27.07.22

https://nauka.tass.ru/nauka/15324863

Российские ученые разработали и запатентовали систему машинного обучения, позволяющую подобрать оптимальные параметры для каждой скважины, где нефть добывается путем гидроразрыва пласта. Это позволит значительно повысить рентабельность фрекинговой добычи нефти, сообщила в среду пресс-служба «Сколтеха». «Мы обучили искусственный интеллект предсказывать производительность скважины на основании уникальной базы полевых данных, которую мы собрали и тщательно выверили. Она содержит по 92 характеристики скважины, окружающей породы и гидроразрыва на 6 тыс. скважин с 23 месторождений», - заявил научный сотрудник «Сколтеха» (Москва) Антон Морозов, чьи слова приводит пресс-служба вуза. Морозов и его коллеги приспособили алгоритм для решения еще одной важной научно-практической задачи - оценки эффективности использования технологии гидроразрыва пласта. Ее применяют при фрекинговой добычи нефти в США, Канаде, России и во многих других странах мира. Эффективная и экологичная добыча нефти Технология облегчает извлечение нефти из сложно устроенных пластов горных пород путем закачки в них смеси из воды, химических добавок и твердых гранул, которые вводятся в скважину под высоким давлением. Это приводит к появлению множества новых трещин в породах и увеличению размеров уже существующих проходов, что увеличивает скорость извлечения углеводородов из месторождения. Специалисты «Сколтеха» и их коллеги из компании «Газпромнефть НТЦ» разработали несколько подходов на базе систем машинного обучения, которые позволяют быстро вычислять, насколько эффективно извлекается нефть из скважины при определенном давлении, составе закачиваемой смеси и других параметрах проведения фрекинга. Аналогичным образом ученые создали алгоритмы, позволяющие решить обратную задачу - подобрать оптимальные параметры гидроразрыва пласта для обеспечения определенного уровня добычи углеводородов. В перспективе это позволит не только повысить рентабельность добычи нефти, но и сделать ее более экологичной для окружающей среды. «Вместо стремления максимизировать суммарную добычу любой ценой искусственному интеллекту можно поставить задачу сбалансировать нефтеотдачу и значимые для окружающей среды метрики, такие как количество использованной пресной воды и химикатов, израсходованного для питания насосов дизельного топлива и выброшенных в атмосферу парниковых газов», - подытожил научный сотрудник «Сколтеха» Виктор Дупляков.