Аналитический обзор цифровых инициатив производственных направлений международных вертикально-интегрированных нефтегазовых компаний. Геология и разработка

Рощин П.В., Савельев А.А., Парамзин А.Р., Канайкин И.Е.,

Бодоговский Н.С., Давыдов М.А., Зиновьев А.М., Драницына Е.Г.


ООО «СамараНИПИнефть»

(ОГ ПАО «НК «Роснефть»), «СамГТУ»

Нефтегазовая отрасль переживает период фундаментальных изменений, обоснованных необходимостью освоения все более сложных для ввода
в разработку запасов углеводородов и растущими требованиями
к экономической и экологической эффективности.
Актуальность темы цифровой трансформации геологоразведочных и проектных работ в нефтегазовой отрасли определяется ее непосредственной связью
с решением фундаментальной задачи — обеспечением надежной сырьевой
базы в XXI веке. Новая модель развития сектора, связанная с энергетическим переходом и условиями обеспечения устойчивого развития нефтегазовых вертикально-интегрированных компаний, требует от предприятий не только повышения операционной эффективности, но и минимизации воздействия
на окружающую среду.
Цифровые технологии предлагают революционные решения для этих задач. Технологии больших данных (Big Data), машинного обучения (ML – machine learning) и искусственного интеллекта (AI – artificial intelligence) позволяют принципиально изменить процессы обработки сейсмических и геологических данных, создавать высокоточные цифровые двойники месторождений
и проводить комплексное моделирование и прогнозирование результатов
с учетом миллионов параметров. Это создает возможности повышения коэффициента извлечения нефти (КИН), сокращения количества бурения
«сухих» скважин и содействует оптимизации системы разработки месторождений углеводородов.
Нефтегазовая отрасль, являясь фундаментом глобальной энергетики, сталкивается с беспрецедентным набором вызовов в XXI веке. Нестабильность рынка, истощение традиционных запасов углеводородов, растущая сложность и капиталоемкость новых проектов (в том числе на месторождениях высоковязкой нефти) формируют новую конкурентную реальность. В этих условиях необходимо изменение подходов к управлению активами, что заставляет ведущие энергетические компании мира искать инновационные пути повышения эффективности и сокращения затрат.
Масштабная цифровая трансформация, основанная на внедрении технологий четвертой промышленной революции (Industry 4.0), позволяет повысить эффективность принимаемых решений. Искусственный интеллект, Big Data, интернет вещей (IoT) и цифровые двойники превращаются в ключевые инструменты для оптимизации всей цепочки создания стоимости
— от разведки месторождений до сбыта продукции. Цифровизация и цифровая трансформация являются не просто трендом, а стратегической необходимостью, определяющей конкурентоспособность и устойчивость на долгосрочную перспективу.
Согласно указу Президента РФ № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года» от 7 мая 2024 г. цифровая трансформация является одной из ключевых национальных целей РФ [1].
В рамках данной работы был выполнен сбор данных с использованием международной цифровой библиотеки инженеров-нефтяников OnePetro (создана и поддерживается Обществом инженеров-нефтяников SPE).
Данная библиотека включает в себя более 1,3 миллиона различных публикаций начиная с XIX века. Для анализа трендов цифровой трансформации с 2000 по 2024 годы были сформированы запросы artificial intelligence (искусственный интеллект), data science (исследование данных), machine learning (машинное обучение), internet of things (интернет вещей), Big Data (Большие Данные), digital twin (цифровой двойник), digitalization (цифровизация), drone (дрон), robot (робот) [2].
Согласно анализу данных, установлены следующие тренды. Начиная с 2000 года экспоненциальный рост показывает динамика публикаций по направлениям «искусственный интеллект» (y = 603,28e0,0648x), «цифровизация» (y = 355,69e0,0692x), «машинное обучение»
(y = 140,01e0,1043x). Линейный рост с 2000 года демонстрируют технологические направления «дроны» (drone) и «роботы» (robot). Также на данном графике видны точки зарождения технологических трендов, установление которых выполнено по наличию первых индексированных публикаций с учетом необходимого времени на их подготовку (усредненно — один год до даты публикации): «исследование данных» (2006 г.), «интернет вещей» (2009 г.), «большие данные»
(2008 г.), «цифровые двойники» (2015 г.), что может быть связано с увеличением мощности компьютеров для работы по данным направлениям и увеличением скорости интернет-соединений. На примерах инициатив отечественных предприятий (ПАО «НК «Роснефть», Группа «Лукойл»,
ПАО «Газпром») и зарубежных корпораций (Saudi Aramco, PetroChina, Shell, ExxonMobil, BP, Chevron, Petrobras) проанализировано практическое применение этих технологий в производственных процессах разведки и разработки залежей углеводородов.
Целью данной работы являются обзор и анализ трендов цифровизации и цифровой трансформации производственных направлений международных вертикально-интегрированных нефтегазовых компаний в области геологии и разработки.
Для выполнения анализа были использованы данные из официальных открытых источников, в первую очередь — сайты с ежегодными отчетами и отчетами в области устойчивого развития нефтегазовых компаний. Ниже представлены результаты анализа данных по упомянутым выше компаниям.
Рис. 1. Статистика числа публикаций по основным направлениям цифровой трансформации по базе публикаций OnePetro

