Tổng quan luận án

Luận án tiến sĩ "Nghiên cứu nâng cao hiệu quả xử lý khí tự nhiên tại mỏ Hải Thạch" do nghiên cứu sinh Trần Ngọc Trung thực hiện tại Trường Đại học Mỏ - Địa chất, thuộc ngành Kỹ thuật dầu khí (mã số: 9520604), dưới sự hướng dẫn khoa học của PGS. Triệu Hùng Trường và TS. Ngô Hữu Hải. Công trình hoàn thành năm 2022 và cam đoan năm 2023.

Tính cấp thiết và khoảng trống nghiên cứu

Nhu cầu năng lượng toàn cầu tiếp tục duy trì sự phụ thuộc lớn vào nhiên liệu hóa thạch, trong đó khí tự nhiên chiếm 27,1% tổng năng lượng tiêu thụ (năm 2020), chỉ đứng sau dầu mỏ (31,2%) và than đá (27,2%). Tại Việt Nam, phần lớn các mỏ dầu khí chủ lực được đưa vào vận hành giai đoạn 1986–2015 đã khai thác từ 15 đến 35 năm, bước vào giai đoạn suy kiệt với độ ngập nước trung bình 50–90% và sản lượng suy giảm tự nhiên 15–25%/năm. Tiếp cận truyền thống trong thăm dò, khai thác và xử lý đã chạm giới hạn biên về hiệu quả kinh tế.

Cụm mỏ Hải Thạch – Mộc Tinh (dự án Biển Đông 1, thuộc Lô 05-2 và 05-3, bể Nam Côn Sơn) là cụm mỏ xa bờ (cách Vũng Tàu 320 km về phía Đông Nam, mực nước biển sâu 118–145 m) với cấu tạo địa chất phức tạp, nhiệt độ đáy giếng lên tới 187°C và áp suất vỉa vượt ngưỡng 898 atm. Sau 10 năm khai thác thương mại (từ 06/09/2013 đến 31/09/2022), dự án đã khai thác an toàn hơn 16,29 tỷ m³ khí và 26,2 triệu thùng condensate. Tuy nhiên, sự suy giảm áp suất vỉa đã dẫn đến các hiện tượng kỹ thuật phức tạp: ngưng tụ condensate vùng cận đáy giếng (condensate banking), ngập nước, xâm nhập cát; hệ thống thiết bị công nghệ xử lý khí trên giàn trung tâm PQP-HT (máy nén khí, bơm, bình tách, đường ống thu gom nội mỏ) xuống cấp; lưu lượng khí giảm thấp và dao động mạnh gây mất ổn định dòng chảy.

Khoảng trống nghiên cứu được tác giả xác định:

  1. Các công cụ mô phỏng tĩnh truyền thống (HYSYS, Unisim, MSI) có sai số lớn (khoảng 5% trong điều kiện tối ưu đối với đầu ra máy nén và sai số rất lớn khi thành phần lưu chất giếng biến đổi); mô hình nhiệt động Beggs & Brill trong HYSYS không phù hợp với kích thước ống lớn nội mỏ MT-HT, thường xuyên báo lỗi không hội tụ ("Not solve").
  2. Các mô hình động (OLGA, PIPESIM) hoặc công thức kinh nghiệm (như mô hình Pots) chỉ đưa ra đánh giá định tính hoặc chỉ phát hiện slug khi hiện tượng đã diễn ra, mang tính bị động và chi phí thuê tư vấn mô phỏng lại rất cao.
  3. Ngành dầu khí sản sinh hàng trăm Terabyte dữ liệu vận hành từ các cảm biến thời gian thực, song chưa có công cụ học máy chuyên biệt nhằm dự báo lưu lượng khai thác từng giếng và phát hiện sớm các bất thường của hệ thống xử lý khí trong điều kiện nhiệt độ cao, áp suất cao tại thềm lục địa Việt Nam.

Mục tiêu nghiên cứu

  1. Nâng cao hiệu quả khai thác, xử lý khí tự nhiên tại mỏ Hải Thạch bằng phương pháp ứng dụng trí tuệ nhân tạo hỗ trợ quá trình theo dõi, liên kết số liệu khai thác, phân tích và dự báo.
  2. Xây dựng phương pháp mới và phù hợp nhằm dự báo sản lượng khai thác khí condensate tại mỏ HT, đảm bảo khả năng thu hồi và khai thác của từng giếng; cung cấp nguồn dữ liệu và ổn định điều kiện đầu vào của hệ thống xử lý.
  3. Phát hiện kịp thời những bất thường của giếng khai thác và máy nén khí cao áp nhằm ổn định áp suất và đảm bảo dòng chảy khí cho quá trình xử lý và thu hồi khí bay hơi (flash gas).

