Optymalizacja procesu wykonywania odwiertów geotermalnych
Jako dyspozycyjne odnawialne źródło energii (elektrycznej oraz cieplnej), energia geotermalna może pomóc Europie w osiągnięciu zarówno celów energetycznych, jak i związanych z ograniczaniem emisji. Wykorzystanie jej potencjału wymaga opracowania możliwości skutecznego dostępu do tego źródła energii. W tym wypadku oznacza to konieczność wykonywania odwiertów. Praktyka pokazuje jednak, że łatwiej powiedzieć niż zrobić. „Odwierty geotermalne są z natury ryzykowne, a nieprzewidywalne warunki podpowierzchniowe prowadzą do marnotrawienia czasu, trudności technicznych i dużych kosztów, często znacznie wyższych niż w przypadku ropy i gazu”, wyjaśnia Shahin Jamali, szef działu monitorowania i sztucznej inteligencji w Instytucie Badawczym ds. Infrastruktury Energetycznej i Geotechnologii im. Fraunhofera(odnośnik otworzy się w nowym oknie). Dzięki wsparciu finansowanego ze środków Unii Europejskiej projektu OptiDrill(odnośnik otworzy się w nowym oknie) Jamali prowadzi działania mające na celu optymalizację procesu wykonywania odwiertów geotermalnych.
Rozwiązanie wybranych wyzwań branży odwiertów geotermalnych
Zaprojektowane z myślą o rozwiązaniu kluczowych wyzwań w branży wiertniczej rozwiązanie OptiDrill koncentruje się na zmniejszeniu ryzyka operacyjnego, zminimalizowaniu czasu przestojów i obniżeniu kosztów. „Nasze główne cele obejmowały opracowanie zaawansowanych algorytmów uczenia maszynowego pozwalających na przewidywanie i optymalizację procesów wiercenia w czasie rzeczywistym oraz stworzenie technologii niezawodnych czujników zdolnych do wytrzymania trudnych warunków wiercenia”, wyjaśnia Jamali. Projekt miał również na celu połączenie tych rozwiązań w celu opracowania kompleksowego systemu doradczego, który przedstawiciele branży wiertniczej mogą wykorzystać do usprawnienia procesów decyzyjnych i zwiększenia wydajności wiercenia.
Poszukiwanie danych na potrzeby algorytmów sztucznej inteligencji
Podobnie jak wiele innych projektów badawczych opartych na nowych technologiach, także projekt OptiDrill stawiał czoła wielu wyzwaniom. Wśród nich można wymienić nieoczekiwane trudności w dostępie do wysokiej jakości i znormalizowanych zbiorów danych wiertniczych, potrzebnych do treningu algorytmów sztucznej inteligencji. To nie koniec problemów. Zespół stawiał czoła awariom czujników podczas pierwszego użycia w warunkach testowych. „Dzięki współpracy z wieloma partnerami z całego świata(odnośnik otworzy się w nowym oknie) byliśmy w stanie uzyskać dostęp do alternatywnych źródeł danych, wdrożyć bardziej odporne technologie czujników, udoskonalić projekt systemu i zapewnić ciągłość prac pomimo wszelkich przeszkód, które pojawiły się na naszej drodze”, zauważa Jamali.
Zaawansowane modele sztucznej inteligencji i czujniki optymalizują proces wiercenia
W wyniku tej współpracy zespół z powodzeniem opracował i zweryfikował kilka zaawansowanych modułów opartych na sztucznej inteligencji. Wśród nich można wymienić modele do optymalizacji szybkości wiercenia, przewidywania litologii w czasie rzeczywistym oraz wykrywania anomalii i potencjalnych problemów związanych z odwiertem. Kolejny moduł powstał w celu optymalizacji procedur związanych z obróbką odwiertów. Badacze wykazali, że rozwiązanie stosowane do przewidywania wydajności strumieniowania znacznie poprawia ogólną wydajność wiercenia. Zespół opracował również zaawansowane i niezawodne czujniki, które są w stanie dostarczać dane o wysokiej rozdzielczości w najbardziej ekstremalnych warunkach. „Nasze innowacje zostały z powodzeniem wdrożone i zaprezentowane dzięki prototypowemu systemowi OptiDrill, który stanowił realizację celu projektu, jakim było stworzenie inteligentnej platformy wspomagającej realizację odwiertów w czasie rzeczywistym”, dodaje Jamali.
