Об авторах about authors:

Р.А. Калманов, В.В. Цилибин, Э.А. Гусейнов, /Научное подразделение «Газпром нефть», г. Санкт-Петербург/

R.A. Kalmanov, V.V. Tsilibin, E.A. Guseynov /Scientific Department of "GazPromNeft", St. Petersburg/

Аннотация:

В статье представлены итоги промышленных испытаний интегрированной системы автоматизации строительства скважин «Цифровая буровая 3.0» (ЦБ 3.0), проведенных в конце 2025 года на одном из месторождений Западной Сибири. Основное внимание уделено подтверждению работоспособности концепции полностью автономного цикла бурения «от клиньев до клиньев». Подробно рассмотрены результаты тестирования ключевых компонентов системы: модуля автоматического управления наклонно направленным бурением «Автослайд», комплекса автоматизированного контроля параметров бурового раствора и технологии удаленного управления проводкой скважины. Описана новая методика количественной оценки качества слайда, включающая показатели «дельта разброса» и «потерянная проходка». На основе полученных данных сделан вывод о технической готовности системы к промышленной экс- плуатациии определены направления дальнейшего развития автономного бурения.

Ключевые слова:

цифровая буровая 3.0, автономное бурение, наклонно направленное бурение (ННБ), удаленное управление наклонно направленным бурением (УННБ), бурение слайдом с функциями автовыставления и автоудержания отклонителя, модуль автоматического управления наклонно направленным бурением «Автослайд», автоматизированный контроль бурового раствора, предиктивная аналитика, цифровизация строительства скважин, методика оценки точности бурения в слайде

Abstract:

The authors of the paper present the results of industrial tests related to "Digital Drilling 3.0" (DD 3.0) integrated well automation well construction system, conducted at the end of 2025 at one of the fields in West Siberia. The main focus aimed at confirming the operability of the concept related to fully autonomous drilling cycle, "from wedges to wedges". The results of testing the key system components are considered in details, including "Autoslide" automatic directional drilling control module, complex for auto mated control of drilling fluid parameters and the technology for remote control over the well drilling operations. The authors describe the new technique of quantifying slide quality, including the "delta spread" and "lost penetration" indicators. Based on the data obtained, the authors make the conclusion on the technical readiness of the system for commercial operation and determine the directions for further development of autonomous drilling process.

Key words:

3.0 digital drilling, autonomous drilling, directional drilling, remote control over the directional drilling, slide drilling with auto-setting and auto-holding functions of whip-stock, "Autoslide" automatic directional drilling control module, automated control over the drilling mud, predictive analytics, digitation in well construction process, method to evaluate drilling accuracy in slide

Об авторах about authors:

А.В. Смородин1, А.В. Черепанов1, А.П. Мельников1, С.В. Суходеев1, Е.С. Ширяев2,3,

1. АО «Самаранефтегаз», г. Самара,  2. Самарский филиал ООО «РН-Проектирование Добыча», г. Самара , 3. ФГБОУ ВО «СамГТУ», г. Самара

A.V. Smorodin1, A.V. Cherepanov1, A.P. Melnikov1, S.V. Sukhodeev1, E.S. Shiryaev2,3

1. "Samaraneftegas" JSC, Samara,  2. Samara branch of "RN-Proektirovaniye Dobycha" LLC, Samara,  3. "SamSTU" Federal State Budgetary Educational Institution, Samara

Аннотация:

В статье представлена методика расчета дебита установки электроцентробежного насоса (УЭЦН) на основе данных о давлении на приеме насоса и расходно-напорной характеристики (РНХ) насосного оборудования. Предлагаемая методика расчета реализована в программном обеспечении «Теле скоп +». Авторами проекта представлено сравнение расчетных значений дебита по РНХ с фактическими данными, полученными в ходе эксплуатации УЭЦН (замер на АГЗУ/МЗУ). Методика основана на анализе гидродинамических процессов, происходящих в насосе и скважине, и учитывает взаимосвязь между давлением на приеме, характеристиками насоса и дебитом жидкости. Для расчетов используются данные РНХ насоса, которые позволяют определить рабочую точку оборудования при заданных условиях.

