چکیده:
برای تعیین مقادیر بهینه وزن روی مته و سرعت چرخش مته از drill-off test استفاده میشود. در این تست در بازه های محدود حفاری، وزن های مختلفی اعمال میشود و سرعت حفاری اندازه گیری میشود. وزن روی مته ای که بیشترین سرعت حفاری را به ما میدهد، به عنوان وزن روی مته بهینه در نظر گرفته میشود. در سال ١٩٩١بورگوین و همکاران اثبات کردند وزن روی مته ای که بیشترین سرعت حفاری را به ما میدهد نقطه بهینه نیست ، بلکه نقطه بیشینه سرعت حفاری، در خارج از محدوده کارآمد حفاری قرار دارد. زیرا در این ناحیه هیدرولیک موجود نمیتواند همه خرده ها را از زیر مته حفاری خارج کند و مته دوباره اقدام به خرد کردن خرده های مرحله قبل میکند. به عبارت دیگر انرژی بیشتری صرف میکنیم اما درصد کمی از این انرژی اضافه صرف حفاری سازند جدید میشود در نتیجه انرژی ویژه مکانیکی بیشتر میشود و بازده عملیات حفاری کاهش مییابد و مته بیشتر ساییده میشود، از طرف دیگر ارتعاشات رشته حفاری و احتمال توپی شدن مته افزایش مییابد. نقطه بهینه ، نقطه ای است که دارای کم ترین انرژی ویژه مکانیکی است . برای یافتن این نقطه ابتدا با استفاده از داده های تست و استفاده از شبکه عصبی مدل انرژی ویژه مکانیکی برای سازند به دست آورده شد. سپس با استفاده از زمان سیر موج فشاری و برشی و خواص سنگ و درصد شیل آن مقدار مقاومت فشاری تک محوره و سه محوره سنگ محاسبه شد سپس مقدار بازده مکانیکی حفاری به ازای مقادیر مختلف وزن روی مته محاسبه شد و وزن روی مته ای که بیشترین بازده و کمترین انرژی ویژه مکانیکی را داشت به عنوان مقدار بهینه معرفی شد.
خلاصه ماشینی:
در حالی که بورگوین و همکاران این نقطه را از نقاط ناکارآمد معرفی میکنند که در آن اگرچه سرعت حفاری کمی بیشتر Founder Point است اما به دلیل اینکه خرده های حفاری به طور کامل از زیر مته خارج نمیشوند و مته دوباره قسمتی از خرده های مرحله قبل را خرد میکند، در نتیجه انرژی بیشتری میشود و انرژی ویژه مکانیکی بیشتر میشود وبازده کاهش مییابد، مته بیشتر ساییده میشود، ارتعاشات افزایش مییابند و احتمال توپی شدن مته نیز بیشتر میشود ]١[ و ]٤[.
ابتدا با استفاده از داده های تست و شبکه عصبی مدل انرژی ویژه مکانیکی را برای سازند به دست میآوریم سپس مقاومت سه محوره سنگ را محاسبه میکنیم و به ازای مقادیر مختلف وزن روی مته مقدار بازده عملیات حفاری را محاسبه میکنیم .
تونا ایرن و همکارانش در سال ٢٠١٠ با استفاده ترکیب مدل بورگوین و یانگ و رابطه هزینه حفاری و مدل پیش بینی سایش مته حفاری مدلی برای بهینه سازی 1 Rate of Penetration 149 بلادرنگ پارامترهای حفاری نظیر وزن روی مته و سرعت چرخش مته ارایه کردند [٨].
/ شکل ٩- نمودار سرعت حفاری برحسب وزن روی مته با استفاده از شبکه عصبی گشتاور روی مته بر اساس رابطه (٣) به صورت زیر مدل میشود.
Hossein Yavari, Mohammad Fazaelizadeh, Rassool Khosravanian, Vahab Hassani, (2017), Correction of Drill-off Test Using Artificial Neural Network and Mechanical Specific Energy, Second National Conference on Petroleum Geomechanics, National Iranian Oil Company, Exploration Directorate, Tehran, Jan 24-26, 2017.