השימוש ב- AI כדי אופטימיזציה של ייצור ב- Oil Fields

תעשיית הנפט והגז נכנסה לעידן חדש שבו אינטליגנציה מלאכותית כבר אינה חידוש אלא צורך אסטרטגי, במיוחד עבור שדות הנפט הבוגרים.נכסים ההזדקנות האלה, אשר מייצרים פחמימנים במשך עשרות שנים, מאופיינים בירידה בתפוקה, קיצוץ במים, ואתגרי תת-קרקעי מורכבים כדי להתגבר על אתגרים ספציפיים של ניהול AI, החל ממחשב ועד למידה עמוקה וניתוח מתקדם - מועברים כעת כדי לנשום חיים חדשים לתוך שדות אלה, כל שלב של ייצור של חומרים דיגיטליים, כדי לנבאת מידע על פני השטח, תוך כדי לזהות את הפחתת מידע על ידי שיטות הפעלה זעירות, ועדכונים של מערכות ניהוליות.

הבנת שדות הנפט הבוגר

שדות הנפט הבוגרים הם מאגרים שהגיעו לשלב של ירידה בייצור לאחר שנים - לעתים קרובות עשרות שנים - של התאוששות ראשונית ומשתפת.בדרך כלל, שדות אלה כבר יצרו 50 עד 70 אחוזים של עתודותיהם המתאוששות, והשמן שנותר קשה ויקר יותר כדי לחלץ.מאפיינים משותפים כוללים קיצוץ מים גבוה, לחץ מאגר נמוך, נוכחות של כיסים עקפים של שמן.

המלאי העולמי של שדות הנפט הבוגר הוא משמעותי.על פי סוכנות האנרגיה הבינלאומית, רבים משדות הייצור הגדולים בעולם הם יותר מ-40 שנה, והם עדיין מהווים חלק משמעותי של היצע הכולל.העברת החיים פרודוקטיביים של נכסים אלה היא קריטית לא רק עבור אבטחת אנרגיה אלא גם למקסימום החזר על השקעות קודמות.

יישומי AI מרכזיים בשדות הנפט הבוגר

היישום של AI בתחום הנפט הבוגר משתרע על דיסציפלינות מרובות.למטה הם המקרים המשפיעים ביותר, כל אחד נתמך על ידי יישום בעולם האמיתי ומחקר בתעשייה.

תחזוקה חיזוי עבור ציוד Surface and Subsurface

אחד המקרים הנפוצים ביותר ב-AI בתעשיית הנפט הוא תחזוקה חיזוי.חיישנים משובצים במשאבות, דחוסים, שסתום, צינורות להעביר באופן קבוע נתונים על טמפרטורה, רטט, לחץ ומחזוריות למידה מכונה מנתחים נתונים אלה כדי לחזות כאשר מרכיב צפוי להיכשל, ומאפשר למפעילים לקבוע תחזוקה באופן פעיל ולא reactively. זה מקטין את הזמן, ציוד החיים, ועלויות תחזוקה נמוכות יותר.

לדוגמה, מפעיל מרכזי בים הצפוני קידם מערכת תחזוקה מבוססת בינה מלאכותית על משאבותיה הבלתי רציונאלית (ESPs) ודיווח על ירידה של 30% בשיעורי כישלון וירידה של 20% בהוצאות תחזוקה הכוללות.תוצאות דומות הושגו בשדות החוף באמצעות פלטפורמות אנליטיקה מבוססת ענן.

אופי של Reservoir ומודל

הבנת הגיאולוגיה המורכבת של שדה בוגר חיוני לאיתור אזורי שמן עקפים ועיצוב אסטרטגיות התאוששות יעילות.מאגרי מסורתיים המבוססים על סימולציה המבוססת על פיזיקה, אשר יכול להיות יקר מבחינה חישובית ומוגבל על ידי הנחות. AI טכניקות, במיוחד למידת מכונה ולמידה עמוקה, יכול להאיץ ולשפר את האיור על ידי שילוב מקורות נתונים מגוונים: תכונות סיסמיות, יומני ליבה, דגימות, היסטוריה, ובדיקות לחץ מתמשך.