Ключевые слова:

контроль дебита скважины, цифровой расходомер, многокомпонентные флюиды, глубинное насосное оборудование (ГНО), алгоритм расчета фактического дебита по жидкости через давление на приеме насоса, расходно-напорные характеристики ЭЦН, деградация характеристик ЭЦН, оперативный мониторинг дебита скважин, программа «Телескоп +», оптимизация режимов работы УЭЦН

Abstract:

This article presents a method for calculating the flow rate of an electric submersible pump (ESP) based on pump intake pressure and the pumping equipment's flow-head characteristic (FHC). The proposed calculation method is implemented in the Telescope+ software. The authors compare the calculated FHC flow rates with actual data obtained during ESP operation (measured at the AGZU/MZU). The method is based on an analysis of the hydrodynamic processes occurring in the pump and well and takes into account the relationship between intake pressure, pump characteristics, and fluid flow rate. The calculations utilize the pump's FHC data, which allows one to deter mine the equipment's operating point under given conditions.

Key words:

well flowrate control, digital flowmeter, multi-component fluids, down hole pumping equipment (DPE), algorithmto calculate actual fluid flow rate by pres sure at pump intake, ECP flow-pressure parameters, ECP degradation parameters, operational monitoring of well flowrate, "Telescope+" software, optimization of ECP operation modes

Об авторах about authors:

Ю.В. Проткова, /ООО «Ачим Девелопмент», г. Новый Уренгой/ Д.В. Масленников, К.В. Стрижнев, д.т.н., доцент, /ООО «Цифра», г. Москва/

Yu.V. Protkova /"Achim Development" LLC, Novy Urengoy/ D.V. Maslennikov, K.V. Strizhnev, DSc, Associate Prof. /"Digital" LLC, Moscow/

Аннотация:

В статье рассмотрено создание и внедрение цифрового двойника газоконденсатного актива на приме ре разработки залежей ачимовской толщи эксплуатационных участков 4А и 5А Уренгойского НГКМ. Представлена архитектура цифрового двойника, основанная на единой композиционной PVT-модели с замкнутым материальным балансом от пласта до точки сдачи продукции и алгоритмах автоматической адаптации к данным телеметрии и промысловых исследований на основе метода максимального правдоподобия. Показано, что применение данного подхода обеспечивает комплексный анализ режимов эксплуатации скважин и промысловой инфра структуры, повышая обоснованность технологических решений и устойчивость добычи.

Ключевые слова:

газоконденсатные место рождения, цифровой двойник газоконденсатного актива (ЦДГА), интеграция физически корректных моделей и алгоритмов анализа данных, подбор оптимальных режимов эксплуатации скважин, Уренгойское нефтегазоконденсатное месторождение (НГКМ), сквозная PVT-модель, автоматическая актуализация и адаптация модели на данные промысловой эксплуатации скважин, оптимизация депрессии и режимов эксплуатации скважин, цифровой двойник на основе замкнутого материального баланса и принципа максимального правдоподобия, виртуальная расходометрия, интегрированная модель притока и гидравлики ствола, разработка низкопроницаемых газоконденсатных пластов ачимовской толщи

Abstract:

The authors of the paper discuss the creation and implementation of a digital twin at gas condensate asset using the example with the development of deposits in Achimov formation at production sites 4A and 5A of Urengoy OGCF. They present the architecture of a digital twin based on a single composite PVT model with closed material balance from reservoir to the point of product delivery and the algorithms for automatic adaptation to telemetry and field survey data as based upon maxi mum likelihood method. It is illustrated that the application of this approach provides for a comprehensive analysis of well and field infra structure operating modes, thus increasing the validity of process solutions and sustainability in production.

