સારાંશ
તેલના ભાવમાં ઘટાડો થવાને કારણે તેલ અને ગેસના કુવાઓ ખોદવામાં સમય બચાવવા અને કામગીરી ખર્ચ ઘટાડવા માટે ડ્રિલિંગ ઑપ્ટિમાઇઝેશન પર ફરીથી ભાર મૂકવામાં આવ્યો છે. ઝડપી ડ્રિલિંગ પ્રક્રિયાઓ માટે બીટ વજન અને રોટરી ગતિ જેવા ડ્રિલિંગ પરિમાણોને ઑપ્ટિમાઇઝ કરવા માટે દરનો ઘૂંસપેંઠ (ROP) મોડેલિંગ એક મુખ્ય સાધન છે. એક્સેલ VBA, ROPPlotter માં વિકસિત એક નવલકથા, ઓલ-ઓટોમેટેડ ડેટા વિઝ્યુલાઇઝેશન અને ROP મોડેલિંગ ટૂલ સાથે, આ કાર્ય મોડેલ પ્રદર્શન અને બે અલગ અલગ PDC બિટ ROP મોડેલોના મોડેલ ગુણાંક પર રોક તાકાતની અસરની તપાસ કરે છે: હેરલેન્ડ અને રેમ્પર્સડ (1994) અને મોટાહરી એટ અલ. (2010). આ બે પીડીસી બીટ બક્કેન શેલ હોરિઝોન્ટલ કૂવાના વર્ટિકલ સેક્શનમાં ત્રણ અલગ અલગ સેન્ડસ્ટોન ફોર્મેશનમાં બિંઘમ (1964) દ્વારા વિકસાવવામાં આવેલા બેઝ કેસ, જનરલ ROP રિલેશન સાથે મોડેલોની સરખામણી કરવામાં આવે છે. પ્રથમ વખત, સમાન ડ્રિલિંગ પરિમાણો સાથે લિથોલોજિસની તપાસ કરીને ROP મોડેલ ગુણાંક પર વિવિધ ખડકોની મજબૂતાઈની અસરને અલગ કરવાનો પ્રયાસ કરવામાં આવ્યો છે. વધુમાં, યોગ્ય મોડેલ ગુણાંક સીમાઓ પસંદ કરવાના મહત્વ પર વ્યાપક ચર્ચા હાથ ધરવામાં આવી છે. હેરલેન્ડ અને મોટાહારીના મોડેલોમાં ગણાતી ખડકોની મજબૂતાઈ, પરંતુ બિંગહામમાં નહીં, ભૂતપૂર્વ મોડેલો માટે સ્થિર ગુણક મોડેલ ગુણાંકના ઉચ્ચ મૂલ્યોમાં પરિણમે છે, ઉપરાંત મોટાહારીના મોડેલ માટે વધેલા RPM ટર્મ એક્સપોનેન્ટ પણ છે. હેરલેન્ડ અને રામપરસાડનું મોડેલ આ ચોક્કસ ડેટાસેટ સાથે ત્રણ મોડેલોમાંથી શ્રેષ્ઠ પ્રદર્શન કરતા દર્શાવવામાં આવ્યું છે. પરંપરાગત ROP મોડેલિંગની અસરકારકતા અને ઉપયોગિતા પર પ્રશ્ન ઉઠાવવામાં આવે છે, કારણ કે આવા મોડેલો પ્રયોગમૂલક ગુણાંકના સમૂહ પર આધાર રાખે છે જે મોડેલના ફોર્મ્યુલેશનમાં ન ગણાતા ઘણા ડ્રિલિંગ પરિબળોની અસરને સમાવિષ્ટ કરે છે અને ચોક્કસ લિથોલોજી માટે અનન્ય છે.
પરિચય
આજે તેલ અને ગેસ કુવાઓ ડ્રિલિંગમાં ઉપયોગમાં લેવાતા મુખ્ય બીટ-પ્રકાર પીડીસી (પોલીક્રિસ્ટલાઇન ડાયમંડ કોમ્પેક્ટ) બિટ્સ છે. બીટ કામગીરી સામાન્ય રીતે ઘૂંસપેંઠ દર (ROP) દ્વારા માપવામાં આવે છે, જે દર્શાવે છે કે કૂવો પ્રતિ યુનિટ સમય ડ્રિલ કરેલા છિદ્રની લંબાઈના સંદર્ભમાં કેટલી ઝડપથી ડ્રિલ થાય છે. ડ્રિલિંગ ઑપ્ટિમાઇઝેશન દાયકાઓથી ઊર્જા કંપનીઓના એજન્ડામાં મોખરે રહ્યું છે, અને વર્તમાન નીચા તેલ ભાવ વાતાવરણ દરમિયાન તે વધુ મહત્વ મેળવે છે (હેરલેન્ડ અને રેમ્પરસાદ, 1994). શ્રેષ્ઠ શક્ય ROP ઉત્પન્ન કરવા માટે ડ્રિલિંગ પરિમાણોને ઑપ્ટિમાઇઝ કરવાનું પ્રથમ પગલું એ સપાટી પર મેળવેલા માપને ડ્રિલિંગ દરથી સંબંધિત સચોટ મોડેલનો વિકાસ છે.
