Abstrakt
De nuværende lave oliepriser har fornyet fokus på boreoptimering for at spare tid på boring af olie- og gasbrønde og reducere driftsomkostningerne. Modellering af penetrationshastighed (ROP) er et nøgleværktøj til optimering af boreparametre, nemlig borehovedvægt og rotationshastighed for hurtigere boreprocesser. Med et nyt, fuldt automatiseret datavisualiserings- og ROP-modelleringsværktøj udviklet i Excel VBA, ROPPlotter, undersøger dette arbejde modelydelse og virkningen af bjergartsstyrke på modelkoefficienter for to forskellige PDC Bit ROP-modeller: Hareland og Rampersad (1994) og Motahhari et al. (2010). Disse to PDC-bit Modeller sammenlignes med en basisscene, en generel ROP-relation udviklet af Bingham (1964) i tre forskellige sandstensformationer i den vertikale sektion af en horisontal Bakken-skiferbrønd. For første gang er der gjort et forsøg på at isolere effekten af varierende bjergartsstyrke på ROP-modelkoefficienter ved at undersøge litologier med ellers lignende boreparametre. Derudover gennemføres en omfattende diskussion om vigtigheden af at vælge passende modelkoefficientgrænser. Bjergartsstyrke, som er taget højde for i Harelands og Motahharis modeller, men ikke i Binghams, resulterer i højere værdier af konstante multiplikatormodelkoefficienter for de førstnævnte modeller, ud over en øget RPM-termeksponent for Motahharis model. Hareland og Rampersads model viser sig at klare sig bedst ud af de tre modeller med dette specifikke datasæt. Effektiviteten og anvendeligheden af traditionel ROP-modellering sættes spørgsmålstegn ved, da sådanne modeller er afhængige af et sæt empiriske koefficienter, der inkorporerer effekten af mange borefaktorer, der ikke er taget højde for i modellens formulering, og som er unikke for en bestemt litologi.
Indledning
PDC-borehoveder (polykrystallinsk diamantkompakt) er den dominerende boretype, der anvendes til boring af olie- og gasbrønde i dag. Borehovedets ydeevne måles typisk ved penetrationshastigheden (ROP), en indikation af, hvor hurtigt brønden bores med hensyn til borelængden pr. tidsenhed. Boreoptimering har været i forgrunden på energiselskabers dagsordener i årtier nu, og det får yderligere betydning i det nuværende lave olieprismiljø (Hareland og Rampersad, 1994). Det første skridt i at optimere boreparametre for at producere den bedst mulige ROP er udviklingen af en nøjagtig model, der relaterer målinger opnået ved overfladen til borehastigheden.
Adskillige ROP-modeller, herunder modeller udviklet specifikt til en bestemt borekronetype, er blevet offentliggjort i litteraturen. Disse ROP-modeller indeholder typisk en række empiriske koefficienter, der er litologiafhængige og kan forringe forståelsen af forholdet mellem boreparametre og penetrationshastighed. Formålet med denne undersøgelse er at analysere modellens ydeevne og hvordan modelkoefficienter reagerer på feltdata med varierende boreparametre, især bjergartsstyrke, for toPDC-bit modeller (Hareland og Rampersad, 1994, Motahhari et al., 2010). Modelkoefficienter og ydeevne sammenlignes også med en basis-ROP-model (Bingham, 1964), en forenklet relation, der fungerede som den første ROP-model, der blev bredt anvendt i hele industrien og stadig er i brug. Borefeltdata i tre sandstensformationer med varierende bjergartsstyrker undersøges, og modelkoefficienter for disse tre modeller beregnes og sammenlignes med hinanden. Det postuleres, at koefficienterne for Harelands og Motahharis modeller i hver bjergartsformation vil spænde over et bredere interval end Binghams modelkoefficienter, da varierende bjergartsstyrke ikke eksplicit tages højde for i sidstnævnte formulering. Modelydeevne evalueres også, hvilket fører til valget af den bedste ROP-model for Bakken-skiferregionen i North Dakota.
ROP-modellerne, der er inkluderet i dette arbejde, består af ufleksible ligninger, der relaterer et par boreparametre til borehastighed og indeholder et sæt empiriske koefficienter, der kombinerer indflydelsen fra svært modellerbare boremekanismer, såsom hydraulik, interaktion mellem skærer og klippe, borekronedesign, bundboringsegenskaber, muddertype og borehulsrensning. Selvom disse traditionelle ROP-modeller generelt ikke klarer sig godt sammenlignet med feltdata, giver de et vigtigt springbræt til nyere modelleringsteknikker. Moderne, mere kraftfulde, statistikbaserede modeller med øget fleksibilitet kan forbedre nøjagtigheden af ROP-modellering. Gandelman (2012) har rapporteret en betydelig forbedring af ROP-modellering ved at anvende kunstige neurale netværk i stedet for traditionelle ROP-modeller i oliebrønde i præ-saltbassinerne ud for Brasilien. Kunstige neurale netværk anvendes også med succes til ROP-forudsigelse i arbejdet af Bilgesu et al. (1997), Moran et al. (2010) og Esmaeili et al. (2012). En sådan forbedring af ROP-modellering sker dog på bekostning af modellens fortolkningsevne. Derfor er traditionelle ROP-modeller stadig relevante og giver en effektiv metode til at analysere, hvordan en specifik boreparameter påvirker penetrationshastigheden.
ROPPlotter, en software til visualisering af feltdata og ROP-modellering udviklet i Microsoft Excel VBA (Soares, 2015), anvendes til at beregne modelkoefficienter og sammenligne modelydelse.
Opslagstidspunkt: 1. september 2023