В Пермском Политехе создали интеллектуальную систему для нефтяных скважин, которая поможет сократить энергозатраты
Традиционные системы контроля за работой скважин часто оказываются неэффективными для оптимизации насосного оборудования. Они либо не учитывают постоянно меняющиеся условия пласта, либо требуют внедрения сложной инфраструктуры, что делает их использование экономически невыгодным. Ученые Пермского Политеха создали цифровую систему на основе нейросети, которая автоматически подбирает наиболее оптимальный режим работы оборудования. Она позволяет снизить энергопотребление на месторождении до 10 – 12%, что поможет нефтегазовым компаниям экономить десятки миллионов рублей, сохраняя при этом плановый уровень добычи.
Нефтегазовый сектор сегодня остается ключевым для экономики многих стран, но при этом является одним из самых энергоемких. Основной расход приходится на подъем жидкости, транспорт сырья и поддержание пластового давления и может составлять более 50% общего энергопотребления месторождения. В условиях растущих тарифов повышение энергоэффективности всего процесса добычи становится важной задачей для снижения себестоимости продукции.
Главная проблема заключается в высоком уровне эксплуатационных потерь: до 20–25% всей потребляемой электроэнергии на месторождении расходуется неэффективно. Большая доля приходится на систему поддержания пластового давления, необходимого для вытеснения нефти к скважинам. Однако основная доля электроэнергии при этом расходуется из-за неоптимальных режимов работы насосного оборудования, излишнего гидравлического сопротивления в трубах и устаревших методов управления.
Ключевым последствием этой неэффективности являются значительные финансовые потери. В масштабах одного месторождения ежегодные расходы из-за избыточного энергопотребления достигают десятков, а иногда и сотен миллионов рублей. При грамотной оптимизации эти средства можно сэкономить и направить на модернизацию или инвестиции в новые проекты.
Особую роль при этом играет настройка электроприводного центробежного насоса (УЭЦН) в каждой скважине. Его энергопотребление зависит от множества взаимосвязанных и постоянно меняющихся факторов: дебита (скорости добычи), уровня и плотности жидкости в пласте, давления и частоты питания насоса.
Традиционные подходы к управлению такими насосами часто не учитывают всей сложности и нелинейности процессов добычи. Они настраиваются на усредненные условия, хотя реальное состояние пласта постоянно меняется. В результате насос продолжает работать с изначально заданной мощностью и частотой, не учитывая, что текущие условия могут требовать иных параметров. Соответственно, они поддерживают заданный ранее режим, даже если он стал энергетически невыгодным.
Более продвинутые, автоматизированные решения также имеют существенные недостатки. Для их реализации требуется внедрение на месторождение дорогостоящей сети датчиков, обеспечивающих непрерывный мониторинг всех критических параметров скважины. Их использование ведет к резкому росту эксплуатационных затрат и усложнению обслуживания.
Ученые Пермского Политеха разработали цифровую систему для интеллектуального управления энергопотреблением добывающей скважины. Такое решение позволит сохранить заданный уровень добычи, при этом снизив энергопотребление на месторождении до 10 – 12%, что обеспечит ежегодную экономию в размере десятков миллионов рублей.
Первым этапом работы стало создание математической модели центробежного насоса, которая комплексно учитывает гидродинамические процессы в скважине, а также технические параметры самого оборудования.
Для проверки ее точности ученые в качестве «эталона» использовали реальные эксплуатационные данные, полученные с действующего месторождения. В модель последовательно подавались замеренные значения для разных параметров (уровень жидкости, давление и другие), чтобы на основе этой информации она рассчитала прогнозное электропотребление. Затем эти значения ученые сравнили с фактическими показаниями промышленных электросчётчиков.
Проверка показала, что модель воспроизводит реальное электропотребление с точностью 97,2% и позволяет смоделировать тысячи вариантов работы скважины при различных комбинациях параметров. Провести подобный объем испытаний в натурных условиях невозможно, поэтому полученный массив синтетических данных стал основой для дальнейшей работы.
