В Томске нашли способ ускорения бурения горных пород
Томские ученые разработали метод, который повышает эффективность бурения в неоднородных карбонатных породах. Этот подход сочетает алгоритмы искусственного интеллекта и позволяет сократить время и затраты на бурение, как сообщили в Минобрнауки РФ. Об этом пишет портал ТАСС.
В Томском политехническом университете был представлен комплексный подход, направленный на сокращение продолжительности бурения, снижение затрат и повышение его эффективности в неоднородных карбонатных коллекторах, где сосредоточены значительные запасы углеводородов. Интегрированная структура включает различные алгоритмы искусственного интеллекта, что позволяет определить оптимальные условия работы.
Бурение составляет от тридцати до шестидесяти процентов стоимости скважины, и скорость работ напрямую влияет на сроки. Даже небольшое улучшение этого показателя на десять процентов может привести к значительной экономии. На скорость бурения влияют состав и прочность пород, пластовое давление и напряжения. Неоднородные карбонатные коллекторы, в основном известняки и доломиты, представляют особую сложность, так как в них сосредоточена значительная часть мировых запасов углеводородов.
Методы машинного и глубокого обучения применяются для прогнозирования и оптимизации параметров бурения в таких коллекторах. Однако многие модели не обладают достаточной интерпретируемостью, редко учитывают временные зависимости и не всегда физически осуществимы. Новый подход представляет собой методологию и руководство по оптимизации бурения на основе данных. Он может помочь сократить время бурения, снизить затраты и повысить эффективность, но для его применения на различных скважинах и месторождениях необходимы данные, охватывающие весь спектр геомеханических и эксплуатационных условий.
Ученые собрали данные из трех вертикальных нефтяных скважин в известняково-доломитовой формации, учитывая параметры бурения, глубину и механическую модель грунта, на основе которых были созданы системы прогнозирования.
Разработчик Шадфар Давуди отметил, что наивысшую точность и воспроизводимость показала система на базе LSTM-модели (долгая краткосрочная память). Анализ с помощью объяснимого искусственного интеллекта выявил, что главный параметр, определяющий производительность бурения, - это частота вращения. Интеграция с физически обоснованным алгоритмом NSGA-III помогла найти стратегии бурения, зависящие от типа пласта и соответствующие законам механики горных пород. Модели успешно проверили на скважине, которая ранее не исследовалась. Результаты работы опубликованы в журнале Results in Engineering (Q1, IF: 9,4).
