ИИ-ПЛАТФОРМА УПРАВЛЕНИЯ РАЗРАБОТКОЙ ТРУДНОИЗВЛЕКАЕМЫХ ЗАПАСОВ НЕФТИ

  • М.А. Серков Новгородский государственный университет имени Ярослава Мудрого, Великий Новгород, Россия
DOI: https://doi.org/10.34680/BENEFICIUM.2026.3(60).98-109

Аннотация

Трудноизвлекаемые запасы углеводородов занимают существенную долю российской сырьевой базы, и цена управленческой ошибки при освоении подобных месторождений выше, чем на традиционных залежах: геологическая неопределенность не снимается одним разведочным циклом, а проектные решения приходится пересматривать по ходу разработки. В этой связи актуальной является проблема организации управления разработкой, если данные, расчетные модели и решения рассредоточены по функциональным подразделениям. Исходя из выявленной проблематики, цель настоящего исследования – разработать концептуальную архитектуру ИИ-платформы управления разработкой трудноизвлекаемых запасов нефти и определить экономические, организационные и правовые условия ее работоспособности. В рамках достижения обозначенной цели перед автором стоят следующие задачи: систематизировать функции искусственного интеллекта по стадиям жизненного цикла месторождения; выделить признаки, отличающие платформу от интегрированной информационной системы; описать ограничения экономического, организационного и правового характера; выделить модуль для арктических и иных удаленных объектов. Эмпирическую базу составили двадцать рецензируемых публикаций 2021-2025 гг. из Scopus, Web of Science и eLIBRARY, Энергетическая стратегия РФ и шесть публично раскрытых примеров внедрения технологий ИИ в российских нефтегазовых компаниях. Применены содержательный анализ публикаций и корпоративных раскрытий по схеме из четырех признаков, сравнительное сопоставление примеров внедрения, структурно-функциональное моделирование и экономико-правовая интерпретация. Установлено, что применяемые алгоритмы дают положительный эффект в границах одной функции – интерпретации сейсмики, прогноза дебита, диагностики оборудования – и не связывают полученные результаты между собой. Отличие платформы от интегрированной информационной системы сведено к пяти проверяемым критериям, два из которых имеют институциональную природу. Предложена шестиуровневая архитектура платформы: данные, инфраструктура, цифровые двойники, модели искусственного интеллекта, управленческие сервисы, правила участия. Показано, за счет каких механизмов платформа переносит алгоритмы между месторождениями и удешевляет подключение очередного сервиса. Обоснован состав из четырех групп показателей эффекта: производственных, стоимостных, временных, рисковых. Для арктических объектов выделен модуль, построенный на принципе автономности по умолчанию. Результаты применимы при проектировании корпоративных платформ, разработке отраслевых форматов обмена данными и обосновании мер поддержки отечественных решений; дальнейшая проверка модели требует апробации на конкретном фонде скважин.

Ключевые слова: арктические территории, искусственный интеллект, нефтедобыча, платформенная экономика, трудноизвлекаемые запасы, управление данными, цифровая платформа, цифровой двойник

Финансирование: исследование не имело спонсорской поддержки (собственные ресурсы).

