వియుక్త
ప్రస్తుత తక్కువ చమురు ధర పరిస్థితులు, చమురు మరియు గ్యాస్ బావుల డ్రిల్లింగ్ సమయాన్ని ఆదా చేయడానికి మరియు కార్యాచరణ ఖర్చులను తగ్గించడానికి డ్రిల్లింగ్ ఆప్టిమైజేషన్‌పై దృష్టిని పునరుద్ధరించాయి. రేట్ ఆఫ్ పెనెట్రేషన్ (ROP) మోడలింగ్ అనేది డ్రిల్లింగ్ పారామితులను ఆప్టిమైజ్ చేయడంలో కీలకమైన సాధనం, అవి వేగవంతమైన డ్రిల్లింగ్ ప్రక్రియల కోసం బిట్ బరువు మరియు రోటరీ వేగం. Excel VBA, ROPPlotterలో అభివృద్ధి చేయబడిన ఒక నవల, ఆల్-ఆటోమేటెడ్ డేటా విజువలైజేషన్ మరియు ROP మోడలింగ్ టూల్‌తో, ఈ పని మోడల్ పనితీరును మరియు రెండు వేర్వేరు PDC బిట్ ROP మోడళ్ల మోడల్ కోఎఫీషియంట్స్‌పై రాక్ స్ట్రెంత్ ప్రభావాన్ని పరిశీలిస్తుంది: Hareland and Rampersad (1994) మరియు Motahhari మరియు ఇతరులు. (2010) ఈ రెండు PDC బిట్ మోడల్‌లను బేస్ కేస్‌తో పోల్చారు, బక్కన్ షేల్ క్షితిజ సమాంతర బావి యొక్క నిలువు విభాగంలో మూడు వేర్వేరు ఇసుకరాయి నిర్మాణాలలో బింగ్‌హామ్ (1964) అభివృద్ధి చేసిన సాధారణ ROP సంబంధం. మొదటిసారిగా, అదే విధమైన డ్రిల్లింగ్ పారామితులతో లిథాలజీలను పరిశోధించడం ద్వారా ROP మోడల్ కోఎఫీషియంట్‌లపై రాతి బలం యొక్క వివిధ ప్రభావాన్ని వేరుచేసే ప్రయత్నం చేయబడింది. అదనంగా, తగిన మోడల్ కోఎఫీషియంట్స్ హద్దులను ఎంచుకోవడం యొక్క ప్రాముఖ్యతపై సమగ్ర చర్చ నిర్వహించబడుతుంది. రాక్ స్ట్రెంగ్త్, హేర్‌ల్యాండ్ మరియు మోతహరి మోడల్స్‌లో ఉంది కానీ బింగ్‌హామ్‌లో కాదు, మోటహరి మోడల్‌కు పెరిగిన RPM టర్మ్ ఎక్స్‌పోనెంట్‌తో పాటు, మునుపటి మోడల్‌లకు స్థిరమైన గుణకం మోడల్ కోఎఫీషియంట్‌ల యొక్క అధిక విలువలను కలిగిస్తుంది. ఈ నిర్దిష్ట డేటాసెట్‌తో ఉన్న మూడు మోడళ్లలో హేర్‌ల్యాండ్ మరియు రాంపర్‌సాడ్ మోడల్ అత్యుత్తమ పనితీరును కనబరుస్తుంది. సాంప్రదాయ ROP మోడలింగ్ యొక్క ప్రభావం మరియు అనువర్తితత ప్రశ్నార్థకం చేయబడింది, ఎందుకంటే ఇటువంటి నమూనాలు అనుభావిక గుణకాల సమితిపై ఆధారపడతాయి, ఇవి మోడల్ సూత్రీకరణలో పరిగణించబడని అనేక డ్రిల్లింగ్ కారకాల ప్రభావాన్ని కలిగి ఉంటాయి మరియు నిర్దిష్ట శిలాశాస్త్రానికి ప్రత్యేకమైనవి.
