一家最大的石油和天然气公司由于耗尽专用存款而面临财务效率低下的问题：大约20%的存款几乎没有利润。为了在高度不确定性的情况下保持良好的业绩，公司必须作出运营决策——确定是该关闭还是保留利润微薄的油井以及进行故障修复是否有意义。

为了应对这些挑战，该公司决定创建一个数字孪生模型，帮助管理层作出决策：根据油井的作业数据协助模拟矿床作业，之后进一步分析经济指标，突出无效油井。来自Focus Group Company的顾问加入了项目团队，开发了系统的核心——基于智能体的采油仿真模型。

工程师们选择AnyLogic仿真软件作为建立油气过程模型的平台。利用AnyLogic地理信息系统，在模型中反映井群的地理位置及其具体的性能特征。工程师们把大约400口井与它们目前的位置对应起来，放在模型地图上。模型中的所有井都是由与现实生活中相同的基础设施连接：输油管网、水管、道路和电线。模型启动后，代表油井的智能体就开始产油，通过Excel表格将数据集上传到模型中。

可以在模型中设置以下参数：

• 井的技术操作模式

• 预测含水量

• 井口的套管头气体量

• 计算财务指标所需的石油和天然气成本

高度精细的模型可以更好地优化油井，并对每口油井进行收入和成本评估，例如，原材料运输成本、地层压力保持成本、电力成本、员工成本和维护成本。

当模型准备好时，开发人员模拟了一年的存款运营情况。

最终，炼油厂仿真模型确定了经济效益低下的油井以及没有维护和改造意义的油井。

另外，该模型还可以实时评估一口油井的故障对邻近油井经济性能的影响。同时，炼油厂仿真模型还考虑了总成本的再分配，以及由于管道压力变化而导致的相邻油井提油能耗的降低。

工程师将模型作为一个独立的应用程序导出，以便与客户进行交流。您可以在线运行精炼厂优化模型的简化版本。

上传的简化版炼油厂优化模型

项目的下一阶段，该模型将与矿床的运营数据相链接，成为一个全功能的炼油厂优化数字孪生，实现基于实时数据的仿真场景。公司计划将其用于以下目的：

• 在年度时间范围内对每口油井进行经济绩效评估

• 油井大修经济效果评估

• 评估关闭或保留一口油井将对其他油井的技术和经济指标有何影响

数字孪生模型的实施将使存款的运营成本每年减少100万美元。一旦工具在一个企业专用基金存款中实施，便可以对其进行重新调整，以便在其他专用基金存款中进一步使用。