Maskinlæring kan redusere miljøpåvirkningen av oljeproduksjon

Elise Lunde Gjelsvik har skrevet doktorgrad ved NMBU om ny forståelse av gasshydratfenomener og naturlige inhibitorer i råoljesystemer gjennom massespektrometri og maskinlæring. Her sammen med SINTEF-forsker Anders Brunsvik.
Elise Lunde Gjelsvik har skrevet doktorgrad ved NMBU om ny forståelse av gasshydratfenomener og naturlige inhibitorer i råoljesystemer gjennom massespektrometri og maskinlæring. Her sammen med SINTEF-forsker Anders Brunsvik.Foto: Martin Fossen (SINTEF)

Ny forskning viser hvordan man kan finne naturlige komponenter i råolje som kan brukes for å hindre blokkering av olje- og gassrør. Målet er å redusere energiforbruk og bruk av kjemikalier, og dermed redusere miljøbelastningen fra oljeproduksjon.

Noen typer råolje inneholder komponenter som gjør at oljen klumper seg i rørene og danner såkalte gasshydrater. Gasshydrater er is-lignende formasjoner som dannes i rørledninger under transportering av olje og gass fra brønn til produksjonssted når trykket blir høyt og temperaturen lav. NMBU-stipendiat i datavitenskap, Elise Lunde Gjelsvik forsker for å finne ut hva det er som gjør at noen typer råolje klumper seg og andre ikke.

NMBU-stipendiat Elise Lunde Gjelsvik
NMBU-stipendiat Elise Lunde Gjelsvik Foto: NMBU

– Gasshydrater kan klumpe seg og blokkere rørledningen. Hvis rørledningen blir blokkert, må produksjonen stanses til gasshydratene er fjernet. Det kan ta lang tid og føre til store økonomiske tap, sier Gjelsvik. 

I ytterste konsekvens kan slike blokkeringer føre til at rørene sprekker, og olje og kjemikalier lekker ut i havet. I dag bruker industrien derfor store mengder kjemikalier for å forhindre dannelse av pluggende gasshydrater. Dette bidrar til en betydelig del av utslippene fra petroleumssektoren. 

Det finnes imidlertid noen oljer som danner gasshydrater som ikke klumper seg sammen. Ifølge Gjelsvik er det derfor av stor interesse å finne ut hva som skiller oljene som danner pluggende gasshydrater fra de som ikke gjør det. Det er nettopp det å identifisere hvilke komponenter i råoljen som ikke klumper seg Gjelsvik prøver å finne ut av. 

– Disse komponentene kan forhåpentligvis brukes som naturlige inhibitorer for andre oljer og dermed redusere kjemikaliebruken under produksjonen av olje og gass, sier hun. 

Kombinerer maskinlæring og massespektroskopi på en ny måte

For å finne de riktige komponentene, har Gjelsvik har brukt en ny måte å kombinere maskinlæring og nøyaktig massespektrometri på, for å kunne forbedre den kjemiske analysen. Oljer består av veldig mange kjemiske komponenter som er vanskelige å skille fra hverandre med tradisjonelle massespektrometre. Derfor har Gjelsvik brukt Fourier Transform Ion Cyclotron Resonance Mass Spectrometry (FT-ICR MS), som har veldig høy oppløsning og kan analysere råoljer mer detaljert. Den høye oppløsningen medfører at spektre fra FT-ICR MS har veldig mange topper som gir veldig store datamengder. Derfor er maskinlæring et nyttig verktøy for å analysere disse spektrene.

– Det er helt nytt å bruke FT-ICR MS og maskinlæring til å karakterisere gasshydratrelaterte prøver for å identifisere komponenter som fungerer som naturlige inhibitorer. Metoden kan ta forskningen et steg nærmere å identifisere disse komponentene, sier Gjelsvik. 

Doktorgradsarbeidet hennes konkluderer med at det gjennom maskinlæring kan være mulig å identifisere naturlig forekommende hydrataktive komponenter som kan hindre gasshydratdannelse fra FT-ICR MS-spektra av råoljer. 

– Avhandlingen bidrar til ny forståelse av gasshydratfenomener og naturlige inhibitorer i råoljesystemer gjennom massespektrometri og maskinlæring, sier Gjelsvik.

I avhandlingen har hun brukt variabelseleksjon i kombinasjon med maskinlæringsmetoder til å identifisere hvilke komponenter som har størst innvirkning på analysene. Deretter knyttet hun disse komponentene til deres kjemiske egenskaper og deres påvirkning på hydratformasjon. Gjennom disse metodene identifiserte hun flere komponenter som antas å være relatert til hydratinhibering. I tillegg utviklet hun nye metoder for analyse av kompliserte data ble også utviklet. 

Elise Lunde Gjelsvik forsvarer sin doktorgradsavhandling "Ny forståelse av gasshydratfenomener og naturlige inhibitorer i råoljesystemer gjennom massespektrometri og maskinlæring" tirsdag 2. mai 2023. Se disputasoppslaget her.

Publisert - Oppdatert

Del på