Производственно-технический нефтегазовый журнал
+7 (903) 580-85-63 +7 (495) 371-01-74 info@glavteh.ru

Прогнозирование СНО и МРП УЭЦН и определение технического предела работы оборудования

Руководители департамента добычи ПАО «Газпром нефть» в рамках внедрения инструментов планирования и управления операционной деятельностью поставили задачу разработать методику прогнозирования средней наработки на отказ (СНО) внутрискважинного оборудования и планирования межремонтного периода (МРП) работы скважин. Сопутствующей задачей является определение технического предела работы оборудования в скважине и планирование мероприятий, направленных на борьбу с осложнениями, исходя из бюджетных средств нефтяной компании.

Выполнение задачи было поручено департаменту техники и технологии добычи нефти ООО «Газпромнефть НТЦ», специалисты которого разработали оригинальную методику, основанную на применении методов анализа статистического распределения событий.

Работа по созданию и тестированию данной методики включала в себя формирование выборки для анализа наработок отказавшего оборудования, проведение классификации и категоризации объектов анализа по нескольким ключевым признакам, определение значимости признаков, деление выборки на блоки, графический анализ распределения отказов по наработке, расчет пределов СНО/МРП.

При использовании в операционной деятельности Компании данная методика будет способствовать повышению экономической эффективности процесса добычи нефти за счет достижения оптимального уровня затрат на механизированную добычу.

11.08.2017 Инженерная практика №04/2017
Кибирев Евгений Анатольевич Начальник технологического отдела ООО «Газпромнефть НТЦ»

Одна из задач ООО «Газпромнефть НТЦ» в качестве инженерного научно-технического подразделения ПАО «Газпром нефть» состоит в разработке стандартов Компании по работе с механизированным фондом скважин. Один из таких стандартов разработан для осложненного фонда скважин и содержит в себе типовой набор мероприятий по борьбе с осложняющими добычу нефти факторами.

В число начатых за последнее время проектов ООО «Газпромнефть НТЦ» входит разработка инструмента прогнозирования основных учетных показателей работы скважин на основе всех доступных параметров эксплуатации осложненного фонда скважин. Этот инструмент позволит прогнозировать СНО и МРП скважин, определять технический предел работы оборудования, а также планировать мероприятия, направленные на борьбу с осложнениями, исходя из бюджетных средств нефтяной компании.

ПРЕДПОСЫЛКИ СОЗДАНИЯ ИНСТРУМЕНТА ПРОГНОЗИРОВАНИЯ

На современном этапе механизированная добыча нефти как направление деятельности нефтедобывающих компаний сталкивается со следующими вызовами:

  • увеличение в структуре нефтедобычи доли трудноизвлекаемых запасов (ТрИЗ);
  • рост издержек и снижение рентабельности добычи нефти;
  • присутствие традиционных осложняющих факторов при работе с мехфондом;
  • снижение рентабельности машиностроительного производства;
  • высокая себестоимость разработки и внедрения новой техники и оборудования;
  • медленное внедрение инноваций;
  • приближение надежности конструкций серийного оборудования к техническому пределу.

В этих условиях для инженеров добывающих предприятий Компании крайне важно располагать инструментом, который в целях повышения эффективности эксплуатации механизированного фонда позволял бы прогнозировать остаточный ресурс и показатели надежности как эксплуатируемого, так и нового оборудования.

СИСТЕМА ОБЕСПЕЧЕНИЯ НАДЕЖНОСТИ ОБОРУДОВАНИЯ

Надежность – это свойство объекта сохранять во времени значения всех параметров, которые характеризуют его способность выполнять требуемые функции в заданных режимах и условиях применения. В узком смысле надежность можно определить, как недопустимость отказов в работе, в широком смысле – как комплексное свойство, которое в зависимости от назначения объекта и условий его эксплуатации может включать в себя свойства безотказности, долговечности, ремонтопригодности и сохраняемости, а также определенное сочетание этих свойств.

Рис. 1. Система обеспечения надежности оборудования
Рис. 1. Система обеспечения надежности оборудования

Надежность тесно связана с различными сторонами процесса эксплуатации, поэтому систему, обеспечивающую надежность оборудования, можно схематично представить в виде пирамиды факторов (рис. 1). В основании пирамиды лежит конструкционная надежность оборудования – то, за что борются нефтяные компании совместно с конструкторами, технологами и разработчиками оборудования.

