Einfluss der Blasengröße auf die Ultraschallrückstreuung von Blasenwolken im Zusammenhang mit der Gasstoßerkennung in Bohrlöchern

Scientific Reports Band 13, Artikelnummer: 11825 (2023) Diesen Artikel zitieren

347 Zugriffe

Details zu den Metriken

Die frühzeitige Erkennung von Gaseinströmen in Bohrlöcher während des Bohrens ist für Bohrbetreiber von großem Interesse. Mehrere Studien deuten auf eine gute Korrelation zwischen Ultraschallrückstreuung/-dämpfung und dem Gasvolumenanteil (GVF) in Bohrschlämmen hin und schlagen daher Methoden zur Quantifizierung des GVF in Bohrlöchern vor. Allerdings vernachlässigen die oben genannten Studien den Einfluss der Blasengröße, die im Laufe der Zeit erheblich variieren kann. In diesem Artikel wird ein Modell vorgeschlagen, um bestehende Theorien zur Ultraschallrückstreuung von Blasen in Abhängigkeit von ihrer Größe zu kombinieren, nämlich. Rayleigh-Streuung für kleinere Blasen und Spiegelreflexion für größere Blasen. Das vorgeschlagene Modell wird anhand von Simulationen und Experimenten demonstriert, bei denen die Ultraschallrückstreuung von Blasenwolken unterschiedlicher Blasengröße ausgewertet wird. Es wird gezeigt, dass die Größe und Anzahl der Blasen einen starken Einfluss auf die Intensität der Ultraschall-Rückstreuung haben und nur dann mit der GVF korreliert, wenn die Blasengrößenverteilung bekannt ist. Unter Feldbedingungen ist es schwierig, Informationen über die Blasengröße zu erhalten, wodurch diese Korrelation nicht mehr gegeben ist. Folglich ist es schwierig, Methoden, die auf Ultraschallrückstreuung und damit auch auf deren Dämpfung basieren, für die Quantifizierung von GVF während Zuflussereignissen in einem Bohrloch zuverlässig anzuwenden. Diese Methoden können jedoch als hochempfindliche Gasblasendetektoren für GVF \(\ge\)1 vol\(\%\) eingesetzt werden.

Das Bohren von Bohrlöchern durch die unterirdische Formation ist für die Gewinnung von Kohlenwasserstoffen aus unterirdischen Öl- und Gaslagerstätten, die Entwicklung geothermischer Energieressourcen sowie die Kohlenstoffabscheidung und -speicherung erforderlich. Der Druck des Bohrschlamms im Bohrloch wird im Vergleich zum Formationsdruck üblicherweise auf einem etwas höheren Niveau gehalten. Einige Ereignisse während des Bohrens können jedoch dazu führen, dass der Bohrlochdruck unter den Formationsdruck absinkt, was zu einem unbeabsichtigten Eindringen von Formationsflüssigkeit in das Bohrloch führt. Solche Ereignisse werden „Kicks“ genannt, und die frühzeitige Erkennung von Kicks ist oft entscheidend für sichere Bohrarbeiten. Im schlimmsten Fall kann eine verzögerte Reaktion auf einen Tritt zu einer unkontrollierten Freisetzung von Kohlenwasserstoffen an der Oberfläche führen, die als „Blowout“ bezeichnet wird.

