Admítelo, cuando se trata de la producción de petróleo, los paisajes de Texas y las "mecedoras" mecánicas se paran frente a mis ojos contra el cielo del atardecer. Alguien más verá tuberías de antorchas que queman gases asociados, y tal vez también una plataforma de perforación en algún lugar en alta mar. Por supuesto, la producción de petróleo es un negocio difícil y arriesgado. Coches enormes, plataformas de perforación, peligro de explosión e incendio. La producción de petróleo en las mentes de las masas es, sin duda, un asunto brutal para los trabajadores y casi como ingenieros fuertes.
Todos ustedes tienen razón y están equivocados al mismo tiempo. Sí, se extrajo aceite y se extrae con la ayuda de un "swing", pero toda la imagen que obtuvimos de películas y programas de televisión ya no corresponde a la imagen completa; Las empresas progresistas están comenzando a implementar cada vez más los últimos avances en TI. Los trabajadores modernos de la industria petrolera utilizan simultáneamente los últimos desarrollos en el procesamiento de BigData, IA, aprendizaje automático y muchos otros. A continuación, según la experiencia de Aramco Innovations, habrá varios ejemplos de cuán profundamente las tecnologías de TI han penetrado en un negocio aparentemente clásico e inerte como la producción de petróleo.
Vale la pena comenzar con aquel de cuyos casos estamos hablando. Aramco Innovations es una oficina de representación rusa de una organización de investigación, que forma parte de la compañía petrolera nacional saudita
Saudi Aramco . Este último es el mayor productor de petróleo del planeta y es propiedad exclusiva del Reino de Arabia Saudita. Específicamente, Aramco Innovations se dedica a la organización matriz de investigación en el campo de la inteligencia artificial (IA), sistemas informáticos de alto rendimiento y nanomateriales. La compañía abrió recientemente una oficina en Moscú, como uno de los lugares más prometedores para organizar el trabajo científico en los campos de IA, BigData y aprendizaje automático.
Modelado geológico 3D de depósitos.
Si tomamos un diccionario explicativo y lo abrimos en "geomodelado", obtenemos aproximadamente la siguiente definición: es el diseño y la creación de imágenes cartográficas basadas en la visualización de datos fuente, derivados o finales. Obviamente, en la industria petrolera, el geomodelado es uno de los lugares centrales. Una parte importante de los gastos de las compañías petroleras de todo el mundo (y estamos hablando no solo de Saudi Aramco, sino de todos los productores de petróleo en general) se gasta en exploración y posterior modelado de depósitos de hidrocarburos.
Según el concepto generalmente aceptado, el geomodelado puede descomponerse en las siguientes etapas:
- preparación
- modelado estructural;
- creando una cuadrícula tridimensional;
- promediar los datos del pozo en las celdas de una cuadrícula tridimensional;
- litología - modelado de facies ;
- modelado petrofísico ;
- modelado de saturación;
- Cálculo de stock en 3D.
De hecho, el modelado tridimensional de depósitos es un proceso complejo de varias etapas para evaluar un campo en busca de una serie de signos, aunque a primera vista puede parecer que es suficiente determinar "dónde" y "dónde" se encuentran los hidrocarburos.
¿Por qué necesitamos geomodelos del campo después del inicio de la producción? Está claro que el proceso clásico de extracción de hidrocarburos de los intestinos comienza con la exploración directa del campo. Los geólogos construyen su mapa, en base al cual se crea un modelo informático completo de todo el yacimiento. Esto se hace para desarrollar una estrategia para el desarrollo del campo, es más ventajoso colocar pozos petroleros, minimizar las pérdidas por el desplazamiento de formaciones y evitar accidentes durante la producción.
Ilustración esquemática de la ubicación más ventajosa de la plataforma petrolera para la producción de petróleo.Como puede comprender, la claridad de dicho modelo de yacimiento disminuye con el tiempo debido a que ningún modelo puede predecir con 100% de precisión todos los cambios en la estructura de la roca y el campo durante la producción de petróleo. Arriba dimos un ejemplo esquemático de un campo petrolero, pero en realidad, todo es mucho más complicado. Por ejemplo, Saudi Aramco está desarrollando el campo petrolero de
Gavar más grande del mundo, descubierto en 1948. Contiene hasta 10-12 mil millones de toneladas de petróleo, y el área total del campo es de ~ 5300 kilómetros cuadrados.
Es decir, llegamos a la conclusión de que incluso los depósitos activos explorados requieren un estudio y modelado constantes, al menos para comprender dónde perforar y dónde es inútil o demasiado costoso. Debe recordarse que los depósitos minerales pueden ocurrir en áreas gigantescas, es decir, la perforación y la producción ocurren simultáneamente en muchos puntos. Es prácticamente imposible calcular y predecir los cambios en la estructura del campo manualmente, por lo tanto, la tarea de modelar campos activos entra en el plano de desarrollar sistemas de TI y procesar grandes cantidades de datos.
Aquí es donde comienza el trabajo para los profesionales de TI en los campos de IA, BigData y aprendizaje automático. Alrededor de la década de 1960, las compañías petroleras comenzaron a recopilar muchos datos sobre campos desarrollados. Con el tiempo, esta información se ha convertido en un gran flujo de todo tipo de datos obtenidos tanto durante la exploración como durante la perforación y la producción. Con base en esta información, los especialistas desean entrenar redes neuronales para un modelado más rápido y preciso del comportamiento de los campos desarrollados en el futuro cercano.
