Integrated model for digital oil field development management

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Providing the extractive industry with new technologies to maintain the levels of oil and gas production planned in the strategy of the Russian Federation is the most important task. First of all, an increase in profitable reserves must be ensured; this goal can be achieved both through geological exploration and through the capabilities of “digital transformation” and the formatting of decision-making systems. A field controlled by artificial intelligence is a new reality. At the same time, the main task of AI is not to reduce jobs or completely replace humans in the field, but to provide a systematic, objective approach to decision-making based on physics and mathematics, and not on the personal experience of an individual. Currently, the main planning tool in the oil and gas industry is a geological and hydrodynamic model. Recently, thanks to an increase in design capacity, the industry has made an evolutionary leap in this direction and is transitioning to integrated modeling that combines both the underground and surface parts of the field. The future is neural network technologies, combined with classical methods into a single digital environment for optimizing all processes, from reservoir to processing and sales of products. In the new paradigm, the process of development management at different stages of field development requires a radical transformation of both the tools used for this and changes in governing documents. To meet the ever-accelerating pace of progress, timely updating of the legislative framework is required, development of regulations for integrated modeling, including all elements of research and production, from seismic exploration to field development; in addition, each stage of field development requires its own requirements for the quality and volume of initial information, in accordance with the new production paradigm.

