Abstrakt
Nuvarande låga oljeprisförhållanden har förnyat betoningen på borroptimering för att spara tid vid borrning av olje- och gaskällor och minska driftskostnaderna.Modellering av penetrationshastighet (ROP) är ett nyckelverktyg för att optimera borrparametrar, nämligen borrkronans vikt och rotationshastighet för snabbare borrprocesser.Med ett nytt, helt automatiserat datavisualiserings- och ROP-modelleringsverktyg utvecklat i Excel VBA, ROPPlotter, undersöker detta arbete modellprestanda och inverkan av bergstyrka på modellkoefficienter för två olika PDC Bit ROP-modeller: Hareland och Rampersad (1994) och Motahhari et al.(2010).De här två PDC bit Modeller jämförs mot ett basfall, generellt ROP-förhållande utvecklat av Bingham (1964) i tre olika sandstensformationer i den vertikala sektionen av en horisontell brunn i Bakken-skiffer.För första gången har ett försök gjorts att isolera effekten av varierande bergstyrka på ROP-modellkoefficienter genom att undersöka litologier med i övrigt liknande borrparametrar.Dessutom förs en omfattande diskussion om vikten av att välja lämpliga modellkoefficientgränser.Bergstyrka, som redovisas i Harelands och Motahharis modeller men inte i Binghams, resulterar i högre värden på konstanta multiplikatormodellkoefficienter för de tidigare modellerna, förutom en ökad RPM-termexponent för Motahharis modell.Hareland och Rampersads modell har visat sig prestera bäst av de tre modellerna med just denna datamängd.Effektiviteten och tillämpbarheten av traditionell ROP-modellering ifrågasätts, eftersom sådana modeller förlitar sig på en uppsättning empiriska koefficienter som inkluderar effekten av många borrfaktorer som inte tas med i modellens formulering och är unika för en viss litologi.
Introduktion
PDC (Polycrystalline Diamond Compact) borrkronor är den dominerande bittypen som används vid borrning av olje- och gaskällor idag.Bitprestanda mäts vanligtvis av penetrationshastigheten (ROP), en indikation på hur snabbt brunnen borras i termer av längden på det hål som borrats per tidsenhet.Borroptimering har legat i framkant av energiföretagens agenda i decennier nu, och den får ytterligare betydelse under den nuvarande låga oljeprismiljön (Hareland och Rampersad, 1994).Det första steget i att optimera borrparametrar för att producera bästa möjliga ROP är utvecklingen av en noggrann modell som relaterar mätningar som erhållits vid ytan till borrhastigheten.
Flera ROP-modeller, inklusive modeller utvecklade specifikt för en viss bittyp, har publicerats i litteraturen.Dessa ROP-modeller innehåller vanligtvis ett antal empiriska koefficienter som är litologiberoende och kan försämra förståelsen av sambandet mellan borrparametrar och penetrationshastighet.Syftet med denna studie är att analysera modellens prestanda och hur modellkoefficienter svarar på fältdata med varierande borrparametrar, särskilt berghållfasthet, för tvåPDC bit modeller (Hareland och Rampersad, 1994, Motahhari et al., 2010).Modellkoefficienter och prestanda jämförs också med en ROP-modell i basfall (Bingham, 1964), ett förenklat förhållande som fungerade som den första ROP-modellen som användes allmänt inom industrin och fortfarande används.Borrfältsdata i tre sandstensformationer med varierande bergstyrka undersöks och modellkoefficienter för dessa tre modeller beräknas och jämförs mot varandra.Det postuleras att koefficienter för Harelands och Motahharis modeller i varje bergsformation kommer att sträcka sig över ett bredare intervall än Binghams modellkoefficienter, eftersom varierande bergstyrka inte redovisas explicit i den senare formuleringen.Modellens prestanda utvärderas också, vilket leder till valet av den bästa ROP-modellen för Bakken-skifferregionen i North Dakota.
ROP-modellerna som ingår i detta arbete består av oflexibla ekvationer som relaterar ett fåtal borrparametrar till borrhastighet och innehåller en uppsättning empiriska koefficienter som kombinerar inverkan av svårmodellerade borrmekanismer, såsom hydraulik, interaktion mellan skär och berg, borrkrona. design, bottenhålsmonteringsegenskaper, lertyp och hålrengöring.Även om dessa traditionella ROP-modeller i allmänhet inte presterar bra jämfört med fältdata, utgör de ett viktigt språngbräda till nyare modelleringstekniker.Moderna, kraftfullare, statistikbaserade modeller med ökad flexibilitet kan förbättra noggrannheten i ROP-modellering.Gandelman (2012) har rapporterat betydande förbättringar av ROP-modellering genom att använda artificiella neurala nätverk istället för traditionella ROP-modeller i oljekällor i pre-saltbassängerna utanför Brasilien.Artificiella neurala nätverk används också framgångsrikt för ROP-förutsägelse i verk av Bilgesu et al.(1997), Moran et al.(2010) och Esmaeili et al.(2012).En sådan förbättring av ROP-modellering sker dock på bekostnad av modelltolkbarhet.Därför är traditionella ROP-modeller fortfarande relevanta och ger en effektiv metod för att analysera hur en specifik borrparameter påverkar penetrationshastigheten.
ROPPlotter, en programvara för visualisering av fältdata och ROP-modellering utvecklad i Microsoft Excel VBA (Soares, 2015), används för att beräkna modellkoefficienter och jämföra modellprestanda.
Posttid: 2023-01-01