إدماج الفنون الاستخبارات في مجال استخدام الغازات في استخدام أمثل Algorithms

استخدام الغازات على الوجه الأمثل في الميدان الذكي

إن نظم رفع الغاز هي طريقة رئيسية للرفع الاصطناعي تستخدم في جميع الأصول الناضجة والموجودة في المياه العميقة على الصعيد العالمي، وهذا المبدأ واضح: فالغاز العالي الضغط يُحقن في الوعاء من أجل خفض كثافة العمود السوائل، والحد من الضغط في قاع الكول، والسماح لسوائل المستودعات بالتدفق إلى السطح، وفي حين أن الفيزياء مفهومة فهما جيدا، فإن التحدي التشغيلي المتمثل في تحديد معدل الحقن المثالي لكل شكل من أشكال الخزن في شبكة مجم في إطار دينامية.

ويعتمد الترميز التقليدي اعتماداً كبيراً على تحليل النوادي والاختبارات الدورية للآبار، ويقوم المهندسون ببناء نماذج ثابتة للدول واستخدامهم لتحديد معدلات الحقن المستهدفة، وتعديل الاختناق يدوياً أو من خلال التغييرات في نظام مراقبة التخصيب، ويفرض هذا النهج قيوداً كبيرة، ويفترض وجود ظروف ثابتة، ويكافحون مع عدم استقرار التدفق، ولا يمكن أن يتفاعل بسرعة مع الأحداث المتقلبة مثل التكييف المستمر.

ولا يتعلق إدماج نظام المعلومات الإدارية المتكامل بالاستعاضة عن الحكم الهندسي بل بزيادة عدد أعضائه بسرعات التعرف على النمط البشري الخارق وبرد الفعل، وتبحث هذه المادة المنهجيات المحددة التي يجري نشرها، وهيكل البيانات المطلوب، والعقبات العملية للتنفيذ الميداني، والقيمة التجارية التي تُفتح مع تطور نظم رفع الغاز من الأصول المثلى يدويا إلى المكونات الذكية المستقلة تماما في ميدان النفط الرقمي.

مؤسسة نظام بيع الغازات

ومن المهم أولاً، من أجل فهم المكان الذي توفر فيه مبادرة AI أكبر قيمة، استعراض القياسات المحددة والميكانيكيات التشغيلية التي تحدد أداء رفع الغازات، والتفاؤل ليس فقط بشأن تحقيق أقصى قدر من إنتاج النفط؛ بل يتطلب تحقيق التوازن بين إجمالي الإنتاج السائل، وتكاليف حقن الغاز، والقيود المفروضة على خفض الخزانات، والموثوقية في المعدات.

مؤشرات الأداء الرئيسية للسرقة من الغازات

وتتركز الأهداف التقنية الرئيسية في مجال رفع الغاز على منحنى أداء رفع الغاز، وهذا المنحنى عادة ما يرسم أسعار النفط أو الإنتاج السائل مقابل معدل حقن الغاز، وتبين الاستجابة التقليدية ارتفاعا حادا في الإنتاج مع بدء الحقن، يليه تسطح أو ذروة، وفي نهاية المطاف انخفاض إذا حدث الإفراط في الحقن بسبب زيادة الاحتكاك في التربة، والهدف هو العمل بكل بئر على حدة.

• Production Uplift:] The incremental oil rate attributed to optim injection.
• Gas Utilization Efficiency:] The ratio of oil produced to gas injected, often measured in standard cubic feet per barrel (scf/bbl).
• Injection Gas Pressure:] Maintaining adequate manifold pressure to supply the deepest injection valves.
• Drawdown Management:]تجنب السحب المفرط الذي يمكن أن يؤدي إلى إنتاج الرمال، أو تكديس المياه، أو إلحاق الضرر بالتشكيل.

ويستخدم الاستخدام الأمثل التقليدي برامجيات تحليل العقيدات لتحفيز هذا المنحنى، ويضبط الدليل الهندسي بارامترات مثل خفض المياه، ونسبة البنزين، ومؤشر الإنتاجية استنادا إلى اختبارات دورية جيدة، وينتج عن ذلك نموذج مقطع، كثيرا ما يكون عتيقا في غضون أيام أو أسابيع مع تطور ظروف الخزان.

حدود تدفقات العمل المثلى

تواتر الاختبارات الجيدة في معظم الميادين غير كاف للحفاظ على نموذج دقيق، قد يختبر الأصول مرة واحدة في الشهر، مما يترك 29 يوما من العمل مسترشدا بالافتراضات، علاوة على أن التفاعل بين البئر الذي يتقاسم المنابع المشتركة معقد، وتعديل معدل الحقن يغير الضغط المتناثري، ويؤثر على كل بئر في النظام، وهذا السلوك المزدوج يصعب تحقيق أفضلية في الإنتاج اليدوي.