ПАО «НК «Роснефть»

«Роснефть» создала ряд программных комплексов, охватывающих все этапы разведки и добычи углеводородов [3].
Уникальный программный комплекс «РН-АКВА» позволяет создавать трехмерные цифровые гидрогеологические модели водоносных пластов.
«РН-СИГМА» позволяет создавать геомеханические 4D-модели, которые помогают определять безопасную траекторию бурения и режимы работы скважин, что способствует более рациональной разработке месторождения.
«РН-ГЕОСИМ» разработан Уфимским научным институтом «Роснефти». Профильные специалисты применяют программный комплекс для построения геологических моделей и анализа месторождений углеводородов, что повышает эффективность их разведки и разработки.
«РН-ГРИД» обеспечивает выполнение всех инженерных расчетов, необходимых для проектирования и анализа гидроразрыва пласта.
«РН-КИН» — интегрированная среда для проектирования и мониторинга разработки месторождения. Единая база геологии, добычи, геолого-технических мероприятий и исследований скважин, доступная для всех специалистов.
«РН-КИМ» — это гидродинамический симулятор, предназначенный для создания, расчета и анализа трехмерных гидродинамических моделей месторождений.
«РН-ВЕКТОР» — промышленное программное обеспечение для математического моделирования и анализа технологических операций с применением ГНКТ.
«РН-ВИЗОР» — программное обеспечение сбора, обработки и визуализации данных в реальном времени, которое устанавливается на станции управления флота ГНКТ/ГРП.
«РН-РОСПАМП» предназначен для подбора оборудования и анализа работы скважины.
«РН-ВЕГА» обеспечивает выполнение всех этапов ГДИС: проектирование, загрузку и предобработку данных, интерпретацию с применением прямого и обратного моделирования, формирование отчета.
Программный комплекс «РН-ПЕТРОЛОГ» представляет собой инновационное решение для обработки и интерпретации данных геофизических исследований скважин (ГИС) и лабораторных исследований керна.
Прототип перспективного программного модуля «РН-Нейросети» и программный комплекс «РН-СМТ». «РН-Нейросети» создаются для подбора оптимальной стратегии разработки месторождений в целях увеличения нефтедобычи и эффективности освоения недр. На основе комплекса технологий ИИ и гидродинамического моделирования создана самообучающаяся система, которая предлагает оптимальные варианты размещения новых скважин, параметры проведения гидроразрыва пласта и подготовки к эксплуатации [3].
Также дочернее предприятие «Роснефти» — «Сибнефтегаз» разработало и внедрило аналитический цифровой двойник, охватывающий все его месторождения. Этот инструмент позволяет рассчитывать прогнозы добычи, упрощает мониторинг работы скважин и способствует уточнению данных телеметрии [4].
Осенью 2023 года ПАО «НК «Роснефть» получило патент на технологию «Способ мониторинга энергопотребления оборудования для добычи нефти и газа». Технология позволяет создать индивидуальный цифровой двойник скважинного оборудования с учетом всех технологических особенностей, после чего специалисты могут проводить анализ цифрового двойника при помощи алгоритмов расчетов и моделировать оптимальный режим эксплуатации. «Роснефть» готовит технологию к тиражированию на ключевых добывающих активах Группы. Экономический эффект от внедрения инновации на механизированном фонде скважин компании может составить более 10,7 млрд рублей за 5 лет [5].
