પીડીસી બીટ આરઓપી મોડલ્સનું મૂલ્યાંકન અને મોડેલ ગુણાંક પર રોકની શક્તિની અસર કેવી રીતે જાણી શકાય?

અમૂર્ત

તેલ અને ગેસના કુવાઓના ડ્રિલિંગનો સમય બચાવવા અને ઓપરેશનલ ખર્ચ ઘટાડવા માટે તેલની વર્તમાન નીચી કિંમતની સ્થિતિએ ડ્રિલિંગ ઑપ્ટિમાઇઝેશન પર ભાર મૂક્યો છે. ઘૂંસપેંઠનો દર (ROP) મોડેલિંગ એ ડ્રિલિંગ પરિમાણોને ઑપ્ટિમાઇઝ કરવા માટેનું મુખ્ય સાધન છે, જેમ કે ઝડપી ડ્રિલિંગ પ્રક્રિયાઓ માટે બીટ વેઇટ અને રોટરી સ્પીડ. એક્સેલ વીબીએ, આરઓપીપ્લોટરમાં વિકસિત નવલકથા, ઓલ-ઓટોમેટેડ ડેટા વિઝ્યુલાઇઝેશન અને આરઓપી મોડેલિંગ ટૂલ સાથે, આ કાર્ય મોડેલ પ્રદર્શન અને બે અલગ-અલગ પીડીસી બીટ આરઓપી મોડલ્સના મોડેલ ગુણાંક પર રોકની શક્તિની અસરની તપાસ કરે છે: હેરલેન્ડ અને રામપરસાડ (1994) અને મોતાહરી વગેરે (2010). આ બે પીડીસી બીટ બેકન શેલ હોરીઝોન્ટલ વેલના વર્ટિકલ સેક્શનમાં ત્રણ અલગ-અલગ સેન્ડસ્ટોન ફોર્મેશનમાં બિંગહામ (1964) દ્વારા વિકસાવવામાં આવેલ સામાન્ય આરઓપી રિલેશન, બેઝ કેસ સાથે મૉડલ્સની સરખામણી કરવામાં આવે છે. પ્રથમ વખત, અન્યથા સમાન ડ્રિલિંગ પરિમાણો સાથે લિથોલોજીસની તપાસ કરીને ROP મોડેલ ગુણાંક પર વિવિધ ખડકોની શક્તિની અસરને અલગ કરવાનો પ્રયાસ કરવામાં આવ્યો છે. વધુમાં, યોગ્ય મોડેલ ગુણાંકની સીમાઓ પસંદ કરવાના મહત્વ પર વ્યાપક ચર્ચા હાથ ધરવામાં આવે છે. ખડકની મજબૂતાઈ, હેરલેન્ડ અને મોટાહરીના મોડલ્સમાં ગણાય છે પરંતુ બિંગહામમાં નહીં, મોતાહરીના મોડલ માટે વધેલા RPM ટર્મ એક્સ્પોનન્ટ ઉપરાંત, ભૂતપૂર્વ મોડલ્સ માટે સતત ગુણક મોડલ ગુણાંકના ઊંચા મૂલ્યોમાં પરિણમે છે. હેરલેન્ડ અને રામપરસાડનું મોડેલ આ ચોક્કસ ડેટાસેટ સાથેના ત્રણ મોડલમાંથી શ્રેષ્ઠ પ્રદર્શન કરતા દર્શાવવામાં આવ્યું છે. પરંપરાગત આરઓપી મૉડલિંગની અસરકારકતા અને પ્રયોજ્યતા પર પ્રશ્નાર્થ ઊભો થાય છે, કારણ કે આવા મૉડલ પ્રયોગમૂલક ગુણાંકના સમૂહ પર આધાર રાખે છે જે મૉડલની રચનામાં જવાબદાર ન હોય તેવા ઘણા ડ્રિલિંગ પરિબળોની અસરને સમાવિષ્ટ કરે છે અને તે ચોક્કસ લિથોલોજી માટે અનન્ય છે.