Key words:

gas condensate fields, digital twin of gas condensate asset (DTGCA), integration of physically correct models and data analysis algorithms, selection of optimal well operation modes, Urengoyskoye oil and gas condensate (UOGC) field, end-to-end PVT model, automatic model actualization and adaptation as per field well operation data, optimization of depression and well operation modes, digital twin as based on closed material balance and the principle of maximum likelihood, virtual flowmetry, integrated model of inflow and hydraulics of well-bore, development of low-permeability gas condensate formations in Achimov formation

Об авторах about authors:

В.М. Хмелевский1 С.И. Грачев2, д.т.н., проф., член-корр. РАН В.В. Юдчиц3, Ю.Ю. Быковских3, В.С. Корепанова1, к.т.н. С.П. Круглов4, Э.А. Туляев5

1. ООО «ЛУКОЙЛ-Инжиниринг», г. Москва , 2. ФГБОУ ВО «Тюменский индустриальный университет», г. Тюмень,  3. ООО «ЛУКОЙЛ-Инжиниринг», г. Когалым , 4. ООО «ЛУКОЙЛ-Западная Сибирь», г. Когалым,  5. ООО «ЛУКОЙЛ-Инжиниринг», г. Пермь

V.M. Khmelevsky1 S.I. Grachev2, DSc, Prof., Corr. Member at RAS V.V. Yudchits3 Y.Y. Bykovskikh3 V.S. Korepanova1, PhD S.P. Kruglov4 E.A. Tulyaev5

1.  LLC "LUKOIL-Engineering", Moscow, 2. Industrial University of Tyumen, Tyumen, 3.  LLC "LUKOIL-Engineering", Kogalym, 4.  LLC "LUKOIL-Western Siberia", Kogalym, 5. LLC "LUKOIL-Engineering", Perm

Аннотация:

В условиях цифровизации нефтегазовой отрасли технологии искусственного интеллекта все шире применяются для оптимизации системы разработки нефтяных месторождений. Однако эффективность внедрения нейросетевых моделей существенно ограничивается недостаточностью, зашумленностью, неполнотой промысловых данных, особенно на ранних и переходных стадиях разработки место рождений, а также при наличии длительных просто ев скважин. Предложен подход к расширению области примени мости нейросетевых моделей путем формирования представительной выборки на основе генерации физически содержательных синтетических данных. Процесс генерации данных осуществляется с использованием гидродинамического моделирования путем вариации режимов работы нагнета тельных скважин с сохранением баланса объемов закачки по объекту разработки, что реализуется на основе метода кластеризации по триангуляции. Физическая сопоставимость исходных данных и исключение накопленных расчетных искажений достигаются за счет того, что все сценарные расчеты выполняются синхронно от единой точки отсчета – даты последней исторической адаптации гидродинамической модели. Сгенерированный синтетический датасет, включающий обоснованное количество вариаций расчетов показателей приемистости, позволяет восполнить дефицит исторических данных, повысить устойчивость нейросетевых моделей и обеспечить учет нелинейного взаимовлияния нагнетательных и добывающих скважин. Предложенный подход обеспечивает физическую состоятельность обучающей выборки, открывая новые возможности при оптимизации системы под держания пластового давления на любой стадии разработки месторождений, включая объекты с зашумленными данными.

Ключевые слова:

искусственный интеллект при оптимизации системы разработки нефтяных место рождений, расчет оптимальной приемистости нагнетательных скважин, управление заводнением, геолого- гидродинамические модели (ГГДМ), прокси- моделирование на основе методов машинного обучения, нейронные сети (НС), создание синтетических данных методом гибридного моделирования, технологии на основе нейронных сетей по регулированию взаимного влияния добывающих и нагнетательных скважин, нейросетевое моделирование, вариация режимов на нагнетательных скважинах, геолого-промысловый анализ, адаптация существующей системы ППД для обеспечения эффективного вытеснения флюидов и поддержания пластового давления, метод кластеризации на основе триангуляции

Abstract:

As the oil and gas industry digitalizes, AI is increasingly used to optimize field development. However, the effectiveness of neural network models is often limited by field data that is sparse, noisy, or incomplete – especially during early development, transitional periods, or after extended well shutdowns. To solve this, we propose a method to expand the applicability of neural networks by generating a representative training dataset. This is done by creating physically meaningful synthetic data using reservoir simulation. The process involves varying injection well operating modes while maintaining the overall field injection balance, guided by a triangulation-based clustering method. To ensure the synthetic data is physically consistent with real-world conditions and free from cumulative simulation errors, all scenario runs are started from a single, synchronized reference point: the date of the model's last historical match. The resulting synthetic dataset – with a carefully considered number of injection scenarios – helps fill gaps in historical data, improves the stability of neural network models, and captures the complex nonlinear interactions between injectors and producers. This approach ensures the training data is physically valid, opening new opportunities for optimizing pressure maintenance systems at any stage of field development, even when working with noisy data.

