tumnigИзвестия высших учебных заведений. Нефть и газOil and Gas Studies0445-01083033-8174Industrial University of Tyumen10.31660/0445-0108-2023-3-68-83tumnig-1124Research ArticleБУРЕНИЕ СКВАЖИН И РАЗРАБОТКА МЕСТОРОЖДЕНИЙDRILLING OF WELLS AND FIELDS DEVELOPMENTОценка эффективности внедрения технологических решений по повышению качества крепления скважин, разработанных на основе цифровых технологийAn evaluation of the effectiveness of implementing technological solutions based on digital technologies to improve well casing qualityШаляпинД. В.ShalyapinD. V.

Шаляпин Денис Валерьевич, аспирант;

научный сотрудник отдела разработки рабочих проектов управления проектирования строительства скважин

Тюмень

Denis V. Shalyapin, Postgraduate;

Researcher in the Work Design Department of the Well Design Department

Tyumen

Denis.Shalyapin@lukoil.comБакировД. Л.BakirovD. L.

Бакиров Данияр Лябипович, кандидат технических наук, заместитель генерального директора по научной работе в области строительства скважин

г. Москва

Daniyar L. Bakirov, Candidate of Engineering, Deputy Director General for Well Construction Research

Moscow

КузнецовВ. Г.KuznetsovV. G.

Кузнецов Владимир Григорьевич, доктор технических наук, профессор кафедры бурения нефтяных и газовых скважин

г. Тюмень

Vladimir G. Kuznetsov, Doctor of Engineering, Professor at the Department of Drilling Oil and Gas Wells

Tyumen

Тюменский индустриальный университет»; Филиал ООО «ЛУКОЙЛ-Инжиниринг» «КогалымНИПИнефть»РоссияIndustrial University of Tyumen; KogalymNIPIneft Branch of LUKOIL-Engineering LLCRussian FederationООО «ЛУКОЙЛ-Инжиниринг»РоссияLUKOIL-Engineering LLCRussian FederationТюменский индустриальный университет»РоссияIndustrial University of TyumenRussian Federation202315072023036883Copyright © Шаляпин Д.В., Бакиров Д.Л., Кузнецов В.Г., 20232023Шаляпин Д.В., Бакиров Д.Л., Кузнецов В.Г.Shalyapin D.V., Bakirov D.L., Kuznetsov V.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://tumnig.tyuiu.ru/jour/article/view/1124

В статье показан процесс формирования мероприятий на основе цифровых технологий с целью повышения качества цементирования скважин на месторождениях Западной Сибири. Выявлена и решена проблема, связанная с низким качеством входной информации, за счет привлечения нескольких независимых источников. Обоснована экономическая эффективность разработанных методов сокращения трудозатрат на сбор данных для моделирования с использованием алгоритмов машинного обучения. Приведены перспективы сокращения затрат на проведение ремонтно-изоляционных работ в случае внедрения разработанных решений. Представлена ключевая информация по сформированным гипотезам и целям реализации каждой из них. Описана методика анализа результатов опытно-промышленных работ с использованием различных математических алгоритмов. Дана оценка эффективности разработанных решений путем сравнения результатов цементирования опытных скважин и скважин, построенных по базовой технологии. В качестве обобщающего результата приведена динамика роста качества цементирования на месторождениях Западной Сибири. На основе собранной опытной информации скорректированы решения, которые повторно внедряются для окончательной оценки эффективности.

The article presents the process of forming measures based on digital technologies to improve the quality of well cementing at the fields of Western Siberia. The problem associated with the low quality of input information due to the use of several independent sources was identified and solved. The economic efficiency of the developed methods for reducing the labour costs of data collection for modelling using machine learning algorithms is demonstrated. If the solutions developed are implemented, there is a prospect of reducing the cost of repair and insulation work. Key information is provided about the hypotheses generated and their objectives. The authors of the article describe the method of using various mathematical algorithms to analyze the results of industrial experimental work. The efficiency of the developed solutions is evaluated by comparing the results of cementing experimental wells and wells built using the basic technology. The dynamics of cement quality growth in the fields of Western Siberia are summarised as a general result. As a result of the experience gained, the solutions have been adapted and are in the process of being re-implemented in order to make a final assessment of their effectiveness.

