Применение IT-технологий в нефтегазовой отрасли.

РЕФЕРАТ
5
СПИСОК ПРИНЯТЫХ СОКРАЩЕНИЙ 7
ВВЕДЕНИЕ 8
1 ТЕОРЕТИЧЕСКИЕ И ПРАКТИЧЕСКИЕ АСПЕКТЫ ЦИФРОВОЙ ТРАНСФОРМАЦИИ НЕФТЕГАЗОВОЙ ОТРАСЛИ 10
1.1 Виды цифровых технологий и их влияние на нефтегазовую отрасль промышленности 10
1.2 Российский и зарубежный опыт реализации проектов в нефтегазовой отрасли 18
1.3 Оценка уровня цифровизации и цифровой трансформации
нефтегазовой отрасли РФ 25
2 ИСПОЛЬЗОВАНИЕ IT-ТЕХНОЛОГИЙ В НЕФТЕ- И ГАЗОДОБЫЧЕ, ТРАНСПОРТИРОВКЕ И ПЕРЕРАБОТКЕ 33
2.1 Использование IT-технологий в нефте-и газодобыче 33
2.2 Цифровые технологии, используемые при транспортировке нефти 42
2.3 Использование цифрофизации в нефтепереработке 54
3. ПЕРСПЕКТИВЫ РАЗВИТИЯ IT-ИНФРАСТРУКТУРЫ ОТРАСЛИ 63
3.1 Интернет вещей (IoT) в нефтегазовой отрасли 63
3.2 Применение сенсоров и IoT-устройств в нефтегазовой отрасли 67
3.3 Использование IoT-устройств для обнаружения утечек углеводородов 77
4. МОНИТОРИНГ НЕФТЕПРОВОДОВ С ПОМОЩЬЮ ПЛАТФОРМЫ ИНТЕРНЕТА ВЕЩЕЙ (IoT) 91
4.1 Беспроводные технологии в системе детектирования трубопроводов 91
4.2 Беспроводные датчики и сенсоры углеводородных газов 95
4.3 Разработка системы обнаружения утечек углеводородов с помощью беспроводных технологий 99
ЗАКЛЮЧЕНИЕ 114
СПИСОК ЛИТЕРАТУРЫ 116

Весь текст будет доступен после покупки

Актуальность темы исследования. В настоящее время происходит непрерывное развитие цифровых технологий и их активное внедрение во все сферы жизни человека, а также масштабная автоматизация процессов, которые обусловлены влиянием четвертой промышленной революции. [1-17, 25-38, 49-77]
Цель исследования – разработка комплексного подхода к активному внедрению цифровых технологий с целью уменьшения расходов при добыче и транспортировке нефти, обеспечивающего конкурентоспособность российских предприятий на мировом рынке в условиях четвертой промышленной революции.
Для достижения данной цели были поставлены следующие взаимосвязанные задачи:
– рассмотреть российский и зарубежный опыт цифровой трансформации предприятий нефтяной промышленности;
– выявить барьеры цифровой трансформации предприятий нефтяной промышленности, в том числе при добыче и транспортировке нефти;
– рассмотреть основные методы и подходы при цифровизации предприятий нефтяной промышленности при транспортировке нефти.
Объект и предмет исследования – цифрофизация, добыча и транспортировка нефти.
Научная новизна
Нефтяная промышленность в Российской Федерации является важной частью топливно-энергетического комплекса страны, которая приносит значительную часть доходов в федеральный бюджет. С каждым годом потребление нефти увеличивается, а легкодоступные запасы нефти уменьшаются. В условиях истощения традиционных запасов нефти добыча трудноизвлекаемых запасов нефти и ее транспортировка на сегодняшний день становится необходимым условием успешного нефтяного бизнеса. Однако в том случае, если планируется повышение эффективности этих процессов без использования IT-технологий обойтись практически невозможно.

Весь текст будет доступен после покупки

1 ТЕОРЕТИЧЕСКИЕ И ПРАКТИЧЕСКИЕ АСПЕКТЫ ЦИФРОВОЙ ТРАНСФОРМАЦИИ НЕФТЕГАЗОВОЙ ОТРАСЛИ

В наше время современная нефтегазовая отрасль, включающая в себя огромное количество разноплановых предприятий, является организацией, эффективное управление которой требует большого разнообразия применяемых способов и самых различных инструментов, направленных в первую очередь на достижение четких целей и задач с наименьшими затратами. Информационные технологии в управлении нефтегазовыми предприятиями – это регулярное получение данных, конечной целью которых является представления процесса добычи, переработки, производства и управления как основы для его организации и улучшения с целью определения конкурентного положения на современном рынке. Нефтегазовые компании все больше используют цифровые технологии, так как они помогают оптимизировать большое количество операций, делая их более экономичными, а также применяя такие технологии для ввода новых и одновременного улучшения существующих процессов.

