فهرست مطالب

 فصل اول: مقدمه

دانش معقول از خواص فیزیکی و مکانیکی سنگ و انتخاب مناسب پارامترهای عملیات حفاری کمک زیادی در کاهش هزینه‌های حفاری و تولید از مخزن نفت می‌کند. بنا به تعریف، مقاومت فشاری تک محوره، مقدار تنش فشاری تک محوره است، هنگامی که المان مورد نظر کاملاً گسیخته می‌شود. UCS در واقع سطح استرسی که باعث شکست سنگ می‌شود است، زمانی که آن را تحت تنش تک محوره قرار می‌دهیم. مقاومت فشاری تک محوره سنگ سازند، پارامتر مکانیکی مهم سنگ می‌باشد که نقش حیاتی در حفاری چاه‌های نفت و گاز دارد. عملیات حفاری تعامل بین سنگ و مته حفاری می‌باشد زمانی که استرس حاصل بزرگ‌تر از مقاومت سنگ شود، سنگ دچار شکست می‌شود.از آنجایی که مقدار مقاومت فشاری تک محوره توسط پارامترهای بسیاری از قبیل چگالی و تخلخل تحت تأثیر است، به کمک آن می‌توان خواص مکانیکی سنگ را نشان داد. از این رو می‌توان آن را در محاسبات انتخاب مته، تخمین زمان بهینه برای بیرون کشیدن مته، تجزیه و تحلیل پایداری چاه (انتخاب محدوده مناسب برای وزن گل)، تولید شن و ماسه و تعیین میدان تنش درجا مؤثر، طراحی روش‌های ازدیاد برداشت و مطالعات نشست مخزن در نظر گرفت. که انتخاب درست این موارد باعث بهبود و بهینه‌سازی عملیات حفاری و تولید می‌گردد .

1-1-2- مته حفاری و نرخ نفوذ

در عملیات حفاری، نرخ نفوذ ، یکی از عوامل اصلى بهینه‌سازی است. نرخ نفوذ مته از رابطه‌ای بر اساس متراژ حفاری بر حسب زمان حاصل می‌گردد؛ و به عواملی از قبیل نوع مته، خصوصیات سازند، وزن روی مته، سرعت چرخش رشته حفاری، خصوصیات گل و غیره بستگی دارد. پایین بودن نرخ نفوذ حفاری باعث از دست دادن زمان دکل و افزایش هزینه‌های حفاری می‌شود. در بعضی موارد افزایش غیر اصولی نرخ نفوذ می‌تواند باعث شکسته شدن سنگ مخزن و در نهایت هرزروی گل حفاری و همچنین گیر رشته حفاری و در نهایت از دست دادن چاه گردد. پس می‌توان گفت بهینه‌سازی نرخ نفوذ کمک زیادی در پیشبرد و کاهش زمان عملیات حفاری می‌کند. پیش‌بینی سرعت حفاری از آن جهت که موجب انتخاب بهینه پارامترها و کاهش هزینه‌های حفاری می‌گردد، همیشه اهمیت قابل توجهی برای مهندسین حفاری داشته است.

از میان پارامترهای موثر بر نرخ نفوذ، مته حفاری نقش تأثیرگذارتری نسبت به سایر پارامترها دارد. به گونه‌ای که بهینه‌سازی عملیات حفاری بدون در نظر گرفتن نقش مته تقریباً غیر ممکن است. مته‌ی حفاری به پایین‌ترین بخش رشته حفاری گفته می‌شود که عامل انتقال انرژی دریافتی از لوله‌های حفاری به سنگ می‌باشد و از این طریق موجب نفوذ در سازند می‌گردد. اگر مته درست انتخاب و مورد استفاده قرار بگیرد، مطمئناً در بهبود نرخ نفوذ و کاهش هزینه چاه مؤثر خواهد بود. با وجود این که قیمت مته، تنها 2 تا 3 درصد هزینه تکمیل یک چاه را در بر می‌گیرد، اما بر 75 درصد هزینه‌های کلی حفاری، که شامل 45 درصد هزینه تکمیل یک چاه است، تأثیرگذار می‌باشد [2].نوع مته‌ای که برای عملیات حفاری انتخاب می‌شود در درجه اول به نوع سنگی بستگی دارد که باید حفاری گردد. علاوه بر شاخص ذکر شده عامل اقتصادی نیز باید مورد توجه قرار گیرد. به طور کلی شیل‌های نرم، سنگ‌های جوان رسوبی توسط سیستم‌های حفاری که مجهز به مته‌های تیغه‌ای باشند بازدهی مناسب‌تری دارند و هر چه تیغه‌های مته بلندتر باشد برای سازندهای نرم‌تر مناسب هستند. مته‌هایی که دندان‌گونه دارند مناسب‌ترین مته برای شیل‌های سخت، ماسه سنگ و آهک هستند و به دلیل سختی الماس نسبت به کانی‌ها و سنگ‌های معمولی از نظر اقتصادی از آن برای شرایط بسیار سخت استفاده می‌شود.

