new5 free

استفاده از مدل‌سازی هوشمند در فرآیند طراحی و عیب یابی عملیات حفاری

59.000تومان

توضیحات

دانشکده گاز و پتروشیمی

گروه مهندسی نفت

پایان‌نامه کارشناسی ارشد در رشته مهندسی نفت گرایش حفاری و بهره‌برداری

چکیده

استفاده از مدل‌سازی هوشمند در فرآیند طراحی و عیب‌یابی عملیات حفاری

در عملیات حفاری، با انتخاب درست ابزار مورد استفاده و همچنین پیش‌بینی دقیق و به موقع پارامترها و مشکلات احتمالی می‌توان این عملیات را در زمان و هزینه کمتر انجام داد. مقاومت فشاری تک محوره سنگ سازند، یکی از ویژگی‌های اصلی سنگ به شمار می‌آید که نقش به‌سزایی در انتخاب مته حفاری دارد. در صورت پیش‌بینی صحیح این ویژگی می‌توان مته مناسب برای حفاری سنگ مورد نظر را انتخاب کرد. از طرفی مته حفاری خود یکی از ابزارهای اصلی در عملیات حفاری به شمار می‌رود که تأثیر مستقیم بر نرخ نفوذ حفاری دارد. نرخ نفوذ مناسب زمان و هزینه‌های عملیات حفاری را کاهش می‌دهد. در عملیات حفاری گاهی اوقات با مشکلاتی مواجه می‌شویم که باعث کند شدن حفاری و افزایش هزینه‌ها می‌شود. از جمله این مشکلات می‌توان به هرزروی گل و گیر رشته حفاری اشاره کرد. در صورتی که بتوان این مشکلات را به درستی پیش‌بینی کرد می‌توان از توقف حفاری جلوگیری و خطرات ناشی از آن را نیز رفع کرد. لذا اطلاع دقیق از موارد مذکور حیاتی است. تحليل اطلاعات ميدانى، عنصر اصلى كاهش هزينه و بهبود عمليات حفارى و توسعه ابزارهاى تحليل اطلاعات ميدان، يكى از راههاى توسعه و بهبود عمليات حفارى به شمار می‌رود. در صنعت حفاری برای شناسایی مشکل و یا بهبود عملیات عموماً از تست‌های آزمایشگاهی و فرمول‌های تجربی استفاده می‌شود؛ یا برای رفع مشکل از تجربیات گذشته استفاده می‌شود. در این پروژه سعی شده، از مدل‌سازی هوشمند برای پیش‌بینی، عیب‌یابی، رفع عیب و بهبود پارامترهای عملیات حفاری استفاده کنیم. هوش مصنوعی حوزه‌ای ترکیبی از علوم کامپیوتر و آمار است. در حالت عمومی این روش‌ زمانی ارزش خود را نشان می‌دهد که روی مجموعه‌ی بزرگی از داده‌ها پیاده‌سازی شده و الگوها و قوانین موجود در آن‌ها را نمایان سازد. این پروژه در چهار بخش با استفاده از داده‌های ثبت روزانه دکل حفاری و عملیات نمودارگیری و به کمک شبکه‌های عصبی و الگوریتم‌های بهینه‌سازی انجام ‌شد. نتایج حاصله در موضوعات مورد بحث همگی گویای دقت و کارایی بالای استفاده از روش‌های هوشمند است.

فهرست مطالب

عنوان صفحه

فصل اول: مقدمه
1-1- اهمیت و بیان مسئله ………………. 1
1-1-1- مقاومت فشاری تک محوره سنگ سازند ……………….. 1
1-1-2- مته حفاری و نرخ نفوذ ………………… 2
1-1-3- هرزروی سیال حفاری …………………. 3
1-1-4- گیر رشته حفاری ……….. 4

