Нефтяные компании смогут прогнозировать количество добытой нефти с помощью ИИ

Компания Napoleon IT разработала рекомендательную систему подбора скважин-кандидатов на проведение гидравлического разрыва пласта и прогнозирования количества добытой нефти на основе машинного обучения. Новая система позволяет увеличить количество эффективных ГРП, что в дальнейшем приводит к росту добычи нефти и сокращению расходов на неэффективные скважины. Подбор скважин-кандидатов на гидроразрыв пласта (ГРП) является достаточно сложным и трудоемким процессом. Обычно специалисты вручную производят отбор и просматривают участки с потенциальными скважинами, анализируя большой объем необработанных данных из разрозненных источников и проводя гидродинамическое моделирование. Только на моделирование у специалистов могут уходить недели, а при обработке данных высока вероятность человеческого фактора. Одна из крупных российских нефтяных компаний обратилась для решения данных проблем к Napoleon IT. Главная цель — создать рекомендательную систему для подбора скважин-кандидатов, которая позволит специалистам осуществлять подбор более качественно и эффективно. Одновременно с этим, перед клиентом стояла проблема прогнозирования дебита жидкости и нефти на всех этапах мероприятия в условиях старого фонда скважин, сокращения рентабельности мероприятий и невозможности полноценно оценить потенциал скважин на краткосрочную и долгосрочную перспективу. Разница между прогнозируемым объемом и фактическим могла достигать 20%. Совместно с заказчиком была создана система для подбора скважин-кандидатов для проведения мероприятий ГРП и прогнозирования дебита нефти и жидкости с инструментами визуализации результатов в формате дашбордов. Это делает представление информации понятной и доступной конечным пользователям. Система создана с использованием технологии машинного обучения и способна дообучаться на дополнительных данных и параметрах. В результате получилась автономная система прогнозирования дебита жидкости после проведения ГРП, а также ранжирования скважин кандидатов по каждой площади на месторождении. Благодаря применению ML-моделей удалось сократить время на подбор скважин-кандидатов и увеличить добычу нефти, а также повысить точность прогнозирования и тем самым добиться эффективного управления ресурсами. Реализованная программа и модели машинного обучения позволяют проводить последующее масштабирование и развитие. В дальнейших планах нефтяной компании — масштабироваться и тестировать новые гипотезы. "Наша главная задача ― создавать решения на основе искусственного интеллекта, которые помогают автоматизировать рутинные процессы, сократить издержки на ручной труд, снизить ошибки, связанные с человеческим фактором и увеличить эффективность бизнеса. Благодарим за доверие компанию-клиента. Вместе мы можем менять ландшафт достаточно традиционного и консервативного нефтегазового сектора, внедряя и развивая инновации в отрасли", — прокомментировал Руслан Ахтямов, сооснователь Napoleon IT. Ссылка на источник