View Project

Norwegian AI Directory

Transfer learning for oil and gas wells: unlocking the collective potential of production data from multiple oil fields


Description:

Kunstig intelligens (KI) fører idag til disrupsjon på tvers av industrier i hele verden; olje- og gassbransjen er intet unntak. Dette prosjektet handler om en helt ny tilnærming til virtuelle strømningsmålere basert på maskinlæringsalgoritmer som lærer av produksjonsdata. En slik virtuell måler hjelper produksjonsteam med å estimere produksjonen fra hver brønn, en kristik oppgave på felt i drift. Vår underliggende idé er å kombinere og utnytte produksjonsdata fra flere ulike brønner og felt til å øke datamengden og dermed muliggjøre krysslæring, for til slutt å oppnå bedre ytelse til lavere kost. Solution Seeker sin eksisterende database av produksjonsdata fra flere enn 1000 brønner et unikt og avgjørende fundament for prosjektet. Innovasjonen utnytter det kollektive potensialet i produksjonsdata samlet inn over hele verden, til å levere strømningsestimater med høyere nøyaktighet og mindre innsats enn tradisjonelle virtuelle målere. Mer nøyaktige strømningsrater kan potensielt bidra til økt utvinning på opp til 190 millarder kroner på norsk sokkel, og 12000 millarder kroner globalt. Dette er en enorm mulighet til å skape en KI-suksesshistorie i olje og gass, samtidig som det bidrar til større industrisamarbeid på grunn av den åpenbare fordelen av å dele data på tvers av operatører via en tredjepart som sikrer dataene samtidig som alle deltagere får høyere nøyaktighet på egne modeller. Primærmålet i prosjektet er å utvikle en prototype av en virtuell strømningsmåler basert på krysslæring og teste den på felt i drift med våre partnere. De mest kritiske F&U utfordringene og relaterte aktiviteter i prosjektet er: standardisering av datasett på tvers av felt, nye modellarkitekturer for krysslæring, og utvikling av sanntidskalibreringsstrategier som vedlikeholder modellene. Å løse disse utfordringene gjennom prosjektets planlagte aktiviteter vil føre til en høyst automatisert og nøyaktig virtuell strømningsmåler som lærer fra kontinuerlige datastrømmer fra mange felt. Solution Seeker kickstartet prosjektet 1. oktober 2021. To måneder inn i prosjektet går ting akkurat som planlagt og arbeidet med den første aktiviteten er godt i gang. Aktiviteten vil ferdigstilles innen utgangen av året, og innebærer å studere og analysere historiske data. Målet med denne aktiviteten er å identifisere nødvendige datatransformer, og komme frem til det best egnende datasettformatet for å muliggjøre krysslæring mellom brønner i påfølgende aktiviteter.


Project leader: Stine Ursin-Holm

Started: 2021

Ends: 2023

Category: Næringsliv

Sector: Næringsliv

Budget: 5999995

Institution: SOLUTION SEEKER AS

Address: