PDC बिट ROP मोडेलहरूको मूल्याङ्कन र मोडेल गुणांकहरूमा चट्टानको बलको प्रभाव कसरी थाहा पाउने?

सार

हालको कम तेल मूल्य अवस्थाहरूले तेल र ग्याँस इनारहरू ड्रिलिंग समय बचत गर्न र परिचालन लागत कम गर्न ड्रिलिंग अनुकूलनमा जोड दिएका छन्। रेट अफ पेनिट्रेसन (ROP) मोडलिङ ड्रिलिंग प्यारामिटरहरू, अर्थात् बिट वजन र छिटो ड्रिलिंग प्रक्रियाहरूको लागि रोटरी गति अनुकूलन गर्न एक प्रमुख उपकरण हो। एक्सेल VBA, ROPPlotter मा विकसित एक उपन्यास, सबै स्वचालित डेटा भिजुअलाइजेशन र ROP मोडेलिङ उपकरणको साथ, यो कार्यले मोडेल प्रदर्शन र दुई फरक PDC बिट ROP मोडेलहरूको मोडेल गुणांकहरूमा चट्टानको बलको प्रभावको अनुसन्धान गर्दछ: हेरेल्यान्ड र रामपर्सड (1994) र मोटाहारी। et al। (२०१०)। यी दुई PDC बिट मोडेलहरूलाई बेस केससँग तुलना गरिएको छ, Bingham (1964) द्वारा विकसित गरिएको सामान्य ROP सम्बन्ध एक Bakken शेल तेर्सो कुवाको ठाडो खण्डमा तीन फरक बलुआ ढुङ्गा संरचनाहरूमा। पहिलो पटक, अन्यथा समान ड्रिलिंग प्यारामिटरहरूको साथ लिथोलोजीहरू अनुसन्धान गरेर ROP मोडेल गुणांकहरूमा फरक फरक चट्टानको शक्तिको प्रभावलाई अलग गर्ने प्रयास गरिएको छ। थप रूपमा, उपयुक्त मोडेल गुणांक सीमाहरू चयन गर्ने महत्त्वमा एक व्यापक छलफल आयोजित गरिन्छ। रक बल, हेरल्याण्ड र मोटाहारीको मोडेलमा लेखिएको तर Bingham मा होइन, मोताहारीको मोडेलको लागि बढेको RPM टर्म एक्सपोनन्टको अतिरिक्त, पहिलेका मोडेलहरूको लागि स्थिर गुणक मोडेल गुणांकहरूको उच्च मानहरूमा परिणाम दिन्छ। हेरल्यान्ड र रामपर्सडको मोडेलले यस विशेष डेटासेटको साथ तीन मोडेलहरूमध्ये उत्कृष्ट प्रदर्शन गरेको देखाइएको छ। परम्परागत ROP मोडलिङको प्रभावकारिता र प्रयोज्यतालाई प्रश्नमा ल्याइएको छ, किनकि त्यस्ता मोडेलहरू अनुभवजन्य गुणांकहरूको सेटमा निर्भर हुन्छन् जसले मोडेलको ढाँचामा लेखिएका धेरै ड्रिलिंग कारकहरूको प्रभावलाई समावेश गर्दछ र एक विशेष लिथोलोजीको लागि अद्वितीय हुन्छ।

परिचय

PDC (Polycrystalline Diamond Compact) बिट्सहरू आज तेल र ग्याँस इनारहरू ड्रिलिंगमा प्रयोग गरिने प्रमुख बिट-प्रकार हुन्। बिट कार्यसम्पादन सामान्यतया प्रवेश दर (ROP) द्वारा मापन गरिन्छ, प्रति एकाइ समय ड्रिल गरिएको प्वालको लम्बाइको सन्दर्भमा इनार कति छिटो ड्रिल गरिएको छ भन्ने संकेत गर्दछ। ड्रिलिंग अप्टिमाइजेसन दशकौंदेखि ऊर्जा कम्पनीहरूको एजेन्डामा अग्रस्थानमा रहेको छ, र हालको कम तेल मूल्य वातावरणमा यसले थप महत्त्व प्राप्त गर्छ (हेरेल्याण्ड र रामपर्सड, 1994)। सबै भन्दा राम्रो सम्भावित ROP उत्पादन गर्न ड्रिलिंग प्यारामिटरहरू अनुकूलन गर्ने पहिलो चरण भनेको सतहमा ड्रिलिंग दरमा प्राप्त गरिएको मापनसँग सम्बन्धित सही मोडेलको विकास हो।

