BR112020019555A2

BR112020019555A2 - Estimativa de parâmetro com base em modelo para perfuração direcional em operações de furo do poço

Info

Publication number: BR112020019555A2
Application number: BR112020019555-3A
Authority: BR
Inventors: Francesco Quattrone; Christian Hansen; Oliver Hoehn; Joern Koeneke; Bruno Morabito; Rolf Findeisen
Original assignee: Baker Hughes Holdings Llc
Priority date: 2018-03-26
Filing date: 2019-03-25
Publication date: 2021-01-05
Also published as: WO2019190982A1; GB202016459D0; GB2587119A; GB2587119B; US20190292898A1; CN111989456A; NO20201060A1; RU2754892C1; CA3094183C; CN111989456B; CA3094183A1; SA520420182B1; US11268370B2

Abstract

a presente invenção refere-se a exemplos de técnicas para a estimativa de parâmetro e estado em com base em modelo para perfuração direcional em uma operação de furo do poço. em uma implementação de exemplo de acordo com aspectos da presente revelação, um método implementado por computador inclui determinar, através de um dispositivo de processamento, dados de medição a partir de uma operação de furo do poço. o método inclui ainda realizar, através do dispositivo de processamento, uma estimativa online de pelo menos um parâmetro para gerar um parâmetro estimado e um estado para gerar um estado estimado, a estimativa online com base, pelo menos em parte, nos dados de medição. o método inclui ainda gerar, através do dispositivo de processamento, uma entrada de controle para controlar um aspecto na operação de furo do poço com base pelo menos em parte em pelo menos um parâmetro estimado e o estado estimado. o método inclui ainda a execução de uma ação de controle com base na entrada de controle para controlar o aspecto da operação de furo do poço.

Description

"ESTIMATIVA DE PARÂMETRO COM BASE EM MODELO PARA PERFURAÇÃO DIRECIONAL EM OPERAÇÕES DE FURO DO POÇO" REFERÊNCIA CRUZADA A PEDIDOS DE DEPÓSITO CORRELATOS

[0001] Este pedido reivindica o benefício do pedido de patente US nº 15/935659, depositado em 26 de março de 2018, que está incorporado em sua totalidade na presente invenção a título de referência.

ANTECEDENTES

[0002] As modalidades aqui descritas se referem genericamente a esforços de exploração e produção de fundo de poço e, mais particularmente, a técnicas para estimativa de parâmetro com base em modelo para perfuração direcional em operações de furo do poço.

[0003] Esforços de exploração e produção de fundo de poço envolvem a implantação de uma variedade de sensores e ferramentas. Os sensores fornecem informações sobre o ambiente de fundo de poço, por exemplo por meio do fornecimento de medições de temperatura, densidade, e resistividade, entre muitos outros parâmetros. Outras ferramentas podem estar na superfície, por exemplo, como acionamento de topo ou bombas. Essas informações podem ser usadas para controlar aspectos de perfuração e ferramentas ou sistemas localizados no conjunto de fundo, ao longo da coluna de perfuração ou na superfície.

SUMÁRIO

[0004] De acordo com uma modalidade da invenção, um método implementado por computador para o parâmetro com base em modelo e a estimativa de estado para perfuração direcional em uma operação de furo do poço é fornecido. O método inclui receber, por um dispositivo de processamento, dados de medição de operação de furo do poço. O método inclui ainda realizar, através do dispositivo de processamento, uma estimativa online de pelo menos um parâmetro para gerar um parâmetro estimado e um estado para gerar um estado estimado, a estimativa online com base, pelo menos em parte, nos dados de medição. O método inclui ainda gerar, através do dispositivo de processamento, uma entrada de controle para controlar um aspecto na operação de furo do poço com base pelo menos em parte em pelo menos um parâmetro estimado e o estado estimado. O método inclui ainda a execução de uma ação de controle com base na entrada de controle para controlar o aspecto da operação de furo do poço.

[0005] De acordo com uma outra modalidade da presente revelação, é fornecido um sistema para estimativa de parâmetro com base em modelo para perfuração direcional em operações de furo do poço. O sistema inclui uma memória que compreende instruções legíveis por computador e um dispositivo de processamento para executar as instruções legíveis por computador para executar um método. O método inclui receber, através de um dispositivo de processamento, dados de medição da operação de furo do poço. O método inclui ainda realizar, através do dispositivo de processamento, uma estimativa online para estimar pelo menos um parâmetro e um estado com base pelo menos em parte nos dados de medição e com base pelo menos em parte em uma estimativa offline. O método inclui ainda implementar, através do dispositivo de processamento, uma entrada de controle para controlar um aspecto da operação de furo do poço, sendo que a entrada de controle é baseada pelo menos em parte no parâmetro estimado e o estado estimado.

BREVE DESCRIÇÃO DOS DESENHOS

[0006] Com relação agora aos desenhos nos quais elementos similares são numerados da mesma forma nas várias figuras:

[0007] A Figura 1 representa uma vista em seção transversal de um sistema de fundo de poço de acordo com aspectos da presente revelação;

[0008] A Figura 2 mostra um diagrama de blocos do sistema de processamento da Figura 1 que pode ser usado para implementar as técnicas aqui descritas de acordo com aspectos da presente revelação;

[0009] A Figura 3A representa um diagrama de blocos de um sistema para estimativa de parâmetro com base em modelo para perfuração direta em uma operação de furo do poço de acordo com aspectos da presente revelação;

[0010] A Figura 3B mostra um diagrama de blocos de um exemplo do controlador da Figura 3A de acordo com aspectos da presente revelação;

[0011] A Figura 3C mostra um diagrama de blocos de um exemplo do controlador da Figura 3A de acordo com aspectos da presente revelação;

[0012] A Figura 4 representa um modelo de feixe de múltiplas dobras de acordo com aspectos da presente revelação;

[0013] A Figura 5 representa um modelo de interação BHA-rocha de acordo com aspectos da presente revelação;

[0014] A Figura 6 representa a inclinação e o azimute da broca de acordo com aspectos da presente revelação;

[0015] A Figura 7 representa um diagrama de blocos de uma calculadora de força de direção que usa um estimador de parâmetro com base em modelo de acordo com aspectos da presente revelação;

[0016] A Figura 8 representa um diagrama de blocos de uma calculadora de detecção de mudança de parâmetro de modelo que usa um estimador de parâmetro com base em modelo de acordo com aspectos da presente revelação;

[0017] A Figura 9 representa um evento de alteração de parâmetro de modelo de acordo com aspectos da presente revelação;

[0018] A Figura 10 representa um modelo da furação propriamente dita para calcular uma trajetória do poço de acordo com aspectos da presente revelação;

[0019] A Figura 11 representa um gráfico tridimensional de uma trajetória de poço prevista de acordo com aspectos da presente revelação; e

[0020] A Figura 12 representa um diagrama de blocos de um método para estimativa de parâmetro com base em modelo para perfuração direcional em uma operação de furo do poço de acordo com aspectos da presente revelação.

DESCRIÇÃO DETALHADA

[0021] As presentes técnicas referem-se à estimativa de parâmetro com base em modelo para perfuração direcional em operações de furo do poço. Isto aumenta a eficiência e a consistência e fornece automação de serviços de perfuração na operação de furo do poço.

[0022] A interação BHA-rocha (ou seja, a interação entre uma broca de perfuração em uma operação de furo do poço e uma formação de terra) não pode na verdade ser totalmente utilizada para o cálculo da ação de controle de um trabalho de perfuração direcional. Consequentemente, o controle de condução para sistemas de perfuração direcional opera abaixo do nível ideal. Isso pode causar dificuldades para condução ao longo de uma trajetória de poço pré-definida e para alcançar uma qualidade consistente do furo de poço. A interação BHA-rocha depende da formação de solo e do tipo de broca de perfuração. Na prática, fatores arbitrários não verificados são usados para descrever a influência da formação de solo sobre a capacidade de condução de um conjunto de fundo de poço (BHA). Modelos de interação BHA-rocha estão disponíveis, mas é difícil conhecer os parâmetros antecipadamente já que as informações precisas do tipo de broca e as características do tipo de formação de solo não são conhecidos. Além disso, as características da broca podem mudar durante a operação de perfuração devido ao desgaste da broca.

[0023] Considerar a interação BHA-rocha e os modelos BHA melhora a determinação de qual ação de controle selecionar e em conjunto com um modelo de boca para a perfuração, permite o desenvolvimento de sensores virtuais. Ao estimar as forças desconhecidas que atuam sobre a broca e outros parâmetros de modelo, é possível ajustar a forças de condução, peso sobre a broca (WOB), etc, de uma maneira ideal para por exemplo seguir um plano de poço pré-definido. À presente revelação fornece técnicas que descrevem como usar uma abordagem de aprendizagem baseada em modelo para estimar os parâmetros do modelo. Esses parâmetros podem ser alterados em conjunto com a formação. Portanto, uma mudança abrupta dos parâmetros estimados pode ser explorada para determinar um evento de mudança de formação.

