Blog

Apr 19, 2023

Modellazione del tasso di penetrazione nelle operazioni di perforazione utilizzando i modelli RBF, MLP, LSSVM e DT

Scientific Reports volume 12,

Rapporti scientifici volume 12, numero articolo: 11650 (2022) Citare questo articolo

1345 accessi

4 citazioni

Dettagli sulle metriche

Uno dei problemi più importanti che deve affrontare l’industria della perforazione è il costo di perforazione. Molti fattori influenzano il costo della perforazione. L’aumento del tempo di perforazione ha un ruolo significativo nell’aumento dei costi di perforazione. Una delle soluzioni per ridurre i tempi di perforazione è ottimizzare la velocità di perforazione. La perforazione dei pozzi nel momento ottimale ridurrà i tempi e quindi i costi di perforazione. La velocità di perforazione dipende da diversi fattori, alcuni dei quali controllabili e altri incontrollabili. In questo studio sono stati proposti diversi modelli intelligenti e una correlazione per prevedere il tasso di penetrazione (ROP), che è molto importante per pianificare un'operazione di perforazione. Sono stati utilizzati 5040 punti dati reali provenienti da un campo nel sud dell'Iran. Il ROP è stato modellato utilizzando la funzione a base radiale, l'albero decisionale (DT), la macchina vettoriale minima quadrata (LSSVM) e il perceptron multistrato (MLP). L'algoritmo di regolarizzazione bayesiano (BRA), l'algoritmo di gradiente coniugato in scala e l'algoritmo di Levenberg-Marquardt sono stati utilizzati per addestrare MLP e il potenziamento del gradiente (GB) è stato utilizzato per DT. Per valutare l’accuratezza dei modelli sviluppati sono state utilizzate sia tecniche grafiche che statistiche. I risultati hanno mostrato che il modello DT-GB con un R2 di 0,977 ha le prestazioni migliori, seguito da LSSVM e MLP-BRA con R2 di 0,971 e 0,969, rispettivamente. A parte questo, la correlazione empirica proposta ha un’accuratezza accettabile nonostante la semplicità. Inoltre, l’analisi di sensibilità ha dimostrato che la profondità e la pressione della pompa hanno gli effetti maggiori sul ROP. Inoltre, l’approccio basato sulla leva finanziaria ha confermato che il modello DT-GB sviluppato è valido dal punto di vista statistico e che circa l’1% dei dati è sospetto o è al di fuori del campo di applicabilità del modello.

Uno dei problemi più importanti che l’industria petrolifera, in particolare l’industria della trivellazione, deve affrontare sono i costi di perforazione e ha attirato molta attenzione negli ultimi decenni. Molti fattori possono influenzare il costo della perforazione, il più importante dei quali è il tempo di perforazione del pozzo, che può aumentare più volte i costi di perforazione. Pertanto, ridurre i tempi di perforazione è uno degli obiettivi più significativi degli ingegneri di perforazione1,2,3. In altre parole, uno degli obiettivi principali dell'ottimizzazione della perforazione è ridurre il tempo totale4. A questo scopo sono state proposte due modalità: la scelta delle variabili di perforazione ottimali (ad esempio la scelta del tipo di fluido di perforazione e della punta di perforazione adatti) e l'analisi istantanea in modo da ottimizzare parametri operativi come la velocità di rotazione e il peso della punta durante la perforazione4.

Il fattore principale che influenza il tempo di perforazione è il tasso di penetrazione (ROP)5. Pertanto, la precisione del modello ROP è fondamentale6. Molti parametri influenzano la velocità di perforazione, comprese le proprietà del fango di perforazione, le caratteristiche della formazione, la velocità di rotazione e le caratteristiche della punta2,7. I principali parametri che influenzano il ROP sono presentati in Fig. 1. Alcuni di questi parametri sono incontrollabili, come le caratteristiche della formazione, e altri sono controllabili, come le proprietà del fango di perforazione. È possibile studiare facilmente l'effetto di diversi parametri individualmente sul ROP, come la resistenza della roccia, i giri al minuto (RPM) e il peso sulla punta (WOB)8. L’aumento della resistenza a compressione uniassiale della roccia in formazione provoca l’indurimento e quindi diminuisce la velocità di penetrazione8,9. I parametri di perforazione sono anche fattori controllabili per modificare la velocità di perforazione. Il tipo di punta e il suo genere10, l'adattamento della punta e la sua formazione sono efficaci nell'aumentare la velocità di perforazione. Sebbene l'aumento di RPM11 aumenti la velocità di perforazione nelle formazioni morbide, ciò non è direttamente visibile nelle formazioni dure e basse velocità di rotazione possono comportare velocità di perforazione migliori. La portata e le caratteristiche del fango di perforazione, come la viscosità plastica (PV), il peso del fango (MW) e il punto di snervamento (YP) determinano la capacità del fango di trasferire i detriti di perforazione in superficie. Un migliore trasporto del taglio in superficie previene l'accumulo di trucioli e riaffilatura e aumenta la velocità di perforazione. Il WOB determina il grado di contatto e penetrazione della punta nella formazione che dipende dal tipo di roccia e può aumentare la velocità di perforazione, ma il WOB ha una relazione diretta con la velocità di perforazione in una certa misura, e quindi non ha un grande effetto impatto sul tasso di perforazione12,13. Sono stati proposti molti modelli per prevedere il ROP, ma sono problematici in quanto ottenuti in laboratorio o utilizzando dati di campo incompleti2,14. In altre parole, gli effetti delle variabili di perforazione sul ROP non sono ancora stati compresi completamente15. Finora sono stati proposti diversi metodi per ottimizzare la velocità di perforazione, ma a causa del fatto che un gran numero di parametri influenzano la velocità di perforazione, lo sviluppo di un modello efficiente e completo è molto difficile. D’altro canto, la complessa relazione tra questi parametri ha portato alla mancanza di un modello esaustivo2,14.