LOCATING IDEAL CO2 SEQUESTRATION SITES: AN INTEGRATED ENVIRONMENTAL-BIG DATA ANALYTICS APPROACH

LOCATING IDEAL CO2 SEQUESTRATION SITES: AN INTEGRATED ENVIRONMENTAL-BIG DATA ANALYTICS APPROACH. Masters thesis, King Fahd University of Petroleum and Minerals.

[img] PDF
ENVS610 Thesis - Locating Ideal CO2 Sequestration Sites, An Integrated Environmental-Big Data Analytics Approach.pdf - Accepted Version
Restricted to Repository staff only until 31 December 2020.

Download (17MB)

Arabic Abstract

لقد أتاح التصنيع الحديث للاقتصاد المعاصر للناس التمتع بالعديد من المزايا الاقتصادية وساعد على زيادة مستويات معيشتهم. بيد أن هذا التصنيع قد أتى أثر بشكل كبيل على بيئة الأرض. حيث يؤدي احتراق الوقود الأحفوري غير المتجدد على نطاق واسع إلى انبعاث كمية كبيرة من ثاني أكسيد الكربون في الغلاف الجوي. وأظهرت الأبحاث أن ثاني أكسيد الكربون هو المركب الرئيسي الذي يؤثر سلبًا على استقرار مناخ الأرض. وعلى الرغم من وجود عدة مصادر طبيعية لانبعاثات ثاني أكسيد الكربون في الغلاف الجوي، يُعتقد أن انبعاثات ثاني أكسيد الكربون البشرية المنشأ الناجمة عن الاستغلال المفرط للوقود الأحفوري تخل بالتوازن الطبيعي لثاني أكسيد الكربون. وفي ضوء هذه المشكلة البيئية العالمية، حاول الباحثون ابتكار سبل لمعالجة تلك المشكلة. ويمكن اعتماد عدة مناهج لحل هذه المشكلة. ومن بين هذا المناهج عزل ثاني أكسيد الكربون في التكوينات الجيولوجية العميقة مثل مستودعات النفط والغاز المستنفدة، وطبقات الفحم الجوفية غير القابلة للاستخراج، ومستودعات المياه الجوفية العميقة غير الصالحة للشرب. وهناك عدد من العوامل التي ينبغي أخذها في الاعتبار عند محاولة تحديد موقع عزل محتمل لثاني أكسيد الكربون. وهذه العوامل مماثلة لتلك المستخدمة لتحديد مواقع مستودع الهيدروكربونات لأغراض استكشاف النفط والغاز. وبالتالي، فإن المنهج الذي نريد اتباعه لتحديد موقع مثالي لعزل ثاني أكسيد الكربون سيكون أقرب إلى تحديد مواقع الهيدروكربونات. ويمكن تقسيم مشكلة البحث إلى ثلاثة أقسام رئيسية يتم تقسيمها إلى أقسام فرعية أخرى (وتم وضع البيانات التي سيتم استخدامها بين قوسين): تحديد موقع المستودع: (1) المكونات الصخرية ذات جودة عالية (بيانات السجلات + البيانات الأساسية)؛ (2) النفاذية الملائمة؛ (بيانات السجلات + البيانات الأساسية)؛ (3) امتداد المستودع (بيانات السجلات + البيانات السيزمية)؛ (4) الصافي إلى النسبة الإجمالية (بيانات السجلات + البيانات الأساسية). تحديد موقع مانع التسرب: (1) موانع تسرب المكونات الصخرية نموذجية النوع (بيانات السجلات + البيانات الأساسية)؛ (2) الطبقات النفاذية المنخفضة (بيانات السجلات + البيانات الأساسية)؛ (3) امتداد موانع التسرب فوق المستودع (بيانات السجلات + البيانات السيزمية)؛ (4) السُمك الكافي (بيانات السجلات + البيانات السيزمية). تحديد المصايد: (1) وجود الهياكل (البيانات السيزمية)؛ (2) وجود مصائد استراتجرافية (البيانات السيزمية)؛ (3) وجود إغلاقات رباعية الانخفاض (البيانات السيزمية)؛ (4) وجود إغلاقات رباعية الانخفاض (البيانات السيزمية). لذلك، يتمثل الهدف من البحث في استخدام تحليلات البيانات الهائلة المتاحة وتقنيات وأدوات الذكاء الاصطناعي المتاحة من صناعة النفط والغاز في المنبع للمساعدة في تحديد مواقع المستودعات المحتملة لعزل ثاني أكسيد الكربون المحتملة عن طريق استخدام بيانات مثل بيانات السجلات والبيانات الأساسية والبيانات السيزمية. التنبؤ بنفاذية التكوين التي يتم الحصول عليها من السدادات الأساسية في بئر استكشافي محفور في حقل "فولف" الذي يقع في الجرف القاري النرويجي عن طريق استخدام نموذج شبكة عصبية اصطناعية أحادية الطبقة. وكانت بيانات الإدخال التي تمت تغذيتها في الشبكة عبارة ثلاثة سجلات شائعة تتضمن سجل أشعة جاما (GR)، وسجل الكثافة الكبيرة RHOB))، وسجل المسامية النيوترونية (NPHI). وقد تم تحديد نموذج نموذج الشبكة العصبية الاصطناعية أحادية الطبقة الأمثل بأنه يحتوي على 18 خلية عصبية في الطبقة الخفية، ووظيفة نقل أحادية الخلايا. ووجد أن العدد الأمثل لنقاط البيانات المختارة عشوائيًا من مجموع 557 نقطة بيانات هو 225 نقطة. ثم استخدمت البيانات التي تم الحصول عليها من مواصفات تكوين الصخور في سجلات نفس البئر في دراسة منفصلة تهدف إلى تصنيف تكوين الصخور. ويعد استخدام الشبكة العصبية الاصطناعية أحادية الطبقة في تصنيف تكوين الصخور مهمًا لتحديد مواقع عزل ثاني أكسيد الكربون المناسبة لأن علم الدهون يلعب دورًا رئيسيًا في خصائص الصخور (مثل النفاذية والمسامية) التي ستكون موجودة. وهذه الخصائص مهمة لإتاحة تحرك ثاني أكسيد الكربون إلى حيز المسام بمجرد حقنه في التكوين عن طريق آبار الحقن. تم التنبؤ أيضًا بالقيم المسامية أيضًا من بيانات سجل البئر من خلال استعمال نموذج شبكة عصبية اصطناعية أحادية الطبقة. تم استخدام ثلاثة سجلات إدخال وكانت على النحو التالي: أشعة جاما (GR)، والكثافة الكبيرة (RHOB)، والمسامية النيوترونية. وتم ربط قيم السجل بقيم المسامية الأساسية المقابلة التي تم الحصول عليها من التحليل الأساسي لعدد 664 سدادات أساسية. تنقسم مجموعة البيانات إلى مجموعتين: تدريب بنسبة 70% واختبار بنسبة 30%. ويتحقق تحسين النتائج عن طريق مقارنة ثلاثة بارامترات إحصائية رئيسية تشمل ما يلي: معامل الارتباط (CC)، وخطأ الجذر التربيعي (RMSE) ومتوسط النسبة المئوية للخطأ المطلق (AAPE). وقد وجد أن العدد الأمثل من النيوترونات هو 18، حيث تم استخدام وظيفة تحويل الدالة الأسية في الشبكة. وكان معامل الارتباط 0.808، وكان خطأ الجذر التربيعي 0.055، وكان متوسط النسبة المئوية للخطأ المطلق 5.94. وتوضح النتائج أنه يمكن استخدام الشبكة العصبية الاصطناعية أحادية الطبقة كأداة للتنبؤ بالمسامية في المناطق غير المستكشفة من أجل وصف موقع عزل ثاني أكسيد الكربون. وتلعب المسامية عاملاً رئيسيًا في تحديد كمية ثاني أكسيد الكربون التي يمكن تخزينها في موقع معين.