1-1-3- هرزروی سیال حفاری

در حفاری چاه‌های نفت و گاز، به هدر رفتن سیال حفاری در سازندهای تراوا هرزروی گفته می‌شود. هرزروی سیال حفاری یکی از مشهودترین مشکلات حفاری می‌باشد که هزینه‌ی زیادی را به شرکت‌های نفتی تحمیل می‌کند. این پدیده از زمان شروع حفاری شروع شده و تا هنگام جداره‌گذاری ادامه می‌یابد. ممکن است هرزروی از مقادیر کم تا بسیار شدید اتفاق بیفتد. هرزروی محدود به نواحی حفاری خاص نمی‌باشد بلکه در هر عمقی که فشار ستون گل حفاری از فشار شکست سازند بیشتر باشد، لایه شکسته و هرزروی رخ می‌دهد همچنین سیال حفاری در سازندهای با نفوذپذیری بالا و یا شکستگی‌های طبیعی که از قبل در سازند وجود داشته، هدر می‌رود. بر اساس استانداردهای گل حفاری، سازند باید حداقل دارای نفوذپذیری 10 تا 25 میلی‌دارسی باشد تا هرزروی گل ایجاد گردد [3]. هرزروی سیال حفاری ممکن است به علل متفاوتی از جمله وجود سازندهای با تراوایی بالا، فیلتر شدن سیال حفاری، نفوذ سیال داخل ماتریکس سنگ و یا ایجاد و گسترش شکاف در داخل سنگ ایجاد شود که مورد آخر از عمده‌ترین دلایل هرزروی کامل سیال حفاری به شمار می‌رود و بیش از 90 درصد هزینه‌های صرف شده برای درمان هرزروی به این مورد اختصاص دارد [4]. شرکت‌های نفتی سالانه میلیون‌ها دلار صرف برطرف کردن مشکل هرزروی و مشکلات ناشی از آن، از جمله از دست رفتن زمان دکل، گیر لوله‌ها، فوران چاه، از دست رفتن حجم زیادی از سیال حفاری و آسیب به سازند می‌شود [5].پارامترهای زیادی شدت هرزروی سیال حفاری را تحت تأثیر قرار می‌دهند از جمله: فشار گل، فشار شکست سازند، خصوصیات سیال حفاری، لیتولوژی سازند، وجود درزه‌ها و غارها در سازند، پارامترهای حفاری مثل فشار و دبی پمپ و پارامترهای شناخته شده و شناخته نشده بسیار زیاد دیگری که پیش‌بینی مقدار هرزروی سیال هنگام حفاری چاه در یک سازند خاص را بسیار مشکل می‌کنند. به علاوه، هزینه‌های هنگفتی که باید صرف درمان هرزروی گل (ساختن گل جدید و اضافه کردن مواد جلوگیری کننده از هرزروی) و مشکلات جانبی آن (گیر احتمالی رشته حفاری و از دست رفتن زمان حفاری) شود همواره مهندسین حفاری را به تحقیق و پژوهش در این راه و یافتن راهکاری برای مقابله با این مشکل ترغیب کرده است.

1-1-4- گیر رشته حفاری

گیر لوله‌، تعلیق روند برنامه‌ریزی شده چاه است، زمانی که نیروهای درون‌چاهی مانع بیرون کشیدن رشته حفاری یا ابزار آلاتی که به منظور انجام عملیات مشخص در مدت زمان محدود و معینی درون چاه رانده شده‌اند، گفته می‌شود. گیر لوله‌های حفاری یکی از بزرگ‌ترین و پرهزینه‌ترین مشکلات در حفاری چاه‌های نفت و گاز محسوب می‌شود. بطوریکه چنانچه عملیات آزادسازی رشته حفاری موفقیت‌آمیز نباشد با پسگرد رشته حفاری از محل گیر لوله‌ها، علاوه بر از دست دادن مقداری از رشته حفاری، عملیات کج کردن چاه و حفاری مجدد آن در دستور کار قرار می‌گیرد که می‌تواند هزینه‌های سنگینی را در سرجمع هزینه‌های تکمیل چاه تحمیل نماید.تلاش برای حداقل‌سازی خطر گیر لوله حفاری، امروزه یکی از اولویت‌ها و اهداف اصلی می‌باشد. عوامل بسیار زیادی در گیر رشته حفاری تأثیرگذار هستند. در حال حاضر مهندسین حفاری فقط از روش‌های قدیمی و تجربی قادرند تا حدودی شرایط گیر رشته حفاری را تشخیص داده و آن‌ها را رفع کنند، اما به کمک این روش‌ها نمی‌توان به خوبی رفتار غیرخطی گیر را پیش‌بینی نمود.