1.1 Виды цифровых технологий и их влияние на нефтегазовую отрасль промышленности

В современном мире происходит множество изменений, которые обусловлены стремительным развитием технологического прогресса с использованием информационных технологий (ИТ) и внедрением искусственного интеллекта (ИИ) на основе методов машинного обучения в производственные отрасли [11-13, 26-45]. Многие технологические гиганты мирового производства ежегодно сталкиваются с проблемой технологических процессов, обусловленных устарелыми методами классической автоматизации с использованием вычислительного оборудования и автоматизированных систем управления (АСУ), которые в процессе длительной эксплуатации часто приводят к нарушению работы и отказам систем [13,79]. За последние годы информационные технологии широкомасштабно начали использовать как для производственных процессов, так и для повседневной жизни человечества с целью автоматизации всех возможных процессов, с которыми человеку свойственно сталкиваться ежедневно для выполнения различных задач [22-27, 46-54]. Технологический прогресс и развитие информационных технологий позволили создать современный вид автоматизации (СА), который отличается от классической автоматизации (КА) своими возможностями и значительно превосходит в части выполнения различных процессов [33]. Классическая автоматизация в виде математического аппарата основана на математической и имитационной модели с предоставлением физических процессов в режиме реального времени и содержит, как правило, ограничения, связанные с невозможностью распознавания образов. Современная автоматизация основана на применении методов машинного обучения, которые в результате математических расчетов обученной модели позволяют идентифицировать и классифицировать объекты с распознаванием образов для принятия решений с заданным алгоритмом выполнения процессов и задач и, как правило, внедряются в перспективные отрасли, например, железнодорожный транспорт, энергетику и нефть, фармацевтику и др. [33, 54].
Нефтяная промышленность состоит из множества систем для разведки, разработки месторождений с целью проведения технологических процессов бурения и производства, что в результате добычи и переработки позволяет получить основной нефтепродукт – топливо [32]. Нефтегазовый сектор сталкивается с проблемами КА-систем для обработки больших данных, которые с помощью оборудования и устройств для проведения технологических операций поступают на удаленный компьютер, где отображается подробная характеристика выполняемых процессов. Однако КА не имеет возможности спрогнозировать или составить возможные риски рабочего состояния оборудования для продления его срока эксплуатации или необходимой замены [44–49]. В связи с этим применяется СА с использованием машинного обучения, которая, кроме контроля и управления оборудованием для выполнения технологических процессов, способна составлять прогноз и возможные риски технологических процессов на основе математических вычислений [5].
Машинное обучение и искусственный интеллект используются для создания моделей прогнозирования и оптимизации производственных процессов. Это позволяет компаниям быстро адаптироваться к изменениям в производственной среде, прогнозировать проблемы и находить новые возможности для улучшения эффективности и качества.
Одной из основных задач, решаемых с помощью машинного обучения в нефтегазовой промышленности, является контроль и управление состоянием эксплуатационного оборудования. С помощью машинного обучения можно предсказывать возможные отказы оборудования, определять оптимальные режимы работы оборудования, проводить мониторинг состояния оборудования и его диагностику в режиме реального времени [56, 61,72].

Весь текст будет доступен после покупки

1. Communications of the Association for Information Systems. 2005; №16(1) С. 1–26. https://doi.org/10.17705/1CAIS.01601
2. Costa L. A. N., Maschio C., Schiozer D. J. Application of artificial neural networks in a history matching process. Journal of Petroleum Science and Engineering. 2014. Vol. 123. P. 30-45.
3. Daneeva Yu., Glebova A., Daneev O., Zvonova E. Digital transformation of oil and gas companies: energy transition. Advances in Economics, Business and Management Research. 2020; (148):199–205. https:// doi.org/10.2991/aebmr.k.200730.037
4. Esmaili S., Mohaghegh S. D. Full field reservoir modeling of shale assets using advanced data-driven analytics. Geoscience Frontiers. 2016. Vol. 7 (1). P. 11-20.
5. Hawash B., Abuzawayda Y.I., Mokhtar U. A. et al. Digital transformation in the oil and gas sector during COVID-19 Pandemic. International Journal of Management. 2020;11(12):725–735. https://doi. org/10.34218/IJM.11.12.2020.067
6. Hegde J., Rokseth B. Applications of machine learning methods for engineering risk assessment–A review. SafetyScience. 2020. Vol. 122. Artno. 104492.
7. Ileby M., Knutsen E. Data-driven remote condition monitoring optimizes off-shore maintenance, reduces costs. WorldOil. 2017 С. 60–62. URL: https://assets.siemens-energy.com/siemens/assets/api/uuid:d8274ee1- a0ea-4858-b203-9b6e4ea33b9a/wo-1217-offshore-technology.pdf (Дата обращения: 12.06.2025)
8. Khan W. Z., Aalsalem M. Y., Khan M. K., Hossain M. S., Atiquzzaman M. A reliable Internet of Things based architecture for oil and gas industry. In 2017 19th International conference on advanced communication Technology (ICACT). IEEE. 2017. P. 705-710.

Весь текст будет доступен после покупки