Tilbake til søkeresultatene

PETROMAKS2-Stort program petroleum

DISTINGUISH: Decision support using neural networks to predict geological uncertainties when geosteering

Alternativ tittel: DISTINGUISH: Beslutningsstøtte ved bruk av nevrale nettverk for å forutsi geologiske usikkerheter ved geostyring

Tildelt: kr 16,0 mill.

Geostyring, dvs. evnen til å finjustere brønnposisjonering i sanntid, øker brønnverdien og reduserer risiko. Geostyring er avgjørende for petroleumsbrønner og er også relevant for andre operasjoner som geotermiske prosjekter, horisontalboring av brønner og tunneler, samt CO2-lagringsbrønner. Dagens beslutninger innen geostyring baseres på rask manuell tolkning av sanntidsdata, hvor det tas hensyn til forhåndsmodellering, geologiske forhold og tilhørende usikkerhet. Ifølge Rassenfoss (2022, SPE JPT) har imidlertid personen med ansvar for geostyring knapt nok tid til å tolke de innkommende dataene, langt mindre til å vurdere usikkerheten i dem. Avanserte ensemble metoder er kjernen i lukket-løkke reservoarstyring (EnCLRM), den nye standarden for automatisk optimalisering av petroleumsfelt under usikkerhet. EnCLRM er imidlertid ikke rask nok til sanntidsoperasjoner på grunn av kompleksiteten i geomodelleringen. Dette planlegger vi å løse ved hjelp av nye generative nettverks (GN) geomodeller som "lærer geologi" før boreoperasjonen og har ytelse på under ett sekund. GN-geomodellene vil åpne for neste generasjons data-assimilering og gi grunnlag for nye AI-drevne beslutningsstøttesystemer. I 2024 presenterte vi en første versjon av en kombinert arbeidsflyt for sanntids data-assimilering og beslutningstaking under boring med GN-geomodeller. Denne arbeidsflyten integrerer GN-geomodeller for geologisk parameterisering, ensemble metoder for modell oppdateringer og global optimalisering for beslutningsstøtte. Ved trinnvis reduksjon av usikkerhet med sanntidsdata forbedres prediktive modeller av geologi foran borekronen, noe som fører til mer presise styringsbeslutninger. DISTINGUISH-arbeidsflyten omdefinerer dermed geostyring ved å flytte fokuset fra "deteksjonsdybde" til "prediksjonsavstand," som igjen informerer sannsynlighetsbetinget beslutningsstøtte. Vi planlegger tidlig testing på feltdata og med fremtidige teknologibrukere for å akselerere adopsjonen. DISTINGUISH løser forskningsutfordringer knyttet til brønnplassering, slik det fremgår av maskinlæringsrapporten "Olje og gass for det 21. århundre." Ifølge rapporten kan bedre brønnplassering føre til flere funn på norsk kontinentalsokkel, økt netto nåverdi fra boring og gi betydelige CO2-reduksjoner.

The ability to fine-tune well positioning in real-time through geosteering increases the potential value of wells and minimizes risks. Geosteering is essential for petroleum and penetrates other types of drilling, including geothermal projects, civil wells and tunnels, and soon CO2 storage wells. Currently, geosteering decisions rely on fast-paced manual interpretation of real-time data, which needs to consider pre-job modeling, geological setting, and embedded uncertainties. “Given the pace of drilling, the person in charge of geosteering is hard-pressed just to interpret the incoming data, much less contemplating the uncertainty in it” (Rassenfoss, 2022, SPE JPT). Following the newest trends in the industry geosteering workflow of the future shall capture and update uncertainty in an ensemble of geomodels. The most advanced ensemble methods are the core of closed-loop reservoir management (EnCLRM), the new standard for optimizing the development of petroleum fields. However, EnCLRM is not fast enough for real-time operations due to the involved geomodelling complexity. We plan to remove this complexity by creating new Generative-Network (GN) geomodels. GN-geomodels “learn geology” before the operation and have sub-second performance. They unlock next-generation data assimilation and new predictive decision-support AI. DISTINGUISH will develop these technologies and combine them into the “geosteering workflow of the future.” It proposes a new way of thinking substituting “depth of detection” with “distance of prediction” and probabilistic decision support. We plan early testing on field data and with future technology users to accelerate adoption. DISTINGUISH addresses research challenges related to well placement from an Oil-&-Gas-21 machine-learning report. According to the report, better well placement may lead to additional discoveries on the Norwegian Continental Shelf, an increased net present value from drilling, and significant CO2 emission reductions.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

PETROMAKS2-Stort program petroleum