როგორ გავიგოთ PDC bit ROP მოდელების შეფასება და კლდის სიძლიერის ეფექტი მოდელის კოეფიციენტებზე?

აბსტრაქტი

ნავთობის დაბალი ფასის ამჟამინდელმა პირობებმა განაახლა ბურღვის ოპტიმიზაციაზე აქცენტი, რათა დაზოგოს დრო ნავთობისა და გაზის ჭაბურღილების ბურღვაზე და შეამციროს საოპერაციო ხარჯები. შეღწევადობის სიჩქარის (ROP) მოდელირება არის ძირითადი ინსტრუმენტი ბურღვის პარამეტრების ოპტიმიზაციისთვის, კერძოდ, ბიტის წონა და ბრუნვის სიჩქარე უფრო სწრაფი ბურღვის პროცესებისთვის. ახალი, სრულიად ავტომატიზირებული მონაცემთა ვიზუალიზაციისა და ROP მოდელირების ხელსაწყოთი, რომელიც შემუშავებულია Excel VBA-ში, ROPPlotter-ში, ეს ნამუშევარი იკვლევს მოდელის შესრულებას და კლდის სიძლიერის გავლენას ორი განსხვავებული PDC Bit ROP მოდელის მოდელის კოეფიციენტებზე: Hareland and Rampersad (1994) და Motahhari. და სხვ. (2010). ეს ორი PDC ბიტი მოდელები შედარებულია საბაზისო შემთხვევის, ზოგადი ROP-ის მიმართებით, რომელიც შემუშავებულია ბინგჰემის (1964) მიერ სამ სხვადასხვა ქვიშაქვის წარმონაქმნებში ბაკენის ფიქლის ჰორიზონტალური ჭაბურღილის ვერტიკალურ მონაკვეთში. პირველად, განხორციელდა მცდელობა გამოეყო კლდის ცვალებადი სიძლიერის ეფექტი ROP მოდელის კოეფიციენტებზე ლითოლოგიების გამოკვლევით სხვა მსგავსი ბურღვის პარამეტრებით. გარდა ამისა, ტარდება ყოვლისმომცველი დისკუსია შესაბამისი მოდელის კოეფიციენტების საზღვრების შერჩევის მნიშვნელობაზე. კლდის სიძლიერე, რომელიც აისახება ჰარელენდის და მოტაჰარის მოდელებში, მაგრამ არა ბინგჰემში, იწვევს მუდმივი მულტიპლიკატორის მოდელის კოეფიციენტების უფრო მაღალ მნიშვნელობებს ყოფილი მოდელებისთვის, გარდა მოტაჰარის მოდელისთვის RPM-ის გაზრდილი ტერმინის ექსპონენტისა. ჰარელენდის და რამპერსადის მოდელი ნაჩვენებია ამ კონკრეტული მონაცემთა ნაკრების მქონე სამი მოდელიდან საუკეთესოდ. ტრადიციული ROP მოდელირების ეფექტურობა და გამოყენებადობა კითხვის ნიშნის ქვეშ დგება, რადგან ასეთი მოდელები ეყრდნობა ემპირიულ კოეფიციენტებს, რომლებიც მოიცავს მრავალი საბურღი ფაქტორის ეფექტს, რომლებიც არ არის გათვალისწინებული მოდელის ფორმულირებაში და უნიკალურია კონკრეტული ლითოლოგიისთვის.

შესავალი

PDC (Polycrystalline Diamond Compact) ბიტები არის დომინანტური ბიტის ტიპი, რომელიც გამოიყენება დღეს ნავთობისა და გაზის ჭაბურღილების ბურღვაში. ბიტის შესრულება ჩვეულებრივ იზომება შეღწევადობის სიჩქარით (ROP), რაც მიუთითებს იმაზე, თუ რამდენად სწრაფად ხდება ჭაბურღილის გაბურღვა დროის ერთეულზე გაბურღული ხვრელის სიგრძის მიხედვით. ბურღვის ოპტიმიზაცია უკვე ათწლეულების განმავლობაში იყო ენერგეტიკული კომპანიების დღის წესრიგის ავანგარდში და ის კიდევ უფრო მეტ მნიშვნელობას იძენს ნავთობის დაბალი ფასების ამჟამინდელ გარემოში (ჰარელენდი და რამპერსადი, 1994). ბურღვის პარამეტრების ოპტიმიზაციის პირველი ნაბიჯი საუკეთესო შესაძლო ROP-ის წარმოებისთვის არის ზუსტი მოდელის შემუშავება, რომელიც დაკავშირებულია ზედაპირიდან ბურღვის სიჩქარესთან მიღებულ გაზომვებთან.

