Snižování rizik při geotermálním vrtání díky pokročilým řešením umělé inteligence

Společnost NOV využívá osvědčená řešení z oblasti ropného a plynárenského vrtání a přináší geotermálním a vrtným společnostem nástroje, které zvyšují efektivitu vrtání a současně snižují rizika.

Vrtání zůstává jedním z hlavních nákladových faktorů v každém geotermálním projektu. Zároveň však nabízí značný prostor pro optimalizaci. NOV se nyní věnujeme úspěšnému nasazení analytické platformy Drilling Beliefs and Analytics (DBA), podpořené umělou inteligencí, při geotermálních vrtech v Evropě. Studie zkoumá využití pokročilých datových technologií pro zpětnou vazbu v reálném čase a včasné řešení možných komplikací.

Dynamický rozvoj

Výstavba geotermálních vrtů zažívá dynamický rozvoj v řadě regionů, a to v souvislosti s rostoucí poptávkou po spolehlivých energetických zdrojích, které odpovídají globálním cílům v oblasti udržitelnosti a snižování emisí uhlíku.

Získávání energie z hlubších a teplejších geotermálních zdrojů však přináší celou řadu technických výzev, včetně nestability vrtu, zablokování nástroje (differential sticking) a ztrát vrtné kapaliny. Tyto problémy se často zhoršují ve vzdálených lokalitách, kde je omezená možnost dohledu v reálném čase a tradiční monitorovací přístupy selhávají při včasné detekci rizik.

Jeden z evropských geotermálních operátorů oslovil společnost NOV s požadavkem na vytvoření systému pro aktivní dohled a prevenci, který by zlepšil efektivitu, bezpečnost a spolehlivost vrtání. NOV navrhlo řešení založené na umělé inteligenci (AI), které spojuje datovou analytiku a strojové učení za účelem kontinuální analýzy dat ve vysokém časovém rozlišení, rozpoznávání vzorců chování a generování praktických poznatků rychleji a přesněji než tradiční metody.

Původně byla tato AI platforma vyvinuta pro ropné a plynárenské vrty. V reálném čase analyzuje průběh vrtání a vytváří pravděpodobnostní model (tzv. belief system), který vyhodnocuje rizika jevů, jako jsou například nadměrný nárůst tlaku (ballooning), zablokování nástroje (pack-off), hromadění výplachu nebo neobvyklé vibrace vrtacího nástroje (bit whirl). Vrtný tým je včas varován a může přijmout opatření, která umožní pokračovat v práci bez přerušení.

Postupné zavádění AI v geotermálním vrtání

Na základě povzbudivých výsledků analýzy historických dat se daná společnost rozhodla implementovat řešení NOV v rámci pilotního projektu zahrnujícího dva geotermální vrty. Systém se měl primárně zaměřit na včasné odhalení abnormálních tlakových ztrát, které by mohly naznačovat poškození horninového prostředí, ztráty fluida nebo nestabilitu vrtu.

NOV při adaptaci systému zvolila metodický přístup. Umělá inteligence byla napojena na stávající infrastrukturu na obou vrtných soupravách, které disponovaly souborem senzorů a elektronickým záznamovým systémem (EDR). Tyto technologie poskytovaly detailní data v reálném čase o parametrech, jako je zatížení na nástroj, točivý moment, otáčky, tlak v potrubí nebo poloha kladky.

Každá vrtná souprava byla dále vybavena edge computing zařízením, které zpracovávalo provozní i kontextová data v reálném čase (včetně údajů o uspořádání vrtacího nástroje a použitých kapalinách), jež sloužila jako vstup pro modely umělé inteligence.

AI systém byl navržen v hybridní architektuře speciálně uzpůsobené pro geotermální aplikace. Obsahoval bayesovské sítě, které zakódují expertní znalosti a umožňují pravděpodobnostní vyhodnocování. Kromě toho byly nasazeny rozhodovací stromy využívající historická data z geotermálních i analogických ropných vrtů pro rozpoznávání vzorců.

Tyto komponenty umožňují systému kombinovat naučené datové chování s expertní znalostí, což zajišťuje přesnou predikci vrtacích podmínek a včasnou detekci odchylek.

Výstupem byly tzv. belief scores, číselné hodnoty mezi 0 a 1 vyjadřující pravděpodobnost jednotlivých dysfunkcí. Operátor (vrtací společnost) si je mohl zobrazit na přizpůsobených dashboardech a nastavit výstrahy sloužící jako digitální „poklepání na rameno“. Díky tomu získal předstih při řešení potenciálních problémů a mohl přijmout nápravná opatření dříve, než došlo k výpadku nebo poškození nástrojů či vrtu.

Ověření přínosů v praxi

Během pilotního nasazení systém v každém vrtu zpracoval více než 70 000 datových bodů za hodinu. Opakovaně prokázal schopnost včasně detekovat a klasifikovat známky abnormálních tlakových ztrát, včetně úniku výplachu a zablokování nástroje.

Operátor navíc zaznamenal další klíčové přínosy:

• Zkrácení prodlev při výstrahách: Díky edge computing architektuře dostával operátor upozornění až o 45 minut dříve než při použití tradičních monitorovacích systémů.
• Snížení neproduktivního času (NPT): Rychlejší a přesnější reakce pomáhaly předejít eskalaci incidentů a snižovaly potřebu nákladných sanačních zásahů.
• Rychlejší predikce událostí: Umělá inteligence efektivně identifikovala trendy, odhalovala příčiny a navrhovala optimální řešení.

Zobrazení systému DBA bylo k dispozici přímo na místě i v kanceláři, čímž zajišťovalo informovanost celého týmu v reálném čase.

Úspěšná adaptace řešení původně vyvinutého pro ropný sektor do oblasti geotermálního vrtání potvrzuje flexibilitu a potenciál umělé inteligence v energetice. Schopnost učit se a přizpůsobovat novému provoznímu kontextu se ukázala jako zásadní při monitoringu a řešení technických problémů v rámci evropského pilotního projektu.

Tento program tak představuje model pro další využití AI v geotermálním průzkumu a těžbě. Díky schopnosti včas rozpoznat tlakové anomálie a nabídnout konkrétní návrhy řešení přispívá ke zvýšení efektivity, bezpečnosti a zároveň podporuje environmentální cíle operátora.