Кроме того, надежность оборудования зависит от условий его применения, квалификации персонала и культуры производства на предприятиях нефтедобычи, наличия и степени развитости автоматизированной системы управления технологическими процессами (АСУ ТП).

Вершина пирамиды представлена информационной системой, методами анализа и принятия решений, поскольку без правильной оценки результатов, соответствующих корректирующих действий и без правильного управления процессом добиться желаемого результата невозможно.

ТЕКУЩАЯ И ЦЕЛЕВАЯ ФАКТОРНЫЕ МОДЕЛИ НАРАБОТКИ УЭЦН

Текущая факторная модель наработки УЭЦН предполагает, что у оборудования есть базовый ресурс наработки, обусловленный конструкцией оборудования, и некоторый потенциал для улучшения конструкционной надежности (рис. 2).

Рис. 2. Текущая факторная модель наработки УЭЦН
Рис. 2. Текущая факторная модель наработки УЭЦН

Допустим, что требуемый ресурс СНО составляет 1000 сут при фактической СНО 500 сут. В этом случае достижение показателя СНО 700 сут за счет улучшения конструкции, а также проведения мероприятий, направленных на борьбу с осложнениями, представляется вполне реалистичным. Следует при этом помнить о действии факторов, ухудшающих показатель наработки: заводской брак, конструкционные недостатки оборудования, плановые профилактические работы, геологические и технологические осложнения, возникающие при эксплуатации скважин, нарушение технологии эксплуатации.

При создании целевой факторной модели из текущей модели были убраны заводской брак и конструкционные недостатки оборудования (рис. 3). Если предположить, что эффективность мероприятий по борьбе с осложнениями составит 100%, а на СНО будут негативно сказываться только геологические и технологические осложнения, исключить которые на практике не представляется возможным, то перспектива достижения СНО 900 сут представляется вполне реалистичной.

Рис. 3. Целевая факторная модель наработки УЭЦН
Рис. 3. Целевая факторная модель наработки УЭЦН

РАСПРЕДЕЛЕНИЕ ГАУССА

Для описания случайных событий в статистике используется распределение Гаусса или нормальное распределение. Оно представляет собой распределение вероятностей, которое задается функцией плотности вероятности, совпадающей с функцией Гаусса:

Кибирев - функция Гаусса

где μ – математическое ожидание (среднее значение), медиана и мода распределения; σ – среднеквадратическое отклонение (σ2 – дисперсия) распределения.

Характер нормального распределения указывает на то, что события, распределяемые по случайным факторам, концентрируются в зоне с неким математическим ожиданием максимальной плотности этих событий или максимальной вероятности их происхождения (рис. 4).

Рис. 4. Распределение Гаусса (нормальное распределение)
Рис. 4. Распределение Гаусса (нормальное распределение)

Если результат наблюдения представлен суммой многих случайных слабо взаимозависимых величин, каждая из которых вносит малый вклад в общую сумму, то при увеличении числа слагаемых, распределение центрированного и нормированного результата стремится к нормальному.

Нормальным распределением моделируются такие процессы, как отклонение траектории снаряда при стрельбе, погрешности измерений, а также некоторые характеристики живых организмов в популяции. При условии больших статистических выборок данный закон справедлив и для распределения вероятности отказов УЭЦН в зависимости от наработки. В связи с этим данный статистический метод был взят за основу при создании инструмента прогнозирования СНО.

Работа по созданию такого инструмента состояла из нескольких этапов. Сначала мы сформировали выборку для статистического анализа наработок оказавшего оборудования, затем провели классификацию и категоризацию объектов анализа по нескольким ключевым признакам. После этого проанализировали значимость признаков, поделили выборку на блоки по ключевым признакам, провели графический анализ распределения отказов по наработке, и наконец, рассчитали статистически обоснованные пределы СНО.

КЛАССИФИКАЦИЯ ОТКАЗОВ УЭЦН ПО ПРИЧИНАМ

Отказы УЭЦН можно разделить на две большие группы: произошедшие в гарантийный и постгарантийный периоды, то есть до и после 365 сут эксплуатации соответственно.