Luận điểm bảo vệ

  • Luận điểm 1: Ứng dụng thành công thuật toán Suy luận mờ thần kinh thích ứng cải tiến (Improved ANFIS) cho phép nâng cao độ chính xác dự báo sản lượng khai thác và ổn định quá trình xử lý khí – condensate thông qua việc đạt được giá trị RMSE 0,0645 và Hệ số xác định R² 0,9482.
  • Luận điểm 2: Ứng dụng thành công thuật toán Mạng tự động mã hoá dựa trên bộ nhớ dài ngắn hạn cải tiến (Improved LSTM-AE) để dự báo các bất thường đối với giếng khai thác và máy nén khí cao áp với F-score tốt nhất đạt 0,57143, tránh rủi ro, đảm bảo hoạt động ổn định, an toàn và hiệu quả cho quá trình khai thác và xử lý khí – condensate mỏ HT.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Hệ thống khai thác và xử lý khí tự nhiên tại mỏ Hải Thạch.
  • Phạm vi không gian: Mỏ khí – condensate Hải Thạch (Lô 05-3) và cụm liên kết Mộc Tinh (Lô 05-2), bồn trũng Nam Côn Sơn, cách Vũng Tàu khoảng 300–320 km về phía Đông Nam/Nam.
  • Phạm vi thời gian: Chuỗi dữ liệu lịch sử vận hành, khai thác và địa vật lý giếng khoan tích lũy hơn 10 năm từ khi đón dòng khí thương mại đầu tiên (06/09/2013) đến ngày 31/09/2022.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước đây được điểm lại

Trong công tác quản lý và xử lý khí mỏ, tác giả hệ thống hóa các nghiên cứu tiêu biểu:

  • Dự báo lưu lượng và phân tích suy giảm áp suất: Seemann và cộng sự từ Saudi Aramco [9] áp dụng phương pháp thông minh trong phân tích đường cong suy giảm áp suất (DCA) để giám sát hiệu quả từng giếng. Nghiên cứu của nhóm tác giả [10] phân tích mối liên hệ giữa vận tốc chất lưu trong vỉa và suy giảm áp suất lòng giếng/đường ống thông qua mô hình hồi quy tuyến tính. Nghiên cứu [11] theo dõi dòng chảy đa pha thời gian thực và phân bổ lưu lượng dựa trên tương quan áp suất đầu giếng. Các nghiên cứu [12, 13] ứng dụng mạng nơ-ron nhân tạo (ANN) dự báo phản ứng áp suất tức thời mà không cần tiến hành kiểm tra giếng thực tế. Nghiên cứu [44] dùng mô hình chuỗi thời gian tự hồi quy tích hợp trung bình trượt (ARIMA) dự đoán sản lượng dầu; nghiên cứu [17] dự đoán sản lượng khí dựa vào độ thấm suy từ đường cong log địa vật lý giếng khoan; nghiên cứu [42] dùng ANN liên kết áp suất và lưu lượng bề mặt.
  • Giám sát và tối ưu hóa hệ thống khai thác tích hợp: Kulkarni và cộng sự (2014) [14] phát triển hệ thống trí tuệ nhân tạo giám sát 5 giàn khai thác và 1 giàn trung tâm với 3 chế độ: chế độ thời gian thực (Real-Time Mode – RTM), dự báo tương lai gần (Look-Ahead Mode – LAM dưới 2 ngày) và lập kế hoạch (What-If Mode – WIM). Các công nghệ tối ưu hóa thời gian thực (RTO) tại nhà máy Karso (Na Uy), mô hình mô phỏng tĩnh tại hệ thống ống NOGAT (Hà Lan) và Realtime APC tại công trình BG Tunisia.
  • Động học dòng chảy và dự báo slugging: Pots và cộng sự [19] đưa ra công thức không thứ nguyên tính hệ số Pots ($\pi_{ss}$) để nhận diện khả năng xuất hiện dòng chảy nút lỏng (slug) trong đường ống đứng (riser): $$\pi_{ss} = \frac{W_g Z R T}{M_g W_l g L (1 - H_l)}$$ Trong đó $W_g, W_l$ là lưu lượng khí và lỏng; $Z$ là hệ số nén; $R$ là hằng số khí; $T$ là nhiệt độ; $M_g$ là khối lượng phân tử khí; $L$ là chiều dài ống; $g$ là gia tốc trọng trường; $H_l$ là tỷ lệ chất lỏng chiếm chỗ (liquid hold-up). Dòng chảy slug xuất hiện khi $\pi_{ss} < 1$.
  • Mô hình học máy trong dầu khí: Các nghiên cứu của Elbaz và cộng sự về thuật toán ANFIS kết hợp phân cụm mờ C-mean (FCM) và thuật toán bầy đàn (PSO-ANFIS) để nâng cao độ chính xác dự báo.

Khoảng trống luận án lựa chọn giải quyết

Mặc dù các mô hình trên đã đạt được một số kết quả, chúng bộc lộ các hạn chế khi áp dụng vào mỏ Hải Thạch:

  • Mô hình Pots chỉ báo hiệu khả năng hình thành slug nhưng không xác định được thời gian xảy ra và tốc độ slug di chuyển vào bình tách.
  • Các phần mềm mô phỏng HYSYS, OLGA có chi phí tái tính toán cao và phụ thuộc vào các giả định tĩnh không phản ánh được tính phi tuyến khi giếng ngập nước hoặc tụ condensate.
  • Các thuật toán học máy trước đây dễ gặp hiện tượng quá khớp (overfitting) khi làm việc với chuỗi dữ liệu vận hành thực tế có nhiễu cao từ môi trường biển.
  • Luận án lựa chọn giải quyết bài toán: kết hợp mô hình suy luận mờ thích ứng cải tiến (Improved ANFIS) khắc phục quá khớp để dự báo lưu lượng khai thác từng giếng và ứng dụng mạng tự động mã hóa LSTM (Improved LSTM-AE) đa biến nhằm phát hiện sớm bất thường nước xâm nhập giếng và sự cố cụm máy nén cao áp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình sử dụng

  1. Lý thuyết quy trình công nghệ xử lý khí: Cơ chế tách lỏng 3 pha (khí, condensate, nước); cơ chế làm khô khí qua hệ thống làm lạnh cơ khí (Mechanical Refrigeration – MR sử dụng Freon R134a) và hệ thống hấp thụ Triethylene Glycol (TEG); cơ chế nén khí ly tâm hai cấp; cơ chế ổn định hóa condensate kiểm soát áp suất hơi Reid (RVP).
  2. Hệ thống suy luận mờ thần kinh thích ứng cải tiến (Improved ANFIS): Kết hợp mạng nơ-ron truyền thẳng lan truyền ngược và logic mờ Takagi-Sugeno bậc nhất. Sử dụng hai phương pháp phân vùng không gian dữ liệu đầu vào:
    • Thuật toán phân vùng trừ (Subtractive Clustering) với các bán kính ảnh hưởng $r = 0,1; 0,2; 0,3$.
    • Thuật toán phân cụm mờ C-mean (FCM) với số cụm $C = 30, 40, 50, 80$.
    • Kỹ thuật lọc nhiễu và làm mịn dữ liệu: Hồi quy cục bộ bình phương tối thiểu có trọng số (LOESS) và phiên bản bền vững Robust LOESS (RLOESS).
    • Kiểm thực chéo K-lần (K-fold cross-validation với $k=5$) kết hợp xáo trộn ngẫu nhiên để triệt tiêu hiện tượng quá khớp (overfitting).
  3. Mạng tự động mã hóa dựa trên bộ nhớ dài – ngắn hạn cải tiến (Improved LSTM-AE):
    • Cấu trúc Autoencoder gồm 3 phần: Bộ mã hóa (Encoder) nén dữ liệu chuỗi thời gian nhiều chiều vào không gian tiềm ẩn (Latent space), và Bộ giải mã (Decoder) tái tạo lại tín hiệu ban đầu.
    • Tế bào bộ nhớ LSTM xử lý dữ liệu chuỗi thời gian đa biến (multivariate time-series).
    • Hàm kích hoạt: Đơn vị chỉnh lưu tuyến tính Leaky (LeakyReLU) và ReLU.
    • Hàm mục tiêu tối ưu hóa: Trung bình sai số tuyệt đối (MAE).
    • Phương pháp tối ưu siêu tham số: Tìm kiếm ngẫu nhiên (Random Search optimization).
    • Điểm dừng sớm (Early stopping) thiết lập ở khoảng 2400 epoch.
    • Tiêu chí đánh giá phát hiện bất thường: Ngưỡng sai số tái tạo xác định thông qua tối đa hóa điểm F-score, độ chính xác (Precision), độ phủ (Recall) và Hệ số tương quan Matthews (MCC).

Phương pháp nghiên cứu thực tế

  • Nghiên cứu lý thuyết: Phân tích các mô hình nhiệt động học chất lưu, phương trình cân bằng pha, cơ chế hình thành slug và các thuật toán học máy, học sâu.
  • Phương pháp thu thập, thống kê và tiền xử lý số liệu: Trích xuất dữ liệu cảm biến đo đạc tự động từ giàn PQP-HT và giàn đầu giếng WHP-HT1, WHP-MT1; xử lý ngoại biên, chuẩn hóa dữ liệu đầu vào.
  • Phương pháp mô hình hóa và thử nghiệm mô phỏng: Chạy thử nghiệm trên phần mềm, so sánh kết quả mô hình AI với phần mềm HYSYS, OLGA và phần mềm mô phỏng thủy động lực vỉa Eclipse E300.
  • Phương pháp chuyên gia: Tham khảo ý kiến tư vấn từ các kỹ sư công nghệ mỏ, chuyên gia điều hành của Biển Đông POC và các nhà khoa học ngành dầu khí.

Nguồn tư liệu và dữ liệu

  • Dữ liệu vận hành khai thác hơn 10 năm tại mỏ Hải Thạch – Mộc Tinh (từ tháng 9/2013 đến tháng 9/2022).
  • Số liệu kiểm tra giếng (well testing), độ mở van điều tiết sản lượng (choke size) của các giếng khai thác (đặc biệt là giếng HT-X, HT-Y).
  • Dữ liệu chuỗi thời gian từ hệ thống cảm biến giàn PQP-HT cho máy nén khí cao áp: áp suất đầu vào/ra (mã thẻ cảm biến PQPPI2180, PQPPI2182), nhiệt độ đầu vào/ra (PQPTI2180, PQPTI2182), lưu lượng dòng khí (PQPFI2180) và công suất tiêu thụ của máy nén (PQPKM2180).
  • Dữ liệu địa vật lý giếng khoan và kết quả phân tích mẫu nước mỏ nhằm kiểm chứng hiện tượng nước xâm nhập.
  • Đề tài khoa học công nghệ cấp Nhà nước: Mã số ĐT.007/21 thuộc "Chương trình KH và công nghệ trọng điểm cấp quốc gia phục vụ đổi mới, hiện đại hóa công nghệ khai thác và chế biến khoáng sản đến năm 2025".

Nội dung chính theo từng chương

CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU TRONG LĨNH VỰC XỬ LÝ KHÍ TRÊN THẾ GIỚI, VIỆT NAM VÀ CÁC GIẢI PHÁP NÂNG CAO HIỆU QUẢ XỬ LÝ KHÍ

Chương này trình bày tổng quan cấu trúc chuỗi giá trị xử lý khí từ khâu thượng nguồn (Upstream), trung nguồn (Midstream), hạ nguồn (Downstream/Refining) đến hóa dầu (Petrochem). Tác giả phân tích cấu trúc công nghệ và thực trạng vận hành cụm mỏ Hải Thạch – Mộc Tinh:

  • Quy mô và thông số cụm mỏ: Trữ lượng ban đầu đã khai thác 620 tỷ bộ khối khí (bscf), trữ lượng còn lại khoảng 354 bscf. Sản lượng duy trì 6–7 triệu m³ khí chuẩn/ngày và 8.000–9.000 thùng condensate/ngày. Giàn công nghệ trung tâm PQP-HT được thiết kế xử lý 10,1 triệu m³ khí chuẩn, 25.000 thùng condensate và 4.600 thùng nước thải/ngày đêm.
  • Hệ thống xử lý bề mặt trên giàn PQP-HT:
    1. Hệ thống tiếp nhận và tách lỏng: Dòng hỗn hợp từ các giàn đầu giếng đi vào Bình tách giai đoạn 1 (áp suất vận hành 45–75 bar, nhiệt độ 68–150°C, công suất thiết kế 11 triệu m³ khí, 27.325 thùng condensate, 4.300 thùng nước). Khí sau đó qua bình làm mát khí đầu vào (Gas Inlet Cooler), bình tách đứng KO Vessel và bộ trao đổi nhiệt Gas-Gas Exchanger.
    2. Hệ thống làm khô và kiểm soát điểm sương: Hệ thống làm lạnh cơ khí (MR) dùng môi chất Freon R134a có công suất làm mát 2,87 MW, kiểm soát điểm sương hydrocarbon ở mức 30°C tại 70 barg. Tháp tiếp xúc Glycol (Glycol Contactor) xử lý 10,7 triệu m³ khí ở 43–75 bar, 34–70°C, sử dụng dung dịch Triethylene Glycol (TEG) tuần hoàn 7,5 m³/h ở 75 bar và 93–110°C để đạt điểm sương nước -10°C tại 70 barg.
    3. Hệ thống máy nén khí xuất bán (Export Gas Compressor): Gồm 2 dây chuyền nén ly tâm 2 cấp chạy bằng turbine khí, công suất mỗi dây chuyền 5,1 triệu m³/ngày (180 triệu ft³/ngày). Áp suất đầu vào ban đầu là 61,7 barg và giảm dần về 41 barg vào cuối đời mỏ; áp suất đầu ra cực đại đạt 158 barg; nhiệt độ đầu vào từ 30–71°C và nhiệt độ đầu ra từ 120–143°C.
    4. Hệ thống ổn định condensate: Condensate từ các bình tách 1, 2, 3 được xử lý qua các van điều khiển mức (LCV), thiết bị gia nhiệt Condensate Stabilization Exchanger và Condensate Export Exchanger nhằm duy trì áp suất hơi Reid (RVP) từ 10–12 psia và tỷ lệ cặn - nước đáy (BS&W) dưới 0,5% trước khi bơm sang tàu chứa FSO Biển Đông 1.
    5. Hệ thống thu hồi khí bay hơi (Flash gas): Sử dụng máy nén trung áp (MP) và thấp áp hai cấp (LP/IP) để thu gom khí bay hơi đưa trở lại quy trình xử lý.
Thông số kỹ thuật Yêu cầu đối với khí thương mại vào đường ống Nam Côn Sơn
Điểm sương nước cao nhất -10°C ở 70 barg
Điểm sương hydrocarbon cao nhất 30°C ở 90 barg
Nhiệt trị toàn phần (Gross Calorific Value - GCV) Tối thiểu 37 MJ/m³ (tại 1,01325 bar và 15°C, theo ISO 6976)
Áp suất vận hành thấp nhất / cao nhất 80 / 157 barg (áp suất thiết kế 160 barg)
Nhiệt độ vận hành thấp nhất / cao nhất -10°C / 65°C
Tổng lưu huỳnh Tối đa 30 ppmv
Khí hydro sunfua ($H_2S$) Tối đa 25 ppmv
Oxy ($O_2$) Tối đa 7,0 ppmv
Tạp chất khác Không có mùi hôi, không có bụi, sáp, cát, chất lỏng hoặc gôm
  • Hiện tượng dòng chảy trong đường ống 3 pha nội mỏ MT-HT (dài 20 km, đường kính 12 inch): Condensate chứa nhiều n-parafin và iso-parafin khiến nhiệt độ tạo sáp (Wax Appearance Temperature - WAT) ở mức 15–30°C. Khi lưu lượng vận chuyển thấp (vào mùa mưa giảm xuống 1,3 triệu m³/ngày), nhiệt độ dòng lưu chất giảm thấp dưới 40°C gây nguy cơ lắng đọng sáp và tạo slug, buộc Biển Đông POC phải bơm các hóa chất hạ điểm đông đặc (Pour Point Depressant - PPD) và hóa chất phân tán sáp (Wax Dispersant). Tác giả chỉ ra rằng các mô hình mô phỏng OLGA hay phần mềm HYSYS không dự báo kịp thời biến động slugging khi điều kiện vận hành thay đổi.

CHƯƠNG 2: XÂY DỰNG MÔ HÌNH XỬ LÝ SỐ LIỆU THÔNG MINH NHẰM NÂNG CAO HIỆU QUẢ XỬ LÝ KHÍ TẠI MỎ HẢI THẠCH

Chương 2 tập trung thiết kế chi tiết hai mô hình học máy:

  1. Mô hình ANFIS cải tiến dự báo lưu lượng khai thác:

    • Sử dụng mô hình mờ Takagi-Sugeno bậc 1. Thiết lập cấu trúc mạng gồm 5 lớp nơ-ron: lớp 1 (mờ hóa thông qua các hàm liên thuộc Membership Function), lớp 2 (tính toán độ thỏa dụng luật mờ), lớp 3 (chuẩn hóa độ thỏa dụng), lớp 4 (kết luận luật mờ tuyến tính), lớp 5 (tính tổng đầu ra giải mờ).
    • Tác giả so sánh hai thuật toán phân vùng: Thuật toán phân cụm mờ (FCM) và Thuật toán phân vùng trừ (Subtractive Clustering).
    • Thử nghiệm các siêu tham số: Phân vùng trừ với bán kính ảnh hưởng lần lượt là 0,1; 0,2 và 0,3; phân vùng FCM với số cụm 30, 40, 50 và 80 cụm.
    • Thử nghiệm 4 giải pháp tiền xử lý làm mịn dữ liệu: không làm mịn, làm mịn trung bình trượt, thuật toán LOESS và thuật toán RLOESS.
    • Khắc phục hiện tượng quá khớp: Phân tích chỉ ra rằng khi áp dụng ANFIS thông thường, mô hình ghi nhớ tập huấn luyện nhưng sai số tăng đột biến trên tập kiểm tra. Luận án tích hợp kỹ thuật xác thực chéo K-lần (K-fold với $k=5$) kết hợp xáo trộn dữ liệu ngẫu nhiên, giúp giảm thiểu triệt để hiện tượng quá khớp, đưa hàm hồi quy tuyến tính của tập kiểm tra về sát đường lý tưởng.
    • So sánh đối chuẩn với mô hình của Elbaz và cộng sự (ANFIS FCM và PSO-ANFIS), mô hình ANFIS cải tiến của tác giả thể hiện sự vượt trội qua các chỉ số sai số toàn phương trung bình (MSE), hệ số xác định ($R^2$) và phương sai giải thích (Variance Account - VA).

  2. Mô hình LSTM-AE cải tiến phát hiện bất thường:

    • Thiết kế mạng nơ-ron tự mã hóa sâu dựa trên các lớp LSTM (Long Short Term Memory Autoencoder). Dữ liệu đầu vào chuỗi thời gian nhiều biến được đưa qua các lớp mã hóa LSTM để nén thành vector tiềm ẩn, sau đó các lớp giải mã LSTM tái tạo lại chuỗi tín hiệu gốc.
    • Khi hệ thống vận hành bình thường, sai số tái tạo (Reconstruction Error tính theo MAE) giữa tín hiệu thực tế và tín hiệu tái tạo nằm ở mức rất thấp. Khi xảy ra bất thường (nước xâm nhập lòng giếng hoặc máy nén bị dao động), quy luật chuỗi thời gian bị phá vỡ khiến sai số tái tạo tăng vọt vượt ngưỡng định trước.
    • Tối ưu hóa siêu tham số bằng kỹ thuật Tìm kiếm Ngẫu nhiên (Random Search) với các biến: kích thước cửa sổ thời gian (time step = 2), số nút ẩn trong các lớp LSTM, hàm kích hoạt (LeakyReLU và ReLU).
    • Thiết lập cơ chế dừng sớm (Early stopping) ở khoảng 2400 epoch để ngăn chặn việc học quá mức sai số trên tập huấn luyện.
    • Xác lập giá trị ngưỡng (threshold) phân loại bất thường thông qua việc phân tích đường cong đánh đổi giữa Độ chính xác (Precision) và Độ phủ (Recall), tìm điểm đạt giá trị F-score cực đại.

CHƯƠNG 3: ÁP DỤNG MÔ HÌNH XỬ LÝ SỐ LIỆU THÔNG MINH NHẰM NÂNG CAO HIỆU QUẢ XỬ LÝ KHÍ TẠI MỎ HẢI THẠCH

Chương 3 trình bày các kết quả thử nghiệm và kiểm chứng thực tế tại mỏ Hải Thạch:

  1. Kiểm chứng mô hình dự báo lưu lượng khai thác (Improved ANFIS):

    • Dữ liệu thử nghiệm lấy từ các giếng khai thác mỏ Hải Thạch, bao gồm thông số độ mở van điều tiết (choke size), áp suất đầu giếng, nhiệt độ dòng chảy.
    • Áp dụng công thức hồi quy tương quan để ước tính lưu lượng từ van điều tiết sản lượng cho giếng đại diện HT-Y.
    • Kiểm chứng mô hình trên tập dữ liệu vận hành thực tế cho hai kịch bản phân bổ sản lượng: kịch bản 2,169 triệu m³ khí/ngày và kịch bản 6,044 triệu m³ khí/ngày. Kết quả tính toán độ mở van choke tương ứng và sản lượng condensate dự báo của từng giếng cho 2 tháng kế tiếp có độ lệch rất thấp so với đo đạc thực tế.
    • So sánh giữa mô hình đang áp dụng tại mỏ và mô hình ANFIS cải tiến: mô hình ANFIS cải tiến đạt chỉ số lỗi trung bình bình phương gốc RMSE = 0,0645 và hệ số xác định $R^2 = 0,9482$ (so với mô hình cũ có $R^2$ thấp hơn đáng kể). Kết quả giúp phòng Công nghệ Mỏ tối ưu hóa bài toán phân bổ ngược sản phẩm (back allocation) và chủ động điều tiết lưu lượng qua đường ống 20 km để ngăn ngừa hiện tượng tạo sáp ở nhiệt độ dưới 40°C.

  2. Kiểm chứng mô hình phát hiện bất thường (Improved LSTM-AE):

    • Bài toán phát hiện nước xâm nhập giếng khai thác HT-X:
      • Tập dữ liệu gồm các thông số biến đổi theo thời gian của giếng HT-X. Mô hình LSTM-AE cải tiến nhận diện thời điểm bất thường dựa trên sự gia tăng đột biến của sai số khôi phục tín hiệu.
      • Tác giả đối chiếu kết quả dự báo của LSTM-AE với 4 nguồn kiểm chứng độc lập:
        1. Phương pháp phân tích chênh lệch áp suất đáy giếng và miệng giếng (DeltaP).
        2. Kết quả thử nghiệm giếng qua bình tách thử và phương pháp phân tích đo độ mặn mẫu nước vỉa.
        3. Dữ liệu đo đạc địa vật lý giếng khoan (wireline logging).
        4. Mô hình mô phỏng thủy động lực vỉa Eclipse E300 đã được lịch sử hóa khớp nối (history matching).
      • Kết quả: Vùng thời gian mô hình LSTM-AE phát hiện bất thường trùng khớp hoàn toàn với thời điểm các phương pháp truyền thống và mô hình Eclipse E300 xác định có hiện tượng nước vỉa xâm nhập vào giếng HT-X.
    • Bài toán phát hiện bất thường máy nén khí cao áp (Export Gas Compressor):
      • Tập dữ liệu bao gồm 6 biến thuộc tính vận hành: áp suất vào PQPPI2180, áp suất ra PQPPI2182, nhiệt độ vào PQPTI2180, nhiệt độ ra PQPTI2182, lưu lượng khí nén PQPFI2180 và công suất máy nén PQPKM2180.
      • Mô hình tối ưu hóa thông qua Tìm kiếm Ngẫu nhiên với time step = 2 và hàm kích hoạt LeakyReLU cho phân phối mất mát tách biệt rõ rệt giữa mẫu bình thường và mẫu bất thường.
      • Kết quả phân loại bất thường trên tập kiểm tra đạt điểm F-score cực đại là 0,57143. Các đồ thị phân tích cho thấy mô hình đã nhận diện chính xác các điểm biến động bất thường của áp suất, nhiệt độ và lưu lượng trước khi hệ thống kích hoạt cảnh báo dừng máy tự động.

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận và khoa học

  1. Xây dựng quy trình xử lý dữ liệu thông minh thích ứng với đặc thù mỏ khí – condensate có áp suất vỉa dị thường và nhiệt độ rất cao (HPHT).
  2. Hoàn thiện thuật toán ANFIS cải tiến thông qua việc tích hợp xác thực chéo K-lần ($k=5$) và xáo trộn ngẫu nhiên dữ liệu, giải quyết được hiện tượng quá khớp (overfitting) vốn là hạn chế lớn nhất của các mô hình mờ thần kinh truyền thống khi huấn luyện với dữ liệu dầu khí biển.
  3. Thiết lập mô hình học sâu LSTM-AE đa biến kết hợp thuật toán tối ưu hóa siêu tham số Tìm kiếm Ngẫu nhiên (Random Search) và hàm mất mát MAE, cho phép phát hiện các bất thường phi tuyến trong chuỗi thời gian của giếng khai thác và tổ hợp máy nén khí mà không cần dữ liệu gắn nhãn trước (unsupervised learning).

Đóng góp mới về mặt thực tiễn

  1. Cung cấp công cụ dự báo lưu lượng khai thác từng giếng chính xác ($R^2 = 0,9482$, RMSE = 0,0645), hỗ trợ công tác phân bổ ngược sản phẩm (back allocation) của Biển Đông POC đạt độ tin cậy cao, thay thế sự phụ thuộc vào các phần mềm thương mại đắt tiền.
  2. Giúp người vận hành chủ động dự báo thông số dòng chảy trên đường ống 3 pha nội mỏ 20 km từ WHP-MT1 về PQP-HT, tối ưu hóa kế hoạch bơm hóa chất ức chế sáp (PPD và Wax Dispersant) khi lưu lượng suy giảm xuống mức 1,3 triệu m³/ngày vào mùa mưa.
  3. Phát hiện sớm hiện tượng ngập nước tại các giếng khai thác (như giếng HT-X) và các biến động bất thường tại máy nén khí cao áp (F-score = 0,57143), giúp kỹ sư vận hành có phương án xử lý kịp thời, ngăn ngừa các sự cố dừng giàn ngoài kế hoạch và kéo dài tuổi thọ thiết bị.
  4. Trực tiếp phục vụ và đóng góp kết quả vào Đề tài khoa học công nghệ cấp Nhà nước mã số ĐT.007/21 thuộc Chương trình trọng điểm quốc gia về đổi mới công nghệ khai thác khoáng sản.

