de.wedoany.com-Bericht: Chevron und Halliburton haben in Colorado erfolgreich ein vollautomatisches Closed-Loop-Fracking-Konzept validiert und integrieren derzeit weitere Diagnosetools in das System.
Das Closed-Loop-System besteht aus einer Wahrnehmungsebene, einer Entscheidungslogikebene und einer Ausführungsebene und kann Bohrlochabschlussparameter auf Basis von Echtzeit-Untergrunddaten dynamisch anpassen. Awais Navaiz, technischer Berater bei Halliburton, wies in seinem auf der SPE Hydraulic Fracturing Technology Conference and Exhibition im Februar vorgestellten Fachartikel (SPE 230613) darauf hin, dass das System Teil kontinuierlicher Verbesserungsbemühungen und kein eigenständiges Forschungsprojekt sei.
Jason Bell, Bohrlochabschlussingenieur von Chevron für die Rocky-Mountains-Region, erklärte in seinem Bericht, dass das Hauptziel dieser Implementierung die Validierung der Machbarkeit der Technologie sei. Er betonte: „Das Team versuchte, die Technologie schnell zu implementieren und zu validieren, musste dabei aber innerhalb bestimmter Grenzen arbeiten, um das Unternehmen davon zu überzeugen, dass dieser Schritt nützlich und wichtig ist – ohne den Zeitplan zu stören oder die Anlagen zu beeinträchtigen.“ Die Autoren des Fachartikels erläuterten weiter, dass das Konzept darauf abziele, in unkonventionellen Lagerstätten ein vollständig autonomes, sensorgesteuertes Closed-Loop-Fracking-System zu entwickeln und zu implementieren. In der Praxis in Colorado musste das System eine kontinuierliche und zuverlässige autonome Ausführungsfähigkeit demonstrieren, durch nicht-invasive Diagnosemethoden verwertbare Untergrundinformationen sammeln, ohne den Betrieb zu stören, und zeigen, wie automatisierte Arbeitsabläufe Untergrundrückmeldungen in Echtzeitanpassungen vor Ort umsetzen. Dieser Arbeitsablauf verkürzt die Entscheidungszeit, die ein Mensch normalerweise in Minuten oder Stunden trifft, auf wenige Sekunden.
Die Implementierung erfolgte in drei Phasen: Zunächst wurde die aktuelle Frackingleistung durch Diagnose ermittelt, dann folgte die Effizienzoptimierung und Automatisierung des Fracking-Prozesses, und schließlich wurde die Untergrundrückmeldung integriert, sodass das Closed-Loop-System die Anpassung der Behandlungsparameter autonom ausführt.
Navaiz verriet, dass das Team die Diagnosedaten über eine Einweg-Glasfaser gewonnen habe. Diese kostengünstige und nicht-invasive Faser diente der Datenerfassung, um das Verhalten des Riss-Systems zu überwachen und Basis-Kennzahlen (KPIs) zu etablieren. Er wies darauf hin, dass die Oberflächenautomatisierung eine entscheidende Grundlage des Konzepts sei und die manuellen Entscheidungen vor Ort um etwa 90 % reduziert habe, während die Anzahl der Computerentscheidungen um das 14-fache gestiegen sei. „Ein Computer kann tausende Fracking-Abschnitte Tag für Tag auf exakt dieselbe Weise ausführen, solange die Betriebsgrenzen definiert sind. Menschliche Bedienung hingegen ist immer mit Variabilität verbunden“, erklärte er. Das System definiere den vollständigen Closed-Loop-Betrieb als einen selbstregulierenden, in sich geschlossenen Prozess, der seine eigene Leistung durch Rückkopplung steuere. „Wenn die Rückmeldung kontinuierlich in das System integriert wird, ohne dass ein menschlicher Eingriff erforderlich ist, gilt der Prozess als vollständig geschlossener Regelkreis.“ Bei dieser Implementierung wurden die Untergrunddaten kontinuierlich in das System eingespeist, das auf Basis vordefinierter Logik Entscheidungen traf und diese direkt an die Fracking-Pumpen zur Ausführung sendete – ohne menschliches Eingreifen.
Der Energy-Engineering-Arbeitsablauf war der erste Meilenstein auf dem Weg zum Closed-Loop-System. Dieser Arbeitsablauf verknüpft die Diagnoserückmeldung mit der Oberflächenautomatisierung und verteilt die Lagerstättenenergie basierend auf der Rückmeldung des Risswachstums dynamisch neu, um ein gleichmäßigeres Risswachstum zu fördern. „Wenn wir Fracking-Abschnitte entwerfen, gehen wir davon aus, dass alle Perforationscluster gleichmäßig verteilt sind, die Abschnittslängen einheitlich und die Bohrlochabstände gleich sind. Die Realität sieht jedoch ganz anders aus“, sagte Navaiz. Der herkömmliche Ansatz besteht darin, die Aufschlämmung in schnell wachsende Abschnitte zu injizieren, während der Closed-Loop-Energy-Engineering-Arbeitsablauf die gegenteilige Strategie verfolgt: Die Flüssigkeitsmenge wird begrenzt, bis ein besser performender Abschnitt erreicht wird, und dann wird die „gespeicherte“ Flüssigkeitsmenge in diesen Abschnitt reinjiziert.
