Бороздин С.О.

Предотвращение аварийных ситуаций при бурении с использованием методов машинного обучения vitaly пн, 02/15/2021 - 17:10

В статье рассматриваются методы обработки больших данных со станций геолого-технологических измерений и машинного обучения в области бурения нефтяных и газовых скважин, которые были апробированы на реальных данных с морского месторождения. Возможные события, связанные с осложнениями и авариями во время бурения могут быть обнаружены за время 7-10 минут до их наступления. Этого времени может быть достаточно для бурильщика для принятия превентивных мер для избегания осложнения или предотвращения аварии.

Автоматизированная система предотвращения аварийных ситуаций при строительстве скважин с использованием методов искусственного интеллекта vitaly чт, 02/04/2021 - 09:38

Статья посвящена описанию созданной автоматизированной системы предотвращения аварийных ситуаций при строительстве скважин с использованием методов искусственного интеллекта, основанной на распределенной по уровням структуре контроля и управления процессом бурения. По результатам работы в течение 2019-2020 гг. были получены шесть свидетельств регистрации программ для ЭВМ, поданы две заявки на получение патентов на полезную модель.

On increasing the productive time of drilling oil and gas wells using machine learning methods

The article is devoted to the development of a hybrid method for predicting and preventing the development of troubles in the process of drilling wells based on machine learning methods and modern neural network models. Troubles during the drilling process, such as filtrate leakoff; gas, oil and water shows and sticking, lead to an increase in unproductive time, i.e. time that is not technically necessary for well construction and is caused by various violations of the production process.

Об увеличении продуктивного времени бурения нефтегазовых скважин с использованием методов машинного обучения

Статья посвящена разработке гибридного метода прогнозирования и предупреждения развития осложнений в процессе бурения скважин на базе методов машинного обучения и современных нейросетевых моделей. Осложнения в процессе бурения, такие как поглощения, газонефтеводопроявления и прихваты, приводят к росту непроизводительного времени, т.е. времени которое не является технически необходимым для строительства скважины и вызывается различными нарушениями производственного процесса. Рассмотрено несколько различных подходов, в т.ч.

Программный компонент «Обратная связь»

Программа предназначена для обеспечения вариантной связи автоматизированной системы предупреждения осложнений и аварийных ситуаций (АС ПОАС) с буровой платформой формирования предупреждений и рекомендаций по предотвращению осложнений и аварийных ситуаций при строительстве нефтяных и газовых скважин.

Распознавание ошибочных показаний датчиков станции ГТИ

Получение точной и своевременной информации о процессе строительства скважин является неотъемлемой частью безаварийной проводки скважины. Одним из основных источников информации являются данные станции геолого-технологических исследований (ГТИ). В рамках работы над проектом по созданию системы предупреждения аварийности при строительстве нефтегазовых скважин был получен в пользование массив данных ГТИ по 25 скважинам. Общая продолжительность строительства 25 скважин составила более 1300 суток.

Качественный анализ геоданных временного ряда для предупреждения осложнений и аварийных ситуаций при бурении нефтяных и газовых скважин

Целью статьи является системный анализ буровых данных, получаемых со станций геолого-технологических измерений в режиме реального времени, с учетом геологических особенностей разбуриваемой площади для дальнейшего прогноза возможности возникновения осложнений и аварийных ситуаций при бурении и строительстве нефтяных и газовых скважин. Комплексный анализ показал отсутствие базового программного обеспечения для распознавания и предупреждения осложнений и аварийных ситуаций на основе данных, получаемых в режиме реального времени.

Drilling problems forecast system based on neural network

Optimization, digitalization and robotization of oil and gas technological processes based on the use of artificial intelligence methods are among the prevailing trends of the 21st century.  The drilling industry  is a prime example of these phenomena. The vector of oil and gas drilling is shifting towards complex objects. The improvement of well drilling technologies allows drilling in geological conditions where it was previously impossible. The construction of wells leads to disruption of the natural thermodynamic and stress-strain state of rocks.

Система для прогнозирования осложнений в бурении на основе искусственного интеллекта

Оптимизация, цифровизация и роботизация нефтегазовых технологических процессов на основе использования методов искусственного интеллекта являются одними из преобладающих трендов 21 века. Буровая отрасль является ярким примером этих явлений. Вектор бурения на нефть и газ смещается в сторону сложных объектов. Совершенствование технологий бурения скважин позволяет проводить бурение в геологических условиях, где это было ранее невозможно. Строительство скважин приводит к нарушению природного термодинамического и напряженно-деформированного состояния горных пород.

Распознавание ошибочных показаний датчиков станции ГТИ

Получение точной и своевременной информации о процессе строительства скважин является неотъемлемой частью безаварийной проводки скважины. Одним из основных источников информации являются данные станции геолого-технологических исследований (ГТИ). В рамках работы над проектом по созданию системы предупреждения аварийности при строительстве нефтегазовых скважин был получен в пользование массив данных ГТИ по 25 скважинам. Общая продолжительность строительства 25 скважин составила более 1300 суток.