Bagaimana AI Memacu Projek Carbon Storage Berskala Besar

AI dalam Minyak & Gas / Tenaga (Petronas & Utiliti Utama)••By 3L3C

UK buka pusingan kedua lesen carbon storage di Laut Utara. Apa kaitannya dengan AI, CCS dan strategi tenaga pemain seperti Petronas di Malaysia?

AI dalam tenagacarbon capture and storageminyak dan gas MalaysiaPetronasdekarbonisasi industriLaut Utaratenaga rendah karbon
Share:

Bagaimana AI Memacu Projek Carbon Storage Berskala Besar

Pada 11/12/2025, United Kingdom mengumumkan pusingan kedua pelesenan carbon storage di Laut Utara, dengan potensi menyimpan puluhan gigatan CO₂ untuk industri berat Eropah. Ini bukan sekadar berita dasar tenaga UK – ini isyarat jelas bagaimana negara maju sedang membina infrastruktur dekarbonisasi industri yang serius, bersandarkan data, sains bawah permukaan dan automasi.

Untuk pemain tenaga di Malaysia – terutamanya Petronas dan utiliti besar – kisah ini sangat dekat dengan apa yang sedang berlaku di sini: peralihan tenaga, projek CCS (carbon capture and storage), dan gelombang pelaburan AI dalam sektor minyak & gas.

Artikel ini kupas tiga perkara utama:

  • Apa sebenarnya yang sedang dibina UK melalui pusingan pelesenan carbon storage kedua
  • Kenapa projek sebegini tak akan berjaya tanpa teknologi pintar, terutamanya AI dan pemodelan reservoir
  • Apa pelajaran praktikal untuk Malaysia, jika kita serius jadikan CCS & AI sebagai pemacu pertumbuhan, bukan sekadar kos pematuhan ESG

Apa Bermakna Pusingan Kedua Lesen Carbon Storage UK?

Pusingan kedua pelesenan carbon storage oleh North Sea Transition Authority (NSTA) menawarkan 14 lokasi di perairan Scotland dan England untuk diteroka dan dinilai sebagai tapak simpanan COâ‚‚ jangka panjang.

Intinya: UK sedang mempercepat pembinaan “infrastruktur bawah tanah” untuk ekonomi rendah karbon mereka.

Dua jenis tapak simpanan utama

NSTA pecahkan kawasan tersebut kepada dua kategori:

  1. Ladang hidrokarbon terhakis (depleted fields)

    • Bekas medan minyak & gas yang sudah matang dan mempunyai data subsurface yang kaya
    • Infrastruktur sedia ada (platform, paip, kemudahan pantai) boleh diadaptasi untuk CCS
  2. Akuifer salin dalam (saline aquifers)

    • Formasi batuan berliang berisi air masin jauh di bawah permukaan
    • Biasanya mempunyai kapasiti simpanan lebih besar, tetapi ketidakpastian geologi lebih tinggi

Kesemua ini dipilih selepas konsultasi dengan The Crown Estate dan Crown Estate Scotland, bagi mengimbangi CCS dengan sektor lain seperti tenaga angin luar pesisir, kabel, sumber agregat dan perlindungan alam marin.

Pusingan pelesenan ini berjalan hingga 24/03/2026, dengan sasaran lesen dianugerahkan sekitar awal 2027. Ini sejajar dengan hala tuju UK yang mensasarkan rangkaian CCS besar-besaran menjelang 2030-an.

UK Climate Change Committee sudah jelas: tiada laluan realistik ke sasaran net zero 2050 tanpa carbon storage.

Bagi pemain industri, mesejnya mudah: kerajaan sanggup keluarkan lesen, dana dan rangka dasar – terpulang kepada industri untuk membuktikan projek ini boleh dilaksana dengan selamat, ekonomik dan boleh diskala.


CCS Bukan Sekadar Telaga: Ia Masalah Data, Risiko dan Skala

CCS sering digambarkan sebagai tiga langkah mudah – tangkap CO₂, angkut, dan simpan di bawah tanah. Realitinya jauh lebih rumit, terutamanya pada skala gigatan.