Bell erklärte, dass die Bestimmung, welche Abschnitte gut oder schlecht abschneiden, eine große Datenmenge erfordere, die über die Einweg-Glasfaser gesammelt werde. Das Team sammelte Daten von über 1500 Abschnitten als Hintergrunddaten für die gesamte Fracking-Programmdurchführung. „Dabei wurde am Fracking-Programm nichts geändert – gleiches Abschnittsdesign, alles blieb gleich – es wurden lediglich Daten gesammelt, in die Cloud gesendet, analysiert, katalogisiert und charakterisiert.“ Durch die Datencharakterisierung gelang es dem Team, Riss-Systeme mit „schnellem“ und „langsamem“ Wachstumsverhalten zu unterscheiden. Wenn der Computer ein langsames Fracking feststellte, entnahm er Aufschlämmungsvolumen aus dem Lagertank und leitete es dem langsam wachsenden Abschnitt zu.
Navaiz ergänzte, dass das System modular aufgebaut sei und Komponenten wie Beobachtung, Entscheidung oder Ausführung bei Bedarf ausgetauscht werden könnten. „Wenn man die Glasfaser im Nachbarbohrloch durch ein anderes Diagnosetool ersetzen oder die Handlungsweise ändern oder die Entscheidungslogik anpassen möchte, ist das möglich.“ Bell betonte, dass das modulare Design dem System eine Plug-and-Play-Fähigkeit verleihe, die es ihm ermögliche, sich problemlos an verschiedene Einsatzszenarien anzupassen. „Vielleicht ist die Glasfaser nicht die einzige Lösung, oder es gibt keinen benachbarten DUC (Drilled but Uncompleted) Brunnen, aber das System kann ein anderes Diagnosetool anschließen – das ist die Stärke dieses Systems.“ Er deutete an, dass in Zukunft möglicherweise andere Sensortools eingesetzt werden könnten.
Bei der Implementierung in Colorado lief das Team zunächst im Open-Loop-Modus und wechselte dann in den Closed-Loop-Modus. In der ersten Closed-Loop-Anwendung wurden über 90 % der Fracking-Abschnitte vollständig Ende-zu-Ende automatisiert. „Das Team hat eine vollständig autonome, untergrundgesteuerte Closed-Loop-Feedback-Fracking-Anwendung entwickelt und demonstriert, die ohne menschliches Eingreifen auskommt“, beschrieb Bell. „Das System erfasst Sensordaten, verarbeitet sie in der Cloud, trifft Entscheidungen und sendet Anweisungen zur Änderung oder Nichtänderung an die Fracking-Flotte zurück. Die Ausrüstung führt die Änderungen automatisch aus, ohne menschliches Eingreifen.“
Die Autoren des Fachartikels kamen zu dem Schluss, dass intelligente Oberflächen-Fracking-Operationen, die von Bohrlochmessungen gesteuert werden, dynamische Bohrlochabschlussentscheidungen auslösen und so das Bohrlochabschlussprogramm optimieren können. Zukünftige Arbeiten könnten komplexere Entscheidungslogik-Architekturen umfassen, und es werde erwogen, weitere Diagnosetools in den Arbeitsablauf zu integrieren. Navaiz erklärte, dass die allgemeine Agenda der aktuellen Forschung des Teams auf die Aufrechterhaltung der Betriebseffizienz abziele. „Die derzeit zu lösende Einschränkung besteht darin, den Betrieb so multifunktional zu gestalten, dass Änderungen an einzelnen Bohrlöchern während synchroner Fracking-Operationen – sogar bei Drei- oder Vier-Bohrloch-Synchronfracking – vorgenommen werden können, ohne den gesamten Bohrlochabschluss-Fabrikbetrieb zu beeinträchtigen.“
Informationen zum zugehörigen Fachartikel: SPE 230613 „Transforming Hydraulic Fracturing: The First-Ever Closed-Loop Completions Program“ („Die Hydraulik-Fracking-Revolution: Das erste Closed-Loop-Bohrlochabschlussprogramm“), Autoren: A. Navaiz und P.F. Stark (Halliburton), M. Paradeis (ehemals Chevron USA, jetzt Subterra Energy Consulting), J. Bell, D. Beasley, E. White und H. Lynch (Chevron) sowie F. Adil, J.B. Tran, C. Cox und J. Doucette (Halliburton).
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