[0024] Quando da perfuração de múltiplos poços na mesma área geográfica, as formações de solo podem ser determinadas a partir de dados coletados de poços de referência/guia. Os dados coletados de poços de referência/guia podem ser usados para estimar os parâmetros de interação BHA-rocha, se o mesmo BHA e uma broca similar são usados. A interação BHA-rocha é a troca de forças e momentos nos pontos de contato de BHA e rocha considerando as características de corte da broca. Técnicas de regressão ou de aprendizado de máquina podem ser usadas na estimativa, onde a aprendizagem de máquina é um tipo de inteligência artificial que permite que dispositivos de computação aprendam sem serem explicitamente programados. Em particular, a presente revelação usa a estimativa de parâmetros online e aprendizado de máquina offline para correlacionar os modelos de interação BHA-rocha com a situação real de perfuração. O termo "online" reflete a condição de estar conectado à operação de furo do poço 301, o que significa que o algoritmo é resolvido cada vez quando pelo menos uma nova medição (ou uma nova peça de informação) se torna disponível ou quando a ação de controle precisa ser atualizada. O termo "offline" se refere ao fato de que o algoritmo é resolvido apenas após a coleta de uma certa quantidade de medições ou dados.

[0025] As presentes técnicas fornecem muitas vantagens, incluindo, por exemplo: identificação de parâmetro adaptativo para BHA e interação BHA-rocha como uma base para computar, em tempo real, a ação de controle ótimo na perfuração direcional; estimativa de parâmetro automatizado "online" e "offline" com o uso de dados em tempo real e dados de poço de referência/guia; estimativa em tempo real de estados e parâmetros; estimativa rápida "online" usando um modelo simplificado; utilização de dados de medição passados (históricos) para estimar parâmetros; e redução de ruído que é sobreposto sobre os dados de medição. As presentes técnicas podem ser utilizadas em uma variedade de formas diferentes, incluindo, por exemplo: cálculo automatizado de forças e direção de condução para alcançar uma taxa de intensificação uma taxa de rotação considerando o BHA e interação BHA-rocha; a detecção de alterações de formação; a previsão de uma trajetória de poço; e sensores virtuais.

[0026] As modalidades da presente revelação são baseadas na modelagem da interação de BHA-rocha e o BHA. Em geral, o modelo pode ser um modelo físico ou um modelo dirigido por dados. Além disso, o modelo pode ser dinâmico ou estático. Os modelos dinâmicos descrevem a alteração no tempo (ou profundidade) de certas variáveis que caracterizam o BHA. Estas variáveis são chamadas de "estados". Tais modelos dinâmicos podem ser representados matematicamente de um modo "estado-espaço" da seguinte forma: X(1) = FO), ut), p(t),t), onde ( ) denota a derivada de tempo (ou profundidade), x(t) representa o vetor de estados de variação de tempo, u(t) representa o vetor de entradas, p(t) representa o vetor de parâmetros, f (-) representa o conjunto de equações que descrevem o modelo dinâmico, e t representa o tempo. Os parâmetros são geralmente considerados como constantes ou com alteração lenta no tempo, mas se estes se alteram com o tempo, um modelo pode não estar disponível para descrever sua dinâmica.

[0027] Modelos estáticos não descrevem a dinâmica mas sim correlacionam, classificam, e preveem a saída de um sistema considerando alguns conjuntos de medições como entrada denominada como características. Um modelo estático é representado pela seguinte notação: hoç =, onde z representa o vetor de características e (-),a indica que a hipótese h é função de um vetor de parâmetros 9 que geralmente é de maior dimensão com relação ao vetor p do modelo dinâmico. As abordagens de aprendizado de máquina podem usar o modelo estático hg(,, com pouca ou nenhuma percepção da física por trás do sistema em questão. O objectivo é utilizar, quando disponível, modelos de primeiro princípio como hipótese de função. Quando tais modelos não estão disponíveis, ha) representa um modelo dirigido por dados (por exemplo, rede neural).

[0028] Os modelos dinâmico e estático dependem, cada um, de parâmetros que, na maioria das vezes, são impossíveis de conhecer uma prioridade com suficiente precisão. Portanto, é útil estimar esses parâmetros a fim de se usar de modo confiável o modelo para o propósito de controle do sistema. Esse problema é chamado de problema de identificação de parâmetro.

[0029] A exatidão do modelo também é importante para a obtenção de previsão correta do sistema físico. Em algumas situações, a precisão é proporcional a sua complexidade, o que por sua vez é proporcional à quantidade de tempo computacional necessário para solucionar o modelo. Consequentemente, um equilíbrio entre complexidade e o tempo computacional pode ser necessária.

[0030] De acordo com aspectos da presente revelação, o estimador online possui conectividade com medições em tempo real do sistema de perfuração. Em alguns casos, uma técnica de estimativa online possui um tempo computacional máximo que é mais curto que o tempo entre duas ações de controle consecutivas na operação de furo do poço. Nesse caso, um controlador pode usar os resultados de estimativa online para calcular a próxima ação de controle. Do contrário, de acordo com alguns exemplos, uma técnica de estimativa offline possui um tempo computacional que é maior que a técnica de estimativa online e portanto pode não ser possível de ser usada entre cada aplicação da ação de controle. Em algumas implementações, a estimativa offline pode sempre coletar medições a partir do sistema de perfuração e executar a computação quando ela é acionada por um evento.

[0031] As técnicas de estimativa online frequentemente usam um modelo simplificado que pode oferecer uma solução mais rápida (mas geralmente não exata). As técnicas de estimativa offline, que podem não ter limitações de tempo tão restritiva como as técnicas de estimativa online, podem usar um modelo mais complexo e processar uma quantidade muito maior de dados de entrada para fornecer uma solução mais precisa.

[0032] As presentes técnicas descrevem uma combinação de uma estimativa online com um componente de estimativa de aprendizado de máquina offline para estimar o estado e parâmetros. A estimativa online usa um modelo simplificado e um conjunto menor de dados de medição enquanto a estimativa offline usa um modelo mais complexo e um maior conjunto de dados de medição. A estimativa online é usada a partir de um algoritmo de controle a fim de computar, em tempo real, uma ou mais ações de controle ideal para executar no BHA. A estimativa offlihne pode ser usada para identificar os parâmetros de um modelo mais complexo que utiliza parâmetros não considerados pela estimativa online e para ajustar a estimativa online.

[0033] A Figura 1 mostra uma vista em corte de uma operação de furo do poço 100 de acordo com uma modalidade da presente revelação. O sistema e a disposição mostrados na Figura 1 são um exemplo para ilustrar o ambiente de fundo de poço. Embora o sistema possa operar em qualquer ambiente de subsuperfície, a Figura 1 mostra ferramentas de fundo de poço 10 dispostas em um poço 2 que penetra a formação 4. As ferramentas de fundo de poço 10 são dispostas no poço 2 em uma extremidade distal de um portador 5, conforme mostrado na Figura 1, ou em comunicação com o poço 2, conforme mostrado na Figura 2. As ferramentas de fundo de poço 10 podem incluir ferramentas de medição 11 e circuitos eletrônicos de fundo de poço 9 configurados para fazer um ou mais tipos de medições em uma modalidade conhecida como perfilagem durante a perfuração (LWD - "Logging-While-Drilling") ou medição durante a perfuração ("MWD" - Measurement-While-Drilling).

[0034] De acordo com a modalidade LWD/MWD, o portador 5 é uma coluna de perfuração que inclui um conjunto de fundo de poço ("BHA" - bottomhole assembly)

13. O BHA 13 é parte de um equipamento de perfuração 8 que inclui comandos de perfuração, estabilizadores, escareadores e similares e a broca de perfuração 7. As medições podem incluir medições relacionadas à operação da coluna de perfuração, por exemplo. Um equipamento de perfuração 8 é configurado para conduzir operações de perfuração como girar a coluna de perfuração e, dessa forma, a broca de perfuração 7. O equipamento de perfuração 8 bombeia também fluido de perfuração através da coluna de perfuração para lubrificar a broca de perfuração 7 e remover cascalhos do poço 2.

[0035] Dados brutos e/ou informações processadas pelos circuitos eletrônicos de fundo de poço 9 podem ser telemedidos da superfície para processamento adicional ou para exibição por um sistema de processamento 12. Os sinais de controle de perfuração podem ser gerados pelo sistema de processamento 12 e enviados ao fundo de poço ou podem ser gerados nos circuitos eletrônicos do fundo de poço 9 ou por uma combinação dos dois de acordo com modalidades da presente revelação. Os circuitos eletrônicos de fundo de poço 9 e o sistema de processamento 12 podem, cada um, incluir um ou mais processadores e um ou mais dispositivos de memória. Em modalidades alternativas, os recursos de computação, como os circuitos eletrônicos de fundo de poço 9, sensores e outras ferramentas, podem estar situados ao longo do portador 5 ao invés de estarem situados na BHA 13, por exemplo. O poço 2 pode ser vertical conforme mostrado ou estar em outras orientações/disposições.

