Kunnskap om usikkerhet viktig i oljebransjen

Oljeselskapene må kontinuerlig ta beslutninger om hvordan oljeressursene skal utvinnes. Forskere ser derfor på hvordan informasjonen om reservoarene kan gjøres mest mulig sikker.

Denne artikkelen er over ti år gammel og kan inneholde utdatert informasjon.

Oljeselskapene må kontinuerlig ta beslutninger om hvordan oljeressursene skal utvinnes, og gode eller dårlige beslutninger kan få enorme økonomiske konsekvenser.

Best mulig informasjon

- Derfor er det viktig å ha best mulig informasjon om reservoarene. Men det er også ønskelig å vite hvor usikker informasjonen er, understreker professor Henning Omre.

"- Oljeselskapene trenger best mulig informasjon om reservoarene når de skal planlegge utvinningsløsninger. Men det er også ønskelig å vite hvor usikker informasjonen er, understreker professor Henning Omre. (Foto: NTNU Info / Arne Asphjell)"

Et typisk norsk oljereservoar dekker et område på 50 kvadratkilometer, har en tykkelse på 100 meter, og ligger 2,5 km under havbunnen i Nordsjøen.

Før det tas beslutning om utvinning, lager oljeselskapene en matematisk modell hvor reservoaret representeres ved et enormt antall punkter med opplysninger om bergart, porøsitet og en rekke andre forhold.

Konsekvenser

Modellen kan senere blant annet brukes til å kjøre datasimuleringer for å beregne konsekvenser av ulike utbyggingsløsninger.

- Med dagens teknologi klarer vi å representere reservoaret med modeller som inneholder omtrent en milliard slike gridpunkter, og hvert gridpunkt inneholder informasjon om en håndfull ulike egenskaper. Det er med andre ord store informasjonsmengder som skal håndteres, forteller Henning Omre, som er professor i statistikk ved NTNUs Institutt for matematiske fag.

Omre har ledet forskningsprosjektet Usikkerhet i reservoarevaluering (URE) i forskningsprogrammet Grunnleggende petroleumsforskning (PetroForsk).

"URE-modellen bruker reelle seismiske observasjoner og en sannsynlighetsmodell som grunnlag for å gi hurtige beregninger av de simulerte seismiske egenskapene. Illustrasjonen viser simulerte egenskaper i et tverrsnitt gjennom Heidrun-feltet i Nordsjøen. (Illustrasjon: NTNU)"



 

Kartlegger usikkerheten

- Oljeselskapene må blant annet beslutte om et reservoar skal bygges ut, hvordan det skal bygges ut, eller hvordan det skal bores nye brønner underveis i utvinningsfasen, sier Omre.

- Disse beslutningene må fattes under usikkerhet, og URE-prosjektet søker å tallfeste denne usikkerheten best mulig. Hvis usikkerheten er for stor, kan det bli aktuelt å skaffe mer informasjon før beslutningen fattes, tilføyer Omre.

Han presiserer at URE-forskerne egentlig strir med tidløse problemer i oljebransjen.

- Det handler om å finne løsninger som gir den høyeste utvinningsgraden under gitte økonomiske beskrankninger, og vi finner stadig bedre løsninger på de gamle problemene. Våre resultater har bidratt til at utvinningsgraden fra reservoarene stadig øker, mener Omre.

Matematikk skaper verdier

- URE-aktivitetene utføres i nært samarbeid med nøkkelpersoner i oljebransjen, og våre ferdig utdannede doktorgradskandidater kan formulere matematisk en del av de problemene bransjen daglig står overfor. Når et problem er formulert matematisk, er veien til datamaskinkode og modellsimulering kort, hevder Omre.

I regi av URE-prosjektet er det blant annet utviklet en modell som kan gi bedre informasjon om bergartsegenskapene i reservoaret og fordelingen av olje, gass og vann, samt en tallfesting av den tilhørende usikkerheten. Dette gir grunnlag for å forutsi den framtidige produksjonen.

URE-modellene benytter både seismiske data og brønnmålinger - to informasjonstyper med svært ulike egenskaper.

- De seismiske dataene dekker store deler av reservoaret, men er beheftet med betydelig usikkerhet. Til sammenlikning er brønnmålinger presise, men de dekker en svært liten del av reservoaret, forklarer Omre.

Tidligere produksjon

Sentralt i arbeidet står også bruk av informasjon om tidligere produksjon fra reservoaret, som grunnlag for bedre anslag på reservoaregenskaper og fremtidig produksjon.

Det er svært tunge beregninger som skal til for å håndtere dette, og derfor må det gjøres forenklinger som bidrar til usikkerhet. Denne usikkerheten må tallfestes, og det er innarbeidet i modellen.

Powered by Labrador CMS