ლიტერატურაში გამოქვეყნებულია რამდენიმე ROP მოდელი, მათ შორის მოდელები, რომლებიც სპეციალურად შემუშავებულია გარკვეული ბიტის ტიპისთვის. ROP-ის ეს მოდელები, როგორც წესი, შეიცავს უამრავ ემპირიულ კოეფიციენტებს, რომლებიც დამოკიდებულია ლითოლოგიაზე და შეიძლება გააუარესოს ბურღვის პარამეტრებსა და შეღწევადობის სიჩქარეს შორის კავშირის გაგება. ამ კვლევის მიზანია გააანალიზოს მოდელის შესრულება და როგორ რეაგირებს მოდელის კოეფიციენტები საველე მონაცემებზე ბურღვის სხვადასხვა პარამეტრებით, განსაკუთრებით კლდის სიძლიერით, ორისთვის.PDC ბიტი მოდელები (Hareland and Rampersad, 1994, Motahhari et al., 2010). მოდელის კოეფიციენტები და შესრულება ასევე შედარებულია საბაზისო შემთხვევაში ROP მოდელთან (Bingham, 1964), გამარტივებული კავშირი, რომელიც იყო პირველი ROP მოდელი, რომელიც ფართოდ გამოიყენება ინდუსტრიაში და ჯერ კიდევ გამოიყენება. გამოკვლეულია ბურღვის ველის მონაცემები სამ ქვიშაქვის წარმონაქმნებში სხვადასხვა კლდის სიძლიერით და ამ სამი მოდელის მოდელის კოეფიციენტები გამოითვლება და შედარებულია ერთმანეთთან. ვარაუდობენ, რომ ჰარელენდის და მოტაჰარის მოდელების კოეფიციენტები თითოეულ კლდის ფორმირებაში უფრო ფართო დიაპაზონს მოიცავს, ვიდრე ბინგჰემის მოდელის კოეფიციენტები, რადგან კლდის ცვალებადი სიძლიერე აშკარად არ არის გათვალისწინებული ამ უკანასკნელ ფორმულირებაში. ასევე შეფასებულია მოდელის შესრულება, რამაც გამოიწვია საუკეთესო ROP მოდელის არჩევა ბაკენის ფიქლის რეგიონისთვის ჩრდილოეთ დაკოტაში.

ამ ნამუშევარში შეტანილი ROP მოდელები შედგება მოუქნელი განტოლებისგან, რომლებიც აკავშირებს ბურღვის რამდენიმე პარამეტრს ბურღვის სიჩქარესთან და შეიცავს ემპირიულ კოეფიციენტებს, რომლებიც აერთიანებს ძნელად მოდელირებული ბურღვის მექანიზმების გავლენას, როგორიცაა ჰიდრავლიკა, საჭრელი ქვის ურთიერთქმედება, ბიტი. დიზაინი, ქვედა ხვრელის შეკრების მახასიათებლები, ტალახის ტიპი და ხვრელების გაწმენდა. მიუხედავად იმისა, რომ ეს ტრადიციული ROP მოდელები, როგორც წესი, კარგად არ მუშაობენ საველე მონაცემებთან შედარებით, ისინი მნიშვნელოვან საფეხურს წარმოადგენენ მოდელირების ახალი ტექნიკისკენ. თანამედროვე, უფრო მძლავრ, სტატისტიკაზე დაფუძნებულ მოდელებს გაზრდილი მოქნილობა შეუძლია გააუმჯობესოს ROP მოდელირების სიზუსტე. განდელმანმა (2012) აღნიშნა ROP მოდელირების მნიშვნელოვანი გაუმჯობესების შესახებ ხელოვნური ნერვული ქსელების გამოყენებით ტრადიციული ROP მოდელების ნაცვლად ნავთობის ჭაბურღილებში ბრაზილიის ოფშორული მარილის აუზებში. ხელოვნური ნერვული ქსელები ასევე წარმატებით გამოიყენება ROP პროგნოზირებისთვის ბილგესუს და სხვების ნაშრომებში. (1997), მორანი და სხვ. (2010) და ესმაელი და სხვ. (2012). თუმცა, ROP მოდელირების ასეთი გაუმჯობესება მოდის მოდელის ინტერპრეტაციის ხარჯზე. ამიტომ, ტრადიციული ROP მოდელები კვლავ აქტუალურია და იძლევა ეფექტურ მეთოდს იმის გასაანალიზებლად, თუ როგორ მოქმედებს ბურღვის კონკრეტული პარამეტრი შეღწევადობის სიჩქარეზე.

ROPPlotter, საველე მონაცემების ვიზუალიზაციისა და ROP მოდელირების პროგრამული უზრუნველყოფა, რომელიც შემუშავებულია Microsoft Excel VBA-ში (Soares, 2015), გამოიყენება მოდელის კოეფიციენტების გამოთვლისა და მოდელის მუშაობის შედარებისთვის.