Comment connaître l'évaluation des modèles PDC bit ROP et l'effet de la résistance des roches sur les coefficients du modèle ?

Abstrait

Les conditions actuelles de faible prix du pétrole ont remis l’accent sur l’optimisation du forage afin de gagner du temps lors du forage des puits de pétrole et de gaz et de réduire les coûts opérationnels.La modélisation du taux de pénétration (ROP) est un outil clé pour optimiser les paramètres de forage, à savoir le poids du foret et la vitesse de rotation, pour des processus de forage plus rapides.Grâce à un nouvel outil de visualisation de données et de modélisation ROP entièrement automatisé développé dans Excel VBA, ROPPlotter, ce travail étudie les performances du modèle et l'impact de la résistance des roches sur les coefficients de deux modèles PDC Bit ROP différents : Hareland et Rampersad (1994) et Motahhari. et coll.(2010).Ces deux Bit PDC les modèles sont comparés à un cas de base, une relation ROP générale développée par Bingham (1964) dans trois formations de grès différentes dans la section verticale d'un puits horizontal de schiste de Bakken.Pour la première fois, une tentative a été faite pour isoler l'effet de la résistance variable de la roche sur les coefficients du modèle ROP en étudiant des lithologies avec des paramètres de forage par ailleurs similaires.De plus, une discussion approfondie sur l'importance de sélectionner les limites appropriées des coefficients du modèle est menée.La résistance des roches, prise en compte dans les modèles de Hareland et de Motahhari mais pas dans celui de Bingham, se traduit par des valeurs plus élevées des coefficients du modèle multiplicateur constant pour les premiers modèles, en plus d'un exposant de terme RPM accru pour le modèle de Motahhari.Il est démontré que le modèle de Hareland et Rampersad est celui qui fonctionne le mieux parmi les trois modèles avec cet ensemble de données particulier.L'efficacité et l'applicabilité de la modélisation ROP traditionnelle sont remises en question, car ces modèles reposent sur un ensemble de coefficients empiriques qui intègrent l'effet de nombreux facteurs de forage non pris en compte dans la formulation du modèle et sont uniques à une lithologie particulière.

Introduction

Les trépans PDC (Polycristallin Diamond Compact) sont aujourd'hui le type de trépan dominant utilisé dans le forage de puits de pétrole et de gaz.Les performances du trépan sont généralement mesurées par le taux de pénétration (ROP), une indication de la vitesse à laquelle le puits est foré en termes de longueur de trou foré par unité de temps.L'optimisation du forage est au premier plan des priorités des sociétés énergétiques depuis des décennies, et elle prend encore plus d'importance dans le contexte actuel de faiblesse des prix du pétrole (Hareland et Rampersad, 1994).La première étape dans l'optimisation des paramètres de forage afin de produire le meilleur ROP possible est le développement d'un modèle précis reliant les mesures obtenues en surface à la vitesse de forage.

Plusieurs modèles ROP, y compris des modèles développés spécifiquement pour un certain type de bits, ont été publiés dans la littérature.Ces modèles ROP contiennent généralement un certain nombre de coefficients empiriques qui dépendent de la lithologie et peuvent nuire à la compréhension de la relation entre les paramètres de forage et le taux de pénétration.Le but de cette étude est d'analyser les performances du modèle et la façon dont les coefficients du modèle réagissent aux données de terrain avec différents paramètres de forage, en particulier la résistance de la roche, pour deuxBit PDC modèles (Hareland et Rampersad, 1994, Motahhari et al., 2010).Les coefficients et les performances du modèle sont également comparés à un modèle ROP de base (Bingham, 1964), une relation simpliste qui a servi de premier modèle ROP largement appliqué dans toute l'industrie et toujours utilisé actuellement.Les données de forage sur le terrain dans trois formations de grès présentant des résistances rocheuses variables sont étudiées, et les coefficients de ces trois modèles sont calculés et comparés les uns aux autres.Il est postulé que les coefficients des modèles de Hareland et de Motahhari dans chaque formation rocheuse couvriront une plage plus large que les coefficients du modèle de Bingham, car la résistance variable des roches n'est pas explicitement prise en compte dans cette dernière formulation.Les performances du modèle sont également évaluées, conduisant au choix du meilleur modèle ROP pour la région de schiste de Bakken dans le Dakota du Nord.

Les modèles ROP inclus dans ce travail consistent en des équations rigides qui relient quelques paramètres de forage à la vitesse de forage et contiennent un ensemble de coefficients empiriques qui combinent l'influence de mécanismes de forage difficiles à modéliser, tels que l'hydraulique, l'interaction coupe-roche, le trépan. conception, caractéristiques de l'assemblage de fond de trou, type de boue et nettoyage des trous.Bien que ces modèles ROP traditionnels ne fonctionnent généralement pas bien par rapport aux données de terrain, ils constituent un tremplin important vers des techniques de modélisation plus récentes.Des modèles modernes, plus puissants, basés sur des statistiques et dotés d'une flexibilité accrue, peuvent améliorer la précision de la modélisation ROP.Gandelman (2012) a signalé une amélioration significative de la modélisation ROP en utilisant des réseaux de neurones artificiels au lieu des modèles ROP traditionnels dans les puits de pétrole des bassins pré-salifères au large du Brésil.Les réseaux de neurones artificiels sont également utilisés avec succès pour la prédiction de la ROP dans les travaux de Bilgesu et al.(1997), Moran et coll.(2010) et Esmaeili et al.(2012).Cependant, une telle amélioration de la modélisation ROP se fait au détriment de l’interprétabilité du modèle.Par conséquent, les modèles ROP traditionnels sont toujours pertinents et constituent une méthode efficace pour analyser la manière dont un paramètre de forage spécifique affecte le taux de pénétration.

ROPPlotter, un logiciel de visualisation de données de terrain et de modélisation ROP développé dans Microsoft Excel VBA (Soares, 2015), est utilisé pour calculer les coefficients du modèle et comparer les performances du modèle.