Использование искусственного интеллекта в нефтегазовой отрасли

Ставка на технологии искусственного интеллекта (ИИ), включая, среди прочего, технологии машинного обучения (ML), обработки больших данных (Big Data), делаемая мировыми лидерами конкурентного нефтегазового рынка, высока, прилагаются значительные интеллектуальные и финансовые усилия¹. При этом нередко задействуется стратегическое партнерство с крупными IT компаниями, а также с научными и образовательными учреждениями. Уже сейчас имеются масштабные практические реализации, ниже для примера указаны лишь некоторые из них ^{2, 3}.

Shell (в партнерстве с Microsoft): ИИ платформа Geodesic с исходной фокусировкой на горизонтальное бурение, в т.ч. с решением задач неправильного расположения скважин.

CNPC (в партнерстве с Huawei): Облачная платформа Dream Cloud + ИИ платформа когнитивных вычислений E8 для аналитических исследований в области разведки нефти и газа на основе обработки массивов собранных данных.

ExxonMobil (в партнерстве с MIT): Инфраструктура оснащенных ИИ самообучающихся погружных роботов для подводного мониторинга, в т.ч. обнаружения утечек углеводородов.

Инновационные и инвестиционные усилия в разработках в области ИИ в нефтегазовой отрасли сопровождаются соответствующим патентным откликом. На Рис.1 показан устойчивый рост общемировой патентной активности в области ИИ в нефтегазе. Для пояснения: по вертикальной оси на Рис.1 отложено число патентных семейств в мире; соответственно, фактическое число патентных заявок / патентов – в разы больше.

На диаграмме Рис.2 отражено оценочное распределение патентной активности в области ИИ в нефтегазе по странам/регионам мира. Констатируется заметное доминирование КНР. В этой связи следует отметить, что за последний годы общее количество патентных заявок на изобретения, подаваемых в КНР вообще по всем техническим направлениям, в разы превосходит таковое в других ведущих патентных юрисдикциях.

Был выделен ряд лидеров нефтегазовой отрасли, из разных регионов мира, для анализа их активности патентования ИИ в нефтегазовой отрасли за последнее время. Из Рис.3 виден, в целом, одинаковый возрастающий тренд.

Следует отметить лидирующее положение Saudi Arabian Oli Co. (Saudi Aramco). В настоящее время компания Saudi Aramco активно развертывает собственную масштабную инфраструктуру Big Data⁴.

Рис.4 иллюстрирует технические направления, на которые делается акцент в патентовании в области ИИ со стороны Halliburton, Saudi Aramco, PetroChina. Направления выбраны для проводимого анализа исходя из того, что, согласно ряду статистических исследований^{5, 6}, в области разведки и добычи (UPSTREAM) сосредоточено около 50% решений и сервисов ИИ.

Общим является значительное внимание, уделяемое инновациям в сфере обработки собираемых разнородных данных, а также моделирования свойств недр и управления рабочимоборудованием. К другим направлениям (черные сектора) относятся в т.ч. решения, направленные на снижение выбросов, на технику безопасности, на сам сбор данных.

В виду отмеченного сотрудничества крупных нефтегазовых компаний с научными и образовательными учреждениями^{3, 7}, получена оценка общемировой динамики патентования такими учреждениями в области ИИ в нефтегазе.

Как видно из Рис.5, восходящий тренд и значительные объемы соответствуют общемировым. Четверку лидеров по объемам патентования составляют китайские университеты, указанные во врезке.

В этой связи следует отметить, в дополнение к ранее обозначенным большим общим объемам патентования в КНР, наличие в КНР крупных научно-образовательных учреждений, ориентированных именно на нефтегазовую отрасль (первые два места на Рис.5).

По аналогии с индустриальными лидерами нефтегазового рынка, на Рис.6 иллюстрируются акценты патентования в области ИИ двумя указанными китайскими университетами. Констатируется значительное внимание инновациям в сфере обработки собираемых данных и моделирования недр.

Среди других направлений (черные сектора) превалируют научно-прикладные – к примеру, разработка и обучение соответствующих нейронных сетей.

В результате аналогичного поиска российских патентов, который проводился на глубину 20 лет, получена представляемая на Рис.7 диаграмма, которая является общей по всем российским физическим и юридическим лицам и по всему нефтегазу, включая транспортировку и переработку.

Немногочисленные найденные результаты разбросаны по времени на указанном двадцатилетнем интервале, что не позволяет говорить о каких-либо трендах. Притом проведенный анализ непатентных источников показывает, что разработки в области ИИ отечественными участниками нефтегазового рынка ведутся и есть результаты^{8, 9}, Ниже в целях иллюстрации представлен ряд патентных заявок и патентов с кратким описанием сути заявленных в них изобретений.

В патентной заявке US 2024/0401457 A1, Saudi Arabian Oil Co., опубликована в 2024г., предложены система и способ для проактивной геонавигации. Получаются результаты измерений с датчиков у бурового долота во время операции геонавигации для направления бурового долота по отношению к залежи углеводородов. На основе применения обученной ИИ модели к получаемым результатам измерений, обнаруживается аномалия при размещении бурового долота во время операции геонавигации и, по обнаружению аномалии, выдается автоматическое оповещение и рекомендуемое действие.

Положение бурового долота корректируется с учетом рекомендации. Обеспечивается повышение эффективности геонавигации. В общем, предложена корректировка ориентации ствола скважины на основе событий, проактивно выявляемых обученной ИИ моделью.

В патентной заявке CN 116644844 A, University China Petroleum, опубликована в 2023г., предложен способ прогнозирования пластового давления. Выполняется сбор каротажных данных, с последующим удаления шума и фильтрацией.

