+7 (3452) 68-51-25Отправить запросЗапрос

АТЛАС – Диспетчер скважин

ИИ‑контроль работы ЭЦН и ШГН в режиме реального времени

Программное обеспечение на базе нейросетевых технологий для ранней диагностики предаварийных состояний глубинного насосного оборудования. Снижение количества отказов, оптимизация графика КРС и повышение наработки на отказ.

Скачать презентацию
АТЛАС – Диспетчер скважин
Реестры и статусы
Проблемы

Сколько стоит простой скважины на вашем месторождении?

  • Убытки от отказов ГНО: на фонде из 100 скважин средний простой 10 суток — это ~270 млн рублей потерь в год
  • Позднее выявление аварий: отказ обнаруживается постфактум — скважина уже стоит, потери неизбежны
  • Высокая нагрузка на технологов: до 300 скважин на одного специалиста — физически невозможно контролировать весь фонд
  • Неоптимальный график КРС: ремонтные бригады приезжают «по факту», а не «до аварии»
  • Снижение наработки на отказ: реактивный подход вместо превентивного
  • Рутинный контроль: десятки часов ручной работы с телеметрией и динамограммами

Каждый день простоя скважины — это сотни тысяч рублей убытков. Пока аварии выявляются по факту — месторождение теряет добычу и деньги.

Решение
АТЛАС —Диспетчерскважин
  • Непрерывная диагностика состояния ГНО
  • Сокращение отказов ГНО из-за технологических осложнений
  • Повышение осведомленности служб промысла
  • Увеличение качества планирования движения бригад КРС/ПРС

Цифровое решение на базе искусственного интеллекта, превращающее телеметрию в «кардиограмму» работы оборудования. Система анализирует параметры в режиме реального времени и выдаёт сигнал о предаварийном состоянии — за 8–11 дней до фактического отказа.

Процесс

Схема работы АТЛАС –Диспетчер скважин

От телеметрии до превентивного ремонта

  1. Сбор данных

    • Телеметрия со станций управления ЭЦН и динамографов ШГН → витрина данных

  2. Обработка данных

    1. Предобработка

      Фильтрация, нормировка, исключение неполных интервалов, генерация синтетических параметров, формирование целевой функции

    2. Обучение модели

      Реккурентная нейронная сеть (ЭЦН) / классификатор (ШГН) на обучающей (80%) и тестовой (20%) выборках

  3. Мониторинг в реальном времени

    • Расчёт вероятности отказа → сигнал о предаварийном состоянии → интерфейс технолога
Инструментарий

Модули продукта

Предиктивная аналитика

Модуль предиктивной аналитики, главный и единственный модуль программного продукта, осуществляет предиктивный анализ эксплуатационных характеристик ГНО в целях снижения отказов оборудования и повышения оперативности выявления осложнений в эксплуатации.

Газонасосное оборудование

Единое решение для двух типов ГНО

ЭЦН

Электроцентробежные насосы

Входные данные
43 параметра (20 фактических + 23 синтетических) со станции управления ЭЦН.
Параметры
Частота, токи фаз, коэффициент мощности, напряжения, активная/полная мощность, температура двигателя и др.
Модель
Нейронная сеть сочетающая полносвязные и рекуррентные слои LSTM
Результат
Характеристическая функция вероятности отказа ЭЦН.
Эффект
Предсказание аварии
за 8 дней
Точность
80%

ШГН

Штанговые глубинные насосы

Входные данные
Фактические динамограммы (Зависимость нагрузки на устьевой шток от его хода)
Параметры
Максимум/минимум нагрузки, амплитуда нагрузки, среднее значение нагрузки и др.
Модель
Классификаторы на основе Random Forest и Gradient Boosting
Типы осложнений
Высокая подгонка, низкая подгонка, АСПО
Результат
Диагностика осложнений в режиме реального времени
Эффект
Точность классификации
95–98%
Снижение трудозатрат
на 90%
УТП

Ключевые преимущества

01Нейросетевое ядро

Реккурентная нейронная сеть для ЭЦН + классификация динамограмм для ШГН.

02Раннее предупреждение

Предсказание аварии за 8–11 дней — достаточно для планирования КРС.

03Точность 80–88%

Из 5 аварийных случаев модель верно определяет 4.

04Веб-интерфейс

Трёхуровневая навигация (ЦДНГ → куст → скважина) с любого устройства.

Готовы протестировать?

Оставьте заявку — мы организуем персональную демонстрацию программного продукта АТЛАС – Диспетчер скважин.

Нажимая кнопку, вы даёте согласие на обработку персональных данных.