Hvordan vite evaluering av PDC-borekrone ROP-modeller og effekten av bergstyrke på modellkoeffisienter?

Abstrakt

Dagens lave oljepriser har fornyet fokuset på boreoptimalisering for å spare tid på boring av olje- og gassbrønner og redusere driftskostnader. Modellering av penetrasjonsrate (ROP) er et nøkkelverktøy for å optimalisere boreparametre, nemlig borekronevekt 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-borekrone-ROP-modeller: Hareland og Rampersad (1994) og Motahhari et al. (2010). Disse to PDC-bit Modeller sammenlignes mot et basistilfelle, en generell ROP-relasjon utviklet av Bingham (1964) i tre forskjellige sandsteinsformasjoner i den vertikale seksjonen av en horisontal Bakken-skiferbrønn. For første gang er det gjort et forsøk på å isolere effekten av varierende bergfasthet på ROP-modellkoeffisienter ved å undersøke litologier med ellers like boreparametere. I tillegg gjennomføres en omfattende diskusjon om viktigheten av å velge passende modellkoeffisientgrenser. Bergfasthet, som er tatt hensyn til i Harelands og Motahharis modeller, men ikke i Binghams, resulterer i høyere verdier av konstante multiplikatormodellkoeffisienter for de førstnevnte modellene, i tillegg til en økt RPM-termeksponent for Motahharis modell. Hareland og Rampersads modell viser seg å prestere best av de tre modellene med dette spesifikke datasettet. Effektiviteten og anvendeligheten av tradisjonell ROP-modellering settes spørsmålstegn ved, ettersom slike modeller er avhengige av et sett med empiriske koeffisienter som inkluderer effekten av mange borefaktorer som ikke er tatt hensyn til i modellens formulering og er unike for en bestemt litologi.

Introduksjon

PDC-borekroner (polykrystallinsk diamantkompakt) er den dominerende borekronetypen som brukes i boring av olje- og gassbrønner i dag. Borekroneytelse måles vanligvis ved penetrasjonshastigheten (ROP), en indikasjon på hvor raskt brønnen bores når det gjelder lengden på hullet som bores per tidsenhet. Boreoptimalisering har vært i forkant av energiselskapenes agendaer i flere tiår nå, og det får ytterligere betydning i det nåværende miljøet med lave oljepriser (Hareland og Rampersad, 1994). Det første trinnet i å optimalisere boreparametrene for å produsere best mulig ROP er utviklingen av en nøyaktig modell som relaterer målinger oppnådd på overflaten til borehastighet.

Flere ROP-modeller, inkludert modeller utviklet spesielt for en bestemt borekronetype, har blitt publisert i litteraturen. Disse ROP-modellene inneholder vanligvis en rekke empiriske koeffisienter som er litologiavhengige og kan svekke forståelsen av forholdet mellom boreparametere og penetrasjonshastighet. Formålet med denne studien er å analysere modellens ytelse og hvordan modellkoeffisienter reagerer på feltdata med varierende boreparametere, spesielt bergfasthet, for toPDC-bit modeller (Hareland og Rampersad, 1994, Motahhari et al., 2010). Modellkoeffisienter og ytelse sammenlignes også med en basismodell for ROP (Bingham, 1964), en forenklet relasjon som fungerte som den første ROP-modellen som er bredt anvendt i industrien og fortsatt er i bruk. Borefeltdata i tre sandsteinsformasjoner med varierende bergstyrke undersøkes, og modellkoeffisienter for disse tre modellene beregnes og sammenlignes med hverandre. Det postuleres at koeffisienter for Harelands og Motahharis modeller i hver bergformasjon vil spenne over et bredere spekter enn Binghams modellkoeffisienter, ettersom varierende bergstyrke ikke tas eksplisitt hensyn til i sistnevnte formulering. Modellytelse evalueres også, 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 ufleksible ligninger som relaterer noen få boreparametere til borehastighet og inneholder et sett med empiriske koeffisienter som kombinerer påvirkningen av vanskelig modellerbare boremekanismer, som hydraulikk, interaksjon mellom kutter og bergart, borekronedesign, egenskaper ved bunnhullsmontering, slamtype og hullrensing. Selv om disse tradisjonelle ROP-modellene generelt ikke presterer bra 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 kysten av Brasil. Kunstige nevrale nettverk brukes også med hell for ROP-prediksjon i arbeidene til Bilgesu et al. (1997), Moran et al. (2010) og Esmaeili et al. (2012). Imidlertid går en slik forbedring i ROP-modellering på bekostning av modellens tolkbarhet. Derfor er tradisjonelle ROP-modeller fortsatt relevante og gir en effektiv metode for å analysere hvordan en spesifikk boreparameter påvirker penetrasjonshastigheten.

ROPPlotter, en programvare for visualisering av feltdata og ROP-modellering utviklet i Microsoft Excel VBA (Soares, 2015), brukes til å beregne modellkoeffisienter og sammenligne modellytelse.