Библиография

  • Серков М.А. Способы добычи трудноизвлекаемых запасов нефти // Экономические науки. 2020. № 5(186). С. 111-113. DOI: 10.14451/1.186.111
  • Крюков В.А., Токарев А.Н. Формирование условий для освоения трудноизвлекаемых запасов нефти: необходимость учета региональных аспектов // Экономика региона. 2022. Том 18. № 3. С. 755-769. DOI: 10.17059/ekon.reg.2022-3-10
  • Jovanovic M., Sjödin D., Parida V. Co-evolution of Platform Architecture, Platform Services, and Platform Governance: Expanding the Platform Value of Industrial Digital Platforms // Technovation. 2022. Vol. 118. Pp. 1-14. (На англ.). DOI: 10.1016/j.technovation.2020.102218
  • Madanaguli A., Parida V., Sjödin D., Oghazi P. Literature Review on Industrial Digital Platforms: A Business Model Perspective and Suggestions for Future Research // Technological Forecasting and Social Change. 2023. Vol. 194(7). Pp. 1-17. (На англ.). DOI: 10.1016/j.techfore.2023.122606
  • Costabile C. Digital Platform Ecosystem Governance of Private Companies: Building Blocks and a Research Agenda Based on a Multidisciplinary, Systematic Literature Review // Data and Information Management. 2024. Vol. 8(1). Pp. 1-13. (На англ.). DOI: 10.1016/j.dim.2023.100053
  • Pauli T., Marx E., Fielt E. Inhibitors and Enablers of Leverage in Digital Industrial Platform Ecosystems // Business & Information Systems Engineering. 2025. Vol. 67(5). Pp. 711-731. (На англ.). DOI: 10.1007/s12599-024-00896-1
  • Möller F., Jussen I., Springer V. Industrial Data Ecosystems and Data Spaces // Electronic Markets. 2024. Vol. 34(1). (На англ.). DOI: 10.1007/s12525-024-00724-0
  • Farahani B., Monsefi A.K. Smart and Collaborative Industrial IoT: A Federated Learning and Data Space Approach // Digital Communications and Networks. 2023. Vol. 9(2). Pp. 436-447. (На англ.). DOI: 10.1016/j.dcan.2023.01.022
  • Tariq Z., Aljawad M.S., Hasan A. A Systematic Review of Data Science and Machine Learning Applications to the Oil and Gas Industry // Journal of Petroleum Exploration and Production Technology. 2021. Vol. 11. Pp. 4339-4374. (На англ.). DOI: 10.1007/s13202-021-01302-2
  • Samnioti A., Gaganis V. Applications of Machine Learning in Subsurface Reservoir Simulation - A Review - Part II // Energies. 2023. Vol. 16(18). Pp. 1-53. (На англ.). DOI: 10.3390/en16186727
  • Rahmanifard H., Gates I. A Comprehensive Review of Data-Driven Approaches for Forecasting Production from Unconventional Reservoirs: Best Practices and Future Directions // Artificial Intelligence Review. 2024. Vol. 57(8). Pp. 1-40. (На англ.). DOI: 10.1007/s10462-024-10865-5
  • Fan D., Lai S., Sun H. Review of Machine Learning Methods for Steady State Capacity and Transient Production Forecasting in Oil and Gas Reservoir // Energies. 2025. Vol. 18(4). Pp. 1-25. (На англ.). DOI: 10.3390/en18040842
  • Захаров Л.А., Мартюшев Д.А., Пономарева И.Н. Прогнозирование динамического пластового давления методами искусственного интеллекта // Записки Горного института. 2022. Том 253. С. 23-32. DOI: 10.31897/PMI.2022.11
  • Земенкова М.Ю., Чижевская Е.Л., Земенков Ю.Д. Интеллектуальный мониторинг состояний объектов трубопроводного транспорта углеводородов с применением нейросетевых технологий // Записки Горного института. 2022. Том 258. С. 933-944. DOI: 10.31897/PMI.2022.105
  • Knebel F.P., Trevisan R., Nascimento G.S. A Study on Cloud and Edge Computing for the Implementation of Digital Twins in the Oil & Gas Industries // Computers & Industrial Engineering. 2023. Vol. 182. Pp. 1-22. (На англ.). DOI: 10.1016/j.cie.2023.109363
