………………………………………………………………………………………………… 7
2-2- مقاومت فشاری تک محوره سنگ سازند ………………………………………………….. 7
2-2-1- روش های محاسبهUCS…………………………………………………………………….
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- روش های 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- دوغاب های 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- روش های 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 روش های هوشمند …………………………………………… 21
فصل سوم: بر روش های یادگیری ماشینی و الگوریتم های بهینه سازی
3-1- مقدمه ………………………………………………………………………………….. 23
3-2- مفهوم شبکه …………………………………………………………………………… 24
3-3- شبكه 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- الگوریتم های بهینه سازی ……………………………………………………………. 34
3-5-1- الگوریتم ژنتیک …………………………………………………………………. 34
3-5-2- الگوریتم بهینه سازی ازدحام ذرات …………………………………………….. 39
3-5-3- الگوریتم ترکیبی ژنتیک و ازدحام ذرات ……………………………………… 41
فصل چهارم: آماده سازی اطلاعات جهت مدل سازی و آنالیز
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- آماده سازی داده ها جهت استفاده در مدل سازی ………………………………. 50
4-3-1 جمع آوری داده ها ……………………………………………………………….. 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- پیش پردازش داده ها ………………………………………………………….. 55
4-3-2-1- آنالیز داده ها و تأیید صحت و دقت آن ها …………………………. 55
4-3-2-2- همسان سازی داده ها ………………………………………………………… 56
4-3-3- تقسیم بندی داده ها ………………………………………………………. 57
4-4- مدل کردن ………………………………………………………………………… 58
4-5- معیارهای عملكرد مدل ……………………………………………………….. 58
فصل پنجم: آنالیز و تحلیل اطلاعات
5-1- مقدمه …………………………………………………………………………….. 60
5-2- مقاومت فشاری تک محوره سنگ سازند ……………………………………… 60
5-2-1- روش کار ……………………………………………………………………… 60
5-2-1-1- پیش بینیUCSتوسطMLP……………………………………………….
5-2-1-2- پیش بینیUCSتوسطMLP&GA……………………………………….
5-3- انتخاب مته حفاری و بهبود نرخ نفوذ …………………………………….. 66
5-3-1- روش کار ………………………………………………………………………….. 67
5-3-1-1- پیش بینی مته حفاری ………………………………………………….. 67
5-3-1-2- پیش بینی نرخ نفوذ حفاری ……………………………………………… 68
5-3-1-3- بهینه سازی 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- پیش بینی کمی هرزروی سیال حفاری …………………………………. 78
5-4-1-2- پیش بینی 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- پیش بینی گیر مکانیکی و اختلاف فشاری ………………………… 85
5-5-1-2- پیش بینی گیر اختلاف فشاری ……………………………………….. 87
5-5-1-3- کاهش احتمال گیر لوله حفاری ………………………………………….. 88
فصل ششم: نتایج و پیشنهادها
6-1- نتایج …………………………………………………………………………….. 92
6-2- پیشنهادها ………………………………………………………………………… 94
منابع ………………………………………………………………………………………. 95
پیوست …………………………………………………………………………….. 102
چکیده:
در عملیات حفاری، با انتخاب درست ابزار مورد استفاده و همچنین پیش بینی دقیق و به موقع پارامترها و مشکلات احتمالی می توان این عملیات را در زمان و هزینه کمتر انجام داد. مقاومت فشاری تک محوره سنگ سازند، یکی از ویژگی های اصلی سنگ به شمار می آید که نقش به سزایی در انتخاب مته حفاری دارد. در صورت پیش بینی صحیح این ویژگی می توان مته مناسب برای حفاری سنگ مورد نظر را انتخاب کرد. از طرفی مته حفاری خود یکی از ابزارهای اصلی در عملیات حفاری به شمار می رود که تأثیر مستقیم بر نرخ نفوذ حفاری دارد. نرخ نفوذ مناسب زمان و هزینه های عملیات حفاری را کاهش می دهد. در عملیات حفاری گاهی اوقات با مشکلاتی مواجه می شویم که باعث کند شدن حفاری و افزایش هزینه ها می شود. از جمله این مشکلات می توان به هرزروی گل و گیر رشته حفاری اشاره کرد. در صورتی که بتوان این مشکلات را به درستی پیش بینی کرد می توان از توقف حفاری جلوگیری و خطرات ناشی از آن را نیز رفع کرد. لذا اطلاع دقیق از موارد مذکور حیاتی است. تحلیل اطلاعات میدانى، عنصر اصلى كاهش هزینه و بهبود عملیات حفارى و توسعه ابزارهاى تحلیل اطلاعات میدان، یكى از راه هاى توسعه و بهبود عملیات حفارى به شمار می رود. در صنعت حفاری برای شناسایی مشکل و یا بهبود عملیات عموماً از تست های آزمایشگاهی و فرمول های تجربی استفاده می شود؛ یا برای رفع مشکل از تجربیات گذشته استفاده می شود. در این پروژه سعی شده، از مدل سازی هوشمند برای پیش بینی، عیب یابی، رفع عیب و بهبود پارامترهای عملیات حفاری استفاده کنیم. هوش مصنوعی حوزه ای ترکیبی از علوم کامپیوتر و آمار است. در حالت عمومی این روش زمانی ارزش خود را نشان می دهد که روی مجموعه ی بزرگی از داده ها پیاده سازی شده و الگوها و قوانین موجود در آن ها را نمایان سازد. این پروژه در چهار بخش با استفاده از داده های ثبت روزانه دکل حفاری و عملیات نمودارگیری و به کمک شبکه های عصبی و الگوریتم های بهینه سازی انجام شد. نتایج حاصله در موضوعات مورد بحث همگی گویای دقت و کارایی بالای استفاده از روش های هوشمند است.