گیر رشته حفاری را معمولاً به دو دسته گیرهای مکانیکی و گیرهای اختلاف فشاری تقسیم می‌کنند. در گیر لوله‌ها به صورت دیفرانسیلی چرخش لوله و حرکت آن به سمت بالا و پایین امکان‌پذیر نیست، اما هنوز گردش گل حفاری انجام می‌گیرد، این امر با گیر لوله‌ها به صورت مکانیکی در تناقض است [6].

پس از گیر افتادن رشته حفاری، لازم است که به سرعت هر گونه تلاشی برای آزاد سازی آن صورت گیرد. از جمله روش‌های مرسوم و شناخته شده آزادسازی رشته‌های حفاری، روش افزایش کشش رو به بالا و افزایش وزن رو به پایین می‌باشند که تا حدودی وقت‌گیر و هزینه‌بر هستند. ولی در بیشتر مواقع منجر به آزادسازی رشته حفاری از چاه می‌شوند. مشکل گیر رشته حفاری زمانی اهمیت بیشتری پیدا می‌کند که به دلایلی نتوان رشته حفاری را از چاه بیرون آورد. در این صورت تنها راه، بریدن رشته حفاری در چاه و انجام عملیات مانده‌یابی و در بدترین حالت، مسدود کردن قسمت گیر و حفاری چاه انحرافی براى انجام ادامه عملیات حفاری می‌باشد. این امر باعث تغییر برنامه حفارى، افزایش زمان و هزینه خواهد شد. در عملیات دریایی، گیر لوله‌ها به تنهایی می‌تواند هزینه توسعه یک چاه را به اندازه 30 درصد افزایش دهد. بنابراین باید برای پیشگیری از این مشکل و کاهش هزینه‌های حفاری به دنبال راه‌حلی اساسی بود [6].پارامترهای بسیاری بر یک عملیات حفاری تأثیر می‌گذارند، که در صورت آشنایی کافی و انتخاب درست آن‌ها، بهبود و کاهش زمان حفاری را باعث شد. از این میان می‌توان به پارامترهای نرخ نفوذ و مته حفاری، مقاومت فشاری تک محوره سنگ سازند، هرزروی سیال حفاری و گیر رشته حفاری اشاره کرد. در این پایان‌نامه سعی بر این است، به کمک روش هوش مصنوعی از جمله شبکه‌های عصبی مصنوعی و الگوریتم‌های بهینه‌سازی مشکلات بیان شده را رفع و عملیات حفاری را بهبود بخشید. از داده‌های ثبت روزانه دکل حفاری و عملیات نمودارگیری برای ساخت شبکه مصنوعی استفاده شد. الگوریتم‌های بهینه‌سازی در دو بخش بهبود عملکرد شبکه عصبی و بهینه‌سازی پارامترهای موثر بر مسئله مورد نظر استفاده شدند.این پایان‌نامه شامل شش فصل می‌باشد. فصل اول مقدمه و بیان مسئله را شامل می‌باشد. در این فصل اهمیت و چرایی بررسی این موارد بیان شد. فصل دوم، مروری بر تحقیقات گذشته را شرح داده‌ است. در این فصل ابتدا روش‌های حل معمول شرح داده شد و سپس چندین مورد از تحقیقاتی که در این رابطه ارائه شده بود را برای هر بخش بررسی کردیم، و پس از آن مدل ارائه شده خود را بیان و برتری آن نسبت به روش‌های معمول بیان کردیم. در پایان این فصل علت استفاده از روش‌های هوش مصنوعی و برتری این روش نسبت به روش‌های گذشته شرح داده شد. فصل سوم شامل توضیح و بررسی شبکه‌های عصبی و الگوریتم‌های بهینه‌سازی می‌باشد. در این فصل انواع شبکه‌های عصبی و الگوریتم‌های بهینه‌سازی استفاده شده برای مدل‌سازی شرح داده شد. در فصل چهارم نحوه آماده‌سازی داده‌ها برای مدل‌سازی و آنالیز بیان شد. در این فصل ابتدا آشنایی مختصری با میادین نفتی که اطلاعات از آنجا جمع آوری شده خواهیم داشت، سپس مراحل آماده‌سازی داده‌ها و پارامترهای مورد استفاده در هر بخش توضیح داده شد و در نهایت معیارهای بررسی عملکرد یک مدل هوش مصنوعی بیان ‌شد. فصل پنجم شامل آنالیز و تحلیل اطلاعات می‌باشد. در این فصل روش کار و مدل‌های ارائه شده در هر بخش مورد بررسی قرار گرفته و نتایج هر بخش بیان شد. فصل ششم نیز شامل نتایج و پیشنهادها می‌باشد.

