттаров Рам.З., Шарифуллина М.А. Использование пакета программ АРМ геолога «ЛАЗУРИТ» для геолого-технологического моделирования и планирования геолого-технических мероприятий на объектах разработки ПАО «Татнефть» // Нефтяное хозяйство. – 2017. – № 6. – С. 40–43.
8. Шарифуллина М.А., Бутусов Е.В. Разработка программного комплекса иерархического моделирования пластовых систем, сопровождения разработки и подбора ГТМ // Нефтяная провинция. – 2017. – № 4 (12). – C. 116–124.
9. Fuzzy neural network model for rules generating of the objects state determining in uncertainty / I.I. Ismagilov, L.A. Molotov, A.S. Katasev [et al.] // Helix. – 2018. – V. 8 (6). – P. 4662–4667.
10. Using models of collective neural networks for classification of the input data applying simple voting / A.N. Mustafin, A.S. Katasev, A.M. Akhmetvaleev, D.G. Petrosyants // The Journal of Social Sciences Research. – 2018. – No. 5. – P. 333–339.
11. Katasev A.S. Neuro-fuzzy model of fuzzy rules formation for objects state evaluation in conditions of uncertainty // Computer research and modeling. – 2019. – V. 11. – No. 3. – P. 477–492.
