როგორ გავიგოთ PDC ბიტის ROP მოდელების შეფასება და კლდის სიმტკიცის გავლენა მოდელის კოეფიციენტებზე?

აბსტრაქტული

ნავთობის დაბალი ფასების ამჟამინდელმა პირობებმა კვლავ გაამახვილა ყურადღება ბურღვის ოპტიმიზაციაზე, რათა დაზოგონ დრო ნავთობისა და გაზის ჭაბურღილების ბურღვისას და შეამცირონ ოპერაციული ხარჯები. შეღწევადობის სიჩქარის (ROP) მოდელირება ბურღვის პარამეტრების, კერძოდ, ბურღის წონისა და ბრუნვის სიჩქარის ოპტიმიზაციის მთავარი ინსტრუმენტია უფრო სწრაფი ბურღვის პროცესებისთვის. Excel VBA-ში შემუშავებული ახალი, სრულად ავტომატიზირებული მონაცემთა ვიზუალიზაციისა და ROP მოდელირების ინსტრუმენტის, ROPPlotter-ის გამოყენებით, ეს ნაშრომი იკვლევს მოდელის მუშაობას და ქანების სიმტკიცის გავლენას ორი განსხვავებული PDC Bit ROP მოდელის მოდელის კოეფიციენტებზე: ჰარელანდი და რამპერსადი (1994) და მოტაჰარი და სხვ. (2010). ეს ორი... PDC ბიტი მოდელები შედარებულია ბაკენის ფიქლის ჰორიზონტალური ჭაბურღილის ვერტიკალურ მონაკვეთში სამ სხვადასხვა ქვიშაქვის წარმონაქმნში ბინგჰემის (1964) მიერ შემუშავებულ საბაზისო, ზოგად ROP დამოკიდებულებასთან. პირველად განხორციელდა მცდელობა, გამოეყოთ ქანების სიმტკიცის ცვალებადი ეფექტი ROP მოდელის კოეფიციენტებზე, ლითოლოგიების შესწავლით, რომლებსაც სხვა მხრივ მსგავსი ბურღვის პარამეტრები აქვთ. გარდა ამისა, ტარდება ყოვლისმომცველი განხილვა მოდელის კოეფიციენტების შესაბამისი ზღვრების შერჩევის მნიშვნელობის შესახებ. ქანების სიმტკიცე, რომელიც გათვალისწინებულია ჰარელანდის და მოტაჰარის მოდელებში, მაგრამ არა ბინგჰემის მოდელებში, იწვევს მუდმივი გამრავლების მოდელის კოეფიციენტების უფრო მაღალ მნიშვნელობებს პირველი მოდელებისთვის, გარდა ამისა, მოტაჰარის მოდელისთვის გაზრდილი RPM ტერმინის მაჩვენებლისა. ნაჩვენებია, რომ ჰარელანდის და რამპერსადის მოდელი საუკეთესოდ მუშაობს სამი მოდელიდან ამ კონკრეტული მონაცემთა ნაკრებით. ტრადიციული ROP მოდელირების ეფექტურობა და გამოყენებადობა კითხვის ნიშნის ქვეშ დგება, რადგან ასეთი მოდელები ეყრდნობა ემპირიული კოეფიციენტების ერთობლიობას, რომელიც მოიცავს მრავალი ბურღვის ფაქტორის ეფექტს, რომლებიც არ არის გათვალისწინებული მოდელის ფორმულირებაში და უნიკალურია კონკრეტული ლითოლოგიისთვის.

შესავალი

PDC (პოლიკრისტალური ალმასის კომპაქტური) ბურღები დღეს ნავთობისა და გაზის ჭაბურღილების ბურღვის დომინანტური ტიპია. ბურღების მუშაობა, როგორც წესი, იზომება შეღწევადობის სიჩქარით (ROP), რაც მიუთითებს იმაზე, თუ რამდენად სწრაფად იბურღება ჭაბურღილი დროის ერთეულში გაბურღული ხვრელის სიგრძის მიხედვით. ბურღვის ოპტიმიზაცია ათწლეულების განმავლობაში ენერგეტიკული კომპანიების დღის წესრიგის წინა პლანზეა და ის კიდევ უფრო მეტ მნიშვნელობას იძენს ნავთობის დაბალი ფასების ამჟამინდელ გარემოში (Hareland and Rampersad, 1994). საუკეთესო შესაძლო ROP-ის მისაღებად ბურღვის პარამეტრების ოპტიმიზაციის პირველი ნაბიჯი არის ზუსტი მოდელის შემუშავება, რომელიც ზედაპირზე მიღებულ გაზომვებს ბურღვის სიჩქარესთან აკავშირებს.