Компанией рассматривается возможность интеграции программного обеспечения «МУЗА» (модуль управления закачиваемым агентом для управления заведением на месторождениях) в общую линейку ИТ-продуктов «Роснефти», которая охватывает полный цикл цифрового моделирования нефтедобывающего проекта. Внедрение технологии обеспечит сокращение затрат на водоподготовку, электроэнергию и другие процессы, связанные с закачкой воды, а также повысит нефтеотдачу [6].
Также активно продолжается оцифровка всего процесса добычи нефти в рамках проекта «Цифровое месторождение». Полномасштабные цифровые двойники в настоящее время работают на активах компании в Башкирии и Тюменской области. Проект масштабируется и на другие дочерние общества [7].
Специалисты научных институтов «Роснефти» в Тюмени и Томске разработали прототип программного комплекса для интеллектуального управления скважинами газовых и газоконденсатных месторождений в рамках создания системы автоматизированного управления производством на базе цифрового двойника [8].
Сотрудники Тюменского научного центра компании создали ИИ-помощника на основе больших языковых моделей. Искусственный интеллект почти на 80 % сократил нагрузку на персонал при проведении поиска, анализа и систематизации текстовых данных. ИИ-помощник выполняет несколько функций: работает на основе простых текстовых запросов, без сложного интерфейса и настроек; используется для решения разнообразных задач — от геологии до проектирования разработки месторождений; ведет быстрый поиск и анализ информации в архивах, извлекает ключевые параметры, сопоставляет данные из разных источников, осуществляет подготовку документов и генерирует программные коды для расчетов [9].
Использование беспилотных летательных аппаратов. Сканирование с помощью дронов применяется для снижения утечек метана в транспортной системе промысловых трубопроводов. Применение дронов повышает оперативность и точность в выявлении проблемных мест, особенно в условиях низких температур Крайнего Севера. В «Сибнефтегазе» были проведены пилотные испытания новейших портативных лазерных и тепловизионных приборов для выявления утечек метана, которые имеют более высокую чувствительность в сравнении со стандартными газоанализаторами [10].
«Роснефть» продолжает цифровую трансформацию нефтегазовой отрасли и выводит работу с геологическими данными на качественно новый уровень. Специалисты Тюменского научного института компании разработали и внедрили сервис на базе больших языковых моделей (LLM) для автоматизации анализа литологических описаний керна [11].
Цифровой инструмент «ЛитоТекст» автоматически распознает в текстах геологических отчетов 16 физических параметров керна, в том числе породу, цвет, насыщение, текстуру, зернистость, трещиноватость, тип пустотного пространства. Параметры определяются с помощью большой языковой модели — искусственного интеллекта, способного читать и понимать текст. Обучением модели занимаются эксперты-литологи: они подсказывают, как точно определять характеристики керна, объясняют значение и правильную интерпретацию геологических терминов. Применение инновационной разработки минимизирует человеческий фактор, снижает вероятность ошибок, а главное, в 5–7 раз ускоряет анализ информации [11].

