Opportunities of Digital Technologies in Enhanced Oil Recovery

В последние несколько десятилетий наблюдается значительный рост мировых потребностей в энергии. В связи с этим нефть и продукты ее переработки играют значительную роль в мировом энергоснабжении

После первичной и вторичной стадий добычи в пласте остается значительный остаточный объем углеводородов. Третичное восстановление или методы повышения нефтеотдачи (EOR) – это сложные процедуры, которые направлены на неподвижные части углеводородов, остающихся в пласте. В значительной степени отработанные месторождения страдают от более высоких эксплуатационных затрат, старения оборудования и сложной конфигурации недр, характеризующейся давлением и насыщенностью

Многие руководители справедливо рассматривают цифровизацию как ключ к решению обозначенных проблем. За последнее десятилетие достижения в области анализа данных, искусственного интеллекта (ИИ) и промышленного Интернета вещей (IIoT) помогли нефтяным компаниям оптимизировать сложные процессы, отследить источники потерь и результативности, более эффективно реагировать на волатильность, потрясения и сбои. Не является в данном случае исключением и сфера повышении нефтеотдачи пластов

Методами исследования послужили анализ, синтез, обобщение научных источников и статистических данных по проблеме исследования. Материалом исследования послужили открытые данные и научные источники по вопросам повышения нефтеотдачи пластов.

Сегодня цифровая трансформация представляет собой главный тренд в нефтегазовом секторе. Среди передовых инноваций, реализуемых крупнейшими мировыми нефтегазовыми компаниями и связанными с извлечением углеводородов из глубоких и труднодоступных залежей, вложения в цифровые технологии занимают лидирующие места. Нефтяные компании видят большие возможности для применения широкого спектра быстро развивающихся технологий, включая корпоративные облачные вычисления, виртуальную и дополненную реальность, дроны и обмен данными на основе блокчейна для увеличения нефтеотдачи пластов. В связи с этим рассматриваемая тематика является актуальной, теоретически и практический значимой, что и обуславливает выбор темы данной статьи.

Перспективы и возможности использования искусственного интеллекта для выбора наиболее эффективных методов повышения нефтеотдачи в зависимости от характеристик пород-коллекторов и флюидов, а также геологических условий рассматриваются в трудах таких авторов как: О.В. Байкова, Е.О. Громыко

Потенциал прогнозного анализа на основании технологии Big Data, который позволяет определить оптимальную программу будущего развития труднодоступного пласта, описывается F. Mehran

В тоже время, несмотря на активный интерес к рассматриваемой проблематике, достижения Четвертой промышленной революции, прорывные цифровые инновации, которые появляются на рынке, предопределяют необходимость регулярного обновления аналитической базы и корректировки сфер применения передовых технологий.

Таким образом, цель статьи заключается в рассмотрении потенциала использования цифровых технологий для повышения нефтеотдачи пластов.

Повышение нефтеотдачи пластов (ПНП) – это процесс искусственного воздействия на пласт с целью извлечения большего количества нефти после того, как вторичные методы стали неспособны поддерживать желаемые объемы добычи

Цифровые технологии позволяют сделать третичные методы извлечения нефти более эффективными, безопасными и «умными»

По итогам проведенного анализа можно выделить десять основных цифровых технологий, которые нашли свое применение в той или иной степени в процессе повышения нефтеотдачи пластов (рис. 1).

