Miten tietää PDC-bitin ROP-mallien arvioinnin ja kallion lujuuden vaikutuksen mallikertoimiin?

Abstrakti

Nykyiset alhaiset öljynhinnat ovat jälleen nostaneet esiin porauksen optimoinnin, jotta voidaan säästää öljy- ja kaasukaivojen porausaikaa ja vähentää käyttökustannuksia. Tunkeutumisnopeuden (ROP) mallintaminen on keskeinen työkalu porausparametrien, nimittäin terän painon ja pyörimisnopeuden, optimoinnissa porausprosessien nopeuttamiseksi. Tässä työssä tutkitaan Excel VBA:ssa kehitetyn uuden, täysin automatisoidun datan visualisointi- ja ROP-mallinnustyökalun, ROPPlotterin, avulla mallin suorituskykyä ja kallion lujuuden vaikutusta kahden eri PDC-terän ROP-mallin, Harelandin ja Rampersadin (1994) sekä Motahhari et al. (2010), mallikertoimiin. Nämä kaksi... PDC-bitti Malleja verrataan perustapaukseen, Binghamin (1964) kehittämään yleiseen ROP-relaatioon kolmessa eri hiekkakivimuodostelmassa Bakkenin liuskekaivon pystysuorassa osassa. Ensimmäistä kertaa on yritetty eristää vaihtelevan kallion lujuuden vaikutusta ROP-mallikertoimiin tutkimalla litologioita, joilla on muuten samankaltaiset porausparametrit. Lisäksi käydään kattava keskustelu sopivien mallikerroinrajojen valinnan tärkeydestä. Kalliolujuus, joka on otettu huomioon Harelandin ja Motahharin malleissa, mutta ei Binghamin malleissa, johtaa korkeampiin vakiokerroinmallikertoimien arvoihin edellisissä malleissa, sekä Motahharin mallin RPM-termin eksponentin kasvuun. Harelandin ja Rampersadin mallin osoitetaan toimivan parhaiten kolmesta mallista tällä tietyllä aineistolla. Perinteisen ROP-mallinnuksen tehokkuus ja sovellettavuus kyseenalaistetaan, koska tällaiset mallit perustuvat joukkoon empiirisiä kertoimia, jotka sisältävät monien poraustekijöiden vaikutuksen, joita ei ole otettu huomioon mallin muotoilussa ja jotka ovat ainutlaatuisia tietylle litologialle.

Johdanto

PDC-kruunuja (polykristallisia timanttikompaktisia) käytetään nykyään pääasiassa öljy- ja kaasukaivojen porauksessa. Kruunujen suorituskykyä mitataan tyypillisesti tunkeutumisnopeudella (ROP), joka osoittaa, kuinka nopeasti kaivo porataan poratun reiän pituuden mukaan aikayksikköä kohden. Porausoptimointi on ollut energiayhtiöiden asialistan kärjessä jo vuosikymmeniä, ja sen merkitys kasvaa entisestään nykyisessä alhaisen öljyn hinnan ympäristössä (Hareland ja Rampersad, 1994). Ensimmäinen askel porausparametrien optimoinnissa parhaan mahdollisen ROP:n tuottamiseksi on kehittää tarkka malli, joka yhdistää pinnalla saadut mittaukset porausnopeuteen.

Kirjallisuudessa on julkaistu useita ROP-malleja, mukaan lukien tietyn tyyppiselle porakruunulle erityisesti kehitettyjä malleja. Nämä ROP-mallit sisältävät tyypillisesti useita empiirisiä kertoimia, jotka ovat litologiasta riippuvia ja voivat heikentää porausparametrien ja tunkeutumisnopeuden välisen suhteen ymmärtämistä. Tämän tutkimuksen tarkoituksena on analysoida mallin suorituskykyä ja sitä, miten mallikertoimet reagoivat kenttädataan vaihtelevilla porausparametreilla, erityisesti kallion lujuudella, kahdellaPDC-bitti mallit (Hareland ja Rampersad, 1994, Motahhari et al., 2010). Mallin kertoimia ja suorituskykyä verrataan myös perus-ROP-malliin (Bingham, 1964), joka on yksinkertaistettu suhde ja jota käytettiin ensimmäisenä teollisuudessa laajalti sovellettuna ROP-mallina, jota käytetään edelleen. Tutkimuksessa tutkitaan kolmen hiekkakivimuodostuman, joissa on vaihtelevat kallion lujuudet, porauskenttädataa, ja näiden kolmen mallin mallikertoimet lasketaan ja verrataan toisiinsa. Oletetaan, että Harelandin ja Motahharin mallien kertoimet kussakin kalliomuodostumassa kattavat laajemman alueen kuin Binghamin mallikertoimet, koska vaihtelevaa kallion lujuutta ei ole otettu nimenomaisesti huomioon jälkimmäisessä formulaatiossa. Myös mallin suorituskykyä arvioidaan, mikä johtaa parhaan ROP-mallin valintaan Bakkenin liuskekivialueelle Pohjois-Dakotassa.

Tässä työssä käsitellyt ROP-mallit koostuvat joustamattomista yhtälöistä, jotka yhdistävät muutamia porausparametreja porausnopeuteen ja sisältävät joukon empiirisiä kertoimia, jotka yhdistävät vaikeasti mallinnettavien porausmekanismien, kuten hydrauliikan, jyrsimen ja kallion vuorovaikutuksen, terän rakenteen, reiän pohjakokoonpanon ominaisuudet, mutatyypin ja reiän puhdistuksen, vaikutuksen. Vaikka nämä perinteiset ROP-mallit eivät yleensä suoriudu hyvin kenttädataan verrattuna, ne tarjoavat tärkeän askeleen kohti uudempia mallinnustekniikoita. Nykyaikaiset, tehokkaammat, tilastoihin perustuvat mallit, joilla on enemmän joustavuutta, voivat parantaa ROP-mallinnuksen tarkkuutta. Gandelman (2012) on raportoinut merkittävistä parannuksista ROP-mallinnuksessa käyttämällä keinotekoisia neuroverkkoja perinteisten ROP-mallien sijaan Brasilian rannikon suolaesiintymien öljykaivoissa. Keinotekoisia neuroverkkoja on käytetty menestyksekkäästi myös ROP-ennustamiseen Bilgesu ym. (1997), Moran ym. (2010) ja Esmaeili ym. (2012) töissä. Tällainen ROP-mallinnuksen parannus tapahtuu kuitenkin mallin tulkittavuuden kustannuksella. Siksi perinteiset ROP-mallit ovat edelleen merkityksellisiä ja tarjoavat tehokkaan menetelmän analysoida, miten tietty porausparametri vaikuttaa tunkeutumisnopeuteen.

Mallikertoimien laskemiseen ja mallin suorituskyvyn vertailuun käytetään ROPPlotteria, Microsoft Excel VBA:ssa kehitettyä kenttädatan visualisointi- ja ROP-mallinnusohjelmistoa (Soares, 2015).