К отказам в гарантийный период относятся ранние и случайные отказы. Ранние отказы связаны с недостатками конструкции, низким качеством изготовления оборудования, некондиционными материалами, некачественным монтажом оборудования, а также нарушением правил его эксплуатации и запуска в работу.

Случайные отказы обусловлены непредвиденным воздействием внешних факторов, неправильным применением оборудования и влиянием человеческого фактора.

Отказы УЭЦН с наработками больше года, как правило, связаны с физическим износом оборудования или старением (усталостью) материала, истощением пласта, снижением притока жидкости, увеличением затрат на эксплуатацию, а также проведением геолого-технических мероприятий (ГТМ).

Статистическому анализу были подвергнуты случайные и постгарантийные отказы, связанные с износом оборудования и истощением пласта. Ранние отказы были исключены из статистического анализа, как не отражающие характеристики системы. Всего в выборке участвовало 4457 отказов УЭЦН по всем месторождениям ПАО «Газпром нефть» за период с августа 2015 по август 2016 года.

При категоризации отказов УЭЦН мы выделили группы признаков, каждую из которых для удобства анализа обозначили определенным цветом (рис. 5).

Рис. 5. Подготовка базы данных
Рис. 5. Подготовка базы данных

Затем мы построили две диаграммы фактического распределения отказов по наработке (рис. 6). График, отражающий фактическое распределение отказов и построенный по меньшим шагам наработки (рис. 6, внизу слева), позволил увидеть некие зоны концентрации отказов по наработкам. Далее требовалось выявить признаки и условия, которые приводят к такой концентрации.

Рис. 6. Фактическое распределение отказов по наработке
Рис. 6. Фактическое распределение отказов по наработке

МЕТОДИКА АНАЛИЗА ПРИЧИН ОТКАЗОВ

С помощью математических формул в MS Excel мы построили нормальное распределение Гаусса. Варьированием двух базовых параметров нормального распределения, таких как статистическое ожидание, соответствующее медиане, и отклонение, регулирующее плотность вероятности, мы пошагово добивались схожести нормальной и фактической кривых (рис. 7).

Рис. 7. Нормальная и фактическая плотность вероятности отказа
Рис. 7. Нормальная и фактическая плотность вероятности отказа

Цель подбора параметров нормального распределения состояла в получении подобия огибающей кривой в области средних и больших наработок. Перебор значений статистического ожидания μ и среднеквадратичного отклонения σ позволил подобрать форму нормального распределения, наиболее близкую к статистической кривой отказов (рис. 8).

Рис. 8. Подбор оптимальных значений параметров для нормального распределения
Рис. 8. Подбор оптимальных значений параметров для нормального распределения

Далее математическим путем была построена кривая роста СНО в зависимости от времени работы выборки (рис. 9). При этом было принято допущение, что все УЭЦН запущены в работу в один и тот же момент. Соответственно, с момента их запуска до момента окончания работы распределение СНО будет подчиняться данному закону.

Рис. 9. Прогнозирование СНО для отдельной категории
Рис. 9. Прогнозирование СНО для отдельной категории (м/р, подрядчик, тип оборудования)

Следует иметь в виду, что приведенный на рис. 9 закон применим только для вновь осваиваемых месторождений, но не характерен для месторождений с установившимся фондом, где происходит регулярное обновление парка оборудования за счет ремонта скважин.

По этой причине за целевой показатель взята СНО при вероятности отказа 90%. Как видно из рис. 8, при больших значениях среднеквадратичных отклонений вероятность поздних отказов смещается в область аномально больших наработок, достижение которых может быть ограничено такими искусственными факторами, как ГТМ, обводнение и т.п.

Кривые СНО могут быть построены практически для любых объектов, будь то месторождение или группа скважин, объединенных по типу оборудования, характеру осложнений или какому-либо другому признаку. Но выборка при этом должна быть достаточно представительной, поскольку в обратном случае высок риск получить нерелевантные значения показателей.

Итоговые данные сводятся в таблицу (табл. 1). В данном примере отражены показатели работы оборудования в выборках по пяти подрядчикам/изготовителям оборудования для шести месторождений, для каждой из которых характерен свой уровень СНО, определяемый статистическим методом. Сравнение фактических и прогнозных данных показывает потенциал роста СНО при существующей модели эксплуатации актива, а сравнение прогнозных СНО по подрядчикам дает понимание целесообразности перераспределения фонда по подрядчикам.

