Сэкономят десятки миллионов рублей на нефтяных скважинах – новая разработка ПНИПУ
В российской нефтегазовой отрасли энергопотребление становится все более острой и дорогостоящей проблемой, напрямую влияющей на себестоимость добычи и конкурентоспособность продукции на мировых рынках. Ее потенциальное решение предложили в Пермском Политехе. Ученые ПНИПУ представили систему, оптимизирующую работу нефтяных скважин, обеспечивающую значительную экономию, сообщает naked-science.ru.
На некоторых месторождениях затраты на электроэнергию достигают 50 % от общей себестоимости добычи. Значительная часть этой энергии расходуется неэффективно из‑за устаревших способов управления оборудованием, прежде всего электроцентробежными насосами (УЭЦН), основными потребителями энергии на механизированных скважинах.
Система для экономии на нефтяных скважинах
По данным специалистов, основные расходы электроэнергии приходятся на подъем жидкостей, поддержание пластового давления и транспорт нефти к поверхности, причем до 20‑25 % всей потребляемой электроэнергии на месторождении расходуется неэффективно из‑за неоптимальных режимов работы оборудования и излишнего гидравлического сопротивления в инфраструктуре. Основной причиной называют использование традиционных подходов к управлению УЭЦН, которые не учитывают динамику изменений пластовых условий и параметров добычи в реальном времени. В результате насосы остаются в «усредненном» режиме работы, независимо от изменений в дебите, уровне жидкости, давлении в пласте и плотности флюида, что приводит к избыточному потреблению электроэнергии и финансовым потерям. В масштабах крупного месторождения такие потери могут исчисляться десятками, а иногда и сотнями миллионов рублей ежегодно.
Читайте по теме: бурить нефтяные скважины будет проще – поможет новая разработка из Самары
В ПНИПУ для решения проблемы разработали инновационную цифровую систему управления режимами работы скважин на основе искусственного интеллекта и нейросетевых алгоритмов. Она автоматизирует подбор оптимального режима работы УЭЦН с учетом постоянно меняющихся условий эксплуатации, что позволяет существенно повысить энергоэффективность добычи. Основой системы стала математическая модель центробежного насоса, учитывающая гидродинамические процессы в скважине и технические характеристики оборудования с высокой точностью моделирования — порядка 97,2 % по сравнению с реальными данными измерений электроэнергии на месте. Это стало возможным после того, как исследователи собрали массив эксплуатационных параметров с действующего месторождения и использовали их для обучения нейросети.
Разработка ПНИПУ оптимизирует добычу нефти
Система анализировала ключевые данные о режиме работы скважины: частоту питания насоса, динамический уровень жидкости, буферное давление и плотность флюида, что позволило ей прогнозировать скорость добычи и энергопотребление в оперативном режиме. Ученые также разработали специальные алгоритмы обучения, автоматически корректирующие внутренние настройки нейросети, что обеспечило высокую точность прогнозов и сделало возможным использование системы в реальном времени.
Для практического применения прогнозов исследователи создали два программных регулятора, которые интегрируются в существующие системы управления насосным оборудованием. Первый регулятор предназначен для непрерывного режима добычи, автоматически подбирая оптимальный уровень энергозатрат при заданном объеме добычи. Второй регулятор ориентирован на периодический режим, где насос работает с интервалами, что характерно для сложных условий эксплуатационной среды. Тестирование моделей на цифровых копиях скважин в «легких», «средних» и «тяжелых» условиях показало, что второй регулятор позволяет снизить энергопотребление в более напряженных эксплуатационных режимах на 5,5 кВт по сравнению с первым, что в масштабах всего месторождения дает экономию до 10‑12 %.
Цифровые технологии в нефтегазовом секторе
Внедрение подобных интеллектуальных систем управления становится особенно актуальным на фоне тенденций глобальной цифровизации энергетики и нефтегазового комплекса. Международные исследования подтверждают, что применение нейросетей и алгоритмов машинного обучения для оптимизации процессов позволяет не только снизить энергопотребление, но и существенно повысить устойчивость производства и снизить экологический след. Так, зарубежные проекты, где модели типа DA‑RNN используются для прогноза и оптимизации энергопотребления систем электроцентробежных насосов, показывают экономию до 12 % на уровне оптимизации режима добычи, что подтверждает перспективность такого подхода в глобальном масштабе.
Кроме того, цифровые решения уже находят применение в смежных областях энергетики и нефтегазового сектора: системы прогнозирования потребления электроэнергии с использованием нейросетей позволяют учитывать влияние внешних факторов, таких как погодные условия, что дополнительно повышает точность управления энергоресурсами и снижает операционные расходы. Международное энергетическое агентство оценивает, что повышение энергоэффективности за счет цифровизации может привести к ежегодной экономии до 700 млрд долларов в нефтегазовом секторе к 2040 г.
Ранее на сайте pronedra.ru писали про нефтепродукты как сырье для моющих средств – новый метод синтеза от ТПУ
