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

Geostyring, dvs. evnen til å finjustere brønnposisjonering i sanntid, øker brønnverdien og reduserer risiko. Geostyring er avgjørende for petroleumsbrønner, og aktuelt for andre operasjoner som geotermiske prosjekter, horisontalboring av brønner og tunneler, samt CO2-lagringsbrønner. Nåværende geostyringsbeslutninger bygger på rask manuell tolkning av sanntidsdata med hensyn til modeller, geologi og tilknyttet usikkerhet. Men, ifølge Rassenfoss (2022, SPE JPT) har personen ansvarlig for geostyring svært begrenset tid til å tolke innkommende data, langt mindre å vurdere usikkerheten. Avanserte ensemble-metoder er kjernen i lukket-løkke reservoarstyring (EnCLRM), den nye standarden for automatisk optimalisering av petroleumsfelt under usikkerheten. EnCLRM er dessverre ikke rask nok for geostyring i sanntidsoperasjoner pga. kompleksiteten i geomodellering. Dette kan løses med nye generativt nettverks (GN) geomodeller som "lærer geologi" før boreoperasjon og har ytelse på under ett sekund. GN-geomodellene vil muliggjøre sanntids data-assimilering og gi støtte til beslutninger. DISTINGUISH vil utvikle disse teknologiene i en geostyringsarbeidsflyt. Prosjektet introduserer ny tankegang ved å erstatte "deteksjonsdybde" med "prediksjonsavstand" og sannsynlighetsbetinget beslutningsstøtte. Vi planlegger tidlig testing med data fra operasjonelle felt. Vi vil inkludere fremtidige teknologibrukere for å akselerere adopsjon av arbeidsflyten. DISTINGUISH håndterer utfordringer knyttet til brønnplassering som påpekt i "Olje og gass for det 21. århundre" maskinlæringsrapporten. Ifølge rapporten vil bedre brønnplassering føre til oppdagelser på den norske kontinentalsokkelen, gi økt netto nåverdi fra boring og betydelig redusere CO2-utslipp.

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.