Kiến nghị và giải pháp đề xuất

  • Tích hợp trực tiếp các thuật toán ANFIS và LSTM-AE cải tiến vào hệ thống thu thập và điều khiển tự động SCADA/DCS thời gian thực trên giàn PQP-HT.
  • Định kỳ cập nhật trọng số và huấn luyện lại mô hình (retraining) theo chu kỳ 3–6 tháng bằng dữ liệu mới khai thác để thích ứng với xu thế suy giảm áp suất tự nhiên của vỉa.
  • Tiếp tục duy trì kế hoạch bơm hóa chất kiểm soát nhiệt độ đông đặc và phân tán sáp tại đường ống nội mỏ MT-HT dựa trên lưu lượng dự báo của mô hình ANFIS.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Phạm vi đối tượng nghiên cứu: Mô hình được xây dựng và kiểm chứng dựa trên cơ sở dữ liệu và cấu hình thiết bị đặc thù của cụm mỏ Hải Thạch – Mộc Tinh (bể Nam Côn Sơn). Các đặc tính lưu chất, tỷ lệ condensate/khí (CGR) và cấu hình giàn công nghệ PQP-HT mang tính đơn lẻ, chưa được đối sánh thực nghiệm trên các bồn trũng khác (như Cửu Long, Sông Hồng hay Mã Lai - Thổ Chu).
  • Phụ thuộc vào chất lượng cảm biến: Độ chính xác của các mô hình học máy phụ thuộc vào tính liên tục và ổn định của các cảm biến đầu giếng và máy nén (các thẻ đo PQPPI, PQPTI, PQPFI, PQPKM). Các giai đoạn cảm biến bị lỗi hoặc mất tín hiệu đường truyền ngoài khơi ảnh hưởng đến khả năng tái tạo chuỗi thời gian.
  • Tập dữ liệu kiểm chứng bất thường giếng: Mới tập trung phân tích chuyên sâu trên giếng đại diện HT-X và HT-Y, chưa bao quát toàn bộ 16 giếng khai thác của hai mỏ.

Hướng nghiên cứu tiếp

  • Mở rộng thuật toán để dự báo đồng thời cho toàn bộ mạng lưới các giếng khai thác tại cả hai giàn WHP-HT1 và WHP-MT1.
  • Nghiên cứu ứng dụng thêm các kiến trúc học sâu mới đã được nêu trong danh mục thuật ngữ như Cơ chế chú ý (Attention Mechanism - AM), Mạng đối nghịch tạo sinh (Generative Adversarial Networks - GAN) để tăng cường chất lượng mẫu dữ liệu và nâng cao hơn nữa chỉ số F-score trong bài toán phát hiện bất thường.
  • Xây dựng phần mềm tích hợp hoàn chỉnh có giao diện người dùng thân thiện hỗ trợ trực tiếp kỹ sư điều hành tại trung tâm điều khiển giàn khoan.

Giá trị tham khảo

Đối tượng thụ hưởng

  • Nghiên cứu sinh, học viên cao học và giảng viên: Chuyên ngành Kỹ thuật dầu khí, Kỹ thuật năng lượng, Tự động hóa và Khoa học dữ liệu ứng dụng. Luận án cung cấp một trường hợp nghiên cứu thực tế về việc kết hợp giữa công nghệ xử lý bề mặt dầu khí và các thuật toán học máy, học sâu.
  • Kỹ sư công nghệ mỏ và kỹ sư vận hành xử lý khí: Cung cấp tài liệu tham khảo chi tiết về điều kiện công nghệ vận hành thực tế của giàn PQP-HT, các tiêu chí thương mại của đường ống Nam Côn Sơn, cơ chế lắng đọng sáp và xử lý slugging trong đường ống nhiều pha ngoài khơi.
  • Cán bộ quản lý và hoạch định chuyển đổi số ngành năng lượng: Tài liệu minh chứng thực tế về hiệu quả kinh tế - kỹ thuật khi ứng dụng công nghệ xử lý số liệu thông minh vào quản trị khai thác mỏ tại các vùng biển nước sâu, xa bờ.

Các phần có giá trị tham khảo nổi bật

  • Chương 1: Bảng dữ liệu tiêu chuẩn kỹ thuật thương mại cho dòng khí Nam Côn Sơn, sơ đồ công nghệ xử lý bề mặt giàn PQP-HT và các tính toán nhiệt động cơ học chất lưu liên quan đến hệ số Pots và nhiệt độ tạo sáp WAT.
  • Chương 2: Phương pháp luận và quy trình từng bước áp dụng K-fold cross-validation để triệt tiêu hiện tượng quá khớp trong ANFIS; quy trình thiết kế mạng LSTM-AE với phương pháp tối ưu hóa siêu tham số Random Search.
  • Chương 3: Chuỗi số liệu thực nghiệm đối chiếu giữa mô hình máy học với phần mềm mô phỏng thủy động lực Eclipse E300 và nhật ký vận hành thực tế của máy nén cao áp.

Câu hỏi thường gặp

1. Tiêu chí kỹ thuật nào của dòng khí thương mại đi vào đường ống Nam Côn Sơn đòi hỏi hệ thống xử lý trên giàn PQP-HT phải đáp ứng?

Theo Bảng 1.2 trong luận án, dòng khí thương mại xuất bán từ giàn PQP-HT vào đường ống Nam Côn Sơn phải tuân thủ nghiêm ngặt các chỉ tiêu: điểm sương nước cao nhất là -10°C ở 70 barg (được xử lý qua hệ thống TEG); điểm sương hydrocarbon cao nhất là 30°C ở 90 barg (được xử lý qua hệ thống làm lạnh cơ khí MR công suất 2,87 MW dùng Freon R134a); nhiệt trị toàn phần (GCV) tối thiểu đạt 37 MJ/m³; áp suất vận hành từ 80 đến 157 barg (áp suất thiết kế 160 barg); nhiệt độ vận hành trong dải từ -10°C đến 65°C; hàm lượng tổng lưu huỳnh tối đa 30 ppmv; $H_2S$ tối đa 25 ppmv; $O_2$ tối đa 7,0 ppmv; dòng khí hoàn toàn không chứa sáp, cát, chất lỏng hoặc các tạp chất tạo gôm.

