От теории к практике: автоматизация формирования бизнес-кейсов уплотняющего бурения на зрелых месторождениях

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. 

1. Прохоров А.А. и др. Современные подходы к автоматизации процесса уплотняющего бурения: от поиска зон до оптимизации затрат для месторождений на последних стадиях разработки // Газпром нефть НТЦ. — 2023. — С. 159–172.

2. Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006. — Pp. 41–45.

3. Litvak M., Gane B., Williams G. Field Development Optimization Technology // Society of Petroleum Engineers, Houston. — 2007. SPE 106426. — Pp. 1–10.

4. Roussennac B. Gijs van Essen Streamlining the Well Location Optimization Process — An Automated Approach Applied to a Large Onshore Carbonate Field // Society of Petroleum Engineers, Dubai, UAE. — 2021. SPE 205913. — Pp. 1–13.

5. Boah E.A., Senyo Kondo O.K., Borsah A.A. Critical Evaluation of Infi ll Well Placement and Optimization of Well Spacing Using the Particle Swarm Algorithm // Journal of Petroleum Exploration and Production Technology. — 2019. — No. 9 (4). https://doi.org/10.1007/s13202-019-0710-1