цементирование скважинкрепь скважиныцифровые технологииадгезияwell cementingwell casingdigital technologiesadhesionReferencesОптимизация технико-технологических решений для строительства сложнопрофильных скважин / Д. Л. Бакиров, Э. В. Бабушкин, В. А. Бурдыга [и др.]. – DOI 10.30713/0207-2351-2019-8(608)-39-44. – Текст : непосредственный // Нефтепромысловое дело. – 2019. – № 8 (608). – С. 39–44.Bakirov, D. L., Babushkin, E. V., Burdyga, V. A., Fattahov, M. M., Shherbakov, A. V., & Dobrochasov, A. I. (2019). Optimization of technical-technological solutions for construction of complex-profile wells. Oilfield Engineering, (8(608)), pp. 39-44. (In Russian). DOI: 10.30713/0207-2351-2019-8(608)-39-44Оптимизация затрат на бурение и обустройство месторождения в условиях геологической неопределенности / Д. Л. Бакиров, М. М. Фаттахов, Я. И. Баранников [и др.]. – DOI 10.30713/0130-3872-2018-10-22-28. – Текст : непосредственный // Строительство нефтяных и газовых скважин на суше и на море. – 2018. – № 10. – С. 22–28.Bakirov, D. L., Fattakhov, M. M., Barannikov, Ya. I., Vityaz, A. V., & Abdrahmanov, R. R. (2018). Оptimization of drilling costs and construction of a field facilities in conditions of geological uncertainty. Construction of Oil and Gas Wells on Land and Sea, (10), pp. 22-28. (In Russian). DOI: 10.30713/0130-3872-2018-10-22-28Галкин, В. И. Статистическое моделирование расширяющегося тампонажного состава / В. И. Галкин, А. А. Куницких. – DOI 10.15593/2224-9923/2017.3.2. – Текст : непосредственный // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. – 2017. – Т. 16, № 3. – С. 215–224.Galkin, V. I., & Kunitskikh, A. A. (2017). Statistical modelling of expanding cement slurry. Perm Journal of Petroleum and Mining Engineering, 16(3), pp. 215-224. (In Russian). DOI: 10.15593/2224-9923/2017.3.2Development and Characterization of Smart Cement for Real Time Monitoring of Ultra-Deepwater Oil Well Cementing Applications / C. Vipulanandan, R. Krishnamoorti, R. Saravanan [et al.]. – Text : electronic // Offshore Technology Conference, Texas, USA, 5–8 May, 2014. – URL: https://doi.org/10.4043/25099-MS. – Published: May, 05, 2014.Vipulanandan, C., Krishnamoorti, R., Saravanan, R., Liu, J., Qu, Q., Narvaez, G.,… Pappas, J. M. (2014). Development and Characterization of Smart Cement for Real Time Monitoring of Ultra-Deepwater Oil Well Cementing Applications. Offshore Technology Conference, Texas, USA, May, 5-8, 2014. (In English). Available at: https://doi.org/10.4043/25099-MSApplication of Machine Learning to accidents detection at directional drilling / E. Gurina, N. Klyuchnikov, A. Zaytsev [et al.]