పరిచయం
PDC (పాలీక్రిస్టలైన్ డైమండ్ కాంపాక్ట్) బిట్‌లు నేడు చమురు మరియు గ్యాస్ బావుల డ్రిల్లింగ్‌లో ఉపయోగించే ప్రధాన బిట్-రకం. బిట్ పనితీరును సాధారణంగా చొచ్చుకుపోయే రేటు (ROP) ద్వారా కొలుస్తారు, ఇది యూనిట్ సమయానికి వేసిన రంధ్రం యొక్క పొడవు పరంగా బావి ఎంత వేగంగా తవ్వబడుతుందో సూచిస్తుంది. డ్రిల్లింగ్ ఆప్టిమైజేషన్ ఇప్పుడు దశాబ్దాలుగా ఇంధన కంపెనీల ఎజెండాలలో ముందంజలో ఉంది మరియు ప్రస్తుత తక్కువ చమురు ధరల వాతావరణంలో (హేర్‌ల్యాండ్ మరియు రాంపర్‌సాడ్, 1994) ఇది మరింత ప్రాముఖ్యతను సంతరించుకుంది. సాధ్యమైనంత ఉత్తమమైన ROPని ఉత్పత్తి చేయడానికి డ్రిల్లింగ్ పారామితులను ఆప్టిమైజ్ చేయడంలో మొదటి దశ, డ్రిల్లింగ్ రేటుకు ఉపరితలం వద్ద పొందిన కొలతలకు సంబంధించిన ఖచ్చితమైన నమూనాను అభివృద్ధి చేయడం.
నిర్దిష్ట బిట్ రకం కోసం ప్రత్యేకంగా అభివృద్ధి చేయబడిన నమూనాలతో సహా అనేక ROP నమూనాలు సాహిత్యంలో ప్రచురించబడ్డాయి. ఈ ROP నమూనాలు సాధారణంగా లిథాలజీ-ఆధారిత అనేక అనుభావిక గుణకాలను కలిగి ఉంటాయి మరియు డ్రిల్లింగ్ పారామితులు మరియు చొచ్చుకుపోయే రేటు మధ్య సంబంధాన్ని గ్రహణశక్తిని దెబ్బతీస్తాయి. మోడల్ పనితీరును విశ్లేషించడం మరియు మోడల్ కోఎఫీషియంట్‌లు వేర్వేరు డ్రిల్లింగ్ పారామితులతో ఫీల్డ్ డేటాకు ఎలా స్పందిస్తాయో విశ్లేషించడం ఈ అధ్యయనం యొక్క ఉద్దేశ్యం, ప్రత్యేకించి రాక్ బలం, రెండుPDC బిట్ నమూనాలు (హేర్‌ల్యాండ్ మరియు రాంపర్సాద్, 1994, మోతహరి మరియు ఇతరులు., 2010). మోడల్ కోఎఫీషియంట్‌లు మరియు పనితీరును బేస్ కేస్ ROP మోడల్ (బింగ్‌హామ్, 1964)తో పోల్చారు, ఇది పరిశ్రమ అంతటా విస్తృతంగా వర్తించే మొదటి ROP మోడల్‌గా పనిచేసిన సరళమైన సంబంధం మరియు ప్రస్తుతం వాడుకలో ఉంది. వివిధ రాతి బలాలతో మూడు ఇసుకరాయి నిర్మాణాలలో డ్రిల్లింగ్ ఫీల్డ్ డేటా పరిశోధించబడుతుంది మరియు ఈ మూడు మోడళ్ల కోసం మోడల్ కోఎఫీషియంట్స్ గణించబడతాయి మరియు ఒకదానితో ఒకటి పోల్చబడతాయి. ప్రతి రాతి నిర్మాణంలో హేర్‌లాండ్ మరియు మోతహరి నమూనాల గుణకాలు బింగ్‌హామ్ మోడల్ కోఎఫీషియంట్‌ల కంటే విస్తృత పరిధిని కలిగి ఉంటాయని ప్రతిపాదించబడింది, ఎందుకంటే తరువాతి సూత్రీకరణలో వివిధ రాతి బలం స్పష్టంగా లెక్కించబడదు. మోడల్ పనితీరు కూడా మూల్యాంకనం చేయబడుతుంది, ఇది నార్త్ డకోటాలోని బక్కెన్ షేల్ ప్రాంతానికి ఉత్తమమైన ROP మోడల్ ఎంపికకు దారితీసింది.
