Como coñecer a avaliación dos modelos ROP de bits PDC e o efecto da resistencia da rocha nos coeficientes do modelo?

Resumo

As actuais condicións de baixos prezos do petróleo renovaron a énfase na optimización da perforación para aforrar tempo na perforación de pozos de petróleo e gas e reducir os custos operativos. A modelización da taxa de penetración (ROP) é ​​unha ferramenta clave para optimizar os parámetros de perforación, concretamente o peso da broca e a velocidade de rotación para procesos de perforación máis rápidos. Cunha nova ferramenta de visualización de datos e modelización de ROP totalmente automatizada desenvolvida en Excel VBA, ROPPlotter, este traballo investiga o rendemento do modelo e o impacto da resistencia da rocha nos coeficientes do modelo de dous modelos diferentes de ROP de broca PDC: Hareland e Rampersad (1994) e Motahhari et al. (2010). Estes dous Bit PDC Os modelos compáranse cun caso base, unha relación ROP xeral desenvolvida por Bingham (1964) en tres formacións de arenito diferentes na sección vertical dun pozo horizontal de xisto de Bakken. Por primeira vez, intentouse illar o efecto da resistencia variable da rocha nos coeficientes do modelo ROP investigando litoloxías con parámetros de perforación doutro xeito similares. Ademais, realízase unha discusión exhaustiva sobre a importancia de seleccionar límites axeitados para os coeficientes do modelo. A resistencia da rocha, tida en conta nos modelos de Hareland e Motahhari pero non nos de Bingham, resulta en valores máis altos de coeficientes do modelo multiplicador constante para os modelos anteriores, ademais dun maior expoñente do termo RPM para o modelo de Motahhari. Demostrase que o modelo de Hareland e Rampersad ten o mellor rendemento dos tres modelos con este conxunto de datos en particular. Pónse en cuestión a eficacia e a aplicabilidade da modelización tradicional de ROP, xa que estes modelos baséanse nun conxunto de coeficientes empíricos que incorporan o efecto de moitos factores de perforación que non se teñen en conta na formulación do modelo e que son exclusivos dunha litoloxía en particular.

Introdución

As brocas PDC (diamante policristalino compacto) son o tipo de broca dominante utilizado na perforación de pozos de petróleo e gas na actualidade. O rendemento da broca mídese normalmente pola taxa de penetración (ROP), unha indicación da rapidez coa que se perfora o pozo en termos de lonxitude do burato perforado por unidade de tempo. A optimización da perforación estivo na vangarda das axendas das empresas enerxéticas durante décadas e gaña aínda máis importancia durante o actual ambiente de baixos prezos do petróleo (Hareland e Rampersad, 1994). O primeiro paso para optimizar os parámetros de perforación para producir a mellor ROP posible é o desenvolvemento dun modelo preciso que relacione as medicións obtidas na superficie coa taxa de perforación.

Publicáronse na literatura varios modelos ROP, incluídos modelos desenvolvidos especificamente para un determinado tipo de broca. Estes modelos ROP adoitan conter unha serie de coeficientes empíricos que dependen da litoloxía e poden dificultar a comprensión da relación entre os parámetros de perforación e a taxa de penetración. O obxectivo deste estudo é analizar o rendemento do modelo e como os coeficientes do modelo responden aos datos de campo con diferentes parámetros de perforación, en particular a resistencia da rocha, para dousBit PDC modelos (Hareland e Rampersad, 1994, Motahhari et al., 2010). Os coeficientes e o rendemento do modelo tamén se comparan cun modelo ROP de caso base (Bingham, 1964), unha relación simplista que serviu como o primeiro modelo ROP amplamente aplicado en toda a industria e que aínda se usa actualmente. Investíganse os datos do campo de perforación en tres formacións de arenito con diferentes resistencias das rochas, e calcúlanse e compáranse os coeficientes do modelo para estes tres modelos. Postúlase que os coeficientes para os modelos de Hareland e Motahhari en cada formación rochosa abarcarán un rango máis amplo que os coeficientes do modelo de Bingham, xa que a resistencia variable das rochas non se ten en conta explicitamente nesta última formulación. Tamén se avalía o rendemento do modelo, o que leva á elección do mellor modelo ROP para a rexión de xisto de Bakken en Dakota do Norte.

Os modelos ROP incluídos neste traballo constan de ecuacións inflexibles que relacionan algúns parámetros de perforación coa taxa de perforación e conteñen un conxunto de coeficientes empíricos que combinan a influencia de mecanismos de perforación difíciles de modelar, como a hidráulica, a interacción cortadora-rocha, o deseño da broca, as características do ensamblaxe do fondo do pozo, o tipo de lodo e a limpeza do pozo. Aínda que estes modelos ROP tradicionais xeralmente non funcionan ben en comparación cos datos de campo, proporcionan un importante paso a novas técnicas de modelado. Os modelos modernos, máis potentes e baseados en estatísticas con maior flexibilidade poden mellorar a precisión do modelado ROP. Gandelman (2012) informou dunha mellora significativa no modelado ROP mediante o emprego de redes neuronais artificiais en lugar dos modelos ROP tradicionais en pozos de petróleo nas concas presalinas da costa do Brasil. As redes neuronais artificiais tamén se utilizan con éxito para a predición de ROP nos traballos de Bilgesu et al. (1997), Moran et al. (2010) e Esmaeili et al. (2012). Non obstante, esta mellora no modelado ROP ten lugar a expensas da interpretabilidade do modelo. Polo tanto, os modelos tradicionais de ROP seguen sendo relevantes e proporcionan un método eficaz para analizar como un parámetro de perforación específico afecta á taxa de penetración.

ROPPlotter, un software de visualización de datos de campo e modelado ROP desenvolvido en Microsoft Excel VBA (Soares, 2015), utilízase para calcular os coeficientes do modelo e comparar o rendemento do modelo.