Ứng dụng mô hình học máy và AI để thăm dò dầu khí

Dòng dầu đầu tiên được khai thác thành công từ khối đá móng macma cổ của mỏ Bạch Hổ đã tạo ra bước ngoặt lịch sử cho sự phát triển của ngành Dầu khí Việt Nam, làm thay đổi quan điểm truyền thống về đối tượng tìm kiếm, thăm dò dầu khí, mở ra hướng tìm kiếm thăm dò dầu khí mới.

Mỏ Bạch Hổ được Vietsovpetro khai thác hiệu quả, đóng góp quan trọng cho sự phát triển kinh tế - xã hội của đất nước.

Thông thường, việc xác định đá móng nứt nẻ cần sử dụng các công cụ chuyên dụng, có thể phải ngừng công tác khoan giếng, kéo dài thời gian thuê giàn khoan, làm tăng chi phí giếng khoan mới.

Để tối ưu quá trình này, VPI đã nghiên cứu, xây dựng giải pháp “Dự đoán đá móng nứt nẻ bằng các thông số trong quá trình khoan giếng khoan sử dụng mô hình học máy và trí tuệ nhân tạo (Application of Fracture Prediction by VPI)” giúp xác định chính xác sự hiện diện của các hệ thống nứt nẻ dựa trên dữ liệu thời gian thực.

Các thông số (như moment xoắn, tải trọng choòng khoan, lưu lượng dòng chảy, vận tốc quay của roto, áp suất đứng cột cần khoan…) sẽ được sử dụng làm dữ liệu đầu vào cho các thuật toán ML được giám sát; sau đó các mô hình sẽ được sàng lọc, xếp hạng, đánh giá để tìm ra mô hình tối ưu nhất cho dự báo nứt nẻ.

Kết quả dự báo nứt nẻ bằng mô hình ML và AI của VPI.

VPI đã thử nghiệm độ chính xác của mô hình dự báo này với dữ liệu khoan 12 giếng tại một số mỏ có cấu tạo địa chất tương tự, kết quả cho độ chính xác dự báo nứt nẻ đạt trên 80% với các giếng mới tương đồng. Kết quả được thể hiện trên nền tảng MLOps, giúp nâng cao hiệu quả công tác khoan, đặc biệt là xác định chính xác những khoảng độ sâu xuất hiện nứt nẻ, hỗ trợ người điều hành ra quyết định nhanh, tiết kiệm thời gian và chi phí khoan giếng. Chi phí tiết kiệm sẽ phụ thuộc vào kế hoạch khoan cụ thể từng nhà thầu, các phương án xử lý trong quá trình khoan nếu có, nhưng được ước tính sơ bộ lên tới hàng trăm nghìn USD ở mức giá thiết bị, nhân lực chuyên gia tại thời điểm năm 2022.

Các kết quả minh giải nứt nẻ được xác định bởi các chuyên gia của VPI và sử dụng làm dữ liệu đầu vào cho các thuật toán ML được giám sát như: hồi quy Logistic, Histogradient boosting, Gradient boosting, Random forest, K-neighbors, Extra Tree, Voting và mô hình ML với các lớp ẩn. Kết quả của quá trình dự báo được thể hiện trên nền tảng MLOps của VPI với những tính năng thông báo trực tiếp cho người dùng thông qua email và mục thông báo.