[0036] Deve-se compreender que as modalidades da presente revelação podem ser implementadas em conjunto com qualquer outro tipo adequado de ambiente de computação conhecido agora ou desenvolvido no futuro. Por exemplo, a Figura 2 mostra um diagrama de blocos do sistema de processamento 12 da Figura 1 que pode ser usado para implementar as técnicas aqui descritas. Nos exemplos, o sistema de processamento 12 tem uma ou mais unidades de processamento centrais (processadores) 21a, 21b, 21c, etc. (coletiva ou genericamente chamadas de processador(es) 21 e/ou de dispositivo(s) de processamento). Em aspectos da presente revelação, cada processador 21 pode incluir um microprocessador de computador com um conjunto reduzido de instruções ("RISC" - reduced instruction set computer). Os processadores 21 são acoplados à memória do sistema (por exemplo, uma memória de acesso aleatório (RAM, de "random access memory") 24) e a vários outros componentes através de um barramento de sistema 33. Uma memória somente de leitura ("ROM" - read only memory) 22 é acoplada ao barramento de sistema 33 e pode incluir um sistema básico de entrada/saída ("BIOS" - basic input/output system) que controla certas funções básicas do sistema de processamento 12.

[0037] São ainda ilustrados um adaptador de entrada/saída (E/S) 27 e um adaptador de comunicações 26 acoplado ao barramento de sistema 33. O adaptador de E/S 27 pode ser um adaptador de interface de sistemas para pequenos computadores ("SCSI" - small computer system interface) que se comunica com um disco rígido 23 e/ou uma unidade de armazenamento em fita 25 ou qualquer outro componente similar. O adaptador de E/S 27, o disco rígido 23 e o dispositivo de armazenamento em fita 25 são coletivamente chamados no presente documento de armazenamento em massa 34. O sistema operacional 40 para trabalhar no sistema de processamento 12 pode ser armazenado no armazenamento em massa 34. Um adaptador de rede 26 interconecta o barramento de sistema 33 com uma rede externa 36, possibilitando que o sistema de processamento 12 se comunique com outros sistemas.

[0038] Uma tela (por exemplo, um monitor de exibição) 35 é conectada ao barramento de sistema 33 pelo adaptador de tela 32, e ela pode incluir um adaptador gráfico para melhorar o desempenho de aplicativos que fazem uso intensivo de gráficos e um controlador de vídeo. Em um aspecto da presente revelação, os adaptadores 26, 27 e/ou 32 podem ser conectados a um ou mais barramentos de E/S que são conectados ao barramento de sistema 33 através de uma ponte de barramento intermediária (não mostrada). Os barramentos de E/S adequados para conectar dispositivos periféricos, como controladores de disco rígido, adaptadores de rede e adaptadores gráficos, incluem tipicamente protocolos comuns, como o interconector de componentes periféricos (PCI, de "peripheral component interconnect"). Dispositivos de entrada/saída adicionais são mostrados como conectados ao barramento de sistema 33 através do adaptador de interface de usuário 28 e do adaptador de tela 32. Um teclado 29, um mouse 30 e um alto-falante 31 podem ser interconectados ao barramento de sistema 33 através do adaptador de interface de usuário 28, que pode incluir, por exemplo, um superchip de E/S que integra múltiplos adaptadores de dispositivo em um único circuito integrado.

[0039] Em alguns aspectos da presente revelação, o sistema de processamento 12 inclui uma unidade de processamento de gráficos 37. A unidade de processamento de gráficos 37 é um circuito eletrônico especializado projetado para manipular e alterar a memória para acelerar a criação, em um buffer de quadros, de imagens destinadas a serem mostradas em uma tela. Em geral, a unidade de processamento de gráficos 37 é muito eficiente em manipular gráficos de computador e em processamento de imagens e tem uma estrutura altamente paralela que a torna mais eficaz do que as unidades centrais de processamento ("CPUs" - central processing units) de propósito geral para algoritmos em que o processamento de grandes blocos de dados é feito em paralelo.

[0040] Dessa forma, conforme configurado no presente documento, o sistema de processamento 12 inclui capacidade de processamento sob a forma de processadores 21, capacidade de armazenamento, incluindo memória do sistema (por exemplo, a RAM 24) e armazenamento em massa 34, meios de entrada, como o teclado 29 e o mouse 30, e recursos de saída, incluindo o alto-falante 31 e a tela

35. Em alguns aspectos da presente revelação, uma porção da memória do sistema (por exemplo, a RAM 24) e do armazenamento em massa 34 armazenam coletivamente um sistema operacional para coordenar as funções dos vários componentes mostrados no sistema de processamento 12.

[0041] A Figura 3 representa um diagrama de blocos de um sistema 300 para estimativa de parâmetro com base em modelo para perfuração direta em uma operação de furo do poço 301 de acordo com aspectos da presente revelação. O sistema 300 usa a estimativa online 302 e a estimativa offline 304 para executar o parâmetro com base em modelo e a estimativa de estado.

[0042] Frequentemente muitos (por exemplo, dezenas ou centenas) de diferentes poços de testes são perfurados na mesma região geográfica. Durante esse processo, um grande conjunto de dados é medido/coletado, que fornece informações sobre as partes de interação do sistema e podem auxiliar na detecção de alterações na formação rochosa. Esses dados podem ser usados na estimativa offline 304 a fim de treinar um modelo complexo.

[0043] Alguns parâmetros mudam de uma forma quase estática. Ou seja, alguns parâmetros podem ser considerados constantes durante um período de tempo maior que a escala de tempo característica do sistema. Para tais parâmetros, a abordagem de estimativa offline 304 pode ser usada de modo confiável durante as fases estáticas. Por exemplo, alguns parâmetros podem mudar quando o BHA entra em uma nova formação e pode ser presumido como sendo constante desde que o BHA não entre numa nova formação (ou seja, permanece na mesma formação).

[0044] A fim de aplicar uma ação de controle à operação de furo do poço 301, os estados do sistema e um parâmetro (por exemplo, o parâmetro K;) precisa ser determinado confiavelmente em um curto período de tempo, o que é realizado com o uso da estimativa online 302 (por exemplo, o estimador de parâmetro com base em modelo 310 e o controlador 314). A restrição de tempo força o algoritmo de estimativa para usar um modelo simples que pode ser resolvido rapidamente. O parâmetro K; estimado online é então ajustado ou modificado com o uso da estimativa offline 304.

[0045] Focando agora na estimativa online 302, um estimador de parâmetro 310 e um modelo de planta 312 são usados para executar a estimativa online. O estimador de parâmetro com base em modelo 310 recebe dados de medição da operação de furo do poço 301. Os dados de medição podem ser obtidos com o uso de sensores (por exemplo, sensores de pressão, sensor de temperatura, sensores de força, etc.) na operação de furo do poço 301.

[0046] A fim de fornecer excitação suficiente no sistema, o controlador 314 pode ser usado para fornecer ao sistema 300 ações de controle que não prejudicam a operação, mas permitem observações que possibilitam uma melhor estimativa de parâmetro do sistema.

[0047] Pelo uso dos dados de medição, o estimador de parâmetro com base em modelo 310 estima um parâmetro, estado e saídas para o modelo de planta 312. O modelo de planta pode ser um modelo físico, uma função de transferência, uma rede neural, um modelo dirigido por dados, uma curva característica, uma teoria de conjunto, etc. Em uma modalidade o modelo da planta é um modelo simples que pode ser resolvido rapidamente (ou seja, rápido o suficiente para ser calculado dentro de um registro de data e hora) para gerar dinâmicas de estado, que são fornecidas para o estimador de parâmetro baseada em modelo 310 para revisar o parâmetro. Isso aumenta a precisão do parâmetro estimado pelo estimador de parâmetro com base em modelo 310. As dinâmicas de estado também são fornecidas para o controlador 314, o qual gera a ação de controle usada para controlar um aspecto da operação de furo do poço 301. Em uma modalidade o controlador é algoritmo de controle de circuito fechado implementado por computador que determina ações de controle ideais com base nos parâmetros, estados, alvo, restrições, e saídas de modelo complexo conforme mostrado na Figura 3C.

