Математическая модель механической скорости проходки с тремя параметрами для оптимизации бурения нефтегазовых скважин

Обложка

Цитировать

Полный текст

Аннотация

Рассмотрены виды разрушения породы на забое при различных значениях нагрузки на долото, проанализированы известные отечественные и зарубежные модели скорости проходки. Выявлено, что как функции степенного вида они экстремумов не имеют, поэтому для оптимизации бурения непригодны. Кроме того, с их помощью можно оперативно управлять регулированием только одного параметра - нагрузки на долото. Построена математическая модель на базе кривой синусоиды, позволяющая одновременно управлять тремя параметрами режима бурения - осевой нагрузкой на долото, частотой его вращения и расходом бурового раствора для промывки скважины. Проверена адекватность модели процессу бурения, выполнена её программная реализация. Модель позволяет автоматически в ходе бурения распознавать породу на забое, адаптироваться под неё и вычислять параметры управления, оптимальные для разрушения проходимой породы. Модель предназначена для применения в интеллектуальной системе оптимального адаптивного управления бурением нефтегазовых скважин.

Об авторах

А. А Цуприков

Кубанский государственный технологический университет

Автор, ответственный за переписку.
Email: tsouprikov@mail.ru
г. Краснодар, Россия

Список литературы

  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

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

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».