Формируется обучающий набор данных для обучения модели на основе нейронных сетей (NN), дополнительно используя релевантные архивные данные. Выполняется оптимизация NN модели. NN модель используется для прогнозирования пластового давления для новой скважины. Обеспечивается в области ИИ отечественными участниками нефтегазового рынка ведутся и есть результаты 8, Ниже в целях иллюстрации представлен ряд патентных заявок и патентов с кратким описанием сути заявленных в них изобретений.

В патентной заявке US 2024/0401457 A1, Saudi Arabian Oil Co., опубликована в 2024г., предложены система и способ для проактивной геонавигации. Получаются результаты измерений с датчиков у бурового долота во время операции геонавигации для направления бурового долота по отношению к залежи углеводородов. На основе применения обученной ИИ модели к получаемым результатам измерений, обнаруживается аномалия при размещении бурового долота во время операции геонавигации и, по обнаружению аномалии, выдается автоматическое оповещение и рекомендуемое действие.

Положение бурового долота корректируется с учетом рекомендации. Обеспечивается повышение эффективности геонавигации. В общем, предложена корректировка ориентации ствола скважины на основе событий, проактивно выявляемых обученной ИИ моделью.

В патентной заявке CN 116644844 A, University China Petroleum, опубликована в 2023г., предложен способ прогнозирования пластового давления. Выполняется сбор каротажных данных, с последующим удаления шума и фильтрацией.

Формируется обучающий набор данных для обучения модели на основе нейронных сетей (NN), дополнительно используя релевантные архивные данные. Выполняется оптимизация NN модели. NN модель используется для прогнозирования пластового давления для новой скважины. Обеспечивается ским данным на основе сверточных нейронных сетей. Способ интеллектуального определения тектонических нарушений включает (см. Рис.8): получение куба измеренных сейсмических данных, деление куба измеренных сейсмических данных на подкубы измеренных сейсмических данных, подачу каждого подкуба измеренных сейсмических данных в сверточную нейронную сеть, получение подкубов прогноза разломов по каждому подкубу сейсмических данных и сбор подкубов прогноза разломов в куб прогноза разломов. Обеспечивается надежное выявление и визуализация геологических разломов.

Запатентованное решение, в общем, направлено на обработку собираемых сейсмоданных с целью надежного выявления геологических разломов.

В патенте RU 2759143 C1, Тюменский институт нефти и газа, опубликован в 2021 г., предложен способ повышения эффективности гидродинамических методов увеличения нефтеотдачи пласта. Выполняется отбор воды и жидких углеводородов через добывающие скважины и закачка рабочего агента через нагнетательные скважины. Регистрируются промысловые данные по работе каждой скважины, на основе которых методами машинного обучения воспроизводятся исторические замеры добычи воды и углеводородов. В процессе многовариантных расчетов подбираются оптимальные режимы закачки вытесняющего флюида и режимы работы добывающих скважин, обеспечивающие наибольшую накопленную добычу углеводородов (см. Рис.9). Обеспечивается гидродинамическое воздействие на пласт с достижением максимального эффекта от изменения кинематики потоков в системе скважин.

Таким образом, запатентовано комплексное техническое решение, с выходом на оптимизацию работы системы скважин.

ВЫВОДЫ:

1. Мировые лидеры нефтегазового рынка делают значительные инновационные и инвестиционные усилия в разработках в области ИИ в нефтегазе. Данные усилия сопровождаются соответствующим ростом активности патентования, что необходимо для сохранения лидерства на высококонкурентном рынке. Патент – инструмент стратегический и долгосрочный.
2. В ряде случаев разработки ведутся в партнерстве с лидерами IT отрасли и крупными научными и образовательными учреждениями.
3. Разработки российских нефтегазовых компаний в области ИИ, в целом, есть и на достаточно высоком техническом уровне, но с малым откликом в плане патентной активности.

Список процитированных источников:

1. “Big Data in Oil & Gas Market Size & Share 2025-2034. Market Size by Offering, by Operation, by Analytics, by Application, by End Use, Growth Forecast”, Wadhwani P., Jaiswal S., December 2024, https://www.gminsights.com/industry-analysis/big-data-in-oil-and-gas-market.
2. https://www.ibm.com/industries/oil-gas.
3. “Искусственный интеллект в нефтегазовой индустрии Китая”, Овчинников К., Гилев Д., Новосибирский Научно-Технический Центр (ННТЦ), 17.05.2024, https://nntc.pro/tpost/ h2hoet4se1-iskusstvennii-intellekt-v-neftegazovoi-i.
4. https://www.aramco.com/en/what-we-do/energy-innovation/digitalization/ai-and-big-data.
5. “Big Data in Oil and Gas Industry”, Brancaccio E., 05.11.2020, https://www.oil-gasportal.com/big-data-in-oil-and-gas-industry.
6. “Особенности машинного обучения в нефтегазовой отрасли”, Свидченко О., Хабр, 28.12.2023, https://habr.com/ru/companies/oleg-bunin/articles/783656/.
7. “Цифровые технологии в нефтегазовой отрасли Китая”, ННТЦ, 19.04.2024, https://nntc.pro/tpost/izjk57ika1-tsifrovie-tehnologii-v-neftegazovoi-otra.
8. “Переосмысление нефтяных запасов искусственным интеллектом. Обзор”, Ситников А., Интерфакс, 24.12.2025, https://www.interfax.ru/business/1064849.
9. “BIG DATA в нефтегазе: оцениваем возможности, преодолеваем барьеры”, Халбакшеев А., Нефтегазовая промышленность, №1, 2025.