МЕТОДЫ И АЛГОРИТМЫ ФУНКЦИОНИРОВАНИЯ СКВАЖИНОГО АГЕНТА НА ОСНОВЕ ТЕХНОЛОГИИ МУЛЬТИАГЕНТНЫХ ВЫЧИСЛЕНИЙ

Коровин Я.С., Хисамутдинов М.В., Каляев А.И., Иванов Д.Я.

Коровин Яков Сергеевич – кандидат технических наук, директор;

Хисамутдинов Максим Владимирович – кандидат технических наук, старший научный сотрудник;

Каляев Анатолий Игоревич – кандидат технических наук, старший научный сотрудник;

Иванов Донат Яковлевич – кандидат технических наук, старший научный сотрудник,

Научно-исследовательский институт многопроцессорных вычислительных систем им. академика А.В. Каляева

 Южный федеральный университет,

г. Таганрог

Аннотация: в работе рассматривается мультиагентное взаимодействие при организации GRID системы нефтедобывающего предприятия, предназначенной для онлайн мониторинга состояния оборудования, и рекомендации оптимальных методов увеличения нефтеотдачи на основе текущего состояния на нефтепромысле. Вводится понятие скважинного агента. Предложен алгоритм формирования задачи, предназначенной для решения в GRID, и алгоритм работы агента мультиагентного диспетчера.

Ключевые слова: GRID, мониторинг состояния, мультиагентная система, нефтяное месторождение.

Список литературы / References

1. Коровин Я.С., Капустян С.Г., Иванов Д.Я. Система поддержки принятия решений оператора объектов ответственного применения на основе гибридных методов интеллектуальной обработки данных // Искусственный интеллект: проблемы и пути решения (сборник докладов), 2018. C. 109–114.
2. Korovin I. et al. Application of hybrid data mining methods to increase profitability of heavy oil production // Informatics, Electronics and Vision (ICIEV), 2016 5th International Conference on, 2016. P. 1149–1152.
3. Shah D.O. Improved oil recovery by surfactant and polymer flooding. Elsevier, 2012. 578 p.
4. Morrow N., Buckley J., others. Improved oil recovery by low-salinity waterflooding // J. Pet. Technol. Society of Petroleum Engineers, 2011. Vol. 63. № 05. P. 106–112.
5. Sheng J.J. Enhanced oil recovery in shale reservoirs by gas injection // J. Nat. Gas Sci. Eng. Elsevier, 2015. Vol. 22. P. 252–259.
6. Lake L.W. et al. Fundamentals of enhanced oil recovery. Society of Petroleum Engineers Richardson, TX, 2014.
7. Korovin I.S., Khisamutdinov M. V. Neuronetwork decision support system for oilfield equipment condition online monitoring // Adv. Mater. Res. Trans Tech Publications, 2014. Vol. 902. P. 409–415.
8. Korovin I.S. et al. Application of neural networks for modelling centrifugal pumping units of booster pump stations for a two-phase gas-liquid mixture // Informatics, Electronics and Vision & 2017 7th International Symposium in Computational Medical and Health Technology (ICIEV-ISCMHT), 2017 6th International Conference on. 2017. P. 1–6.
9. Korovin I.S. Use of Recurrent and Convolutional Neural Networks for the Problem of Long Term Condition Prediction for Equipment of an Oil-and-gas Production Enterprise // DEStech Trans. Eng. Technol. Res., 2017. P. 97–100.

Ссылка для цитирования данной статьи 

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Коровин Я.С., Хисамутдинов М.В., Каляев А.И., Иванов Д.Я. МЕТОДЫ И АЛГОРИТМЫ ФУНКЦИОНИРОВАНИЯ СКВАЖИНОГО АГЕНТА НА ОСНОВЕ ТЕХНОЛОГИИ МУЛЬТИАГЕНТНЫХ ВЫЧИСЛЕНИЙ// Проблемы науки №12(48), 2019 - С. {см. журнал}.