A MATHEMATICAL MODEL OF MECHANICAL PENETRATION RATE WITH THREE CONTROL PARAMETERS TO OPTIMIZE OIL AND GAS WELL DRILLING

封面

如何引用文章

全文:

详细

The types of rock destruction at the bottom hole under different loads on the drilling bit are considered, and well-known domestic and foreign models of the penetration rate are analyzed. As shown, they have no optima as power-type functions, being unsuitable for drilling optimization. In addition, they can be used for quick drilling control by adjusting only one parameter (the load on the bit). A mathematical model based on a sinusoid curve is constructed. This model allows the simultaneous control of three drilling mode parameters, namely, the axial load on the bit, its rotation frequency, and the mud flow rate for flushing the well. The adequacy of the model to the drilling process is verified, and its software implementation is performed. This model automatically recognizes the rock at the bottom hole during drilling, adapts to it, and calculates the optimal control parameters for destructing the traversed rock. The model is intended for an intelligent optimal adaptive control system for oil and gas well drilling.

作者简介

A. Tsouprikov

Kuban State Technological University

编辑信件的主要联系方式.
Email: tsouprikov@mail.ru
Krasnodar, Russia

参考

  1. Bingham, M.G. A New Approach to Interpreting Rock Drillability, Petroleum Publishing Company, 1965.
  2. Совершенствование технологии и оптимизация режимов бурения. - М.: МНП, ВНИИОЭНГ, сер. Бурение, 1970. - 172 c.
  3. Козловский Е.А. Кибернетика в бурении / Е.А. Козловский, В.М. Питерский, М.А. Комаров. - М.: Недра, 1982. - 300 с.
  4. Мусанов А.М. Техника и технология бурения нефтегазовых скважин: учебник. - М.: Фолиант, 2017. - 222 c.
  5. Григулецкий В.Г. Оптимальное управление при бурении скважин. - М.: Недра, 1988. - 227 c.
  6. Погарский А.А., Чефранов К.А., Шишкин О.П. Оптимизация процессов глубокого бурения / А.А. Погарский, К.А. Чефранов, О.П. Шишкин. - М.: Недра, 1981. - 296 с.
  7. Погарский, А.А. Автоматизация процесса бурения глубоких скважин / А.А. Погарский. - М.: Недра, 1972. - 216 с.
  8. Басарыгин Ю.М. Булатов А.И., Проселков Ю.М. Бурение нефтяных и газовых скважин: учебное пособие / Ю.М. Басарыгин, - М.: Недра, 2002. - 631 с.
  9. Sun, T., Fu, H. Rheological Analysis of Soft Rock Unloading Combined with Finite Element Analysis Based on H-K Constitutive Model // Hindawi Mathematical Problems in Engineering. - Vol. 2022. - Article ID 8949590. - 7 p. - DOI: https://doi.org/10.1155/2022/8949590
  10. Шмелев В.А., Сердобинцев Ю.П. Повышение эффективности бурения скважин. 1 часть. Моделирование процесса разрушения горных пород при бурении скважин // Строительство нефтяных и газовых скважин на суше и на море: науч.-техн. журн. - М.: ОАО «ВНИИОЭНГ». - 2020. - № 7 (331). - С. 5 12.
  11. Irwan, S. Optimization of Weight on Bit during Drilling Operation Based on Rate of Penetration Model / Journal Universitas Pasir Pengaraian. - 2012. - Vol. 4, no. 12. - P. 1690-1695.
  12. Dupriest, F.E., and Koederitz, W.L. Maximizing Drill Rates with Real-Time Surveillance of Mechanical Specific Energy / Proceedings of the SPE/IADC Drilling Conference, Society of Petroleum Engineers, Amsterdam, The Netherlands, February 2005.
  13. Цуприков А.А. Чувствительность показателей механического бурения к изменению параметров управления / А.А. Цуприков // Научно-технические ведомости СПбГПУ. - СПб.: Изд-во Политехн. ун-та, 2009. - № 3(80). - С. 131-134.
  14. Цуприков А.А. Интеллектуальный буровой автомат для оптимального управления бурением нефтегазовых скважин / А.А. Цуприков. Автоматизация и информатизация ТЭК. - М.: Изд-во «Издательский дом «Губкин», 2022. - № 4(585). - С. 52-54.
  15. Методические рекомендации по разработке и реализации мероприятий по организации дорожного движения Использование программных продуктов математического моделирования транспортных потоков при оценке эффективности проектных решений в сфере организации дорожного движения. - М.: Минтранс РФ, 2017. - 72 c.
  16. Цуприков А.А. Интеллектуальный метод поиска экстремума функции / А.А. Цуприков. World Science: Problems and Innovations. Сб. статей LXIV Международной научно-практической конференции. - Пенза: МЦНС «Наука и Просвещение». - 2022. - С. 50-53.
  17. Ugendhar, A., Illuri, B., Vulapula, S.R., et al. A Novel Intelligent-Based Intrusion Detection System Approach Using Deep Multilayer Classification. - 2022. Hindawi, Mathematical Problems in Engineering, Vol. 2022, Article ID 8030510, - P. 1-10. - DOI: https://doi.org/10.1155/2022/8030510

补充文件

附件文件
动作
1. JATS XML
下载


Creative Commons License
此作品已接受知识共享署名 4.0国际许可协议的许可

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».