 

1-1- اهمیت و بیان مسئله ………………………………………………………………………………. 1

1-1-1- مقاومت فشاری تک محوره سنگ سازند  ………………………………………………… 1

1-1-2- مته حفاری و نرخ نفوذ  ………………………………………………………………………. 2

1-1-3- هرزروی سیال حفاری  ……………………………………………………………………….. 3

1-1-4- گیر رشته حفاری  …………………………………………………………………………… 4

نمودار تنش-کرنش دو سنگ شکننده و شکل پذیر. نمودار سمت چپ منحنی تنش کرنش نمونه‌ی شکننده و سمت راست نمونه‌ی تغییر شکل‌پذیر

نمودار تنش-کرنش دو سنگ شکننده و شکل پذیر. نمودار سمت چپ منحنی تنش کرنش نمونه‌ی شکننده و سمت راست نمونه‌ی تغییر شکل‌پذیر

برای دانلود رایگان قسمت های بیشتراز فایل به انتهای مطلب مراجعه کنید

فصل دوم: مروری بر تحقیقات گذشته

1 نمونه عصب واقعی (در این شکل اکسون ترمینال در واقع همان سیناپس است)

1 نمونه عصب واقعی (در این شکل اکسون ترمینال در واقع همان سیناپس است)

2-1- مقدمه …………………………………………………………………………………………….. 7

2-2- مقاومت فشاری تک محوره سنگ سازند ……………………………………………………… 7

2-2-1- روش‌های محاسبه UCS ……..ا…………………………………………………………… 7

2-2-1-1- تست آزمایشگاهی ………………………………………………………………….. 7

2-2-1-2- روابط تجربی …………………………………………………………………………… 9

2-2-1-3- شبکه عصبی مصنوعی …………………………………………………………….. 12

2-3- انتخاب مته مناسب و بهبود نرخ نفوذ حفاری ……………………………………………… 12

2-3-1- روش‌های حل مسئله ……………………………………………………………………… 12

2-3-1-1- روش هزینه به ازای حفاری …………………………………………………………. 14

2-3-1-2- مدل انرژی مخصوص ………………………………………………………………….. 14

2-3-1-3- مدل بورگین- یانگ …………………………………………………………………….. 15

2-3-1-4- هوش مصنوعی ………………………………………………………………………… 15

2-4- هرزروی سیال حفاری ………………………………………………………………………….. 17

2-4-1- روش حل مسئله ……………………………………………………………………………. 17

2-4-1-1- استفاده از مواد هرزگیر ………………………………………………………………. 17

2-4-1-2- دوغاب‌های ترکیبی …………………………………………………………………… 17

2-4-1-3- حفاری زیر تعادلی ……………………………………………………………………. 18

2-4-1-4- استفاده از لوله جداری ………………………………………………………………. 18

2-5- گیر لوله حفاری ………………………………………………………………………………… 19

2-5-1- روش‌های حل مسئله …………………………………………………………………….. 19

2-5-1-1- مدل کینگزبرو و همپ کینگ …………………………………………………………. 19

2-5-1-2- مدل بیگلر و کان ………………………………………………………………………. 19

2-5-1-3- مدل گلاور و هاوارد ……………………………………………………………………. 20

2-5-1-4- روش هوش مصنوعی ………………………………………………………………… 20

2-6- چرایی استفاده از روش‌های هوشمند …………………………………………………… 21

 فصل سوم: مروری بر روش‌های یادگیری ماشینی و الگوریتم‌های بهینه‌سازی

برای حل مشکلات و تعیین پارامترهای عملیات حفاری امروزه از تست‌های آزمایشگاهی و فرمول‌های تجربی استفاده می‌شود. که هر کدام مزایا و معایب خود را دارند. در یک دهه گذشته شاهد کاربرد روش‌های مبتنی بر هوش مصنوعی به ویژه شبکه‌های عصبی مصنوعی در عملیات حفاری بوده‌ایم. در این فصل روش‌های حل موجود در هر چهار بخش را بیان و آن‌ها را با مدل ارائه‌شده مقایسه می‌کنیم.

2-2-1- روش‌های محاسبه UCS

ویژگی‌های الاستیک سنگ به دو روش دینامیکی و استاتیکی قابل اندازه‌گیری هستند، در حالی که مقاومت فشاری تک محوره سنگ تنها به روش استاتیکی بدست می‌آید. در روش دینامیکی، با اندازه‌گیری سرعت عبور امواج تراکمی و برشی در شرایط برجا و یا آزمایشگاه، ویژگی‌های الاستیک دینامیکی سنگ به دست می‌آیند. در روش استاتیکی نمونه سنگ در حالت تک محوری یا سه محوری، تحت تنش قرار می‌گیرد تا در آن شکست رخ دهد [7].