Cabaran teknikal utama CCS skala besar

Antara persoalan kritikal yang perlu dijawab oleh pasukan subsurface, operasi dan kewangan:

  • Berapa banyak COâ‚‚ yang boleh disimpan dengan selamat dalam formasi tertentu?
  • Bagaimana tekanan reservoir berubah bila berbilion tan COâ‚‚ dimasukkan selama berdekad?
  • Sejauh mana risiko kebocoran melalui sesar, telaga lama atau zon rekahan?
  • Apa kesan interaksi antara projek bila beberapa pengendali berkongsi basin yang sama?
  • Bolehkah model teknikal itu diterjemah kepada profil pelaburan yang meyakinkan pelabur dan pemberi pinjam?

Inilah sebabnya mengapa CCS semakin dilihat sebagai masalah data dan simulasi, bukan sekadar masalah penggerudian.

Di UK, pusingan pertama pelesenan pada 2023 sudah menganugerahkan 21 lesen, dan dua projek – Endurance dan HyNet – telah mendapat permit simpanan pertama untuk bergerak ke fasa first injection. Projek-projek ini disokong oleh komitmen kerajaan sehingga GBP 21.7 bilion, dan berpotensi menyumbang kira-kira GBP 5 bilion setahun kepada ekonomi UK menjelang 2050 serta mewujudkan 50,000 pekerjaan jangka panjang.

Nombor-nombor ini hanya jalan jika model teknikal dan ekonomi mereka kukuh. Di sinilah AI mula memainkan peranan serius.


Di Mana AI Memberi Nilai Sebenar Dalam Projek Carbon Storage

Untuk carbon storage berskala Laut Utara, AI bukan aksesori – ia faktor pembeza antara projek yang bergerak ke first injection dan projek yang kekal di peringkat kajian.

Dalam siri AI in Oil & Gas / Energy, kita selalu bincang tentang AI untuk reservoir modelling, predictive maintenance dan keselamatan operasi. Semua keupayaan ini boleh diterjemah hampir terus ke dalam CCS.

1. Pemodelan reservoir COâ‚‚ berasaskan AI

Dalam CCS, kita perlu mensimulasikan pergerakan CO₂ dalam batuan selama 50–100 tahun, bukan sekadar sepanjang hayat medan minyak. AI boleh membantu di beberapa lapisan:

  • Surrogate models untuk simulasi aliran
    Model pembelajaran mesin yang dilatih atas ribuan simulasi flow simulation tradisional boleh mengurangkan masa pengiraan daripada hari kepada minit. Ini membolehkan:

    • history matching yang lebih pantas
    • ribuan senario sensitiviti (kadar suntikan, lokasi telaga, strategi pengurusan tekanan)
  • Analitik ketidakpastian subsurface
    Bukannya bergantung kepada beberapa realizasi geologi, rangkaian neural boleh menjana dan menilai ratusan geometri formasi untuk menganggar:

    • julat kapasiti simpanan
    • kebarangkalian melepasi had tekanan selamat
  • Reka bentuk telaga suntikan yang optimum
    AI boleh menggabungkan data seismik, well logs, dan data pengeluaran lama (bagi depleted fields) untuk:

    • memilih zon sasaran suntikan paling selamat
    • menyusun susunan telaga (well pattern) yang memaksimumkan sweep dan meminimumkan risiko fracturing caprock

2. Pengawasan dan pengurusan risiko secara masa nyata

Selepas first injection, perhatian beralih kepada pemantauan dan kawalan risiko.

