нещата

Мета: В петролната и газовата индустрия решенията, задвижвани от Индустриален интернет на нещата, могат да увеличат производителността на сондажните и добивни операции с 30%, като превърнат данните от множество географски разпределени петролни кладенци в информативна информация за работата на кладенците.

Как петролът и газът се възползват от IIoT

EY съобщава, че оперативната ефективност в сегмента нагоре по веригата непрекъснато намалява с 11% годишно през последните четири години. Според същия доклад една от причините за намаляването на ефективността на сегмента е лошото управление на производителността на кладенците, което може да бъде проследено до персонала на O&G, който няма достъп до данните за нефтени кладенци. Всъщност беше изчислено, че само 1% от информацията, събрана от кладенците, се предоставя на лицата, отговорни за O&G.

Днес IIoT стига до спасяването на горния сегмент и предлага по-сложен подход за управление и анализ на данните от кладенци. В тази статия ще предоставим по-отблизо как IIoT подобрява производителността на горния сегмент с акцент върху сондажни и екстракционни операции.

Където IIoT се вписва

Традиционно SCADA е гръбнакът на горния сегмент за управление на данните за ефективността на кладенеца. Въпреки това, въпреки че SCADA позволява да се извършва основна визуализация на данните за кладенци и да се анализират поточни данни в движение, той не осигурява достатъчен капацитет за съхранение и усъвършенствани аналитични възможности за исторически оперативни данни от множество географски разпределени сайтове, докато прозренията, получени от тези данни, са критични за увеличаване на ефективността на сегмента.

IIoT запълва тези пропуски във функционалността на SCADA и предоставя възможности за съхраняване и извършване на усъвършенстван анализ на исторически данни от редица географски разпределени кладенци, което обещава да увеличи добива на суров нефт с до 10% за период от две години.

IIoT: Какво представлява и как работи

Наблюдението на ефективността на сондажните и екстракционни операции се свежда до наблюдение на използването на съответното оборудване на първо място. За да позволи това, IIoT работи в координация със SCADA, като последният е източник на оперативни данни за оборудването за системите IIoT. В някои случаи обаче, когато SCADA не може да предостави достатъчно необходими данни, оперативните показатели могат да бъдат извлечени директно от сензори (например близост, вибрации, въртящ момент), прикрепени към компонентите на оборудването. След като данните бъдат събрани, те се пренасят в облачната платформа - ядро ​​на IIoT решение - за съхранение и анализ.

Заедно с показанията на сензорите и данните, получени от SCADA, облачната платформа съхранява мета данни (напр. Информацията за местоположенията, калибриране на сензори) и данните, извлечени от други корпоративни системи (например данни за поддръжка на оборудването, геофизични данни). Разширеният компонент за анализ на IIoT анализира тези данни за скрити модели, които не могат да бъдат открити с традиционните методи за анализ. За това агрегираният набор от данни се изпълнява чрез алгоритми за машинно обучение (ML). В резултат се създават модели за машинно обучение. Моделите се прилагат за изпълнение на редица нетривиални задачи: прогнозиране на производителността на сондажни и екстракционни операции в зависимост от външните условия (например пропускливост на скалата, скорост на впръскване и температура), идентифициране на оперативни проблеми, затрудняващи работата на оборудването (напр. Ритници, Washouts) и да развият най-добрите практики за подобряване на производителността на процесите на сондиране и добив.

Мониторинг на сондажно оборудване

За да осигури на специалистите по сондиране ефективността на сондажните съоръжения на сушата, аналитичният компонент на решение IIoT анализира такива параметри на процеса на сондиране като честота на въртене на строителните работи, дебит на течността в сондажа, налягане в тръбопровода и помпата, въртящ въртящ момент и кука на задвижването натоварване. След като бъдат анализирани, тези показатели дават представа за такива показатели за ефективност като дълбочината на пробиване, степента на проникване (ROP), времето за свързване тегло към тегло, налягането на повърхността и дъното, въртящия момент върху бита и теглото върху бита. Анализът на стойностите на показателите спрямо контекстните данни (напр. Пропускливост на скалите) помага да се предотвратят такива проблеми като ритници, измивания и загуба на циркулация, всички пряко засягащи производителността на сондажните операции.

Още по-голяма стойност от прилагането на IIoT за оптимизация на сондажите идва от способността му да извършва усъвършенстван анализ на историческите данни на платформата. Комбинирането на данните за няколко параметъра на сондажа (скорост на проникване, въртящ момент върху бита, механична специфична енергия) с контекста (геофизични данни) и стартиране на комбинирания набор от данни чрез алгоритми за машинно обучение (ML) позволява точно представяне на условията на сондажа и намиране на неочевидни корелации между стойностите на параметрите на сондажа. Непокритите корелации са отразени в модели на ML. Приложени към данните за сондажни потоци, моделите идентифицират комбинации от параметри на сондажа, които позволяват постигане на най-висок ROP при дадени геофизични условия, и препоръчват оптимално калибриране на оборудването за постигане на целите на сондажа. Освен това, моделите ML могат да се използват като консултантски системи за сондажи в реално време, разпознаващи рисковете от сондажи в реално време и уведомяващи сондажни служители чрез уеб или мобилни приложения.

