В работе представлены результаты по созданию системы для прогнозирования давления на приеме УЭЦН методами машинного обучения с применением физического моделирования. Проведен анализ имеющихся решений и подходов по созданию виртуального датчика. Составлена архитектура решения, включающая в себя фильтрацию, объединение статических и динамических данных, построение модели скважины для обогащения признакового пространства. Обосновано применение гибридного подхода на основе объединения расчетов физической модели скважины и регрессионной модели градиентного бустинга на решающих деревьях. Прогнозная способность модели проверена на промысловых данных одного из месторождений Западной Сибири. Разработанное решение потенциально способно увеличить качество контроля разработки нефтяных месторождений с сокращением недоборов и повышением эффективности работы погружного оборудования.

The paper presents the results of creating a system for predicting the pressure at the ESP intake using machine learning methods along with physical modeling. The analysis of available solutions and approaches to create a virtual sensor has been carried out. The architecture of the solution was compiled, including filtering, combining static and dynamic data, building a well model to enrich the feature space. The use of a hybrid approach based on the combination of calculations of the physical model of the well and the regression model of gradient boosting on decision trees is substantiated. The predictive ability of the model was tested on field data from one of the fields in Western Siberia. The developed solution is potentially capable of increasing the quality of control over the development of oil fields with a reduction in oil losses and an increase in the efficiency of submersible equipment.

• Microsoft Word - Диссертация к отправке v2.2.docx
• Microsoft Word - Индивидуальное_задание_ВКР_Мартьянова_ЕИ-2.docx
• Microsoft Word - Диссертация к отправке v2.2.docx