  • Analitik seismik dan microseismic berasaskan AI
    Model pengesanan corak boleh membezakan antara:

    • isyarat seismik biasa berbanding petunjuk awal induced seismicity
    • perubahan yang berkaitan dengan pergerakan plume COâ‚‚ berbanding bunyi latar belakang
  • Anomaly detection pada tekanan dan aliran
    Algoritma AI memantau data tekanan dan kadar aliran dari telaga suntikan dan observation wells, untuk mengenal pasti:

    • kelakuan luar biasa yang mungkin menunjukkan channeling, kebocoran atau masalah integriti telaga
  • Penggabungan data multi-sumber
    CCS moden melibatkan:

    • seismik 4D
    • geokimia air formasi
    • data fiber optic (DAS/DTS)
    • pengukuran satelit (InSAR) untuk pengesanan surface uplift

    AI sangat sesuai untuk menggabungkan semua aliran data ini dalam satu model risiko yang dikemas kini secara dinamik.

3. Pengoptimuman rangkaian CCS end-to-end

Satu lagi poin penting daripada konteks UK: mereka sudah ada 78 gigatan kapasiti carbon storage, yang terbesar di Eropah. Namun hanya “segelintir” projek kini disambungkan ke tapak simpanan.

Masalah ini bukan sekadar geologi, tetapi pemadanan antara emitor dan tapak simpanan:

  • dari mana COâ‚‚ datang? (kluster industri, loji janakuasa, petrokimia)
  • ke mana ia patut dihantar? (tapak storage mana paling ekonomi dan selamat?)
  • laluan paip mana yang paling kos efektif dan berdaya tahan risiko?

Di sinilah AI boleh menyusun semula permainan:

  • Pengoptimuman rangkaian paip COâ‚‚ berdasarkan model kos, risiko dan kekangan peraturan
  • Perancangan kapasiti dinamik yang memadankan profil pengeluaran COâ‚‚ industri dengan kapasiti suntikan sebenar di tapak storage
  • Simulasi senario polisi – contohnya perubahan harga karbon atau insentif fiskal – untuk melihat kesan kepada pelaburan CCS

Bagi syarikat yang sudah matang dalam analitik operasi minyak & gas, mengembangkan model ini ke domain CCS adalah langkah logik seterusnya.


Apa Pelajaran Untuk Malaysia dan Pemain Seperti Petronas?

Kisah UK di Laut Utara bukan sekadar cerita jauh. Banyak elemennya sangat relevan untuk Malaysia – khususnya untuk pelabuhan industri seperti Pengerang, Kerteh, Bintulu, dan potensi offshore storage di Laut China Selatan.

1. Kerajaan perlu jelas: CCS bukan pilihan sampingan

UK menetapkan nada melalui tiga tindakan jelas:

  • Pelesenan berbilang pusingan (lebih 20 lesen dalam pusingan pertama, 14 kawasan lagi dibuka sekarang)
  • Komitmen pembiayaan awam sehingga GBP 21.7 bilion
  • Isyarat dasar bahawa tiada laluan ke net zero tanpa CCS

Untuk Malaysia, mesejnya: jika CCS dilihat hanya sebagai “projek perintis” atau CSR hijau, sukar untuk industri buat pelaburan jangka panjang dalam prasarana, data dan bakat AI.

2. Gunakan kelebihan minyak & gas untuk melonjak ke CCS

OEUK mengingatkan bahawa UK mempunyai “dekad kepakaran dalam sektor minyak & gas” – kemahiran dan infrastruktur itulah yang kini dipindahkan kepada CCS.

Malaysia ada kelebihan sama:

  • data subsurface berdekad untuk medan matang
  • bakat geosaintis, jurutera reservoir dan jurutera proses
  • pengalaman mengoperasi fasiliti luar pesisir yang kompleks

Tambahkan pelaburan AI yang sedang dipacu oleh Petronas dan utiliti besar, dan anda sebenarnya sudah memiliki sebahagian besar blok binaan untuk CCS berskala besar. Soalan sebenar: adakah data, model dan pasukan AI itu diselaraskan secara strategik untuk menyokong CCS, atau kekal terpencil mengikut fungsi (exploration, production, maintenance sahaja)?

