Комплексный подход к разработке программного обеспечения для автоматизации работы инженерно-технического персонала нефтегазодобывающего предприятия на примере ПО “Автогеолог”



Неблагоприятная конъюнктура рынка в сфере ТЭК, характеризующаяся низкой ценой на жидкие углеводороды, истощениям залежей с традиционными запасами, вводом в разработку трудно извлекаемых запасов (ТРиЗ), ставит задачу повышения качества принимаемых решений инженерно-техническим персоналом.

Рис. 1. Динамика цен на фьючерсный контракт на нефть Brent (MOEX, USD за баррель)

Разработка программного обеспечения, основанного на математических моделях анализа и обработки промысловых данных с целью поддержки принятия решений инженерами нефтегазодобывающего предприятия является одним из наиболее перспективных направлений в области повышения эффективности работ предприятий ТЭК. Автоматизация процессов принятия решений — действенный способ увеличения эффективности производственных процессов, уменьшения нагрузки на персонал вызванной монотонной и однообразной работой, которую возможно возложить на ЭВМ, снижения затрат, связанных с некорректностью решений и ошибками.

Нефтяной промысел относится к сложным промышленным системам, имеющим колоссальные объёмы обрабатываемой и генерируемой информации. Автоматизация работы сотрудников нефтегазодобывающих предприятий является сложной задачей, требующей скрупулёзного анализа и верификации промысловых данных, учета высокой степени неоднородности системы принятия решений.

В ходе реализации программного обеспечения для автоматизации работы геологических служб нефтегазодобывающих предприятий “АвтоГеолог” был разработан следующих алгоритм проектирования информационных систем:

1. Определение и детальное рассмотрение основных должностные обязанности промыслового геолога нефтегазодобывающего предприятия, путем проведения анализа рабочего дня каждого из сотрудников. Упрощенный результат проведенного анализа представлен на рисунке 2 в виде Use case диаграммы универсального языка разработки UML.

Рис. 2. Должностные обязанности геологических служб

2. Для каждой задачи решаемой сотрудником геологической службы необходим подбор наиболее подходящего способа анализа данных исходя из неопределенности системы.

Рис. 3 Выбор способа анализа данных

Классические методы управления и нечеткие системы являются эффективными и наиболее производительными в случае, когда для решаемой задачи имеется научно обоснованная зависимость между влияющими и прогнозируемыми параметрами.

В случае высокой неопределенности системы, когда предсказать прогнозируемую величину невозможно, целесообразно использовать методы машинного обучения.

Рис. 4 Оценка различия методов анализа данных.

В качестве строго детерминированной задачи, решаемой промысловыми геологами, возможно привести задачу подбора кандидатов под проведение геофизических исследований нагнетательных скважин с целью определения профиля приемистости и технического состояния скважины. Данная задача регламентируется РД 153–39.0–072–01 “Технической инструкцией по проведению геофизических исследований и работ приборами на кабеле в нефтяных и газовых скважинах”. Исходя из требований РД был разработан эвристический алгоритм анализа геолого-технической информации скважины, позволяющей производить подбор кандидатов под ГИС.

Рис. 5. Эвристический алгоритм подбора скважин кандидатов под ГИС ППиТС

Нечеткие системы управления целесообразно применять для задач имеющих большую степень неопределенности по сравнению со строго детерминированными задачами, но где возможно дать научное обоснование взаимосвязи влияющих факторов и прогнозируемой переменной. В качестве примера возможно привести задачу определения причин обводнения скважин.

Увеличение обводненности нефтяных скважин является неотъемлемой и закономерной частью процессов добычи углеводородов. По этой причине одной из основных задач, стоящих перед геологическими службами, нефтегазодобывающих предприятий, является диагностика причин обводнения скважин. Проведем детальную оценку снижения трудозатрат на выявление причин обводнения путем разработки алгоритма на основе нечеткой логики.

Причины роста обводненности возможно разделить на 4 категории:

− обводнение вызвано конусообразованием подошвенных вод;

− прорыв вод, расположенных за контуром нефтеносности;

− прорыв закачиваемых в пласт вод от нагнетательных скважин;

− поступление воды из негерметичностей эксплуатационной колонны или заколонных перетоков.

Определение причин роста обводнения скважинной продукции сводится к анализу факторов риска, величина которых и являются граничными условиями диагностики той или иной причины обводнения скважины.

К данным факторам риска обводнения скважинной продукции относятся:

− расстояние до нагнетательной скважины (м);

− изменение объёмов закачки, влияющей ППД по сравнению с 3 и 6 месячной давностью (м);

− текущая компенсация по элементу заводнения (%);

− отношение максимального значения проницаемости в разрезе к среднему (д.ед.);

− расстояние до внешнего контура нефтеносности (м);

− расстояние от подошвы интервала перфорации до ВНК по вертикали (м);

− величина забойного давления (МПа);

− время эксплуатации скважины (лет);

− количество проведенных ТКРС (шт.).

