ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Использование искусственного интеллекта для мониторинга и управления выбросами при добыче углеводородов

Авторы

  • Илья Иванович Карпец Московский институт современного академического образования, 115191, Россия, г. Москва, ул. Большая Тульская, д. 52
  • Яна Николаевна Лозовская Университет науки и технологий МИСИС, 119049, Россия, г. Москва, Ленинский пр-т, д. 4

Как цитировать

ГОСТ Карпец И. И., Лозовская Я. Н. Использование искусственного интеллекта для мониторинга и управления выбросами при добыче углеводородов // Академический исследовательский журнал. 2025. Т. 3. № 9. С. 171-180. DOI: 10.25726/j4443-9581-8192-p
APA Карпец, И. И. & Лозовская, Я. Н. (2025). Использование искусственного интеллекта для мониторинга и управления выбросами при добыче углеводородов. Академический исследовательский журнал, 3(9), 171-180. https://doi.org/10.25726/j4443-9581-8192-p

Аннотация

Статья рассматривает проблему парниковых выбросов, прежде всего метана и CO2, при добыче углеводородов и ставит цель разработать и апробировать интегрированную платформу на основе искусственного интеллекта для непрерывного мониторинга и проактивного управления выбросами, способную заменить реактивные и дискретные подходы сплошным интеллектуальным контролем. Эмпирическая база охватывает 75 площадок (50 наземных и 25 морских) в 2018–2022 гг., объединяя спутниковые данные Sentinel-5P и Landsat 8/9, аэросъемку БПЛА с LIDAR/гиперспектром, телеметрию более 15 000 IoT-датчиков (CH4, CO2, ЛОС, давление, температура, вибрация, акустика) и массивы SCADA/ТОиР общим объемом свыше 5 ПБ; предобработка включает синхронизацию потоков, очистку и нормализацию. Методический каркас сочетает CNN (U-Net, Faster R-CNN) для сегментации/детекции газовых шлейфов, LSTM для анализа временных рядов, а также XGBoost/LightGBM и Random Forest для прогнозирования аномалий и отказов с валидацией перекрестной проверкой и тестированием на полигонах с имитацией утечек. Получены следующие результаты: точность обнаружения неорганизованных выбросов достигла 98,72% при 1,15% ложных срабатываний и среднем времени детекции 0,25 ч, что сокращает окно реакции с суток до 15 минут и повышает эффективность ремонтных бригад; после внедрения платформы выбросы CH4 снижаются на 45,64% (против 8,31% при традиционных практиках), CO2 — на 21,89%, ЛОС — на 35,17%, а среднегодовое сокращение превышает 12 тыс. т CO2-экв. на объект. Экономический анализ фиксирует уменьшение стоимости потерь продукта с 4,88 до 1,35 млн $/год и экоплатежей с 2,15 до 0,44 млн $/год при росте планово-предупредительных затрат ТОиР до 2,75 млн $/год и совокупном чистом эффекте 5,09 млн $/год на объект (окупаемость less than 2 лет). Прогностические модули обеспечивают для компрессоров горизонт 30 дней (Precision 94,11%; Recall 91,56%), для арматуры 14 дней (97,43%; 92,81%), для насосных станций 21 день (95,89%; 94,22%); обсуждение выделяет синергию мультимодальной фьюжн-аналитики, интеграцию с АСУ ТП/EAM и перспективы применения трансформеров, федеративного обучения, цифровых двойников и роботизированных средств оперативного устранения утечек.

Ключевые слова

искусственный интеллект мониторинг выбросов метан нефтегазодобыча предиктивная аналитика

Библиографические ссылки

Алдамжарова В.Т. Искусственный интеллект в химической технологии нефти и газа // 74-я Международная студенческая научно-техническая конференция. Материалы. Астрахань, 2024. С. 1197–1199.

Волков А.В. Применение искусственного интеллекта для разработки нефтегазовых месторождений // Актуальные проблемы нефти и газа. Тезисы докладов 4-й Всероссийской молодежной научной конференции. Москва, 2021. С. 67–68.