فصل دوم: مروری بر تحقیقات گذشته
2-1- مقدمه …….. 7
2-2- مقاومت فشاری تک محوره سنگ سازند ………….. 7
2-2-1- روش‌های محاسبه UCS ………………. 7
2-2-1-1- تست آزمایشگاهی ……………… 7
2-2-1-2- روابط تجربی ……….. 9
2-2-1-3- شبکه عصبی مصنوعی ……. 12
2-3- انتخاب مته مناسب و بهبود نرخ نفوذ حفاری …. 12
2-3-1- روش‌های حل مسئله …………………. 12
2-3-1-1- روش هزینه به ازای حفاری ……………… 14
2-3-1-2- مدل انرژی مخصوص ……….. 14
2-3-1-3- مدل بورگین- یانگ ………… 15
2-3-1-4- هوش مصنوعی …………………. 15
2-4- هرزروی سیال حفاری ………… 17
2-4-1- روش حل مسئله ………… 17
2-4-1-1- استفاده از مواد هرزگیر …… 17
2-4-1-2- دوغاب‌های ترکیبی …………. 17
2-4-1-3- حفاری زیر تعادلی …………… 18
2-4-1-4- استفاده از لوله جداری …… 18
2-5- گیر لوله حفاری …… 19
2-5-1- روش‌های حل مسئله …………………. 19
2-5-1-1- مدل کینگزبرو و همپ کینگ …………… 19
2-5-1-2- مدل بیگلر و کان ………………. 19
2-5-1-3- مدل گلاور و هاوارد ………….. 20
2-5-1-4- روش هوش مصنوعی ……….. 20
2-6- چرایی استفاده از روش‌های هوشمند ……………….. 21

فصل سوم: مروری بر روش‌های یادگیری ماشینی و الگوریتم‌های بهینه‌سازی
3-1- مقدمه …………………. 23
3-2- مفهوم شبکه …….. 24
3-3- شبكه عصبي مصنوعي ……. 24
3-3-1- مدل یک نرون تک ورودی …….. 26
3-3-2- تابع انتقال ……………….. 28
3-4- انواع شبکه های عصبی …… 28
3-4-1- شبکه عصبی پرسپترون چندلایه ………….. 28
3-4-2- شبکه عصبی پیمانه ای …………… 30
3-4-3- ماشین بردار پشتیبان …………… 32
3-5- الگوریتم‌های بهینه‌سازی ………………… 34
3-5-1- الگوریتم ژنتیک …….. 34
3-5-2- الگوریتم بهینه‌سازی ازدحام ذرات ……… 39
3-5-3- الگوریتم ترکیبی ژنتیک و ازدحام ذرات ……………… 41

فصل چهارم: آماده‌سازی اطلاعات جهت مدل‌سازی و آنالیز
4-1- مقدمه …. 44
4-2- مطالعه میادین مورد بررسی …………….. 44
4-2-1- میدان نفتی اهواز ……. 44
4-2-2- میدان نفتی مارون …. 46
4-3- آماده‌سازی داده‌ها جهت استفاده در مدل‌سازی …………… 50
4-3-1 جمع‌آوري داده‌ها ………. 50
4-3-1-1- مقاومت فشاری تک محوره سنگ سازند …… 50
4-3-1-2- انتخاب مته حفاری و بهبود نرخ نفوذ …………. 51
4-3-1-3- هرزروی سیال حفاری …………………. 52
4-3-1-4- گیر لوله حفاری ……………. 54
4-3-2- پیش‌پردازش داده‌ها ……………… 55
4-3-2-1- آناليز داده‌ها و تأييد صحت و دقت آن‌ها …. 55
4-3-2-2- همسان‌سازی داده‌ها …. 56
4-3-3- تقسيم بندي داده‌ها ……………… 57
4-4- مدل کردن …… 58
4-5- معيارهاي عملكرد مدل ……. 58

