بهینه سازی تمیزکاری چاه با استفاده از الگوریتم ها تکاملی و شبکه عصبی مصنوعی (مطالعه موردی میدان مارون)

انتقال خرده های حفاری و تمیزکاری چاه عاملی بسیار مهم و موثر می باشد که باید در طول عملیات حفاری، خصوصا در حفاری چاه های جهت دار در نظر گرفته شود. بهینه سازی انتقال خرده های حفاری به عوامل زیادی مثل زاویه چاه، سایز خرده های حفاری، هیدرولیک سرمته و… بستگی دارد. این موضوع در قسمت هایی از چاه که ته نشینی و تجمع خرده های حفاری باعث ایجاد مشکلاتی مانند گیر لوله، شکست سازند، سایش بیش از حد سرمته، کاهش سرعت حفاری و… می شود از اهمیت بالاتری برخوردار است؛ متاسفانه علیرغم پیشرفت و بهبود در عملیات حفاری، تمیزکاری چاه هنوز یک چالش مهم تلقی می شود [7]. در این پژوهش هیدرولیک حفاری به منظور بهبود تمیزکاری چاه برای دو مخزن آسماری و بنگستان (سروک) اصلاح گردیده، که برای این منظور در ابتدا پارامترهای هیدرولیکی در حفره های مختلف با استفاده از محاسبات افت فشار و نیروی جت سرمته، در فضای متلب کدنویسی و بهینه شده و با ارائه برنامه حفاری این مقادیر به صورت عملیاتی تایید می شوند. در انتها مقادیر بهینه شده با استفاده از کدنویسی در فضای پایتون و یادگیری ماشین، به مدل تزریق شده و مقادیر جدید نرخ نفوذ با الهام از مدل ساخته شده و داده های پیشین تخمین زده خواهد شد. به منظور بهینه کردن تمیزسازی چاه در قسمت افقی، از آن جا که در این قسمت ها انتقال خرده حفاری از اهمیت بالایی برخوردار بوده و بهبود این امر خود به منزله بهبود عملیات حفاری است، لذا اقدامات صورت گرفته در جهت توسعه روشی جدید برای بهینه سازی تمیزکاری چاه، کاهش ارتفاع لایه ی خرده های حفاری با در نظر گرفتن نرخ جریان، سطح مقطع نازل های سرمته، ضریب پایداری و ضریب عملکرد جریانی سیال حفاری، بهینه به طور همزمان توسط الگوریتم های تکاملی بوده است. مدل رئولوژیکی سیال حفاری توانی در نظر گرفته شده و با اعمال محدودیت های مسئله، نتایج بهینه سازی نشان داده می شود. در این پروژه، کد الگوریتم ژنتیک در محیط متلب با در نظر گرفتن محدودیت های عملیاتی چاه مورد مطالعه و با توجه به تصحیحات صورت گرفته برای قیود در نظر گرفته شده ی معادله اصلی ارتفاع بستر خرده های حفاری (مدل ژو و ونگ) نوشته شد [35] و نتایج آن با نتایج حاصل از روش آزمایشگاهی مدل لارسن اعتبارسنجی گردید [6]. نتایج حاصل از بهینه سازی نشان داد که تمیزکاری چاه با وجود ارضای محدودیت های مسئله، پیشرفت چشمگیری داشته و به لحاظ عملیاتی قابل استفاده است.

کلیدواژه ها:

هیدرولیک حفاری ، تمیزکاری چاه ، خرده های حفاری ، چاه های جهت دار ، بهینه سازی ، الگوریتم ژنتیک ، یادگیری ماشین.