Admita, quando se trata de produção de petróleo, paisagens do Texas e "cadeiras de balanço" mecânicas estão diante dos meus olhos contra o céu do pôr-do-sol. Outra pessoa verá tubos de tocha queimando gases associados, e talvez também uma plataforma de perfuração em algum lugar no mar. Obviamente, a produção de petróleo é um negócio difícil e arriscado. Carros enormes, plataformas de perfuração, perigo de explosão e incêndio. A produção de petróleo na mente das massas é, sem dúvida, um assunto brutal para trabalhadores esforçados e quase como engenheiros fortes.
Todos vocês estão certos e errados ao mesmo tempo. Sim, o petróleo foi extraído e extraído com a ajuda de um "balanço", mas toda a imagem que obtivemos dos filmes e programas de TV não corresponde mais à imagem inteira; empresas progressistas estão cada vez mais começando a implementar os últimos avanços em TI. Os trabalhadores modernos da indústria de petróleo usam simultaneamente os últimos desenvolvimentos no processamento de BigData, IA, aprendizado de máquina e muitos outros. Abaixo, com base na experiência da Aramco Innovations, haverá vários exemplos de quão profundamente as tecnologias de TI penetraram em um negócio aparentemente clássico e inerte como a produção de petróleo.
Vale a pena começar com aquele cujos casos estamos falando. A Aramco Innovations é um escritório de representação russo de uma organização de pesquisa, que faz parte da empresa nacional de petróleo
saudita Saudi Aramco . Este último é o maior produtor de petróleo do planeta e pertence ao Reino da Arábia Saudita. Especificamente, a Aramco Innovations está envolvida na organização principal de pesquisa no campo da inteligência artificial (IA), sistemas de computação de alto desempenho e nanomateriais. A empresa abriu recentemente um escritório em Moscou, como um dos lugares mais promissores para a organização de trabalhos científicos nas áreas de IA, BigData e aprendizado de máquina.
Modelagem geológica 3D de depósitos
Se pegarmos um dicionário explicativo e o abrirmos em "geomodelagem", obteremos aproximadamente a seguinte definição: é o design e a criação de imagens cartográficas com base na visualização de dados de origem, derivados ou finais. Obviamente, na indústria do petróleo, a geomodelagem é um dos lugares centrais. Uma parte significativa das despesas das empresas de petróleo em todo o mundo (e não se trata apenas da Saudi Aramco, mas de todos os produtores de petróleo em geral) é gasta na exploração e modelagem subsequente de depósitos de hidrocarbonetos.
De acordo com o conceito geralmente aceito, o geomodelagem pode ser decomposto nas seguintes etapas:
- preparação;
- modelagem estrutural;
- criando uma grade tridimensional;
- média de dados de poço em células de uma grade tridimensional;
- modelagem litológica - fácies ;
- modelagem petrofísica ;
- modelagem de saturação;
- Cálculo de estoque 3D.
De fato, a modelagem tridimensional de depósitos é um processo complexo e de várias etapas para avaliar um campo para vários sinais, embora à primeira vista possa parecer que seja suficiente determinar os hidrocarbonetos "onde" e "onde" estão.
Por que precisamos de geomodelos do campo após o início da produção? É claro que o processo clássico de extração de hidrocarbonetos a partir do intestino começa com a exploração direta do campo. Os geólogos constroem seu mapa, com base no qual é criado um modelo de computador completo de todo o reservatório. Isso é feito para desenvolver uma estratégia para o desenvolvimento do campo, é mais vantajoso colocar poços de petróleo, minimizar perdas por deslocamento de formações e evitar acidentes durante a produção.
Ilustração esquemática da localização mais vantajosa da plataforma de petróleo para produção de petróleoComo você pode entender, a clareza de um modelo de reservatório diminui com o tempo, devido ao fato de que nenhum modelo pode prever com precisão de 100% todas as alterações na estrutura da rocha e no próprio campo durante a produção de petróleo. Acima, demos um exemplo esquemático de um campo de petróleo, mas, na realidade, tudo é muito mais complicado. Por exemplo, a Saudi Aramco está desenvolvendo o maior campo de petróleo de
Gavar do mundo, descoberto em 1948. Ele contém de 10 a 12 bilhões de toneladas de petróleo e a área total do campo é de ~ 5300 quilômetros quadrados.
Ou seja, chegamos à conclusão de que mesmo os depósitos ativos explorados requerem estudo e modelagem constantes, pelo menos para entender onde perfurar e onde é inútil ou muito caro. Deve-se lembrar que depósitos minerais podem ocorrer em áreas gigantescas, ou seja, perfuração e produção ocorrem simultaneamente em muitos pontos. É praticamente impossível calcular e prever alterações manualmente na estrutura do campo; portanto, a tarefa de modelar campos ativos entra no plano de desenvolvimento de sistemas de TI e processamento de grandes quantidades de dados.
É aqui que começa o trabalho dos profissionais de TI nas áreas de IA, BigData e aprendizado de máquina. Por volta da década de 1960, as empresas de petróleo começaram a coletar muitos dados sobre campos desenvolvidos. Com o tempo, essas informações se tornaram um enorme fluxo de todos os tipos de dados obtidos durante a exploração e durante a perfuração e produção. Com base nessas informações, os especialistas desejam treinar redes neurais para modelagem mais rápida e precisa do comportamento dos campos desenvolvidos em um futuro próximo.