[0048] A Figura 3B mostra um diagrama de blocos de um exemplo do controlador da Figura 3A de acordo com aspectos da presente revelação. Conforme mostrado na Figura 3B, o controlador 314 pode incluir um pré-processador 315 para receber alvo, restrições, saídas de modelo complexo, estados, e/ou parâmetros e pode emitir uma entrada de controle (por exemplo, uma direção de condução, uma força de condução, um peso na broca, um ponto de ajuste de revoluções por minuto, uma pressão de fluido, dinâmica, a emissão de um parecer ou emitir um alerta ou um alarme, etc.) para um operador humano. O operador humano pode então fazer com que uma ação de controle seja implementada através do controlador 314.

[0049] De modo similar, a Figura 3C mostra um diagrama de blocos de um exemplo do controlador da Figura 3A de acordo com aspectos da presente revelação. Conforme mostrado na Figura 3B, o controlador 314 pode incluir um controlador de circuito fechado 317 para receber alvo, restrições, saídas de modelo complexo, estados, e/ou parâmetros e pode emitir uma ação de controle automaticamente sem um operador humano.

[0050] Novamente com referência à Figura 3A, o controlador de circuito fechado pode ser implementado através de um controlador baseado em modelo. Em uma outra modalidade o controlador inclui um pré-processador que transforma Os seus sinais de entrada em uma entrada de controle. A entrada de controle pode ser uma direção de condução, uma força de condução, um peso na broca, um ponto de ajuste de revoluções por minuto, uma pressão de fluido, dinâmica, a emissão de um parecer ou emitir um alerta ou um alarme, etc. A entrada de controle pode ser lida por um operador humano (por exemplo, o perfurador direcional ou o perfurador), que pode então transformar a entrada de controle na ação de controle para controlar um aspecto da operação de furo do poço 301.

[0051] A estimativa offlihe 304 pode ser usada para complementar a estimativa online 302, conforme discutido neste documento para refinar o parâmetro e a estimativa de estado. Em particular, a estimativa offline 304 usa um módulo de aprendizado de máquina 320 para desenvolver um modelo mais complexo. Em particular, o módulo de aprendizado de máquina 320 toma como dados de treinamento os dados 322 coletados dos trabalhos 324. Em geral, os trabalhos 324 são ou foram realizados em uma área geográfica semelhante à operação de furo do poço 301 ou com BHAs semelhantes. O módulo de aprendizado de máquina 320 alimenta os seus resultados para o módulo de modelo complexo 326. O módulo de modelo complexo 326 calcula uma estimativa de parâmetros (por exemplo, K;), restrições (por exemplo, limites WOB, limites de momento de flexão, etc), e as condições iniciais, que são então utilizadas pela estimativa online 302 para refinar o parâmetro e a estimativa de estado. As saídas do módulo de modelo complexo 326 podem também ser alimentadas no controlador 314. Os modelos simples usados pelo modelo de planta 312 e o estimador de parâmetro baseado em modelo 310 são atualizados usando uma função tanto da estimativa offline 304 quanto da estimativa online 302.

[0052] O modelo complexo é um modelo de alta fidelidade da operação de furo do poço. O modelo de planta é um modelo online que geralmente se concentra em apenas um certo aspecto da operação de furo do poço. Ambos os modelos, o modelo de planta utilizado para estimativa e controle online e o modelo complexo "offline", são escolhidos a partir de um conjunto de diferentes modelos para a operação de furo do poço. Isso permite, por exemplo, que o melhor modelo seja usado para estimativa e controle do parâmetro baseado em modelo. Em alguns exemplos, o módulo de modelo complexo 326 e/ou o estimador de parâmetro baseado em modelo 312 podem incluir um seletor do melhor modelo.

[0053] Além de dados a partir do módulo de aprendizado de máquina 320, o módulo de modelo complexo 326 pode receber entradas de dados físicos 326, a partir de medições da operação de furo do poço, ou de uma combinação destes. Em alguns exemplos, o módulo de aprendizado de máquina 320 pode ou não ser usado pois os dados físicos e as medições podem ser usados diretamente dentro do módulo de modelo complexo 326.

[0054] De acordo com alguns exemplos, as restrições de parâmetro derivadas pela estimativa offline 304 são inseridas no estimador de parâmetro com base em modelo 310 para melhorar a estimativa de parâmetro na estimativa online 302. Restrições externas adicionais podem também ser exploradas. O controlador 314 pode aceitar como entradas os alvos, planos, e restrições bem como as dinâmicas de estado a partir do modelo de planta 312 para prever, por exemplo, futura posição da broca, para aplicar uma ação de controle para a operação de furo do poço 301 a fim de atingir determinados resultados desejados.

[0055] Um objetivo do modelo de planta é determinar iterativamente a direção de perfuração da broca dependendo das entradas do sistema. O modelo pode ser de diferentes graus de detalhes. Um exemplo de um modelo simples de broca de perfuração com um baixo grau de detalhe (modelo cinemático) é mostrado usando a seguinte equação:

sin(inc(s)) cos(azi(s)) sin(inc(s)) sin(azi(s)) n dx) = | cos(inc(s)) | = f(x, up), with x = | d | ds Ki FgurD inc K Fwatk azi sin(inc(s))

[0056] A saída da função é igual aos estados, então o processo de perfuração é descrito pela posição [n e dl” eaorientação [inc azi]l”. Para aumentar a precisão do modelo, o parâmetro K; pode ser adaptado ao longo da profundidade medidas.

[0057] O modelo BHA de broca 400 contém duas partes. A primeira parte inclui um modelo de feixe de múltiplas dobras do BHA, que é usado para determinar a força estática e inclinação de uma broca na operação de furo do poço 301. Em particular, a Figura 4 representa um modelo de feixe de múltiplas dobras 400 de acordo com aspectos da presente revelação.

[0058] A segunda parte é um modelo de interação BHA-rocha que calcula a direção de perfuração com base na força e inclinação da broca. A Figura 5 representa um modelo de interação BHA-rocha 500 de acordo com aspectos da presente revelação. Um exemplo do modelo de interação BHA-rocha é o modelo Ho, descrito com base na seguinte equação: rwdar = Ig (1—1g) : co s(a) die +Igolgo ds +(1—1)':ry'cos(b): dror onde /; é a anisotropia da broca, Il, representa a anisotropia da rocha, erré a razão entre a taxa de perfuração e a força normal ao leito da formação. Com referência à Figura 5, são definidos os seguintes parâmetros: F, é um vetor de força lateral atuando sobre a ponta da broca 502; Fwor é um peso no vetor da broca; dr é um vetor direcional de força resultante; dror é um vetor direcional resultante da formação; die é um vetor de direção da broca resultante devido a flexão de um feixe; e dar é um vetor de direção de perfuração resultante.

[0059] De acordo com algumas modalidades, este modelo pode ser variado pela adaptação !;, dependendo dos parâmetros aplicados de perfuração (por exemplo, a velocidade de rotação) características de formação. Deve ser entendido que as técnicas atuais não se limitam a estes dois exemplos e podem funcionar com o uso de vários modelos parametrizados, incluindo modelos simples com apenas um pequeno número de parâmetros e estados e modelos dirigidos por dados mais complexos.

[0060] Ainda com referência à Figura 3, de acordo com uma ou mais modalidades da presente revelação, o estimador de parâmetro baseado em modelo 310 pode usar um modelo cinemático do BHA, que pode usar, por exemplo, coordenadas de Euler ou quatérnions. As seguintes coordenadas de Euler são consideradas como um exemplo. Os estados do modelo são a posição da broca de perfuração em relação a um sistema de coordenadas com zero na plataforma de perfuração com base na inclinação e o azimute da broca de perfuração. A Figura 6 representa a inclinação 604 e o azimute 606 da broca 602 de acordo com aspectos da presente revelação. Os estados podem ser resumidos usando o vetor x = [n, e,d, inc, azi] e, dependendo da fidelidade do modelo, estados adicionais são possíveis (por exemplo, face da ferramenta). Também é possível considerar a dinâmica do atuador. Os estados evoluem seguindo o modelo simples da broca da seguinte forma: sin(inc(s)) cos(azi(s)) sin(inc(s)) sin(azi(s)) dx(s) : E = | Fact) | =f(x,u,p) K, FwAaLKk sin(inc(s)) ondes é a profundidade medida. O modelo é descrito em uma representação de domínio de profundidade em oposição a uma representação de domínio de tempo. As entradas para o sistema são força de deslocamento e força de intensificação. Esses métodos estão resumidos no vetor de entrada u = [Fguip, FwaLkl-

[0061] Em alguns Exemplos, se y(s) é o vetor de medições então y(s) = x(s). Ki é um fator multiplicativo entre as forças aplicadas à ponta da broca 602 e a consequente mudança de inclinação 604 e azimute 606 respectivamente. Este parâmetro K; depende de, por exemplo, a taxa de penetração, o peso na broca, e a formação. Em geral, o valor exato de K; não é conhecido e precisa ser estimado pelo estimador de parâmetro com base em modelo 310. Estimar esse parâmetro é importante para um controle e estimativa de estado efetivos; portanto, uma estimativa online 302 é realizada. No caso do modelo simples de broca, a equação a seguir é aplicada p = K,.

