Details

Современные буровые операции в нефтегазовом секторе требуют одновременной оптимизации ключевых показателей эффективности, таких как скорость проходки (ROP), износ инструмента и энерго-эффективность. В работе представлен комплексный подход, основанный на данных, который использует машинное обучение и роевой интеллект для прогнозирования и оптимизации ROP. Градиентный бустинг-регрессор (GBR) разработан с использованием реальных параметров бурения и свойств пласта, что позволило достичь высокой точности прогнозирования (R² = 0,92 при обучении, 0,90 при тестировании). Используется оптимизация роя частиц (PSO) для определения оптимальных параметров веса инструмента (WOB) и поверхностного числа оборотов (SURF_RPM), что приводит к увеличению ROP на 18 % по сравнению со средними показателями по месторождению. Интегрированная система GBR-PSO предлагает масштабируемое решение для оптимизации бурения в режиме реального времени, снижения затрат и повышения стабильности ствола скважины, что повышает устойчивость процесса добычи ресурсов.

Modern drilling operations in the oil and gas sector require simultaneous optimisation of key performance indicators such as rate of penetration (ROP), tool wear, and energy efficiency. This paper presents an integrated data-driven approach that leverages machine learning and swarm intelligence to predict and optimise ROP. A gradient boosted regressor (GBR) is developed using real drilling parameters and formation properties which allows achieving high prediction accuracy (R² = 0,92 in training, 0,90 in testing). Particle swarm optimisation (PSO) is used to determine the optimal parameters of weight of tool (WOB) and surface revolution number (SURF_RPM), resulting in an 18% increase in ROP compared to the field average. The integrated GBR-PSO system offers a scalable solution for real-time drilling optimisation, cost reduction, and improved wellbore stability, which improves the sustainability of the resource production process.

"Промышленный искусственный интеллект (ПИИ'2025)", всероссийская научно-практическая конференция (2025; Санкт-Петербург). Промышленный искусственный интеллект (ПИИ'2025): Всероссийская научно-практическая конференция с международным участием 3–4 июля 2025 года: cборник научных трудов / Российская академия наук, Санкт-Петербургское отделение, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербургский государственный университет; под общей редакцией Д. Г. Арсеньева. — Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025. — 1 файл (197 Мб Мб). — Загл. с титул. экрана. — Ч. текста парал. на рус. и англ. яз. — Электронная копия печатной публикации 2025 г. — Доступ по паролю из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/i25-310.pdf>. — DOI 10.18720/SPBPU/2/i25-310. — Текст: электронный