2. Mô hình ANFIS cải tiến đã giải quyết hiện tượng quá khớp (overfitting) trong bài toán dự báo sản lượng giếng như thế nào?

Hiện tượng quá khớp xảy ra khi mô hình ANFIS ghi nhớ toàn bộ dữ liệu huấn luyện (dẫn đến sai số tập học rất nhỏ) nhưng không thể khái quát hóa khi gặp dữ liệu mới của tập kiểm tra (sai số tập kiểm tra tăng vọt). Để khắc phục, tác giả đã cải tiến thuật toán bằng cách kết hợp kỹ thuật xáo trộn dữ liệu ngẫu nhiên với phương pháp xác thực chéo K-lần (K-fold cross-validation với $k=5$), đồng thời thử nghiệm phân vùng dữ liệu với Subtractive Clustering và FCM cùng 4 phương pháp làm mịn dữ liệu (trong đó LOESS và RLOESS cho hiệu quả cao). Việc kiểm thực chéo qua 5 tập con độc lập đã loại bỏ sự phụ thuộc cục bộ của các hàm liên thuộc, kéo đường hồi quy tuyến tính của tập kiểm chứng về sát đường phân giác lý tưởng và đạt hệ số $R^2 = 0,9482$.

3. Các chỉ số định lượng then chốt chứng minh tính hiệu quả của hai mô hình trong luận án là gì?

Các chỉ số định lượng được xác định chính xác từ văn bản luận án gồm:

  • Mô hình Improved ANFIS dự báo lưu lượng khai thác giếng: đạt giá trị Lỗi trung bình bình phương gốc RMSE = 0,0645 và Hệ số xác định $R^2 = 0,9482$.
  • Mô hình Improved LSTM-AE phát hiện bất thường: đạt điểm F-score cao nhất là 0,57143 trên tập dữ liệu kiểm tra của máy nén khí cao áp, sử dụng kỹ thuật tối ưu hóa Random Search với hàm mất mát MAE, bước thời gian time step = 2, hàm kích hoạt LeakyReLU và điểm dừng sớm tại khoảng 2400 epoch.

4. Tại sao các phần mềm mô phỏng truyền thống như HYSYS và công thức Pots gặp khó khăn khi áp dụng tại mỏ Hải Thạch – Mộc Tinh?

Phần mềm HYSYS mô phỏng trong trạng thái tĩnh (steady state) và sử dụng mô hình nhiệt động Beggs & Brill vốn không phù hợp với đường ống kích thước lớn (đường kính 12 inch, dài 20 km) của tuyến nội mỏ MT-HT, dẫn đến việc tính toán áp suất đầu ra bị tổn thất quá mức so với thực tế và thường xuyên báo lỗi "Not solve" khi tỷ lệ lỏng CGR cao. Đối với hiện tượng slugging, công thức hệ số Pots ($\pi_{ss}$) chỉ dự báo được điều kiện hình thành nút lỏng khi $\pi_{ss} < 1$ nhưng không thể dự báo được thời gian xuất hiện, chu kỳ slug và vận tốc dòng lỏng tràn vào bình tách. Do đó, người vận hành luôn ở thế bị động khi slug đã xuất hiện.

5. Kết quả phát hiện bất thường nước xâm nhập giếng HT-X bằng mô hình LSTM-AE được kiểm chứng chéo với các nguồn dữ liệu nào?

Để khẳng định tính chính xác của mô hình học sâu Improved LSTM-AE, tác giả đã đối chiếu thời điểm sai số tái tạo tăng vọt với 4 nguồn dữ liệu độc lập:

  1. Phương pháp phân tích chênh lệch áp suất đáy và miệng giếng (DeltaP).
  2. Dữ liệu thử nghiệm giếng thực tế và kết quả đo đạc độ mặn mẫu nước khai thác.
  3. Số liệu đo carota địa vật lý giếng khoan (wireline logging).
  4. Kết quả mô phỏng động lực học vỉa từ phần mềm chuyên dụng Eclipse E300 đã được hiệu chỉnh lịch sử khai thác. Cả 4 nguồn độc lập này đều xác nhận hiện tượng ngập nước diễn ra trùng khớp với vùng thời gian mà mô hình LSTM-AE cảnh báo.

Kết luận

Luận án tiến sĩ của tác giả Trần Ngọc Trung đã giải quyết bài toán nâng cao hiệu quả khai thác và xử lý khí tự nhiên tại cụm mỏ Hải Thạch – Mộc Tinh trong điều kiện nhiệt độ cao, áp suất cao bằng công cụ xử lý số liệu thông minh. Công trình đã xây dựng thành công mô hình ANFIS cải tiến với xác thực chéo K-fold giúp nâng cao độ chính xác dự báo sản lượng giếng khai thác ($R^2 = 0,9482$, RMSE = 0,0645) và mô hình học sâu LSTM-AE đa biến phát hiện sớm các bất thường về nước xâm nhập lòng giếng cũng như sự cố máy nén cao áp (F-score = 0,57143). Các kết quả nghiên cứu không chỉ khắc phục được hạn chế của các phương pháp mô phỏng tĩnh truyền thống mà còn trực tiếp đóng góp giải pháp quản trị mỏ hiệu quả, phục vụ Đề tài cấp Nhà nước ĐT.007/21 và công tác vận hành khai thác an toàn tại Biển Đông POC.