Архив новостей

Ноябрь2024

пн. вт. ср. чт. пт. сб. вс.
28293031123
45678910
11121314151617
18192021222324
25262728293031

Если вы нашли ошибку на сайте

Система Orphus

Спасибо!

Татнефть внедряет «роботов» для управления скважинами на сверхвязкую нефть

Система сама выводит скважину на заданный режим и поддерживает текущий дебит.

(28 мая 2020 12:02 , ИА "Девон" )
Роботизированную систему управления скважинами в «Татнефти» начали внедрять с ноября 2019 года на Южно-Ашальчинском поднятии сверхвязкой нефти (СВН или природный битум). На нем расположено порядка 35 скважин, сообщают «Нефтяные вести» (Елена ФЕДОРОВА).

На данный момент начинается тиражирование программы на Ашальчинском поднятии СВН (природного битума). До конца года планируется подключить к данному алгоритму все поднятия сверхвязкой нефти, сообщил заместитель начальника отдела — руководитель сектора организации добычи СВН УДСВН Эльдар БАЙМУРЗИН.

Цифровизация и алгоритмизация производственных процессов, а также совершенствование системы принятия управленческих решений должны в ближайшей перспективе охватить все звенья блока разведки и добычи.

Перед «Татнефтью» стоит задача минимизировать потери нефти и увеличить время работы оборудования без ремонта за счет передачи функций управления скважиной роботизированному микро-сервису. По предварительным подсчетам, только на одном поднятии за счет сокращения потерь удастся дополнительно добыть около тысячи тонн.

Работа над программой началась в начале июня 2019 года. Разработкой занимались совместно специалисты Управления по добыче СВН и НТЦ «Автоматизация, измерения, инжиниринг» (Группа «Татнефть»). Специалисты УДСВН подобрали направления, которые можно автоматизировать. Они составили блок-схемы, прописав возможный перечень отклонений в работе скважины и действий по их устранению. Разработчики написали программу алгоритма и внесли ее в свою платформу. По мере внедрения проекта программа непрерывно дорабатывается и корректируется. Она будет отлаживаться по мере тиражирования до конца 2020 года.

В силу специфики добычи сверхвязкой нефти автоматизация проекта достаточно высокая. Каждая скважина оборудована множеством датчиков: массомерами, расходомерами, датчиками давления, температуры, а также частотно-регулируемым электроприводом с контроллером всех параметров работы электродвигателя.

Данные с датчиков онлайн передаются диспетчеру и технологу. Они следят за режимом работы скважины и в случае сигнала об отклонении принимают меры. Но диспетчер может не сразу увидеть сбой и не отреагировать оперативно.

Теперь программа запускает алгоритм, и робот (завязанные в микро-систему датчики) сам сразу принимает решение по устранению инцидента. С помощью управляющих команд он выводит скважину на заданный режим и поддерживает текущий дебит. Как следствие — сокращение недоборов нефти и сокращение отказов оборудования.

При этом не останется без работы и персонал, потому что есть отклонения, решения по которым может принять только человек.

«Робот будет группировать потоки информации и передавать технологу: здесь со скважиной произошел такой инцидент, я прибавил параметры, а здесь невозможно ничего сделать, какая-то неисправность, не могу запустить, определитесь», — объясняет Эльдар Баймурзин. «И тогда уже диспетчер или технолог принимает решение. Но в целом функции персонала будут сводиться больше к аналитике», - добавляет он.

В августе ИА Девон сообщал, что Татнефть опробовала нейросети при обработке скважин на Ромашкинском месторождении.

Поделиться этой новостью у себя в соцсетях

Поиск по теме: Татнефть технологии, IT, СВН, Ашальчинское месторождение, скважины

 

к следующей новости раздела

28 мая 2020

Казанский авиационный институт с композитами «спускается с небес»

к предыдущей новости раздела

25 мая 2020

Пермский НПЗ впервые в нефтепереработке РФ внедрил предиктивную аналитику оборудования

к следующей новости главной ленты

28 мая 2020

Казанский авиационный институт с композитами «спускается с небес»

к предыдущей новости главной ленты

28 мая 2020

Не останавливать скважины для исследования позволит многомерное моделирование