REAL-TIME PREDICTION OF RHEOLOGY OF OIL-BASED MUD

REAL-TIME PREDICTION OF RHEOLOGY OF OIL-BASED MUD. Masters thesis, King Fahd University of Petroleum and Minerals.

[img] PDF
MS_Thesis_Ahmed Alsabaa.pdf - Draft Version
Restricted to Repository staff only until 19 January 2023.

Download (8MB)

Arabic Abstract

تصل تكلفة سوائل الحفر من 25% الى 40% من جملة تكاليف حفر آبار النفط. من أجل ذلك فإن تصميم برنامج جيد لسوائل الحفر ومراقبة خواصها, له أهمية قصوى في عملية حفر الآبار النفطية. يسبب التصميم السيء المبني على معطيات خاطئة او قياسات غير دقيقة, خسائر فادحة ونفقات اضافية لحل المشكلات الناجمة عن ذلك. تعتبر القياسات الدقيقة للخواص الريولوجية لسوائل الحفر من عوامل نجاح عملية الحفر على المستوى الاقتصادي والفني. بالإضافة إلى أهمية الضبط الدقيق للخواص الريولوجية لتأثيرها المباشر على ضغط التدوير المكافيء وعملية تطهير الآبار أثناء الحفر. تتضمن الخواص الريولوجية المستهدفة: اللزوجة البلاستيكية واللزوجة الظاهرية ونقطة الخضوع وعامل السلوك وعامل التماسك لسوائل الحفر المختلفة. القياسات الإعتيادية دقة وضوحها محدودة نظراً لصعوبة إجرائها وطول الوقت الازم لاتمامها في معمل مجهز.في أحسن الأحول لن يجري مهندس سوائل الحفر الاختبارات المعملية أكثر من مرتين لثلاث يوميا في موقع الحفر لتسجيل القياسات الريولوجية. في حين ان كثافة سوائل الحفر تسجل مرتين لثلاث مرات في مل ساعة. لزوجة قمع مارش مثل الكثافة تماما من حيث عدد مرات إجرائها في موقع الحفر. من هنا نبعت فكرة البحث عن خوارزميات معتمدة على الذكاء الإصطناعي يمكنها التنبؤ بقيم الخواص الريولوجية المختلفة اعتماداً على قيمة الكثافة لسائل الحفر وقيمة لزوجة قمع مارش. الفارق الكبير في عدد مرات القياس بين الخواص الريولوجية والخواص سريعة الإجراء يزيد من دقة وضوح الخواص الريولوجية في موقع الحفر ويحسِن من كفاءة متابعة سوائل الحفر بشكل شبه لحظي. هذا العمل هو اضافة للجهود المبذولة في سبيل تحسين الحصول على الخواص الريولوجية بشكل آلي وشبه لحظي لخمس انواع مختلفة من سوائل الحفر زيتية القاعدة (OBM).

English Abstract

The drilling fluids cost share 25-40 % of the total well drilling cost. Therefore, designing and monitoring drilling fluids properties are very critical for drilling operations. Bad mud design or non-precise monitoring for the drilling fluid will cause drilling problems, and therefore, add an extra cost to the drilling expenditures. Consequently, monitoring the rheological properties of drilling fluids in real-time will help to complete the drilling operation with a successful technical and economic program. In addition, the rheological properties of the drilling fluids are important parameters for controlling the rig hydraulics, surge and swab pressure margins, mud equivalent circulation density (ECD) and hole cleaning. Such mud rheological properties include the plastic viscosity (PV), apparent viscosity (AV), yield point (YP), flow behaviour index (n), and consistency index (k). The conventional mud tests have limited resolutions of rheological data due to the time-consuming of the laboratory measurements. On the rig, the mud engineer usually takes the measurements of the mud rheological properties 2-3 times per day. As the mud density is critical for controlling the formation pressure, it is usually measured 3-4 times per hour. Marsh funnel viscosity is a simple measurement and therefore, it has the same high frequent measurement as the mud density. Therefore, predicting the less frequent measurements (rheological properties) from the high frequent mud measurements (mud density and Marsh funnel viscosity) using the artificial intelligence (AI) techniques will help to obtain the drilling fluid rheological properties in a real-time. This research proposal is a contribution to the efforts of fully automating the process of retrieving the mud rheological properties with high accuracy and in a real-time. The objective of this research work is to develop different AI models to predict the drilling fluid`s rheological properties in real-time for five types of oil-based mud (OBM).

Item Type: Thesis (Masters)
Subjects: Research
Petroleum > Drilling Engineering
Department: College of Petroleum Engineering and Geosciences > Petroleum Engineering
Committee Advisor: Elkatatny, Salaheldin
Committee Members: Abdulraheem, Abdulazeez and Alshehri, Dhafer
Depositing User: AHMED ALSABAA (g201905070)
Date Deposited: 19 Jan 2022 12:44
Last Modified: 19 Jan 2022 12:44
URI: https://eprints.kfupm.edu.sa/id/eprint/142049