Цифровизация - статьи журнала Neftegaz.RU

Современные технологии искусственного интеллекта приносят инновации в различные отрасли, и нефтегазовая промышленность не является исключением. Одним из ключевых элементов ИИ, который находит свое применение в нефтегазовом деле, является Generative Pre-trained Transformer. Авторы статьи рассматривают использование GPT в нефтегазовой промышленности: от обработки технических данных до оптимизации бюрократических процессов.

Об актуальности цифровизации и ее трансформации в нефтегазовой отрасли свидетельствуют как общемировая ситуация, связанная с изменением цен на нефть и санкционной политикой в отношении России, так и необходимость разработки трудноизвлекаемых запасов нефти в условиях истощения эксплуатируемых месторождений и арктических проектов с использованием цифровых моделей. Авторы статьи показывают, как внедрение технологий интегрированного моделирования позволяет использовать потенциал месторождения и повышать экономическую эффективность добычи углеводородов.

В прошлом номере журнала была опубликована первая часть статьи «Математическое моделирование процессов перекачки продукции через резервуарные парки перерабатывающих производств нефтегазовой отрасли», в которой авторы рассказали о построении дискретных динамических моделей процессов эксплуатации и управления резервуарными парками. Во второй части представлен новый подход, позволяющий существенно упростить процессы моделирования и анализа работы резервуарных парков перерабатывающих производств путем совместного использования цифровых двойников и обученных по результатам их работы нейронных сетей. Совместное использование этих инструментов позволяет проводить оперативную оценку эффективности работы как производства в целом, так и его отдельных компонентов. В статье на примере задачи анализа реализуемости планов по перекачке газового конденсата и нефтегазоконденсатной смеси между перерабатывающими предприятиями продемонстрированы особенности разработки и применения моделей нейронных сетей, существенно упрощающих управление процессами приема и откачки углеводородных смесей и продукции из резервуарных парков. Обучение нейронных сетей произведено на данных, полученных из цифрового двойника. Использование цифрового двойника позволило провести необходимое моделирование и накопить данные в тех ситуациях и объемах, которые получить на реально работающем предприятии практически невозможно. Обученная нейронная сеть позволяет практически мгновенно получать интересуемые оценки с удовлетворительной для практики точностью. На конкретном примере продемонстрированы некоторые численные результаты выполненных на нейронной сети оценок.