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

Santrauka

Dabartinės žemos naftos kainos vėl paskatino atkreipti dėmesį į gręžimo optimizavimą, siekiant sutaupyti laiko gręžiant naftos ir dujų gręžinius bei sumažinti eksploatavimo išlaidas. Skvarbos greičio (ROP) modeliavimas yra pagrindinė priemonė optimizuojant gręžimo parametrus, būtent grąžto svorį ir sukimosi greitį, siekiant greitesnių gręžimo procesų. Šiame darbe, naudojant naują, visiškai automatizuotą duomenų vizualizavimo ir ROP modeliavimo įrankį ROPPlotter, sukurtą „Excel VBA“, nagrinėjamas modelio našumas ir uolienų stiprumo įtaka dviejų skirtingų PDC grąžtų ROP modelių koeficientams: Hareland ir Rampersad (1994) ir Motahhari ir kt. (2010). Šie du... PDC bitas Modeliai lyginami su baziniu atveju – bendru ROP ryšiu, kurį sukūrė Binghamas (1964 m.) trijose skirtingose ​​smiltainio formacijose Bakkeno skalūnų horizontalaus gręžinio vertikalioje dalyje. Pirmą kartą bandyta izoliuoti skirtingo uolienų stiprumo poveikį ROP modelio koeficientams, tiriant litologijas su kitais panašiais gręžimo parametrais. Be to, išsamiai aptariama tinkamų modelio koeficientų ribų pasirinkimo svarba. Uolienų stiprumas, į kurį atsižvelgta Harelando ir Motahhari modeliuose, bet ne Binghamo modeliuose, lemia didesnes pastovaus daugiklio modelio koeficientų vertes ankstesniems modeliams, be to, padidėja RPM termino rodiklis Motahhari modeliui. Parodyta, kad Harelando ir Rampersado modelis geriausiai veikia iš trijų modelių su šiuo konkrečiu duomenų rinkiniu. Kyla abejonių dėl tradicinio ROP modeliavimo efektyvumo ir pritaikomumo, nes tokie modeliai remiasi empirinių koeficientų rinkiniu, kuris apima daugelio gręžimo veiksnių, į kuriuos nebuvo atsižvelgta modelio formuluotėje ir kurie yra unikalūs konkrečiai litologijai, poveikį.

Įvadas

PDC (polikristaliniai deimantiniai kompaktiški) grąžtai yra dominuojantis grąžtų tipas, naudojamas šiandien gręžiant naftos ir dujų gręžinius. Grąžtų našumas paprastai matuojamas įsiskverbimo greičiu (ROP), rodančiu, kaip greitai gręžiamas gręžinys, atsižvelgiant į išgręžtos skylės ilgį per laiko vienetą. Gręžimo optimizavimas jau dešimtmečius yra energetikos įmonių darbotvarkių priešakyje ir dabartine žemų naftos kainų aplinka jis įgauna dar daugiau svarbos (Hareland ir Rampersad, 1994). Pirmas žingsnis optimizuojant gręžimo parametrus, siekiant gauti geriausią įmanomą ROP, yra tikslaus modelio, susiejančio paviršiuje gautus matavimus su gręžimo greičiu, sukūrimas.

Literatūroje paskelbta keletas ROP modelių, įskaitant modelius, specialiai sukurtus tam tikram grąžto tipui. Šie ROP modeliai paprastai turi daug empirinių koeficientų, kurie priklauso nuo litologijos ir gali pakenkti gręžimo parametrų ir įsiskverbimo greičio santykio supratimui. Šio tyrimo tikslas – išanalizuoti modelio veikimą ir tai, kaip modelio koeficientai reaguoja į lauko duomenis su skirtingais gręžimo parametrais, ypač uolienų stiprumu, dviem atvejais.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 plačiai taikomas visoje pramonėje ir vis dar naudojamas ROP modelis. Tiriami gręžimo lauko duomenys trijose smiltainio formacijose su skirtingu uolienų stiprumu, o šių trijų modelių koeficientai apskaičiuojami ir palyginami tarpusavyje. Daroma prielaida, kad Harelando ir Motahhari modelių koeficientai kiekvienoje uolienų formacijoje apims platesnį diapazoną nei Binghamo modelio koeficientai, nes pastarojoje formuluotėje kintantis uolienų stiprumas nėra aiškiai įvertintas. Taip pat įvertinamas modelio našumas, kuris lemia geriausio ROP modelio pasirinkimą Bakkeno skalūnų regionui Šiaurės Dakotoje.

Šiame darbe pateikti ROP modeliai susideda iš nelanksčių lygčių, kurios susieja kelis gręžimo parametrus su gręžimo greičiu ir apima empirinių koeficientų rinkinį, kuris apjungia sunkiai modeliuojamų gręžimo mechanizmų, tokių kaip hidraulika, gręžtuvo ir uolienos sąveika, grąžto konstrukcija, dugno surinkimo charakteristikos, dumblo tipas ir gręžinio valymas, įtaką. Nors šie tradiciniai ROP modeliai paprastai nėra gerai veikiantys, palyginti su lauko duomenimis, jie yra svarbus žingsnis į naujesnius modeliavimo metodus. Modernūs, galingesni, statistika pagrįsti modeliai, pasižymintys didesniu lankstumu, gali pagerinti ROP modeliavimo tikslumą. Gandelman (2012) pranešė apie reikšmingą ROP modeliavimo patobulinimą, naudojant dirbtinius neuroninius tinklus vietoj tradicinių ROP modelių naftos gręžiniuose priešdruskos baseinuose prie Brazilijos krantų. Dirbtiniai neuroniniai tinklai taip pat sėkmingai naudojami ROP prognozavimui Bilgesu ir kt. (1997), Moran ir kt. (2010) ir Esmaeili ir kt. (2012) darbuose. Tačiau toks ROP modeliavimo patobulinimas vyksta modelio interpretuojamumo sąskaita. Todėl tradiciniai ROP modeliai vis dar yra aktualūs ir suteikia veiksmingą metodą analizuoti, kaip konkretus gręžimo parametras veikia įsiskverbimo greitį.

Modelio koeficientams apskaičiuoti ir modelio našumui palyginti naudojama „ROPPlotter“ – lauko duomenų vizualizavimo ir ROP modeliavimo programinė įranga, sukurta naudojant „Microsoft Excel VBA“ (Soares, 2015).