logo
  • Головна
  • Статті та випуски
    • Поточний випуск
    • Архів
  • Про журнал
    • Цілі та проблематика
    • Редакційна колегія
    • Індексація журналу
  • Для авторів
    • Подання статті
    • Умови публікації
    • Загальні вимоги до оформлення рукописів
    • Процес рецензування
    • Договір про передачу прав від автора до видавця
    • Збори та фінансування
  • Етика та політики
    • Публікаційна етика
    • Конфлікт інтересів
    • Політика відкритого доступу
    • Політика архівування матеріалів
    • Політика скарг
    • Положення про конфіденційність
    • Положення про відкликання публікацій
    • Політика антиплагіату
    • Політика використання генеративного ШІ
  • Контакти
  • uk
    • English

Розвідка та розробка нафтових і газових родовищ

  • Подати статтю
  • Головна
  • Статті та випуски
    • Поточний випуск
    • Архів
  • Про журнал
    • Цілі та проблематика
    • Редакційна колегія
    • Індексація журналу
    • Джерела фінансування
  • Для авторів
    • Подання статті
    • Умови публікації
    • Загальні вимоги до оформлення рукописів
    • Процес рецензування
    • Редакційні збори
    • Договір про передачу прав від автора до видавця
  • Етика та політики
    • Публікаційна етика
    • Конфлікт інтересів
    • Політика відкритого доступу
    • Політика архівування матеріалів
    • Політика скарг
    • Положення про конфіденційність
    • Положення про відкликання публікацій
    • Політика антиплагіату
    • Політика використання генеративного ШІ
  • Пошук
  • Контакти

Стаття

Застосування DEoptim для оптимізації інгібіторів корозії в умовах HPHT: теоретичний огляд сучасних підходів

Андрій Грицанчук, Віталій Григоришин
Анотація

Корозія нафтогазового обладнання залишається критичною проблемою галузі зі щорічними втратами $1,372 мільярда. Умови високого тиску та високої температури (HPHT) значно ускладнюють розробку ефективних інгібіторів корозії через підвищену агресивність середовища та деградацію традиційних захисних сполук. Метою дослідження було проведення теоретичного аналізу потенціалу застосування методу диференційної еволюції (DEoptim) для багатоцільової оптимізації параметрів інгібіторів корозії в екстремальних умовах HPHT. Методологія дослідження включала систематичний огляд наукової літератури з використанням баз даних Scopus, Web of Science та Google Scholar за період 2019-2024 років, порівняльний аналіз методів комп’ютерного моделювання, теоретичний аналіз оптимізаційних підходів та синтез інформації для формулювання рекомендацій. У роботі систематизовано сучасні підходи до комп’ютерного моделювання інгібіторів, включаючи квантово-хімічні розрахунки, молекулярну динаміку та машинне навчання. Було проведено аналіз специфічних викликів HPHT-середовищ, де температури перевищували 150 °C, а тиск – 69 МПа. Розглянуто переваги еволюційних алгоритмів для навігації в складному багатовимірному просторі параметрів інгібіторів. Обґрунтовано теоретичні засади використання DEoptim для одночасної оптимізації ефективності інгібування, термічної стабільності, екологічної прийнятності та економічної доцільності. Аналіз продемонстрував, що DEoptim забезпечував вищу надійність та багатоцільові можливості порівняно з традиційними градієнтними та генетичними алгоритмами, особливо для HPHT-застосувань. Дослідження запропонувало нову концепцію інтеграції DEoptim з квантово-хімічними розрахунками та машинним навчанням для створення гібридних оптимізаційних платформ, що потенційно зменшує обчислювальні витрати до 60 % при підвищенні ефективності відкриття інгібіторів. Результати показали, що застосування DEoptim забезпечувало систематичний пошук оптимальних формулювань інгібіторів, скорочувало кількість необхідних експериментів та дозволяло виявляти неочевидні синергетичні комбінації компонентів для HPHT-застосувань

Завантажити статтю

Отримано 12.12.2025

Доопрацьовано 30.03.2026

Прийнято 29.05.2026

Опубліковано 29.06.2026

https://doi.org/10.63341/pdogf/1.2026.08
Взято з Том 26, № 1, 2026
Сторінки 8-15

ЦИТУВАТИ

Hrytsanchuk, A., & Hryhoryshyn, V. (2026). Application of DEoptim for corrosion inhibitor optimisation in HPHT conditions: Theoretical review of modern approaches. Prospecting and Development of Oil and Gas Fields, 26(1), 8-15. https://doi.org/10.63341/pdogf/1.2026.08