Key words:

artificial intelligence in optimizing oil field development system, calculation of optimal well injectivity rate, water-flooding control, geological and hydrodynamic models (GHDM), proxy modeling based on machine learning methods, neural networks (NN), creation of synthetic data using hybrid simulation, neural network-based technologies to regulate mutual inter-influence between production and injection wells, neural network modeling, variation of injection well modes, geological and field analysis, adaptation of existing pressure maintenance (PM) system to ensure effective fluid displacement and maintain formation pressure, clustering method based on triangulation

Об авторах about authors:

Р.М. Амерханов1,2, А.А. Дьяконов2, д.т.н.

1. Институт «ТатНИПИнефть» ПАО «Татнефть», г. Альметьевск, 2. Альметьевский государственный технологический университет «Высшая школа нефти», г. Альметьевск

R.M. Amerkhanov,1,2 A.A. Dyakonov, 2Dsc

1. TatNIPIneft R&D Institute of PJSC TATNEFT, Almetyevsk, 2 . Almetyevsk State Technological University "Higher Oil School", Almetyevsk, the Republic of Tatarstan

Аннотация:

Прогнозирование проектного дебита горизонтальных скважин при разработке месторождений сверхвязкой нефти (СВН) методом парогравитационного дренирования (SAGD) является сложной многокритериальной задачей. Традиционные аналитические подходы, включая модель Батлера, обладают ограниченной точностью в условиях геологической неоднородности, а гидродинамическое моделирование требует значительных вычислительных ресурсов. В настоящей работе предложен подход к прогнозированию проектного дебита нефти на основе интеграции методов машинного обучения (МО) и результатов геолого-гидродинамического моделирования (ГГДМ). В ходе исследования выполнен анализ и предобработка данных по 570 скважинам, включающих фильтрационно-емкостные свойства, технологические параметры и результаты ГГДМ. Проведена кластеризация скважин (алгоритм KMeans показал наилучшее качество) для учета локальных геологических особенностей залежей. Среди протестированных алгоритмов машинного обучения (Linear Regression, RandomForest, Gradient Boosting, LightGBM, CatBoost и др.) наивысшую точность прогноза продемонстрировала модель CatBoost с показателем R2 = 0,825. Анализ важности признаков подтвердил физическую обоснованность модели. Апробация подхода при планировании бурения скважины X показала хорошую сходимость результатов машинного обучения с данными гидродинамического моделирования (расхождение не превышает 20 %). Разработанный подход позволяет автоматизировать процесс прогнозирования проектного дебита и может быть использован при планировании бурения новых скважин SAGD.

Ключевые слова:

сверхвязкая нефть (СВН), проектирование разработки месторождений СВН, горизонтальные скважины, парогравитационное дренирование, оценка потенциального дебита горизонтальных скважин при парогравитационном дренировании, методы машинного обучения для моделирования процесса парогравитационного дренирования, кластеризация данных при планировании бурения горизонтальных скважин SAGD на объектах СВН, методы искусственного интеллекта при планировании бурения скважин SAGD, проектный дебит нефти, геолого-гидродинамическое моделирование (ГГДМ), кластеризация скважин по геологическим признакам, модель машинного обучения CatBoost

Abstract:

