Шакирова Эльвира Венеровна, кандидат политических наук, доцент, доцент кафедры нефтегазового дела, Институт недропользования
г. Иркутск
Elvira V. Shakirova, Cand. Sci. (Polit.), Associate Professor, Associate Professor of the Department of Oil and Gas Engineering, Institute of Subsoil Use
Irkutsk
Семыкин Михаил Вячеславович, студент, Передовая инженерная школа
г. Тюмень
Mikhail V. Semykin, Student, Advanced Engineering School
Tyumen
Как известно, в процессе работы электрических погружных насосов собираются и обрабатываются большие объемы данных. Для оптимизации работы операторов центра управления разработкой рекомендуется использовать автоматизированную систему предупреждения осложнений. Так операторам удастся своевременно получать информацию о возможных сбоях в работе оборудования, что, в свою очередь, позволит увеличить срок службы данного оборудования и снизить операционные затраты на ремонт. Целью представленного исследования являлась разработка модели для прогнозирования аварий на погружном насосном оборудовании с использованием методов искусственного интеллекта. Для выявления наиболее точной модели в данной работе приведено сравнение следующих методов прогнозирования: метода ближайших соседей и метода построения линейного классификатора. Представленная корреляция создана на основе 30 параметров с 272 скважин месторождения Восточной Сибири. Ее использование позволило без ошибок спрогнозировать сбои и осложнения в работе насосного оборудования в зависимости от газового фактора и частоты. Таким образом, разработанная модель может быть использована предприятиями нефтегазодобывающей отрасли для прогнозирования сбоев и аварий в работе погружного насосного оборудования. Проведенное исследование показывает, что точность прогнозирования искомого параметра в разработанной модели искусственного интеллекта превосходит результаты обычных статистических методов. Также модель может быть полезна в перспективе оптимизации процессов при планировании и разработке месторождений. Искусственный интеллект является наилучшим методом прогнозирования аварий на погружном оборудовании, благодаря высокой скорости и точности когнитивные технологии широко применяются в обработке больших данных.
It is well-known that large amounts of data are collected and processed during the operation of electric submersible pumps. To optimize the work of mining control center operators, it is recommended to use an automated emergency prevention system. In this way, operators will be able to receive timely information about possible equipment failures, which in its turn will increase the service life of the equipment and reduce operating costs for repairs. The purpose of the present research is to develop a model predicting submersible pumping equipment failures using the method of artificial intelligence. To identify the most accurate model, the paper compares the following forecasting methods: the nearest neighbour method and the linear classifier building method. The presented correlation was created on the basis of 30 parameters obtained from 272 wells of the Eastern Siberia field. Being used, it enabled error-free prediction of failures and complications in pumping equipment operation depending on the gas factor and frequency. Thus, the developed model can be used by oil and gas enterprises to predict failures and accidents in the operation of submersible pumping equipment. The conducted study shows that the prediction accuracy of the required parameter in the developed artificial intelligence model exceeds the results of conventional statistical methods. The model also can be useful for future optimization of processes when field planning and developing. Artificial intelligence is the best prediction method of submersible pumping equipment failures, due to its high speed and accuracy, cognitive technologies are widely used in big data processing.
The authors declare that there are no conflicts of interest present.