추상적인
현재와 같은 저유가 상황에서는 석유 및 가스 시추 시간을 단축하고 운영 비용을 절감하기 위해 시추 최적화에 대한 중요성이 다시금 부각되고 있습니다. 시추 속도(ROP) 모델링은 시추 과정 속도를 높이기 위해 비트 중량과 회전 속도와 같은 시추 매개변수를 최적화하는 데 핵심적인 도구입니다. 본 연구에서는 Excel VBA로 개발된 완전 자동화 데이터 시각화 및 ROP 모델링 도구인 ROPPlotter를 사용하여 두 가지 PDC 비트 ROP 모델(Hareland and Rampersad(1994) 및 Motahhari et al.(2010))의 모델 성능과 암반 강도가 모델 계수에 미치는 영향을 분석합니다. PDC 비트 본 연구에서는 Bakken 셰일 수평 시추공의 수직 구간에 있는 세 가지 서로 다른 사암 지층에서 Bingham(1964)이 개발한 일반적인 ROP 관계식을 기준으로 모델들을 비교하였다. 처음으로, 유사한 시추 매개변수를 가진 암석 지층을 조사하여 암석 강도 변화가 ROP 모델 계수에 미치는 영향을 분리하고자 시도하였다. 또한, 적절한 모델 계수 범위를 선택하는 것의 중요성에 대해 심도 있게 논의하였다. Hareland와 Motahhari의 모델에서는 암석 강도를 고려했지만 Bingham의 모델에서는 고려하지 않았는데, 이로 인해 Hareland와 Motahhari의 모델에서는 상수 승수 모델 계수 값이 더 높아지고, Motahhari의 모델에서는 RPM 항 지수도 증가하였다. 본 연구 데이터 세트에서는 Hareland와 Rampersad의 모델이 세 모델 중 가장 우수한 성능을 보였다. 기존 ROP 모델링의 효과성과 적용 가능성에 의문이 제기되고 있는데, 이는 이러한 모델이 모델 공식에 반영되지 않은 여러 시추 요인의 영향을 포함하는 일련의 경험적 계수에 의존하며, 이러한 계수는 특정 암석 유형에만 고유하기 때문입니다.
소개
PDC(다결정 다이아몬드 컴팩트) 비트는 오늘날 석유 및 가스 시추에 가장 널리 사용되는 비트 유형입니다. 비트 성능은 일반적으로 시추 속도(ROP)로 측정되며, 이는 단위 시간당 시추된 시추공의 길이로 나타낸 시추 속도를 의미합니다. 시추 최적화는 수십 년 동안 에너지 기업의 주요 과제였으며, 현재와 같은 저유가 환경에서는 더욱 중요해지고 있습니다(Hareland and Rampersad, 1994). 최상의 ROP를 얻기 위해 시추 매개변수를 최적화하는 첫 번째 단계는 지표면에서 얻은 측정값과 시추 속도를 연관시키는 정확한 모델을 개발하는 것입니다.
특정 비트 유형에 맞춰 개발된 모델을 포함하여 여러 ROP(시추 속도) 모델이 문헌에 발표되었습니다. 이러한 ROP 모델은 일반적으로 암석 종류에 따라 달라지는 여러 경험적 계수를 포함하고 있어 시추 매개변수와 시추 속도 간의 관계를 이해하는 데 어려움을 줄 수 있습니다. 본 연구의 목적은 두 가지 비트 유형에 대해, 특히 암석 강도를 비롯한 다양한 시추 매개변수를 변화시켰을 때 모델 성능과 모델 계수가 현장 데이터에 어떻게 반응하는지 분석하는 것입니다.PDC 비트 본 연구에서는 Hareland와 Rampersad(1994), Motahhari 외(2010)의 세 가지 ROP 모델을 분석했습니다. 또한, 모델 계수와 성능을 업계 최초로 널리 적용되어 현재까지 사용되고 있는 단순 관계식인 Bingham(1964)의 기본 ROP 모델과 비교했습니다. 암석 강도가 서로 다른 세 가지 사암 지층의 시추 현장 데이터를 분석하여 세 가지 모델의 계수를 계산하고 비교했습니다. Hareland와 Motahhari 모델의 각 암석 지층별 계수는 Bingham 모델의 계수보다 더 넓은 범위를 나타낼 것으로 예상했는데, 이는 Bingham 모델에서 암석 강도의 변화가 명시적으로 고려되지 않았기 때문입니다. 마지막으로, 모델 성능을 평가하여 노스다코타주 바켄 셰일 지역에 가장 적합한 ROP 모델을 선정했습니다.
본 연구에 포함된 ROP 모델은 몇 가지 시추 매개변수와 시추 속도를 연관시키는 경직된 방정식으로 구성되어 있으며, 유압, 절삭날-암석 상호작용, 비트 설계, 시추공 하부 구조 특성, 시추액 종류, 시추공 세척 등 모델링하기 어려운 시추 메커니즘의 영향을 결합한 일련의 경험적 계수를 포함합니다. 이러한 전통적인 ROP 모델은 일반적으로 현장 데이터와 비교했을 때 성능이 좋지 않지만, 새로운 모델링 기법으로 나아가는 중요한 발판을 제공합니다. 유연성이 향상된 현대적이고 강력한 통계 기반 모델은 ROP 모델링의 정확도를 개선할 수 있습니다. Gandelman(2012)은 브라질 연안 심해 분지의 유정에서 전통적인 ROP 모델 대신 인공 신경망을 사용하여 ROP 모델링의 정확도를 크게 향상시켰다고 보고했습니다. 인공 신경망은 Bilgesu et al.(1997), Moran et al.(2010), Esmaeili et al.(2012)의 연구에서도 ROP 예측에 성공적으로 활용되었습니다. 하지만 ROP 모델링의 이러한 개선은 모델 해석의 용이성을 저해하는 결과를 낳습니다. 따라서 기존의 ROP 모델은 여전히 유효하며 특정 시추 매개변수가 시추 속도에 미치는 영향을 분석하는 효과적인 방법을 제공합니다.
ROPPlotter는 Microsoft Excel VBA로 개발된 현장 데이터 시각화 및 ROP 모델링 소프트웨어(Soares, 2015)로, 모델 계수를 계산하고 모델 성능을 비교하는 데 사용됩니다.
게시 시간: 2023년 9월 1일