2-2-1-1- تست آزمایشگاهی

تست مقاومت فشاری سنگ با وجود ظاهری ساده، اما انجام دقیق آن بسیار مشکل است. برای اندازه‌گیری مقاومت تک محوری، نمونه‌های استوانه‌ای از سنگ به صورت محوری تحت فشار قرار می‌گیرد. نمونه‌ها می‌توانند تحت این فشار، تغییر شکل، الاستیک داشته باشند و یا به صورت شکننده بشکنند. سنگ‌ها تنوع رفتاری از حالت شکل پذیر تا شکننده از خود نشان می‌دهند. در شکل 2-1 نمودار این دو رفتار آورده شده است. گرچه آزمایش مقاومت فشاری تک محوره معمول‌ترین آزمایش در مورد سنگ است، اما انجام صحیح آن کار ساده‌ای نبوده و نتایج حاصل از این آزمایش به علت تفاوت رویه گاه تا بیش از 200 درصد با هم اختلاف دارند [8].نمودار سمت چپ نشان‌دهنده منحنی تنش کرنش نمونه‌ی سنگ شکننده است. وقتی یک سنگ تحت تنش تک محوره قرار گیرد، ابتدا تغییر شکل الاستیک (نقطه A) در سنگ رخ می‌دهد. با افزایش تنش مقاومت سنگ کاهش یافته و شکاف‌هایی در سنگ ایجاد می‌شود (A-B) و در پایان سنگ تسلیم شده و می‌شکند (B) که مقدار تنش وارده در این نقطه برابر مقدار مقاومت فشاری تک محوره سنگ می‌باشد. پس از این مرحله با افزایش تنش، شکاف‌ها افزایش می‌یابد (B-C). نمودار سمت راست منحنی تنش کرنش یک نمونه سنگ شکل‌پذیر را نشان می‌دهد. سنگ‌های شکل‌پذیر فاقد ناحیه شکست بوده و پس از مرحله الاستیک دچار تغییر شکل پلاستیک می‌شوند که این تغییر شکل برای سنگ‌های در اعماق زیاد اتفاق می‌افتد.  مقاومت فشاری و ثابت‌های الاستیک استاتیکی بیانگر شرایط واقعی‌تر تنش‌های اعمال شده بر سنگ هستند و از این رو معمولاً در مدل‌سازی مورد استفاده قرار می‌گیرند [9]. با این وجود اندازه‌گیری ثابت‌های الاستیک استاتیکی مشکل‌تر و پرهزینه‌تر از بدست آوردن ثابت‌های الاستیک دینامیکی است. وجود این مشکلات به این دلیل است که آزمایش‌های استاتیکی بر روی مغزه سنگ انجام می‌شود و ممکن است در تمام چاه‌ها، مغزه مناسب در دسترس نباشد، همچنین این تکنیک به شدت تحت تأثیر شرایط تست و تغییرات ایجاد شده در نمونه در فاصله زمانی نمونه‌برداری تا تست می‌باشد. آزمایش فشاری تک محوره توسط چندین فاکتور مانند اندازه و شکل نمونه، نرخ بارگذاری، مقدار و نوع مایع موجود در نمونه سنگ، کانی‌شناسی، اندازه دانه، شکل دانه، دسته‌بندی دانه، و نرخ بارگذاری تحت تأثیر می‌باشد. علاوه بر هوازدگی، ساختار سنگ به دلیل نفوذ مایعات ناسازگار و بررسی نادرست هسته‌ها در رابطه با تخلیه استرس باعث انحراف مقدار مقاومت سنگ اندازه‌گیری شده از واقعیت می‌شوند. در حالی که ثابت‌های الاستیک دینامیکی، از انجام آزمایش‌های التراسونیک مغزه سنگ یا توسط لاگ‌های صوتی[3] بدست می‌آیند که در صنعت نفت معمولاً در دسترس است و مشکلات و پیچیدگی‌های تست‌های آزمایشگاهی را ندارند. البته نتایج این روش با دقت پایین‌تری همراه هستند.

2-2-1-2- روابط تجربی

به منظور اندازه‌گیری پیوسته و منطقی ویژگی‌های مکانیکی سنگ در طول چاه، می‌توان روابط تجربی بین داده‌های مکانیکی با پارامترهای استاتیکی ایجاد کرد. از آنجا که با تغییر ترکیب کانی‌شناسی، اندازه و شکل دانه، درجه سیمان‌شدگی و هتروژنزی، ویژگی‌های مکانیکی سنگ نیز تغییر می‌کنند، ایجاد رابطه‌ی کلی بین مدول‌های دینامیکی با استاتیکی مشکل است [10]. بر همین اساس می‌توان نتیجه گرفت که با توجه به اهمیت پارامترهای استاتیکی مکانیک سنگ در طول مطالعات ژئومکانیک مخازن نفتی، بهتر است تخمین این پارامترها بر پایه روابط تجربی پیشنهاد شده برای سنگ‌های همان سازند یا سازندهای دارای ویژگی‌های ژئومکانیکی مشابه انجام گیرد.ز آنجا که تخلخل و دانسیته بر مقاومت نهایی سنگ تأثیر مستقیم می‌گذارند، اسموردینوف و همکاران  در سال 1970 روابط تجربی بین مقاومت فشاری تک محوره با دانسیته و تخلخل برقرار کردند [11]. میلیتزر و استول در سال 1973 و گلوبو و روبینوویچ  در سال 1976 به ترتیب روابط (2-1) و (2-2) را برای پیش‌بینی مقاومت فشاری تک محوره از سرعت موج تراکمی در سنگ آهک ارائه کردند [12 و 13].