— На основе результатов моделирования мы обучили готовую нейронную сеть для более оперативного анализа параметров. В нее вводили конкретные данные о режиме скважины: такие как частота питания насоса, динамический уровень в скважине, буферное давление и плотность жидкости. На основе полученных сведений она делала прогноз: вычисляла, какими будут скорость добычи и расход электроэнергии в этих условиях. Этот вывод она сразу же сравнивала с результатом расчёта раннее созданной математической модели. Для уменьшения ошибки прогнозирования мы также разработали специальный алгоритм обучения, чтобы автоматически «подкручивать внутренние настройки» и делать каждый следующий прогноз точнее. Этот этап повторялся для тысячи различных сценариев, пока результаты нейросети не совпали с данными математической модели с требуемой точностью. Теперь, вводя всего четыре параметра, можно за несколько секунд спрогнозировать, как изменение режима добычи (например, частоты питания насоса) повлияет на расход электроэнергии, — рассказал Игорь Шмидт, кандидат технических наук, доцент кафедры «Микропроцессорные средства автоматизации» ПНИПУ.
Чтобы превратить эти прогнозы в конкретные команды для управления оборудованием, способные адаптироваться к изменяющимся условиям, на основе обученной нейросети эксперты разработали два регулятора, работающие в разных режимах. По сути, это программные модули, которые могут встраиваться в существующие системы управления насосным оборудованием в каждой скважине.
Первый регулятор предназначен для непрерывного режима добычи. Он следит за тем, чтобы скважина выдавала нужный объём нефти, и подбирает для этого такую скорость насоса, при которой будет тратиться как можно меньше электроэнергии. Второй регулятор оптимизирует работу в периодическом (непостоянном) режиме добычи. Его задача — рассчитать, с какой производительностью и как долго должен работать насос, чтобы выполнить суточную норму добычи, потратив при этом как можно меньше энергии в среднем за сутки.
— Эффективность предложенной системы управления (на основе двух регуляторов) была подтверждена в ходе моделирования. Ее работу мы проверяли на точной цифровой копии скважины. Мы провели тестирование для трех типовых режимов эксплуатации скважины («легкий», «средний» и «тяжелый»). Они соответствуют ключевым комбинациям геологических и технологических параметров, которые определяют сложность добычи в целом. «Лёгкий» режим имитирует самые простые условия, при которых скважине нужно меньше всего электроэнергии для работы. «Средний» соответствует наиболее типичным, усреднённым условиям эксплуатации, а «тяжёлый» представляет наихудший из сценариев с высоким сопротивлением пласта, где насос работает на пределе. Выбор именно трёх таких режимов позволяет оценить работу системы во всём возможном диапазоне нагрузок на скважину, — дополнил Дмитрий Даденков, кандидат технических наук, доцент кафедры «Микропроцессорные средства автоматизации» ПНИПУ.
Для каждого из режимов ученые сравнивали результат работы отдельно первого и второго регуляторов. Компьютерная модель посчитала, сколько электроэнергии потратила виртуальная скважина, чтобы выполнить план по добыче при заданных условиях. Результаты показали, что применение второго регулятора в «среднем» и «тяжелом» режимах снижает энергопотребление в среднем на 5,5 кВт по сравнению с первым регулятором. Усредненный экономический эффект составил 1,7 кВт на одну скважину.
Полученная экономия в масштабе всего месторождения дает существенный эффект. Учитывая, что на нем эксплуатируются десятки и сотни скважин, совокупное снижение энергопотребления при внедрении разработки может составлять до 10 – 12 % в «средних» и «тяжёлых» условиях. Это приводит к существенному снижению нагрузки на энергосистему и сокращению эксплуатационных затрат. В финансовом аспекте такая оптимизация позволит экономить десятки миллионов рублей в год на каждом месторождении.
Перспективы дальнейших исследований будут направлены на масштабирование разработанной системы для управления кустом скважин с учётом их взаимного влияния, а также на опытное внедрение предложенных регуляторов в промышленные решения.