كيف يمكن معرفة تقييم نماذج معدل اختراق لقمة الحفر PDC وتأثير قوة الصخور على معاملات النموذج؟

خلاصة

أدت ظروف انخفاض أسعار النفط الحالية إلى تجدد التركيز على تحسين عمليات الحفر بهدف توفير الوقت في حفر آبار النفط والغاز وخفض التكاليف التشغيلية. يُعدّ نمذجة معدل الاختراق (ROP) أداةً أساسيةً في تحسين معايير الحفر، وتحديدًا وزن المثقاب وسرعة الدوران، لتسريع عمليات الحفر. باستخدام أداة ROPPlotter، وهي أداة جديدة ومؤتمتة بالكامل لعرض البيانات ونمذجة معدل الاختراق، تم تطويرها باستخدام لغة VBA في برنامج Excel، تبحث هذه الدراسة أداء النموذج وتأثير قوة الصخور على معاملات نموذجين مختلفين لمعدل الاختراق باستخدام مثقاب PDC: نموذج هارلاند ورامبرساد (1994) ونموذج موتاهاري وآخرون (2010). بت PDC تُقارن النماذج بحالة أساسية، وهي علاقة عامة لمعدل الاختراق (ROP) طورها بينغهام (1964) في ثلاث تكوينات رملية مختلفة في المقطع الرأسي لبئر أفقي في تكوين باكن الصخري. ولأول مرة، بُذلت محاولة لعزل تأثير اختلاف قوة الصخور على معاملات نموذج معدل الاختراق من خلال دراسة أنواع الصخور ذات معايير حفر متشابهة. بالإضافة إلى ذلك، أُجري نقاش شامل حول أهمية اختيار حدود مناسبة لمعاملات النموذج. قوة الصخور، التي أُخذت في الاعتبار في نموذجي هارلاند وموتاهاري ولكن ليس في نموذج بينغهام، تؤدي إلى قيم أعلى لمعاملات النموذج ذات المضاعف الثابت في النموذجين الأولين، بالإضافة إلى زيادة في أسّ مصطلح RPM في نموذج موتاهاري. وقد أظهر نموذج هارلاند ورامبرساد أنه الأفضل أداءً من بين النماذج الثلاثة مع هذه المجموعة المحددة من البيانات. تُثار التساؤلات حول فعالية وقابلية تطبيق نماذج معدل الاختراق التقليدية، حيث تعتمد هذه النماذج على مجموعة من المعاملات التجريبية التي تتضمن تأثير العديد من عوامل الحفر التي لم يتم أخذها في الاعتبار في صياغة النموذج، وهي فريدة من نوعها لنوع معين من الصخور.

مقدمة

تُعدّ رؤوس الحفر المصنوعة من الماس متعدد البلورات (PDC) النوع الأكثر شيوعًا في حفر آبار النفط والغاز اليوم. ويُقاس أداء رأس الحفر عادةً بمعدل الاختراق (ROP)، وهو مؤشر على سرعة حفر البئر من حيث طول الحفرة المحفورة في وحدة الزمن. وقد تصدّر تحسين عمليات الحفر أولويات شركات الطاقة لعقود، ويكتسب أهميةً متزايدةً في ظل انخفاض أسعار النفط الحالي (هارلاند ورامبرساد، 1994). وتتمثل الخطوة الأولى في تحسين معايير الحفر لتحقيق أفضل معدل اختراق ممكن في تطوير نموذج دقيق يربط القياسات السطحية بمعدل الحفر.

نُشرت في الأدبيات العلمية عدة نماذج لحساب معدل الاختراق، بما في ذلك نماذج طُوّرت خصيصًا لنوع معين من رؤوس الحفر. تحتوي هذه النماذج عادةً على عدد من المعاملات التجريبية التي تعتمد على نوع الصخور، وقد تُعيق فهم العلاقة بين معايير الحفر ومعدل الاختراق. تهدف هذه الدراسة إلى تحليل أداء النموذج وكيفية استجابة معاملاته لبيانات الحقل مع اختلاف معايير الحفر، ولا سيما مقاومة الصخور، لنوعين من الصخور.بت PDC تم استخدام نماذج (هارلاند ورامبرساد، 1994، ومطهاري وآخرون، 2010). كما تمت مقارنة معاملات النماذج وأدائها بنموذج أساسي لمعدل الاختراق (بينغهام، 1964)، وهو نموذج مبسط كان أول نموذج لمعدل الاختراق يُستخدم على نطاق واسع في الصناعة ولا يزال قيد الاستخدام حتى الآن. تمت دراسة بيانات حقول الحفر في ثلاث تكوينات من الحجر الرملي ذات قوى صخرية متفاوتة، وحُسبت معاملات هذه النماذج الثلاثة وقورنت فيما بينها. يُفترض أن معاملات نموذجي هارلاند ومطهاري في كل تكوين صخري ستغطي نطاقًا أوسع من معاملات نموذج بينغهام، نظرًا لعدم مراعاة تفاوت قوة الصخور بشكل صريح في الصيغة الأخيرة. كما تم تقييم أداء النماذج، مما أدى إلى اختيار أفضل نموذج لمعدل الاختراق لمنطقة طفلة باكن في داكوتا الشمالية.

تتألف نماذج معدل الاختراق (ROP) المُدرجة في هذه الدراسة من معادلات غير مرنة تربط بعض معايير الحفر بمعدل الحفر، وتحتوي على مجموعة من المعاملات التجريبية التي تجمع تأثير آليات الحفر التي يصعب نمذجتها، مثل الهيدروليكا، وتفاعل قاطع الحفر مع الصخور، وتصميم رأس الحفر، وخصائص مجموعة قاع البئر، ونوع الطين، وتنظيف البئر. على الرغم من أن هذه النماذج التقليدية لمعدل الاختراق لا تُحقق أداءً جيدًا عند مقارنتها ببيانات الحقل، إلا أنها تُشكل خطوة هامة نحو تقنيات النمذجة الأحدث. يمكن للنماذج الحديثة، الأكثر قوة، والقائمة على الإحصاءات، والتي تتميز بمرونة أكبر، تحسين دقة نمذجة معدل الاختراق. وقد أشار غاندلمان (2012) إلى تحسن ملحوظ في نمذجة معدل الاختراق باستخدام الشبكات العصبية الاصطناعية بدلًا من النماذج التقليدية في آبار النفط في أحواض ما قبل الملح قبالة سواحل البرازيل. كما استُخدمت الشبكات العصبية الاصطناعية بنجاح للتنبؤ بمعدل الاختراق في دراسات بيلجيسو وآخرون (1997)، وموران وآخرون (2010)، وإسماعيلي وآخرون (2012). مع ذلك، يأتي هذا التحسين في نمذجة معدل الاختراق على حساب سهولة تفسير النموذج. لذا، لا تزال نماذج معدل الاختراق التقليدية ذات صلة وتوفر طريقة فعالة لتحليل كيفية تأثير معلمات الحفر المحددة على معدل الاختراق.

يتم استخدام برنامج ROPPlotter، وهو برنامج لتصور بيانات الحقل ونمذجة ROP تم تطويره في Microsoft Excel VBA (Soares، 2015)، في حساب معاملات النموذج ومقارنة أداء النموذج.