Formationsdruck und -temperatur nehmen im Allgemeinen mit der vertikalen Tiefe zu, und bei tiefen Bohrlöchern sind Werte von 10.000 psi und 150 °C keine Seltenheit. Unter diesen Bedingungen kommt es im überkritischen Zustand der Materie zum Einströmen von Gasen oder Gaskondensaten, sodass ihre Masse und Dichte denen ihrer flüssigen Zustände näher kommen. Das Volumen der einströmenden Gase vergrößert sich, wenn sie im Bohrloch zur Oberfläche aufsteigen, da Druck und Temperatur unter ihre kritischen Punkte fallen. Abhängig von der Bohrtiefe kann es mehrere Minuten dauern, bis das einströmende Gas bis zu diesem Punkt aufsteigt, an dem es in den Parametern des Bohrprozesses erkennbar werden kann, sofern die Gasmenge im Spülschlamm ausreichend groß ist. Die geringe Erkennungsempfindlichkeit beeinträchtigt die Fähigkeit der Bohrlochbetreiber, rechtzeitig Korrekturmaßnahmen einzuleiten. Die Löslichkeit von Gas im Bohrschlamm verkompliziert dieses Phänomen zusätzlich1,2,3. Bei oberflächennahen Gasbohrungen, bei denen die Tiefe typischerweise < 1000 m beträgt, dringt das einströmende Gas direkt im gasförmigen Zustand in das Bohrloch ein und selbst eine kleine Menge an einströmendem Öl äußert sich in einer großen Volumenänderung des Bohrschlamms im Bohrloch. Folglich ist die Zeit zwischen dem tatsächlichen Zufluss und seiner Manifestation an der Oberfläche sehr kurz, was bedeutet, dass Bohrlochbetreiber nur ein sehr kurzes Zeitfenster haben, um wirksame Maßnahmen durchzuführen4. Daher ist die frühzeitige Erkennung von Gaseinströmen in den Bohrschlamm während des Bohrens aus Sicherheits- und Bohreffizienzsicht für Bohrbetreiber von großem Interesse.

Derzeitige Methoden, die in diesem Bereich zur Erkennung von Gasstößen eingesetzt werden, umfassen die Überwachung des Volumenstroms des Rücklaufschlamms, der stetig ansteigt, wenn Gas im Rücklaufschlamm vorhanden ist. Allerdings ist die Empfindlichkeit dieser Methode meist sehr gering. Eine weitere gängige Methode ist die Messung des Massendurchflusses in der Rücklaufschlammleitung mithilfe von Coriolis-Durchflussmessern. Für eine genaue Messung ist es jedoch erforderlich, dass die Schlammleitung vollständig mit Gas gefüllt ist5,6, was eine geringe Empfindlichkeit impliziert. Die fortschrittliche Schlammprotokollierung mittels Gaschromatographie wird unter anderem auch zur Gasstoßerkennung verwendet, indem die Zusammensetzung des Gases in der Schlammrücklaufleitung analysiert wird7. Kürzlich wurden Techniken des maschinellen Lernens für den Einsatz bei erweiterten Schlammgasprotokollen für deren schnelle Auswertung entwickelt8. Diese Methoden sind jedoch auf den Einsatz an der Oberfläche beschränkt, da sie für die Analyse auf hochentwickelte Instrumente angewiesen sind. Dies kann abhängig von der Bohrlochtiefe, dem Durchmesser und der Zirkulationsrate des Bohrschlamms zu erheblichen Verzögerungen bei den Informationen führen.

Die Bohrvorgänge werden mithilfe verschiedener Logging-While-Drilling-Tools (LWD)9 sorgfältig überwacht. Abbildung 1 ist eine schematische Darstellung einer typischen Bohrlochbaugruppe (BHA) mit Ultraschall-LWD-Werkzeugen. Die Bohrflüssigkeit zirkuliert von der Oberfläche durch die Mitte des Bohrstrangs, durch die BHA und die Bohrmeißeldüsen in das Bohrloch und befördert die Gesteinssplitter durch den Ringraum zwischen Bohrloch und BHA zurück an die Oberfläche. Wenn die Formation Gas enthält, wird dieses im Verlauf des Bohrvorgangs durch diesen Abschnitt der Formation in den Bohrschlamm freigesetzt, wie in Abb. 1 dargestellt. Es wäre äußerst vorteilhaft, wenn die vorhandenen Ultraschall-LWD-Werkzeuge auch für die Erkennung verwendet werden könnten und Quantifizierung dieses Gaseinstroms in die Bohrlöcher während des Bohrvorgangs. Dadurch würde die Notwendigkeit größerer Änderungen oder erhöhter Komplexität im BHA entfallen.

Schematische Darstellung einer BHA mit einem Ultraschall-LWD-Werkzeug in einem Bohrloch, das auf einen Gaseinstrom hinweist.

