Digitalisering og maskinlæring for nullutslipp

Datainnsamling, deling og rask tilgang har vært viktige bidrag til suksessen til petroleumsnæringen i Norge. Komplekse og store modeller for flere scenarioer krever databehandling med høy ytelse. Forbedret input til modeller som bruker konvensjonelle metoder eller assistert med maskinlæring krever underliggende data og datasett basert på lett tilgjengelige og utskiftbare data fra flere datakilder. Bransjen utvikler seg raskt med nye løsninger innen skyteknologi, for eksempel OSDU-fellesskapet for datadelingsstandard for undergrunnen, DELFI og lignende.

Anvendt datavitenskap i stor skala vil skifte fra databehandling og analyse på ett enkelt sted til det nye paradigmet for føderert databehandling blant flere nettsteder som støtter overføring av beregning til data. Denne teknologiske revolusjonen gir mulighet til å forbedre dagens topp moderne verktøy for både bedre modellering og dataytelse. I tillegg tilbyr den nye Cloud-Edge-IoT (Internet of Things-teknologien) med tilgang til datakilder på tvers av flere nettsteder, tilstrekkelig datakraft for håndtering av intensive beregninger for modellutvikling og testing med realistiske felt (Zhao et al., 2010). Dataassimilering er et robust rammeverk for reservoarstyringsmodellering for optimalisering, beslutningstaking og verdiskaping av ressurser i undergrunnen (Evensen, 2021; Chen og Oliver, 2017). Metoden har ført til et paradigmeskifte for måten reservoarmodeller har blitt brukt til karakterisering og produksjonsprognoser, og mange selskaper bruker nå ensemble-arbeidsflyt i sin virksomhet (Hanea et al., 2015).

Verdikjeden i undergrunnen, som inkluderer CO₂- og H₂-lagring, energieffektivitet knyttet til injeksjon og produksjon, og håndtering av svingninger i fornybare energikilder, introduserer et nytt nivå av kompleksitet. Det er nødvendig med nye metoder for å skaffe pålitelige modeller (Peherstorfer et al., 2018; Nezhadali et al., 2021). Optimaliseringsmetodene kan utvides til å dekke hele den bærekraftige verdikjeden som forbinder undergrunnen, brønnen og injeksjonslinjene og gir optimale beslutningsmetoder.