Рисунок 1 - Цифровые технологии в третичной добыче нефти и частота их использования

DOI:10.23670/IRJ.2024.141.1.1

Анализ капитальных затрата на цифровизацию процесса нефтедобычи свидетельствует о том, что обнаруживаются значительные различия между тем, когда компании вкладывают средства в традиционные технологии или апробируют прорывные инновации. В среднем более прогрессивные технологические решения обеспечивают более высокую отдачу от производительности. Например, Интернет вещей и большие данные позволяют получить наибольшую прибыль: лидеры отрасли достигли 160% дополнительного показателя EBITDA на одного сотрудника, инвестирующего в эти технологии, тогда как для остальной части «не оцифрованного» сектора, этот показатель находился на отметке 120%. Далее следуют доходы от роботизации и облачных технологий, которые приносят 80% для цифровых лидеров и 40% для тех, кто этими технологиями пренебрегает. Ряд предприятий заявляет о наибольшей прибыли от инвестиций в 3D моделирование и визуализацию (90%), в то время как классические инженерные технологии обеспечивают 50% прибыли компаниям, ориентированным на них. Из всех проанализированных технологий когнитивные технологии принесли наибольшую отдачу нефтедобывающим предприятиям, обеспечив 1,90 доллара на сотрудника на каждый вложенный доллар

[10]

.

В таблице 1 представлена сравнительная характеристика рентабельности инвестиций в цифровые технологии для повышения нефтеотдачи пластов и традиционные приемы.

Рассмотрим более подробно возможности наиболее популярных технологий, представленных на рис. 1.

Интернет вещей и промышленный Интернет вещей – это системы взаимосвязанных вычислительных устройств и машин, которые соединены друг с другом цифровым способом для улучшения повседневных операций или оптимизации управления промышленными процессами. Датчики Интернета вещей в нефтегазовой отрасли используются для сбора данных в режиме реального времени из нефтяной скважины, которые можно комбинировать с цифровой аналитикой и инструментами самодиагностики для автоматического мониторинга и оптимизации производительности скважины

В качестве примера можно привести новую технологию, позволяющую обнаруживать газ с помощью электрохимических датчиков. Также широкое распространение получили датчики, размещенные внутри скважин, противовыбросовые превенторы и дроссельные клапаны, которые дают возможность собирать данные в режиме реального времени. Используя эти сведения, облачные вычисления позволяют выявлять неисправное оборудование, помогая полевым инженерам прогнозировать и быстро реагировать на нештатные ситуации. Кроме того, решения Интернета вещей открывают широкие возможности для минимизации затрат на техническое обслуживание

Реализованным на практике примером использования Интернета вещей, который успешно комбинирован с машинным обучением, является метод увеличения добычи нефти из скважин с тяжелой нефтью на основе заводнения паром. Ученые из исследовательского университета Корнелла предложили рабочий процесс парового заводнения месторождения для работы с категорией данных временных рядов, которые могут быть проанализированы с помощью алгоритмов машинного обучения под наблюдением и IIoT. На основании этого была предложена система оптимизации, которая рекомендует оптимальный план распределения пара, что в результате привело к повышению добычи нефти на 3%

Кроме того, в 2016 году Shell развернула решение для подключения к Интернету вещей, которое объединило технологии автоматизации и контрольно-измерительных приборов для сбора данных с удаленных нефтяных месторождений и оптимизации операционной эффективности.

Искусственный интеллект. Это широкий термин для описания использования компьютеров, роботов и других машин с целью автономного выполнения задач, которые традиционно требовали человеческого разума. Одной из распространенных форм искусственного интеллекта в области повышения нефтеотдачи пластов является использование интеллектуальных алгоритмов для анализа операционных данных, извлечения информации, а затем автоматического внедрения улучшенных процессов

Так, например, методы искусственного интеллекта могут быть использованы для оценки эффективности операции полимерного заводнения. Для этого строится модель и в качестве входных данных моделей выбираются основные параметры полимерного заводнения: концентрация полимера, концентрация соли, тип породы, начальная нефтенасыщенность, пористость, проницаемость, объем пор, температура, гравитация API, молекулярный вес полимера и соленость. Для реализации модели может использоваться многослойный перцептрон, радиальная базисная функция и нечеткие нейронные сети, такие как адаптивная нейро-нечеткая система умозаключений. Эта модель существенно помогает инженерам в выборе правильных методов повышения нефтеотдачи, а также определения какие параметры оказывают наибольшее влияние на эффективность полимерного заводнения.