AI and Machine Learning Architectures for Gas Lift

تطبيق "إى" في رفع الغاز ليس تكنولوجيا واحدة بل مجموعة من هياكل التعلم الآلي، كل واحد يناسب جانب محدد من المشكلة، اختيار النموذج الصحيح وإدماجه في منطق التحكم القوي هو التحدي الهندسي الأساسي.

التعليم المشرف على نماذج المحترفين

أكثر نقاط الدخول شيوعاً لـ (آي آي) في مجال الوقود هي إنشاء نماذج بديلة بدلاً من استخدام محفز مادي، شبكة عصبية أو نموذج شجر مُغَطَّر على البيانات الميدانية التاريخية للتنبؤ بأدائها، وتشمل التنبؤات ضغط الحقن، ومعدل الحقن، وضغط الرأس على الأسقف، وقطع الماء، وGOR.

وحالما يتم تدريبه وإقراره، فإن هذا النموذج البديل يمثل بديلا سريع المفعول للنموذج الفيزيائي، ويمكنه تقييم آلاف السيناريوهات الافتراضية في ثوان، وتحديد معدل الحقن الذي يزيد الإنتاج إلى أقصى حد في ظروف التشغيل الحالية، والميزة الرئيسية هي أن النموذج يتعلم ضمنا سلوك العالم الحقيقي للبئر، بما في ذلك الدقات مثل آثار الحرارة والتدهور الصمامي الذي لا يُستخدم على نطاق واسع.

تعزيز التعلم من أجل مراقبة النوافذ المغلقة

ويمثل التعلُّم في مجال تعزيز الطاقة تقدماً كبيراً على النماذج البديلة الخاضعة للإشراف، وفي إطار القانون RL، يتعلم " الوكلاء " اتخاذ قرارات متتالية بالتفاعل مع بيئته، وفي سياق رفع الغاز، تكون البيئة هي المرفق الجيد والسطحي، ويتخذ الوكيل إجراءات (تكييف الصمام المحصن للغاز + صمامات الخنق) ويتلقى تعليقات في شكل إشارة ضغط (مثلاً، سعر الصرف).

ومن خلال المحاكاة المتكررة والمحاكمة والتحرير، يتعلم وكيل القانون الإقليمي سياسة مثلى لمراقبة الاختناق في ظروف مختلفة، وهذا أمر قوي للغاية لإدارة الأحداث العابرة، فعلى سبيل المثال، يمكن لوكيل من عناصر السياسة العامة أن يتعلم، خلال حدث مُحدّد، أن يقلّل مؤقتا من الحقن لمنع الفيضانات التي تُمارس في المُنفصل، ثم يتراجع بشكل مستقل، وهذا المستوى من السيطرة الدينامية الآلية مستحيل تحقيقه مع قاعدة المصطلح " PID " .

شبكات الظواهر العصبية المُطلعة على الفيزياء

المخاطرة المعترف بها للنماذج المحفزة على البيانات هي نزوعهم إلى الفشل عندما يواجهون بيانات خارج توزيعهم التدريبي (مثل اختبار جيد في ضغط خزان جديد أقل).

ويعاقب النموذج ليس فقط على عدم الدقة في البيانات التاريخية، بل أيضا على انتهاك القوانين المادية مثل التوازن الجماعي، والتوازن في الزخم، وتوازن الطاقة، ونتيجة لذلك نموذج هجين يجمع بين مرونة التعلم الآلات وبين قوة الفيزياء، ويمكن أن تُسترجع نظم المعلومات الأساسية على نحو أكثر موثوقية من الشبكات العصبية الموحدة، ويحتاج إلى بيانات أقل من التدريب للوصول إلى مستوى عال من الدقة، وهي تظهر كمنهجية رقمية رائدة لبناء مصعد موثوق به.

بنية البيانات الأساسية والتكامل في مجال التكنولوجيا التشغيلية

إن نشر خوارزميات AI في بيئة رفع الغاز يتطلب خطاً قوياً للبيانات، ونموذجاً ذا أداء أعلى لا قيمة له إذا كان مغذياً أو مسبباً أو مفقوداً، ويجب أن تمتد البنية التحتية من جهاز الاستشعار في القاع إلى السحابة (أو الحافة) والعودة إلى صمام التحكم.

