Конференция Интеллектуальный анализ данных в нефтегазовой отрасли

Интеллектуальный анализ данных

Применение физически-информированной нейронной сети для прогнозирования динамики изменения пластового давления вокруг работающей скважины

Г.М. Шутов (1), Д.И. Ахметов* (1), Е.В. Бурнаев (1), В.В. Вановский (1) (1 - Сколтех)

В результате исследования была обучена физически-информированная нейросетевая модель скважины, которая предсказывает поля давлений, при этом учитывая уравнения фильтрации. Модель работает на несколько порядков быстрее, чем численный симулятор. Это свойство модели, а также ее свойство дифференцируемости, позволяют использовать данную модель для различных задач моделирования течения жидкости на реал..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Мониторинг действующих скважин Добавлено: 17.10.2024

SQL-based workover recommendation system for water drive reservoirs in Republic of Serbia

M.V. Naugolnov (1), M.N. Visekruna* (1), S. Sesum (1) (1 - NTC NIS-Naftagas)

The goal of this project is to create an analytical instrument for automatic identification of wells that need workover, specifically remedial works. To achieve this goal, it is necessary to solve the following tasks: 1. Analyze the operation of wells. 2. Perform automatic adaptation of their displacement model characteristics. 3. Detect deviation of water production trends comparing to the model..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Мониторинг действующих скважин Добавлено: 17.10.2024

Влияние размерности пространства признаков на мониторинг эффективности работы скважин методами машинного обучения в режиме реального времени

Е.С. Гладченко* (1), Д.М. Орлов (1), Д.А. Коротеев (1) (1 - Сколковский институт науки и технологий)

В современном мире нефтегазовая отрасль сталкивается с рядом вызовов, связанных с эксплуатацией как зрелых, так и новых месторождений. Некоторые задачи, такие как анализ данных и мониторинг состояния скважин, возможно успешно решить при помощи методов машинного обучения (МО) и искусственного интеллекта. Стоит отметить, что методы МО являются статистическими, и решающую роль в процессе их обучения ..

Успешное использование интеллектуальной системы активного мониторинга состояния динамического оборудования с поддержкой детекции развивающихся аномалий

М.Г. Петров* (1), Н.Н. Делегевурян (1), А.Г. Авакян (1), Д.И. Полукеев (1) (1 - ООО «Альма Сервисез Компани»)

Оценка состояния оборудования и прогноз будущих сбоев имеют решающее значение для принятия решений по техническому обслуживанию. Особенно это критично для динамического оборудования, такого как компрессоры высокого и низкого давления. Многие из существующих методов оценки состояния оборудования используют неконтролируемые методы для построения показателей работоспособности путем измерения несоотве..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Мониторинг действующих скважин Интеллектуальный анализ данных Добавлено: 17.10.2024

Оптимизация жизненного цикла оборудования механизированной добычи на основе современных моделей анализа выживаемости

О.А. Сутырина* (1), С.Б. Овчинников (1), А.Я. Исангужина (1) (1 - ООО «Системы телекоммуникаций и информационной безопасности Шлюмберже»)

Установка электроприводного центробежного насоса (УЭЦН) является одной из самых эффективных технологий механизированной добычи, разработанной для увеличения дебита нефти в условиях различных геологических осложнений. Зачастую анализ состояния УЭЦН ограничивается подсчётом простых статистических метрик и построением экспоненциального распределения в редакторах таблиц. Из виду могут быть упущены бол..

Интеграция телеметрии географически распределенных объектов механизированной добычи на основе промышленного интернета вещей

М.Д. Бигун* (1), Е.Ю. Брычков (1), P. Сеитов (1), С. Овчинников* (1), Н.Ф. Тарелко (1) (1 - ООО «Системы телекоммуникаций и информационной безопасности Шлюмберже»)

Промышленный интернет вещей (IIoT) – одно из основных современных направлений развития промышленности, влияющий на автоматизацию процессов, модернизацию управления и операций в технологических и производственных областях, в том числе и в нефтегазовой отрасли. Улучшение уровней связи и взаимодействий между объектами, наполняющими интернет вещей, комплексная информация о работе различных элементов с..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Программное обеспечение Мониторинг действующих скважин Добавлено: 17.10.2024

Показано с 1 по 6 из 6 (Страниц: 1)