Використані джерела

  1. Ameh, E.S., Ikpeseni, S.C., & Lawal, L.S. (2017). A review of field corrosion control and monitoring techniques of the upstream oil and gas pipelines. Nigerian Journal of Technological Development, 14(2), 67-73. doi: 10.4314/njtd.v14i2.5.
  2. Association for Materials Protection and Performance. (n.d.). Oil and gas production. Retrieved from https://www.ampp.org/resources/oil-gas.
  3. Budi, S., Akrom, M., Al Azies, H., Sudibyo, U., Sutojo, T., Trisnapradika, G.A., Safitri, A.N., Pertiwi, A., & Rustad, S. (2024). Implementation of polynomial functions to improve the accuracy of machine learning models in predicting the corrosion inhibition efficiency of pyridine-quinoline compounds as corrosion inhibitors. KnE Engineering, 6(1), 78-87. doi: 10.18502/keg.v6i1.15351.
  4. Finšgar, M., & Jackson, J. (2014). Application of corrosion inhibitors for steels in acidic media for the oil and gas industry: A review. Corrosion Science, 86, 17-41. doi: 10.1016/j.corsci.2014.04.044.
  5. King, G.E. (2010). Industry 1970s study: Causes of petroleum‑related failures. Retrieved from https://www.scribd.com/document/373466362/Reliability-of-Downhole-Equipment.
  6. Kumari, P., & Lavanya, M. (2024). Optimization strategies for corrosion management in industries with artificial neural network and response surface technology: A comprehensive review. Journal of Bio- and Tribo-Corrosion, 10, article number 59. doi: 10.1007/s40735-024-00863-z.
  7. Leach, A.R. (2011). Cheminformatics and computational chemistry in lead optimisation. Journal of Cheminformatics, 3(1), article number O5. doi: 10.1186/1758-2946-3-S1-O5.
  8. Li, D., et al. (2023). Corrosion inhibition mechanism of ultra-high-temperature acidizing corrosion inhibitor for 2205 duplex stainless steel. Materials, 16(6), article number 2358. doi: 10.3390/ma16062358.
  9. Malinowski, S. (2022). Computational design of anticorrosion properties of novel, low-molecular weight Schiff bases. Materials, 15(19), article number 6725. doi: 10.3390/ma15196725.
  10. Okon, K., Ekeke, I.C., Maduabuchi, C.A., Ayogu, I.I., Azeez, T.O., & Akalezi, C.O. (2025). Recent advances in the use of metal oxides as corrosion inhibitors: A review. Corrosion and Material Protection Journal, 69(1), 14‑33. doi: 10.2478/kom-2025-0003.
  11. Padmanabhan, E., Jayasangar, T., & Gamage, R.P. (2023). Digitalization in the oil and gas industry. In J. Watada, S.C. Tan, P.-C. Lin, H. Yano, Y. Yabuuchi, E. Padmanabhan & L.C. Jain (Eds.), Advances in energy research and development: Volume 2: Unconventional methods for geoscience, shale gas and petroleum in the 21st century (pp. 1‑7). Amsterdam: IOS Press. doi: 10.3233/AERD230002.
  12. Popoola, L.T., Grema, A.S., Latinwo, G.K., Gutti, B., & Balogun, A.S. (2013). Corrosion problems during oil and gas production and its mitigation. International Journal of Industrial Chemistry, 4(1), 1-15. doi: 10.1186/2228-5547-4-35.
  13. Ren, C., Ma, L., Luo, X., Dong, C., Gui, T., Wang, B., & Zhang, D. (2023). High‑throughput assessment of corrosion inhibitor mixtures on carbon steel via droplet microarray. Corrosion Science, 213, article number 110967. doi: 10.1016/j.corsci.2023.110967.
  14. Roustant, O., Ginsbourger, D., & Deville, Y. (2012). DiceKriging, DiceOptim: Two R packages for the analysis of computer experiments by kriging-based metamodelling and optimisation. Journal of Statistical Software, 51(1), 1-55. doi: 10.18637/jss.v051.i01.
  15. Roy, A., Taufique, M.F.N., Khakurel, H., Devanathan, R., Johnson, D.D., & Balasubramanian, G. (2022). Machine-learning-guided descriptor selection for predicting corrosion resistance in multi-principal element alloys. NPJ Materials Degradation, 6, article number 9. doi: 10.1038/s41529-021-00208-y.
  16. Saji, V.S. (2010). A review on recent patents in corrosion inhibitors. Recent Patents on Corrosion Science, 2(1), 6-12. doi: 10.2174/1877610801002010006.
  17. Samimi, A., Zarinabadi, S., & Bozorgian, A. (2021). Optimization of corrosion information in oil and gas wells using electrochemical experiments. International Journal of New Chemistry, 8(2), 149-163. doi: 10.22034/ijnc.2020.116946.1066.
  18. Sastri, V.S. (2011). Green corrosion inhibitors: Theory and practice. Hoboken: John Wiley & Sons. doi: 10.1002/9781118015438.
  19. Song, H., Lee, K., Song, B.C.R., & Xue, J. (2023). The performance tests of HPHT corrosion inhibitor at onshore downhole sour conditions. In Proceedings of the CONFERENCE 2023 (pp. 1-14). Denver: AMPP. doi: 10.5006/C2023-19242.
  20. Unueroh, U., Omonria, G., Efosa, O., & Awotunde, M. (2016). Pipeline corrosion control in oil and gas industry: A case study of NNPC/PPMC system 2A pipeline. Nigerian Journal of Technology, 35(2), 317-320. doi: 10.4314/njt.v35i2.11.
  21. Verma, C., Ebenso, E.E., Quraishi, M.A., & Hussain, C.M. (2021). Recent developments in sustainable corrosion inhibitors: Design, performance and industrial scale applications. Materials Advances, 12(2), 3806-3850. doi: 10.1039/D0MA00681E.
  22. Ziębik, A., & Hoinka, K. (2013). Mathematical modeling and optimization of energy systems. In Energy systems of complex buildings, green energy and technology (pp. 29-58). London: Springer‑Verlag. doi: 10.1007/978-1-4471-4381-9_3.

Івано-Франківський національний технічний університет нафти і газу 76019, вул. Карпатська, 15, м. Івано-Франківськ, Україна

  • nung@pdogf.com.ua