Come conoscere la valutazione dei modelli PDC bit ROP e l'effetto della resistenza della roccia sui coefficienti del modello?

Astratto

Le attuali condizioni di basso prezzo del petrolio hanno rinnovato l’accento sull’ottimizzazione della perforazione al fine di risparmiare tempo nella perforazione di pozzi di petrolio e gas e ridurre i costi operativi. La modellazione del tasso di penetrazione (ROP) è uno strumento chiave per ottimizzare i parametri di perforazione, ovvero il peso della punta e la velocità di rotazione per processi di perforazione più rapidi. Con un nuovo strumento completamente automatizzato per la visualizzazione dei dati e la modellazione ROP sviluppato in Excel VBA, ROPPlotter, questo lavoro indaga le prestazioni del modello e l'impatto della resistenza della roccia sui coefficienti del modello di due diversi modelli PDC Bit ROP: Hareland e Rampersad (1994) e Motahhari et al. (2010). Questi due bit PDC i modelli vengono confrontati con un caso base, la relazione generale ROP sviluppata da Bingham (1964) in tre diverse formazioni di arenaria nella sezione verticale di un pozzo orizzontale di scisto Bakken. Per la prima volta è stato fatto un tentativo di isolare l'effetto della variazione della resistenza della roccia sui coefficienti del modello ROP studiando litologie con parametri di perforazione altrimenti simili. Inoltre, viene condotta una discussione approfondita sull'importanza di selezionare i limiti appropriati dei coefficienti del modello. La resistenza della roccia, considerata nei modelli di Hareland e Motahhari ma non in quello di Bingham, si traduce in valori più elevati dei coefficienti del modello a moltiplicatore costante per i modelli precedenti, oltre a un esponente del termine RPM aumentato per il modello di Motahhari. È stato dimostrato che il modello di Hareland e Rampersad offre le migliori prestazioni tra i tre modelli con questo particolare set di dati. L'efficacia e l'applicabilità della modellazione ROP tradizionale è messa in discussione, poiché tali modelli si basano su una serie di coefficienti empirici che incorporano l'effetto di molti fattori di perforazione non presi in considerazione nella formulazione del modello e sono unici per una particolare litologia.

Introduzione

Le punte PDC (Polycrystalline Diamond Compact) sono il tipo di punta dominante utilizzato oggi nella perforazione di pozzi di petrolio e gas. Le prestazioni della punta vengono generalmente misurate dal tasso di penetrazione (ROP), un'indicazione della velocità con cui viene perforato il pozzo in termini di lunghezza del foro praticato per unità di tempo. L’ottimizzazione della perforazione è in prima linea nelle agende delle società energetiche ormai da decenni, e acquista ulteriore importanza nell’attuale contesto di bassi prezzi del petrolio (Hareland e Rampersad, 1994). Il primo passo per ottimizzare i parametri di perforazione per produrre il miglior ROP possibile è lo sviluppo di un modello accurato che metta in relazione le misurazioni ottenute in superficie con la velocità di perforazione.

In letteratura sono stati pubblicati numerosi modelli ROP, inclusi modelli sviluppati specificatamente per un determinato tipo di bit. Questi modelli ROP contengono tipicamente una serie di coefficienti empirici che dipendono dalla litologia e possono compromettere la comprensione della relazione tra i parametri di perforazione e la velocità di penetrazione. Lo scopo di questo studio è analizzare le prestazioni del modello e il modo in cui i coefficienti del modello rispondono ai dati sul campo con parametri di perforazione variabili, in particolare la resistenza della roccia, per duebit PDC modelli (Hareland e Rampersad, 1994, Motahhari et al., 2010). I coefficienti e le prestazioni del modello vengono confrontati anche con un modello ROP del caso base (Bingham, 1964), una relazione semplicistica che è servita come primo modello ROP ampiamente applicato in tutto il settore e ancora attualmente in uso. Vengono analizzati i dati dei campi di perforazione in tre formazioni di arenaria con diverse resistenze rocciose e i coefficienti di questi tre modelli vengono calcolati e confrontati tra loro. Si ipotizza che i coefficienti per i modelli di Hareland e Motahhari in ciascuna formazione rocciosa copriranno un intervallo più ampio rispetto ai coefficienti del modello di Bingham, poiché la variazione della resistenza della roccia non è presa in considerazione esplicitamente in quest'ultima formulazione. Vengono valutate anche le prestazioni del modello, portando alla scelta del miglior modello ROP per la regione dello scisto di Bakken nel Nord Dakota.

I modelli ROP inclusi in questo lavoro consistono in equazioni rigide che mettono in relazione alcuni parametri di perforazione con la velocità di perforazione e contengono una serie di coefficienti empirici che combinano l'influenza di meccanismi di perforazione difficili da modellare, come l'idraulica, l'interazione tagliente-roccia, la perforazione progettazione, caratteristiche dell'assemblaggio del fondo foro, tipo di fango e pulizia del foro. Sebbene questi modelli ROP tradizionali generalmente non funzionino bene se confrontati con i dati sul campo, forniscono un importante trampolino di lancio verso le nuove tecniche di modellazione. Modelli moderni, più potenti e basati su statistiche con maggiore flessibilità possono migliorare la precisione della modellazione ROP. Gandelman (2012) ha segnalato un miglioramento significativo nella modellazione ROP impiegando reti neurali artificiali invece dei tradizionali modelli ROP nei pozzi petroliferi nei bacini pre-sale al largo del Brasile. Le reti neurali artificiali vengono utilizzate con successo anche per la previsione ROP nei lavori di Bilgesu et al. (1997), Moran et al. (2010) ed Esmaeili et al. (2012). Tuttavia, tale miglioramento nella modellazione ROP va a scapito dell’interpretabilità del modello. Pertanto, i modelli ROP tradizionali sono ancora rilevanti e forniscono un metodo efficace per analizzare come uno specifico parametro di perforazione influisce sul tasso di penetrazione.

ROPPlotter, un software di visualizzazione dei dati sul campo e di modellazione ROP sviluppato in Microsoft Excel VBA (Soares, 2015), viene utilizzato per calcolare i coefficienti del modello e confrontare le prestazioni del modello.