Волков В.Ю., Барков А.А., Спицын Р.Г. Повышение эффективности мониторинга атмосферного воздуха за счет использования систем искусственного интеллекта // Вестник Международной академии системных исследований. Информатика, экология, экономика. 2012. Т. 14. № 1. С. 166–171.

Гайлитис В.С. Влияние искусственного интеллекта на нефтегазовую отрасль // Новые технологии нефтегазовому региону. Материалы Международной научно-практической конференции студентов, аспирантов и молодых ученых. В 2-х томах. Тюмень, 2024. С. 208–211.

Еремин Н.А., Столяров В.Е. Применение интеллектуальных технологий на цифровом нефтегазовом месторождении // О новой парадигме развития нефтегазовой геологии. Материалы Международной научно-практической конференции. 2020. С. 359–362.

Зебзеев А.Г. Реинжиниринг и интеллектуализация систем сбора, обработки и передачи промысловой информации на нефтегазодобывающих предприятиях: автореферат диссертации на соискание ученой степени кандидата технических наук. Томск, 2017. 20 с.

Земенкова М.Ю., Чижевская Е.Л. Интеллектуальная модульная система мониторинга и управления состоянием объектов транспорта и хранения углеводородов // Научная территория: технологии и инновации. Материалы Международной научно-практической конференции. Отв. редактор В.А. Чейметова. Тюмень, 2022. С. 158–161.

Зозуля В.А., Веревкин А.П. Анализ проблемы типизации средств автоматизации для интеллектуального контроля и управления процессами добычи нефти // 61-ая научно-техническая конференция студентов, аспирантов и молодых ученых УГНТУ. 2010. С. 374.

Кузяков О.Н., Андреева М.А. Применение интернета вещей при мониторинге нефтегазовых объектов // Нефть и газ: технологии и инновации. Материалы Национальной научно-практической конференции. В 3-х томах. Отв. редактор Н.В. Гумерова. 2020. С. 78–80.

Кутуков С.Е., Бадиков Ф.И., Самигуллин Г.Х. Использование интеллектуальных систем в мониторинге режимов эксплуатации нефтепроводов // Электронный научный журнал Нефтегазовое дело. 2001. № 2. С. 17.

Лукьянченко А.А. Новые методы селективного измерения сопутствующих углеводородов для раннего обнаружения аварии, пожара, взрыва и осуществления экологического мониторинга на основе газоаналитического контроля // Экологическая безопасность в газовой промышленности (ESGI-2023). Тезисы докладов VIII Международной научно-технической конференции и выставки. Москва, 2023. С. 56.

Понкратов А.Ю. Об использовании когнитивных технологий в задачах поиска и анализа данных в нефтегазовой отрасли // Информационные системы и технологии в геологии и нефтегазодобыче. Материалы докладов Международной научно-практической конференции. Тюмень, 2024. С. 188–192.

Судаков А.В. Применение информационных систем и искусственного интеллекта в оптимизации работы морских нефтегазовых платформ // Неделя науки Санкт-Петербургского государственного морского технического университета. 2019. Т. 1. № 1. С. 23.

Тынчеров К.Т., Мухаметова А.Р., Шагалеева Е.Г. Роль искусственного интеллекта в нефтегазовой отрасли // Материалы 52-й Всероссийской научно-технической конференции молодых ученых, аспирантов и студентов с международным участием. Уфа, 2025. С. 599–602.

Хамитова Н.П. Новые технологии в нефтегазовой сфере на основе искусственного интеллекта // Новые технологии нефтегазовому региону. Материалы Международной научно-практической конференции студентов, аспирантов и молодых ученых. В 2-х томах. Тюмень, 2024. С. 238–239.

Выпуск

Раздел

ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Метрики

83 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные

Похожие статьи

<< < 1 2 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.

Наиболее читаемые статьи этого автора (авторов)