3-1- مقدمه  ……………………………………………………………………………………………. 23

3-2- مفهوم شبکه  ……………………………………………………………………………………. 24

3-3- شبکه عصبی مصنوعی  ………………………………………………………………………… 24

3-3-1- مدل یک نرون تک ورودی  ………………………………………………………………… 26

3-3-2- تابع انتقال  ………………………………………………………………………………… 28

3-4- انواع شبکه های عصبی  ………………………………………………………………………. 28

3-4-1- شبکه عصبی پرسپترون چندلایه  ……………………………………………………… 28

3-4-2- شبکه عصبی پیمانه ای  …………………………………………………………………. 30

3-4-3- ماشین بردار پشتیبان  …………………………………………………………………….. 32

3-5- الگوریتم‌های بهینه‌سازی  ……………………………………………………………………….. 34

3-5-1- الگوریتم ژنتیک  …………………………………………………………………………….. 34

3-5-2- الگوریتم بهینه‌سازی ازدحام ذرات  ……………………………………………………. 39

3-5-3- الگوریتم ترکیبی ژنتیک و ازدحام ذرات  ……………………………………………….. 41

فصل چهارم: آماده‌سازی اطلاعات جهت مدل‌سازی و آنالیز

در مدل‌سازی به کمک شبکه‌های عصبی از داده‌های واقعی استفاده می‌شود. برای کار حاضر داده‌های ثبت شده دکل‌های حفاری و همچنین عملیات نمودارگیری برای رفع مشکلات و بهبود عملیات حفاری استفاده می‌شود. اما برای قابل کاربرد بودن اطلاعات نیاز به انجام بعضی تغییرات و تصحیحات بر روی داده‌ها است. در این فصل به این موضوع می‌پردازیم و داده‌های استفاده شده برای هر بخش را با توصیف آماری نام می‌بریم.

4-2-1- میدان نفتی اهواز

میدان نفتی اهوازدر استان خوزستان و در جنوب غربی ایران می‌باشد. این میدان، تاقدیسی به طول 67 و عرض 6 کیلومتر مربع را شامل می‌شود که از شمال با میدان رامین، از شرق با میدان مارون، از جنوب با میادین شادگان و منصوری و از غرب با میادین آب‌تیمور و سوسنگرد مجاور است. دارای روند شمال‌غربی- جنوب‌شرقی (به موازات رشته کوه زاگرس) می‌باشد، دارای سه مخزن آسماری، بنگستان و خامی است. در افق آسماری به صورت دو تاقدیس مجزا از هم (زین اسبی) در می‌آید. سازند آسماری در میدان نفتی اهواز در جنوب فروافتادگی دزفول شامل بخش ماسه‌سنگی اهواز می‌باشد. مخزن بنگستان از جنس آهک‌های رستی با تخلخلی کمتر از مخزن آسماری و مخزن خامی از جنس آهک، شیل و انیدرت می‌باشند. میزان نفت درجا در مخزن اهواز- بنگستان 31 میلیارد بشکه و میزان نفت قابل برداشت از آن 3/4 میلیارد بشکه است. همچنین میزان تولید انباشتی از این مخزن 935 میلیون بشکه اعلام شده است.

مخزن آسماری، میدان نفتی اهواز در سال ۱۳۳۷ هجری شمسی با حفر چاه شماره ۶ اهواز کشف گردید. اولین چاه این مخزن در مرداد ۱۲۹۱ تا عمق ۱۱۰۰ متری حفاری شد. چاه شماره ۲ اهواز نخستین چاهی است که به سازند آسماری رسید، این چاه تا کلاهک گازی حفاری گردید اما ادامه حفاری آن متوقف شد. بین سال‌های ۱۳۲۸ تا ۱۳۳۶ سه حلقه چاه دیگر حفاری گردید اما حفاری چاه شماره ۶ اهواز نوید تولید از مخزن آسماری را به دنبال داشت. حفاری این چاه در شهریور ۱۳۳۶ آغاز و در حین حفاری قسمت فوقانی آسماری در فروردین ۱۳۳۷ دچار فوران شد اما سرانجام چاه در سال ۱۳۳۸ به عنوان تولیدی نفت آسماری تکمیل گردید و تولید از آن تا میزان سی و پنج هزار بشکه در روز افزایش یافت. در ابتدای تولید، فراورش نفت در مجموعه‌های تفکیک سرچاهی به طور موقت صورت می‌گرفت که با استمرار تولید،‌ واحدهای بهره‌برداری پنج‌گانه فعلی به مرور احداث و در مدار فراورش نفت و گاز قرار گرفتند. این مخزن در حال حاضر با تعداد ۲۷۰ حلقه چاه تولیدی،‌ تزریقی و مشاهده‌ای و تولید ۶۶۰ هزار بشکه در روز یکی از قدیمی‌ترین و در عین حال بزرگ‌ترین مخازن نفتی می‌باشد. مخزن بنگستان با ترکیبی از سازندهای تولیدی ایلام و سروک دارای حدود ۳۱ میلیارد بشکه نفت در جای اولیه بوده و بهره‌برداری از آن از سال ۱۳۵۰ آغاز گردیده است. با توجه به نقش این مخزن در مجموعه مخازن شرکت ملی مناطق نفت‌خیز جنوب، پس از پایان جنگ تحمیلی حجم بسیار بالایی از فعالیت‌های حفاری چاه‌ها بر روی این مخزن متمرکز شد و از سال ۵۸ تاکنون با حفاری ۹۶ حلقه چاه جدید مجموع چاه‌های تکمیلی در این میدان به ۱۵۰ حلقه و کل تولید آن به حدود ۱۴۰ هزار بشکه در روز افزایش یافته است. نفت این مخزن، به دلیل دارا بودن حدود ۳ درصد حجمی گاز هیدروژن سولفورهنیازمند تأسیسات مقاوم در برابر  است. از این میدان روزانه ۷۳۰ هزار بشکه نفت و در مجموع 838 میلیون فوت مکعب گاز و 30 هزار بشکه میعانات گازی تولید می‌شود. شکل و موقعیت میدان نفتی اهواز را می‌توانید در شکل 4-1 ببینید.