સાહિત્યમાં કેટલાક ROP મોડેલો પ્રકાશિત થયા છે, જેમાં ચોક્કસ બીટ પ્રકાર માટે ખાસ વિકસાવવામાં આવેલા મોડેલોનો સમાવેશ થાય છે. આ ROP મોડેલોમાં સામાન્ય રીતે સંખ્યાબંધ પ્રયોગમૂલક ગુણાંક હોય છે જે લિથોલોજી-આધારિત હોય છે અને ડ્રિલિંગ પરિમાણો અને ઘૂંસપેંઠના દર વચ્ચેના સંબંધની સમજને નબળી પાડી શકે છે. આ અભ્યાસનો હેતુ મોડેલ પ્રદર્શનનું વિશ્લેષણ કરવાનો છે અને મોડેલ ગુણાંકો વિવિધ ડ્રિલિંગ પરિમાણો, ખાસ કરીને રોક તાકાત સાથે ફીલ્ડ ડેટાને કેવી રીતે પ્રતિભાવ આપે છે, બે માટે.પીડીસી બીટ મોડેલ્સ (હેરલેન્ડ અને રેમ્પરસાદ, 1994, મોટાહારી એટ અલ., 2010). મોડેલ ગુણાંક અને કામગીરીની તુલના બેઝ કેસ ROP મોડેલ (બિંગહામ, 1964) સાથે પણ કરવામાં આવે છે, જે એક સરળ સંબંધ છે જે ઉદ્યોગમાં વ્યાપકપણે લાગુ પડે છે અને હાલમાં પણ ઉપયોગમાં છે. વિવિધ ખડકોની શક્તિઓ સાથે ત્રણ રેતીના પથ્થરની રચનાઓમાં ડ્રિલિંગ ફિલ્ડ ડેટાની તપાસ કરવામાં આવે છે, અને આ ત્રણ મોડેલો માટે મોડેલ ગુણાંકની ગણતરી કરવામાં આવે છે અને એકબીજા સાથે સરખામણી કરવામાં આવે છે. એવું માનવામાં આવે છે કે દરેક ખડક રચનામાં હેરલેન્ડ અને મોટાહારીના મોડેલો માટે ગુણાંક બિંગહામના મોડેલ ગુણાંક કરતાં વિશાળ શ્રેણીમાં ફેલાયેલા હશે, કારણ કે પછીના ફોર્મ્યુલેશનમાં વિવિધ ખડકોની શક્તિનો સ્પષ્ટ રીતે હિસાબ કરવામાં આવતો નથી. મોડેલ પ્રદર્શનનું પણ મૂલ્યાંકન કરવામાં આવે છે, જે ઉત્તર ડાકોટામાં બેક્કેન શેલ પ્રદેશ માટે શ્રેષ્ઠ ROP મોડેલની પસંદગી તરફ દોરી જાય છે.
આ કાર્યમાં સમાવિષ્ટ ROP મોડેલોમાં અનિશ્ચિત સમીકરણો છે જે ડ્રિલિંગ દર સાથે કેટલાક ડ્રિલિંગ પરિમાણોને સંબંધિત કરે છે અને તેમાં પ્રયોગમૂલક ગુણાંકનો સમૂહ હોય છે જે હાર્ડ-ટુ-મોડેલ ડ્રિલિંગ મિકેનિઝમ્સના પ્રભાવને જોડે છે, જેમ કે હાઇડ્રોલિક્સ, કટર-રોક ઇન્ટરેક્શન, બીટ ડિઝાઇન, બોટમ-હોલ એસેમ્બલી લાક્ષણિકતાઓ, કાદવ પ્રકાર અને છિદ્ર સફાઈ. જોકે આ પરંપરાગત ROP મોડેલો સામાન્ય રીતે ફિલ્ડ ડેટાની તુલનામાં સારું પ્રદર્શન કરતા નથી, તેઓ નવી મોડેલિંગ તકનીકો માટે એક મહત્વપૂર્ણ પગથિયું પૂરું પાડે છે. વધેલી લવચીકતા સાથે આધુનિક, વધુ શક્તિશાળી, આંકડા-આધારિત મોડેલો ROP મોડેલિંગની ચોકસાઈને સુધારી શકે છે. ગેન્ડેલમેન (2012) એ બ્રાઝિલના દરિયા કિનારાના પૂર્વ-મીઠાના બેસિનમાં તેલના કુવાઓમાં પરંપરાગત ROP મોડેલોને બદલે કૃત્રિમ ન્યુરલ નેટવર્કનો ઉપયોગ કરીને ROP મોડેલિંગમાં નોંધપાત્ર વધારો નોંધાવ્યો છે. બિલ્ગેસુ એટ અલ. (1997), મોરન એટ અલ. (2010) અને એસ્માઇલી એટ અલ. (2012) ના કાર્યોમાં ROP આગાહી માટે કૃત્રિમ ન્યુરલ નેટવર્કનો પણ સફળતાપૂર્વક ઉપયોગ કરવામાં આવે છે. જો કે, ROP મોડેલિંગમાં આવો સુધારો મોડેલ અર્થઘટનક્ષમતાના ભોગે આવે છે. તેથી, પરંપરાગત ROP મોડેલો હજુ પણ સુસંગત છે અને ચોક્કસ ડ્રિલિંગ પરિમાણ ઘૂંસપેંઠ દરને કેવી રીતે અસર કરે છે તેનું વિશ્લેષણ કરવા માટે અસરકારક પદ્ધતિ પ્રદાન કરે છે.
ROPPlotter, માઈક્રોસોફ્ટ એક્સેલ VBA (Soares, 2015) માં વિકસાવવામાં આવેલ ફીલ્ડ ડેટા વિઝ્યુલાઇઝેશન અને ROP મોડેલિંગ સોફ્ટવેર, મોડેલ ગુણાંકની ગણતરી અને મોડેલ પ્રદર્શનની તુલના કરવા માટે ઉપયોગમાં લેવાય છે.
પોસ્ટ સમય: સપ્ટેમ્બર-01-2023