Abstract
Die Welt, in der wir leben, verändert sich in rasantem Tempo. Die Digitalisierung hat die Komplexität des Öl- und Gasgeschäfts erheblich beeinflusst und die gesamte Branche umgestaltet. Die ständig wachsende Menge an generierten Daten, die mit Energiewende, Einhaltung der aktuellen Gesundheits-, sowie Sicherheits- und Umweltvorschriften und einer kosteneffizienten Produktion einhergehen; stellt für die Öl- und Gasunternehmen sowohl Chance als auch Herausforderung dar. Beispiele für maschinelles Lernen und künstliche Intelligenz (KI) sind allgegenwärtig und werden für die Lösung komplexer technischer Aufgaben eingesetzt, um mehr Effizienz und Sicherheit in unser tägliches Leben und in große industrielle Prozesse zu bringen. Ziel dieser Forschungsarbeit war die Entwicklung eines neuartigen Ansatzes zur Vorhersage und Verhinderung von Ausfällen in Bohrlöchern, die mit künstlichen Aufzugsproduktionssystemen ausgestattet sind, durch den Einsatz von Werkzeugen des maschinellen Lernens und Algorithmen der künstlichen Intelligenz für die umfangreichen Datenmengen, die ein Öl- und Gasunternehmen täglich erzeugt. Die primäre Herausforderung dieser Arbeit war die Entwicklung eines Diagnosewerkzeugs für die automatische Erkennung des Zustands und der Fehlfunktionen der Gestängetiefpumpe anhand digital erzeugter Dynamometerkarten. Die vorgeschlagene Lösung auf der Grundlage künstlicher neuronaler Netze führte zu einem hochpräzisen Erkennungsalgorithmus, der zur Verhinderung potenzieller Bohrlochausfälle und zur Optimierung der Produktion eingesetzt werden kann. Eine weitere wichtige Aufgabe war die Identifizierung von Trends im Verhalten der Gestängetiefpumpen und die Vorhersage künftiger Pumpenzustände auf der Grundlage der identifizierten Trends. Verschiedene mathematische Modelle wurden getestet, und der passendste Ansatz wurde ausgewählt. Das gewählte Modell war in der Lage, genaue und zuverlässige Ergebnisse vorherzusagen, die fast identisch mit den realen Datenpunkten sind. Diese Vorhersagen können im täglichen Betrieb eingesetzt werden, um potenzielle Ausfälle und Fehlfunktionen in Gestängetiefpumpen zu vermeiden, Kosten und Risiken zu reduzieren und die mittlere Zeit zwischen Ausfällen zu erhöhen. Ein neuartiges automatisches System zur Erkennung und Vorhersage unerwünschter Ereignisse beim Betrieb von Gestängetiefpumpen wurde entwickelt. Die Ergebnisse zeichnen sich durch ein hohes Maß an Präzision, Genauigkeit und Flexibilität aus, was Anwendung und Erweiterung des Modells auf andere ähnliche Fälle ermöglicht. Die vorgestellten Methoden und Funktionen, die auf Techniken der künstlichen Intelligenz beruhen, haben die Leistungsfähigkeit der KI als eine Technologie gezeigt, die hervorragende Ergebnisse liefern und zur Lösung komplexer Probleme beitragen kann.
Titel in Übersetzung | Die Anwendung moderner mathematischer Methoden für Verständnis, Planung und Vorhersage von Optimierungsszenarien der Produktionskosten in der späten Phase der Ölfeldnutzung |
---|---|
Originalsprache | Englisch |
Qualifikation | Dr.mont. |
Gradverleihende Hochschule |
|
Betreuer/-in / Berater/-in |
|
Publikationsstatus | Veröffentlicht - 2022 |
Bibliographische Notiz
nicht gesperrtSchlagwörter
- Maschinelles Lernen
- künstliche Intelligenz
- Gestängetiefpumpe
- Dynamometerkarten
- Öl
- Gas
- Produktion
- Fehlervorhersage
- künstliche neuronale Netze
- Trendanalyse
- Digitalisierung
- Features
- elliptische Fourier-Transformation
- Pumpenzustände