Optimierung geothermischer Bohrvorgänge mit maschinellem Lernen

Geothermie gilt als eine der klimaneutralsten, nachhaltigsten und erneuerbaren Energiequellen, die sowohl Grundlast- als auch regelbare Energie in das Netz einspeisen kann. Trotz ihres Potenzials, ein wichtiger Akteur beim Übergang zu einer Netto-Null-Zukunft zu sein, ist Geothermie aufgrund der hohen Kosten der Tiefengeothermie derzeit die am wenigsten genutzte erneuerbare Ressource.

Ein wesentlicher Kostenfaktor bei jedem Geothermieprojekt betrifft die Bohrung und Fertigstellung und macht bis zu 70 % der gesamten Projektentwicklung aus. Darüber hinaus steht die Bohrindustrie beim Bohren und Fertigstellen geothermischer Bohrlöcher vor mehreren Herausforderungen, wie z. B. einer geringen Penetrationsrate (ROP) und mangelnder Kenntnis des Bohrlochbodens, was zu Auslösungen und unproduktiver Zeit (NPT) führt Formationsmerkmale.

Der Branche mangelt es an Digitalisierung und Automatisierung, sie verlässt sich auf persönliche Fähigkeiten und alte Daten. Bestehende Bohrsysteme sind für Kohlenwasserstoffbecken mit ölbasierten Schlämmen konzipiert, was ihre Nützlichkeit für Geothermie und Hartgesteinsformationen einschränkt. Aktuelle Systeme basieren ebenfalls auf Rotationsbohren, während der Bereich des Geothermiebohrens neue Technologien wie Schlagbohren und berührungsloses thermisches Bohren erfordert.

Die digitale Transformation der vorgelagerten Energiewirtschaft hat in den letzten Jahren zu einem exponentiellen Wachstum der Menge und Art der generierten Daten geführt. Fortschritte beim maschinellen Lernen (ML) und der künstlichen Intelligenz (KI) schaffen Möglichkeiten für Innovation und Optimierung in der Geothermie-Bohrbranche. Diese innovativen Werkzeuge verbessern die Genauigkeit und die Kosten der geothermischen Exploration und optimieren den Geothermiebetrieb – wodurch die Gesamtkosten der Geothermie gesenkt werden.

Der Einsatz von Algorithmen für maschinelles Lernen kann dabei helfen, anomale Reaktionen in Daten zu erkennen und zwischen Bohrproblemen und betrieblichen oder logistischen Schwierigkeiten zu unterscheiden. Durch die Entwicklung von Sanierungsstrategien auf der Grundlage der Erkenntnisse kann es möglich sein, das Risiko von Tiefengeothermieprojekten zu verringern und sie für Investoren attraktiver zu machen.

Das OptiDrill-Projekt wird durch den Horizont-2020-Zuschuss der Europäischen Kommission finanziert, der darauf abzielt, Module für maschinelles Lernen im Rahmen eines einheitlichen Beratungssystems zu entwickeln. Jedes Modul ist entweder für die Analyse, Vorhersage oder Optimierung eines Aspekts des Bohr- oder Fertigstellungsprozesses verantwortlich.

Beim Design des OptiDrill-Systems geht es um die Entwicklung eines Systems, das die Bohreffizienz in jeder Formation verbessern kann. Der Schwerpunkt liegt darauf, den bestehenden Daten- und Wissenstransfer zu nutzen, die bestehenden Probleme zu lösen und die bestehenden Methoden und Technologien zu verbessern, indem die folgenden Ansätze im Rahmen eines integrierten Rahmens des OptiDrill-Beratungssystems für geothermische Bohrungen eingesetzt werden:

• Die Digitalisierung früherer Bohrdaten und textbasierter Berichte durch Natural Language Processing (NLP)-Deep-Learning-Methoden zur Erstellung einer digitalen Datenbank mit täglichen Bohr- und Fertigstellungsberichten und Problemen ebnet den Weg zur Digitalisierung täglicher Bohrberichte und ermöglicht die weitere Übertragung Kenntnisse aus dem Öl- und Gassektor; • Instrumentierung des Bohrprozesses durch die Implementierung von mit dem Bohrgerät und der Bodenbaugruppe (BHA) kompatiblen Sensorsträngen und Datenübertragungssystemen sowie entsprechende Methoden zur Messung bohrinduzierter Parameter (wie Vibrationen, Last, Drehmoment-, Durchfluss- und akustische Signale) und zur Interpretation ihrer Auswirkungen auf den Prozess; Eine vollständige, lückenlose Datenbank ermöglicht es den Modellen, ihre höchste Vorhersagekompetenz zu erreichen, selbst in Formations- oder Situationsszenarien, für die bisher nur sehr wenige aufgezeichnete Daten verfügbar waren; • Geothermische Bohrmodellierung sowie Leistungsvorhersage und -optimierung durch den Einsatz einer Kombination von Maschinen Lernen und neuartige Deep-Learning-Methoden; • Echtzeit-Lithologievorhersage der Formation durch Einsatz gekoppelter Deep-Learning-Methoden in Kombination mit neuartigen Sensorkettendaten zur Modellvalidierung und Effizienzsteigerung; • Vorhersage und Auslöseerkennung von Bohrproblemen durch datengesteuerte Statistik und Maschine Lernmethoden zur Vermeidung unnötiger und kostspieliger Risiken und zur Reduzierung des NPT während Bohr- und Fertigstellungsprozessen; • Bohrlochabschluss- und -verbesserungsmodellierung für horizontale bis multilaterale Bohrlochcluster sowie Leistungsvorhersage und -optimierung durch den Einsatz einer Kombination aus maschinellem Lernen und neuartigen Deep-Learning-Methoden; • Statistische Modellvalidierung und Optimierung der Modelle des maschinellen Lernens; und• Das Federate-ML-Schema in Kombination mit selbstlernenden ML-Algorithmen bietet dem OptiDrill-System die einzigartige Möglichkeit, bei jeder neuen Bohr- und Fertigstellungsaktivität aktualisiert zu werden. Die Funktion gewährleistet eine zukunftssichere, sich selbst weiterentwickelnde Fähigkeit des OptiDrill-Beratungssystems.

Bei OptiDrill handelt es sich um ein von der Industrie geleitetes Projekt. Das Konsortium besteht aus 11 Partnern, darunter erfahrene Bohrer und Betreiber, Bohrberater, Forschungsorganisationen und Technologieexperten, darunter:

Die Partner des OptiDrill-Konsortiums haben Zugriff auf Bohr- und Protokollierungsdaten von über 500 Bohrlöchern und Hunderten von Formationen, die von weichen Tonsteinen bis hin zu sehr harten magmatischen und metamorphen Gesteinen reichen. Außerdem werden wir Daten von zwei tiefen geothermischen Bohrlöchern im Vereinigten Königreich erhalten – Eden Project (4,5 km) und United Downs Project (5,2 km). Zusätzlich zu den Bohrpartnern werden wir auch Daten vom Parta-Projekt in Rumänien, ÉS-Géothermie (für Daten aus dem Pariser Becken, Frankreich), Koekoekspolder (Niederlande), der Bundesanstalt für Geowissenschaften und natürliche Ressourcen (Deutschland) und VITO (Belgien) haben ). Wir sind auch mit Dago, Hogewerf, ACL usw. im Gespräch, um Bohr- und Protokollierungsdaten zu erhalten.

Das OptiDrill-System wird unter relevanten Betriebsbedingungen auf dem Bohrgerät eines Partners mit Technologiebereitschaftsstufe (TRL) 5 validiert.

Die vom OptiDrill-Projekt entwickelten maschinellen Lernmodelle für ROP, Lithologie, Bohrprobleme, Bohrlochvervollständigung und -verbesserung sowie gekoppelte geothermische Bohroptimierungsmodelle sollen ROP, Lebensdauer und Zuverlässigkeit im Vergleich zu bestehenden Technologien verbessern. Mit den gekoppelten ML-Modellen zur Bohroptimierung von OptiDrill im Bohrberatungssystem können Bohrer kostengünstig größere Tiefen und höhere Temperaturen in allen Arten von geologischen Formationen für geothermische Bohrungen erreichen. Ziel dieses Projekts ist es, die Bohrparameter zu optimieren und dadurch die Produktion und das Bohren von Injektionsbrunnen für die Geothermie zu beschleunigen. Es wird das Wachstum der Geothermie fördern, indem es die Kapitalausgaben (CapEx) für Geothermiekraftwerke, die für Bohrungen aufgewendet werden, erheblich reduziert und gleichzeitig die Umweltbelastung während der Installation deutlich reduziert.

Das OptiDrill-Projekt wird durch die Forschungs- und Innovationsaktion „Horizont 2020“ der Europäischen Union im Rahmen der Fördervereinbarung Nr. 101006964 finanziert.

Offenlegung: Alle Informationen zu diesem Werk spiegeln ausschließlich die Meinung des Autors wider und weder die Europäische Union noch CINEA sind für die Verwendung der hierin enthaltenen Informationen verantwortlich.

Bitte beachten Sie, dass dieser Artikel auch in der vierzehnten Ausgabe unserer vierteljährlichen Publikation erscheinen wird.

Speichern Sie meinen Namen, meine E-Mail-Adresse und meine Website in diesem Browser für den nächsten Kommentar.

D