English Abstract

The modern industrialization of today’s economy has allowed people to enjoy several economic benefits and helped increase their standards of living. However, this industrialization has come with a concerning cost to the Earth’s environment. The mass burning of non-renewable fossil fuels releases a great deal of CO2 into the atmosphere. Research has shown that CO2 is the main compound that is negatively affecting the stability of Earth’s climate. Although there are several natural sources of CO2 emission to the atmosphere, it is believed that the anthropogenic CO2 emissions, caused by the excessive exploitation of fossil fuels, is upsetting the natural balance of CO2. In light of this global environmental issue, researchers have attempted to devise ways to tackle the problem. Several approaches can be adopted to resolve this issue. One such approach is the sequestration of CO2 in deep geological formations such as depleted oil and gas reservoirs, unmineable underground coal seams and deep non-potable water aquifers. There are a number of factors that need to be taken into account when attempting to locate a possible CO2 sequestration site. These factors are akin to the ones that are used to locate a hydrocarbon reservoir for oil and gas exploration purposes. The approach, therefore, we wish to take to locate ideal CO2 sequestration sites would be akin to locating hydrocarbon prospects. The research problem can be split into three main sections which can be further subdivided into subsections (data to be used have been put in between parentheses):  Locating your Reservoir: (i) Good Quality Lithologies (log + core); (ii) Favorable Permeability (log + core); (iii) Reservoir Extension (log + seismic); (iv) Net-to-Gross Ratio (log + core).  Locating your Seal: (i) Typical Seal Type Lithologies (log + core); (ii) Low Permeability Layers (log + core); (iii) Seal Extension over Reservoir (log + seismic); (iv) Sufficient Thickness (log + seismic).  Locating your Trap: (i) Presence of Structures (seismic); (ii) Presence of Stratigraphic Traps (seismic); (iii) Presence of Four-Way Dip Closures (seismic); (iv) Presence of Three-Way Dip Closures (seismic). The research objective is therefore to use the available Big Data analytics and Artificial Intelligence techniques and tools that are available from the Upstream Oil & Gas Industry to help in the identification of potential CO2 sequestration reservoirs by the utilization of data such as well log data, core data, and seismic data. Prediction of formation permeability obtained from core plugs in an exploratory well drilled in the Volve field located in the Norwegian continental shelf via the use of a single layered ANN model is presented. The input data that was fed into the network were three common logs that include the gamma ray (GR) log, the bulk density (RHOB) log, and the neutron porosity (NPHI) log. The optimum single layered ANN model was determined to be one with 18 neurons in the hidden layer, and a log-sigmoidal transfer function. The optimum number of randomly selected data points from the total of 557 data points was found to be 225. Data obtained from lithology descriptions in logs of the same well were then used in a separate study aiming to classify lithology. The use of ANN in the classification of lithology is important to the determination of suitable CO2 sequestration sites since the lithology plays a major role in the rock properties (such as permeability and porosity) that would be present. These properties are important in order to permit the movement of CO2 into the pore space once injected into the formation via injection wells. Porosity values were also predicted from well log data by use of a single layered ANN. Three input logs were used that were: Gamma Ray (GR), Bulk Density (RHOB), and Neutron Porosity. Log values were correlated with corresponding core porosity values obtained from core analysis of 664 core plugs. The dataset is split into two sets: 70% Training, and 30% Testing. The optimization of the results is achieved by comparing three main statistical parameters that include: the correlation coefficient (CC), the root mean-squared error (RMSE) and the absolute average percentage error (AAPE). The optimum number of neutrons was found to be 18, where the tan-sigmoid transfer function was used in the network. The CC was 0.808, RMSE was 0.055, and AAPE was 5.94. The results illustrate that ANN may be used as a tool in the prediction of porosity in unexplored areas for the sake of characterizing a CO2 sequestration site. The porosity would play a major factor in the determination of how much CO2 may be stored in a particular site.

Item Type: Thesis (Masters)
Subjects: Environmental
Earth Sciences
Petroleum
Divisions: College Of Sciences > Earth Sciences Dept
Committee Advisor: Makkawi, Mohammad
Committee Members: Abdulraheem, Abdulazeez and Al-Shuhail, Abdullatif
Depositing User: MUHAMMAD ABDALLAH (g201265340)
Date Deposited: 16 Mar 2020 09:36
Last Modified: 16 Mar 2020 09:36
URI: http://eprints.kfupm.edu.sa/id/eprint/141409