Abstract
De huidige lage olieprijzen hebben de nadruk op booroptimalisatie opnieuw vergroot om tijd te besparen bij het boren van olie- en gasputten en de operationele kosten te verlagen. Modellering van de boorsnelheid (ROP) is een belangrijk hulpmiddel bij het optimaliseren van boorparameters, met name het boorgewicht en de rotatiesnelheid, voor snellere boorprocessen. Met behulp van een nieuwe, volledig geautomatiseerde tool voor datavisualisatie en ROP-modellering, ontwikkeld in Excel VBA, genaamd ROPPlotter, onderzoekt dit werk de modelprestaties en de impact van de gesteentesterkte op de modelcoëfficiënten van twee verschillende ROP-modellen voor PDC-boren: Hareland en Rampersad (1994) en Motahhari et al. (2010). Deze twee PDC-bit De modellen worden vergeleken met een basisgeval, een algemene ROP-relatie ontwikkeld door Bingham (1964), in drie verschillende zandsteenformaties in het verticale gedeelte van een horizontale Bakken-schalieboring. Voor het eerst is geprobeerd het effect van variërende gesteentesterkte op de ROP-modelcoëfficiënten te isoleren door lithologieën met verder vergelijkbare boorparameters te onderzoeken. Daarnaast wordt een uitgebreide discussie gevoerd over het belang van het selecteren van geschikte grenzen voor de modelcoëfficiënten. Gesteentesterkte, die wel is meegenomen in de modellen van Hareland en Motahhari maar niet in dat van Bingham, resulteert in hogere waarden van de constante vermenigvuldigingsfactor-modelcoëfficiënten voor de eerstgenoemde modellen, evenals een verhoogde exponent van de RPM-term voor het model van Motahhari. Het model van Hareland en Rampersad blijkt met deze specifieke dataset het beste te presteren van de drie modellen. De effectiviteit en toepasbaarheid van traditionele ROP-modellen worden in twijfel getrokken, omdat dergelijke modellen gebaseerd zijn op een reeks empirische coëfficiënten die het effect van vele boorfactoren incorporeren die niet in de modelformulering zijn meegenomen en die uniek zijn voor een bepaalde lithologie.
Invoering
PDC-boren (Polycrystalline Diamond Compact) zijn tegenwoordig het meest gebruikte type boor bij het boren van olie- en gasputten. De prestaties van een boor worden doorgaans gemeten aan de hand van de boorsnelheid (ROP), een indicator voor de boorsnelheid in termen van de lengte van het geboorde gat per tijdseenheid. Booroptimalisatie staat al decennia hoog op de agenda van energiebedrijven en wint aan belang in de huidige lage olieprijsomgeving (Hareland en Rampersad, 1994). De eerste stap in het optimaliseren van boorparameters om de best mogelijke ROP te bereiken, is het ontwikkelen van een nauwkeurig model dat metingen aan de oppervlakte relateert aan de boorsnelheid.
Er zijn diverse ROP-modellen (Rate of Pressure), waaronder modellen die specifiek voor een bepaald boortype zijn ontwikkeld, in de literatuur gepubliceerd. Deze ROP-modellen bevatten doorgaans een aantal empirische coëfficiënten die afhankelijk zijn van de lithologie en die het inzicht in de relatie tussen boorparameters en boorsnelheid kunnen belemmeren. Het doel van deze studie is om de prestaties van de modellen te analyseren en te onderzoeken hoe de modelcoëfficiënten reageren op veldgegevens met variërende boorparameters, met name de gesteentesterkte, voor twee verschillende boortypen.PDC-bit modellen (Hareland en Rampersad, 1994, Motahhari et al., 2010). De modelcoëfficiënten en prestaties worden ook vergeleken met een basismodel voor de boorsnelheid (ROP) (Bingham, 1964), een simplistische relatie die diende als het eerste ROP-model dat op grote schaal in de industrie werd toegepast en nog steeds wordt gebruikt. Boorgegevens uit drie zandsteenformaties met verschillende gesteentesterktes worden onderzocht en de modelcoëfficiënten voor deze drie modellen worden berekend en met elkaar vergeleken. Er wordt verondersteld dat de coëfficiënten voor de modellen van Hareland en Motahhari in elke gesteenteformatie een groter bereik zullen bestrijken dan de coëfficiënten van het model van Bingham, omdat de variërende gesteentesterkte niet expliciet wordt meegenomen in de laatstgenoemde formulering. De modelprestaties worden ook geëvalueerd, wat leidt tot de keuze van het beste ROP-model voor het Bakken-schaliegebied in North Dakota.
De ROP-modellen die in dit werk zijn opgenomen, bestaan uit inflexibele vergelijkingen die een paar boorparameters relateren aan de boorsnelheid en bevatten een reeks empirische coëfficiënten die de invloed combineren van moeilijk te modelleren boormechanismen, zoals hydraulica, interactie tussen snijkop en gesteente, boorkopontwerp, kenmerken van de boorgatbodemassemblage, moddertype en gatreiniging. Hoewel deze traditionele ROP-modellen over het algemeen niet goed presteren in vergelijking met veldgegevens, vormen ze een belangrijke opstap naar nieuwere modelleringstechnieken. Moderne, krachtigere, op statistiek gebaseerde modellen met meer flexibiliteit kunnen de nauwkeurigheid van ROP-modellering verbeteren. Gandelman (2012) heeft een aanzienlijke verbetering in ROP-modellering gerapporteerd door kunstmatige neurale netwerken te gebruiken in plaats van traditionele ROP-modellen in olieputten in de pre-zoutbekkens voor de kust van Brazilië. Kunstmatige neurale netwerken worden ook met succes gebruikt voor ROP-voorspelling in de werken van Bilgesu et al. (1997), Moran et al. (2010) en Esmaeili et al. (2012). Een dergelijke verbetering in ROP-modellering gaat echter ten koste van de interpreteerbaarheid van het model. Traditionele ROP-modellen zijn daarom nog steeds relevant en bieden een effectieve methode om te analyseren hoe een specifieke boorparameter de boorsnelheid beïnvloedt.
ROPPlotter, een softwarepakket voor het visualiseren van veldgegevens en het modelleren van ROP, ontwikkeld in Microsoft Excel VBA (Soares, 2015), wordt gebruikt voor het berekenen van modelcoëfficiënten en het vergelijken van modelprestaties.
Geplaatst op: 1 september 2023