לדוגמה, רשתות עצביות יכולות ללמוד את מערכות היחסים הלא ליניאריות בין ביצועים ונכסים מאגרים טובים כדי ליצור רזולוציה גבוהה ומפות פודוזיות.זה מאפשר למהנדסים לזהות "נקודות מתוקות" עבור בארות חדשות או קידוחים במסלול צדדי. Reinforcement Learning כבר הוחלו על אופטימיזציה של תבניות מים מפלסמות, תוך התאמה דינמית של קצב ההזרקה למקסימום התאוששות שמן תוך צמצום מים, בעוד ש- AI יכול להיות מ 5 אחוזים של ניהול שמן משווקים מתקדמים של חומרים אלה.

אופטימיזציה ואוטומציה

AI משמש כדי לייעל את הפרמטרים ייצור לאורך רשת טובה של שדה.על ידי עיבוד נתונים בזמן אמת ממערכות בקרה מבוזרות, מודלים AI יכולים להמליץ או להתאים באופן אוטומטי הגדרות חנק, פרמטרים, תנאי מעלית, ותנאים הפרדה כדי למקסם את השימוש תוך שמירה על מגבלות תפעוליות.זה קריטי במיוחד בתחומים בוגרים שבהם בארות יש שונות פרופילי ייצור והיכן אופטימיזציה ידנית היא לא מעשית עקב ספירה טובה (לפעמים של מאות בארות).

פלטפורמות ניתוח מתקדמות יכולות גם לבצע ניתוח שורש של זוועות ייצור.לדוגמה, אם שיעור הנפט של באר יורד לפתע בעוד שקיצוץ במים עולה, מודל בינה מלאכותית יכול לקבוע במהירות אם הגורם הוא מחיקה בקנה מידה, משקעים אספלטטן, coning, או בעיה מכנית.זה מאיץ את האבחנה ומאפשר הפעלה מיידית.אחד באגן Permian דיווח כי אופטימיזציה מופעלת AI על ידי ייצור שמן מופחתת ב 8% ללא תפוקה נוספת של שמן.

שחזור נפט משופר (EOR) ניטור ובקרה

יישום טכניקות EOR כגון שיטפון פולימר, שיטפונות, או הזריקה CO2 דורש ניטור מדויק של תנועה נוזלית ותגובה המאגר. AI יכול לשלב נתונים מייצור וזריקת בארות, מחקרים עוקבים וחיישנים בזמן אמת כדי ליצור מודל דינמי של חזית הצפה.זה מאפשר למפעילים להתאים את קצב ההזרקה וכימאים בזמן אמת, שיפור יעילות גורפת וצמצום הפסולת הכימית בתחום הבוגר בתחום הגדל ב- AI, תוך שיפור נפח של 23% מנפח מים מגובה על ידי ירידה במשקל.

גנטיקה וניהול נכסים

תאום דיגיטלי - העתק וירטואלי של השדה הפיזי - משמש יותר ויותר לצד AI כדי לדמות תרחישים תפעוליים שונים.התאום הדיגיטלי מצטבר נתונים מחיישנים, רשומות היסטוריות ומערכות תכנון, ומשתמש ב- AI כדי לחזות התנהגות בשטח בתנאים שונים. המפעילים יכולים לרוץ "מה אם" ניתוחים, כגון ההשפעה של שינוי מהירות דחיסה או לסגור היטב עבור תחזוקה, לפני קבלת החלטות גלובליות משולבות עבור השקעות גדולות של חברות ניהול נכסים, כמו גם עבור פיתוח.

