Ученые из Томска предложили ИИ-метод оптимизации бурения в неоднородных карбонатных породах

Томск, 27 окт - ИА Нефтегаз.РУ. Исследователи из Томского политехнического университета (ТПУ) разработали комплексный подход, который должен уменьшить продолжительность и стоимость бурения неоднородных карбонатных коллекторов и повысить его эффективность.
Об этом сообщили в Минобрнауки РФ.

Такие коллекторы представляют собой горные породы, потенциально содержащие крупные запасы углеводородов.

В основе решения лежит интегрированная структура из различных алгоритмов искусственного интеллекта, которая помогает подобрать оптимальные рабочие условия. Предложенное решение работает на алгоритмах ИИ и способствует уменьшению времени и издержек на бурение.

Бурение формирует 30-60% стоимости скважины, а скорость работ непосредственно сказывается на сроках. Улучшение этого показателя всего на 10% уже обеспечивает заметную экономию.

На скорость влияет несколько управляемых параметров. Результат зависит от состава и прочности пород, пластового давления и напряжений.

Наибольшую сложность создают неоднородные карбонатные коллекторы, представленные в основном известняками и доломитами. В них сосредоточена значительная часть мировых запасов углеводородов.

Для прогнозирования и оптимизации параметров бурения в таких коллекторах применяют методы машинного и глубокого обучения. Однако большинство моделей недостаточно интерпретируемы, редко учитывают временные зависимости и не всегда физически осуществимы.

Предложенный подход описан как методология и руководство по оптимизации бурения на основе данных. Он потенциально способен сократить время бурения, снизить затраты и повысить эффективность.

Для использования на разных скважинах и месторождениях потребуются данные, которые охватывают весь спектр геомеханических и эксплуатационных условий.

Исследователи собрали сведения по трем вертикальным нефтяным скважинам в известняково-доломитовой формации. При этом учтены параметры бурения, глубина и характеристики механической модели грунта. На этой основе созданы системы прогнозирования.

По словам разработчика Ш. Давуди, самую высокую точность и воспроизводимость продемонстрировала система на базе LSTM-модели, то есть модели долгой краткосрочной памяти.

Анализ с применением объяснимого искусственного интеллекта показал, что производительность бурения в первую очередь определяет частота вращения. Интеграция с физически обоснованным алгоритмом NSGA-III позволила найти стратегии бурения, которые зависят от типа пласта и согласуются с законами механики горных пород.

Модели успешно проверили на скважине, которая ранее не изучалась. Результаты опубликованы в журнале Results in Engineering (Q1, IF 9,4).

Карбонатные коллекторы сложены преимущественно известняками и доломитами и отличаются неоднородным строением, трещиноватостью и изменчивостью свойств. Из-за этого параметры бурения в них труднее прогнозировать, а ошибки в выборе режима могут увеличивать сроки и стоимость работ. LSTM-модели применяются для анализа последовательностей данных и способны учитывать временные зависимости, а многокритериальные алгоритмы типа NSGA-III используются для поиска компромиссных решений.