اقتناء البيانات العالية التردد ومراقبة الجودة

فالحل الزمني للبيانات أمر حاسم، إذ أن اقتراع النظم التقليدية للمسح السطحي للأخشاب قد يفوت كل دقيقة الضغط الذي يسبق التدفق أو الفشل الصمامي، وكثيرا ما يتطلب الاستخدام الأمثل بيانات من الثانية أو الثانية الواحدة لضغط الثقوب ومعدلات التدفق السطحي، كما أن قياسات التدفق المتعددة المراحل لا تقدر بثمن بالنسبة لتوفير معدلات مستمرة للنفط والمياه والغاز، مما يقلل الاعتماد على معدلات التواتر في فترة ما بعد انتهاء الخدمة.

إن نوعية البيانات هي أكبر عقبة عملية، إذ أن أجهزة الإرسال المتجمدة والمتجمدة والمسرّبات الموصلية شائعة، ويجب أن يشمل خط الأنابيب الأوتوماتيكي وحدات التحقق من البيانات، وتستخدم تقنيات مثل التدفئة في المتوسطات، وترشيح كالمان لدمج أجهزة الاستشعار، وتستعمل أجهزة التكتل الآلي للكشف عن الشذوذ لتنظيف تدفق البيانات قبل دخوله إلى محرك الترشيد.

Edge vs. Cloud Computing Architectures

فالعملية هي قرار تصميمي حاسم، أما بالنسبة لمراقبة الغلق (حيث تعدل الوكالة الاختناق مباشرة)، فيجب أن يُدار النموذج على فترات زمنية أو على جهاز حافة لضمان أوقات الاستجابة دون الثانية وعملية الفشل، ويُستخدم في حساب السحاب، مع أن ذلك ينطوي على قوة لتدريب النماذج المعقدة وإجراء عمليات محاكاة واسعة النطاق، مخاطر تتعلق بالتساهل والوصل غير مقبولة بالنسبة لمراقبة الوقت الحقيقي.

ويشمل الهيكل المشترك نماذج تدريبية في السحابة باستخدام البيانات التاريخية، ثم نشر محرك الاستطلاع المدربين على جهاز حافة (مثلاً جهاز إي بي سي المزدحم أو وحدة عسكرية ذكية) يقع في الرواق أو المنصة، ويعالج جهاز الحافة الاستخدام الأمثل للأفضليات والسيطرة في الوقت الحقيقي، بينما يتولى نظام السحب تجميع البيانات وإعادة التدريب النموذجي والتصوير للمهندسين.

دمج التوائم الرقمية لأغراض المحاكاة والتقدير

وقبل أن يتم إصدار توصية من منظمة العفو الدولية على بئر حي، من الحكمة اختبارها ضد توأم رقمي، والتوائم الرقمي هو نموذج محاكاة دينامية عالية القيمة يعكس الحالة الراهنة للموجودات المادية، ويقترح خوارزمية AI معدلا جديدا لحقن، ويحاكي التوأم الرقمي النتيجة، ويتحقق من انتهاكات حدود التشغيل (مثلا، ضغط الهندسة القصوى، ومعدل التدفق الأدنى تلقائيا).

تحديات التنفيذ والعقبات في الميدان

ورغم الإمكانات التقنية الواضحة، فإن نشر رفع الغازات التي تحركها الوكالة الدولية للطاقة الذرية ليس بدون عقبات كبيرة، وهذه التحديات تنظيمية بقدر ما هي تقنية.

سجّالة البيانات ووضع العلامات عليها

وفي حين أن البيانات الميدانية وفرة، فإن البيانات ذات الجودة العالية نادرة، فالاختبار الجيد يوفر قياسا دقيقا لمعدلات تدفق المرحلة، ولكن هذه الاختبارات غير متكررة، أما بقية الوقت، فلا بد من تقدير أو استنتاج، إذ أن التدريب على نموذج مشرف للتنبؤ بمعدل النفط يتطلب مجموعة بيانات قوية من الاختبارات الجيدة، وإذا كان للميدان تاريخ اختبار محدود، يصبح بناء نموذج دقيقا يصبح صعبا.

الصندوق الاستئماني النموذجي للتفسير والهندسة

المهندسين الميدانيين والمشغلين غالباً ما يكونون متشككين من خوارزميات "الصندوق الأسود" وشبكة عصبية قد توصي بزيادة الضغط على الحقن لكن إذا لم يتمكن المهندس من رؤية الأساس المنطقي لهذه التوصية، فمن غير المحتمل أن يثقوا بها، خاصة إذا كان ذلك يتناقض مع حدسهم، توفير متغيرات النموذج ضرورية، أدوات مثل ثقافات البناء الاصطناعية