از داده‌های این میدان برای مدل‌سازی انتخاب مته حفاری و بهبود نرخ نفوذ و تعیین مقاومت فشاری تک محوره استفاده کرده‌ایم. از داده‌های سایز مته، سطح کل نازل‌ها، متراژ حفاری، عمق ورودی، وزن روی مته، سرعت دوران رشته حفاری، دبی جریان گردش گل، فشار گل، گرانروی پلاستیک گل، میانگین مقاومت فشاری تک محوره سازند، نوع متهو نرخ نفوذ حفاری برای مدل‌سازی انتخاب مته و پیش‌بینی و بهبود نرخ نفوذ و همچنین از مقادیر نمودارهای گامای طبیعی (CGR )، چگالی ظاهری سازند (RHOB )، تخلخل نوترون (NPHI) و مقاومت فشاری تک محوره برای مدل‌سازی UCS استفاده شدند.

شبکه عصبی پرسپترون دو لایه (دارای سه نرون در لایه ورودی و چهار نرون در لایه پنهان و یک نرون در لایه خروجی است).

شبکه عصبی پرسپترون دو لایه (دارای سه نرون در لایه ورودی و چهار نرون در لایه پنهان و یک نرون در لایه خروجی است).

4-1- مقدمه  …………………………………………………………………………………………… 44

4-2- مطالعه میادین مورد بررسی  …………………………………………………………………. 44

4-2-1- میدان نفتی اهواز  …………………………………………………………………………… 44

4-2-2- میدان نفتی مارون  ………………………………………………………………………… 46

4-3- آماده‌سازی داده‌ها جهت استفاده در مدل‌سازی  ……………………………………….. 50

4-3-1 جمع‌آوری داده‌ها  …………………………………………………………………………. 50

4-3-1-1- مقاومت فشاری تک محوره سنگ سازند  ……………………………………… 50

4-3-1-2- انتخاب مته حفاری و بهبود نرخ نفوذ  ……………………………………………. 51

4-3-1-3- هرزروی سیال حفاری  ……………………………………………………………… 52

4-3-1-4- گیر لوله حفاری  …………………………………………………………………… 54

4-3-2- پیش‌پردازش داده‌ها  …………………………………………………………………. 55

4-3-2-1- آنالیز داده‌ها و تأیید صحت و دقت آن‌ها  ………………………………………… 55

4-3-2-2- همسان‌سازی داده‌ها  …………………………………………………………….. 56

4-3-3- تقسیم بندی داده‌ها  ……………………………………………………………….. 57

4-4- مدل کردن  ………………………………………………………………………………. 58

4-5- معیارهای عملکرد مدل ……………………………………………………………….. 58

 فصل پنجم:  آنالیز و تحلیل اطلاعات

همان‌طور که بیان شد هدف این پروژه بهبود انتخاب مته و نرخ نفوذ حفاری، تعیین مقاومت فشاری تک محوره سنگ سازند، پیش‌بینی و کاهش هرزروی سیال حفاری و پیش‌بینی و کاهش احتمال گیر لوله حفاری می‌باشد. در این فصل به کمک روش‌های هوش مصنوعی بیان شده در فصل 3 و داده‌های تصحیح شده در فصل 4، مدل‌سازی برای دستیابی به هدف مورد نظر انجام می‌شود و نتایج برای بیان وضعیت مدل ارائه می‌شود.