Mehrere Forscher haben Ultraschallmethoden zur Erkennung von freiem Gas im Bohrschlamm untersucht. Zuletzt wurde die Überwachung der Fließgeschwindigkeit des Bohrschlamms in der Rückleitung an oder nahe der Oberfläche mithilfe von Doppler-Ultraschall untersucht10,11,12. Diese Methoden beruhen auf einer Vergrößerung des Volumens des Bohrschlamms in der Rückleitung, der Gas enthält, während dieser aufgrund der Verringerung des Formationsdrucks und der Temperatur zur Oberfläche fließt. Die Volumenzunahme entspricht einer Erhöhung der Fließgeschwindigkeit des Bohrschlamms. Daher wird üblicherweise vorgeschlagen, diese Methoden im Bereich des Steigrohrabschnitts eines Bohrlochs oberhalb des Meeresbodens anzuwenden, wo die maximale Zunahme des Gasvolumens zu beobachten ist. Die akustischen Eigenschaften von mehrphasigen Materialien, die Hohlräume oder Gas enthalten, wurden ausführlich untersucht13 und zur Schätzung der Blasenpopulation14, des Hohlraumanteils und der Schallgeschwindigkeit15,16 in solchen Medien verwendet. Hage et al.17 diskutieren eine ähnliche Methode, die auf einer modifizierten Wood-Gleichung basiert, um die Geschwindigkeit und Phasenänderung einer akustischen Welle zu bewerten, die sich entlang des Bohrlochrings ausbreitet. Anpassungen dieses Prinzips werden auch numerisch18 und experimentell19,20,21,22,23,24,25 ausgewertet.

Die im vorherigen Absatz erwähnten Studien haben scheinbar deterministische Beziehungen zwischen der Ultraschallreaktion und den Gasvolumenanteilen im Bohrschlamm unter allgemeinen Betriebsbedingungen nahegelegt. Obwohl diese Studien viele der Auswirkungen aufgrund der komplexen Wechselwirkung von Ultraschallwellen im Bohrschlamm mit Gas berücksichtigt haben, wurden die Auswirkungen der Blasengrößenverteilung und ihre Auswirkungen auf die Streuung des Ultraschallwellenfelds nicht berücksichtigt. Dieser Aspekt ist sehr wichtig, da die Blasengröße bei einem Gaseinstromereignis normalerweise unbekannt ist und erheblich variieren kann, was wiederum einen großen, nicht trivialen Einfluss auf die Ultraschallreaktion hat. Dieser Beitrag diskutiert die Streutheorien, die dieses Verhalten bei verschiedenen Blasengrößen beeinflussen, und kombiniert sie zu einem einfachen verallgemeinerten Modell, das im Kontext von Gaseinströmereignissen in Bohrlöchern mithilfe von Simulationen und Laborexperimenten analysiert wird. Die in dieser Arbeit gemachten Beobachtungen sind jedoch allgemein auf ähnliche Anwendungen anwendbar, bei denen die Schätzung von Blasenpopulationen in einer Flüssigkeit mit unbekannten Blasengrößenverteilungen von Interesse ist.

Es wird allgemein angenommen, dass die Dämpfung von Ultraschallwellen in großen Mengen durch eine Kombination aus Absorption und Streuung verursacht wird26. Die Absorption beruht auf einem Energieverlust im Material aufgrund seiner Eigenschaften wie Viskosität27 und Wärmeleitfähigkeit28, die unter bekannten Temperatur- und Druckbedingungen als konstant angesehen werden können. Der durch Streuung verursachte Energieverlust ist der Teil der einfallenden akustischen Energie, der nicht zum Wandler zurückkehrt. Dies kann auf Inhomogenitäten innerhalb des Materials zurückzuführen sein, die lokale Änderungen der akustischen Impedanz innerhalb des Ausgangsmaterials verursachen. Streuung kann auch durch das Vorhandensein einer zweiten Phase im Material auftreten, einschließlich Gasblasen im Zusammenhang mit Stößen in Bohrlöchern.