فصل پنجم: آنالیز و تحلیل اطلاعات
5-1- مقدمه ….. 60
5-2- مقاومت فشاری تک محوره سنگ سازند ……….. 60
5-2-1- روش کار ……. 60
5-2-1-1- پیش‌بینی UCS توسط MLP …………. 60
5-2-1-2- پیش‌بینی UCS توسط MLP&GA ……………… 63
5-3- انتخاب مته حفاری و بهبود نرخ نفوذ …………….. 66
5-3-1- روش کار …. 67
5-3-1-1- پیش‌بینی مته حفاری ….. 67
5-3-1-2- پیش‌بینی نرخ نفوذ حفاری ………… 68
5-3-1-3- بهینه‌سازی نرخ نفوذ ….. 69
5-3-2- بحث روی نتایج …….. 72
5-3-2-1- مته حفاری …….. 72
5-3-2-2- نرخ نفوذ و دبی جریان گل ………….. 72
5-3-2-3- فشار پمپ گل و سطح مقطع جریان …………. 74
5-3-2-4- وزن روی مته و سرعت دوران رشته حفاری …………….. 75
5-3-2-5- گرانروی گل ….. 76
5-4- هرزروی سیال حفاری ……… 76
5-4-1- روش کار …… 77
5-4-1-1- پیش‌بینی کمی هرزروی سیال حفاری …………. 78
5-4-1-2- پیش‌بینی کیفی هرزروی سیال حفاری ……….. 79
5-4-1-3- کاهش میزان هرزروی سیال حفاری ……………. 82
5-5- گیر لوله حفاری ………………… 85
5-5-1- روش کار …. 85
5-5-1-1- پیش‌بینی گیر مکانیکی و اختلاف فشاری …………………. 85
5-5-1-2- پیش‌بینی گیر اختلاف فشاری …… 87
5-5-1-3- کاهش احتمال گیر لوله حفاری …. 88

فصل ششم: نتایج و پیشنهادها
6-1- نتایج …… 92
6-2- پیشنهادها …………. 94
منابع ……………….. 95
پیوست ………….. 102

فهرست جدول

عنوان صفحه

جدول 2-1 لیست تعدادی از روابط تجربی محاسبه UCS ………… 11
جدول 2-2 مقایسه مدل UCS ارائه شده با روش‌های دیگر ……. 13
جدول 2-3 مقایسه مدل انتخاب مته و نرخ نفوذ ارائه شده با روش‌های دیگر ……… 16
جدول 2-4 مقایسه مدل هرزروی پیشنهادی با سایر روش‌ها …………………. 18
جدول 2-5 مقایسه مدل گیر لوله حفاری ارائه شده با سایر روش‌ها ……… 21
جدول 3-1 لیست تعدادی از توابع انتقال مورد استفاده برای شبکه های عصبی …………………. 29
جدول 4-1 تحلیل آماری داده‌های استفاده شده در مدل‌سازی مقاومت فشاری سنگ سازند ……………. 50
جدول 4-2 توصیف آماری داده‌های استفاده شده در مدل‌سازی انتخاب مته و نرخ نفوذ حفاری ……… 52
جدول 4-3 توصیف آماری داده‌های استفاده شده در مدل‌سازی هرزروی سیال حفاری …… 54
جدول 4-4 توصیف آماری داده‌های استفاده شده در مدل‌سازی گیر لوله حفاری ………………. 56
جدول 5-1 مقایسه عملکرد دو شبکه‌ عصبی استفاده شده برای مدل‌سازی تعیین UCS ….. 66
جدول 5-2 بررسی عملکرد شبکه‌های عصبی استفاده شده برای پیش‌بینی انتخاب مته و نرخ نفوذ حفاری …………… 69
جدول 5-3 مقدار و محدوده پارامترهای ثابت و متغیر در بخش‌های مختلف چاه ………………. 70
جدول 5-4 مقادیر پارامترهای بهینهسازی شده در بخشهای مختلف چاه ………….. 70
جدول 5-5 بررسی مته حفاری انتخاب شده ……………. 72
جدول 5-6 بررسی نرخ نفوذ و دبی جریان گل بهینهسازی شده …………… 74
جدول 5-7 بررسی فشار پمپ گل و سطح مقطع جریان بهینهسازی شده ………….. 75
جدول 5-8 بررسی وزن روی مته و سرعت دوران رشته حفاری بهینهسازی شده ……………… 76
جدول 5-9 ساختار شبکه عصبی پیمانه‌ای مدل اول ……………… 78
جدول 5-10 ساختار شبکه عصبی پیمانه‌ای مدل دوم …………….. 79
جدول 5-11 تعیین محدوده برای خروجی مدل پیش‌بینی کیفی هرزروی سیال حفاری …….. 80
جدول 5-12 مقایسه عملکرد شبکه‌های عصبی استفاده شده برای هر دو مدل ….. 81
جدول 5-13 نتایج بهینه‌سازی پارامترهای موثر بر هرزروی سیال حفاری با استفاده از الگوریتم تجمع ذرات ……………… 84
جدول 5-14 تست نتایج بهینه‌سازی با استفاده از شبکه عصبی مدل اول ……………. 85
جدول 5-15 تعیین محدوده برای خروجی مدل پیش‌بینی گیر مکانیکی لوله حفاری ………… 87
جدول 5-16 عملکرد شبکه‌های عصبی استفاده شده در دو مدل ………… 87
جدول 5-17 نتایج بهینه‌سازی پارامترهای موثر بر گیر لوله حفاری با استفاده از الگوریتم ترکیبی ژنتیک و تجمع ذرات ……. 90
جدول 5-18 تست نتایج بهینه‌سازی با استفاده از شبکه عصبی ……………. 91

فهرست اشكال

عنوان صفحه

شکل 2-1 نمودار تنش-کرنش دو سنگ شکننده و شکل پذیر. نمودار سمت چپ منحني تنش کرنش نمونه‌ي شکننده و سمت راست نمونه‌ي تغيير شکل‌پذير ………….. 8
شکل 3-1 نمونه عصب واقعی (در این شکل اکسون ترمینال در واقع همان سیناپس است) ……………… 25
شکل 3-2 مدل یک شبکه عصبی با یک نرون و یک ورودی …………………. 27
شکل 3-3 شبکه عصبی پرسپترون دو لایه (دارای سه نرون در لایه ورودی و چهار نرون در لایه پنهان و یک نرون در لایه خروجی است) ……………… 30
شکل 3-4 طرح شماتیک از یک شبکه عصبی پیمانه ای ……….. 31
شکل 3-5 ساختارهای مختلف شبکه عصبی پیمانه ای …………. 32
شکل 3-6- ابرصفحه جدایش و بردارهای پشتیبان ……………….. 34
شکل 3-7 فلوچارت الگوریتم ژنتیک ………. 38
شکل 3-8 فلوچارت الگوریتم تجمع ذرات ……………….. 41
شکل 3-9 شکل شماتیکی از الگوریتم ترکیبی GA&PSO ……. 43
شکل 4-1- موقعیت جغرافیایی میدان نفتی اهواز ….. 46
شکل 4-2- شکل میدان مارون و تقسیم بندی آن به هشت بخش ………. 47
شکل 4-3- موقعیت جغرافیایی میدان نفتی مارون ……………….. 48
شکل 4-4- موقعیت جغرافیایی (مختصات شمال و شرق جغرافیایی) چاه های حفر شده در میدان نفتی مارون …………….. 49
شکل 5-1 نمودار ضریب رگرسیون MLP برای پیش‌بینی داده‌های UCS در مرحله تست …………………. 63
شکل 5-2 فلوچارت آموزش شبکه MLP توسط الگوریتم ژنتیک …………. 64
شکل 5-3 نمودار ضریب رگرسیون MLP&GA برای پیش‌بینی داده‌های UCS در مرحله تست ……….. 65
شکل 5-4 مقایسه شبکه‌های MLP و MLP&GA بر اساس میزان خطا و سرعت همگرایی ………………… 65
شکل 5-5 مقایسه مقادیر تخمین زده شده UCS توسط هر دو شبکه با مقادیر واقعی ………. 66
شکل 5-6 ضریب رگرسیون شبکهی عصبی در انتخاب مته حفاری برای داده‌های تست ….. 67
شکل 5-7 ضریب رگرسیون شبکهی عصبی در پیش‌بینی نرخ نفوذ حفاری برای داده‌های تست ……. 68
شکل 5-8 نتایج بهینه‌سازی پارامترهای حفاری توسط الگوریتم ژنتیک در سایز 5/8 چاه (شکل 5-8-1)، 25/12 چاه (شکل 5-8-2) و 5/17 چاه (شکل 5-8-3) ….. 71
شکل 5-9 شبکه عصبی پیمانه‌ای استفاده شده در مدل‌سازی ……………… 77
شکل 5-10 ضریب رگرسیون شبکه عصبی پیمانه‌ای مدل اول در مرحله تست ….. 78
شکل 5-11 ضریب رگرسیون شبکه عصبی پیمانه‌ای مدل دوم در مرحله تست ….. 80
شکل 5-12 مقایسه MNN و MLP بر اساس دقت و سرعت همگرایی برای هر دو مدل (محور عمودی لگاریتمی است) …………….. 81
شکل 5-13 مقایسه مقادیر واقعی و مقادیر پیش‌بینی شده هرزروی سیال حفاری در مرحله تست برای مدل اول ……….. 82
شکل 5-14 مقایسه مقادیر واقعی و مقادیر پیش‌بینی شده هرزروی سیال حفاری در مرحله تست برای مدل دوم ……….. 82
شکل 5-15 ضریب رگرسیون شبکه ماشین بردار پشتیبان برای داده‌های تست ………………… 86
شکل 5-16 ضریب رگرسیون شبکه عصبی پرسپترون چندلایه بهینه‌شده توسط الگوریتم تجمع ذرات برای داده‌های تست ……… 88
شکل 5-17 فلوچارت آموزش شبکه عصبی توسط الگوریتم تجمع ذرات ……………. 88

