PDC 비트 ROP 모델의 평가와 암석 강도가 모델 계수에 미치는 영향을 어떻게 알 수 있습니까?

추상적인

현재의 저유가 상황으로 인해 석유 및 가스정 시추 시간을 절약하고 운영 비용을 절감하기 위해 시추 최적화에 대한 강조가 다시 강조되고 있습니다. ROP(관입률) 모델링은 더 빠른 드릴링 프로세스를 위해 비트 중량 및 회전 속도와 같은 드릴링 매개변수를 최적화하는 핵심 도구입니다. Excel VBA, ROPPlotter에서 개발된 새로운 완전 자동화된 데이터 시각화 및 ROP 모델링 도구를 사용하여 이 작업은 모델 성능과 두 가지 다른 PDC Bit ROP 모델인 Hareland 및 Rampersad(1994) 및 Motahhari의 모델 계수에 대한 암석 강도의 영향을 조사합니다. 외. (2010). 이 두 PDC 비트 모델은 Bakken 셰일 수평 유정의 수직 단면에 있는 세 가지 다른 사암층에서 Bingham(1964)이 개발한 일반 ROP 관계인 기본 사례와 비교됩니다. 처음으로 유사한 시추 매개변수를 사용하여 암석을 조사하여 ROP 모델 계수에 대한 다양한 암석 강도의 영향을 분리하려는 시도가 이루어졌습니다. 또한 적절한 모델 계수 경계를 선택하는 것의 중요성에 대한 포괄적인 논의가 수행됩니다. Hareland와 Motahhari의 모델에서는 설명되지만 Bingham의 모델에서는 설명되지 않는 암석 강도는 Motahhari 모델의 RPM 항 지수가 증가하는 것 외에도 이전 모델에 대한 상수 승수 모델 계수의 더 높은 값을 초래합니다. Hareland와 Rampersad의 모델은 이 특정 데이터세트를 사용하는 세 가지 모델 중에서 가장 좋은 성능을 보이는 것으로 나타났습니다. 전통적인 ROP 모델링의 효율성과 적용 가능성은 의문의 여지가 있습니다. 이러한 모델은 모델의 공식화에서 설명되지 않은 많은 드릴링 요소의 효과를 통합하고 특정 암석학에 고유한 일련의 경험적 계수에 의존하기 때문입니다.

소개

PDC(다결정 다이아몬드 컴팩트) 비트는 오늘날 석유 및 가스정 시추에 사용되는 주요 비트 유형입니다. 비트 성능은 일반적으로 단위 시간당 천공되는 구멍의 길이 측면에서 유정이 얼마나 빨리 천공되는지를 나타내는 침투율(ROP)로 측정됩니다. 시추 최적화는 수십 년 동안 에너지 회사의 안건의 최전선에 있었으며 현재의 저유가 환경에서 더욱 중요해졌습니다(Hareland and Rampersad, 1994). 최상의 ROP를 생성하기 위해 드릴링 매개변수를 최적화하는 첫 번째 단계는 표면에서 얻은 측정값과 드릴링 속도를 연관시키는 정확한 모델을 개발하는 것입니다.

특정 비트 유형을 위해 특별히 개발된 모델을 포함한 여러 ROP 모델이 문헌에 게시되었습니다. 이러한 ROP 모델은 일반적으로 암석학에 따라 달라지며 드릴링 매개변수와 침투 속도 간의 관계에 대한 이해를 손상시킬 수 있는 다수의 경험적 계수를 포함합니다. 본 연구의 목적은 모델 성능을 분석하고 모델 계수가 다양한 시추 매개변수, 특히 암석 강도를 사용하여 현장 데이터에 어떻게 반응하는지 분석하는 것입니다.PDC 비트 모델(Hareland 및 Rampersad, 1994, Motahhari 등, 2010). 모델 계수와 성능은 업계 전체에 널리 적용되어 현재도 사용되고 있는 최초의 ROP 모델 역할을 한 단순한 관계인 기본 사례 ROP 모델(Bingham, 1964)과도 비교됩니다. 암석 강도가 다양한 세 가지 사암층의 시추 현장 데이터를 조사하고, 이 세 가지 모델에 대한 모델 계수를 계산하여 서로 비교합니다. 각 암석층에서 Hareland와 Motahhari의 모델에 대한 계수는 Bingham의 모델 계수보다 더 넓은 범위에 걸쳐 있을 것으로 가정되는데, 이는 다양한 암석 강도가 후자의 공식에서 명시적으로 설명되지 않기 때문입니다. 모델 성능도 평가되어 노스다코타의 Bakken 셰일 지역에 가장 적합한 ROP 모델이 선택됩니다.

이 작업에 포함된 ROP 모델은 몇 가지 드릴링 매개변수를 드릴링 속도와 연관시키고 유압, 커터-암 상호작용, 비트와 같은 모델하기 어려운 드릴링 메커니즘의 영향을 결합하는 경험적 계수 세트를 포함하는 유연성 없는 방정식으로 구성됩니다. 디자인, 바닥 구멍 조립 특성, 진흙 유형 및 구멍 청소. 이러한 기존 ROP 모델은 일반적으로 현장 데이터와 비교할 때 성능이 좋지 않지만 최신 모델링 기술에 중요한 디딤돌을 제공합니다. 유연성이 향상된 현대적이고 더욱 강력한 통계 기반 모델은 ROP 모델링의 정확성을 향상시킬 수 있습니다. Gandelman(2012)은 브라질 앞바다의 염전 유역에 있는 유정의 기존 ROP 모델 대신 인공 신경망을 사용하여 ROP 모델링이 크게 향상되었다고 보고했습니다. 인공 신경망은 Bilgesu 등의 연구에서도 ROP 예측에 성공적으로 활용되었습니다. (1997), Moranet al. (2010) 및 Esmaeili et al. (2012). 그러나 ROP 모델링의 이러한 개선은 모델 해석성을 희생하여 발생합니다. 따라서 기존 ROP 모델은 여전히 ​​유효하며 특정 시추 매개변수가 침투 속도에 어떻게 영향을 미치는지 분석하는 효과적인 방법을 제공합니다.

Microsoft Excel VBA(Soares, 2015)에서 개발된 현장 데이터 시각화 및 ROP 모델링 소프트웨어인 ROPPlotter는 모델 계수를 계산하고 모델 성능을 비교하는 데 사용됩니다.