مناقشة طالب الدكتوراه (مصطفى راشد عبد الحميد ابراهيم) في قسم هندسة النفط.

جرت في قسم هندسة النفط  مناقشة اطروحة الدكتوراه الموسومة :

Artificial Intelligence Based Reservoir Model for Mishrif Formation/West Qurna 2 Oil Field

لطالب الدكتوراه  (مصطفى راشد عبد الحميد ابراهيم) وذلك يوم الثلاثاء الموافق 28-02-2023 في قاعة المناقشات في القسم.

تألفت لجنة المناقشة من الذوات

وبعد مناقشة الطالب والاستماع لدفاعه وتقييم مستوى الاطروحة، منح الطالب درجة الدكتوراه بهندسة النفط و بتقدير امتيازً.

ملخص الاطروحة:

أن التطورالحاصل في الصناعة النفطية والغازية سريع جدا و بشكل ملحوظ ، خاصة على مستوى الحصول على البيانات من مستشعرات وأجهزة الجديدة المتطورة. أن هذه البيانات تتميز بحجمها الهائل وتعقيدها بسبب البنية الخفية والنمط بين المتغيرات و الذي لا يظهر بشكل واضح و صريح للمفسر. لذلك يصعب التعامل معها  ببساطة من قبل المستخدم. كذلك هنالك أمور الأخرى تتعلق بمراحل بناء الموديل المكمني. حيث تتميز هذه المراحل بكونها مستهلكة للوقت بشكل كبير ، ومرهقة لليد العاملة ، وتتطلب عدد كبير جدا من المحاكاة المكمنية و التي تتطلب أداءً عاليًا لوحدة المعالجة المركزية للحواسيب المستخدمة لإجراء هذه المراحل. للتغلب على هذه المشكلات و تذليل المعوقات ، ظهرت الحاجة الضرورية للتقنيات الجديدة المتمثلة بالذكاء الاصطناعي. لذلك يتم استخدام تقنيات الذكاء الاصطناعي واستخراج البيانات على نطاق واسع في صناعات النفط والغاز نظرًا لقدرتها على التعامل مع أحجام البيانات الضخمة وتسريع أداء المحاكاة المكمنية باستهلاك وقت اقل ونتائج عالية الدقة.

يشمل نطاق العمل في هذه الأطروحة معظم مراحل تطوير و بناء المكمن. يمكن تلخيص نطاق هذه الدراسة على النحو التالي

• يبدأ العمل بحساب النفاذية باستخدام طريقة الذكاء الاصطناعي ثم مقارنة نتائجها بالطريقة التقليدية (طريقة وحدة التدفق الهيدروليكي) ودراسة تأثيرهما على عملية مطابقة التاريخ.
• تطبيق طرق الذكاء الاصطناعي في إجراء عمليات مطابقة التاريخ المساعد من خلال تطبيق ثلاث طرق وهي (1) الخوارزمية الجينية (2) التصميم التجريبي بالإضافة إلى تحسين بواسطة الوكيل ، و (3) Bayesian engine مع طرق القبول والرفض القائمة على الوكيل.
• تطبيق الأمثلية في عمليات اختيار افضل مواقع حفر اباربطريقة امثلية جديدة (استراتيجيات التحسين المتسلسل) لزيادة استخلاص الهيدروكاربونات وتقليل إنتاج المياه من خلال اكتشاف أفضل مواقع حفر الآبار ثم مقارنة نتائجها بطريقة التحسين دفعة واحدة كاملة.
• المرحلة الأخيرة في هذه الدراسة هي تحديد كمية عدم اليقين.

النتائج مشجعة وواعدة لزيادة استخدام تطبيقات الذكاء الاصطناعي في مجال البحوث النفطية. حيث يمكن تلخيص النتائج من خلال:

• أظهرت النتائج أن الموديل المكمني الذي يتضمن النفاذية المحسوبة باستخدام الذكاء الاصطناعي يطابق البيانات الانتاجية بشكل أكثر دقة من الموديل المكمني الذي يتضمن النفاذية التي تنبأت بها طريقة FZI
• يتميز تصميم التجربة بالإضافة إلى تحسين الوكيل بالتفوق على الطرق الأخرى نظرًا لسرعته في العثور على الحل الأمثل مع عدد أقل من عمليات تشغيل المحاكاة. أيضًا ، اثبتت عملية مطابقة البيانات الانتاجية المساعد قدرتها على أداء عمليات المطابقة المتزامنة.
• توضح نتائج امثلية اختيار افضل موقع لحفر بئر ان عملية تحسين المتسلسل لها الافضلية على عملية تحسين دفعة واحدة كاملة في زيادة إنتاج التراكمي للنفط في الحقل وتقليل إنتاج التراكمي للمياه الحقل. حيث أظهرت النتائج أن استراتيجيات تحسين المتسلسل تزيد من إنتاج التراكمي للنفط الحقل بنسبة 6.45٪ وتقلل أيضًا من إنتاج المياه التراكمي للحقل بنسبة 16.11٪ بينما عمليات التحسين على دفعة واحدة كاملة تزيد من إنتاج النفط التراكمي للحقل بنسبة 2.8٪ وتقلل من إنتاج المياه الحقل التراكمي بنسبة 8٪. الفرق بين الاستراتيجيتين هو 3.65٪ في الإنتاج التراكمي للنفط و 8.11٪ في الإنتاج التراكمي للمياه.
• توضح نتائج تقدير عدم اليقين أن عمق التلامس بين النفط والماء هو أكثر المتغيرات تأثيرا على حجم النفط الاولي والإنتاج التراكمي للنفط. أيضًا ، تعد طريقة Monte Carlo Proxy (MCP) أداة مفيدة جدًا وقوية لإجراء تقدير كمية عدم اليقين افضل من طريقة(MCRS) Monte Carlo Reservoir Simulator. لأن MCP تؤدي تقدير كمية عدم اليقين بأقل عدد من المحاكاة المكمنية و استهلاك للوقت قليل جدا وتكون دقيقة للغاية وبنتائج متطابقة مقارنة بنتائج طريقة MCRS.

من نتائج هذه الدراسة ، خلصنا إلى أن استخدام أحدث التقنيات (الذكاء الاصطناعي واستخراج البيانات) في عمليات التطوير المكامن له تفوق على التقنيات التقليدية في التغلب على المشكلات المتعلقة باستهلاك الوقت ، وتسريع العمليات ، واستنفاد الجهد، ومعرفة الارتباطات بين المتغيرات المختلفة لبناء نموذج للحصول على الحلول المثلى لعمليات التطوير المكمنية.

الهدف من الاطروحة:

ان الهدف من الدراسة هو تطبيق طرق الذكاء الاصطناعي من اجل التغلب على المشاكل التي تواجه الدراسات المكمنية و التي تتمثل بصعوبة ايجاد الحلول المثلى لدراسات المكمنية و كذلك باستهلاك الكبير للوقت و ايجاد افضل صورة عن العلاقات التي تربط المتغيرات مع بعضها البعض و تاثيرها على النتائج بصورة عامة.

هدفت الدراسة على تطبيق ستراتبجية جديدة في ايجاد الحلول المثلى و كذلك دراسة عدم اليقين في المكمن من خلال اعتماد على بناء proxy   باستخدام لوغارتمات و موديلات الذكاء الاصطناعي من اجل تسريع عمليات المحاكاة و اعطاء افضل صورة للمكمن الحقيقي

التوصيات:

توصلت الدراسة الى بعض التوصيات التي ممكن تطبيقها مستقبلا من قبل الباحثين و التي تمثلت بضرورة الأستفادة من تطبيقات الذكاء الاصطناعي في مجال الصناعة النفطية و بالخصوص الدراسات المكمنية لما لها من قابلية على تعامل مع بيانات ذات حجوم كبيرة و اعطاء نتائج موثوقة و بأسرع وقت. و كذلك اوصت بتطبيق ستراتيجية الامثلية المتسلسلة في عمليات تطبيق خطط التطويرية في حفر ابار لما اعطت من نتائج مشجعة و واعدة في زيادة الانتاج من خلال ايجاد افضل مواقع لحفر الأبار.

أوصت الدراسة لتطبيق الذكاء الاصطناعي في:

• بناء موديلات لحساب مختلف الخواص البتروفيزياوية باستخدام العديد من المتغيرات المستحصلة بواسطة المجسات.
• دراسة عمليات خزن و حقن غاز CO₂ في المكامن و اختيار افضل الاستراتيجيات.
• تطبيق image recognition  في عمليات حساب الخواص البتروفيزيائية بالاعتماد على المجسات التي تقوم بتصوير جدار البئر.
• الأستفادة من وفرة البيانات الخاصة بتكوين المشرف لعمل توزيع لخواص البتروفيزيائية لهذا التكوين من خلال تطبيق الذكاء الاصطناعي .