فصل اول: مقدمه
1-1- اهمیت و بیان مسئله
1-1-1- مقاومت فشاری تک محوره سنگ سازند
دانش معقول از خواص فیزیکی و مکانیکی سنگ و انتخاب مناسب پارامترهای عملیات حفاری کمک زیادی در کاهش هزینه های حفاری و تولید از مخزن نفت[2] می کند. بنا به تعریف، مقاومت فشاری تک محوره[3]، مقدار تنش فشاری تک محوره است، هنگامی که المان مورد نظر کاملاً گسیخته می شود. UCS در واقع سطح استرسی که باعث شکست سنگ می شود است، زمانی که آن را تحت تنش تک محوره قرار می دهیم. مقاومت فشاری تک محوره سنگ سازند، پارامتر مکانیکی مهم سنگ می باشد که نقش حیاتی در حفاری چاه های نفت و گاز دارد. عملیات حفاری تعامل بین سنگ و مته حفاری[4] می باشد زمانی که استرس حاصل بزرگ تر از مقاومت سنگ شود، سنگ دچار شکست می شود.
از آنجایی که مقدار مقاومت فشاری تک محوره توسط پارامترهای بسیاری از قبیل چگالی و تخلخل[5] تحت تأثیر است، به کمک آن می توان خواص مکانیکی سنگ را نشان داد. از این رو می توان 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 روش های ازدیاد برداشت و مطالعات نشست مخزن در نظر گرفت. که انتخاب درست این موارد باعث بهبود و بهینه سازی عملیات حفاری و تولید می گردد [1].
1-1-2- مته حفاری و نرخ نفوذ
در عملیات حفاری، نرخ نفوذ[6]، یکی از عوامل اصلى بهینه سازی است. نرخ نفوذ مته از رابطه ای بر اساس متراژ حفاری بر حسب زمان حاصل می گردد؛ و به عواملی از قبیل نوع مته، خصوصیات سازند[7]، وزن روی مته[8]، سرعت چرخش رشته حفاری[9]، خصوصیات گل و غیره بستگی دارد. پایین بودن نرخ نفوذ حفاری باعث از دست دادن زمان دکل و افزایش هزینه های حفاری می شود. در بعضی موارد افزایش غیر اصولی نرخ نفوذ می تواند 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 می توان گفت بهینه سازی نرخ نفوذ کمک زیادی در پیشبرد و کاهش زمان عملیات حفاری می کند. پیش بینی سرعت حفاری از آن جهت که موجب انتخاب بهینه پارامترها و کاهش هزینه های حفاری می گردد، 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 گونه ای که بهینه سازی عملیات حفاری بدون در نظر گرفتن نقش مته تقریباً غیر ممکن است. مته ی حفاری به پایین ترین بخش رشته حفاری گفته می شود که عامل انتقال انرژی دریافتی از لوله های حفاری به سنگ می باشد و از این طریق موجب نفوذ در سازند می گردد. اگر مته درست انتخاب و مورد استفاده قرار بگیرد، مطمئناً در بهبود نرخ نفوذ و كاهش هزینه چاه مؤثر خواهد بود. با وجود این که قیمت مته، تنها 2 تا 3 درصد هزینه تکمیل یک چاه را در بر می گیرد، اما بر 75 درصد هزینه های کلی حفاری، که شامل 45 درصد هزینه تکمیل یک چاه است، تأثیرگذار می باشد [2].
