Abstrakt
Dagens lave oljeprisforhold har fornyet vektleggingen av boreoptimalisering for å spare tid ved boring av olje- og gassbrønner og redusere driftskostnadene.Modellering av penetrasjonshastighet (ROP) er et nøkkelverktøy for å optimalisere boreparametere, nemlig borkronevekt og rotasjonshastighet for raskere boreprosesser.Med et nytt, helautomatisert datavisualiserings- og ROP-modelleringsverktøy utviklet i Excel VBA, ROPPlotter, undersøker dette arbeidet modellytelse og virkningen av bergstyrke på modellkoeffisienter for to forskjellige PDC Bit ROP-modeller: Hareland og Rampersad (1994) og Motahhari et al.(2010).Disse to PDC bit Modeller sammenlignes mot en base case, generell ROP-relasjon utviklet av Bingham (1964) i tre forskjellige sandsteinsformasjoner i den vertikale delen av en Bakken-skiferbrønn.For første gang er det forsøkt å isolere effekten av varierende bergstyrke på ROP-modellkoeffisienter ved å undersøke litologier med ellers like boreparametere.I tillegg gjennomføres en omfattende diskusjon om viktigheten av å velge passende modellkoeffisientgrenser.Bergstyrke, tatt med i Harelands og Motahharis modeller, men ikke i Binghams, resulterer i høyere verdier av konstante multiplikatormodellkoeffisienter for de tidligere modellene, i tillegg til en økt RPM-termeksponent for Motahharis modell.Hareland og Rampersads modell er vist å yte best av de tre modellene med dette bestemte datasettet.Effektiviteten og anvendeligheten til tradisjonell ROP-modellering blir stilt spørsmål ved, ettersom slike modeller er avhengige av et sett med empiriske koeffisienter som inkorporerer effekten av mange borefaktorer som ikke er tatt med i modellens formulering og er unike for en bestemt litologi.
Introduksjon
PDC (Polycrystalline Diamond Compact) borkroner er den dominerende borekronen som brukes ved boring av olje- og gassbrønner i dag.Bitsytelse måles typisk ved penetrasjonshastigheten (ROP), en indikasjon på hvor raskt brønnen bores i form av lengde på hull som bores per tidsenhet.Boreoptimalisering har vært i forkant av energiselskapenes agendaer i flere tiår nå, og det får ytterligere betydning under dagens lave oljeprismiljø (Hareland og Rampersad, 1994).Det første trinnet i å optimalisere boreparametere for å produsere best mulig ROP er utviklingen av en nøyaktig modell som relaterer målinger oppnådd ved overflaten til borehastigheten.
Flere ROP-modeller, inkludert modeller utviklet spesielt for en bestemt bittype, er publisert i litteraturen.Disse ROP-modellene inneholder typisk en rekke empiriske koeffisienter som er litologiavhengige og kan svekke forståelsen av forholdet mellom boreparametere og penetrasjonshastighet.Hensikten med denne studien er å analysere modellytelse og hvordan modellkoeffisienter reagerer på feltdata med varierende boreparametere, spesielt bergstyrke, for toPDC bit modeller (Hareland og Rampersad, 1994, Motahhari et al., 2010).Modellkoeffisienter og ytelse sammenlignes også med en ROP-modell (Bingham, 1964), en forenklet relasjon som fungerte som den første ROP-modellen som ble brukt mye i industrien og fortsatt er i bruk.Borefeltdata i tre sandsteinsformasjoner med varierende bergstyrker er undersøkt, og modellkoeffisienter for disse tre modellene beregnes og sammenlignes mot hverandre.Det er postulert at koeffisienter for Harelands og Motahharis modeller i hver bergformasjon vil spenne over et bredere område enn Binghams modellkoeffisienter, da varierende bergstyrke ikke er eksplisitt redegjort for i sistnevnte formulering.Modellytelsen blir også evaluert, noe som fører til valget av den beste ROP-modellen for Bakken-skiferregionen i Nord-Dakota.
ROP-modellene som er inkludert i dette arbeidet består av lite fleksible ligninger som relaterer noen få boreparametere til borehastighet og inneholder et sett med empiriske koeffisienter som kombinerer påvirkningen av vanskelig modellerbare boremekanismer, som hydraulikk, kutter-berginteraksjon, borkrone design, bunnhullsmonteringsegenskaper, slamtype og hullrensing.Selv om disse tradisjonelle ROP-modellene generelt ikke gir gode resultater sammenlignet med feltdata, gir de et viktig springbrett til nyere modelleringsteknikker.Moderne, kraftigere, statistikkbaserte modeller med økt fleksibilitet kan forbedre nøyaktigheten til ROP-modellering.Gandelman (2012) har rapportert betydelig forbedring i ROP-modellering ved å bruke kunstige nevrale nettverk i stedet for tradisjonelle ROP-modeller i oljebrønner i pre-saltbassengene utenfor Brasil.Kunstige nevrale nettverk er også vellykket brukt for ROP-prediksjon i verkene til Bilgesu et al.(1997), Moran et al.(2010) og Esmaeili et al.(2012).En slik forbedring i ROP-modellering går imidlertid på bekostning av modelltolkbarhet.Derfor er tradisjonelle ROP-modeller fortsatt relevante og gir en effektiv metode for å analysere hvordan en spesifikk boreparameter påvirker penetrasjonshastigheten.
ROPPlotter, en feltdatavisualisering og ROP-modelleringsprogramvare utviklet i Microsoft Excel VBA (Soares, 2015), brukes til å beregne modellkoeffisienter og sammenligne modellytelse.
Innleggstid: Sep-01-2023