Futuristisk skjerm med AI-analyser, grafer og kontrollpaneler over et opplyst tastatur.
Slik kan KI-analyse og digital kontroll av boreutstyr se ut på PC-skjermen. Illustrasjon: Shutterstock

Digitalisering av norsk sokkel bidrar til nullutslipp

Det blir samlet inn store mengder data fra undergrunnen på norsk sokkel. Hva kan forskerne bruke det til?

Publisert

Datainnsamling, deling og rask tilgang har vært viktige bidrag til suksessen til petroleumsnæringen i Norge. Komplekse og store modeller for ulike scenarioer krever databehandling med høy ytelse.

For å forbedre datagrunnlaget for modeller som benytter tradisjonell maskinlæring, er det nødvendig å basere seg på datasett som er lett tilgjengelige. Det er også viktig at datasettene kan byttes ut på tvers av flere kilder.

Bransjen er i rask utvikling, med nye skyløsninger som OSDU (Open Subsurface Data Universe) for standardisert deling av data fra undergrunnen, samt plattformer som DELFI, en digital løsning for datahåndtering og fysikk for olje- og gassutvinning.

Reservoarstyring på en ny måte

Dataassimilering er en matematisk og statistisk metode som kombinerer faktiske observasjoner med numeriske datamodeller. Denne metoden er et godt rammeverk for styring av reservoaret, og brukes til optimalisering, beslutningsstøtte og verdiskaping fra ressursene i undergrunnen (Evensen, 2021; Chen og Oliver, 2017). Metoden har bidratt til en endring i hvordan modeller av reservoaret benyttes til karakterisering og prognoser av produksjonen, og mange selskaper bruker i dag disse såkalte ensemble-baserte arbeidsflytene i sin virksomhet (Hanea et al., 2015).

Storskala anvendt datavitenskap er i ferd med å bevege seg fra lokal databehandling og analyse til et nytt paradigme med såkalt føderert databehandling. Det betyr at databehandlingen skjer på tvers av flere lokasjoner, der beregninger flyttes til der dataene befinner seg.

Denne teknologiske utviklingen åpner for å videreutvikle dagens avanserte verktøy, både når det gjelder modellering og ytelse. Samtidig gir den nye Cloud-Edge-IoT-tilnærmingen (Internet of Things), med tilgang til datakilder fra flere steder, tilstrekkelig regnekraft til å håndtere krevende beregninger knyttet til modellutvikling og testing under realistiske feltforhold.

Metoder for hele verdikjeden

Verdikjeden i undergrunnen, som inkluderer CO2- og H2-lagring, energieffektivitet knyttet til injeksjon og produksjon, og håndtering av svingninger i fornybare energikilder, introduserer et nytt nivå av kompleksitet. Det er derfor nødvendig med nye metoder for å skaffe pålitelige modeller (Peherstorfer et al., 2018; Nezhadali et al., 2021).

Nye optimaliseringsmetoder eller matematiske teknikker for å finne den best mulige løsningen på et gitt problem, under gitte betingelser, blir altså stadig viktigere. Disse metodene kan utvides til å dekke hele den bærekraftige verdikjeden som forbinder undergrunnen, brønnen og injeksjonslinjene. Det gir industrien gode verktøy for å ta de beste beslutningene, også i årene som kommer.

Powered by Labrador CMS