GO-Forward
Le projet Go-forward représente un changement de paradigme dans l'exploration géothermique, en utilisant l'intelligence artificielle et le Machine Learning afin d'améliorer la prédiction des propriétés des réservoirs, de réduire les risques et d'optimiser le développement des ressources géothermiques.
.png)
Innovation basée
sur les processus
La technologie Go-forward associe la compréhension de l'histoire géologique à l'intelligence computationnelle et au traitement de données pour prédire les propriétés présentes des réservoirs géologiques. Ses algorithmes reproduisent les phénomènes géologiques au lieu de se limiter aux techniques d'extrapolation géostatistique conventionnelles.
Technologies utilisées
Algorithmes basés sur du Machine Learning
Les méthodes computationelles basées sur le ML améliorent les informations souterraines existantes pour effectuer des étalonnages, quantifications d'incertitude et de l'assimilation des données dans le cadre de l'évaluation de réservoirs géothermiques.
Modélisation directe
approches
Trois approches de modélisation directe ont été développées en intégrant des outils open source et commerciaux : la modélisation stratigraphique directe (SFM), la modélisation diagénétique directe (DFM) et les modèles de fracture frontale (FFM).
Techno-économique
analyse des performances
Ce projet s'appuie sur des techniques de Machine Learning basées sur les principes physiques afin de construire des modèles de remplacement qui facilitent les analyses de sensibilité et l'estimation de la POS (probabilité de réussite) et de la NPV (valeur actuelle nette) préalablement aux opérations de forage.
Résultats attendus
Les solutions développées par le projet Go-forward génèreraient des bénéfices pour l'ensemble du secteur géothermique :
Prise de décision optimisée: es approches basées sur les processus développées par le projet améliorent l'évaluation des réservoirs géothermiques même avec des données limitées
Réduction des risques: Les algorithmes minimisent les incertitudes liées à l'exploration et aux échecs liés aux forages
Accessibilité: Les algorithmes et les logiciels associés seront open source
Capacité prédictive : Capacités améliorées de prévision des propriétés des réservoirs
Promouvoir la sensibilisation du public: Élaboration de nouvelles approches visant à renforcer l'efficacité de la participation du public et des dialogues avec les parties prenantes
Utilisations
Modélisation stratigraphique
Les algorithmes développés simulent les mécanismes de formation des roches sédimentaires, offrant une caractérisation des réservoirs basée sur la modélisation des processus géologiques.
Analyse diagénétique
Les systèmes conçus reproduisent les dynamiques physico-chimiques qui régissent la formation et l'altération des roches, alimentant ainsi l'analyse des potentiels géothermiques des réservoirs.
Modélisation
de réseaux de fractures
Les méthodes computationelles reproduisent la formation, l'évolution et la diffusion des systèmes de fractures à partir de l'histoire géologique et des phénomènes de déformation tectonique.
Consortium de recherche
de l'Union européenne
Le consortium international réunit 12 institutions européennes spécialisées dans l'intelligence artificielle, le Machine Learning et la recherche géothermique en Allemagne, en Autriche, au Danemark, aux Pays-Bas, en Espagne, en Suisse, en Italie et au Royaume-Uni.
Programme Horizon Europe de l'UE
Ce projet est financé par l'Union européenne dans le cadre du programme Horizon Europe (subvention n° 101147618) Appel : HORIZON-CL5-2023-D3-02 - Technologies d'exploration avancées pour les ressources géothermiques
.png)
Soutien fédéral suisse
Swiss Geo Energy reçoit un financement de recherche du Secrétariat d'État suisse à la formation, à la recherche et à l'innovation (SEFRI) pour ce projet géothermique.
Découvrez nos opportunités
en Suisse
Swiss Geo Energy met à votre disposition son expertise méthodologique en développement d'énergies renouvelables. Notre maîtrise technique du sous-sol permet l'élaboration de solutions géothermiques performantes. La structuration de notre portefeuille en trois étapes clés—implantation, expansion, diversification—vise à optimiser la rentabilité tout en soutenant la Transition Énergétique.