Таблица 1. Итоговый анализ и прогноз СНО для объекта добычи
Таблица 1. Итоговый анализ и прогноз СНО для объекта добычи

Еще один инструмент представляет собой таблицу, позволяющую рассчитать плановые показатели СНО/МРП, которые будут соответствовать бюджетным средствам нефтяной компании (табл. 2). В основу такой оценки берется СНО по фонду с компенсированными осложнениями либо прогнозные значения СНО, рассчитанные с учетом технического предела, определенного по предложенной выше методике.

Таблица 2. Планирование СНО и МРП
Таблица 2. Планирование СНО и МРП

Таким образом, зная текущие показатели СНО/МРП и их прогнозные значения для определенных групп скважин с учетом влияния компенсационных мероприятий по борьбе с осложнениями, учитывая их доли в фонде, мы получаем прогнозные значения СНО/МРП по текущему периоду через бюджет предприятия на борьбу с осложнениями.

ФАКТОРЫ РОСТА И СНИЖЕНИЯ СНО И МРП

Росту показателей СНО и МРП способствуют конструктивные улучшения оборудования, мероприятия по борьбе с осложнениями, а также повышение качества эксплуатации оборудования, которое заключается в его правильном подборе и контроле режима работы.

Снижают СНО и МРП конструктивные недостатки оборудования, брак ремонта/изготовления, нарушение технологии эксплуатации, геологические осложнения и ППР.

В связи с этим необходимо:

  • уточнение технических требований к оборудованию и повышение его качества;
  • управление качеством услуг посредством проведения аудитов, «дней качества», рейтингования подрядчиков, выполнения корректирующих мероприятий;
  • систематизация работы по борьбе с осложнениями;
  • повышение культуры эксплуатации УЭЦН;
  • прогнозирование геологических условий в длительных периодах.

При этом следует избегать применения оборудования несоответствующих групп надежности, его бесконтрольной эксплуатации, игнорирования геологических осложнений и технологических ограничений, а также применения массовых ППР. Искусственное ограничение наработки с использованием метода планово-предупредительных ремонтов (ППР) влечет за собой снижение средних показателей СНО и МРП (рис. 10). В связи с этим необходимо снижать долю ранних отказов. Ограничения наработки (ППР) целесообразны только в частных случаях при риске «полета».

Рис. 10. Плотность вероятности отказов и динамика СНО для двух вариантов эксплуатации механизированного фонда
Рис. 10. Плотность вероятности отказов и динамика СНО для двух вариантов эксплуатации механизированного фонда

Определения*

МРП (межремонтный период) работы скважин – среднее по фонду скважин за скользящий период время между подземными ремонтами скважины по причине отказа внутрискважинного оборудования или снижения продуктивности скважины, не считая плановых геолого-технических мероприятий. Рассчитывается, как отношение суммарной наработки всех единиц внутрискважинного оборудования в течение расчетного периода к числу ремонтов скважин в периоде.

СНО (средняя наработка на отказ) оборудования – среднее за расчетный период время работы оборудования от запуска до остановки. Считается, как отношение суммы наработок с момента пуска в работу всех отказавших за период единиц к числу отказов за период.

* – в каждой нефтяной компании существуют индивидуальные уточняющие критерии к методике расчета.

