Сбор и маршрутизация данных на удаленных кустовых площадках

UDK: 681.518:622.276

DOI: 10.24887/0028-2448-2025-9-101-107

Ключевые слова: кустовая площадка, беспроводная сенсорная сеть (БСС), маршрутизация, кластеризация

Авт.: А.Н. Краснов, к.т.н. (Уфимский гос. нефтяной технический университет); М.Ю. Прахова (Уфимский гос. нефтяной технический университет); Ю.В. Калашник (Уфимский гос. нефтяной технический университет); Ю.В. Юдин, к.ф.-м.н. (Группа компаний «Газпром нефть»); Д.В. Усиков (ООО «НЕДРА»); И.С. Горобец (Научно-образовательный центр «Газпром нефть­ УГНТУ»); В.Е. Чернышов (Ассоциация «Цифровые технологии в промышленности»)

В связи с тем, что многие нефтяные месторождения РФ расположены в удаленных и труднодоступных местах, в том числе в арктической зоне и на шельфах, отсутствие развитой инфраструктуры ограничивает использование систем телеметрии из-за сложности передачи больших потоков «сырых» данных в удаленный центр их обработки и больших затрат на организацию проводных каналов связи и их электропитание. Одним из вариантов решения этой проблемы может быть организация беспроводной сенсорной сети (БСС), состоящей из интеллектуальных датчиков и специализированных edge-устройств, которая обеспечит увеличение объема обработки информации непосредственно на кустовых площадках и низкое энергопотребление за счет оптимизирующих работу сети алгоритмов передачи данных. В статье предложено при построении БСС на кустовых площадках использовать кластерный принцип на основе какого-либо алгоритма кластеризации. Для выработки практических рекомендаций выполнено агент-моделирование шести широко распространенных алгоритмов. Значения контрольных метрик, полученные в результате исследования, показали, что предпочтения того или иного алгоритма определяются целевым показателем работы БСС. В ходе дальнейших исследований представляется целесообразным комплексное моделирование алгоритмов.

Список литературы

1. Oil and Gas Production Management: New Challenges and Solutions / S. Polyanskiy, E. Yudin, A. Slabetsky [et al.] // SPE-212086-MS. – 2022. – https://doi.org/10.2118/212086-MS

2. Автоматизация мониторинга и факторного анализа отклонений по добыче / Д.Ю. Власов, А.А. Занчаров, Е.В. Юдин [и др.] // Нефтяное хозяйство. – 2023. – № 6. – С. 78–82. – https://doi.org/10.24887/0028-2448-2023-6-78-82. – EDN: DGFOKY

3. Автоматизация анализа нефтепромысловых замеров / Р.Н. Асмандияров, А.Е. Кладов, А.А. Лубнин [и др.] // Нефтяное хозяйство. – 2011. – № 6. – С. 58–61. – EDN: NVASTX

4. M2M: from mobile to embedded Internet / G. Wu, S. Talwar, K. Johnsson, N. Himayat // IEEE Commun. – 2011. – Mag 49. – P. 36–43. – https://doi.org/10.1109/MCOM.2011.5741144

5. Князев О.В. Использование анализа данных для организации управления производственными процессами // Экономика и социум. – 2013. – № 3(8). – С. 872-878. – EDN: SJEMJH

6. Обзор опыта прогнозирования отказов УЭЦН методами машинного обучения / К.А. Горидько, Э.О. Тимашев, М.Г. Волков [и др.] // Neftegaz.RU. – 2025. – № 1. – С. 55-61. –

EDN: GNEKES

7. Machine Learning Approach Using MLP and SVM Algorithms for the Fault Prediction of a Centrifugal Pump in the Oil and Gas Industry / P.F. Orru, A. Zoccheddu, L. Sassu [et al.] // Sustainability. – 2020. – No. 11. – https://doi.org/10.3390/su12114776 EDN: FHDLPY5. A Survey on Sensor Networks / I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, E. Cayirci // IEEE Communications Magazine. – 2002. – V. 40. – No. 8. – Р. 102–114. – https://doi.org/10.1109/MCOM.2002.1024422

8. A Survey on Sensor Networks / I.F. Akyildiz, W. Su ,Y. Sankarasubramaniam, E.Cayirci // IEEE Communications Magazine. -August 2002. - Vol. 40. - N 8. – Р. 102–114.

