Hur vet man utvärderingen av PDC-borrkronors ROP-modeller och effekten av berghållfasthet på modellkoefficienter?

Abstrakt

Nuvarande låga oljepriser har förnyat fokus på borroptimering för att spara tid vid borrning av olje- och gasbrunnar och minska driftskostnaderna. Modellering av penetrationshastighet (ROP) är ett viktigt verktyg för att optimera borrparametrar, nämligen borrkronans vikt och rotationshastighet för snabbare borrprocesser. Med ett nytt, helautomatiskt datavisualiserings- och ROP-modelleringsverktyg utvecklat i Excel VBA, ROPPlotter, undersöker detta arbete modellprestanda och berghållfasthetens inverkan på modellkoefficienter för två olika PDC-borrkron-ROP-modeller: Hareland och Rampersad (1994) och Motahhari et al. (2010). Dessa två PDC-bit Modeller jämförs mot ett basfall, en generell ROP-relation utvecklad av Bingham (1964) i tre olika sandstensformationer i den vertikala sektionen av en horisontell Bakken-skifferbrunn. För första gången har ett försök gjorts att isolera effekten av varierande berghållfasthet på ROP-modellkoefficienter genom att undersöka litologier med i övrigt liknande borrparametrar. Dessutom genomförs en omfattande diskussion om vikten av att välja lämpliga modellkoefficientgränser. Berghållfasthet, som beaktas i Harelands och Motahharis modeller men inte i Binghams, resulterar i högre värden på konstanta multiplikatormodellkoefficienter för de förstnämnda modellerna, utöver en ökad RPM-termexponent för Motahharis modell. Hareland och Rampersads modell visar sig prestera bäst av de tre modellerna med denna specifika 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 beaktats i modellens formulering och är unika för en viss litologi.

Introduktion

PDC-borrkronor (polykristallina diamantkompakt) är den dominerande borrkronatypen som används vid borrning av olje- och gasbrunnar idag. Borrkronans prestanda mäts vanligtvis med penetrationshastigheten (ROP), en indikation på hur snabbt brunnen borras i termer av hållängd per tidsenhet. Borroptimering har stått i framkant på energiföretagens agendor i årtionden nu, och det 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 borrningshastigheten.

Flera ROP-modeller, inklusive modeller utvecklade specifikt för en viss borrkronatyp, 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 modellens koefficienter reagerar 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 basmodell för ROP (Bingham, 1964), en förenklad relation som fungerade som den första ROP-modellen som tillämpades i stor utsträckning inom industrin och fortfarande används. Borrfältsdata i tre sandstensformationer med varierande berghållfasthet undersöks, och modellkoefficienter för dessa tre modeller beräknas och jämförs med varandra. Det postuleras att koefficienterna för Harelands och Motahharis modeller i varje bergformation kommer att spänna över ett bredare intervall än Binghams modellkoefficienter, eftersom varierande berghållfasthet inte beaktas explicit i den senare formuleringen. Modellprestanda 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 inflytandet från svårmodellerade borrmekanismer, såsom hydraulik, skärningskär-berg-interaktion, borrkronadesign, bottenhålsmonteringsegenskaper, slamtyp och borrhålsrengöring. Även om dessa traditionella ROP-modeller i allmänhet inte presterar bra jämfört med fältdata, utgör de en viktig språngbräda till nyare modelleringstekniker. Moderna, kraftfullare, statistikbaserade modeller med ökad flexibilitet kan förbättra noggrannheten i ROP-modellering. Gandelman (2012) har rapporterat betydande förbättringar i 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-prediktion i arbetena av Bilgesu et al. (1997), Moran et al. (2010) och Esmaeili et al. (2012). Sådana förbättringar i ROP-modellering sker dock på bekostnad av modellens tolkningsbarhet. 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 fältdatavisualisering och ROP-modellering utvecklad i Microsoft Excel VBA (Soares, 2015), används för att beräkna modellkoefficienter och jämföra modellens prestanda.