Показать выдержки из обсуждения

ВЫДЕРЖКИ ИЗ ОБСУЖДЕНИЯ

Вопрос: Евгений Анатольевич, почему в составе пирамиды, иллюстрирующей систему обеспечения надежности оборудования, нет таких важных факторов, как правильный подбор оборудования и техническая дисциплина эксплуатации? Вы их не учитывали?
Евгений Кибирев: Эти факторы учтены и включены в блок «Квалификация персонала и культура производства». В данном случае под культурой производства мы подразумеваем не только порядок на кустовой площадке или цехе ремонта, но и строгое следование технологическим инструкциям и регламентам. Квалификация персонала при этом позволяет корректно применять все имеющиеся в распоряжении инструменты: правильный подбор оборудования, соблюдение режима эксплуатации и т.д.
Вопрос: Поясните, пожалуйста, как ваша методика соотносится с ГОСТ Р 56830-2015 «Установки скважинных электроприводных лопастных насосов. Общие технические требования»? Нет ли между ними противоречий?
Е.К.: Противоречий между нашей методикой и ГОСТом нет, в их основе лежат одни и те же приемы статистического анализа, при этом они предоставляют информацию в разных формах. Методика, представленная в рамках ГОСТа, на наш взгляд, хороша с инженерной точки зрения, но проигрывает нашей методике с точки зрения применимости в процессах управления производством.
Вопрос: Проверяли ли вы сходимость результатов по вашей методике и методике в рамках ГОСТа?
Е.К.: Сходимости результатов нет. Это доказывает, что на работу оборудования влияет множество посторонних факторов, которые пока должным образом не учитываются.
Вопрос: Сравнивали ли вы фактические показатели СНО и прогнозные показатели, рассчитанные по вашей методике?
Е.К.: Да, мы проанализировали таким способом ряд месторождений, и выяснили, что по некоторым из них фактические показатели СНО выше, чем прогнозные.
Вопрос: С чем это может быть связано?
Е.К.: Скорее всего, с присутствием в небольшой группе выборки отказов с очень большими наработками, которые по выходу из статистической группы резко «обрушают» статистику по объекту учета.
Вопрос: Согласно табл. 1, на одном месторождении у разных подрядчиков наблюдаются разные показатели СНО. Почему?
Е.К.: Во-первых, потому что статистическое ожидание плотности отказа у разных подрядчиков разное, что указывает на разный уровень конструкционной надежности оборудования. Во-вторых, это связано с эффектом увеличения дисперсии, то есть ростом отклонений от ожидаемых значений.
Реклама Дисковый фильтр производства АО «Новомет-Пермь» помог увеличить наработку УЭЦН в семь раз!
Комментарии

Эту публикацию еще никто не прокомментировал. Станьте первым, поделитесь своим мнением.

Написать комментарий
Комментировать
Читайте далее
Обзор технологий для предотвращения образования АСПО в скважинах первомайской группы месторождений ПАО «Оренбургнефть»
Комплексирование геолого-геофизических данных с целью выявления невыработанных высокопродуктивных объектов
Реклама
Свежий выпуск
Инженерная практика №07/2017

Инженерная практика

Выпуск №07/2017

Управление разработкой месторождений. Механизированная добыча. Промысловые трубопроводы
Гелеполимерное заводнение карбонатного коллектораМетодика проектирования нестационарного заводненияТрансформация системы разработкиПроектирование разработки многозабойными скважинамиМикробиологическое и водогазовое воздействие на залежиНасосное оборудование и скважинные компоновки для ППДИспытания компоновок ОРЭ с управляемыми клапанамиВнутренняя защита сварных швов трубопроводов втулкамиИспытания трубопровода из гибких армированных труб высокого давления
Ближайшее совещание
Механизированная добыча, Разработка месторождений
Мониторинг — 2017
Производственно-технический семинар-совещание

Мониторинг ‘2017 Системы мониторинга и управления для эксплуатации мехфонда и контроля разработки месторождений

19-21 сентября 2017 г., г. Пермь
Интеллектуализация процессов добычи нефти (автоматизация, телемеханизация, интеллектуальные станции управления) с целью сокращения затрат, повышения наработки оборудования и дебита жидкости, увеличения энергоэффективности и контроля разработки месторождений, внедрение нового программного обеспечения, геофизического оборудования, интеллектуализация систем одновременно-раздельной эксплуатации (ОРЭ) и др.
Общая информация Планируется
Ближайший тренинг
Капитальный ремонт скважин
Ловильный сервис — сентябрь 2017
Тренинг-курс

Ловильный сервис на нефтяных и газовых скважинах

11 - 15 сентября 2017 г., г. Пермь
ООО «Инженерная практика» от имени журнала «Инженерная практика» проводит набор группы специалистов для прохождения производственно-технического тренинга по программе «Ловильный сервис на нефтяных и газовых скважинах». Пятидневный тренинг - курс будет проводиться в г. Перми (отель «Урал») в рамках авторского курса С.Балянова.