Для каждого фактора риска обводнения скважины экспертно задаются функции принадлежности к каждой определенной причине обводнения. В качестве примера зададим значение функции принадлежности влияние фактора риска «Расстояние до нагнетательной скважины» на рост обводненности скважины посредством прорыва нагнетаемых в пласт вод. График функции принадлежности представлен на рисунке 6.

Рис. 6. Пример функции принадлежности влияние фактора риска «Расстояние до нагнетательной скважины» на рост обводнности скважины посредством прорыва нагнетаемых в пласт вод

При значительном расстояние до скважины ППД закономерно, что добывающая скважина не может обводняться водой от закачки, поэтому на расстоянии свыше 1050 м — выражение ложно, функция принадлежности равна 0, 350 м — выражение верно, выражение ложно, функция принадлежности равна 1, 350–1100 м — выражение неоднозначно, функция принадлежности в пределах от 0 до 1.

Таким образом, зная величину влияющего фактора возможно определить значение функции принадлежности, заданной экспертом. [9]

Для получения общей вероятности умножаем значения функций принадлежности на значения веса каждого фактора. Вес каждого фактора примем равным единице.

Исходя из значения каждого фактора риска обводнения скважин, возможно определить общую степень вероятности возникновения определенной причины обводнения по формуле:

где ri — вес i-го фактора риска,

µi — функция принадлежности i-го фактора риска.

Сравнив значения вероятностей причин роста обводнения скважин возможно выявить из них истинную.

Результат определения причин обводненности на скважинах Самотлорского месторождения представлен в таблице 1.

Таблица 1

Результат определения причин обводнения

Скважина	Расстояние до ППД	△Qзак	△f	△Qж	△Hд	Результат
16220	170	10	2	9	1	Влияние ППД
19283	265	30	1	2	40	Влияние ППД
25903	215	50	5	1	10	Влияние ППД
25912	262	-20	5	1	40	Влияние ППД (ошибка)
26264	250	8	16	13	200	Негермет э/к
15370	0	0	5	20	200	Негермет э/к
10907	350	30	11	20	150	Негермет э/к
8900	382	-20	40	40	600	Негермет э/к

Расчет производился на 8 скважинах, по которым однозначно установлена причина обводнения, в результате работы алгоритма была получена только одна ошибка, что говорит о возможности практического применения теории нечетких множеств в нефтяной промышленности.

Для задач имеющих высокую степень неопределённости целесообразно использовать алгоритмы машинного обучения, позволяющие определить неявные взаимосвязи между влияющими факторами и прогнозируемыми величинами. Явным примером подобных задач являются задачи подбора скважин кандидатов под проведение геолого-технических мероприятий (ПВЛГ, ГРП, ОПЗ, ИДН).

3. После построения математических моделей необходимо произвести проектирование функционала, разрабатываемого ПО. Функционально-технологические требования, предъявляемые нефтегазодобывающими компаниями, могут существенно отличаться в связи с различными требованиями ЛНД. По этой причине проектирование программного обеспечения целесообразно производить на универсальном зыке проектирования UML, что позволяет беспрепятственно изменять технологии разработки при изменении требований.

Результат проектирования представлен ПО “АвтоГеолог” представлен на рисунках 7–11.

Рис. 7. Диаграмма размещения проекта

Рис. 8. Use-case диаграмма проекта

Рис. 9. Паттерн проектирования диаграммы классов MVC

Рис. 10. Диаграмма классов проекта

Рис. 11. ER-диаграмма БД проекта

5. Выбор технологии разработки ПО не имеет принципиального значения и производится исходя из функционально-технологических требований копании.

6. Тестирование разработанного программного обеспечения является одним из важнейших этапов создания информационной системы. В качестве примера произведём тестирование разработанного программного обеспечения для автоматизации работы геологических служб “АвтоГеолог”.

Для входа в систему пользователю необходимо заполнить поля ввода формы авторизации, представленной на рисунке 12.

Рис. 12. Форма авторизации

В случае если данные были введены некорректно, неверно или поля формы не заполнены выдается соответствующее сообщения для пользователя. Пример всплывающего сообщения представлен на рисунке 13.

Рис. 13. Результат неудачной авторизации

В зависимости от категории пользователей после авторизации появляется различное меню, представленное на рисунке 14.

Рис. 14. Меню приложения: а) для промыслового геолога б) для геолога по ППД в) для геолога отдела реализации ГТМ

Далее был произведено тестирование каждого модуля программного продукта. Результат проведенного теста представлен на рисунках 15–17 и в таблице 2.