. – Text : electronic // Journal of Petroleum Science and Engineering. – 2020. – Vol. 184. – URL: https://doi.org/10.1016/j.petrol.2019.106519.Gurina, E., Klyuchnikov, N., Zaytsev, A., Romanenkova, E., Antipova, K., Simon, I., Makarov, V., & Koroteev, D. (2020). Application of Machine Learning to accidents detection at directional drilling. Journal of Petroleum Science and Engineering, 184. (In English). Available at: https://doi.org/10.1016/j.petrol.2019.106519Machine Learning as New Approach for Dogleg Severity Prediction / A. Fakhrylgayanov, A. A. J. Soh, A. Osman. – Text : electronic // SPE/IADC Middle East Drilling Technology Conference and Exhibition, Abu Dhabi, UAE, 25–27 May, 2021. – URL: https://doi.org/10.2118/202160-MS.Fakhrylgayanov, A., Soh, A. A. J., & Osman, A. (2021). Machine Learning as New Approach for Dogleg Severity Prediction. SPE/IADC Middle East Drilling Technology Conf. and Exhibition, Abu Dhabi, UAE, May, 25-27, 2021. (In English). Available at: https://doi.org/10.2118/202160-MSUsing Drilling and Logging Data for Developing 1D Mechanical Earth Model for a Mature Oil Field to Predict and Mitigate Wellbore Stability Challenges / M. Afsari, M. Amani, S. M. Razmgir [et al.] // International Oil and Gas Conference and Exhibition in China, Beijing, China, 8–10 June, 2010. – URL: https://doi.org/10.2118/132187-MS. – Published: June, 08, 2010.Afsari, M., Amani, M., Razmgir, S. M., Karimi, H., & Yousefi, S. (2010). Using Drilling and Logging Data for Developing 1D Mechanical Earth Model for a Mature Oil Field to Predict and Mitigate Wellbore Stability Challenges. International Oil and Gas Conference and Exhibition in China, Beijing, China, June, 8-10. (In English). Available: https://doi.org/10.2118/132187-MSСовершенствование методики анализа данных по креплению скважин / Д. В. Шаляпин, Д. Л. Бакиров, М. М. Фаттахов, В. Г. Кузнецов. – DOI 10.33285/0130-3872-2022-5(353)-36-39.– Текст : непосредственный // Строительство нефтяных и газовых скважин на суше и на море. – 2022. – № 5 (353). – С. 36–39.Shalyapin, D. V., Bakirov, D. L., Fattakhov, M. M., & Kuznetsov, V. G. (2022). Improvement of the method of well cementing data analysis. Construction of Oil and Gas Wells on Land and Sea (5(353), pp. 36-39. (In Russian). DOI: 10.33285/0130-3872-2022-5(353)-36-39Применение методов машинного обучения для повышения качества крепления скважин / Д. В. Шаляпин, Д. Л. Бакиров, М. М. Фаттахов [и др.]. – DOI 10.31660/0445-0108-2020-5-81-93. – Текст : непосредственный // Известия высших учебных заведений. Нефть и газ. – 2020. – № 5. – С. 81–93.Shalyapin, D. V., Bakirov, D. L., Fattakhov, M. M., Shalyapina, A. D., Melekhov, A. V., Sherbakov, A. V., & Kuznetsov, V. G. (2020). The applying of machine learning methods to improve the quality of well casing. Oil and Gas Studies, (5), pp. 81-93. (In Russian). DOI: 10.31660/0445-0108-2020-5-81-93Исследование фактической информации по креплению скважин с применением машинного обучения и нейронных сетей / Д. В. Шаляпин, Д. Л. Бакиров, М. М. Фаттахов [и др.]. – DOI 10.31660/0445-0108-2021-3-108-119. – Текст : непосредственный // Известия высших учебных заведений. Нефть и газ. – 2021. – № 3 (147). – С. 108–119.Shalyapin, D. V., Bakirov, D. L., Fattahov, M. M., Shalyapina, A. D., & Kuznetsov, V. G. (2021). Research of actual information on well casing using machine learning and neural networks. Oil and Gas Studies, (3), pp. 108-119. (In Russian). DOI: 10.31660/0445-0108-2021-3-108-119

The authors declare that there are no conflicts of interest present.