Группа «Лукойл»

Для «Лукойла» одним из перспективных направлений развития является использование технологии «Цифровой керн». Она позволяет воссоздавать трехмерную микроструктуру керна на основе результатов томографии и других источников геологической информации и моделировать фильтрационные процессы, протекающие в пласте на микроуровне. Для этого используется совокупность выбранных математических моделей [12].
Также предприятие применяет воздушно-лазерное сканирование (исследование территории с помощью беспилотных или пилотируемых летательных аппаратов), что позволяет точнее спланировать расположение съемки, оставив незатронутыми соседние участки [13].
«Лукойл» внедряет концепцию интеллектуального месторождения (LIFE-Field). Она заключается в интеграции процессов управления месторождением на основе автоматизированных компьютерных систем и высокотехнологичных систем сбора данных. Концепция покрывает полный производственный цикл развития проекта — от стадии поиска и разведки до завершения разработки и включает такие блоки, как интегрированное моделирование, интегрированное планирование, центр интегрированных операций и др. Концепция имеет большой потенциал для оптимизации операционных процессов в целях увеличения добычи и снижения затрат. Основным источником для таких оптимизаций служит идентификация «узких мест» с последующим эффективным устранением. Например, существенный эффект дает повышение координации геологического моделирования и моделирования обустройства месторождения инфраструктурой [14].
Наиболее полно технологии интеллектуального месторождения внедрены на крупнейших зарубежных проектах предприятия в Узбекистане и Ираке. В России такие технологии предприятие активно применяет на Каспии и в Предуралье, при этом проводя работу по их внедрению и в других регионах деятельности.
Внедрена система «Мобильный обходчик». «Мобильный обходчик» — это мобильное приложение для операторов нефтедобычи, совершающих обходы скважин. Операторы вносят в приложение параметры работы оборудования, и эти данные моментально становятся доступны другим сотрудникам, которые могут принять оперативное решение по всем отклонениям оборудования от рабочих характеристик. Информация автоматически заносится в электронные журналы, и у операторов отпадает необходимость делать это вручную. Кроме того, «Мобильный обходчик» позволяет проводить фотофиксацию неисправностей или нарушений техники безопасности, экстренно оповещать аварийные службы или оперативно выбирать из базы данных необходимую документацию [15].
Специалисты ООО «ЛУКОЙЛ-Пермь» и ученые Пермского политеха (ПНИПУ) внедрили новый инструмент для цифрового мониторинга, который позволяет оперативно оценивать и прогнозировать энергетический потенциал месторождений без остановки скважин, сообщает пресс-служба «ЛУКОЙЛ-Перми» [15].
Модели на основе искусственного интеллекта позволяют осуществлять мониторинг энергетического состояния залежей, что повышает рентабельность нефтедобычи. Алгоритмы получили программную реализацию в виде модульного сервиса Data Stream Analytics (DSA), особенностью которого являются высокие скорость и достоверность вычислений, минимальная трудоемкость.
С использованием ПО расчет пластового давления одномоментно по всей залежи проводится за несколько минут, в то время как расчет только по одной скважине в подобных зарубежных программных продуктах может занимать до 4 часов. Кроме того, разработка может позволить сократить время на подготовку экспертизы геолого-гидродинамических моделей с 65 до 5 дней за год. Программой охвачен весь фонд нефтяных месторождений Пермского края, также осуществляется тиражирование в Республике Коми [15].
Управление разработкой зрелых месторождений с применением нейронных сетей. Благодаря использованию алгоритмов машинного обучения программный продукт позволяет определять степень взаимовлияния нагнетательных и добывающих скважин и обеспечить расчет оптимальных режимов их эксплуатации. В результате появляется возможность управлять обводненностью добываемой продукции, сокращать непроизводительную закачку воды и отбор жидкости. Это способствует увеличению добычи нефти за счет вовлечения в разработку слабодренируемых запасов и приводит к сокращению операционных затрат [16].