પરિચય

પીડીસી (પોલીક્રિસ્ટલાઇન ડાયમંડ કોમ્પેક્ટ) બિટ્સ એ પ્રબળ બિટ-પ્રકાર છે જેનો ઉપયોગ આજે તેલ અને ગેસ કુવાઓ ડ્રિલિંગમાં થાય છે. બીટ પર્ફોર્મન્સ સામાન્ય રીતે ઘૂંસપેંઠના દર (ROP) દ્વારા માપવામાં આવે છે, જે એકમ સમય દીઠ ડ્રિલ કરેલા છિદ્રની લંબાઈના સંદર્ભમાં કૂવામાં કેટલી ઝડપથી ડ્રિલ કરવામાં આવે છે તેનો સંકેત આપે છે. ડ્રિલિંગ ઑપ્ટિમાઇઝેશન એ દાયકાઓથી ઊર્જા કંપનીઓના એજન્ડામાં મોખરે રહ્યું છે, અને વર્તમાન નીચા તેલની કિંમતના વાતાવરણ દરમિયાન તે વધુ મહત્વ મેળવે છે (હેરલેન્ડ અને રામપરસાડ, 1994). શ્રેષ્ઠ શક્ય આરઓપી બનાવવા માટે ડ્રિલિંગ પરિમાણોને ઑપ્ટિમાઇઝ કરવા માટેનું પ્રથમ પગલું એ સપાટી પર ડ્રિલિંગ દરથી મેળવેલા માપને સંબંધિત ચોક્કસ મોડેલનો વિકાસ છે.

કેટલાક આરઓપી મોડેલો, જેમાં ચોક્કસ બીટ પ્રકાર માટે ખાસ વિકસાવવામાં આવેલ મોડેલો સહિત, સાહિત્યમાં પ્રકાશિત કરવામાં આવ્યા છે. આ આરઓપી મોડેલોમાં સામાન્ય રીતે સંખ્યાબંધ પ્રયોગમૂલક ગુણાંક હોય છે જે લિથોલોજી-આધારિત હોય છે અને ડ્રિલિંગ પરિમાણો અને ઘૂંસપેંઠના દર વચ્ચેના સંબંધની સમજને નબળી બનાવી શકે છે. આ અભ્યાસનો હેતુ મૉડલની કામગીરીનું પૃથ્થકરણ કરવાનો છે અને મોડલ ગુણાંકો વિવિધ ડ્રિલિંગ પરિમાણો સાથે ફિલ્ડ ડેટાને કેવી રીતે પ્રતિભાવ આપે છે, ખાસ કરીને ખડકની તાકાત, બે માટેપીડીસી બીટ મોડલ્સ (હેરલેન્ડ અને રામપરસાડ, 1994, મોતાહરી એટ અલ., 2010). મૉડલ ગુણાંક અને કામગીરીની સરખામણી બેઝ કેસ આરઓપી મૉડલ (બિંગહામ, 1964) સાથે પણ કરવામાં આવે છે, જે એક સરળ સંબંધ છે જે સમગ્ર ઉદ્યોગમાં વ્યાપકપણે લાગુ કરાયેલા પ્રથમ આરઓપી મૉડલ તરીકે સેવા આપે છે અને હાલમાં પણ ઉપયોગમાં છે. વિવિધ ખડકોની મજબૂતાઈ સાથે ત્રણ સેન્ડસ્ટોન ફોર્મેશનમાં ડ્રિલિંગ ફીલ્ડ ડેટાની તપાસ કરવામાં આવે છે, અને આ ત્રણ મોડલ માટેના મોડલ ગુણાંકની ગણતરી કરવામાં આવે છે અને એકબીજા સાથે સરખામણી કરવામાં આવે છે. એવું માનવામાં આવે છે કે દરેક ખડકની રચનામાં હેરલેન્ડ અને મોટાહરીના મોડલ માટેના ગુણાંકો બિંઘમના મોડેલ ગુણાંક કરતાં વિશાળ શ્રેણીમાં ફેલાયેલા હશે, કારણ કે પછીની રચનામાં અલગ-અલગ ખડકોની મજબૂતાઈને સ્પષ્ટપણે ગણવામાં આવતી નથી. મોડલની કામગીરીનું પણ મૂલ્યાંકન કરવામાં આવે છે, જે ઉત્તર ડાકોટામાં બેકન શેલ પ્રદેશ માટે શ્રેષ્ઠ ROP મોડલની પસંદગી તરફ દોરી જાય છે.

