شناسایی ناحیه های بحرانی حفاری
قالیشویی شفقی 15 آذر 1398, 14:00 مقالاتتیم تحقیقاتی پتروپلی تکنیک ۲ دانشگاه صنعتی امیرکبیر متشکل از ارسلان رفیعی سرپرست تیم، مهندس افشین بحری آنالیز داده، مهرداد قاسمی متخصص هوش مصنوعی با راهنمایی و هدایت دکتر احسان خامهچی عضو هیات علمی دانشگاه صنعتی امیرکبیر، روابط و نمودارهایی را گسترش دادند که میتواند نزدیک شدن به ناحیه بحرانی بریده شدن لولههای حفاری که تحت تنش و کرنشهای گوناگونی در چاههای نفت و گاز است را پیش بینی و آلارم دهد.
شفقی
این تیم با استفاده از هوش مصنوعی و شبکههای عصبی برای پیشبینی برخی پارامترها و استفاده از دادههای چاههایی که در قبل مشکل twist_off داشتهاند، توانستهاند مدلی را طراحی و ارائه کنند که در همه دکلهای حفاری بدون نیاز به انجام هزینههای اضافی، ناحیههای بحرانی حفاری را برای رشته حفاری مشخص و برطرف کند.
همچنین به گفته سرپرست تیم، برنامههای داده شده فراتر از آکادمیک بودن طرح است و در تمامی دکلهای حفاری قابلیت اجرا دارد که باتوجه به شرایط و زمان تحریم، درحال حاضر هیچ کدام از دستگاههای حفاری در کشور، روشی برای پیشبینی twist_off لوله حفاری به کار نمیگیرند.
یکی از پرهزینهترین بخشهای صنعت نفت و گاز در شاخه بالادستی، بخش حفاری به شمار میرود و در مهندسی حفاری هزینه روزانه دکلها بسیار بالا است.
مهرآباد
بریده شدن یا twist_off رشته حفاری یکی از مشکلاتی است که در حفاری چاههای نفت و گاز در ایران و جهان به وفور دیده میشود که برای برطرف کردن این مشکل هزینههای بسیار زیادی به شرکتهای صاحب دکل حفاری تحمیل میشود؛ بنابراین برای پیشبینی و پیشگیری از این مشکل میتوان بااستفاده از مدل تیم پتروپلیتکنیک ۲، نزدیک شدن به ناحیه بحرانی twist_off را مشخص کرد.