Нейросетевой подход к ранжированию факторов, влияющих на энергоэффективность добычи нефти

Авторы

  • С. В. Цыпленков Сибирский федеральный университет
  • Е. Д. Агафонов Сибирский федеральный университет; Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева
  • Д. И. Цыпленкова Красноярский государственный аграрный университет

DOI:

https://doi.org/10.22213/2410-9304-2022-1-22-28

Ключевые слова:

удельный расход электроэнергии, факторный анализ, система контроля энергоэффективности, искусственная нейронная сеть, механизированная добыча нефти, энергоэффективность, интеллектуальные методы

Аннотация

В статье описана актуальность темы, рассмотрены особенности подходов к факторному анализу энергетической эффективности процесса механизированной добычи нефти. Проведен сравнительный анализ подходов, применяющихся при оценке текущего и прогнозируемого уровня энергоэффективности по отношению к плановым значениям. Дана оценка современным возможностям автоматизации факторного анализа энергоэффективности механизированной добычи нефти. Предложен подход к ранжированию факторов энергоэффективности на основе интеллектуальных методов. Для разработки эффективной методики анализа и планирования УРЭ на основе релевантной факторной модели предложен подход к ранжированию факторов, влияющих на энергетическую эффективность механизированной добычи с применением искусственной нейронной сети. При решении поставленной задачи был применен метод факторного анализа удельного расхода электроэнергии, алгоритм Бройдена - Флетчера - Гольдфарба - Шанно с ограниченным использованием памяти. Рассмотрены различные наборы факторов, произведено их ранжирование по долям значимости, осуществлена процедура исключения факторов на основании парных корреляционных зависимостей между ними. Построена корреляционная матрица для откорректированного набора факторов. На основании экспертного анализа полученных результатов оценены их релевантность причинно-следственным связям, проявляющимся в практике эксплуатации механизированного фонда. Использование предложенного подхода к факторному анализу с применением искусственной нейронной сети позволит повысить достоверность контроля энергетической эффективности механизированной добычи. Разработанная модель может быть включена в состав алгоритмического и программно-технического обеспечения перспективной автоматизированной системы контроля энергоэффективности и сможет применяться при принятии решений специалистами, осуществляющими планирование, мониторинг и прогнозирование показателей энергоэффективности и оценку результатов реализации энергосберегающих мероприятий.

Биографии авторов

С. В. Цыпленков, Сибирский федеральный университет

магистрант

Е. Д. Агафонов, Сибирский федеральный университет; Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева

доктор технических наук, доцент, профессор кафедры топливообеспечения и горюче-смазочных материалов

Д. И. Цыпленкова, Красноярский государственный аграрный университет

ассистент кафедры химии

Библиографические ссылки

«РН-Уватнефтегаз» сэкономил энергоресурсов на 222 млн рублей и перешел на цифровой контроль расхода электроэнергии. URL: https://www.rosneft.ru/press/news/item/200257 (дата обращения 01.11.2021).

Шишкин А. Н. Повышение энергоэффективности в ОАО «НК Роснефть» // Материалы II Международного форума ENES Expo. 2013. URL: http://enes-expo.ru/docs/prezentatsii_dlya_programmy/ 21112013/Rosneft.pdf.

Зуев А. С. Стратегия повышения энергоэффективности компании ОАО «НК «Роснефть» // Электроэнергия. Передача и распределение. 2016. № 3. С. 30-33.

Чинкова Н. Газпромнефть: программа энергоменеджмента // Нефтегазовая вертикаль. 2011. № 21.

Vargas R. E. V. et al. A realistic and public dataset with rare undesirable real events in oil wells // Journal of Petroleum Science and Engineering. 2019. Т. 181. С. 106223.

Koroteev D., Tekic Z. Artificial intelligence in oil and gas upstream: Trends, challenges, and scenarios for the future // Energy and AI. 2021. Т. 3. С. 100041.

Syed F. I. et al. Artificial lift system optimization using machine learning applications // Petroleum. 2020.

Цыпленков С. В., Агафонов Е. Д. Концепция комплексной системы контроля энергоэффективности механизированной добычи нефти // Известия высших учебных заведений. Проблемы энергетики. 2021. Т. 23, № 4. С. 180-196.

Погружные электродвигатели с повышенным напряжением - двойной эффект без инвестиций / C. Б. Якимов, М. Н. Каверин, А. В. Цыбин, Д. А. Косилов, В. П. Тарасов // Оборудование и технологии для нефтегазового комплекса. 2012. № 3. С. 75.

Троицкий-Марков Т. Е., Сенновский Д. В. Принципы построения системы мониторинга энергоэффективности // Мониторинг. Наука и безопасность. 2011. Т. 4. С. 34-39.

Журавлев В., Кибирев Е., Музычук П. Энергосбережение рубль бережет // Нефтегазовая вертикаль - технологии и сервис. 2017. № 9. С. 20-82.

Аналитическая информационная система / Вейнблат А. В. и др. // Энергоэффективностъ нефтегазового предприятия. 2018.

Музычук П. С. Повышение энергоэффективности эксплуатации механизированного фонда скважин // Электронный научный журнал «Neftegaz.ru». 2019. № 10. URL: https://magazine.neftegaz.ru/articles/dobycha/500661-povyshenieenergoeffektivnosti-ekspluatatsii-mekhanizirovannogo-fonda-skvazhin.

He L. I. U. et al. Development and prospect of separated zone oil production technology // Petroleum Exploration and Development. 2020. Т. 47, № 5. С. 1103-1116.

Liu D. C., Nocedal J. On the limited memory BFGS method for large scale optimization // Mathematical programming. 1989. Т. 45, № 1. С. 503-528.

Тарасов В. П., Куряев С. В., Голубь И. М. Использование специализированного ПО для расчета энергопотребления на механизированном фонде скважин // Инженерная практика. 2016. № 3. С. 22-26.

Загрузки

Опубликован

15.06.2022

Как цитировать

Цыпленков, С. В., Агафонов, Е. Д., & Цыпленкова, Д. И. (2022). Нейросетевой подход к ранжированию факторов, влияющих на энергоэффективность добычи нефти. Интеллектуальные системы в производстве, 20(1), 22–28. https://doi.org/10.22213/2410-9304-2022-1-22-28

Выпуск

Раздел

Статьи