धेरै ROP मोडेलहरू, विशेष रूपमा एक निश्चित बिट प्रकारको लागि विकसित मोडेलहरू सहित, साहित्यमा प्रकाशित गरिएको छ। यी ROP मोडेलहरूले सामान्यतया धेरै अनुभवजन्य गुणांकहरू समावेश गर्दछ जुन लिथोलोजी-आश्रित छन् र ड्रिलिंग प्यारामिटरहरू र प्रवेशको दर बीचको सम्बन्धको समझलाई कम गर्न सक्छ। यस अध्ययनको उद्देश्य मोडेलको कार्यसम्पादनको विश्लेषण गर्नु र मोडेल गुणांकहरूले फरक-फरक ड्रिलिंग प्यारामिटरहरू, विशेष गरी चट्टान बल, दुईका लागि फिल्ड डेटालाई कसरी प्रतिक्रिया दिन्छन् भन्ने विश्लेषण गर्नु हो।PDC बिट मोडेलहरू (हेरल्याण्ड र रामपर्सड, 1994, मोताहारी एट अल।, 2010)। मोडेल गुणांक र कार्यसम्पादनलाई आधार केस ROP मोडेल (Bingham, 1964) विरुद्ध पनि तुलना गरिन्छ, एक सरल सम्बन्ध जसले पहिलो ROP मोडेलको रूपमा सेवा गर्‍यो जुन उद्योगमा व्यापक रूपमा लागू भयो र हाल पनि प्रयोगमा छ। विभिन्न चट्टान बलहरू भएका तीनवटा बालुवा ढुङ्गा संरचनाहरूमा ड्रिलिंग फिल्ड डेटा अनुसन्धान गरिन्छ, र यी तीन मोडेलहरूको लागि मोडेल गुणांकहरू गणना गरिन्छ र एक अर्कासँग तुलना गरिन्छ। यो पोष्ट गरिएको छ कि प्रत्येक चट्टान संरचनामा हेरल्याण्ड र मोताहारीको मोडेलहरूको लागि गुणांकहरू बिंघमको मोडेल गुणांकहरू भन्दा फराकिलो दायरामा हुनेछन्, किनकि पछिल्लो ढाँचामा फरक चट्टानको शक्ति स्पष्ट रूपमा लेखिएको छैन। मोडेलको कार्यसम्पादन पनि मूल्याङ्कन गरिएको छ, जसले उत्तरी डकोटाको बाकेन शेल क्षेत्रको लागि उत्तम ROP मोडेलको छनोटमा नेतृत्व गर्दछ।

यस कार्यमा समावेश गरिएको ROP मोडेलहरूमा लचिलो समीकरणहरू हुन्छन् जसले केही ड्रिलिंग प्यारामिटरहरू ड्रिलिंग दरसँग सम्बन्धित हुन्छन् र अनुभवजन्य गुणांकहरूको सेट समावेश गर्दछ जसले हार्ड-टू-मोडल ड्रिलिङ मेकानिज्महरूको प्रभावलाई संयोजन गर्दछ, जस्तै हाइड्रोलिक, कटर-रक अन्तरक्रिया, बिट। डिजाइन, तल-प्वाल विधानसभा विशेषताहरू, माटो प्रकार, र प्वाल सफाई। यद्यपि यी परम्परागत ROP मोडेलहरूले फिल्ड डेटाको तुलनामा सामान्यतया राम्रो प्रदर्शन गर्दैनन्, तिनीहरू नयाँ मोडलिङ प्रविधिहरूको लागि महत्त्वपूर्ण स्टेपिङ स्टोन प्रदान गर्छन्। बढ्दो लचिलोपनका साथ आधुनिक, अधिक शक्तिशाली, तथ्याङ्क-आधारित मोडेलहरूले ROP मोडलिङको शुद्धता सुधार गर्न सक्छ। Gandelman (2012) ले पूर्व-साल्ट बेसिनहरू ब्राजिलमा तेलको इनारहरूमा परम्परागत ROP मोडेलहरूको सट्टा कृत्रिम न्यूरल नेटवर्कहरू प्रयोग गरेर ROP मोडलिङमा उल्लेखनीय वृद्धि भएको रिपोर्ट गरेको छ। Bilgesu et al को कार्यहरूमा ROP भविष्यवाणीको लागि कृत्रिम न्यूरल नेटवर्कहरू पनि सफलतापूर्वक प्रयोग गरिन्छ। (1997), मोरान एट अल। (2010) र Esmaeili et al। (२०१२)। यद्यपि, ROP मोडलिङमा यस्तो सुधार मोडेल व्याख्याताको खर्चमा आउँछ। तसर्थ, परम्परागत ROP मोडेलहरू अझै पनि सान्दर्भिक छन् र विशिष्ट ड्रिलिंग प्यारामिटरले प्रवेश दरलाई कसरी असर गर्छ भन्ने विश्लेषण गर्न प्रभावकारी विधि प्रदान गर्दछ।

ROPPlotter, Microsoft Excel VBA (Soares, 2015) मा विकसित फिल्ड डेटा भिजुअलाइजेशन र ROP मोडलिङ सफ्टवेयर, मोडेल गुणांक गणना गर्न र मोडेल प्रदर्शन तुलना गर्न प्रयोग गरिन्छ।