Рис. 15. Результат подбора кандидатов под ОПЗ

Рис. 16. Результат подбора кандидатов под ГРП с помощью многомерного канонического анализа данных

Рис. 17. Результат подбора кандидатов под ГИС ПП и ТС

Таблица 2

Оценка тестирования разрабатываемых функций

Функция	Описание	Результат
Авторизация	Доступ к приложению только авторизованных пользователей. После ввода логина и заполнения пароля, пользователь заходит в систему под своей учётной записью.	Успешно
Подбор скважин под ГИС	После выбора вида исследования и месторождения производится подбор скважин кандидатов.	Успешно
Калькулятор геолога	После выбора типа расчета и заполнения данных производится точный расчет.	Успешно
Справочник геолога	Просмотр технологических регламентов с возможностью выгрузки их в формате pdf. Просмотр глоссария промыслового геолога	Успешно
Автоматизированный подбор кандидатов под ГТМ	После выбора типа ГТМ, месторождения и способа подбора производится подбор скважин кандидатов.	Успешно
Определение причин снижения добычи нефти или отклонения в закачке рабочего агента в пласт	После выбора типа расчета и месторождения производится определения причин высокого темпа снижения добычи или отклонения закачки от установленного режима проскваженно.	Успешно

Проведенные испытания убедительно доказали корректность и устойчивость работы программного комплекса.

Литература:

1. Валеев Д. Р., Сабитов Р. Р. Методика принятия решений на основе многомерного статистического анализа для планирования ГРП объекта ЮВ1 Урьевского месторождения. // Сборник всероссийской с международным участием научно-практической конференции студентов, аспирантов и молодых ученых «Новые технологии — нефтегазовому региону». — г.Тюмень 2015г.-371с.
2. Валеев Д. Р., Никонова Е. З. Оценка возможности автоматизации работы геологических служб нефтегазодобывающих предприятий путем разработки ПО на основе нечеткой логики. // International Journal of Advanced Studies. 2017. Т. 7. № 1–2. С. 25–30.
3. Вахрушев В. В. и др. Гидроразрыв пласта: внедрение и результаты, проблемы и решения. г.Тюмень, 2011. 204с.
4. Гузеев В. В., Поздняков А. А. Комплексный подход к анализу эффективности ГРП на месторождениях Западной Сибири. — Казань: Эко-центр, 2000. — 384 с
5. Демарчук В. В. Перспективы и направления реализации проектов «интеллектуальных» месторождений нефти и газа // Молодой ученый. — 2014. -№ 19. — С. 284–289.
6. Доктор С. А., Королев Д. М., Сарапулов Н. П., Гильманов Р. Р., Катрич Н. М., Шушаков А. А., Зеленцов В. С. Подход к управлению механизированной добычей в рамках развития системы «Электронная Разработка Активов» // Нефтяное хозяйство. 2013. № 12. С. 70–72.
7. Дон Уолкотт, Разработка и управление месторождениями при заводнении: учебное пособие / Дон Уолкотт; пер. с англ. Ю. А. Наумов.-Москва: Юкос, 2001. -144 с.
8. Дроздов А. Н., Хамидуллин Р. Д., Шестаков А. Д., Сарапулов Н. П., Хабибуллин Р. А. Информационная система «шахматка и техрежим» для повышения эффективности процессов нефтедобычи // Территория Нефтегаз. 2015. № 10. С. 34–41.
9. Ермолаева В. В., Батаев Р. В. Автоматизированные интеллектуальные системы и нечеткая логика // Молодой ученый. — 2016. — № 10. — С. 54–56.
10. Желтов, Ю. П. Разработка нефтяных месторождений: учебник / Ю. П. Желтов. — Москва: Недра, 1986. — 333 с.
11. Закиров С. Н., Индрупский И. М., Закиров Э. С. и др. Современные основы теории и практики разработки месторождений нефти и газа. Часть 2 // Георесурсы. Геоэнергетика. Геополитика. (электронный научный журнал). – http://oilgasjournal.ru
12. Закиров С. Н., Закиров Э. С., Индрупский И. М. Новые представления в 3D геологическом и гидродинамическом моделировании // Нефтяное хозяйство. — 2006. — № 1. — C. 34–41.
13. Закиров Э. С. Upscaling в 3D компьютерном моделировании. — М.: ЗАО “Книга и Бизнес”, 2007. — 344 с.
14. Закревский К. Е. Геологическое 3D моделирование. — М.: ООО ИПЦ «Маска», 2009. — 376 с.
15. Ульман Л. Основы программирования на РНР. Пер. с англ. -М.: ДМК Пресс, 2001. -288 с.: ил. (Самоучитель).
16. Каневская Р. Д. Математическое моделирование разработки месторождений нефти и газа с применением гидроразрыва пласта. — Москва: Недра-Бизнесцентр, 1999. — 212c.