В Томске создали методику для «трудных» пород / Наука и технологии
В Томском политехническом университете разработали комплексный подход, который должен сократить время бурения, снизить затраты и повысить эффективность работы в неоднородных карбонатных коллекторах — горных породах, где, потенциально, сосредоточены значительные запасы углеводородов. Новая интегрированная структура объединяет сразу несколько алгоритмов искусственного интеллекта и позволяет определить оптимальные рабочие условия. Результаты опубликованы в журнале Results in Engineering (Q1, IF: 9,4), проект поддержан грантом Министерства экономического развития РФ.
Экономия здесь имеет значение: стоимость процессов бурения зачастую составляет 30–60% от общей стоимости строительства скважин, а скорость проходки напрямую определяет его продолжительность. Даже 10-процентное улучшение этого показателя ведёт к существенной экономии, особенно при работе с морскими скважинами. При этом скорость проходки зависит от ряда контролируемых параметров, чьё влияние носит нелинейный характер и зависит от литологии, прочности породы, порового давления и напряжения. Особенно остро эти сложности проявляются при бурении неоднородных карбонатных коллекторов — преимущественно известняков и доломитов, — в которых, по различным данным, сосредоточена значительная доля мировых запасов углеводородов.
Методы машинного и глубокого обучения уже применяют для улучшения прогнозирования и оптимизации параметров бурения, но большинству существующих моделей не хватает интерпретируемости, они редко учитывают временные зависимости и не всегда физически осуществимы. Решение учёный видит в объединении трёх технологий:
«Возможным ответом на решение существующих проблем может стать разработка интегрированной структуры, объединяющей глубокое обучение (deep learning), объяснимый искусственный интеллект (Explainable Artificial Intelligence) и многоцелевую эволюционную оптимизацию (Multi-Objective Evolutionary Optimization)»,— говорит автор исследования, доцент отделения нефтегазового дела Инженерной школы природных ресурсов ТПУ Шадфар Давуди.
Для этого были собраны и обработаны данные из трёх вертикальных нефтяных скважин, пробуренных в формации из известняка и доломита: учитывались параметры бурения, информация о глубине и параметры механической модели грунта.
«При оценке оптимизации бурения учитывались три противоречащих друг другу цели: максимизация скорости бурения, минимизация крутящего момента и минимизация удельной механической энергии. Был сгенерирован набор Парето-оптимальных решений (метод, позволяющий получить полную картину компромиссов между различными критериями и найти оптимальные), что позволило определить рабочие условия, обеспечивающие наилучший компромисс между скоростью бурения, энергоэффективностью и механической нагрузкой», — добавляет ученый.
По словам разработчика, наивысшую точность прогнозирования и воспроизводимость обеспечила LSTM-модель (долгой краткосрочной памяти — прим.), анализ с использованием объяснимого искусственного интеллекта показал, что доминирующим параметром производительности бурения является частота вращения, а интеграция с алгоритмом NSGA-III помогла выявить стратегии бурения, зависящие от типа пласта и соответствующие принципам механики горных пород. Модели успешно проверили на ранее не исследованной скважине.
«Полученные результаты продемонстрировали, что предложенная модель отражает фундаментальные взаимосвязи бурения, а не специфические для скважины особенности, и остается устойчивой в различных литологических и эксплуатационных условиях», — поясняет Шадфар Давуди.
Сам разработчик подчёркивает, что предложенный подход — это прежде всего методология и руководство по оптимизации бурения в неоднородных карбонатных коллекторах на основе данных. Потенциально её можно использовать для сокращения времени бурения, снижения затрат и повышения эффективности эксплуатации, однако для применения на разных видах скважин и месторождений потребуется предоставить данные, охватывающие полный спектр геомеханических и эксплуатационных условий.
