Kaip sužinoti PDC bitų ROP modelių įvertinimą ir uolienų stiprumo įtaką modelio koeficientams?

Abstraktus

Dėl dabartinių žemų naftos kainų sąlygų atnaujintas dėmesys gręžimo optimizavimui, siekiant sutaupyti laiko gręžiant naftos ir dujų gręžinius ir sumažinti veiklos sąnaudas. Prasiskverbimo greičio (ROP) modeliavimas yra pagrindinė priemonė optimizuojant gręžimo parametrus, būtent antgalio svorį ir sukimosi greitį, kad gręžimo procesai būtų greitesni. Naudojant naują, visiškai automatizuotą duomenų vizualizavimo ir ROP modeliavimo įrankį, sukurtą programoje Excel VBA, ROPPlotter, šis darbas tiria modelio veikimą ir uolienų stiprumo įtaką dviejų skirtingų PDC Bit ROP modelių modelio koeficientams: Hareland ir Rampersad (1994) ir Motahhari. ir kt. (2010). Šios dvi PDC bitas modeliai lyginami su baziniu atveju, bendruoju ROP ryšiu, kurį sukūrė Binghamas (1964) trijose skirtingose ​​smiltainio formacijose vertikalioje Bakken skalūnų horizontalaus šulinio atkarpoje. Pirmą kartą buvo bandoma išskirti kintamo uolienų stiprumo poveikį ROP modelio koeficientams, tiriant litologijas su kitais panašiais gręžimo parametrais. Be to, vykdoma išsami diskusija apie tinkamų modelio koeficientų ribų parinkimo svarbą. Uolienų stiprumas, įtrauktas į Harelando ir Motahhari modelius, bet ne į Binghamo modelius, lemia didesnes buvusių modelių pastovaus daugiklio modelio koeficientų vertes, be to, Motahhari modelio RPM termino eksponentas padidėja. Parodyta, kad Hareland ir Rampersad modelis geriausiai veikia iš trijų modelių su šiuo konkrečiu duomenų rinkiniu. Tradicinio ROP modeliavimo veiksmingumas ir pritaikomumas kelia abejonių, nes tokie modeliai remiasi empirinių koeficientų rinkiniu, apimančiu daugelio gręžimo faktorių, į kuriuos neatsižvelgta modelio formuluotėje, poveikį ir yra unikalūs konkrečiai litologijai.

Įvadas

PDC (Polycrystalline Diamond Compact) antgaliai šiandien yra dominuojantis antgalių tipas, naudojamas gręžiant naftos ir dujų gręžinius. Grąžtų našumas paprastai matuojamas įsiskverbimo greičiu (ROP), kuris rodo, kaip greitai gręžinys išgręžiamas, atsižvelgiant į per laiko vienetą išgręžtos skylės ilgį. Gręžimo optimizavimas jau dešimtmečius buvo energetikos įmonių darbotvarkės priešakyje, o dabartinės žemos naftos kainos sąlygomis jis tampa dar svarbesnis (Hareland ir Rampersad, 1994). Pirmasis žingsnis optimizuojant gręžimo parametrus, kad būtų pasiektas geriausias galimas ROP, yra tikslaus modelio, susieto su paviršiaus matavimais ir gręžimo greičiu, sukūrimas.

Literatūroje buvo paskelbti keli ROP modeliai, įskaitant modelius, sukurtus specialiai tam tikram bitų tipui. Šiuose ROP modeliuose paprastai yra keletas empirinių koeficientų, kurie priklauso nuo litologijos ir gali pabloginti ryšio tarp gręžimo parametrų ir įsiskverbimo greičio supratimą. Šio tyrimo tikslas – išanalizuoti modelio veikimą ir tai, kaip modelio koeficientai reaguoja į lauko duomenis su skirtingais gręžimo parametrais, ypač uolienų stiprumu, dviem.PDC bitas modeliai (Hareland ir Rampersad, 1994, Motahhari ir kt., 2010). Modelio koeficientai ir našumas taip pat lyginami su baziniu ROP modeliu (Bingham, 1964), supaprastintu ryšiu, kuris buvo pirmasis ROP modelis, plačiai taikomas visoje pramonėje ir vis dar naudojamas. Tiriami gręžimo lauko duomenys trijose smiltainio formacijose, kurių uolienų stiprumas skiriasi, ir apskaičiuojami šių trijų modelių modelio koeficientai ir lyginami vienas su kitu. Manoma, kad Harelando ir Motahhari modelių koeficientai kiekvienoje uolienų formacijoje apims platesnį diapazoną nei Binghamo modelio koeficientai, nes pastarojoje formuluotėje į kintamą uolienų stiprumą neatsižvelgiama. Taip pat vertinamas modelio veikimas, todėl buvo pasirinktas geriausias ROP modelis Bakkeno skalūnų regionui Šiaurės Dakotoje.

Į šį darbą įtraukti ROP modeliai susideda iš nelanksčių lygčių, kurios susieja kelis gręžimo parametrus su gręžimo greičiu ir apima empirinių koeficientų rinkinį, kuris sujungia sunkiai modeliuojamų gręžimo mechanizmų, tokių kaip hidraulika, pjovimo uolienų sąveika, grąžtas, poveikį. dizainas, dugno angos surinkimo charakteristikos, purvo tipas ir skylių valymas. Nors šie tradiciniai ROP modeliai paprastai neveikia gerai, palyginti su lauko duomenimis, jie yra svarbus žingsnis į naujesnius modeliavimo metodus. Modernūs, galingesni, statistiniais duomenimis pagrįsti modeliai, turintys didesnį lankstumą, gali pagerinti ROP modeliavimo tikslumą. Gandelmanas (2012) pranešė apie reikšmingą ROP modeliavimo patobulinimą, naudojant dirbtinius neuroninius tinklus, o ne tradicinius ROP modelius naftos gręžiniuose, esančiuose priešdruskos baseinuose prie Brazilijos jūros. Dirbtiniai neuroniniai tinklai taip pat sėkmingai naudojami ROP prognozavimui Bilgesu ir kt. (1997), Moran ir kt. (2010) ir Esmaeili ir kt. (2012). Tačiau toks ROP modeliavimo patobulinimas nukenčia modelio aiškinamumo sąskaita. Todėl tradiciniai ROP modeliai vis dar aktualūs ir yra veiksmingas metodas analizuoti, kaip konkretus gręžimo parametras veikia įsiskverbimo greitį.

Skaičiuojant modelio koeficientus ir lyginant modelio našumą, naudojama ROPPlotter, lauko duomenų vizualizavimo ir ROP modeliavimo programinė įranga, sukurta Microsoft Excel VBA (Soares, 2015).