抽象的な
現在の原油価格の低迷により、油井やガス井の掘削時間を節約し、運用コストを削減するために、掘削の最適化が改めて重視されています。貫通速度 (ROP) モデリングは、穴あけパラメータ、つまり、穴あけプロセスを高速化するためのビット重量と回転速度を最適化するための重要なツールです。この研究では、Excel VBA で開発された新しい全自動データ視覚化および ROP モデリング ツール ROPPlotter を使用して、モデルのパフォーマンスと、2 つの異なる PDC ビット ROP モデル (Hareland and Rampersad (1994) および Motahhari) のモデル係数に対する岩石強度の影響を調査しています。他。 （2010年）。この二つ PDCビット モデルは、バッケン頁岩の水平坑井の垂直断面にある 3 つの異なる砂岩層でビンガム (1964) によって開発された基本ケースである一般的な ROP 関係と比較されます。掘削パラメータが類似している岩相を調査することにより、岩盤強度の変化が ROP モデル係数に及ぼす影響を分離する試みが初めて行われました。さらに、適切なモデル係数の範囲を選択することの重要性について包括的な議論が行われます。ヘアランドとモタハリのモデルでは考慮されているが、ビンガムのモデルでは考慮されていない岩の強度は、モタハリのモデルの RPM 項指数の増加に加えて、前者のモデルの定数乗数モデル係数のより高い値をもたらします。 Hareland と Rampersad のモデルは、この特定のデータセットを使用する 3 つのモデルの中で最も優れたパフォーマンスを示すことが示されています。従来の ROP モデリングは、モデルの定式化では考慮されていない、特定の岩相に固有の多くの掘削要因の影響を組み込んだ一連の経験的係数に依存しているため、その有効性と適用可能性が疑問視されています。
導入
PDC (多結晶ダイヤモンド コンパクト) ビットは、今日の油井およびガス井の掘削で使用されている主要なビット タイプです。ビットのパフォーマンスは通常、単位時間あたりに掘削される穴の長さの観点から井戸が掘削される速度を示す貫通速度 (ROP) によって測定されます。掘削の最適化は、ここ数十年にわたってエネルギー会社の最優先課題となっており、現在の低原油価格環境ではさらに重要性が高まっています(Hareland and Rampersad、1994)。可能な限り最高の ROP を生成するために掘削パラメータを最適化する最初のステップは、地表で得られた測定値と掘削速度を関連付ける正確なモデルを開発することです。
特定のビット タイプ専用に開発されたモデルを含む、いくつかの ROP モデルが文献で公開されています。これらの ROP モデルには通常、岩質に依存する多くの経験的係数が含まれており、掘削パラメータと貫入速度の関係の理解を損なう可能性があります。この研究の目的は、モデルのパフォーマンスと、モデルの係数がさまざまな掘削パラメータ、特に岩石の強度を伴う現場データにどのように応答するかを分析することです。PDCビット モデル (Hareland および Rampersad、1994、Motahhari et al.、2010)。モデルの係数とパフォーマンスは、基本ケースの ROP モデル (Bingham、1964) とも比較されます。この単純化された関係は、業界全体に広く適用され、現在でも使用されている最初の ROP モデルとして機能します。岩石の強度が異なる 3 つの砂岩層の掘削現場データが調査され、これら 3 つのモデルのモデル係数が計算され、相互に比較されます。後者の定式化では岩石強度の変化が明示的に考慮されていないため、各岩石層におけるヘアランドおよびモタハリのモデルの係数はビンガムのモデル係数よりも広い範囲にわたると仮定されます。モデルのパフォーマンスも評価され、ノースダコタ州のバッケンシェール地域に最適な ROP モデルが選択されます。
この研究に含まれる ROP モデルは、いくつかの掘削パラメータを掘削速度に関連付ける柔軟性のない方程式で構成されており、水力学、カッターと岩の相互作用、ビットなどのモデル化が難しい掘削機構の影響を組み合わせた一連の経験的係数が含まれています。デザイン、底穴アセンブリの特性、泥の種類、穴の洗浄。これらの従来の ROP モデルは、一般にフィールド データと比較するとパフォーマンスが良くありませんが、新しいモデリング技術への重要な足がかりとなります。柔軟性が向上した、より強力な最新の統計ベースのモデルにより、ROP モデリングの精度が向上します。 Gandelman (2012) は、ブラジル沖のプレソルト盆地の油井で従来の ROP モデルの代わりに人工ニューラル ネットワークを採用することにより、ROP モデリングが大幅に強化されたことを報告しました。人工ニューラル ネットワークは、Bilgesu らの研究でも ROP 予測にうまく利用されています。 (1997)、モランら。 (2010) および Esmaeili et al。 （2012年）。ただし、ROP モデリングのこのような改善には、モデルの解釈可能性が犠牲になります。したがって、従来の ROP モデルは依然として有効であり、特定の掘削パラメータが貫通速度にどのように影響するかを分析するための効果的な方法を提供します。
Microsoft Excel VBA で開発されたフィールド データ視覚化および ROP モデリング ソフトウェアである ROPPlotter (Soares、2015) は、モデル係数の計算とモデルのパフォーマンスの比較に使用されます。
投稿時間: 2023 年 9 月 1 日