بهینه‌سازی حفاری میدان‌های نفتی مارون و رامین با استفاده از مدل‌های‌ ریاضی

نوع مقاله : مقاله پژوهشی

چکیده

دلیل پیدایش بهینه‌سازی حفاری بالا بودن هزینه‌های حفاری و پایین بودن سرعت حفر چاه‌ها بوده است. هدف نهایی از فرایند بهینه‌سازی، کاهش پارامترهای مزاحم در عملیات حفاری تا کمترین میزان ممکن و همچنین تغییر پارامترهای هیدرولیکی و مکانیکی تا رسیدن به میزان نفوذ بهینه است. در عمل، پروسه‌های حفاری داخل کشور غالبا بصورت تجربی صورت گرفته است که مصون از خطا و اشتباه نبوده و منجربه بروز اتلاف‌های ناخواسته‌ای شده است. دربخش اول این مطالعه، الگوی بورگاین یانگ بهبود یافته روی داده‌های مربوط به 10 چاه از میدان رامین با استفاده از روش الگوریتم ژنتیک پیاده می‌شوند. دلیل انتخاب این مدل این است که نسبت به سایر مدل‌ها عوامل تاثیر گذار بیشتری را در بر می گیرد. همچنین داده‌های مورد نیاز آن در گزارش‌های روزانه یافت میگردد. پس از پیاده‌سازی اطلاعات چاه‌های مورد مطالعه روی مدل مذکور، همخوانی بالایی بین داده های واقعی و پیش‌بینی شده را شاهد بودیم. این امر بدین معنی است که این مدل گزینه‎‌ی مناسبی جهت انجام مدلسازی عملیات حفاری در میدان رامین می‌باشد. در بخش دوم، با استفاده از مدل ساخته‌شده، الگوریتم ژنتیک و معادلات بهینه‌سازی هیدرولیک یک مدل بهینه‌سازی حفاری ارائه میدهیم و داده‌های یک حلقه چاه را به وسیله‌ی آن بهینه‌سازی میکنیم. نتایج این بهینه سازی و مقایسه آن با داده‌های واقعی چاه نشان میدهد که نرخ نفوذ مته بطور متوسط بهبود 100 درصدی داشته و همچنین تمیزسازی چاه به خوبی صورت میگیرد. که این اتفاق باعث کاهش قابل توجه زمان حفاری و هزینه‌های سنگین اجاره‌ی دکل‌های خشکی و ساحلی می‌شود.

کلیدواژه‌ها


[1] A. Bahari and A. B. Seyed, “Drilling Cost Optimization in Iranian Khangiran Gas Field,” presented at the International Oil Conference and Exhibition in Mexico, 2007, doi: 10.2118/108246-ms.##[2] M. Ane Mongoli, A. Ramezanzadeh And B. Tokhmeh chi, ” Determination of reservoir drilling capability based on drilling penetration rate in an oil well in southwestern Iran”, Journal of Petroleum Geomechanics, Dec 2017. (In Persian).##[3] M. Bataee, M. Kamyab, and R. Ashena,“Investigation of Various ROP Models and Optimization of Drilling Parameters for PDC and Roller-cone Bits in Shadegan Oil Field,” presented at the International Oil and Gas Conference and Exhibition in China, 2010, doi: 10.2118/130932-ms.##[4] A. Afrasiabian, B. Ahangari, K. Arjmand and Y. Salmani, “Investigation of the effect of drilling machine operating parameters in oil wells on drilling drill penetration rate using artificial neural networks and multivariate linear regression statistical analysis Second National Conference on Petroleum Geomechanics,, 2019.(In Persian).##[5] M. Bingham, “A New Approach to Interpreting Rock Drillability”, Reprinted from Oil and Gas J. series by Petroleum Publishing Co., April. 1965.##[6] A. Nascimento, D. Tamas Kutas, A. Elmgerbi,G. Thonhauser, and M. Hugo Mathias, “Mathematical
Modeling Applied to Drilling Engineering:An Application of Bourgoyne and YoungROP Model to a Presalt Case Study,” Mathematical Problems in Engineering, vol. 2015, pp.1–9, 2015, doi:10.1155/2015/631290.##[7] R. E. Osgouei, “Rate of penetration estimation model for directional and horizontalwells”, Msc Thesis, Middle East Technical University,2007.##[8] M. Anemangely, A. Ramezanzadeh, and B.Tokhmechi, “Determination of constant coefficients of Bourgoyne and Young drilling rate model using a novel evolutionary algorithm,”Journal of Mining and Environment, no. Online First, Jan. 2017, doi: 10.22044/jme.2017.842.##[9] B. Soleimani, Q. Abdolrahimi, A. Ashjaee, And A. Charchi, “Study of lithology and construction model of Gachsaran Formation in Maroon oil field using geostatistical methods”,Journal of Advanced Applied Geology, 2013. (In Persian).##[10] M. H. Bahari, A. Bahari, F. N. Moharrami,and M. B. N. Sistani, “Determining Bourgoyne and Young Model Coefficients Using Genetic Algorithm to Predict Drilling Rate,” J. of Applied Sciences, vol. 8, no. 17, pp. 3050–3054, Aug. 2008, doi: 10.3923/jas.2008.3050.3054.##[11] M H Bahari, A Bahari, F Nejati, R Rajaei,& B Vosoughi-V. (2009). Drilling Rate Prediction Using Bourgoyne and Young Model Associated
with Genetic.##[12] Shazaly S. Ahmed*1 & Ahmed A. Ibrahim2, “BOURGOYNE AND YOUNG MODEL DEVELOPMENT REVIEW,” Zenodo, Jun. 2019, doi: 10.5281/ZENODO.3256067.##[13] A. T. Bourgoyne, F.S. Young And K.K. Millheim, “Applied drilling engineering,” Society of Petroleum Engineers, 1999.##[15] O. Falode and C. Agbarakwe, “Optimisation of Drilling Parameters for Directional and Horizontal Wells Using Genetic Algorithm,”JSRR, vol. 11, no. 3, pp. 1–10, Jan. 2016, doi:10.9734/jsrr/2016/27061.##[16] S. Formighieri and P. J. de F. Filho, “Estimationof Bourgoyne and Young Model coefficients using Markov Chain Monte Carlo simulation,” presented at the 2015 Winter Simulation Conference (WSC), Dec. 2015, doi: 10.1109/ wsc.2015.7408243.##[17] A. Al-AbdulJabbar et al., “Prediction of the Rate of Penetration while Drilling Horizontal Carbonate Reservoirs Using the Self-Adaptive Artificial Neural Networks Technique,” Sustainability, vol. 12, no. 4, p. 1376, Feb. 2020, doi:10.3390/su12041376.##[18] J. O. Ogunrinde and A. Dosunmu, “Hydraulics Optimization for Efficient Hole Cleaning in Deviated and Horizontal Wells,” presented at the Nigeria Annual International Conference and Exhibition, 2012, doi: 10.2118/162970-ms.##[19] A. T. Bourgoyne Jr. and F. S. Young Jr., “A Multiple Regression Approach to Optimal Drilling and Abnormal Pressure Detection,” Society of Petroleum Engineers Journal, vol. 14, no. 04, pp. 371–384, Aug. 1974, doi: 10.2118/4238-pa.