«Автоматизация и информатизация ТЭК»

Определение максимально допустимой нагрузки на долото для безаварийного бурения

УДК: 681.5:622.24
DOI: 10.33285/2782-604X-2022-10(591)-52-59

Авторы:

¹ РГУ нефти и газа (НИУ) имени И.М. Губкина, Москва, Россия
² Газпром ЭП Интернэшнл Б.В, Санкт-Петербург, Россия

Ключевые слова: безаварийное бурение, скорость проходки, технический предел, режим бурения, оптимизация

Аннотация:

В статье приведена методология расчета предельно допустимой нагрузки на долото при бурении. Разработанная модель основана на применении элементов машинного обучения наряду с алгоритмами численной оптимизации математических функций. Апробация выполнена на данных с датчиков буровой установки на месторождении Силлиманит в Северном море путем визуального сравнения моделируемых зависимостей с фактическими, а также оценкой соответствующих статистических показателей. Результаты исследования подтвердили высокую применимость описанного подхода.

Список литературы:

1. Marshall D.W. The Technical Limit – Illusion and Reality // SPE/IADC Drilling Conf., Amsterdam, Netherlands, Feb. 27 – March 1. – 2001. – DOI: 10.2118/67819-MS
2. Xuyue Chen, Jin Yang, Deli Gao. Drilling Performance Optimization Based on Mechanical Specific Energy Technologies // Drilling. – London, 2018. – P. 133–161. – DOI: 10.5772/intechopen.75827
3. Akgun F. Drilling Variables At Technical Limit Of Drilling Rate // Canadian Int. Petroleum Conf., Calgary, Alberta, June 11–13. – 2002. – DOI: 10.2118/2002-051
4. Monitoring and Mitigating Downhole Vibration with MSE in Xinjiang Oil Filed of China / Fei Zhao, Haige Wang, Meng Cui [et al.] // 51st U.S. Rock Mechanics/Geomechanics Symposium, San Francisco, California, June 25–28. – 2017. – Paper No. ARMA-2017-0694. – P. 2555–2559.
5. WellPlan Software / Halliburton. – URL: https://www.landmark.solutions/WellPlan-Well-Engineering-Software
6. Официальный сайт Бурсофтпроект. – URL: http://www.burproject.ru/
7. Джафаров Р.Ф., Дадашев М.Н. Комбинирование алгоритмов машинного обучения и метода Монте-Карло при планировании сроков строительства скважин // Вестн. Ассоциации буровых подрядчиков. – 2021. – № 4. – С. 17–22.
8. Дадашев М.Н., Джафаров Р.Ф., Куропаткин Г.Ю. Перспективы внедрения элементов машинного обучения для увеличения механической скорости проходки // Оборонный комплекс – научно-техническому прогрессу России. – 2021. – № 3(151). – С. 21–25. – DOI: 10.52190/1729-6552_2021_3_21
9. Елистратова Е., Губко П. Random Forest // Учебник по ML от ШАД. – URL: https://ml-handbook.ru/chapters/ensembles/intro#random-forest
10. Bourgoyne Jr A.T., Young Jr F.S. A Multiple Regression Approach to Optimal Drilling and Abnormal Pressure Detection // SPE J. – 1974. – Vol. 14, Issue 04. – P. 371–384. – DOI: 10.2118/4238-PA
11. R2 score, the coefficient of determination // Scikit-learn. Machine Learning in Python. – URL: https://scikit-learn.org/stable/modules/model_evaluation.html#r2-score
12. Mean absolute error // Scikit-learn. Machine Learning in Python. – URL: https://scikit-learn.org/stable/modules/model_evaluation.html#mean-absolute-error
13. Mean absolute percentage error // Scikit-learn. Machine Learning in Python. – URL: https://scikit-learn.org/stable/modules/model_evaluation.html#mean-absolute-percentage-error
14. Savitzky A., Golay M.J.E. Smoothing and Differentiation of Data by Simplified Least Squares Procedures // Analytical Chemistry. – 1964. – Vol. 36, No. 8. – P. 1627–1639. – DOI: 10.1021/ac60214a047