Forecasting the design flow rate of horizontal wells in the development of high-viscosity oil reservoirs using Steam-Assisted Gravity Drainage (SAGD) is a complex multi-criteria task. Traditional analytical approaches, including the Butler model, have limited accuracy under conditions of geological heterogeneity, while hydrodynamic simulation requires significant computational resources. This paper proposes an approach for predicting the design oil flow rate based on the integration of machine learning (ML) methods and the results of geological and hydrodynamic simulation (G&H simulation). The study involved the analysis and preprocessing of data from 570 wells, including reservoir properties, technological parameters, and G&H simulation results. Clustering of wells was performed (the KMeans algorithm showed the best quality) to account for local geological features of the deposits. Among the tested machine learning algorithms (Linear Regression, RandomForest, Gradient Boosting, LightGBM, CatBoost, etc.), the CatBoost model demonstrated the highest prediction accuracy with an R2 value of 0.825. Feature importance analysis confirmed the physical validity of the model. Approbation of the approach during the drilling planning of well X showed good agreement between the machine learning results and hydrodynamic simulation data (the discrepancy does not exceed 20 %). The developed approach makes it possible to automate the process of forecasting the design flow rate and can be used in planning the drilling of new SAGD wells.

Key words:

ultra-viscous oil (UVO), designing UVO field development, horizontal wells, steam-gravity drainage, evaluation of horizontal well potential flow rate during the process of steam-gravity drainage, machine learning methods to simulate steam-gravity drainage process, data clustering while planning horizontal SAGD wells drilling at UVO objects, methods of artificial intelligence while planning SAGD wells to drill, target oil flow rate, geological and hydrodynamic model ing (GHDM), clustering the wells by geological features, "CatBoost" model of machine learning

Об авторах about authors:

Т.И. Соловьев1, к.т.н., Р.В. Щекалев2, д.с-х.н., Ю.С. Масленникова3,4, к.ф.-м.н., В.М. Нагимов5, к.т.н. Н.Н. Михайлов6, д.т.н.

1. ООО «РусГазАльянс», г. Новый Уренгой,  2. ПАО «Газпром», г. Санкт-Петербург,  3. ООО «СЕНСВЕЛЛ», г. Казань,  4. Казанский федеральный университет, г. Казань, 5. ООО «НЕОВЭЛЛ», г. Казань,  6. Институт проблем нефти и газа РАН, г. Москва

T.I. Solov'ev1, PhD, R.V. Shchekalev2, DSc, Yu.S. Maslennikova3,4, PhD, V.M. Nagimov5, PhD N.N. Mihaylov6, DSc

1. "RusGazAlliance" LLC, Novy Urengoy , 2. "Gazprom" PJSC, St. Petersburg , 3. "SENSEWELL" LLC, Kazan, 4. Kazan Federal University, Kazan,  5. "NEOWELL" LLC, Kazan,  6. Oil and Gas Research Institute, Russian Academy of Sciences, Moscow

Аннотация:

Постоянный мониторинг скважин и эксплуатируемых пластов с возможностью своевременного выявления аномалий их работы является крайне важным для высокодебитных газовых скважин, находящихся на большой удаленности от действующей инфраструктуры. Особую сложность представляет мониторинг скважин с большим отходом от вертикали. В настоящей статье представлена цифровая система постоянного мониторинга работы пласта-коллектора по данным DTS и автоматического выявления аномалий с использованием физически информированных моделей машинного обучения. Система успешно протестирована на одной из газовых скважин с большим отходом от вертикали (БОВ) место рождения акватории Обско-Тазовской губы. Особенность предлагаемого в статье подхода состоит в сочетании численных методов термогидродинамического моделирования с целью оценки текущих параметров пластовых систем по замеренным данным DTS, последующего подбора информационных признаков для обучения ансамбля моделей случайного леса и градиентного бустинга. Используемый стек моделей соответствует современным научно-практическим трендам в области машинного обучения, а сочетание с физическим моделированием обеспечивает не только высокую точность и надежность, но и хорошую интерпретируемость результатов в задачах мониторинга работы пластов- коллекторов.