ПАО «Газпром»

В 2023 году сообщалось, что «Газпром нефть» и «Газпром космические системы» планируют развивать технологии анализа
геопространственных данных с применением ИИ, спутниковых систем и аэромониторинга. Планируется создавать цифровые двойники инфраструктуры и нефтегазовых месторождений
на основе обработки нейросетями информации о наблюдениях за поверхностью Земли
из космоса [17].
Компания создает самообучающуюся модель геологического объекта «Когнитивный геолог».
Она будет математически обрабатывать исходную информацию и выдавать конечный результат, оценивать вероятность правильности ответов и выдавать рекомендации о необходимости проведения дополнительных исследований [18].
«Газпром нефть» успешно завершила испытания первого российского многофункционального аэрокомплекса геологоразведки. Беспилотник выполняет сразу несколько типов геофизических исследований, которые традиционно проводились с помощью авиа- или наземной техники [18].
Аэрокомплекс может проводить многоуровневую магниторазведку, малоглубинную электроразведку, аэрофотосъемку, мониторинг полевых работ с видеосъемкой, включая инфракрасный диапазон.
«Газпром нефть» уже разработала набор моделей машинного обучения, которые помогают в автоматическом режиме методами искусственного интеллекта проанализировать сейсмику месторождений. Программа работает в связке с командой геологов и помогает ускорить их работу — в этом часть полученного эффекта.
Компания применяет суперкомпьютерные технологии для управления запасами ПАО «Газпром», оптимизации стратегий освоения лицензионных участков и прогноза показателей деятельности ПАО «Газпром» (совместный проект с МГУ им. М.В. Ломоносова) [19].
ПАО «Газпром» разрабатывает программно-аппаратный комплекс контроля добычи и технического состояния скважин на основе волоконно-оптических технологий (ООО «Газпром ВНИИГАЗ») [19].
«Газпром нефть» создала единую интегрированную модель одного из самых перспективных активов компании — месторождения имени Александра Жагрина в Кондинском районе ХМАО — Югры [20].
С помощью искусственного интеллекта компании удалось синтезировать новые химические молекулы для увеличения добычи углеводородов на месторождениях «Газпром нефти». Создаваемые на их основе реагенты могут содействовать повышению эффективности разработки сложных залежей и продлят жизнь десяткам месторождений по всей России [21].

Saudi Aramco

Aramco использует все возможности анализа больших данных с помощью Dammam-7, одного из самых мощных суперкомпьютеров в мире. Он обеспечивает высокую вычислительную мощность, необходимую для создания подробных 3D-сейсмических моделей, которые помогают инженерам находить и добывать нефть и газ [22].
Разработан симулятор пластов и бассейнов TeraPOWERS, он использует большие данные для моделирования всей углеводородной системы Аравийского полуострова с помощью моделей, которые постоянно обновляются с учетом новых данных о бурении и добыче. Затем сложные алгоритмы анализируют эти данные для достижения возможности более расширенной добычи углеводородных ресурсов [22].
На Хурайсе, одном из нефтяных месторождений Aramco, установлено 40 000 датчиков для мониторинга более 500 нефтяных скважин, таким образом создана система расширенного управления технологическими процессами. Использование последних достижений в области анализа больших данных, машинного обучения, интеллектуальных датчиков и робототехники позволило добиться ряда значительных преимуществ на Хурайсе. К ним относятся разработка собственного ИИ-решения для оптимизации расхода топливного газа в котлах, использование робототехники для повышения безопасности, снижения стоимости и повышения эффективности технического обслуживания, а также внедрение системы управления трубопроводами для обнаружения возможных утечек с помощью оптоволоконных датчиков [22].
Saudi Aramco осуществляет внедрение технологии блокчейн на нефтяных месторождениях и нефтеперерабатывающих заводах для повышения производительности и согласования контрактов с поставщиками услуг [23].
Saudi Aramco внедряет цифровые двойники месторождений. Уже осуществлено внедрение цифрового двойника нефтегазового месторождения Хасба (объемы суточной добычи — около
37 млн м3 газа) [23].
Разработана новая технология, которая позволяет обнаруживать газ с помощью электрохимических датчиков. Этот инструмент под названием «Умный газоанализатор» использует технологию IoT для обеспечения более эффективной диагностики объектов по сравнению с обычными газоанализаторами [23].

