فناوری نوین حفاری هوشمند؛ بررسی چالش ها و فرصت ها در صنعت نفت و گاز ایران

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 227

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_EKTESHAF-1401-203_002

تاریخ نمایه سازی: 5 اردیبهشت 1402

چکیده مقاله:

از آنجا که اکتشاف و توسعه نفت و گاز به سمت مخازن غیر متعارف با نفوذپذیری کم، سازندهای عمیق و سایر منابع پیچیده هیدروکربوری سوق پیدا می کند، با کاهش کیفیت منابع زیر زمین، بدتر شدن محیط عملیاتی، بیشتر تشدید می شود و مهندسی حفاری از نظر ایمنی، اقتصادی و بهره وری با یکسری مشکلات و چالش روبرو است. بنابراین اکتشاف نفت و گاز از طریق فناوری حفاری هوشمند محقق می شود. فناوری حفاری هوشمند ترکیبی از فناوری های پیشرفته مانند کلان داده ها و هوش مصنوعی است که با بهره گیری از آن ها، انتظار می رود که فناوری حفاری هوشمند بتواند قابلیت تشخیص پیشرفته، فرمان هوشمند، کنترل حلقه بسته و تصمیم گیری هوشمند را در روند حفاری به کار گیرد و در نتیجه باعث افزایش بهره وری و نسبت بازیابی نفت و گاز و کاهش هزینه های حفاری شود. در این مقاله به طور مفصل فناوری های کلیدی در حفاری هوشمند و تجهیزات حفاری هوشمند توضیح داده شده و تجهیزات و فناوری های موجود به منظور توسعه این فناوری در کشور مورد تجزیه و تحلیل و بررسی قرار گرفته است. توسعه فناوری حفاری هوشمند در کشور نیاز فوری به ادغام نیروهای تحقیقاتی علمی داخلی و خارجی بر اساس آموزش از تجربیات پیشرفته کشورهای خارجی و ایجاد یک سیستم کلی برای حفاری هوشمند دارد. در عین حال، تقویت نوآوری مشترک و ایجاد همکاری بین صنعت و دانشگاه و تحقیقات نیز ضروری است. همچنین بسترهای نرم افزاری، بهبود آموزش پرسنل و ارتقا بیشتر هوش، برای دستیابی به حفاری هوشمند باید فراهم شود. در فناوری حفاری هوشمند با توجه به بهبود کارایی حفاری، ساده شدن ساختار چاه و کاهش زمان غیر مولد، در آینده مطمئنا چرخه حفاری را به طور قابل توجهی کوتاه می کند و همچنین هزینه های حفاری را به میزان قابل توجهی کاهش می دهد. حتی اگر قیمت نفت بین المللی تا آن زمان همچنان کاهش یابد، بیشتر پروژه های نفت و گاز هنوز می توانند به توسعه اقتصادی و کارآمد دست یابند.

نویسندگان

ناصر بهنام

دانشجوی دکتری مکانیک سنگ دانشگاه صنعتی شاهرود

احمد رمضان زاده

دانشیار دانشکده مهندسی معدن، نفت و ژئوفیزیک دانشگاه صنعتی شاهرود

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Li Gensheng, Song Xianzhi, Tian Shouqi. Research status and development ...
  • Wang Minsheng, Guang Xinjun. Status and development direction of intelligent ...
  • Yang Jinhua, Qiu Maoxin, Hao Hongna, Zhao Xu, Guo Xiaoxia. ...
  • Hu Q, Qingyou L. Intelligent drilling: a prospective technology of ...
  • Qingyou L. Future intelligent drilling technology. CAAI Transactions on Intelligent ...
  • Tang Zhijun, Han Laiju, Liu Xinhua. Progress in automated and ...
  • Zhang Xiaodong, Zhu Zhengxi. Research on Intelligent Drilling Technology. Petroleum ...
  • Rey-Fabret I, Nauroy JF, Vincké O, Peysson Y, King I, ...
  • Guo Jianming, Li Yunfeng, Han Zhaohui. Research on the Real-time ...
  • Vega MP, Vieira FB, Fernandes LD, Freitas MG, Russano E, ...
  • Grigorescu SD, Cepisca C, Ghita OM, Potarniche I, Grigorescu EL. ...
  • Yilmaz M, Dhansria NR, Mujeeba S. An intelligent control approach ...
  • Rashidi B, Hareland G, Tahmeen M, Anisimov M, Abdorazakov S. ...
  • Wang Yifa. Design of a new type of intelligent drill ...
  • Lurie P, Head P, Smith JE. Smart Drilling with Electric ...
  • Yang Li. "Smart drill pipe" technology is moving towards full ...
  • Xiao Shihong, Liang Zheng. Research status and difficulties of intelligent ...
  • Sehsah O, Ghazzawi A, Vie GJ, Al-Tajar T, Ali A, ...
  • Wang Ping, Zhao Qingjie, Yang Ruqing. Research on Intelligent Drilling ...
  • Di Qingyun, Li Shouding, Fu Changmin, Wu Siyuan, Wang Xiaotian. ...
  • Song Hongqing, Du Shuyi, Zhou Yuanchun, Wang Yuhe, Wang Jiulong. ...
  • Tilley J, Nair VN, Hamoudi L. Case Study: Intelligent RSS ...
  • Demirer N, Zalluhoglu U, Marck J, Darbe R. Automated Steering ...
  • Corser GP, Harmse JE, Corser BA, Weiss MW, Whitflow GL. ...
  • Trichel DK, Isbell M, Brown B, Flash M, McRay M, ...
  • Qingyou LI, Run DO, Kai GE. The status of current ...
  • Gao Y, Guo C, Li F, Mao Y. Real Time ...
  • Journal Editors. Intelligent Drilling (۱): Development Background, Present Situation and ...
  • Alali AM, Abughaban MF, Aman BM, Ravela S. Hybrid data ...
  • Wang Dingya, Wang Yaohua and Yu Xingjun, Research and development ...
  • Yu RH, Yuan PB. Development of intelligent drilling and intelligent ...
  • Cong Haiyang, Sun Haoyu, Wang Wei, Liang Zheng, Ma Linchang, ...
  • Zhang H, Qiu Y, Liang H, Li Y, Yuan X. ...
  • بنفشه الماسی نیا، علی حاج حسینی، رضا عاشوری زاده، امیر ...
  • نمایش کامل مراجع