Ключевые слова:

термометрия, термозондирование пластов-коллекторов, выявление заколонной циркуляции флюидов и притока из нецелевых пластов, автоматизированные системы по своевременному выявлению аномалий в работе пластов-коллекторов, газовые месторождения акватории Тазовской губы, Семаковское месторождение, контроль за работой продуктивных пластов, оптоволоконные системы DTS (Distributed Temperature Sensing), методики автоматической интерпретации температурных данных DTS, цифровая система постоянного мониторинга работы пласта-коллектора по данным DTS и автоматического выявления аномалий с использованием физически информированных моделей машинного обучения (ФИМО), газовые месторождения со скважинами с большим отходом от вертикали (БОВ), термогидродинамическое моделирование (ТГДМ) для оценки текущих параметров пластовой системы, симулятор программно-аппаратного комплекса ПАК NEO

Abstract:

Permanent monitoring of wells and productive reservoirs including the anomalies recognition is critically important for high-rate gas wells located far from existing infrastructure. Monitoring of the extended-reach drilling (ERD) wells is particularly challenging. This paper presents a digital system for permanent reservoir monitoring using DTS data and automatic anomaly detection through physics-informed machine learning models. The system has been successfully tested on the one of ERD gas wells in the Ob-Taz Bay area. The key feature of the proposed approach is the combination of numerical thermohydrodynamic simulation methods to estimate the current reservoir parameters using the measured DTS data, followed by the extraction of the informative features for training an ensemble of Random Forest and Gradient Boosting models. The proposed model stack aligns with the current scientific and practical trends in machine learning, and its integration with the physical modeling ensures not only high accuracy and reliability but also excellent interpretability of results for reservoir monitoring tasks.

Key words:

thermometry, thermal logging of reservoirs and formations, detection of fluid annular circulation and inflow from non-target formations, automated systems for timely detection of anomalies in reservoirs and formations, gas fields in Tazovskaya Bay region, Semakovskoye field, control over the operation of productive formations, DTS (Distributed Temperature Sensing) fiber-optic systems, methods of automatic interpretation of DTS temperature data, digital system for permanent monitoring of reservoir/formation performance based on DTS data and automatic detection of anomalies using physically informed machine learning models (PhIMLM), gas fields with the extended-reach drilling wells (ERD), thermos-hydrodynamic modeling (THDM) to assess current parameters of formation system, simulator of NEO software and hardware (NEO S&H) package

Об авторах about authors:

Д.С. Круглов1, Ж.И. Нурмакова2, к.б.н., Е.В. Егорова2, к.т.н.,

1. ООО «НВ-АСУПроект», г. Москва, 2. ФГБОУ ВО «Астраханский государственный технический университет», г. Астрахань

Аннотация:

Рассмотрены основные проблемы процесса осушки природного газа и регенерации триэтиленгликоля (ТЭГ), включая вспенивание абсорбента, недостаточную циркуляцию, высокое содержание воды в осушенном газе и повышенные потери гликоля в результате уноса продувочного газа и деградации. Показано, что существующая система автоматизации не обеспечивает оперативного и многопараметрического контроля, что приводит к росту энергозатрат, снижению качества обеспечения газа и повышению риска нештатных ситуаций. Для оптимизации режимов работы вводят дополнительное регулирование контроля расхода ТЭГ по подаче влажного газа и содержания влаги, а также применение нейросетевой системы управления, формирующей адаптивные зависимости между входными параметрами (расход газа, содержание влаги, давление ТЭГ) и выходными (расход продувочного газа, мощность нагревателей, расход ТЭГ). Показана возможность сокращения потерь гликоля, повышения стабильности технологического режима и снижения энергопотребления за счет интеллектуальной диагностики и регулирования множества причин отклонений на основе многомерных временных рядов.

Ключевые слова:

подготовка газа, осушка природного газа, автоматизированный процесс осушки газа, регенерация триэтиленгликоля (ТЭГ), вспенивание ТЭГ, потери гликоля, регулирование подачи ТЭГ в абсорбер, нейронные сети, нейросетевые модели диагностики, нейросетевая система регулирования диагностики множественных причин сбоев технологического блока осушки и регенерации ТЭГ на основе многомерных временных рядов

Abstract:

The main problems of the natural gas dehydration process and triethylene glycol (TEG) regeneration are considered, including absorbent foaming, inadequate circulation, high water content in the dehydrated gas, and increased glycol losses due to entrainment with fuel gas and degradation. It is shown that the existing automation system does not provide prompt and multiparameter control, which leads to growing energy consumption, reduced gas quality, and an increased risk of abnormal situations. To optimize operating regimes, an additional control loop for regulating TEG circulation rate according to the flow of wet gas and water content is introduced, along with the application of a neural network control system that forms adaptive relationships between input parameters (gas flow rate, moisture content, TEG pressure in the supply line) and output parameters (fuel gas purge flow rate, heater power, TEG withdrawal rate from the storage tank). The possibility of significantly reducing glycol losses, enhancing the stability of the technological regime, and lowering energy consumption through intelligent diagnostics and regulation of multiple deviation causes on the basis of multivariate time series is demonstrated.