  • Meza E.B.M., Souza D.G.B., Copetti A. Tools, Technologies and Frameworks for Digital Twins in the Oil and Gas Industry: An In-Depth Analysis // Sensors. 2024. Vol. 24(19). Pp. 1-25. (На англ.). DOI: 10.3390/s24196457
  • Póvoas M.S., Moreira J.F., Martins Neto S.V. Artificial Intelligence in the Oil and Gas Industry: Applications, Challenges, and Future Directions // Applied Sciences. 2025. Vol. 15(14). Pp. 1-16. (На англ.). DOI: 10.3390/app15147918
  • Жданеев О.В. Обеспечение технологического суверенитета отраслей ТЭК Российской Федерации // Записки Горного института. 2022. Том 258. С. 1061-1078. DOI: 10.31897/PMI.2022.107
  • Энергетическая стратегия Российской Федерации на период до 2050 года: утв. распоряжением Правительства Российской Федерации от 12.04.2025 № 908-р (2025). Правительство Российской Федерации. URL: https://static.government.ru/media/files/LWYfSENa10uBrrBoyLQqAAOj5eJYlA60.pdf (дата обращения 28.07.2026).
  • «Газпром нефть» и Университет Иннополис создадут ИИ-платформу для исследования недр (2025). ПАО «Газпром нефть». URL: https://digital.gazprom-neft.ru/news/id_10072025 (дата обращения 28.07.2026).
  • «Башнефть» подключила к системе «Цифровое месторождение» более 8 тысяч скважин (2025). ПАО «НК «Роснефть». URL: https://www.rosneft.ru/press/news/item/222168/ (дата обращения 28.07.2026).
  • «Роснефть» совершенствует методы исследования скважин (2025). ПАО «НК «Роснефть». URL: https://www.rosneft.ru/press/news/item/222577/ (дата обращения 28.07.2026).
  • «Роснефть» внедряет искусственный интеллект для оптимизации процессов добычи (2022). ПАО «НК «Роснефть». URL: https://www.rosneft.ru/press/news/item/212201/ (дата обращения 28.07.2026).
  • «Роснефть» совершенствует программное обеспечение для разработки газовых месторождений (2021). ПАО «НК «Роснефть». URL: https://www.rosneft.ru/press/news/item/205901/ (дата обращения 28.07.2026).
  • Матрохина К.В., Трофимец В.Я., Мазаков Е.Б. Развитие методологии сценарного анализа инвестиционных проектов предприятий минерально-сырьевого комплекса // Записки Горного института. 2023. Том 259. С. 112-124. DOI: 10.31897/PMI.2023.3
  • Череповицын А.Е., Цветков П.С., Евсеева О.О. Критический анализ методологических подходов к оценке устойчивости арктических нефтегазовых проектов // Записки Горного института. 2021. Том 249. С. 463-479. DOI: 10.31897/PMI.2021.3.15
  • Streletskiy D.A., Clemens S., Lanckman J.-P., Shiklomanov N.I. The Costs of Arctic Infrastructure Damages Due to Permafrost Degradation // Environmental Research Letters. 2023. Vol. 18(1). Pp. 1-13. (На англ.). DOI: 10.1088/1748-9326/acab18
  • «Газпром нефть» создаст цифровую модель вечной мерзлоты в Заполярье (2025). ПАО «Газпром нефть». URL: https://digital.gazprom-neft.ru/news/id_22052025 (дата обращения 28.07.2026).

Информация об авторе

Максим Алексеевич Серков – канд. юрид. наук; старший научный сотрудник, Новгородский государственный университет имени Ярослава Мудрого, Великий Новгород, Россия. E-mail: tiempo10@mail.ru. SPIN РИНЦ 9945-6500. ORCID 0009-0000-5796-4386.

Для цитирования: Серков М.А. ИИ-платформа управления разработкой трудноизвлекаемых запасов нефти // BENEFICIUM. 2026. № 3(60). С. 98-109. DOI: 10.34680/BENEFICIUM.2026.3(60).98-109

Опубликован
2026-09-06
Выпуск
№ 3 (2026)
Раздел
ПЛАТФОРМЕННЫЕ РЕШЕНИЯ И ИИ-ТЕХНОЛОГИИ В СОВРЕМЕННОМ ОТРАСЛ