ლიტერატურაში გამოქვეყნებულია რამდენიმე ROP მოდელი, მათ შორის მოდელები, რომლებიც სპეციალურად შემუშავებულია კონკრეტული ტიპის ბურღისთვის. ეს ROP მოდელები, როგორც წესი, შეიცავს ემპირიული კოეფიციენტების რაოდენობას, რომლებიც ლითოლოგიაზეა დამოკიდებული და შეიძლება ხელი შეუშალოს ბურღვის პარამეტრებსა და შეღწევადობის სიჩქარეს შორის ურთიერთობის გაგებას. ამ კვლევის მიზანია მოდელის მუშაობის ანალიზი და იმის ანალიზი, თუ როგორ რეაგირებენ მოდელის კოეფიციენტები საველე მონაცემებზე ბურღვის სხვადასხვა პარამეტრებით, კერძოდ, ქანების სიმტკიცით, ორი წლის განმავლობაში.PDC ბიტი მოდელები (Hareland and Rampersad, 1994, Motahhari et al., 2010). მოდელის კოეფიციენტები და მახასიათებლები ასევე შედარებულია ROP-ის საბაზისო მოდელთან (Bingham, 1964), გამარტივებულ დამოკიდებულებასთან, რომელიც წარმოადგენდა პირველ ROP მოდელს, რომელიც ფართოდ გამოიყენებოდა მთელ ინდუსტრიაში და დღემდე გამოიყენება. გამოკვლეულია ბურღვის საველე მონაცემები სამ ქვიშაქვის ფორმაციაში, სხვადასხვა ქანების სიმტკიცით, და გამოითვლება და შედარებულია ამ სამი მოდელის მოდელის კოეფიციენტები ერთმანეთთან. ვარაუდობენ, რომ Hareland-ის და Motahhari-ის მოდელების კოეფიციენტები თითოეულ ქანების ფორმაციაში უფრო ფართო დიაპაზონს მოიცავს, ვიდრე Bingham-ის მოდელის კოეფიციენტები, რადგან ქანების სიმტკიცის ცვალებადობა ამ უკანასკნელ ფორმულირებაში აშკარად არ არის გათვალისწინებული. ასევე შეფასებულია მოდელის მახასიათებლები, რაც იწვევს საუკეთესო ROP მოდელის არჩევას ჩრდილოეთ დაკოტას ბაკენის ფიქლის რეგიონისთვის.

ამ ნაშრომში შეტანილი ROP მოდელები შედგება მოუქნელი განტოლებებისგან, რომლებიც აკავშირებენ რამდენიმე ბურღვის პარამეტრს ბურღვის სიჩქარესთან და შეიცავს ემპირიული კოეფიციენტების ერთობლიობას, რომელიც აერთიანებს ძნელად მოდელირებადი ბურღვის მექანიზმების გავლენას, როგორიცაა ჰიდრავლიკა, საჭრელი-ქანის ურთიერთქმედება, ფრთის დიზაინი, ფსკერის ჭაბურღილის შეკრების მახასიათებლები, ტალახის ტიპი და ჭაბურღილის გაწმენდა. მიუხედავად იმისა, რომ ეს ტრადიციული ROP მოდელები ზოგადად კარგად არ მუშაობს საველე მონაცემებთან შედარებით, ისინი მნიშვნელოვან საფეხურს წარმოადგენენ ახალი მოდელირების ტექნიკისთვის. თანამედროვე, უფრო მძლავრი, სტატისტიკაზე დაფუძნებული მოდელები გაზრდილი მოქნილობით შეუძლიათ გააუმჯობესონ ROP მოდელირების სიზუსტე. განდელმანმა (2012) აღნიშნა ROP მოდელირების მნიშვნელოვანი გაუმჯობესება ბრაზილიის სანაპიროზე, მარილისწინა აუზებში ნავთობის ჭაბურღილებში ტრადიციული ROP მოდელების ნაცვლად ხელოვნური ნეირონული ქსელების გამოყენებით. ხელოვნური ნეირონული ქსელები ასევე წარმატებით გამოიყენება ROP პროგნოზირებისთვის ბილგესუს და სხვების (1997), მორანის და სხვების (2010) და ესმაეილის და სხვების (2012) ნაშრომებში. თუმცა, ROP მოდელირების ასეთი გაუმჯობესება ხდება მოდელის ინტერპრეტაციის ხარჯზე. ამრიგად, ტრადიციული ROP მოდელები კვლავ აქტუალურია და უზრუნველყოფს ეფექტურ მეთოდს იმის გასაანალიზებლად, თუ როგორ მოქმედებს კონკრეტული ბურღვის პარამეტრი შეღწევადობის სიჩქარეზე.

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