Key words:

gas treatment, natural gas drying, auto mated gas drying process, triethylene glycol (TEG) regeneration, TEG foaming, glycol loss, regulation of TEG supply to the absorber, neural networks, neural network diagnostic models, neural network system to regulate the diagnosis of multiple causes in failures of TEG drying and regeneration process unit based on multi-dimensional time series

Об авторах about authors:

А.В. Гришагин, Д.В. Четверов, А.М. Жараспаев, А.Ю. Карпов, А.Н. Гуров /Самарский филиал ООО «РН-Проектирование Добыча», г. Самара/

A.V. Grishagin, D.V. Chetverov, A.M. Zharaspaev, A.Y. Karpov, A.N. Gurov /"RN-Upstream design" Limited Liability Company, Samara/

Аннотация:

Рассмотрены вопросы инициирования и мониторинга эффективных проектных решений в рамках целенаправленных работ по отысканию корпоративными научно-исследовательскими и проектными институтами ПАО «НК «Роснефть» эффективных (оптимальных) технических и проектных решений и внедрению их в практику на предприятиях нефтегазового комплекса Компании. Приведена статистика распределения инициатив среди инициаторов предложений в реестре эффективных проектных решений на уровне корпоративных проектных предприятий. Освещены вопросы методологии инициирования и мониторинга эффективных технических и проектных решений, в том числе с учетом построения и векторизации матрицы уровней готовности проекта (шкалы зрелости технологии) от базовых исследований до апробированного и проверенного внедрения. Рассмотрены результаты мониторинга применения эффективных проектных решений в ООО «СамараНИПИнефть» за период 2019–2024 гг. Подтверждено превалирование использования собственных инициатив как более востребованных по сравнению с инициативами других корпоративных проектных организаций, эффективные решения которых зависят от региональных условий об устраиваемых регионов и особенностей конструкционно- технологического набора объектов капитального строительства.

Ключевые слова:

оптимизация проектных решений с целью сокращения капитальных и/или эксплуатационных затрат, проектирование обустройства месторождений (ПОМ), эффективные проектные решения (ЭПР), методология оценки готовности проектов TPRL (Technology Project Readiness Level), матрица готовности TPRL, реестр эффективных проектных решения

Abstract:

The article examines the issues of initiating and monitoring effective design solutions within the framework of targeted work to find effective (optimal) technical and design solutions by corporate research and design institutes of PJSC NK Rosneft and their implementation into practice at the enterprises of the Company's oil and gas complex. Statistics are presented on the distribution of initiatives among the initiators of proposals in the register of effective project solutions at the level of corporate design enterprises. The article covers the methodology for initiating and monitoring effective technical and design solutions, including the construction and vectorization of a project readiness level matrix (technology maturity scale) from basic research to tested and proven implementation. The results of monitoring the application of effective design solutions at SamaraNIPIneft LLC for the period 2019–2024 are considered. The prevalence of the use of in-house initiatives has been confirmed as the most in-demand, compared to the initiatives of other corporate design organizations, the effective solutions of which depend on the regional conditions of the regions being developed and the specifics of the design and technological set of capital construction projects.