PetroChina

PetroChina в сотрудничестве с компанией Huawei создает ИИ, который позволит создавать цифровые модели бассейнов, интерпретировать и собирать данные каротажа, заниматься интеллектуальной геофизической разведкой [24].
ИИ китайской нефтегазовой компании, созданный в сотрудничестве с Huawei, также позволит выполнять прогноз результатов гидравлического разрыва пласта [24].
Аналитика больших данных помогает PetroChina повысить показатели успешности геологоразведочных работ за счет более точного определения потенциальных запасов
нефти и газа [25].
Для получения возможности прогнозирования добычи нефти зрелых месторождений с помощью закачки воды или пара нагнетанием, путем извлечения скрытых закономерностей и потенциальных взаимосвязей из больших объемов исторических данных, компания применяет два вида алгоритмов машинного обучения: линейную регрессию и рекуррентную нейронную сеть [25].

ExxonMobil

ExxonMobil использует искусственный интеллект в разведке и добыче углеводородов. Благодаря применению искусственного интеллекта и машинного обучения ExxonMobil стремится быстрее и точнее анализировать крупные объемы геологических данных и сейсмической информации [26].
Компания применяет технологию Full Wavefield Inversion, которая позволяет создавать изображения высокого разрешения, дающие информацию о свойствах пород и жидкостей, а также о наличии углеводородов [27].
ExxonMobil применяет суперкомпьютеры для обработки данных сейсморазведки, которые позволяют выполнять масштабную вычислительную задачу по анализу всех сейсмических данных для создания более детальной картины недр [27].
ExxonMobil сотрудничает с Microsoft в области использования технологий интернета вещей для мониторинга и оптимизации большого числа размещенных на больших расстояниях объектов на месторождениях. Данные собираются с помощью обширной сети датчиков и хранятся в облаке, что позволяет сотрудникам получать беспрепятственный доступ к данным в режиме реального времени из любой точки мира. Информация, полученная на основе анализа этих данных, используется для оптимизации производительности и автоматизации рабочего процесса. В течение срока эксплуатации месторождения это может содействовать снижению затрат, увеличению добычи углеводородов и сокращению выбросов метана [28].
В ExxonMobil разработана программа использования дронов для инспекции нефтяной и газовой инфраструктуры. Эта программа применяется более чем в ста филиалах по всему миру [29].
ExxonMobil использует метод сейсмического 4D-моделирования для прогнозирования распределения трещин при гидравлическом разрыве пластов в коллекторах с малой проницаемостью, позволяя оптимизировать размещение скважин и увеличить их дебит [30].