Full Text

Restricted Access

About the authors

I. V. Shpurov

State Commission on Mineral Reserves

Author for correspondence.
Email: shpurov@gkz-rf.ru

доктор технических наук, генеральный директор

Russian Federation, Moscow

M. Yu. Danko

Tyumen Institute of Oil and Gas LLC

Email: danko@togi.ru

заместитель генерального директора по науке

Russian Federation, Tyumen

K. S. Kharchenko

Oil and Gas Scientific аnd Research Centre, Lomonosov State University

Email: kharchenkoks@nicmgu.ru

заместитель генерального директора по геологии и разработке

Russian Federation, Moscow

M. F. Pecherkin

Tyumen Institute of Oil and Gas LLC

Email: mikhail.pecherkin@mail.ru

генеральный директор

Russian Federation, Tyumen

A. G. Krotova

Oil and Gas Scientific аnd Research Centre, Lomonosov State University

Email: krotovaag@nicmgu.ru

специалист отдела разработки

Russian Federation, Moscow

E. A. Simakov

Tyumen Institute of Oil and Gas LLC

Email: Simakov@togi.ru

директор департамента анализа и проектирования разработки

Russian Federation, Tyumen

References

  1. Нишкевич Ю.А., Рябец Д.А., Бриллиант Л.С. и др. Опыт организации роботизированных систем управления заводнением в алгоритмах искусственного интеллекта при оптимизации разработки высокообводненных залежей // Геология и недропользование. 2022. № 7. С. 51−58. / Nishkevich Yu.A., Ryabets D.A., Brilliant L.S. et al. Experience in organizing robotic waterflooding control systems in artificial intelligence algorithms for optimizing the development of highly watered deposits // Geology and subsoil use. 2022, no. 7, pp. 51−58. (In Russ.)
  2. Андонов К.А., Елишева А.О., Круглов С.П. Управление разработкой зрелых месторождений с применением нейронных сетей на месторождениях ПАО “Лукойл”. https://togi.ru/publication/ (дата обращения 11.07.2024) / Andonov K.A., Elisheva A O., Kruglov S.P. Management of mature field development using neural networks at Lukoil PJSC fields. https://togi.ru/publication/ (date accessed 11.07.2024)
  3. Меркель М.А. Предиктивная аналитика отказов ГНО. https://togi.ru/publication/ (дата обращения 11.07.2024) / Merkel M.A. Predictive analytics of GNO failures. https://togi.ru/publication/ (date accessed 11.07.2024)
  4. Завьялов А.С. Технологии искусственного интеллекта в управлении добычей. https://togi.ru/publication/ (дата обращения: 11.07.2024) / Zavyalov A.S. Artificial Intelligence Technologies in Production Management. https://togi.ru/publication/ (date accessed 11.07.2024)
  5. Зарубин А.Л, Перов Д.В., Рябец Д.А. и др. Автоматизация процессов нейросетевой оптимизации режимов закачки воды на месторождениях АО «НК “Нефтиса”» // Нефть. Газ. Новации 2020. № 8. С 30−35. / Zarubin A.L., Perov D.V., Ryabets D.A. et al. Automation of processes of neural network optimization of water injection modes at the fields of JSC NK Neftisa // Oil. Gas. Innovations. 2020, no. 8, pp. 30−35. (In Russ.)
  6. Рябец Д.А, Бескурский В.В., Бриллиант Л.С. и др. Автоматизация процессов управления режимами работы нагнетательных скважин при нейросетевой оптимизации на объекте БС8 Западно-Малобалыкского месторождения // Neftegaz.RU. 2020. № 2 (98). / Ryabets D.A, Beskursky V.V., Brilliant L.S. et al. Automation of processes for controlling the operating modes of injection wells with neural network optimization at the BS8 facility of the Zapadno-Malobalykskoye field // Neftegaz.RU. 2020, no. 2 (98). (In Russ.)
  7. Трофимова Е.П., Лучинин С.Б., Валеев Е.М., Южанина А.А. Технико-экономическое обоснование применения мобильных установок подготовки скважинной продукции на нефтяных месторождениях в период пробной эксплуатации // Разработка и эксплуатация нефтяных и газовых месторождений. 2020. № 4. С. 1−49. / Trofimova E.P., Luchinin S.B., Valeev E.M., Yuzhanina A.A. Feasibility study for the use of mobile well product preparation units at oil fields during trial operation // Development and operation of oil and gas fields. 2020. no. 4, pp. 1−49. (In Russ.)
  8. Сугаипов Д.А., Батрашкин В.П., Хасанов М.М. и др. Основные принципы модульной стратегии обустройства месторождений в ПАО “Газпром нефть” // Нефтяное хозяйство. 2018. № 12. С. 68– 71. doi: 10.24887/0028-2448-2018-12-68-71 / Sugaipov D.A., Batrashkin V.P., Khasanov M.M. et al. Basic principles of the modular strategy for field development at PJSC Gazprom Neft // Oil industry. 2018, no. 12, pp. 68−71. (In Russ.) doi: 10.24887/0028-2448-2018-12-68-71
  9. Дашевский А.В., Устимчук М.В., Дубровин К.А. и др. Современные решения для обустройства инфраструктуры малых месторождений // Нефтяное хозяйство. 2018. № 12. С. 124−125. / Dashevsky A.V., Ustimchuk M.V., Dubrovin K.A. et al. Modern solutions for the arrangement of small field infrastructure // Oil Industry. 2018, no. 12, pp. 124−125. (In Russ.)
  10. Дашков Р.Ю., Гафаров Т.Н., Облеков Р.Г. и др. Опыт освоения и оптимизация разработки Лунского нефтегазоконденсатного месторождения // Газовая промышленность / Спецвыпуск. 2024. № 2 (866). С. 48−53. / Dashkov R.Yu., Gafarov T.N, Oblekov R.G. et al. Experience of development and optimization of the Lunskoye oil and gas condensate field // Gas industry. Special issue. 2024, no. 2 (866), pp. 48−53. (In Russ.)

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1. Concept of fishery management based on machine learning algorithms Source: [1]

Download (266KB)
3. Fig. 2. Results of the implementation in Russia of injection management technology based on machine learning algorithms, according to data from TING LLC Note: NPV – net present value Source: [4]

Download (209KB)
4. Fig. 3. Matrix for selecting design tools depending on the stage of exploration and complexity of the field Note: TPR – technological project for development, TSD – technological development scheme, PPE – trial operation project

Download (255KB)

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».