فهرست نشانه‌هاي اختصاري

مساحت نازل …….
الگوریتم کلونی مورچگان ……………….
هوش مصنوعی ………………….
شبکه عصبی مصنوعی ….
پارامتر شناختی …..
پارامتر اجتماعی …………………
قیمت مته حفاری ………………..
هزینه ثابت عملیاتی دکل حفاری …………..
نمودار گامای طبیعی ………
ضریب تصحیح زاویه ………
ضریب تصحیح سایز خرده‌های حفاری …………………
ضریب تصحیح وزن ………..
قطر نازل …………….
عمق حفاری ……….
عمق لوله جداری …………….
قطر مته ………….
قطر آنالوس ………………….
قطر چاه ………..
سایز متوسط خرده‌ها ……
چگالی خرده‌های حفاری ….
قطر خرده‌های حفاری ………..
مدول یانگ استاتیکی …………
مدول یانگ دینامیکی ………..
الگوریتم ژنتیک ………………..
هیدروژن سولفور …………..
متراژ حفاری ………..
طول حفره باز ….
انجمن بین المللی پیمانکاران حفاری ………………… IADC
پرسپترون چند لایه ……….. MLP
شبکه عصبی پیمانه‌ای …… MNN
میانگین مربع خطا ………….. MSE
وزن گل حفاری ………………… MW
تعداد جمعیت ………. N
نمودار تخلخل نوترون …… NPHI
تخلخل موثر ………
قطر بیرونی لوله حفاری ………………….
درصد تقاطع ………
بهترین موقعیت محلی ذره …………….
بهترین موقعیت سراسری ذره ……….
درصد جهش …….
فشار گل حفاری …………….
الگوریتم بهینه‌سازی ازدحام ذرات …….. PSO
دبی پمپ …………….. Q
ضریب رگرسیون ….. R
نمودار چگالی ظاهری …… RHOB
نرخ نفوذ ……….. ROP
سرعت چرخش رشته حفاری …………… RPM
فضای جستجو ……… S
انرژی مخصوص …. SE
ماشین بردار پشتیبان …….. SVM
زمان حفاری ………….. t
زمان راندمان مته …………………
زمان اتصال …………
زمان بالا و پایین کردن رشته حفاری ……..
کل سطح مقطع جریان …….. TFA
حفاری فرو تعادلی ………….
مقاومت فشاری تک محوره سنگ سازند …………….. UCS
سرعت موج تراکمی …………….
سرعت موج برشی ……………….
سرعت ذره ….
سرعت جدید ذره …..
حداکثر سرعت ذره …………
حداقل سرعت گل مورد نیاز ……………..
سرعت انتقال خرده‌های حفاری ………….
سرعت لغزش ….
وزن روی مته ……………….
ورودی شبکه ………
موقعیت ذره …………………
موقعیت جدید ذره ………………….
خروجی شبکه …….
مقاومت فشاری تک محوره سنگ سازند ………………..
متراژ حفاری ……
زمان عبور موج صوتی ……….
ضریب وزنی سکون ………………
نیروی برشی در سرعت 600 دور در ثانیه ………………
نیروی برشی در سرعت 300 دور در ثانیه ……………..
خروجی نورون ……
زاویه انحراف چاه از حالت عمود ………..
چگالی گل ……..
نرخ یادگیری ……….
حوزه محلی ……….
مشتق تابع فعال‌سازی …………
ویسکوزیته ظاهری ……………..

