В Группе Компаний «Зарубежнефть» с 2019 г. активно развивается направление цифровой трансформации. Задачами цифровой трансформации решаются за счет применения инновационных технологий и решений в направлениях деятельности, в том числе посредством реализации концепции «Цифровое месторождение». В рамках данной концепции формируется цифровая экосистема с реализацией принципов унификации используемого программного обеспечения (ПО), их централизации и создания линеек по сегментам деятельности. Одним из первых программных продуктов, разрабатываемых на программной инфраструктуре АО «ВНИИнефть» с применением методов машинного обучения и анализа больших данных, является виртуальный расходомер для СП «Вьетсовпетро». В рамках проекта разработан алгоритм работы с Big Data, который позволяет повысить оперативность реагирования на изменение дебитов жидкости и уменьшить их потери за счет оперативного мониторинга данных «с устья». В качестве основы алгоритма рассмотрены модели машинного обучения. Выполнены сбор и анализ данных с месторождения СП «Вьетсовпетро», обзор подходов и методик машинного обучения, обработка больших данных и формирование моделей с помощью библиотек языка программирования Python. Проработан механизм автоматизации сбора и фильтрации исходных данных. Протестированы различные типы моделей машинного обучения для решения задачи регрессии. Выполнена доработка программной инфраструктуры для автоматического дообучения моделей виртуального расходомера при получении новых данных. Уникальность предлагаемого подхода заключается в том, что кроме устьевых параметров учитываются плстовые, которые оперативно не замеряются. Погрешность прогнозирования дебита жидкости с помощью прототипа виртуального расходомера не превышает 10 м3/сут, что является достаточным для оперативного реагирования на изменения дебитов скважин СП «Вьетсовпетро». Таким образом, реализация концепции «Цифровое месторождение» в Группе Компаний «Зарубежнефть» позволяет повысить скорость обработки информации, улучшить качество планирования и повысить экономическую эффективность разработки месторождений.
Список литературы
1. Heddle R., Foot J., Rees H. ISIS Rate&Phase: Delivering Virtual Flow Metering for 300 Wells in 20 Fields // SPE-150153-MS. - 2012. - DOI:10.2118/150153-MS
2. Gobel D., Briers J., Yee Men Chin. Architecture and Implementation of an Optimization Decision Support System // Proceedings of International Petroleum Technology Conference, Beijing, China, March 2013. - DOI:10.2523/IPTC-17009-MS
