В этой связи интересным является вопрос применения таких технологий для проведения экономической оценки освоения месторождений углеводородов.
Разработанная методика комплексной экономической оценки эффективности разработки нефтегазовых месторождений послужила основой для теоретических и прикладных исследований в этой области [7, 8, 11].
Необходимо отметить, что экономическая оценка эффективности освоения месторождений предполагает построение определенной экономико-математической модели расчета, а также анализ критериев нефтегазового проекта, основанных на множестве прогнозных технологических показателей по разрабатываемым пластам и месторождению в целом.
Сложность экономического моделирования по вариантам разработки месторождений заключается в начальном сборе информации и постоянном ее обновлении, так как каждое месторождение индивидуально и имеет свои геолого-технологические особенности разработки, различные варианты и нормативы капитальных и эксплуатационных затрат, а также налоговые модели. Структура экономических вычислений является иерархической и может меняться в зависимости от степени изученности и разведанности месторождений, а также от возможного изменения объемов и содержания исходной геолого-технологической и экономической информации.
Отметим также, что до недавнего времени решение вычислительных задач по экономической оценке нефтегазовых проектов сводилось к процессу создания прикладных расчетных программ на основе подходов, требующих применения определенного языка программирования и наличия высококвалифицированных программистов. Пользователь-прикладник не имел средств для самостоятельной разработки программ на основе его собственных знаний. С учетом сказанного выше была разработана интеллектуально-логическая система (ИЛС) «ГРАФ», ориентированная на научный потенциал специалистов как в прикладной проблемной области (геологов-промысловиков, руководителей НГДУ, инженеров-нефтяников и нефтяников-экономистов), так и в области инженерии знаний (инженеров-системотехников). Актуальным является то, что ИЛС может быть использована для формирования оптимальной системы расчета экономических показателей по вариантам разработки месторождений на основании разработанной методики с применением налоговых моделей стран-недропользователей, что в период цифровизации экономики и реформирования нефтегазодобывающего сектора России является крайне важным [10, 11].
Интеллектуально-логическая система «ГРАФ» содержит базы знаний расчетных технико-экономических показателей (рис. 1).
Базы знаний разрабатывались в течение последних двух десятков лет в ИПНГ РАН и основаны на опыте технико-экономической оценки месторождений нефти и газа как у нас в стране, так и за рубежом.
Система также содержит базы данных удельных затрат предприятия (капитальных, эксплуатационных, а также налогов) с возможностью функционирования информационной модели в отраслевой системе. В основе распределения этих затрат лежат основные требования общероссийских и отраслевых положений и учет особенности методики формирования нормативов, созданных для экономической оценки разработки месторождений Западной Сибири и других месторождений России [9] (рис. 2).
Внешний вид СУБД (А –нормативные показатели, Б –технологические показатели, В–поправочные коэффициенты к нормативам для различных систем разработки месторождений с учетом различных сеток скважин).
Структура технологической БД включает информацию по следующим показателям
· ввод скважин из бурения по годам – добывающих (вертикальных, наклонно-направленных, горизонтальных), нагнетательных, разведочных, резервных, газонагнетательных;
· годовой фонд скважин – добывающих, нагнетательных;
· годовые показатели закачки рабочего агента (воды, газа, водогазовых смесей, полимера и др.);
· годовая добыча углеводородного сырья – нефти, попутного и природного газа, жидкости, газоконденсата.
Процедурная информация вводится в базу знаний в виде двудольных семантических графов, что показано на рисунке 3.
|
Внутренняя норма рентабельности |
IRR |
Пользователя такой системы можно именовать инженером по знаниям, знающим проблемную область и обладающим навыком введения прикладных знаний и данных в компьютер.
В системе характерен следующий подход – следование при решении прикладной задачи от общего к частному и от частного к общему, а также детализация прикладной задачи до неделимых процедур, под которыми будем понимать элементарные знания. В ИЛС «Граф» последнее представляется в виде элементарного функционального отношения, включающего в себя аналитическую зависимость или процедуру с множеством входящих в них параметров – скалярных или векторных величин. Отметим также, что система допускает естественную ошибочность ввода информации и имеет средства ее устранения. Каждая подзадача в процессе моделирования может быть отнесена к определенному классу задач, что определяется экспертом-прикладником и инженером по знаниям. Классификация указывает всю совокупность алгоритмов в составе системы. Скажем, что для пользователя важен тот факт, что общение с системой напоминает общение с профессионалом той же предметной и проблемной областей, каким является сам эксперт-прикладник [5–11].
Инструментарий интеллектуальной системы «Граф» обеспечивает пользователя интерактивными возможностями ведения диалога, которые устраняют недостатки процедурного программирования, заменяя последнее программированием интеллектуальным. В результате упрощается, ускоряется и существенно удешевляется сам процесс создания прикладных экономических программ, причем использование опыта прикладной области при интеллектуальном программировании, зависит только от наличия соответствующей БЗ.