فصل اول : مقدمه

1-1- اهمیت و بیان مسئله
1-1-1- مقاومت فشاری تک محوره سنگ سازند
دانش معقول از خواص فیزیکی و مکانیکی سنگ و انتخاب مناسب پارامترهای عملیات حفاری کمک زیادی در کاهش هزینه‌های حفاری و تولید از مخزن نفت می‌کند. بنا به تعریف، مقاومت فشاری تک محوره ، مقدار تنش فشاری تک محوره است، هنگامی که المان مورد نظر کاملاً گسیخته می‌شود. UCS در واقع سطح استرسی که باعث شکست سنگ می‌شود است، زمانی که آن را تحت تنش تک محوره قرار می‌دهیم. مقاومت فشاری تک محوره سنگ سازند، پارامتر مکانیکی مهم سنگ می‌باشد که نقش حیاتی در حفاری چاه‌های نفت و گاز دارد. عملیات حفاری تعامل بین سنگ و مته حفاری می‌باشد زمانی که استرس حاصل بزرگ‌تر از مقاومت سنگ شود، سنگ دچار شکست می‌شود.
از آنجایی که مقدار مقاومت فشاری تک محوره توسط پارامترهای بسیاری از قبیل چگالی و تخلخل تحت تأثیر است، به کمک آن می‌توان خواص مکانیکی سنگ را نشان داد. از این رو می‌توان آن را در محاسبات انتخاب مته، تخمین زمان بهینه برای بیرون کشیدن مته، تجزیه و تحلیل پایداری چاه (انتخاب محدوده مناسب برای وزن گل)، تولید شن و ماسه و تعیین میدان تنش درجا مؤثر، طراحی روش‌های ازدیاد برداشت و مطالعات نشست مخزن در نظر گرفت. که انتخاب درست این موارد باعث بهبود و بهینه‌سازی عملیات حفاری و تولید می‌گردد [1].

1-1-2- مته حفاری و نرخ نفوذ
در عمليات حفاري، نرخ نفوذ ، یکی از عوامل اصلى بهينهسازی است. نرخ نفوذ مته از رابطه‌اي بر اساس متراژ حفاري بر حسب زمان حاصل مي‌گردد؛ و به عواملی از قبیل نوع مته، خصوصیات سازند ، وزن روی مته ، سرعت چرخش رشته حفاری ، خصوصیات گل و غیره بستگی دارد. پایین بودن نرخ نفوذ حفاری باعث از دست دادن زمان دکل و افزایش هزینه‌های حفاری می‌شود. در بعضی موارد افزایش غیر اصولی نرخ نفوذ می‌تواند باعث شکسته شدن سنگ مخزن و در نهایت هرزروی گل حفاری و همچنین گیر رشته حفاری و در نهایت از دست دادن چاه گردد. پس می‌توان گفت بهینه‌سازی نرخ نفوذ کمک زیادی در پیشبرد و کاهش زمان عملیات حفاری می‌کند. پیش‌بینی سرعت حفاری از آن جهت که موجب انتخاب بهینه پارامترها و کاهش هزینه‌های حفاری می‌گردد، همیشه اهمیت قابل توجهی برای مهندسین حفاری داشته است.
از میان پارامترهای موثر بر نرخ نفوذ، مته حفاری نقش تأثیرگذارتری نسبت به سایر پارامترها دارد. به گونه‌ای که بهینه‌سازی عملیات حفاری بدون در نظر گرفتن نقش مته تقریباً غیر ممکن است. مته‌ی حفاری به پایین‌ترین بخش رشته حفاری گفته می‌شود که عامل انتقال انرژی دریافتی از لوله‌های حفاری به سنگ می‌باشد و از این طریق موجب نفوذ در سازند می‌گردد. اگر مته درست انتخاب و مورد استفاده قرار بگيرد، مطمئناً در بهبود نرخ نفوذ و كاهش هزينه چاه مؤثر خواهد بود. با وجود این که قیمت مته، تنها 2 تا 3 درصد هزینه تکمیل یک چاه را در بر می‌گیرد، اما بر 75 درصد هزینه‌های کلی حفاری، که شامل 45 درصد هزینه تکمیل یک چاه است، تأثیرگذار می‌باشد [2].
نوع مته‌ای که برای عملیات حفاری انتخاب می‌شود در درجه اول به نوع سنگی بستگی دارد که باید حفاری گردد. علاوه بر شاخص ذکر شده عامل اقتصادی نیز باید مورد توجه قرار گیرد. به طور کلی شیل‌های نرم، سنگ‌های جوان رسوبی توسط سیستم‌های حفاری که مجهز به مته‌های تیغه‌ای باشند بازدهی مناسب‌تری دارند و هر چه تیغه‌های مته بلندتر باشد برای سازندهای نرم‌تر مناسب هستند. مته‌هایی که دندان‌گونه دارند مناسب‌ترین مته برای شیل‌های سخت، ماسه سنگ و آهک هستند و به دلیل سختی الماس نسبت به کانی‌ها و سنگ‌های معمولی از نظر اقتصادی از آن برای شرایط بسیار سخت استفاده می‌شود.