التكامل مع نظم مراقبة الجراثيم

العديد من أصول نقل الغازات تخضع لنظم قديمة من قبل شركة PLC أو DCS، والتي تبلغ من العمر عقوداً، فإدماج محرك حديث للإستعانة بأجهزة التفجير الآلي مع هذه النظم يتطلب في النهاية تطوير نظام مبرمجيات متوسطة أو نظام معلومات مختصرة، ويجب أن تتبع بروتوكولات الأمن السيبرى بدقة لتجنب تعريض الشبكة التشغيلية لأوجه الضعف، ويجب تصميم نظام AI على أنه طبقة " مشرف " في البداية، وتقديم توصيات إلى المشغلة تشغيلية، قبل أن تتقدم في نظام مراقبة

أثر الأعمال التجارية والعودة على الاستثمار

والاستثمار في رفع الغازات التي تحركها الوكالة الدولية للطاقة الذرية مبرر بتحسينات تشغيلية قابلة للقياس تؤثر مباشرة على خط القاع، وتنظر إلى العائدات عادة في غضون أشهر من الانتشار.

مصنع رفع مستوى الإنتاج واسترداده

ويفيد المشغلون باستمرار عن زيادة إجمالي الإنتاج السائل من آبار رفع الغاز المأخوذة من ذخيرة الغاز المأخوذة من ذخيرة مستعملة من طراز AI إلى 8 في المائة مقارنة بالتفاؤل اليدوي التقليدي، ويأتي هذا الارتفاع من تحديد المعدل الأمثل الحقيقي للحُقن ديناميا، بدلا من الاعتماد على نقطة ثابتة، ومن خلال الحفاظ على الخفض الأمثل في جميع المجالات، تتحسن أيضا عوامل الاستعادة العامة، نظرا لأن المستودعات تُستنفد بمزيد من الكفاءة.

خفض النفقات التشغيلية

ويؤدي استخدام الطاقة الذرية إلى خفض تكاليف التشغيل إلى الحد الأمثل، ويقلل حجم الحقن إلى الحد الأمثل من كمية غازات الرفع المطلوبة، ويخفض استهلاك الوقود المضغوط، ويحرر هذا الغاز للبيع، ويضيف مباشرة الإيرادات، وبالإضافة إلى ذلك، يؤدي التلقائية إلى الحد من التدخلات الجيدة من خلال منع ظروف التشغيل الضارة، والحد من تواتر فترات العمل واستبدال الصمامات، كما أن تخفيض ساعات الهندسة التي تنفق على تقدير أعلى يدوياً، ورفع مستوى الموظفين الماهرين.

الأداء البيئي والاعتماد

ومن خلال تثبيت معدلات الحقن والإنتاج، تخفض منظمة العفو الدولية الأحداث المشتعلة وتخفض إلى أدنى حد من تهوية غازات الدفيئة، وتصبح النظم المثلى أكثر أماناً في الأصل لأنها تعمل في ظل ضغوط مستقرة مع عدد أقل من الأحداث العابرة، وتتيح التشخيصات الافتراضية، وهي فائدة ثانوية من الرصد المستمر المطلوب من أجل منظمة العفو الدولية، للمشغلين تحديد القضايا مثل الصمامات المسربة أو أجهزة الاستشعار المتدهورة قبل أن يتسببوا في حدوث فشل، وتحسين موثوقية العامة للنظام وسلامته.

المسارات المستقبلية في مجال بيع الغازات الذكية

ولا يزال إدماج مبادرة التنفيذ في عملية رفع الغاز في مراحلها الأولى، وستركز موجة التنمية التالية على توسيع نطاق الاستقلال الذاتي وإدماج رفع الغاز إلى الحد الأمثل في استراتيجية أوسع للإدارة الميدانية.

وننتقل إلى مستوى الحكم الذاتي الكامل حيث يكون نظام آي مسؤولة عن تحقيق الحد الأمثل ليس فقط من معدل حقن رفع الغاز، بل أيضا اختيار وتفعيل صمامات مختلفة مناقلة الغاز، ومراقبة الكوكائين الهش، والتنسيق مع عمليات الاختبارات الجيدة، وهذا المستوى من التشغيل الآلي جذاب بشكل خاص بالنسبة للآبار الواقعة تحت البحر والأرباب البعيدة على الشاطئ، حيث يكون التدخل البشري مكلفا وصعبا.

وعلاوة على ذلك، ستؤدي الخوارزميات إلى زيادة رفع الغاز على مستوى الشبكة إلى الحد الأمثل، وتحقيق التوازن بين تخصيص الغازات المحدودة العالية الضغط بين عشرات الآبار أو مئات الآبار في الوقت الحقيقي لتحقيق أقصى قدر من الإيرادات الميدانية، وهي مشكلة أشد تعقيدا بكثير من الاستخدام الأمثل للزيت الواحد، وتتطلب نماذج للتعلم المعزز يمكن أن تعالج مئات متغيرات التحكم التفاعلية، حيث تنضج تكنولوجيا آي وتزداد الثقة في النظم المستقلة.