[0062] Para representar a divergência de modelo, estado, e ruído de medição, o sistema pode ser modificado pela adição das seguintes contribuições: DO =f&up)+w(s) y(s) = x(s) + v(s), quando o ruído de estado ou divergência de modelo são representados porw e o ruído da medição é representado por v. O estimador de parâmetro baseada em modelo 310 minimiza a incompatibilidade entre o modelo e a operação de furo do poço ponderando o modelo e o efeito das medições na estimativa. O conhecimento da precisão do modelo subjacente e a precisão da medição é geralmente representado por matrizes de covariância. Portanto o estimador de parâmetro baseado em modelo 310 usa essas matrizes como um fator de ponderação.

[0063] Vários algoritmos têm sido desenvolvidos para a estimativa de estado e parâmetro, por exemplo filtro Kalman, filtto de Kalman estendido, filtro de partículas, etc. Como um exemplo, o estimador de parâmetro baseado em modelo 310 pode utilizar a estimativa de movimento de horizonte (MHE), que vantajosamente usa a história das medições passadas para computar a melhor estimativa dos parâmetros em vez de depender apenas da última medição. A MHE (estimativa de movimento de horizonte) também pode levar em conta restrições. Ambas as características ajudam a melhorar a qualidade da estimativa.

[0064] Ao utilizar a MHE (estimativa de movimento de horizonte), o estimador de parâmetro baseado em modelo 310 toma como medição de entrada os dados incluindo as forças aplicadas à ponta da broca, as medições de ruído, e parâmetros de ajuste (fornecidos por um usuário) e fornece como saída uma estimativa dos parâmetros. Os parâmetros estimados são então enviados para o modelo de planta 312 para gerar a dinâmica de estado que são usados pelo controlador 314 para determinar a ação de controle adequada para a operação de furo do poço 301. À ação pode então ser aplicada, por exemplo, à ponta da broca. Dessa forma, a estimativa em tempo real de parâmetros e estados é fornecida.

[0065] Pela aplicação de MHE (estimativa de movimento de horizonte), um problema de minimização é resolvido. Por exemplo, em cada etapa de tempo, o algoritmo MHE (estimativa de movimento de horizonte) tenta minimizar a seguinte função objetiva: 1 2 1 k-1 1 k-1 Xk-N — Xk- 2 2 Lc s vetos + 2) el z 2) lola kN kN, js js sujeito a restrições de desigualdade e de igualdade, que é min —LGxk-nW,Pr-n) Xk-NW,Pk-N sujeito à Xx+1 = FO U6 Pk) + Wk

IO USP EO onde (-), representa a representação de tempo discreta. F(-) é, portanto, da seguinte forma:

Sk+1 Footer = [ 2 fa nO),

[0066] Vetores que resumem o ruído de estado, estado, entrada, e parâmetro ao longo do horizonte são representados com as variáveis w, x u, e p respectivamente conforme exposto a seguir: x = (XkonXk=N41 20 Xk)

[0067] Em particular, a estimativa offline 304 usa pelo menos um dentre os dados de poço coletados a partir de vários poços de referência/guia (por exemplo, trabalho 1, trabalho 2, trabalho 3, trabalho n, etc.) e/ou dados do poço atual como valores iniciais para a estimativa online 302 para reduzir erros na estimativa online

302. Por exemplo, valores iniciais incorretos podem resultar em erros significativos nas forças de condução calculadas para um próximo horizonte de previsão. Os dados 322 de trabalhos anteriores 324 podem ser usados para inicializar a estimativa para alcançar um melhor valor inicial para a estimativa online 302. O estimador de parâmetro com base no modelo 310 é fornecido como um dado de registro offline de entrada ao invés de pesquisas online e dados durante a perfuração.

[0068] Dados de poços de referência/guia (por exemplo, trabalhos 324) podem também ser usados para melhorar a estimativa online 302. Em caso de formações similares tanto no poço de referência/guia quanto no poço atual (ou seja, o poço da operação de furo do poço 301), uma média ponderada de parâmetros online e offline medidos ao longo da profundidade ou profundidade vertical total pode ser usada para acelerar a velocidade de estimativa de parâmetro nas alterações de formação, o que melhora a qualidade de furo do poço.

[0069] Por exemplo, considerando h6(,, como a função de hipótese (dirigida por dados ou primeiro modelo de princípio) representando um sistema complexo ou um modelo complexo, por exemplo o modelo de interação BHA-rocha e z é o vetor de características (ou seja, taxa de penetração, peso sobre a broca, etc) que são coletados. O vetor y indica os dados de treinamento, ou saída do modelo. Consequentemente, um algoritmo de aprendizado usado pelo módulo de aprendizado de máquina 320 é escrito da seguinte forma: min L(ha(2) —y) onde a função objetiva E(-) depende do algoritmo de aprendizagem e é, em geral, uma função não convexa com possivelmente um grande número de parâmetros e características. A fim de estimar os parâmetros de forma confiável, o algoritmo de aprendizagem usa uma certa quantidade de dados de aprendizagem, motivo pelo qual o uso de dados provenientes de diferentes trabalhos na mesma área geográfica é importante para construir com sucesso um mapa 3D da interação BHA-rocha para aquela área geográfica de perfuração em particular. Este conhecimento será usado para ajustar a estimativa online 302, que em contraste usa informações que é apenas local e específica para o trabalho atual na operação de furo do poço 301.

[0070] Alterações na formação de rocha, ou na operação de controle durante o processo de perfuração podem abruptamente mudar a dinâmica da BHA. Estas mudanças podem desencadear a seleção de um modelo adequado a partir de um conjunto de modelos que descrevem o processo de BHA. O conjunto de modelos representa diferentes aspectos ou modos de operação do processo de perfuração. Além da estimativa e adaptação de parâmetro, o esquema de estimativa usado, ou a estratégia de aprendizagem, pode selecionar um melhor modelo adequado a partir de um conjunto de modelos disponíveis para melhorar a estimativa e o controle da operação de furo do poço 301. De acordo com um exemplo, um critério de seleção para o melhor modelo é a minimização do erro de modelo resultante: fp'=arg min Elymeas - Ymoaei (FPM,

onde f; E [fo,...., fu] é um modelo escolhido a partir de um conjunto de modelos (também chamado de modos), Yyneas É a saída medida do sistema, e ynmoaer É 9 saída de modelo.

[0071] O vetor de parâmetros p; em geral representa diferentes conjuntos de parâmetros para cada modo. Basicamente, o modo é selecionado ao encontrar o melhor modelo de ajuste juntamente com seu melhor conjunto de parâmetros. O modelo resultante é então usado por um controle de circuito fechado da operação de perfuração, ou por um sistema de orientação (ou seja, "pré processador") que pode instruir um operador humano (por exemplo, o perfurador direcional) com a melhor ação de controle a ser tomada em relação a um plano de perfuração.

[0072] Deve ser entendido que os diferentes modelos no conjunto também poderiam ser estruturalmente iguais (portanto com o mesmo conjunto de parâmetros) mas possuir diferentes valores de parâmetro. Neste caso a minimização saltaria de um conjunto de valores de parâmetro para outro ao manter a estrutura de modelo inalterada. Além disso, o uso de modelos permite a implementação de parâmetros aprendidos e modos ajustados de campanhas de perfuração anteriores.

[0073] De acordo com aspectos da presente revelação, o método de estimativa de parâmetro revelado e o cálculo revelado da ação de controle para a operação de furo do poço 301 não é realizado manualmente dentro da operação de perfuração devido à sua complexidade e a restrição de tempo impostas pela dinâmica de operação de furo do poço. Em alguns exemplos, as técnicas aqui fornecidas podem ser implementadas em um dispositivo ou sistema de computação.

[0074] As presentes técnicas podem ser aplicadas em um número de diferentes aplicações na perfuração direcional. Por exemplo, o modelo de broca adaptado a um trabalho de perfuração específico gerado pelo uso da estimativa online 302 e estimativa offline 304 pode ser usado para derivar uma trajetória de poço ideal em direção a um alvo de perfuração. Além disso o mesmo pode ser usado para derivar os metadados do plano (por exemplo, momento de flexão). Em última análise essas informações podem ser exploradas pelo controlador 314 para minimizar um número de sinais eletrônicos descendentes e fornecer uma orientação automatizada para perfuradores direcionais para perfurar poços eficientemente direcional e reduzir o tempo não produtivo. Em particular, as presentes técnicas podem ser usadas para calcular forças e ângulos de condução, detectar alterações de formação, prever trajetórias do poço, criar sensores virtuais, fornecer gestão de vibração, e similares.

