高密度废弃水基钻井液电破胶条件的响应曲面法

随着深层、超深层油气资源开发力度的不断加大,地层压力逐渐升高,高密度废弃钻井液处理量也不断增长。传统的化学絮凝剂存在成本高、普适性差及潜在的二次污染等问题,利用外加电场是高密度废弃钻井液绿色处理的新手段。在单因素实验的基础上,运用响应曲面法(RSM)研究了电流强度、破胶时间、极板间距3个因素及其交互作用对钻井液体系的Zeta电位和粒径分布的影响。结果表明,在电流强度为8 A、极板间距为3 cm、破胶时间为10 min的条件下,废弃钻井液破胶效果达到最优。破胶后的钻井液体系的Zeta电位上升率为38.29%,达到了−26.2 mV,其体系的粒径分布D90达到了562.5μm。废弃钻井液体系的胶体稳定性得以破坏,为后续体系中有用组分的回收及废弃组分的处理工作提供有力支撑。

基于神经网络的钻井液漏失裂缝宽度预测研究

针对钻井过程中储层裂隙发育情况不明,防漏堵漏方法和材料选择困难的问题,结合实际井史资料,提出了一种基于神经网络的储层裂缝宽度预测方法。首先通过相关性分析,对储层裂缝宽度的主要相关因素进行分析并对其进行排序,选取了泵压、钻井液排量以及钻速等7种主要相关因素作为输入参数并利用附加动量算法和变学习率算法对模型收敛速度进行提升,同时对模型结构进行优选。其次利用遗传算法(GA)和Adaboost算法对BP神经网络(BPNN)进行优化,克服了其易陷入局部极小值的问题,提升了模型的预测精度。最后建立了Adaboost-GA-BP神经网络预测模型对储层裂缝宽度进行预测研究,同时对比分析了模型的预测精度。结果表明,相关参数与储层裂缝宽度的相关性由高到低依次为漏失速度与漏失量、泵压、钻井液排量、钻速、井深、塑性黏度和钻井液静切力。另外,附加动量算法和变学习率算法使得训练结束时训练数据的绝对误差和降低了27%,显著提升了模型性能,同时通过GA算法优化模型的权值和阈值以及利用Adaboost算法进行集成优化进一步提升了预测精度,建立的Adaboost-GA-BP神经网络储层裂缝宽度预测模型误差和相关系数分别为18%和0.98,与随机森林等其他模型相比,模型的预测精度高,可为勘探开发过程中的裂缝宽度计算以及堵漏方案的制定提供一定的指导。

新型温敏共聚物P(NVCL-co-DMAM)的研制及其对水基钻井液低温流变性调控

温度敏感型聚合物可以随温度变化而改变分子构象,随之改变其亲疏水特性,从而对钻井液内固相颗粒与聚合物之间的网状结构做出调整。采用温敏单元N-乙烯基己内酰胺(NVCL)和N,N-二甲基丙烯酰胺(DMAM)为原料,偶氮二异丁腈(AIBN)为引发剂,合成一种新型温敏共聚物P(NVCL-co-DMAM),表征其分子结构与分子质量及其分布,并研究矿化度、pH值和共聚物质量分数对其低临界溶解温度(LCST)的影响。利用共聚物的温敏特性,研究其对水基钻井液低温流变性的调控能力。结果表明:P(NVCL-co-DMAM)可在4~60℃对深水水基钻井液的流变性进行有效调控,同时该聚合物具有较强的耐温、抗盐能力,可经受钻井液的温度交替变化。