5-2- مقاومت فشاری تک محوره سنگ سازند

برای پیش‌بینی مقاومت فشاری تک محوره سنگ سازند دو مدل را توسعه دادیم. مدل شبکه عصبی پرسپترون چند لایه و مدل شبکه عصبی پرسپترون بهینه شده توسط الگوریتم ژنتیک، و نتایج هر دو مدل را از لحاظ دقت و زمان محاسبات مورد بررسی قرار داده و بهترین مدل را برای استفاده در عملیات حفاری آینده انتخاب کردیم. از آنجایی که بهترین مدل‌سازی‌ انجام شده در این بخش توسط شبکه عصبی پرسپترون انجام شد، در این بخش سعی شده عملکرد این شبکه مورد بررسی قرار گرفته و برای افزایش کارایی آن پیشنهاداتی ارائه گردد.

5-1- مقدمه  ……………………………………………………………………………………………. 60

5-2- مقاومت فشاری تک محوره سنگ سازند  …………………………………………………… 60

5-2-1- روش کار  …………………………………………………………………………………….. 60

5-2-1-1- پیش‌بینی UCS توسط MLP  …….ا…………………………………………………….. 60

5-2-1-2- پیش‌بینی UCS  توسط MLP&GA  …ا……………………………………………….. 63

5-3- انتخاب مته حفاری و بهبود نرخ نفوذ  ……………………………………………………… 66

5-3-1- روش کار  ………………………………………………………………………………….. 67

5-3-1-1- پیش‌بینی مته حفاری  ……………………………………………………………. 67

5-3-1-2- پیش‌بینی نرخ نفوذ حفاری  ………………………………………………………. 68

5-3-1-3- بهینه‌سازی نرخ نفوذ  ………………………………………………………………. 69

5-3-2- بحث روی نتایج  ………………………………………………………………………… 72

5-3-2-1- مته حفاری  ……………………………………………………………………………. 72

5-3-2-2- نرخ نفوذ و دبی جریان گل  …………………………………………………………… 72

5-3-2-3- فشار پمپ گل و سطح مقطع جریان  …………………………………………….. 74

5-3-2-4- وزن روی مته و سرعت دوران رشته حفاری  ………………………………………. 75

5-3-2-5- گرانروی گل  …………………………………………………………………………… 76

5-4- هرزروی سیال حفاری  ……………………………………………………………………… 76

5-4-1- روش کار  …………………………………………………………………………………. 77

5-4-1-1- پیش‌بینی کمی هرزروی سیال حفاری  ……………………………………………. 78

5-4-1-2- پیش‌بینی کیفی هرزروی سیال حفاری  …………………………………………. 79

5-4-1-3- کاهش میزان هرزروی سیال حفاری  ……………………………………………… 82

5-5- گیر لوله حفاری  …………………………………………………………………………… 85

5-5-1- روش کار  ……………………………………………………………………………….. 85

5-5-1-1- پیش‌بینی گیر مکانیکی و اختلاف فشاری  ………………………………………. 85

5-5-1-2- پیش‌بینی گیر اختلاف فشاری  ……………………………………………………. 87

5-5-1-3- کاهش احتمال گیر لوله حفاری  …………………………………………………… 88

برای دانلود رایگان قسمت های بیشتراز فایل به انتهای مطلب مراجعه کنید

فصل ششم: نتایج و پیشنهادها

6-1- نتایج  ………………………………………………………………………………………………. 92

6-2- پیشنهادها  ………………………………………………………………………………………… 94

منابع ………………………………………………………………………………………………………. 95

پیوست ………………………………………………………………………………………………….102

 

Abstract

After the exploration and identifying the location of the reservoir, the drilling operation is implemented for the production of oil and gas. The process of drilling operations has a significant role in the petroleum industry and it can be one of the most expensive activities; therefore, taking into account this issue can cause better identification and understanding of the problems and then providing appropriate solutions. In the drilling operation, the majority of problems can be mitigated through right selection of used tools as well as the correct and timely prediction of problems. Analyzing of field information causes cost reduction and improving drilling operation, and the development of information analysis field instruments can enhance drilling operation. Generally In the drilling industry, laboratory tests and the empirical formula can be used to detect problems or improve the operation and in order to solve the problem, the past experiences can be applied. In this project, the intelligent modeling were used for trouble detection, troubleshooting, and improving drilling operations. Artificial intelligence is a field of computer science and statistics. In general these methods show their values when implemented on the large collection of data and reveal patterns and existing rules.The project was carried out in four parts using daily data acquisition, logging data, neural networks, and optimization algorithms. The results show the high accuracy of the intelligent modeling. Using this method, the uniaxial compressive strength of formation rock, optimum drilling bit, and penetration rate were predicted, furthermore the occurrence of stuck pipe, loss circulation is reduced and eliminated.



بلافاصله بعد از پرداخت به ایمیلی که در مرحله بعد وارد میکنید ارسال میشود.


فایل pdf غیر قابل ویرایش

قیمت25000تومان

خرید فایل word

قیمت35000تومان