Андрей Александрович Прохоров — менеджер программ
90121, г. Санкт-Петербург, ул. Почтамтская, д. 3-5
Andrey A. Prokhorov — Program manager
3–5, Pochtamtskaya str., 190121, Saint Petersburg
Алина Фанисовна Мурзакова — главный специалист
Санкт-Петербург
Alina F. Murzakova — Chief specialist
Saint Petersburg
Анастасия Андреевна Рыбаковская — главный специалист
Томск
Anastasia A. Rybakovskaya — Chief specialist
Tomsk
Дмитрий Николаевич Сазонов — руководитель проекта по разработке продуктов
Санкт-Петербург
Dmitry N. Sazonov — Product development manager
Saint Petersburg
Введение. В статье рассматривается подход к автоматизации формирования бизнес-кейсов уплотняющего бурения на зрелых месторождениях.
Цель. Целью работы является разработка и апробация модуля автоматизированного поиска перспективных зон и размещения проектного фонда скважин («АВНС») для формирования бизнес-кейсов уплотняющего бурения на зрелых месторождениях, позволяющего снизить влияние субъективных факторов и сократить трудозатраты.
Материалы и методы. Разработанный модуль включает этапы предобработки геолого-промысловых данных, построения карты индекса возможности, кластеризации перспективных зон и размещения в них проектных целей, расчета запускных параметров скважин и оценки экономической эффективности. Алгоритмы реализованы с использованием методов машинного обучения, статистического анализа и общераспространенных аналитических подходов. Апробация инструмента проведена на данных более чем 40 объектов разработки.
Результаты. Ретроспективный анализ показал высокую точность рекомендаций, сопоставимую с экспертными решениями, при умеренной полноте охвата. Дополнительно выявлены нереализованные перспективные зоны, отражающие потенциал для дальнейшего разбуривания. Практическим результатом внедрения методики стало сокращение трудозатрат на формирование бизнес-кейсов на 20%.
Заключение. Работа демонстрирует, что автоматизированный подход способен повысить эффективность планирования бурения на зрелых активах, однако требует дальнейшего развития в части повышения качества исходных данных, совершенствования алгоритмов и интеграции с другими системами планирования.
Intruduction. The article discusses an approach to automating the development of infill drilling business cases for brown fields.
Aim. The aim of the work is to develop and test a module for the automated search for promising zones and placement of the project wells (“AVNS”) for generating infill drilling business cases at brown fields, which allows to reduce the influence of subjective factors and labor costs.
Materials and methods. The developed module includes the following stages:
• pre-processing of geological and production data;
• constructing an Opportunity Index map;
• clustering of promising target zones and placement of project wells;
• calculating well start-up parameters;
• assessing economic efficiency.
The algorithms are implemented using machine learning methods, statistical analysis, and common analytical approaches. Testing was conducted on data from more than 40 productive formations.
Results. A retrospective analysis showed high accuracy of the recommendations, comparable to expert decisions, with moderate coverage. Furthermore, untapped prospective zones were identified, indicating additional drilling potential. A key practical result was a reduction in labor costs for business case preparation by 20%.
Conclusions. The study demonstrates that an automated approach can enhance the efficiency of drilling planning for brown assets; however, it requires further development in terms of improving input data quality, refining algorithms, and integrating with other planning systems.
The authors declare that there are no conflicts of interest present.