1-1-3- هرزروی سیال حفاری
در حفاري چاه‌هاي نفت و گاز، به هدر رفتن سيال حفاري در سازندهای تراوا هرزروي گفته می‌شود. هرزروي سيال حفاري يكي از مشهودترين مشكلات حفاري مي‌باشد كه هزینه‌ی زيادي را به شركت‌هاي نفتي تحميل مي‌كند. اين پديده از زمان شروع حفاري شروع شده و تا هنگام جداره‌گذاری ادامه مي‌يابد. ممكن است هرزروي از مقادير كم تا بسيار شديد اتفاق بيفتد. هرزروي محدود به نواحي حفاري خاص نمي‌باشد بلكه در هر عمقي كه فشار ستون گل حفاري از فشار شكست سازند بيشتر باشد، لايه شكسته و هرزروي رخ می‌دهد همچنين سيال حفاري در سازندهای با نفوذپذيري بالا و يا شكستگي‌هاي طبيعي كه از قبل در سازند وجود داشته، هدر می‌رود. بر اساس استانداردهاي گل حفاري، سازند بايد حداقل داراي نفوذپذيري 10 تا 25 ميلي‌دارسي باشد تا هرزروي گل ايجاد گردد [3]. هرزروي سيال حفاري ممكن است به علل متفاوتي از جمله وجود سازندهای با تراوايي بالا، فيلتر شدن سيال حفاري، نفوذ سيال داخل ماتريكس سنگ و يا ايجاد و گسترش شكاف در داخل سنگ ايجاد شود كه مورد آخر از عمده‌ترين دلايل هرزروي كامل سيال حفاري به شمار مي‌رود و بيش از 90 درصد هزينه‌هاي صرف شده براي درمان هرزروي به اين مورد اختصاص دارد [4]. شرکت‌های نفتي سالانه ميليون‌ها دلار صرف برطرف كردن مشكل هرزروي و مشكلات ناشی از آن، از جمله از دست رفتن زمان دكل، گير لوله‌ها، فوران چاه، از دست رفتن حجم زيادي از سيال حفاري و آسيب به سازند می‌شود [5].
پارامترهاي زيادي شدت هرزروي سيال حفاري را تحت تأثير قرار می‌دهند از جمله: فشار گل، فشار شكست سازند، خصوصيات سيال حفاري، ليتولوژي سازند، وجود درزه‌ها و غارها در سازند، پارامترهاي حفاري مثل فشار و دبي پمپ و پارامترهاي شناخته شده و شناخته نشده بسيار زياد ديگري كه پيش‌بيني مقدار هرزروي سيال هنگام حفاري چاه در يك سازند خاص را بسيار مشكل مي‌كنند. به علاوه، هزينه‌هاي هنگفتي كه بايد صرف درمان هرزروي گل (ساختن گل جديد و اضافه كردن مواد جلوگيري كننده از هرزروي) و مشكلات جانبي آن (گير احتمالي رشته حفاري و از دست رفتن زمان حفاري) شود همواره مهندسين حفاري را به تحقيق و پژوهش در اين راه و يافتن راهكاري براي مقابله با اين مشكل ترغيب كرده است.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “استفاده از مدل‌سازی هوشمند در فرآیند طراحی و عیب یابی عملیات حفاری”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

45 + = 50