Key words:

optimization of design solutions in order to reduce capital and/or operating costs, designing the field development (DFD) process, effective design solutions (EDS), TPRL (Technology Project Readiness Level) project readiness assessment methodology, TPRL readiness matrix, register of effective design solutions

Об авторе about author:

Г.О. Голешов, /ООО «БурСервис», г. Южно-Сахалинск/

G.O. Goleshov /"BurService" LLC, Yuzhno Sakhalinsk/

Аннотация:

В современных условиях эксплуатации нефтегазового оборудования вопросы эффективной очистки поверхностей выходят на первый план. Накопление отложений, коррозия и загрязнения способны при водить к снижению производительности, росту затрат на обслуживание и даже к аварийным ситуациям. Одним из наиболее эффективных методов является гидродинамическая очистка под высоким давлением, позволяющая удалять загрязнения без необходимости демонтажа оборудования. В дан ном исследовании рассматриваются результаты применения компанией «БурСервис» технологии гидродинамической очистки резервуаров, теплообменников и емкостей с использованием роботизированного комплекса.

Ключевые слова:

очистка технологического оборудования, метод гидродинамической очистки оборудования, пульсационная очистка оборудования, удаление коррозионных отложений и накипи, гидродинамическая очистка оборудования с использованием роботизированного комплекса, очистка резервуаров вертикальных (РВС), очистка резервуаров горизонтальных (РГС), очистка колонного оборудования, очистка теплообменных аппаратов, очистка технологических трубопроводов

Abstract:

In modern operating conditions of oil and gas equipment, the issues of effective surface cleaning become first propriety ones. Accumulation of sediments, corrosion and contamination can lead to reduced productivity, increased maintenance costs, and even emergencies. One of the most effective methods includes high-pressure hydro dynamic cleaning, which allows the removing of impurities without the need in equipment dis mantling. The author of this study examines "BurService" Co. application results of hydrodynamic process cleaning of tanks, heat exchangers and vessels through the use of robotic equipment set.

Key words:

cleaning of process equipment, method of hydrodynamic equipment cleaning, pulse cleaning of equipment, removal of corrosive sediments and scale, hydrodynamic cleaning of equipment using robotic equipment set, cleaning of vertical tanks (VST), cleaning of horizontal tanks (HST), cleaning of column equipment, cleaning of heat exchangers, cleaning of process pipelines

Об авторах about authors:

А.Е. Рыжов /Аналитический центр «Гидробот», г. Москва/ ORCID: 0009-0007-8349-0154, Д.В. Гарбузов /ООО «Океон», г. Москва/ ORCID: 0009-0000-4816-570X

A.E. Ryzhov /"Gidrobot" Analytical Center, Moscow/ D.V. Garbuzov /"Okeon" LLC, Moscow/

Аннотация:

Резидентные подводные системы – постоянно размещаемые на дне роботизированные комплексы – в 2023 2025 годах прошли коммерческую проверку: дрон Hydrone-R на промысле Njord отработал суммарно более 500 суток без подъема на поверхность. В статье предложена классификация из пяти архетипов, оценена применимость технологии на восьми классах мировых шельфовых месторождений и предложена отраслевая метрика VDSAY – число судо- суток на обеспечение 365 дней подводных работ в году. Выводы верифицированы на трех сценариях российского шельфа.

Ключевые слова:

подводная нефтегазовая инфра структура, резидентные подводные робототехнические системы, архетипы резидентных робототехнических систем, беспроводные системы подводной зарядки, применение резидентных систем для зрелых месторождений, применимость резидентных систем на шельфовых месторождениях, метрика VDSAY (Vessel Days for Subsea Activity per Year), показатель эффективности VDSAY резидентных подводных робототехнических систем

Abstract:

Resident deep-water systems – permanently sea-bottom located robotic complexes – passed commercial test in 2023 – 2025: "Hydrone-R" drone at Njord field worked for more than 500 days (in total) without coming to the surface. The authors of the paper propose the classification that includes five archetypes, evaluate the process applicability at eight classes of global offshore fields, and suggest the VDSAY metric (Vessel Days for Subsea Activity per Year) – vessel days to support 365 days of underwater operations per year. The conclusions were verified by three scenarios at Russian off-shore objects.

Key words:

deep-water oil and gas infrastructure, resident deep-water robotic systems, archetypes of resident robotic systems, wireless under water charging systems, application of resident systems for mature fields, applicability of resident systems at offshore fields, VDSAY metric (Vessel Days for Subsea Activity per Year), VDSAY efficiency indicator of resident deep-water robotic systems