نوع مته ای که برای عملیات حفاری انتخاب می شود 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 شیل های نرم، سنگ های جوان رسوبی توسط سیستم های حفاری که مجهز به مته های تیغه ای باشند بازدهی مناسب تری دارند و هر چه تیغه های مته بلندتر باشد برای سازندهای نرم تر مناسب هستند. مته هایی که دندان گونه دارند مناسب ترین مته برای شیل های سخت، ماسه سنگ و آهک هستند و به دلیل سختی الماس نسبت به کانی ها و سنگ های معمولی از نظر اقتصادی از آن برای شرایط بسیار سخت استفاده می شود.
1-1-3- هرزروی سیال حفاری
در حفاری چاه های نفت و گاز، به هدر رفتن سیال حفاری در سازندهای تراوا هرزروی گفته می شود. هرزروی سیال حفاری یكی از مشهودترین مشكلات حفاری می باشد كه هزینه ی زیادی را به شركت های نفتی تحمیل می كند. این پدیده از زمان شروع حفاری شروع شده و تا هنگام جداره گذاری ادامه می یابد. ممكن است هرزروی از مقادیر كم تا بسیار شدید اتفاق بیفتد. هرزروی محدود به نواحی حفاری خاص نمی باشد بلكه در هر عمقی كه فشار ستون گل حفاری از فشار شكست سازند بیشتر باشد، لایه شكسته و هرزروی رخ می دهد همچنین سیال حفاری در سازندهای با نفوذپذیری بالا و یا شكستگی های طبیعی كه از قبل در سازند وجود داشته، هدر می رود. بر اساس استانداردهای گل حفاری، سازند باید حداقل دارای نفوذپذیری 10 تا 25 میلی دارسی باشد تا هرزروی گل ایجاد گردد [3]. هرزروی سیال حفاری ممكن است به علل متفاوتی از جمله وجود سازندهای با تراوایی بالا، فیلتر شدن سیال حفاری، نفوذ سیال داخل ماتریكس سنگ و یا ایجاد و گسترش شكاف در داخل سنگ ایجاد شود كه مورد آخر از عمده ترین دلایل هرزروی كامل سیال حفاری به شمار می رود و بیش از 90 درصد هزینه های صرف شده برای درمان هرزروی به این مورد اختصاص دارد [4]. شرکت های نفتی سالانه میلیون ها دلار صرف برطرف كردن مشكل هرزروی و مشكلات ناشی از آن، از جمله از دست رفتن زمان دكل، گیر لوله ها، فوران چاه، از دست رفتن حجم زیادی از سیال حفاری و آسیب به سازند می شود [5].
پارامترهای زیادی شدت هرزروی سیال حفاری را تحت تأثیر قرار می دهند از جمله: فشار گل، فشار شكست سازند، خصوصیات سیال حفاری، لیتولوژی سازند، وجود درزه ها و غارها در سازند، پارامترهای حفاری مثل فشار و دبی پمپ و پارامترهای شناخته شده و شناخته نشده بسیار زیاد دیگری كه پیش بینی مقدار هرزروی سیال هنگام حفاری چاه در یك سازند خاص را بسیار مشكل می كنند. به علاوه، هزینه های هنگفتی كه باید صرف درمان هرزروی گل (ساختن گل جدید و اضافه كردن مواد جلوگیری كننده از هرزروی) و مشكلات 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 راهكاری برای مقابله با این مشكل ترغیب كرده است.
1-1-4- گیر رشته حفاری
گیر لوله ، تعلیق روند برنامه ریزی شده چاه است، زمانی که نیروهای درون چاهی مانع بیرون کشیدن رشته حفاری یا ابزار آلاتی که به منظور انجام عملیات مشخص در مدت زمان محدود و معینی درون چاه رانده شده اند، گفته می شود. گیر لوله های حفاری یکی از بزرگ ترین و پرهزینه ترین مشکلات در حفاری چاه های نفت و گاز محسوب می شود. بطوریکه چنانچه عملیات آزادسازی رشته حفاری موفقیت آمیز نباشد با پسگرد رشته حفاری از محل گیر لوله ها، علاوه بر از دست دادن مقداری از رشته حفاری، عملیات کج کردن چاه و حفاری مجدد آن در دستور کار قرار می گیرد که می تواند هزینه های سنگینی را در سرجمع هزینه های تکمیل چاه تحمیل نماید.