Shell

Shell является членом-основателем OSDU, системы открытых данных о недрах. Это отраслевой стандарт для управления данными о недрах. OSDU стремится ускорить внедрение инноваций и повысить эффективность, обеспечивая беспрепятственный обмен данными о недрах по всей отрасли. Фундаментальный принцип, лежащий в основе платформы OSDU, заключается в том, что она является «открытой» и обеспечивает равные условия [31].
Shell внедряет облачные цифровые инструменты, которые предоставляют данные о недрах и скважинах, а также рабочие процессы по оценке запасов, интерпретации сейсмических данных, моделированию коллекторов, управлению скважинами, коллекторами и объектами [31].
Технология искусственного интеллекта позволяет обрабатывать большие объемы сейсмических данных за считанные часы, в то время как у человека на выполнение аналогичной задачи могут уйти недели или месяцы. Например, автоматизированный рабочий процесс позволяет компании Shell выполнить быстрый анализ и оценку возможностей в большом бассейне со сложными требованиями к визуализации всего за три месяца. Это на 25 % сокращает время цикла благодаря интеграции разработанных Shell технологий искусственного интеллекта для решения таких задач, как устранение шума, построение скоростных моделей и автоматическая интерпретация геологических объектов [31].
Shell внедряет цифровые двойники, чтобы обеспечить виртуальное представление физических элементов и динамического поведения актива на протяжении его жизненного цикла. Цифровые двойники позволяют воспроизводить и имитировать условия на физических объектах с помощью цифровых копий, позволяя сотрудникам выполнять действия и принимать решения в виртуальной среде, которые могут быть быстро реализованы в реальном мире [32].
Компании Shell, C3 AI, Baker Hughes и Microsoft основали инициативу Open AI Energy Initiative (OAI). Open AI Energy Initiative (OAI) — первая в своем роде открытая экосистема решений на основе искусственного интеллекта (ИИ) для энергетической и перерабатывающей промышленности.
OAI предоставляет операторам энергетики, поставщикам услуг, оборудования и независимым поставщикам программного обеспечения для энергетических служб платформу, позволяющую предлагать совместимые решения, включая модели на основе искусственного интеллекта и физики, мониторинг, диагностику [32].

Компания BP

Компания BP разработала новый сейсмический прибор Wolfspar. Благодаря ему было обнаружено более 1 млрд баррелей нефти, залегающих на месторождении Thunder Horse в Мексиканском заливе [33].
Также BP применяет искусственный интеллект при выполнении исследований горных пород [34].
BP создала APEX, систему моделирования и наблюдения, которая создает виртуального двойника всех производственных систем BP по всему миру. Этот инструмент сократил время, необходимое для создания моделей, с 24–30 часов до 20 минут, а также привел к значительному увеличению добычи нефти [35].
C помощью служб машинного обучения Azure BP сокращает время, необходимое для точной идентификации моделей прогнозирования разработки, и повышает производительность специалистов по обработке данных. Автоматизированное машинное обучение позволяет получать комплексные решения для любой проблемы в разработке месторождений углеводородов, а также получать более точные прогнозы КИН [36].

Chevron

В 2024 году Chevron и компания Eliis заключили соглашение о совместной разработке и коммерциализации алгоритмов AI для сейсмической интерпретации, характеристики недр и моделирования. Это позволяет строить крупномасштабные геологические модели с высоким уровнем детализации и точности [37].
Компания Chevron создает виртуальные копии некоторых своих объектов для диагностики и прогнозирования ситуаций в реальном мире. Технология искусственного интеллекта обеспечивает возможность диагностики и прогнозирования сбоев в технологических процессах и проблемах с оборудованием.
Один из цифровых двойников занимается прогнозированием будущего состояния казахстанского завода и является первым в своем роде в Chevron [38].
Schlumberger, Chevron и Microsoft объявили о первом в отрасли трехстороннем сотрудничестве, направленном на ускорение создания инновационных нефтехимических и цифровых технологий.
DELFI — это безопасная, масштабируемая и открытая облачная среда, обеспечивающая бесперебойную работу программного обеспечения для разведки, разработки, производства и промежуточного производства. Разработчиком цифровой платформы является компания Schlumberger. Chevron и Schlumberger объединят свой опыт и ресурсы для ускорения развертывания решений DELFI в Azure при поддержке и руководстве со стороны Microsoft. Стороны гарантируют, что разработки программного обеспечения соответствуют новейшим стандартам с точки зрения безопасности, производительности, управления выпусками и совместимы с платформой данных Open Subsurface Data Universe (OSDU). Опираясь на этот открытый фундамент, специалисты Chevron в области нефтехимии расширят свои возможности [39].
Специалисты Chevron по разведке и добыче используют аналитику данных на базе искусственного интеллекта для улучшения процессов принятия решений. Имея в распоряжении огромное количество геологических и сейсмических данных, алгоритмы искусственного интеллекта могут выявлять закономерности и корреляции, которые люди могут не заметить. Эта возможность позволяет Chevron принимать более обоснованные решения относительно распределения ресурсов и мест бурения.
Аналитика, основанная на искусственном интеллекте, позволила Chevron более эффективно определять местонахождение запасов нефти и газа, снижая затраты на разведку и повышая вероятность успеха буровых работ. Анализируя исторические данные и данные датчиков в режиме реального времени, Chevron может оптимизировать свои стратегии разведки и повысить эффективность своей деятельности [40].

