ИИ в нефтегазовой отрасли: Shell AI, BP digital и оптимизация бурения

BP сообщила: AI-оптимизация их шельфовых платформ в Мексиканском заливе принесла дополнительно $10 миллионов на одну платформу в год — через улучшение коэффициента нефтеотдачи всего на 1,5%. При 900+ активных объектах BP — это миллиарды. Shell использует AI-алгоритм под названием FRED для оптимизации добычи на 10 000+ скважинах в реальном времени.

Кейс 1. Shell — FRED и глобальная оптимизация добычи

FRED — Field Remote Expert Diagnostics

Shell разработала FRED — AI-систему для мониторинга и оптимизации скважин:

• >10 000 скважин под наблюдением в реальном времени
• Данные: давление, температура, расход флюида, состав газа
• ML-оптимизация: оптимальный режим каждой скважины

Как FRED работает:

Real-time Optimization: Нефтяная скважина — не кран. Режим работы влияет на:

• Мгновенный дебит (сколько добываем сейчас)
• Долгосрочный КИН (сколько извлечём из пласта всего)
• Деградацию оборудования

ML находит баланс: не максимизирует сиюминутную добычу, а максимизирует NPV (чистую приведённую стоимость) скважины за весь срок эксплуатации.

Производительность:

• Дополнительная нефтеотдача от FRED: +2–4% в среднем
• При добыче Shell: это +10–20 миллионов баррелей/год
• При $80/баррель: $800 миллионов — $1,6 миллиарда дополнительной выручки

Shell AI Safety

Anomaly Detection на платформах:

• >100 000 датчиков на крупных платформах Shell
• ML baseline: «нормальное» поведение каждой системы
• Аномалия: предупреждение → оценка → действие
• Результат: Shell снизил серьёзные инциденты на ~30% за 5 лет AI-мониторинга

Кейс 2. BP — цифровая трансформация

Launchpad — BP Digital Hub

BP инвестировала >$200 млн в AI/Digital трансформацию. Создан центр компетенций в Хьюстоне (BP Launchpad):

• 400+ data scientists и инженеров
• Партнёрства: Google Cloud, Microsoft Azure, AWS

BP AI Applications

1. Drilling Optimization — AutoTrak: Роторное управляемое бурение (RSS) с AI:

• Бур в реальном времени получает данные о геологии
• AI корректирует траекторию скважины
• Цель: точное попадание в продуктивный горизонт (точность ±1 метр на 3 000 метров)
• Результат: снижение непродуктивного времени бурения на ~15%

2. Upstream Wells AI: Предиктивное управление насосами:

• ESP (Electric Submersible Pumps): самый критичный элемент нефтедобычи
• Стоимость замены насоса: $500 000 — $2 000 000 + простой
• AI предсказывает отказ за 10–14 дней
• Действие: плановая замена → экономия на аварийном ремонте

3. Turnaround Planning AI: Плановые остановки нефтеперерабатывающих заводов (turnaround) — дорогостоящие:

• Stандартный turnaround: 4–6 недель, $50–100 млн
• AI планирование: оптимизация последовательности работ
• Результат: сокращение продолжительности turnaround на ~8%

Кейс 3. TotalEnergies — AI в LNG и офшорных операциях

LNG (Сжиженный природный газ) + AI

TotalEnergies — крупнейший экспортёр LNG в Европе:

• Производство: >20 миллионов тонн LNG/год
• AI-применения в LNG:

LNG Plant Optimization:

• ML оптимизирует: соотношение компонентов при сжижении
• Результат: потребление электроэнергии снижено на ~3%
• При масштабе TotalEnergies: $50–100 млн/год

AI Cargo Scheduling:

• LNG танкеры: планирование рейсов в 30+ страны
• ML оптимизирует: маршруты, скорость (топливо vs время), использование флота
• Результат: дополнительная маржа $200–500 млн/год

Offshore AI — Платформы в открытом море

Monitoring без вертолётов:

• Традиционно: инженеры летят на платформу проверить
• AI: дроны + CV + IoT мониторинг
• Первая полностью удалённо управляемая платформа TotalEnergies: Elgin Franklin (Северное море)
• Результат: снижение численности персонала на платформе на 50%

Кейс 4. Schlumberger (SLB) — AI для всей отрасли

SLB как нефтесервисный гигант + AI Company

SLB (Schlumberger) — крупнейшая нефтесервисная компания:

• Предоставляет: технологии и услуги 90% нефтяных мейджоров
• AI-бизнес: Delfi Digital Platform — «AWS нефтегаза»

Delfi Digital Platform: Облачная платформа с AI для E&P (геологоразведка и добыча):

• Унифицирует: геологические, петрофизические, производственные данные
• ML инструменты: для каждого звена — от сейсмики до добычи
• Clients: BP, Shell, TotalEnergies, Saudi Aramco, ADNOC

SLB AI Interpretation: Самый быстрый геологический AI на рынке:

• 3D-сейсмика: миллиарды точек данных
• AI интерпретирует: за часы (vs недели для геолога)
• Результат: принятие решений о бурении — в 4–5 раз быстрее

Кейс 5. «Роснефть», «Лукойл», «Газпром нефть» — AI в российском нефтегазе

«Газпром нефть» — лидер цифровизации в России

«Газпром нефть» — наиболее продвинутая российская нефтяная компания по цифровизации:

Цифровой двойник месторождений:

• 3D-геологические модели с ML-обновлением
• Цифровые двойники Новопортовского и Приобского месторождений
• Результат: КИН вырос на ~2–3% — сотни миллионов тонн дополнительно в долгосрочной перспективе

AI в бурении:

• Партнёрство с Schlumberger/SLB: Delfi-платформа адаптирована для российских условий
• Скважины с AI-управлением буровым раствором: снижение осложнений на 20%

Центр управления добычей:

• Real-time мониторинг добычи по всем месторождениям
• AI-рекомендации: когда и как менять режим скважин
• Эффект: дополнительная добыча >500 000 тонн/год за счёт оптимизации

«Роснефть» — AI-программа

РН-Цифровые инновации:

• Собственная разработка AI-алгоритмов для геологоразведки
• Предиктивные модели: оценка ресурсной базы новых лицензионных участков
• AI-процессинг сейсмических данных: в 5 раз быстрее традиционных методов

«Лукойл» — Digital Upstream

• ML-прогноз добычи по всем месторождениям
• AI-оптимизация газлифта (метод искусственного подъёма нефти)
• Партнёрство с Accenture для ML-анализа данных западносибирских месторождений

Практическое руководство для нефтяного сервиса

AI-инструменты для нефтесервисной компании (₽5–30 млн в год)

Этап 1 — Данные и мониторинг (ROI <12 мес):

1. IoT-сенсоры на ключевое оборудование (насосы, компрессоры)
2. SCADA + OSIsoft PI для агрегации данных
3. ML-модели аномалий (строятся на исторических данных)
4. Результат: предотвращение 1–2 крупных аварий в год → миллионы экономии

Этап 2 — Оптимизация добычи (ROI 12–24 мес):

1. ML-модели оптимизации режима скважин
2. Integration с Petrel / Eclipse (геологические модели)
3. Real-time рекомендации операторам
4. Результат: +1–3% КИН = сотни миллионов долларов

Этап 3 — Интеллектуальная разведка (ROI 2–5 лет):

1. ML-интерпретация сейсмических данных
2. Генеративные модели для синтетических данных (где нет скважин)
3. Drill-Well Recommendations AI
4. Результат: лучший выбор объектов бурения → меньше «сухих» скважин

Источники: Shell FRED documentation, BP Annual Report 2023, TotalEnergies LNG operations data, SLB Delfi Platform documentation, «Газпром нефть» Цифровой отчёт 2023.