היתרונות העיקריים של AI ב שדות נפט בוגרים

אימוץ AI בתחומי הנפט הבוגר מספק מגוון של יתרונות מוחשיים המשפיעים ישירות על השורה התחתונה:

  • (FLT:0) שיפור ההחלמה של ה-Efficiency:BuildFLT:1 על ידי שיפור ההבנה והאופטימיזציה של המאגר, AI מסייע לחלץ חלק גדול יותר של הנפט המקורי במקום.מחקרים מראים כי בינה מלאכותית יכולה להגביר את גורמי ההתאוששות ב-5-15% בתחומים בוגרים בהשוואה לשיטות קונבנציונליות.
  • עלויות התפעול של FLT:0 (העברה:FLT:1) תחזוקת החיזוי מורידה את עלויות הפחתת זמן ותיקון.אוטומציה מפחיתה את הצורך בהתערבות ידנית, ותהליכי הזרקת המותאמים לייעל את השימוש הכימי והאנרגיה.
  • (FLT:0) Extended שדה Life:FLT:1 , התאוששות יעילה וניהול פרואקטיבי יותר מאפשרים שדות להישאר בר קיימא מבחינה כלכלית במשך זמן רב יותר. כמה תחומים שהיו ליד נטישה הוקדשו באמצעות AI מונחה ב-Afill קידוח פרויקטים EOR.
  • (FLT:0) שיפור הבטיחות והביצוע הסביבתי: ההרחבה 1 (Everph:1) אירועים פחות לא מתוכננים ובקרת תהליכים טובה יותר מובילה פחות דליפות, שפך ופליטות. AI תומכת גם במניטור פליטות, ומסייעת למפעילים לעמוד בדרישות רגולטוריות ומטרות קיימות תאגידיות.
  • מערכות בינה מלאכותית יכולות לנתח נתונים ולספק המלצות תוך דקות, בעוד שניתוח ידני מסורתי עשוי לקחת ימים או שבועות.מהירות זו חיונית בסביבות בעלות גבוהה בחו"ל שבו כל שעה של ייצור תת-אופטימי משמעו אובדן הכנסות משמעותי.

אתגרים ושיקולים

למרות היתרונות הבלתי ניתנים להכחשה, שילוב בינה מלאכותית לשדות הנפט הבוגר אינו ללא מכשולים. המפעילים חייבים לנווט מספר אתגרים:

איכות נתונים וזמינות

מודלים של בינה מלאכותית הם רק טובים כמו הנתונים שהם מאומן עליהם.תחומים בוגרים רבים יש עשרות שנים של נתונים מאוחסנים במערכות מורשת, לעתים קרובות עם פורמטים לא עקביים, חסרים ערכים, או שגיאות מדידה. ניקוי ופגיעה בנתונים אלה היא מאמץ רב-צדדי. יתר על כן, נתונים בזמן אמת מחיישנים עשויים לסבול מסחף או להיכשל לחלוטין.ללא ניהול נתונים חזק בדיקות איכות, תחזיות AI יכולות להיות מטעה.

השקעה ראשונה

פריסת פתרונות AI דורש השקעה בחיישנים, תשתיות נתונים, מחשוב ענן ותוכנה מיוחדת.עבור מפעילי קטנים יותר, העלות העליונה יכולה להיות מונעת.עם זאת, העלות הכוללת של הבעלות יורדת כמו פלטפורמות המבוססות על ענן מציעים מודלים בתשלום כמו שאתה-אגו ספריות קוד פתוח AI הופכת להיות בוגרת יותר.

מיומנויות וניהול שינוי

תעשיית הנפט והגז ניצבת בפני מחסור באנשי מקצוע המשלבים מומחיות בתחום עם מיומנויות מדע נתונים. ארגונים רבים נאבקים למשוך או להכשיר כישרון כזה.בנוסף, יכול להיות התנגדות תרבותית ממהנדסים ומפעילי שדה אשר רגילים לזרימות עבודה מסורתיות.אימוץ בינה מלאכותית מוצלח דורש תוכנית ניהול שינוי מתחשב, כולל הכשרה וניצחונות מהירים שניתן להעלות על הדעת כדי לבנות אמון.

שילוב עם Legacy Systems

שדות בוגרים לעתים קרובות להסתמך על מערכות בקרה ישנות ותוכנות שלא נועדו לממשק עם פלטפורמות AI מודרניות. integrating נתונים מ ספקים ופרוטוקולים שונים הוא אתגר טכני. המפעילים חייבים להבטיח כי ניתן להפעיל המלצות בינה מלאכותית באמצעות מערכות אוטומציה קיימות ללא יצירת פרצות סייבר.