3. Jadikan AI sebagai “lapisan standard” dalam setiap fasa CCS

Daripada menunggu peraturan memaksa, pemain Malaysia boleh mengambil pendekatan proaktif:

  • Fasa kajian & pelesenan

    • gunakan AI untuk screening tapak storage paling sesuai (kapasiti, risiko, jarak ke kluster emisi)
    • membina playbook subsurface CCS yang boleh diguna ulang di beberapa basin
  • Fasa reka bentuk & pembangunan

    • integrasi pemodelan reservoir berasaskan AI dengan simulasi proses loji penangkapan COâ‚‚
    • reka bentuk rangkaian paip dan hub CCS dengan pengoptimuman pelbagai objektif (kos, emisi, kebolehpercayaan)
  • Fasa operasi & pemantauan

    • digital twin untuk tapak storage, dikemas kini oleh data seismik, tekanan dan aliran masa nyata
    • sistem amaran awal risiko kebocoran dan induced seismicity berdasarkan anomaly detection

Organisasi yang menganggap AI sebagai komponen teras reka bentuk sistem, bukan projek tambahan, biasanya bergerak lebih pantas dan mengurangkan kos kesilapan mahal.


Dari Lesen ke Projek Nyata: Apa Langkah Seterusnya Untuk Pemain Serantau?

Pusingan kedua pelesenan carbon storage di UK tunjuk satu perkara penting: momentum lebih penting daripada kesempurnaan. NSTA sendiri tekankan bahawa mereka mahu mengekalkan momentum – daripada call for nominations kepada pusingan lesen, seterusnya ke first injection.

Untuk pemain di Malaysia dan rantau ini yang melihat CCS sebagai peluang, bukan beban, beberapa langkah praktikal yang boleh diambil bermula sekarang:

  1. Audit keupayaan AI sedia ada
    Kenal pasti pasukan, model dan set data yang sudah wujud dalam domain minyak & gas – mana yang boleh dilanjutkan ke CCS dengan cepat?

  2. Wujudkan pasukan kecil “CCS + AI” rentas fungsi
    Gabungkan geosaintis, jurutera proses, pakar keselamatan dan saintis data dalam satu squad kecil yang fokus kepada satu atau dua tapak sasaran.

  3. Bangunkan data foundation CCS

    • standardkan format data subsurface relevan untuk CCS
    • pastikan akses selamat tetapi pantas kepada data untuk model AI
  4. Jalin kerjasama serantau dan global
    Belajar daripada projek Laut Utara, bukan hanya dari perspektif geologi, tetapi juga cara mereka menyelaras pelesenan, pemantauan dan penggunaan AI.

  5. Rangka naratif pelaburan yang jelas
    CCS perlu dilihat sebagai pemacu nilai jangka panjang: mengelak risiko aset terperangkap (stranded assets), melindungi eksport, dan membuka peluang perkhidmatan CCS serantau – bukan semata-mata kos pematuhan.

Tenaga masa depan bukan hanya tentang berapa banyak megawatt hijau yang boleh dijana, tetapi juga berapa banyak tan COâ‚‚ yang boleh dikurangkan dan disimpan dengan selamat. Di situlah kombinasi CCS + AI menawarkan kelebihan daya saing untuk pemain seperti Petronas dan utiliti besar di Malaysia.

Jika UK boleh menjadikan Laut Utara sebagai “bank simpanan CO₂” untuk Eropah, tidak mustahil Asia Tenggara membina hab CCS sendiri – dengan Malaysia di tengah, memanfaatkan gabungan kekuatan subsurface dan kecerdasan buatan.


Soalan Untuk Difikirkan

Apabila anda melihat pelan dekarbonisasi organisasi anda hari ini, adakah CCS dan AI berada di pinggiran – atau di tengah perbincangan strategik?
Kerana dalam beberapa tahun lagi, jurang antara organisasi yang menggabungkan kedua-duanya dengan serius dan yang tidak, mungkin jadi perbezaan antara memimpin peralihan tenaga, atau sekadar mengejar dari belakang.