ИЛС «Граф» работает в двух режимах: приобретение знаний и решение расчетных задач. В режиме приобретения знаний общение с ИЛС осуществляют эксперт-экономист и эксперт-технолог через посредничество инженера по знаниям. Эксперты описывают проблемную область, под которой понимается методика расчета основных технико-экономических показателей по вариантам разработки месторождений.
Эксперт-прикладник предоставляет необходимую информацию в виде совокупности данных (анкет-шаблонов) и аналитических формул. Отметим, что если требуется подключить нелинейный алгоритм, то ИЛС «Граф» обращается к специализированной библиотеке математических модулей. Наличие исходных данных переводит семантическую сеть из состояния экстенсионала в состояние интенсионала, то есть происходит заполнение терминальных вершин графа данными из БД с их характеристикой (скаляр, вектор) и значениями. Эксперт, используя подсистему приобретения знаний с помощью интеллектуального интерфейса, наполняет систему знаниями, которые позволяют ИЛС «Граф» в режиме интерпретации сети самостоятельно (без эксперта) решать задачи синтеза расчетного экономического алгоритма предметной области.
Отметим, что БЗ наращивается в процессе ее построения. Как было показано выше, сеть является двудольной и укрупненно представлена отдельными блоками (когнитивными картами). Каждая карта может содержать один или несколько семантических подграфов, являющихся альтернативой для построения расчетного алгоритма. Знания в системе выражены в явном виде и организованы так, чтобы упростить диалог эксперта с системой.
С точностью работы ИЛС «Граф» связаны такие характеристики, как правильность логического вывода, адекватность базы знаний проблемной области, соответствие применяемых подходов для решения задачи экспертами. Отметим, что оценка эффективности применения ИЛС «Граф» осуществлялась по набору тестовых примеров, как из предшествующей практики экспертов, так и специально подобранных ситуаций на двудольных иерархических графах.
На рисунке 4 показана структура ИЛС «Граф». Диалоговый интерфейс системы позволяет собирать, обрабатывать, хранить, анализировать и интерпретировать информацию об инвестиционном проекте с целью его технико-экономической оценки. Через интерфейс осуществляется доступ к входной информации (БД, БЗ, инструкции, шаблоны данных) и выходной информации в виде отчетных форм и пр. Обработанная ИЛС информация в наглядной форме посылается пользователю-эксперту (лицу или лицам, принимающим решения) через посредничество инженера по знаниям. В системе существует механизм обратной связи, который контролируется экспертом, инженером по знаниям и программистом. Итерационный процесс принятия решений по инвестиционному проекту приводит пользователей системы к оптимальным и взаимосогласованным решениям на основании заложенных в систему технико-экономических моделей.
В системе применяются технологии быстрой разработки программного обеспечения, основанные на алгоритмах сочетания пар и поиска в глубину на двудольных графах, а также применение CASE-технологий, дающих возможность формировать совокупность семантических сетей как иерархическую структуру с большим числом уровней.
Актуальным является то, что система может формировать расчетную Excel таблицу, включающую в себя данные, взятые из базы данных, и алгоритмы, взятые из базы знаний. Excel-файл, сгенерированный интеллектуальной системой, работает как самостоятельный программный модуль, в котором проводятся расчеты с прямым пересчетом экономики нефтегазового инвестиционного проекта.
Отметим также, что система допускает естественную ошибочность ввода информации и имеет средства ее устранения. Инструментарий интеллектуальной системы обеспечивает пользователя интерактивными возможностями ведения диалога, которые устраняют недостатки процедурного программирования, заменяя последнее программированием интеллектуальным. В результате упрощается, ускоряется и существенно удешевляется сам процесс создания прикладных экономических программ.
В заключение отметим, что практическая значимость данной разработки заключается в возможности автоматизированного построения оптимальных алгоритмов расчета основных экономических показателей с учетом содержания и объемов исходной геолого-технологической и экономической информации в нефтегазовых проектах. Разработанная методика и механизмы компьютерного моделирования экономических показателей эффективности месторождений дают возможность решать проблему построения расчетных алгоритмов пользователям-непрограммистам. Таким образом, применение экономического моделирования и современных информационных технологий для оценки эффективности инвестиционных нефтегазовых проектов могут предоставить в распоряжение руководителей нефтегазодобывающих компаний программный инструментарий для выполнения сложных финансовых расчетов с целью проведения долгосрочного прогнозирования и анализа различных вариантов разработки нефтегазовых месторождений.
Разработанные модели и технологии значительно сокращают время обработки исходной информации и время расчета экономических показателей по вариантам разработки месторождений нефти и газа в автоматизированном режиме.
Статья подготовлена по результатам научных исследований, выполненных в рамках государственного задания по теме: «Фундаментальный базис энергоэффективных, ресурсосберегающих и экологически безопасных, инновационных и цифровых технологий поиска, разведки и разработки нефтяных и газовых месторождений, исследование, добыча и освоение традиционных и нетрадиционных запасов и ресурсов нефти и газа; разработка рекомендаций по реализации продукции нефтегазового комплекса в условиях энергоперехода и политики ЕС по декарбонизации энергетики (фундаментальные, поисковые, прикладные, экономические и междисциплинарные исследования)» (№ в РОСРИД 122022800270-0).