9. Аль-Кадами Н.А. Оценка и сравнительный анализ алгоритмов маршрутизации для гомогенных и гетерогенных беспроводных сенсорных сетей // Информационные технологии и телекоммуникации. – 2014. – № 4 (8). – С. 40–48. – EDN: TKSXOZ

10. Дао Ч.Н. Исследование моделей и методов обслуживания трафика в беспроводных сенсорных сетях: дис. кан. тех. наук: Санкт Петербург, 2019. – 153 с. – EDN: XCWFQJ

11. Бузюков Л.Б., Окунева Д.В., Парамонов А.И. Исследование характеристик самоорганизующейся беспроводной сети при различных способах размещения узлов // Труды учебных заведений связи. – 2016. – Т. 2. – № 1. – С. 28–32. – EDN: XCGQC2

12. Using Deep Learning Algorithms to Monitor Well Performance and Restore Well Rate Dynamics / E. Yudin [et al.] // SPE Annual Caspian Technical Conference. – SPE-217526-MS. – 2023. – https://doi.org/10.2118/217526-MS

13. Maintaining ESP operational efficiency through machine learning-based anomaly detection / E. Yudin [et al.] //Geoenergy Science and Engineering. – 2025. – Т. 251. – Р. 213864. – https://doi.org/10.1016/j.geoen.2025.213864

14. Повышение эффективности передачи данных в беспроводной системе телеметрии газового промысла / А.Н. Краснов, Г.Ю. Коловертнов, М.Ю. Прахова, Е.А. Хорошавина // Arctic Environmental Research. – 2018. – Т. 18. – № 1. – Р. 14–20. – https://doi.org/10.17238/issn2541-8416.2018.18.1.14. – EDN: YWIUMB

15. Krasnov A.N., Prakhova M.Yu., Kalashnik Yu.V. Routing algorithm for the wireless sensor network of the drilling site // Proceedings of the International Conference «Scientific research of the

SCO countries: synergy and integration». – 2023. – February 10. – P. 189–198. – EDN: JXCHWK

16. Краснов А.Н., Прахова М.Ю., Хорошавина Е.А. Использование беспроводных сетей в системах автоматизации газовых месторождений // Электронный научный журнал Нефтегазовое дело. – 2016. – № 4. – С. 205–221. – EDN: WQTDTP

17. Создание прокси-интегрированной модели Восточного участка Оренбургского месторождения в условиях недостаточного объема исходных данных / Е.В. Юдин [и др.] // Нефтяное хозяйство. – 2019. – № 12. – С. 47–51. – https://doi.org/10.24887/0028-2448-2019-12-47-51. – EDN: HEOENV

18 Yang Yu, Prasanna V.K., Krishnamachari B. Information Processing And Routing In Wireless Sensor Networks // World Scientific Publishing. – 2006. – P. 204. – http://doi.org/10.1142/6288

19. Дворников А.А. Агент-ориентированное моделирование совместимости каналов беспроводной сенсорной и наложенной сетей // Качество. Инновации. Образование. – 2015. – № 9. – С. 34–39. – EDN: VJNYGV

20. Krasnov A.N., Prakhova M.Yu., Novikova Yu.V. Mathematical Simu-lating Qualitative Parameters of Routing and Clustering Protocols in Wireless Data Gathering Networks // FarEastCon 2020: international Multi-Conference on Industrial Engineering and Modern Technologies. – 6–9 Oct. 2020. – Vladivostok, Russia – 2020. – Р. 9271165. – https://doi.org/10.1109/FarEastCon50210.2020.9271165. – EDN: WPCHZJ

21. Lateef O.A. Esther T.O., Taofeek-Ibrahim F.A. Evolution of wireless networks technologies, history and emerging technology of 5G wireless network: a review / O.A. Lateef, // Journal of Telecommunications System & Management. – 2018. – 5 p.

22. Жарков С.Н. Обзор алгоритмов маршрутизации в беспроводных сенсорных сетях // Теория и техника радиосвязи. – 2014. – № 2. – С. 5–14. – EDN: SDZBTX

23. Modeling of a Gas-Lift Well Operation with an Automated / E. Yudin [et al.] // SPE-196816-MS. – 2019. – https://doi.org/10.2118/196816-MS. – EDN: JBURWW