ПК Атлас

Диспетчер скважин

«Диспетчер скважин» способен на основе анализа показателей эксплуатации ГНО (глубинно-насосное оборудование) прогнозировать потенциальные отказы оборудования и своевременно оповещать технологического специалиста промысла (технолог цеха по добыче нефти и газа) о возможном отказе ГНО. Система, применяя методы машинного обучения, анализирует всю поступающую со средств телеметрии добывающей скважины информацию о параметрах эксплуатации ГНО и сопоставляет её с эксплуатационными характеристиками, предшествующими историческим случаям отказа ГНО. В случае совпадения текущих условий эксплуатации с условиями, соответствующими историческим отказам оборудования, система подает сигнал на виртуальный пульт управления насосным оборудованием о высокой вероятности его отказа.

Таким образом, данное программное обеспечение помогает технологическому специалисту промысла проводить контроль исправности ГНО и заблаговременно получать информацию о потенциальных отказах, что позволяет своевременно проводить мероприятия повышающие отказоустойчивость, что в свою очередь позволяет снизить общее количество отказов насосного оборудования на месторождении и тем самым повысить общую наработку глубинно-насосного оборудования на отказ.

Применение алгоритмов машинного обучения для ретроспективного анализа причин отказов ГНО принципиально отличает представляемое программное обеспечение от тех предложений, которые есть на рынке в области контроля эксплуатационных характеристик ГНО. Существующие предложения на рынке в большинстве случаев лишь фиксируют показатели эксплуатации насосного оборудования с дальнейшей их трансляцией на пульты управления без какого-либо анализа эксплуатационных характеристик ГНО. Либо проводится достаточно упрощенный анализ, направленный на сопоставление текущих технологических показателей эксплуатации ГНО и установленных заводом ограничений на условия эксплуатации. Однако данный подход не учитывает множество комбинаций эксплуатационных параметров, находящихся в пределах заводских ограничений по отдельности, но в совокупности факторов приводящих к отказу оборудования. Предлагаемое решение позволяет с помощью применения методов машинного обучения и алгоритмов искусственных нейронных сетей учитывать не только заводские ограничения тех или иных параметров эксплуатации оборудования, но и все разнообразие комбинаций параметров эксплуатации, приводящих к непроизвольному отказу оборудования. Данное решение позволяет генерировать для технологического специалиста промысла оперативную сводку о техническом состоянии и вероятности ближайшего отказа по всем насосным установкам, находящимся в ведении специалиста.
Made on
Tilda