Petrobras

В 2023 году Petrobras заключила пятилетний контракт с компанией Schlumberger на внедрение цифровой платформы Delfi. Она охватывает цифровое преобразование в сферах разведки и добычи.
Например, приложения искусственного интеллекта и машинного обучения сократили время интерпретации ошибок в рабочих процессах петрофизического моделирования на 60 % [41].
Также Petrobras внедряет опыт IoT для снижения затрат за счет увеличения вероятности успешного проведения геологоразведочных работ, сокращения сроков проведения геологоразведочных работ, проектирования и строительства производственных объектов [42].
В 2024 г. Petrobras заявила о внедрении технологии цифрового двойника на шельфовом месторождении Хубарте. Технология предоставляет данные о системе добычи в режиме реального времени, также цифровой двойник позволяет предотвращать аварии и проводить виртуальное тестирование принимаемых решений [43].
Представлена сравнительная таблица 1 крупнейших нефтегазовых компаний по основным типам инициатив в области цифровизации и цифровой трансформации производственных процессов в направлении геологии и разработки.
Табл. 1. Основные инициативы
в области цифровизации и цифровой трансформации производственных процессов компаний в направлении геологии и разработки
Рощин П.В., Савельев А.А., Парамзин А.Р., Канайкин И.Е.,
Бодоговский Н.С., Давыдов М.А., Зиновьев А.М., Драницына Е.Г.
ООО «СамараНИПИнефть» (ОГ ПАО «НК «Роснефть»), Самара, Россия; ФГБОУ ВО «СамГТУ», Самара, Россия

pv.roschin@yandex.ru

В рамках подготовки публикации были использованы данные официальных сайтов вертикально-интегрированных нефтегазовых компаний ПАО «НК «Роснефть», Группа «Лукойл», ПАО «Газпром», Saudi Aramco, PetroChina, Shell, ExxonMobil, BP, Chevron, Petrobras. Выполнен сбор данных «Отчетов по устойчивому развитию» и новостных материалов, размещенных на сайтах компаний.
Разработана структура таблицы для сравнительного анализа реализуемых цифровых инициатив.

цифровая трансформация, разработка месторождений, цифровой двойник, искусственный интеллект, машинное обучение, цифровые геологические модели
Рощин П.В., Савельев А.А., Парамзин А.Р., Канайкин И.Е., Бодоговский Н.С., Давыдов М.А.,
Зиновьев А.М., Драницына Е.Г. Аналитический обзор цифровых инициатив производственных направлений международных вертикально-интегрированных нефтегазовых компаний. Геология и разработка // Экспозиция Нефть Газ. 2025. № 6. С. 31–37.

22.09.2025
Рекомендуемые статьи
Геология
Повышение эффективности зарезки боковых стволов
Импульсно‑кодовое гидропрослушивание межскважинных интервалов: доизучение геологического строения, выявление перспективных зон бурения и анализ эффективности заводнения
Геология
Применение нейронных сетей
Применения методов машинного обучения для построения детальной фациальной модели сложнопостроенного терригенного резервуара в условиях ограниченного объема эталонных данных
© Экспозиция Нефть Газ. Научно-технический журнал. Входит в перечень ВАК
+7 (855) 222-12-84
office@runeft.ru