ఈ పనిలో చేర్చబడిన ROP మోడల్‌లు డ్రిల్లింగ్ రేటుకు కొన్ని డ్రిల్లింగ్ పారామితులకు సంబంధించిన వంకలేని సమీకరణాలను కలిగి ఉంటాయి మరియు హైడ్రాలిక్స్, కట్టర్-రాక్ ఇంటరాక్షన్, బిట్ వంటి హార్డ్-టు-మోడల్ డ్రిల్లింగ్ మెకానిజమ్‌ల ప్రభావాన్ని మిళితం చేసే అనుభావిక గుణకాల సమితిని కలిగి ఉంటాయి. డిజైన్, బాటమ్-హోల్ అసెంబ్లీ లక్షణాలు, మట్టి రకం మరియు రంధ్రం శుభ్రపరచడం. ఫీల్డ్ డేటాతో పోల్చినప్పుడు ఈ సాంప్రదాయ ROP మోడల్‌లు సాధారణంగా బాగా పని చేయనప్పటికీ, అవి కొత్త మోడలింగ్ పద్ధతులకు ఒక ముఖ్యమైన సోపానాన్ని అందిస్తాయి. ఆధునిక, మరింత శక్తివంతమైన, పెరిగిన వశ్యతతో గణాంకాల ఆధారిత నమూనాలు ROP మోడలింగ్ యొక్క ఖచ్చితత్వాన్ని మెరుగుపరుస్తాయి. గాండెల్‌మాన్ (2012) బ్రెజిల్ ఆఫ్‌షోర్‌లోని ఉప్పు-పూర్వ బేసిన్‌లలోని చమురు బావులలో సాంప్రదాయ ROP మోడల్‌లకు బదులుగా కృత్రిమ న్యూరల్ నెట్‌వర్క్‌లను ఉపయోగించడం ద్వారా ROP మోడలింగ్‌లో గణనీయమైన మెరుగుదలని నివేదించింది. ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్‌లు బిల్గేసు మరియు ఇతరుల పనులలో ROP ప్రిడిక్షన్ కోసం కూడా విజయవంతంగా ఉపయోగించబడ్డాయి. (1997), మోరన్ మరియు ఇతరులు. (2010) మరియు ఎస్మైలీ మరియు ఇతరులు. (2012) అయినప్పటికీ, ROP మోడలింగ్‌లో ఇటువంటి మెరుగుదల మోడల్ ఇంటర్‌ప్రెటబిలిటీ యొక్క వ్యయంతో వస్తుంది. అందువల్ల, సాంప్రదాయ ROP నమూనాలు ఇప్పటికీ సంబంధితంగా ఉంటాయి మరియు నిర్దిష్ట డ్రిల్లింగ్ పరామితి వ్యాప్తి రేటును ఎలా ప్రభావితం చేస్తుందో విశ్లేషించడానికి సమర్థవంతమైన పద్ధతిని అందిస్తాయి.
మైక్రోసాఫ్ట్ ఎక్సెల్ VBA (సోరెస్, 2015)లో అభివృద్ధి చేయబడిన ఫీల్డ్ డేటా విజువలైజేషన్ మరియు ROP మోడలింగ్ సాఫ్ట్‌వేర్ అయిన ROPPlotter, మోడల్ కోఎఫీషియంట్‌లను లెక్కించడంలో మరియు మోడల్ పనితీరును పోల్చడంలో ఉపయోగించబడుతుంది.
పోస్ట్ సమయం: సెప్టెంబర్-01-2023