[0075] Em um exemplo, as presentes técnicas podem ser usadas para calcular precisamente as forças de condução e direção de condução para um sistema giratório orientável automaticamente. A Figura 7 representa um diagrama de blocos de uma calculadora de força de condução 702 que usa um estimador de parâmetro com base em modelo 310 de acordo com aspectos da presente revelação. Em algumas implementações atuais, o cálculo de forças de condução é um processo manual, que não leva em conta quaisquer parâmetros que descrevem a interação BHA-rocha. Consequentemente, o cálculo atual das forças de condução é impreciso, o que conduz à frequentes reajustes das forças de condução e com isto, a muitos sinais eletrônicos descendentes direcionais causando tempo não produtivo.

[0076] A força de condução calculada e a direção de condução podem ser comunicadas por ligação eletrônica descendente para um dispositivo de condução por pessoal de campo, por aplicações de automação de perfuração, etc. O dispositivo de condução, que é posicionado atrás da broca, é usado para controlar a trajetória de furo de poço na operação de furo do poço 301. Um exemplo de dispositivo de condução pode usar nervuras atuadas hidraulicamente que são empurradas contra a parede do furo do poço para criar uma força direcionada. Essa força deflete o sistema de perfuração na direção desejada. Em outras palavras, as forças conduzem a broca e portanto mudam a inclinação e azimute conforme discutido neste documento.

[0077] Utilizando o exemplo do modelo simples de broca descrito acima, o fator multiplicativo descreve a relação entre as forças aplicadas sobre a broca e a consequente alteração na inclinação e azimute. Profissionais perfuradores direcionais experientes estimam de modo implícito esse fator com o uso de dados de pesquisa mas não levam em conta a dependência deste parâmetro na superfície como WOB, ROP, etc. A presente revelação torna possível estimar o fator multiplicativo automaticamente e leva em conta a influência de parâmetros de perfuração relevantes como WOB e ROP.

[0078] A relação entre as forças de condução, mudança de inclinação (ou seja, taxa de intensificação), e mudança azimutal (ou seja, por taxa de giro) é expressa da seguinte forma: d(inc F " BR " Gm ) BUILD = K = OK. a 5 az É = sin(i TR ds WALK = sin inc) = sin(ino) —— onde FWALK representa a força de deslocamento e FBUILD representa a força de intensificação. BR representa a taxa de intensificação, e TR representa a taxa de giro. A inclinação é simbolizada com inc e o azimute com azi. A força de deslocamento e a força de intensificação é transformada na força de condução resultante ao usar a seguinte equação: lFsteer| = FêumD + Fhax"

[0079] Finalmente, a direção de condução é calculada explorando-se a relação trigonométrica da seguinte forma: — Fwark ANGLE(Fsrggg) = arctan | —— |. FgumnD

[0080] O parâmetro de modelo (por exemplo, o parâmetro K) é estimado pelo estimador de parâmetro baseado em modelo 310 usando um MHE como discutido na presente invenção. O MHE usado neste exemplo toma como entrada as forças aplicadas na broca, as medições de orientação da ferramenta de fundo de poço,

parâmetros de superfície como WOB, RPM e alguns parâmetros de ajuste. A saída do estimador é o parâmetro K, que é então usada nas equações anteriores para calcular as forças de condução e direção de condução pela calculadora da força de condução 702. Uma vantagem do uso de MHE é que ele faz uso das estatísticas para reduzir o ruído que é sobreposto sobre os dados de medição.

[0081] Em outro exemplo, as presentes técnicas podem ser usadas para determinar alterações de formação em uma formação de solo (por exemplo, a formação 4). A Figura 8 representa um diagrama de blocos de uma calculadora de detecção de mudança de parâmetro de modelo 802 que usa um estimador de parâmetro com base em modelo 310 de acordo com aspectos da presente revelação. Isso é obtido observando-se o(s) parâmetro(s) estimado(s) MHE ao longo da profundidade. Em um exemplo, o estimador de parâmetro com base no modelo usa MHE para determinar o modelo simples de broca para determinar o parâmetro K, que é uma função dos parâmetros de perfuração (por exemplo WOB, RPM), o BHA, e a formação. Esse comportamento é explorado para detectar mudanças de formação e uma profundidade associada pelo detector de mudança de parâmetro de modelo 802.

[0082] Presume-se que um poço é perfurado em uma formação homogênea (por exemplo, a formação A). Nestas condições a estimativa de parâmetro do parâmetro de modelo (por exemplo, o parâmetro K) é constante. Se a broca choca-se em outra formação (por exemplo uma formação mais dura) (por exemplo, a formação B), o valor do parâmetro de modelo muda abruptamente conforme a formação se altera. Se a formação é mais dura, o valor do parâmetro de modelo diminui. Se a formação é mais macia, o valor de K aumenta. A alteração do parâmetro de modelo pode ser detectada automaticamente. A relação do parâmetro de modelo e a mudança de formação é representada na Figura 9, que representa um evento de mudança de parâmetro de modelo entre a formação A e a formação B.

[0083] Em outra modalidade, um modelo de broca com um maior grau de detalhe é usado para determinar os parâmetros desconhecidos de perfuração. Novamente, esses parâmetros mudarão simultaneamente quando outra formação é atingida. Em vez de depender apenas de um parâmetro, múltiplos parâmetros são usados para revelar um evento claro de mudança de formação, levando em última análise a uma classificação mais robusta de formação.

[0084] Um evento de alteração de parâmetro também pode ser usado para detectar stringers. Um stringer é um pedaço de formação dura incorporada em uma formação mais macia. Alternativamente, o evento de mudança de parâmetro pode ser usado em aplicações de detecção de stringer existentes para reduzir a incerteza do seu esquema de detecção. Em outra modalidade, o evento de detecção de alteração de formação pode ser utilizado para otimizar a precisão dos métodos de avaliação de formação existentes.

[0085] Uma outra aplicação das presentes técnicas é utilizar o modelo com os parâmetros estimados para prever a trajetória futura do poço. A Figura 10 representa um modelo da furação 1002 para calcular uma trajetória do poço de acordo com aspectos da presente revelação. Isso é realizado por exemplo ao utilizar a estimativa de parâmetro de modelo juntamente com as forças reais de intensificação e deslocamento para calcular a alteração incremental no azimute e inclinação. Consequentemente, é possível calcular uma trajetória futura.

[0086] Em uma modalidade, as presentes técnicas são usadas para estimar o parâmetro de modelo (por exemplo, o parâmetro K) e então resolver a equação diferencial cinemática simples para o sistema de perfuração para calcular (isto é, prever) a trajetória futura de poço com o uso do modelo de perfuração 1002. Com o uso das coordenadas cartesianas n,e,d (isto é, norte, leste, para baixo) as equações para a posição da broca são as seguintes: s n= /f sin(inc) cos(azi) ds , e= /f sin(inc) sin(azi) ds ,

EN d= /f cos(inc)ds . So

[0087] Os valores de inclinação e azimute são usados para resolver as integrais. A inclinação e azimute são calculados com o uso da estimativa de um parâmetro de modelo (por exemplo, o parâmetro de modelo K) conforme a seguir: s inc = /f K FgumnDds , s ão 1 azi = /f K ———— Fwarx, d$ so sin(inc)

[0088] Note que uma estimativa extra da taxa de penetração não é necessária pois a descrição do sistema é completamente feita no domínio de profundidade.

[0089] Em outra modalidade, um modelo mais complexo de perfuração é usado para prever a trajetória. O modelo de feixe oferece alta precisão para prever uma trajetória mas depende de estimativas adequadas de muitos parâmetros. As presentes técnicas podem ser usadas para estimar os parâmetros simultaneamente. As saídas do modelo de feixe podem ser escritas em formato vetorial como y = [n,e, d, inc, azi]”. As saídas são expressas com o uso do modelo de espaço de estado não linear: dx(s) —s 7 fC pu), y=cC), onde f, c são vetores das funções não lineares f71,...,fn, e c1,...cn. Dependendo do modelo, algumas das funções não lineares são conhecidas (por exemplo, de um modelo físico), enquanto outras funções não lineares dentro do modelo de furação contêm parâmetros que precisam ser identificados. Se os dados de poço de referência/guia estiverem disponíveis, os parâmetros desconhecidos são estimados offline mediante o uso de uma técnica de mínimos quadrados. Para estimativa de parâmetro em linha uma MHE é usada. O rastreamento de parâmetro é feito utilizando-se o estimador de parâmetro com base em modelo 310.

