smart_society

機械学習を用いた上流石油・ガスプロセス効率の改善

The petroleum industry in Kuwait accounts for nearly half of the country’s GDP and makes up 15% of Japan’s crude oil import. In this collaborative research with Kuwait Oil Company (KOC), we aim for increasing the efficiency of the Exploration & Production (E&P) upstream processes in the oil and gas industry. We use data that has been collected by KOC in Kuwait from various sources such as SCADA systems, seismic sensors, and RFID sensors, and apply machine learning(ML) techniques for feature discovery, gas flow regimes identifications, and reservoir characterization. This research contributes to the E&P processes in reducing the exploration time and improving real-time well management by replacing the empiricalcorrelations with our ML-based predictive models in estimating the pressure-volume-temperature (PVT) properties of crude oils and natural gas. In our research, pattern recognition techniques are applied on big data to identify “liquid loading” at early stages in gas wells during production as an approach in extending the production time of gas wells.

クウェートの石油産業は国内総生産(GDP)の約半分を占め,日本の原油輸入の15%を占めている.我々は,石油・ガス産業における探鉱・生産(E&P)上流プロセスの効率向上を目指し,クウェート石油会社(KOC)との共同研究を行っている.SCADAシステムや地震センサ,RFIDセンサなど様々なセンサの測定データに対し,機械学習を適用することで,原油の要素分析やガス流動様式の同定,原油リザーバの特性決定などの技術開発を行っている.原油や天然ガスの圧力-体積-温度特性(PVT)推定プロセスにおいて,経験則に基づく従来の手法ではなく,機械学習モデルを用いて効率と精度を高めることにより,E&P分野における探索時間の短縮と管理技術の向上に貢献することを目指している.さらに,ビッグデータにパターン認識を適用して,ガス油田の生産初期段階でのリキッドローディング現象を見つけ,ガス油田の生産寿命を延ばすことを目指す。