Utilisation des réseaux de neurones dans l’optimisation des paramètres de forage des puits des hydrocarbures en temps réel

Abstract

Les adaptations des paramètres de forage en temps réel sont basées sur l’expérience du foreur. Ceci est principalement dû à l'incapacité des foreurs d'analyser et d'interpréter le flux de données en temps réel. De plus, la prise des décisions en temps réel dépend de la rapidité avec laquelle le foreur peut identifier le problème. L’expérience a montré qu’il y a également un retard distinct dans la détection des évènements indésirables. Une telle inefficacité peut augmenter considérablement le temps non productif. Cette thèse vise à construire un outil de support intelligent capable de surmonter ces limitations à travers l’agrégation des données, la recommandation des paramètres de forage optimaux, l’identification des tendances des paramètres de forage et la détection précoce des dysfonctionnements de forage. La méthodologie présentée dans ce travail de thèse utilise les différents segments de l’intelligence artificielle à savoir les réseaux de neurones artificiels, les algorithmes d’apprentissage supervisée et non supervisé, et les algorithmes d’optimisation métaheuristique pour permettre à la machine de simuler la pensée humaine pendant la surveillance des opérations de forage. Les résultats obtenus montrent que les modèles développés peuvent avoir un impact positif sur l’industrie du forage grâce à leur efficacité, précision et rapidité