[0090] Um exemplo dos resultados de previsão de trajetória são demonstrados na Figura 11. Em particular, a Figura 11 representa um gráfico tridimensional 1100 de uma trajetória de poço 1102 prevista de acordo com aspectos da presente revelação. A previsão de comprimento é ajustada para por exemplo 90 metros. A previsão de comprimento pode ser alterada para qualquer previsão comprimento necessária. À trajetória do poço foi derivada com o uso de um modelo de sistema de perfuração cujos parâmetros são estimados utilizando-se a invenção. A força de intensificação e deslocamento são mantidas constantes durante todo o horizonte de previsão. Deve ser entendido que a previsão do poço propaga informações de incerteza através da previsão. Pontos de previsão próximos à posição real contêm menos incerteza comparados aos pontos de previsão que estão distantes da posição real.

[0091] A Figura 12 representa um diagrama de blocos de um método 1200 para estimativa de parâmetro com base em modelo para perfuração direcional em uma operação de furo do poço da presente revelação. O método 1200 pode ser implementado por qualquer sistema de processamento adequado, como o sistema de processamento 12 das Figuras 1 e 2 ou o sistema de processamento 300 da Figura 3.

[0092] No bloco 1202, o estimador de parâmetro com base em modelo 310 (por exemplo, um processador ou dispositivo de processamento) recebe dados de medição da operação de furo do poço 301. No bloco 1204, o estimador de parâmetro baseado em modelo 310 estima um parâmetro com base pelo menos em parte nos dados de medição. Em alguns exemplos, a estimativa do parâmetro é baseada pelo menos em parte em restrições geradas a partir de uma técnica de aprendizado de máquina. À técnica de aprendizado de máquina pode utilizar uma rede neural ou outras técnicas de aprendizado de máquina. A rede neural, por exemplo, recebe como entradas, os dados do trabalho a partir de uma pluralidade de trabalhos e gera as restrições com base, pelo menos em parte, nos dados do trabalho. Os dados do trabalho podem incluir dados de taxa de penetração, peso sobre a broca, dados de rotação por minuto, dados de pressão de fluído, e dados de raios gama, entre outros dados. Em exemplos adicionais,

a estimativa do parâmetro é baseada, pelo menos em parte, na anisotropia da broca e na rigidez da rocha geradas a partir de uma técnica de aprendizado de máquina.

[0093] No bloco 1206, o controlador 314 gera uma ação de controle para controlar uma broca ou outra ferramenta na operação do furo do poço com base, pelo menos em parte, no parâmetro estimado. No bloco 1208, o controlador 314 controla a broca na operação de furo do poço com base na ação de controle.

[0094] Processos adicionais podem também ser incluídos. Por exemplo, o método 1200 pode incluir adicionalmente o cálculo de uma força de condução e um ângulo de condução com base, pelo menos em parte, no parâmetro estimado. A força de condução e o ângulo de condução podem ser geradas como a entrada de controle e pode ser usada para controlar a broca. O cálculo da força e o ângulo de condução pode ser baseado, pelo menos em parte, em uma taxa de intensificação e taxa de rotação desejadas. Em um exemplo adicional, uma alteração na formação de solo pode ser determinada com base, pelo menos em parte, no parâmetro estimado e em uma medida de profundidade. Deve-se compreender que os processos representados na Figura 12 representam ilustrações e que outros processos podem ser adicionados ou processos existentes podem ser removidos, modificados ou rearranjados sem que se afaste do escopo e do espírito da presente revelação.

[0095] Serão apresentadas a seguir algumas modalidades referentes à revelação supracitada:

[0096] Modalidade 1: Um método implementado por computador para o parâmetro baseado em modelo e a estimativa de estado para perfuração direcional em uma operação de furo do poço, o método incluindo: receber, por um dispositivo de processamento, dados de medição a partir de uma operação de furo do poço; realizar, pelo dispositivo de processamento, uma estimativa online de pelo menos um parâmetro para gerar um parâmetro estimado e um estado para gerar um estado estimado, a estimativa online com base, pelo menos em parte, nos dados de medição; gerando, pelo dispositivo de processamento, uma entrada de controle para controlar um aspecto da operação de furo do poço com base, pelo menos em parte, em pelo menos um parâmetro estimado e o estado estimado, e executar uma ação de controle com base na entrada de controle para controlar o aspecto da operação de furo do poço.

[0097] Modalidade 2: O método implementado por computador de acordo com qualquer modalidade anterior, onde a estimativa online é selecionada a partir do grupo que consiste de mover a estimativa de horizonte, a estimativa estendida de um filtro de Kalman, e a estimativa de mínimos quadrados.

[0098] Modalidade 3: O método implementado por computador de acordo com qualquer modalidade anterior, onde a realização da estimativa online do pelo menos um parâmetro e o estado é baseada, pelo menos em parte, em restrições, parâmetros, e condições iniciais geradas durante a estimativa offline.

[0099] Modalidade 4: O método implementado por computador de qualquer modalidade anterior, onde as restrições, parâmetros e condições iniciais geradas durante a estimativa offline são geradas com o uso de uma técnica de aprendizado de máquina.

[0100] Modalidade 5: O método implementado por computador de qualquer modalidade anterior, onde a técnica de aprendizado de máquina recebe como entradas, os dados de trabalho a partir de uma pluralidade de trabalhos e gera as restrições, parâmetros e condições iniciais com base, pelo menos em parte, nos dados de trabalho.

[0101] Modalidade 6: O método implementado por computador de acordo com qualquer modalidade anterior, onde os dados de trabalho compreendem os dados da taxa de penetração, os dados do peso sobre a broca, os dados de rotação por minuto, os dados de pressão hidrostática, e dados de raios gama.

[0102] Modalidade 7: O método implementado por computador de acordo com qualquer modalidade anterior, onde os modelos subjacentes utilizados para executar as estimativas online e offline são selecionados a partir de um conjunto de modelos de operação de furo do poço pela minimização de um erro entre uma medição de operação de furo do poço e medições calculadas provenientes dos modelos subjacentes.

[0103] Modalidade 8: O método implementado por computador de acordo com qualquer modalidade anterior, incluindo ainda calcular, pelo dispositivo de processamento, uma força de condução e um ângulo de condução com base, pelo menos em parte, no parâmetro estimado.

[0104] Modalidade 9: O método implementado por computador de acordo com qualquer modalidade anterior, onde o cálculo da força de condução e o ângulo de condução é adicionalmente baseado, pelo menos em parte, em uma taxa de intensificação desejada e uma taxa de rotação desejada.

[0105] Modalidade 10: O método implementado por computador de acordo com qualquer modalidade anterior, onde o cálculo da força de condução e o ângulo de condução é baseado, pelo menos em parte, em um plano de poço, um modelo geológico, ou um registro de dados durante a medição de perfuração.

[0106] Modalidade 11: O método implementado por computador de acordo com qualquer modalidade anterior, que inclui ainda a determinação da alteração de uma formação de solo com base, pelo menos em parte, no parâmetro estimado e uma medição de profundidade.

[0107] Modalidade 12: O método implementado por computador de acordo com qualquer modalidade anterior, que inclui ainda o cálculo de uma previsão de uma futura trajetória de poço.

[0108] Modalidade 13: O método implementado por computador de acordo com qualquer modalidade anterior, onde a ação de controle permite observações que possibilitam a estimativa de parâmetro ao mesmo tempo que não prejudicam a operação de furo do poço.

[0109] Modalidade 14: Um sistema para integrar informações contextuais em um fluxo de trabalho para uma operação de furo do poço, o sistema incluindo: uma memória que inclui instruções legíveis por computador e um dispositivo de processamento para executar as instruções legíveis por computador para executar um método, sendo que o método inclui: receber, pelo dispositivo de processamento, dados de medição a partir da operação de furo do poço; realizar, pelo dispositivo de processamento, uma estimativa online para estimar pelo menos um parâmetro e um estado com base pelo menos em parte nos dados de medição e com base pelo menos em parte em uma estimativa offline; e implementar, pelo dispositivo de processamento, uma entrada de controle para controlar um aspecto da operação de furo do poço, onde a entrada de controle é baseada pelo menos em parte no parâmetro estimado e o estado estimado.

[0110] Modalidade 15: O método implementado por computador de acordo com qualquer modalidade anterior, onde a estimativa offline de pelo menos um parâmetro e do estado é baseada, pelo menos em parte, em restrições, parâmetros, e condições iniciais geradas a partir da técnica de aprendizado de máquina.

[0111] Modalidade 16: O sistema de acordo com qualquer modalidade anterior, onde as restrições, parâmetros e condições iniciais geradas durante a estimativa offline são geradas com o uso de uma técnica de aprendizado de máquina.

[0112] Modalidade 17: O sistema de acordo com qualquer modalidade anterior, onde a técnica de aprendizado de máquina recebe como entradas, os dados de trabalho a partir de uma pluralidade de trabalhos e gera as restrições, parâmetros, e condições iniciais com base pelo menos em parte nos dados de trabalho, e em que os dados de trabalho compreendem dados de taxa de penetração, peso sobre a broca, dados de rotação por minuto, dados de pressão de fluído, e dados de raios gama.