Ya se ha trabajado mucho en esta dirección y se han llevado a cabo varios estudios. Entonces, en uno de ellos, los siguientes tipos de datos sobre el campo se alimentan a la entrada de la red neuronal:
- información sobre la intensidad de la radiación gamma;
- porosidad
- densidad
- saturación de agua;
- y otros
A la salida, los investigadores obtienen pronósticos sobre temperatura, presión, estructura y compactación de la roca e incluso la distancia recomendada entre las torres. Además de evaluar los propios depósitos, estos sistemas también se pueden usar para predecir problemas durante la perforación y la producción, lo que anticipa accidentes, averías y pérdidas no planificadas.
Interpretación de datos y curvas de registro
Si hablamos de perforación, vale la pena recordar las curvas de registro y el estudio de los pozos.
El registro es un método de investigación geofísica de pozos. Por supuesto, la forma más obvia de evaluar la estructura de un pozo es elevar el núcleo, aserrando la roca, seguido de un estudio físico de todo el "pilar". Sin embargo, los ingenieros de perforación no lo dejarán mentir: el proceso de corte y elevación del núcleo cuesta una cantidad monstruosa de dinero e implica una serie de dificultades técnicas. En primer lugar, es mucho tiempo. Una cosa es perforar un pozo levantando roca triturada a la superficie en el fluido de perforación, y otra es cortar un poste y elevarlo en la forma en que se colocó. Por esta razón, el registro moderno utiliza sondas geofísicas que se bajan al pozo para estudiar las paredes del pozo y el espacio cercano al pozo y recopilar información "desde adentro".
Las sondas de registro están equipadas con una gama de sensores pasivos y activos. Los sensores pasivos recopilan información sobre el campo eléctrico magnético y espontáneo, la radiación gamma natural, etc. Los sensores activos son receptores y fuentes de radiación y campos eléctricos, acústicos y de otro tipo creados artificialmente. Usando una sonda de registro, los geofísicos recopilan información en algunos intervalos del pozo, que luego se forman en curvas de registro.
Un ejemplo de registros trazados para varios parámetros.Los geólogos procesan aún más los datos recopilados del pozo, y este es un proceso muy laborioso y lento, que a menudo ocurre en modo manual.
Aramco Innovations está trabajando en el desarrollo de sistemas de interpretación de registros basados en tecnologías de aprendizaje automático. La mayor parte del trabajo con curvas es un trabajo típico de mono, que se reduce a encontrar los puntos de dependencias y diferencias con los datos que los geólogos ya tienen. El aprendizaje automático es el más adecuado para identificar estas dependencias en las curvas de registro con la posterior formación del informe final, que ya está siendo analizado por un especialista. Este enfoque puede aumentar significativamente la eficiencia de la investigación de pozos y acelera significativamente el proceso de evaluación y exploración de pozos en su conjunto.
Además, se planea utilizar la visión artificial para analizar la estructura de las costuras profundas en base a imágenes obtenidas durante la exploración sísmica. Los más valiosos para los geólogos en ellos son los horizontes petroleros y las grietas en la roca, que pueden ser una amenaza potencial en el curso de la minería. Ahora, los especialistas de Aramco Innovations están trabajando para delegar el trabajo más aburrido y monótono a las máquinas, dejando a las personas solo con la función del análisis final y la toma de decisiones.
Technaton Aramco Innovations
Arriba, hablamos de solo unas pocas áreas de aplicación de los logros modernos de la esfera de TI en la producción de petróleo. Es difícil sobreestimar su importancia: literalmente vivimos en un mundo plástico. Casi todos los objetos que nos rodean, en un grado u otro, se crearon a partir de petróleo y derivados, o de materiales obtenidos al quemar combustible de carbono.
Este fin de semana, del 26 al 28 de octubre, Aramco Innovations, junto con el Parque Científico de la Universidad Estatal de Moscú, llevará a cabo en Moscú
Aramco Upstream Solutions Technathon , un evento dedicado a la aplicación de tecnologías de Inteligencia Artificial para la industria petrolera.
El objetivo principal del evento es evaluar y promover el potencial científico en el campo del aprendizaje automático y la inteligencia artificial, así como encontrar candidatos potenciales que quieran unirse al equipo de Aramco Innovations. El primer día, 26 de octubre, de 12:00 a 16:00, todos los participantes podrán escuchar conferencias populares de ciencia sobre los objetivos del evento. El propósito de las conferencias es dar una idea de la producción de petróleo a quienes están lejos de la industria. Las conferencias, como la tecnología en sí, son absolutamente gratuitas.
Las finales de Technaton se llevarán a cabo el 28 de octubre, dentro del cual se otorgarán 3 equipos ganadores, así como 2 premios especiales para resolver problemas marcados por los jueces. El pozo de premios de Technaton es de $ 7,000 (aproximadamente 470,000 rublos). Los participantes tendrán 48 horas de codificación y trabajarán con expertos líderes del Centro de Ciencias Saudi Aramco.
En primer lugar, se invita a los especialistas de TI en el campo del aprendizaje automático y la inteligencia artificial, especialistas en profesiones técnicas, geólogos y geofísicos.
Puede
familiarizarse con el horario, el horario y las reglas del evento
aquí . Para participar en la técnica, debe
pasar por un registro gratuito hasta el 26 de octubre a las 17:50 hora de Moscú.
Estamos esperando a todos los especialistas interesados el 26 de octubre, a las 18:00 en la dirección: Moscú, Parque Científico de la Universidad Estatal de Moscú, ul. Montañas Lenin, 1s77.
Si tiene preguntas adicionales sobre el evento, escriba a
ab@codenrock.com o pregunte en
el canal Telegram del evento.