Любое "цифровое месторождение" состоит из нескольких модулей: добыча, подготовка, перекачка нефти, персонал, транспорт, механизированный фонд скважин, ремонты, промбезопасность и т.п. От датчиков, которыми оснащены реальные объекты, сведения поступают на промышленные контроллеры, обрабатывающие их и передающие в центр интегрированных операций. Его специалисты, которые сидят за много километров от скважин, получают детальную информацию о текущем состоянии производства: от количества добытой нефти до сердцебиения операторов. Данные анализируются как профильными специалистами, так и искусственным интеллектом. Чтобы понимать, в чем нейросеть опережает возможности человека - показания с каждого из тысяч датчиков снимаются потоком до 100 раз в минуту. А ИИ способен за секунды проанализировать более 70 тысяч динамограмм.
Пока по всей России реализовано не более двух десятков подобных проектов, в частности, на Илишевском месторождении в Башкирии, на Кальчинском месторождении в Тюменской области, на Новопортовском на Ямале. При общей численности месторождений в стране свыше трех тысяч, кажется, немного, однако перспективы у технологии огромные. Ее главное преимущество - высокая эффективность. По данным Института проблем нефти и газа РАН, эффективность добычи, оцениваемая как коэффициент извлечения нефти (КИН), при применении традиционных технологий составляет 29 процентов, цифровых (оснащение локальной автоматикой) - 38 процентов, а у интеллектуальных месторождений с использованием элементов кибернетики этот показатель достигает 47 процентов.
- К ключевым технологиям "цифрового месторождения" относятся системы и оборудование для дистанционного мониторинга в режиме реального времени, облачные инструменты, инструменты для анализа Big Data, ИИ и модели для прогнозных расчетов. Они позволяют повысить скорость и качество принятия решений. Например, вовремя отремонтировать оборудование или остановить нерентабельную скважину, учесть новые данные в графике движения бригад. В результате сокращаются простои людей и техники, снижаются затраты и растет операционная прибыль компании, - пояснил "РГ" Никита Зотов, старший консультант "ВЫГОН Консалтинг".
Чаще всего, по его словам, цифровые технологии используются в бурении (предиктивные системы для геонавигации), в управлении разработкой и мониторинге добычи (предиктивное обслуживание). "Чем выше капиталоемкость проекта, тем больше вероятность применения на нем новейших цифровых технологий, так как потенциальный эффект значителен", - отметил эксперт.
Пример цифровой технологии - интеллектуальная система предупреждения осложнений и аварий при строительстве скважин (ИСПОАС). Это совместная разработка РГУ нефти и газа имени И.М. Губкина и Института проблем нефти и газа РАН. Система сообщает бурильшику о возможных осложнениях, чтобы он мог предпринять шаги, позволяющие избежать потенциальной аварии. В результате повышается безопасность и эффективность работы. И, конечно, сокращаются расходы на бурение скважин.
"Примерно 50 процентов капвложений в месторождение идет на бурение, где один метр стоит примерно тысячу долларов. При этом непроизводительное время работы составляет 40 процентов. Наша система позволяет сократить это время вдвое - до 20 процентов. В результате на одном метре бурения экономится 200 долларов, - рассказал "РГ" профессор РГУ нефти и газа имени И.М. Губкина Николай Еремин. - Учитывая, что стоимость одной скважины в Западной Сибири составляет примерно три-четыре миллиона долларов, система позволяет экономить на каждой из них до одного миллиона".
Почти в каждой крупной российской нефтедобывающей компании используются те или иные элементы "цифрового месторождения". Программы и программно-аппаратные комплексы создаются исследовательскими институтами, которые входят в состав этих холдингов. С одной стороны, это дает определенным недропользователям конкурентное преимущество, с другой стороны, спустя время лицензии выводятся на внешний рынок, тем самым повышается уровень проникновения ИИ по всей отрасли.
К примеру, систему, которая строит полномасштабные геологические модели, включая тектонические разломы, применяет "Роснефть" и еще 13 российских предприятий. А кибер-ГРП, созданный "Газпром нефтью", тестировали 12 нефтяных и нефтесервисных компаний. Как известно, гидроразрыв пласта - один из ключевых способов повышения нефтеотдачи, минпромторг развивает отечественный флот для ГРП - софт и оборудование. Программа моделирует возникновение трещины, ее раскрытие под действием закачиваемой жидкости, продвижение пропанта и предлагает оптимальные сценарии.
Обновили в прошлом году и ИТ-продукт для проектирования разработки месторождения. Раньше петрофизики и геологи изучали каждую скважину по отдельности, а теперь они могут комплексно анализировать сотни объектов одновременно: алгоритмы определяют минеральный состав, плотность и пористость горных пород, выявляют пропущенные интервалы в карбонатном разрезе, сокращая время поиска нефти с нескольких месяцев до нескольких недель. К примеру, благодаря нейросети были обнаружены дополнительные запасы черного золота на Ямале, в Томской области и Югре.
- Пилотная версия инфосистемы всегда тестируется в нескольких дочерних обществах. Если она показывает прогнозную экономическую эффективность, ее тиражируют. Решение о разработке принимает специальный экспертный совет, - делится опытом Олег Загайнов, начальник управления метрологии, автоматизации, связи и информационных технологий "РН-Уватнефтегаз". - Так, для пилотирования системы предиктивной аналитики компания "Роснефть" отобрала три предприятия, занимающихся геологоразведкой и добычей, и два НПЗ. В прошлом году ее запустили в промышленную эксплуатацию. Информационная система на основе ИИ умеет прогнозировать состояние технологических объектов, что дает возможность предпринять превентивные меры.
На сегодня крупнейшей в СНГ динамической математической моделью, реализованной в проектах нефтедобычи, считается цифровой двойник установки подготовки нефти, газа и конденсата, который в конце 2023 года запустили на Новопортовском месторождении. Он состоит из более чем 1,5 тысячи элементов.
- Цифровизация объектов велась два года, мы уже получили экономический эффект и повысили безопасность производства. В ближайшей перспективе планируем использовать динамическую модель для бизнес-планирования, а также прогнозирования отгрузки углеводородов, - комментирует Артем Войводяну, гендиректор компании "Газпромнефть-Ямал".
Почти все крупные недропользователи заявляют, что собираются оцифровать ключевые бизнес-процессы. Что может ускорить это? Снижение трудоемкости создания виртуальных двойников и рост производства российского оборудования для удаленного мониторинга.
- Согласно плану мероприятий по импортозамещению, утвержденному Минпромторгом РФ, доля российского оборудования в области электроники для нефтегазового машиностроения к 2024 году должна составить около 29 процентов. Этого недостаточно для решения проблемы с мониторинговыми датчиками. С ПО, обеспечивающим работу мониторингового оборудования, ситуация также неоднозначная, - отметил Никита Зотов. - Что же касается ПО более высокого уровня (витрины данных и предиктивные системы), то сейчас на рынке уже представлены российские решения и компании ими пользуются.