Большие данные и аналитика. Повседневные операции в нефтяной отрасли генерируют большие объемы неструктурированных данных. Платформы больших данных помогают отраслевым аналитикам данных извлекать ценную информацию из сведений о производстве и производительности конкретных месторождений. Это также полезно для инженеров, которые стремятся оптимизировать добычу и обеспечить безопасность резервуаров. Помимо этого, исторические данные о предыдущих операциях лучше обучают и тестируют алгоритмы и модели, управляемые ИИ

Большие данные и аналитика позволяют эффективно объединить сложнейшую математику с физикой пласта, машинным обучением, когнитивным анализом и массивными параллельными вычислениями. Результатом такой интеграции является поведенческая модель, которая описывает, что делает пласт, в дополнение к его геологической модели, которая описывает, что представляет собой пласт. Поведенческая модель способна за 24 часа отсеять более 15 млн потенциальных планов разработки месторождений и найти оптимальный план, соответствующий целям нефтяной компании. Кроме того, за четыре месяца такая модель может создать прогноз добычи с точностью 95% (или выше). Данная модель была протестирована на десятках пластов по всему миру. Увеличение добычи более чем на 20% удалось достигнуть при минимальных капитальных вложениях; умеренные капитальные вложения обеспечили увеличение добычи на 35% и более

Британский стартап Phoenix RDS использует большие данные и аналитику для оптимизации заводнения, добычи и бурения. Это позволяет операторам нефтегазовых активов повысить эффективность охвата пласта и снизить требования к объему закачки.

Роботизация и автоматизация. Зачастую операторы нефтегазовой отрасли работают в сложных и жестких условиях, представляющих значительный риск для безопасности людей. Для устранения этого риска нефтяная промышленность приспосабливается к решениям в области робототехники и автоматизации для повышения безопасности на рабочем месте, а также скорости выполнения операций.

Примером в данном случае является интегрированное цифровое решение по повышению нефтеотдачи пластов (ID-EOR), позволяющее в псевдореальном времени оптимизировать сети нагнетания и добычи для повышения эффективности активов и максимизации чистой текущей стоимости

Показатели ID-EOR для каждого бизнес-процесса (например, отношение закачиваемой жидкости к нефти, индекс продуктивности и коэффициент извлечения), возможности автоматизации, логика и характеристики рабочего процесса, диаграммы потоков и математические модели определяются и отображаются отдельно для процессов закачки и добычи. С целью структурирования различных автоматизированных рабочих процессов в некоторых случаях используется подход, основанный принципах «плавательной дорожки». Этими «дорожками» являются (i) краткосрочная диагностика нагнетательных скважин и регулярное обновление сети, (ii) модель пласта, (iii) регулярное обновление сети добычи и краткосрочная диагностика добывающих скважин

Облачные технологии. Облачные технологии способны хранить и обрабатывать данные на удаленных серверах, высвобождая дорогостоящую локальную память и вычислительные мощности.

В феврале 2019 года компания ExxonMobil заключила партнерство с Microsoft для внедрения облачных технологий в своих операциях в бассейне Permian Basin. Цель этого шага – обеспечить более эффективную работу и повысить прибыль за счет использования технологий Microsoft, включая Microsoft Azure, Dynamics 365, Machine Learning и IoT. Этот шаг гарантирует, что ExxonMobil получит представление о работе скважин и перспективах будущего бурения, что, как ожидается, позволит увеличить добычу на месторождениях в Permian примерно на 50 000 баррелей нефтяного эквивалента в день к 2025 году

Таким образом, подводя итоги, отметим, что цифровые технологии имеют высокий потенциал в области повышения нефтеотдачи скважин за счет объединения возможностей Интернета вещей, преимуществ зондирования, связи и аналитики, машинного обучения и искусственного интеллекта.