આ કાર્યમાં સમાવિષ્ટ આરઓપી મોડલ્સમાં અણધારી સમીકરણોનો સમાવેશ થાય છે જે ડ્રિલિંગ દર સાથે કેટલાક ડ્રિલિંગ પરિમાણોને સંબંધિત કરે છે અને તેમાં પ્રયોગમૂલક ગુણાંકનો સમૂહ હોય છે જે હાર્ડ-ટુ-મોડલ ડ્રિલિંગ મિકેનિઝમના પ્રભાવને જોડે છે, જેમ કે હાઇડ્રોલિક્સ, કટર-રોક ક્રિયાપ્રતિક્રિયા, બીટ ડિઝાઇન, બોટમ-હોલ એસેમ્બલી લાક્ષણિકતાઓ, કાદવનો પ્રકાર અને છિદ્રોની સફાઈ. જો કે આ પરંપરાગત આરઓપી મોડેલો સામાન્ય રીતે ફીલ્ડ ડેટાની સરખામણીમાં સારું પ્રદર્શન કરતા નથી, તેઓ નવી મોડેલિંગ તકનીકો માટે એક મહત્વપૂર્ણ સ્ટેપિંગ સ્ટોન પ્રદાન કરે છે. આધુનિક, વધુ શક્તિશાળી, વધેલી લવચીકતા સાથે આંકડા-આધારિત મોડેલો ROP મોડેલિંગની ચોકસાઈને સુધારી શકે છે. Gandelman (2012) એ બ્રાઝિલના પૂર્વ-મીઠા બેસિનમાં તેલના કુવાઓમાં પરંપરાગત ROP મોડલ્સને બદલે કૃત્રિમ ન્યુરલ નેટવર્કનો ઉપયોગ કરીને ROP મોડેલિંગમાં નોંધપાત્ર વૃદ્ધિની જાણ કરી છે. Bilgesu et al ના કાર્યોમાં ROP અનુમાન માટે કૃત્રિમ ન્યુરલ નેટવર્કનો પણ સફળતાપૂર્વક ઉપયોગ કરવામાં આવે છે. (1997), મોરન એટ અલ. (2010) અને Esmaeili et al. (2012). જો કે, આરઓપી મોડેલિંગમાં આવો સુધારો મોડલની અર્થઘટનક્ષમતાના ખર્ચે આવે છે. તેથી, પરંપરાગત આરઓપી મોડલ હજુ પણ સુસંગત છે અને ચોક્કસ ડ્રિલિંગ પરિમાણ કેવી રીતે પ્રવેશ દરને અસર કરે છે તેનું વિશ્લેષણ કરવા માટે અસરકારક પદ્ધતિ પ્રદાન કરે છે.

ROPPlotter, માઈક્રોસોફ્ટ એક્સેલ VBA (Soares, 2015) માં વિકસિત ફીલ્ડ ડેટા વિઝ્યુલાઇઝેશન અને ROP મોડેલિંગ સોફ્ટવેર, મોડેલ ગુણાંકની ગણતરી કરવા અને મોડેલ પ્રદર્શનની તુલનામાં કાર્યરત છે.