Мониторинг на екстракционно оборудване

В екстракционния сегмент IIoT може да се прилага за наблюдение на работата на изкуствените повдигателни системи, включително помпи за смукателни пръти и електрически потопяеми помпи (ESP).
Смукателни помпи

Ефективността на помпите за смукателни пръти може да се следи с помощта на сензори, които събират данни за налягането в дъното и скоростта на двигателя. Веднъж анализирани, тези параметри осигуряват поглед върху нивото на течността в камерата на помпата и скоростта, с която помпата произвежда. В същото време, тъй като навлизането на газ в помпата може значително да намали скоростта, с която помпата произвежда, газовите детектори се разполагат допълнително за наблюдение на съдържанието на газ в помпената камера.

Една от областите, в които се прилага усъвършенстван анализ, е анализът на динамометричните карти на помпите, който дава представа за работните параметри на помпите (напр. Скоростта на помпения агрегат, положението на пръта) и производителността. За да предоставят тези прозрения, картите трябва да бъдат интерпретирани. Ръчното тълкуване на помпа карта е трудоемък процес, който изисква много време и задълбочен опит в областта. Тъй като петролните полета генерират все повече и повече данни, за хората става по-трудно да ги интерпретират. Разпознаването на образци, базирано на машинно обучение, автоматизира процеса на интерпретация на карти и позволява проактивно проследяване на производителността на помпите на пръчките.

Електрически потопяеми помпи (ESP)

За мониторинг на ефективността на ESP се наблюдават параметрите на повърхността и сондажа. Ключовият параметър на повърхността, който трябва да се наблюдава, е общата скорост на потока. Решаващите параметри на отвора включват изпускателното и всмукателното налягане на помпата, температурата на входа на помпата и температурата на моторното масло. След като бъдат анализирани, тези параметри осигуряват представа за скоростта на издърпване на ESP, повърхностната и подземната активност.

Усъвършенстваният компонент за анализ на IIoT позволява да се анализира комбинираният набор от данни, състоящ се от историческите експлоатационни параметри на помпите (измерван дебит на маслото, периоди на периодични операции на помпата, честота на вибрациите на помпата) и контекстна информация за създаване на ML модели, които препоръчват оптимални калибрирания на помпата, за да се осигурят за стабилната му работа и осигуряване на максимален дебит на маслото.

IIoT: да опитате или да не опитате

IIoT има някои уникални предимства, които го правят подходящ за индустрията нагоре по веригата, включително:

• Възможност за анализ на данните от множество кладенци и платформи. Поглъщането на данни от множество географски разпределени резервоари и извличане на прозрения от обобщените данни помага за сравняване на производителността в кладенците, разработване на най-добрите практики за стимулиране на резервоара и оптимизиране на възстановяването.

• Възможността да се идентифицират основните причини за проблеми с производителността на оборудването. Анализът на историческите оперативни данни спрямо контекстната информация позволява откриване на фактори, катализиращи загубите на производителност. Ранното идентифициране на тези фактори помага на компаниите нагоре по веригата да вземат решения, основани на данни по отношение на избора на съответните стратегии за сондажи и добив.

За да се възползват от обещаните предимства, преди да пуснат в действие решения, управлявани от IIoT, компаниите нагоре по веригата трябва да вземат предвид следните ограничения:

• Наследеното оборудване трябва да бъде свързано към IIoT решение по начин, който осигурява бързо и надеждно предаване на данни през TCP/IP мрежа. Много от старите машини обаче са проектирани да комуникират локално със SCADA и не могат лесно да бъдат свързани към Интернет чрез TCP/IP. Въпреки че има физически шлюзове, които могат да превеждат между стари системи и по-нови протоколи, предизвикателството за интеграция все още предстои да бъде решено.

• Сондажните съоръжения и екстракционните помпи често работят в труднодостъпни места с лошо комуникационно покритие. Възможни смущения в комуникацията могат да доведат до това, че някои записи от данни не са налични или са достъпни със закъснения, което може да повлияе на точността на анализа.

На финална бележка

Нефтеният и газовият сектор губи милиарди долари годишно поради непроизводствено време. IIoT ще може да повиши ефективността на сегмента, като разкрие основните причини за престоя и ще даде възможност на специалистите по петрол и газ да ги смекчат активно. Според CERA, приемането на IIoT-задвижвани технологии в петрола и газа нагоре по веригата вероятно ще намали производствените разходи с до 6%, ще намали престоя на кладенците с до 4% и ще намали трудоемкостта на сегмента с до 25%.

Борис Шикло, технически директор на ScienceSoft, отговаря за дългосрочната технологична визия и стратегии за иновации на компанията. Под негов надзор, екипът за разработка на компанията е изпълнил успешно сложни проекти от над 80 000 човекочаса в здравеопазването, банковото дело и финансите, търговията на дребно, телекомуникациите, публичния сектор и други области. Борис Шикло има солиден опит в ИТ консултации, разработване на софтуер, управление на проекти и стратегическо планиране.