تلاش برای حداقل سازی خطر گیر لوله حفاری، امروزه یكی از اولویت ها و اهداف اصلی می باشد. عوامل بسیار زیادی در گیر رشته حفاری تأثیرگذار هستند. در حال حاضر مهندسین حفاری فقط از روش های قدیمی و تجربی قادرند تا حدودی شرایط گیر رشته حفاری را تشخیص داده و آن ها را رفع كنند، اما به کمک این روش ها نمی توان به خوبی رفتار غیرخطی گیر را پیش بینی نمود.
گیر رشته حفاری را معمولاً به دو دسته گیرهای مكانیكی و گیرهای اختلاف فشاری تقسیم می كنند. در گیر لوله ها به صورت دیفرانسیلی چرخش لوله و حركت آن به سمت بالا و پایین امکان پذیر نیست، اما هنوز گردش گل حفاری انجام می گیرد، این امر با گیر لوله ها به صورت مكانیكی در تناقض است [6].
پس از گیر افتادن رشته حفاری، لازم است كه به سرعت هر گونه تلاشی برای آزاد سازی آن صورت گیرد. از جمله روش های مرسوم و شناخته شده آزادسازی رشته های حفاری، روش افزایش كشش رو به بالا و افزایش وزن رو به پایین می باشند كه تا حدودی وقت گیر و هزینه بر هستند. ولی در بیشتر مواقع منجر به آزادسازی رشته حفاری از چاه می شوند. مشكل گیر رشته حفاری زمانی اهمیت بیشتری پیدا می كند كه به دلایلی نتوان رشته حفاری را از چاه بیرون آورد. در این صورت تنها راه، بریدن رشته حفاری در چاه و انجام عملیات مانده یابی و در بدترین حالت، مسدود کردن قسمت گیر و حفاری چاه انحرافی براى انجام ادامه عملیات حفاری می باشد. این امر باعث تغییر برنامه حفارى، افزایش زمان و هزینه خواهد شد. در عملیات دریایی، گیر لوله ها به تنهایی می تواند هزینه توسعه یك چاه را به اندازه 30 درصد افزایش دهد. بنابراین باید برای پیشگیری از این مشكل و كاهش هزینه های حفاری به دنبال راه حلی اساسی بود [6].
پارامترهای بسیاری بر یک عملیات حفاری تأثیر می گذارند، که در صورت آشنایی کافی و انتخاب درست آن ها، بهبود و کاهش زمان حفاری را باعث شد. از این میان می توان به پارامترهای نرخ نفوذ و مته حفاری، مقاومت فشاری تک محوره سنگ سازند، هرزروی سیال حفاری و گیر رشته حفاری اشاره کرد. در این پایان نامه سعی بر این است، به کمک روش هوش مصنوعی از جمله شبکه های عصبی مصنوعی و الگوریتم های بهینه سازی مشکلات بیان شده را رفع و عملیات حفاری را بهبود بخشید. از داده های ثبت روزانه دکل حفاری و عملیات نمودارگیری برای ساخت شبکه مصنوعی استفاده شد. الگوریتم های بهینه سازی در دو بخش بهبود عملکرد شبکه عصبی و بهینه سازی پارامترهای موثر بر مسئله مورد نظر استفاده شدند.
این پایان نامه شامل شش فصل می باشد. فصل اول مقدمه و بیان مسئله را شامل می باشد. در این فصل اهمیت و چرایی بررسی این موارد بیان شد. فصل دوم، بر تحقیقات گذشته را شرح داده است. در این فصل ابتدا روش های 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 روش های معمول بیان کردیم. در پایان این فصل علت استفاده از روش های هوش مصنوعی و برتری این روش نسبت به روش های گذشته شرح داده شد. فصل سوم شامل توضیح و بررسی شبکه های عصبی و الگوریتم های بهینه سازی می باشد. در این فصل انواع شبکه های عصبی و الگوریتم های بهینه سازی استفاده شده برای مدل سازی شرح داده شد. در فصل چهارم نحوه آماده سازی داده ها برای مدل سازی و آنالیز بیان شد. در این فصل ابتدا آشنایی مختصری با میادین نفتی که اطلاعات از آنجا جمع آوری شده خواهیم داشت، سپس مراحل آماده سازی داده ها 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 می باشد. در این فصل روش کار و مدل های ارائه شده در هر بخش مورد بررسی قرار گرفته و نتایج هر بخش بیان شد. فصل ششم نیز شامل نتایج و پیشنهادها می باشد.
[1] Drilling Operation