[0113] Modalidade 18: O sistema de acordo com qualquer modalidade anterior, onde o método inclui ainda calcular, pelo dispositivo de processamento, uma força de condução e um ângulo de condução com base, pelo menos em parte, no parâmetro estimado, em que o cálculo da força de condução e o ângulo de condução é adicionalmente baseado, pelo menos em parte, em uma taxa de intensificação desejada e uma taxa de rotação desejada.

[0114] Modalidade 19: O sistema de acordo com qualquer modalidade anterior, que inclui ainda a determinação da alteração de uma formação de solo com base, pelo menos em parte, no parâmetro estimado e uma medição de profundidade.

[0115] O uso dos termos "um", "uma", "o" e "a" e referências similares no contexto de descrever a presente revelação (especialmente no contexto das reivindicações a seguir) deve ser interpretado como abrangendo tanto o singular quanto o plural, exceto onde indicado em contrário na presente invenção ou claramente contradito pelo contexto. Além disso, deve ser considerado adicionalmente que os termos "primeiro", "segundo" e similares na presente invenção não denotam qualquer ordem, quantidade ou importância, sendo ao invés disso usados para distinguir um elemento de outro. O modificador "cerca de" usado em conexão com uma quantidade é inclusivo do valor declarado e tem o significado ditado pelo contexto (por exemplo, ele inclui o grau de erro associado à medição da quantidade específica).

[0116] Os ensinamentos da presente revelação podem ser usados em uma variedade de operações de poços. Essas operações podem envolver o uso de um ou mais agentes de tratamento para tratar uma formação, os fluidos residentes em uma formação, um poço e/ou equipamentos no poço, como uma tubulação de produção. Os agentes de tratamento podem estar sob a forma de líquidos, gases, sólidos, semissólidos e misturas dos mesmos. Os agentes de tratamento ilustrativos incluem, mas não se limitam a, fluidos de fraturamento, fluidos de estimulação, ácidos, vapor, água, salmoura, agentes anticorrosão, cimento, modificadores de permeabilidade, lamas de perfuração, emulsificantes, desemulsificantes, sinalizadores, melhoradores de fluxo, etc. As operações de poços ilustrativas incluem, mas não se limitam a, fraturamento hidráulico, estimulação, injeção de sinalizador, limpeza, acidificação, injeção de vapor, injeção de água, cimentação, etc.

[0117] Embora a presente revelação tenha sido descrita com referência a uma modalidade ou a modalidades exemplificadoras, será entendido pelos versados na técnica que várias alterações podem ser feitas e equivalentes podem ser substituídos por elementos dos mesmos sem que se afaste do escopo da invenção. Adicionalmente, muitas modificações podem ser feitas para adaptar uma situação ou um material específico aos ensinamentos da presente revelação sem que se afaste do escopo essencial da mesma. Portanto, pretende-se que a presente revelação não se limite à modalidade específica apresentada como o melhor modo contemplado para realizar a presente revelação, mas que a presente revelação inclua todas as modalidades que se enquadrem no escopo das reivindicações. Além disso, nos desenhos e na descrição, foram reveladas modalidades exemplificativas da presente revelação e, embora termos específicos possam ter sido empregados, eles são usados, a menos que seja afirmado de outra forma, em um sentido genérico e descritivo apenas e não para fins de limitação, portanto o escopo da presente revelação não é assim limitado.

Claims

REIVINDICAÇÕES

1. Método implementado por computador (1200) para o parâmetro com base em modelo e estimativa de estado para perfuração direcional em uma operação de furo do poço (100, 301), caracterizado por compreender: receber, por um dispositivo de processamento (21), dados de medição a partir da operação de furo do poço (100, 301); realizar, através do dispositivo de processamento (21), uma estimativa online (302) de pelo menos um parâmetro para gerar um parâmetro estimado e um estado para gerar um estado estimado, a estimativa online (302) com base, pelo menos em parte, nos dados de medição; gerar, através do dispositivo de processamento (21), uma entrada de controle para controlar um aspecto na operação de furo do poço (100, 301) com base pelo menos em parte em pelo menos um parâmetro estimado e o estado estimado; e executar uma ação de controle com base na entrada de controle para controlar o aspecto da operação do furo do poço (100, 301).

2. Método implementado por computador (1200) de acordo com a reivindicação 1, caracterizado por a estimativa online (302) ser selecionada a partir do grupo que consiste de mover a estimativa de horizonte, a estimativa estendida de um filtro de Kalman, e a estimativa de mínimos quadrados.

3. Método implementado por computador (1200) de acordo com a reivindicação 1, caracterizado por a realização da estimativa online (302) de pelo menos um parâmetro e o estado ser baseada, pelo menos em parte, em restrições, parâmetros, e condições iniciais geradas durante a estimativa offline (304).

4. Método implementado por computador (1200) de acordo com a reivindicação 3, caracterizado por as restrições, parâmetros e condições iniciais geradas durante a estimativa offline (304) serem geradas com o uso de uma técnica de aprendizado de máquina.

5. Método implementado por computador (1200) de acordo com a reivindicação 4, caracterizado por a técnica de aprendizado de máquina receber como entradas, os dados de trabalho a partir de uma pluralidade de trabalhos e gerar as restrições, parâmetros e condições iniciais com base, pelo menos em parte, nos dados de trabalho (322).

6. Método implementado por computador (1200) de acordo com a reivindicação 5, caracterizado por os dados de trabalho (322) compreenderem os dados da taxa de penetração, os dados do peso sobre a broca, os dados de rotação por minuto, os dados de pressão de fluído, e os dados de raios gama.

7. Método implementado por computador (1200) de acordo com a reivindicação 3, caracterizado por os modelos subjacentes utilizados para executar as estimativas online (302) e offline (304) serem selecionados a partir de um conjunto de modelos de operação de furo do poço (100, 301) pela minimização de um erro entre uma medição de operação de furo do poço (100, 301) e medições calculadas a partir dos modelos subjacentes.

8. Método implementado por computador (1200), de acordo com a reivindicação 1, caracterizado por compreender adicionalmente: calcular, pelo dispositivo de processamento (21), uma força de condução e um ângulo de condução com base, pelo menos em parte, no parâmetro estimado.

9. Método implementado por computador (1200), de acordo com a reivindicação 8, caracterizado por o cálculo da força de condução e o ângulo de condução serem adicionalmente baseados, pelo menos em parte, em uma taxa de intensificação desejada e uma taxa de rotação desejada.

10. Método implementado por computador (1200), de acordo com a reivindicação 9, caracterizado por o cálculo da força de condução e o ângulo de condução serem baseados, pelo menos em parte, em um plano de poço, um modelo geológico, ou um registro de dados durante a medição de perfuração.

11. Método implementado por computador de acordo com a reivindicação 1, caracterizado por compreender adicionalmente a determinação da alteração de uma formação de solo (4) com base, pelo menos em parte, no parâmetro estimado e uma medição de profundidade.

12. Sistema (300) para integrar informações contextuais em um fluxo de trabalho para uma operação de furo do poço (100, 301), o sistema (300) caracterizado por compreender: uma memória (24) que compreende instruções legíveis por computador; e um dispositivo de processamento (21) para executar as instruções legíveis por computador para executar um método, sendo que o método compreende: receber, através de um dispositivo de processamento (21), dados de medição a partir da operação de furo do poço (100, 301); realizar, através do dispositivo de processamento (21), uma estimativa online (302) para estimar pelo menos um parâmetro e um estado com base pelo menos em parte nos dados de medição e com base pelo menos em parte em uma estimativa offline (304); e implementar, através do dispositivo de processamento (21), uma entrada de controle para controlar um aspecto da operação de furo do poço (100, 301), sendo que a entrada de controle é baseada, pelo menos em parte, no parâmetro estimado e no estado estimado.

13. Sistema (300) de acordo com a reivindicação 12, caracterizado por a estimativa offline (304) de pelo menos um parâmetro e do estado ser baseada, pelo menos em parte, em restrições, parâmetros, e condições iniciais geradas a partir da técnica de aprendizado de máquina.

14. Sistema (300) de acordo com a reivindicação 13, caracterizado por as restrições, parâmetros e condições iniciais geradas durante a estimativa offline (304) serem geradas com o uso de uma técnica de aprendizado de máquina.

15. Sistema (300) de acordo com a reivindicação 14, caracterizado por a técnica de aprendizado de máquina receber como entradas, os dados de trabalho a partir de uma pluralidade de trabalhos e gerar as restrições, parâmetros, e condições iniciais com base, pelo menos em parte, nos dados de trabalho (322), e sendo que os dados de trabalho (322) compreendem dados de taxa de penetração,

peso sobre a broca, dados de rotação por minuto, dados de pressão de fluído, e dados de raios gama.