Muito trabalho já foi feito nessa direção e vários estudos foram realizados. Portanto, em um deles, os seguintes tipos de dados sobre o campo são alimentados na entrada da rede neural:
- informações sobre a intensidade da radiação gama;
- porosidade;
- densidade
- saturação de água;
- e outros
Na saída, os pesquisadores obtêm previsões de temperatura, pressão, estrutura e compactação da rocha e até a distância recomendada entre as torres. Além de avaliar os próprios depósitos, esses sistemas também podem ser usados para prever problemas durante a perfuração e a produção, que antecipam acidentes, quebras e perdas não planejadas.
Interpretação de dados e curvas de registro
Se falamos de perfuração, vale lembrar as curvas de perfilagem e o estudo de poços.
A extração de madeira é um método de pesquisa geofísica de poços. Obviamente, a maneira mais óbvia de avaliar a estrutura de um poço é elevar o núcleo - serrar a rocha, seguido de estudo físico de todo o “pilar”. No entanto, os engenheiros de perfuração não deixarão você mentir: o processo de corte e elevação de núcleo custa uma quantia monstruosa de dinheiro e envolve várias dificuldades técnicas. Primeiro de tudo, faz muito tempo. Uma coisa é perfurar um poço elevando a rocha esmagada à superfície no fluido de perfuração e outra é cortar o pilar e levantá-lo da forma em que foi colocado. Por esse motivo, a exploração madeireira moderna usa sondas geofísicas que são abaixadas para dentro do poço para estudar as paredes do poço e o espaço próximo ao poço e coletar informações “de dentro”.
As sondas de perfilagem estão equipadas com uma variedade de sensores passivos e ativos. Sensores passivos coletam informações sobre campo elétrico magnético e espontâneo, radiação gama natural e assim por diante. Sensores ativos são receptores e fontes de campos e radiação elétricos, acústicos e outros criados artificialmente. Usando uma sonda de registro, os geofísicos coletam informações em alguns intervalos do poço, que são então formados em curvas de registro.
Um exemplo de logs plotados para vários parâmetrosOs dados coletados do poço são processados posteriormente pelos geólogos, e esse é um processo muito trabalhoso e demorado, que geralmente ocorre no modo manual.
A Aramco Innovations está trabalhando no desenvolvimento de sistemas de interpretação de logs baseados em tecnologias de aprendizado de máquina. A maior parte do trabalho com curvas é um trabalho típico de macaco, que se resume a encontrar os pontos de dependências e diferenças com os dados que os geólogos já possuem. O aprendizado de máquina é o mais adequado para identificar essas dependências nas curvas de perfilagem com a formação subsequente do relatório final, que já está sendo analisado por um especialista. Essa abordagem pode aumentar significativamente a eficiência da pesquisa de poços e acelerar significativamente o processo de avaliação e exploração de poços como um todo.
Além disso, a visão de máquina está planejada para ser usada para analisar a estrutura de costuras profundas com base em imagens obtidas durante a exploração sísmica. Os mais valiosos para os geólogos são os horizontes e as rachaduras nas rochas, que podem ser uma ameaça potencial no curso da mineração. Agora, os especialistas da Aramco Innovations estão trabalhando para delegar o trabalho mais sombrio e monótono às máquinas, deixando as pessoas apenas com a função de análise final e tomada de decisão.
Technaton Aramco Innovations
Acima, falamos sobre apenas algumas áreas de aplicação das conquistas modernas da esfera de TI na produção de petróleo. É difícil superestimar a importância deles: vivemos literalmente em um mundo plástico. Quase todos os objetos ao nosso redor, em um grau ou outro, foram criados a partir de petróleo e derivados, ou de materiais obtidos pela queima de combustível de carbono.
Neste fim de semana, de 26 a 28 de outubro, a Aramco Innovations, juntamente com o Parque de Ciências da Universidade Estadual de Moscou, realizará em Moscou a
Aramco Upstream Solutions Technathon , um evento dedicado à aplicação de tecnologias de Inteligência Artificial para a indústria de petróleo.
O principal objetivo do evento é avaliar e promover o potencial científico no campo de aprendizado de máquina e inteligência artificial, além de encontrar candidatos em potencial que desejam ingressar na equipe da Aramco Innovations. No primeiro dia, 26 de outubro, das 12h às 16h, todos os participantes poderão ouvir palestras sobre ciência popular sobre os objetivos do evento. O objetivo das palestras é dar uma idéia da produção de petróleo para aqueles que estão longe da indústria. Palestras, como a própria tecnologia, são absolutamente gratuitas.
As finais da technaton ocorrerão no dia 28 de outubro, no qual serão premiadas 3 equipes vencedoras e 2 prêmios especiais pela solução dos problemas marcados pelos juízes. O prêmio total da Technaton é de US $ 7.000 (cerca de 470.000 rublos). Os participantes terão 48 horas de codificação e trabalharão com os principais especialistas do Saudi Aramco Science Center.
Antes de tudo, especialistas em TI na área de aprendizado de máquina e IA, especialistas em profissões técnicas, geólogos e geofísicos são convidados a participar.
Você pode
se familiarizar com a programação, o cronograma e as regras do evento
aqui . Para participar da tecnologia, é necessário
fazer um registro gratuito até 26 de outubro às 17:50, horário de Moscou.
Aguardamos todos os especialistas interessados em 26 de outubro, às 18:00, no endereço: Moscou, Parque Científico da Universidade Estadual de Moscou, ul. Montanhas Lenin, 1s77.
Se você tiver perguntas adicionais sobre o evento, escreva para
ab@codenrock.com ou pergunte no
canal Telegram do evento.