Workflow di Ottimizzazione del Gas Lift Basato su ML per Giacimenti Non Convenzionali

È stato creato un innovativo workflow automatizzato che sfrutta l'Apprendimento Automatico (ML) per ottimizzare il gas lift in giacimenti non convenzionali. Questo sistema combina un modello ML che prevede la Curva di Prestazione del Gas Lift con un Framework di Ottimizzazione Bayesiana per identificare i migliori tassi di iniezione di gas, rispettando i limiti di capacità degli impianti. Utilizzando dati storici di serie temporali di produzione, il modello ML elimina la necessità di sensori di fondo pozzo o test di portata multipla. Testato su 30 pozzi in 5 piattaforme nella formazione Bakken, il workflow ha prodotto un aumento medio della produzione superiore al 5%. Dopo i risultati positivi del progetto pilota, è stato completamente implementato in oltre 200 pozzi con gas lift e gas lift assistito da pistone (PAGL) nel Bakken, offrendo una soluzione economica per asset privi di dati di fondo pozzo o capacità di test a portate multiple.