בעיות סודיות והתאמה

בחלק מתחומי השיפוט, החלטות המונעות על ידי בינה מלאכותית – במיוחד אלה המשפיעים על יושרה או על בטיחות סביבתית – יש לאמת על ידי אנשי מקצוע מורשים.יתר על ידי שימוש באלגוריתמים קנייניים, יכולים להעלות שאלות על רכוש רוחני ועל אחריות.

תחזית עתיד: בינה מלאכותית והשלב הבא של ניהול שדה בוגר

עתידה של AI בתחומי הנפט הבוגר מצביע על אוטונומיה גדולה יותר ואינטגרציה.כאן כמה מגמות צפויות לעצב את המגזר:

  • (FLT:0)Edge AI ו- Real-Time Analytics:BuildFLT:1 עיבוד מודלים AI ישירות על מכשירים קצה (למשל, בשרים באתר או אפילו על נוקשות קידוח) יפחיתו את הגמישות ויאפשרו תשובות בזמן אמת מבלי להסתמך על קישוריות בענן.זה חשוב במיוחד עבור התקנת offshore עם רוחב פס מוגבל.
  • (FLT:0) חכם מלאכותית עבור Scenario תכנון:BuildFLT:1 , מודלים שפה גדולים ורשתות ניווניות (גנים) יכול לשמש כדי ליצור נתונים סינתטיים עבור סימולציה מאגר, לבדוק אלפי תרחישים פיתוח, לייצר תוכניות פיתוח שדה אופטימיזציה.זה יכול להפחית באופן דרמטי את הזמן הדרוש למחקרי תכנון.
  • Human]-AI Collaboration: במקום להחליף מומחים אנושיים, AI ישמש יותר ויותר כעוזר אינטליגנטי שמגביר את יכולותיהם.ממשקי שפה טבעית יאפשרו למהנדסים לשאול שאלות כמו "מה שיעור ההזרקה האופטימלי עבור לחץ מאגר נוכחי של Well A?", ולקבל תשובה ברורה, מעשית.
  • (FLT:0) אינטגרציה עם Renewable ו Low-Carbon Technologies:Felo 1 כפי שהתעשייה שואפת לדהום, AI יעזור לייעל את השימוש באנרגיה מתחדשת עבור פעילות שדה חשמל, לנהל לכידת פחמן ואחסון (CCS) ב depletingמאגרים, ולהפחית את פליטות מתאן הם מועמדים ראשוניים לטיהור כמו אתרי אחסון CO2, AI יכול להכיל מעקב ותנועה.
  • (FLT:0) מיזם התעשייה המעבדתית: מפעילי LT:1 יותר יוצרים קונסוררציה לחלוק נתונים ומודלים AI לאתגרים משותפים כמו אופטימיזציה למים וחיזוי גודל.זה יזרז את הפיתוח ואת העלויות הנמוכות לכל המשתתפים.

על פי דו"ח שפורסם לאחרונה מ-FLT:0 [McKinseyFLT]:1, תעשיית הנפט והגז יכולה לפתוח עד 1.6 טריליון דולר בשווי של אימוץ דיגיטלי ו-AI עד 2035, עם שדות בוגרים המייצגים נתח גדול של פוטנציאל זה.

מסקנה

AI הוא להוכיח להיות כלי רב עוצמה עבור אופטימיזציה של ייצור בתחום הנפט הבוגר.על ידי מתן תחזוקה חיזוי, סיווג מאגר מתקדם, אופטימיזציה של ייצור בזמן אמת וניהול EOR חכם יותר, AI עוזר למפעילים להוציא יותר שמן בעלות נמוכה תוך הרחבת החיים הכלכליים של נכסים ההזדקנות.היתרונות ברורים, אבל אימוץ מוצלח דורש אתגרים נוספים הקשורים לאיכות נתונים, השקעה, אינטגרציה, כמו התקדמות טכנולוגית ולהפחית את AI, יהיה גם פעילות משולבת יותר של ניהול יעיל יותר של פעילות גופנית יעילה יותר ויותר.