Der Schwerpunkt dieser Arbeit liegt auf der Untersuchung der Ultraschallstreuung in Flüssigkeiten, die Blasenwolken unterschiedlicher Blasengröße enthalten, im Zusammenhang mit ihrer Anwendung beim Bohren von Bohrlöchern. Es wird ein Simulationsmodell vorgeschlagen, mit dem der Effekt der Ultraschallrückstreuung von Blasenwolken beliebiger Größenverteilung analysiert werden kann. Die Studie umfasst auch Laborexperimente, bei denen versucht wird, Blasengrößenverteilungen zu reproduzieren, die denen ähneln, die während eines Bohrlochzuflussereignisses auftreten können. Eine Ultraschallwandlerkonfiguration, die der typischerweise bei LWD verwendeten ähnelt, wird im Zusammenhang mit ihrer Anwendung zur Erkennung flacher Gasausbrüche gewählt. Die in diesem Dokument diskutierten allgemeinen Prinzipien gelten jedoch im Großen und Ganzen für alle ähnlichen Wandler. In dieser Studie wird Wasser zur Emulation der Bohrspülung und Luft als Zuflussgas verwendet. Die in diesem Artikel diskutierten Beobachtungen gelten jedoch allgemein für jede Gas-Flüssigkeits-Kombination. Ziel dieser Arbeit ist es nicht, Feldbedingungen im Versuchsaufbau oder in den Simulationen zu reproduzieren, sondern vielmehr einen sinnvollen Rahmen vorzuschlagen, um zu zeigen, dass die Ultraschallrückstreuung stark von der Blasengrößenverteilung im Zusammenhang mit Zuflussereignissen in Bohrlöchern abhängt.

Die Bewegung von Flüssigkeiten durch Risse und Poren in der Untergrundformation ist gut verstanden29. Es ist nicht unvernünftig, einen ähnlichen Mechanismus beim Flüssigkeitszufluss aus der Formation in das Bohrloch zu erwarten. Während eines Zuflussereignisses ist der Formationsdruck im Vergleich zum Bohrloch höher. Dieser Druckunterschied ist die treibende Kraft für die Flüssigkeitsbewegung in das Bohrloch durch den Riss/die Pore. Der Flüssigkeitszufluss in das Bohrloch durch Risse/Poren (Abb. 2a) kann als Strömung durch eine Venturi-Düse30 modelliert werden, wie in Abb. 2b dargestellt. Das Entstehungsende des Risses verhält sich wie eine konvergente Düse, die Flüssigkeit aus einer Hochdruckzone hineinzieht; während sich das Bohrlochende des Risses wie eine divergente Düse verhält und Flüssigkeit in eine Zone mit niedrigem Druck drückt. Dieses Modell wurde in dem in dieser Arbeit verwendeten Versuchsaufbau angewendet.

Schematische Darstellung von (a) dem Flüssigkeitszufluss in ein Bohrloch durch einen Riss in der Formation und (b) eines Modells, das Bedingungen wie die Strömung durch eine Venturi-Düse nachahmt.

Die genaue Blasengrößenverteilung bei Bohrlochzuflussereignissen ist nach bestem Wissen der Autoren nicht bekannt. Die Blasengrößenverteilung kann durch verschiedene Turbulenzeffekte aufgrund der Bewegung des BHA weiter verändert werden. Das vorgeschlagene Venturi-Düsenmodell ist daher bestenfalls eine grobe Annäherung, und die von einer solchen Venturi-Düse erzeugte Blasengrößenverteilung spiegelt möglicherweise nicht genau die Feldbedingungen wider. Unter Berücksichtigung dieser Einschränkungen bleibt das vorgeschlagene Venturi-Düsenmodell ein nützliches Werkzeug, um die Änderungen in der Größenverteilung von Blasen bei unterschiedlichen Wasserdurchflussraten zu verstehen. Die Ultraschallrückstreuung für solche Änderungen kann dann sowohl experimentell als auch mithilfe des Simulationsmodells untersucht werden. Es muss beachtet werden, dass der Versuch nicht darin besteht, einen Eins-zu-eins-Vergleich des Simulationsmodells und der Experimente durchzuführen, was den Rahmen dieser Arbeit sprengen würde, sondern vielmehr darin besteht, die Abhängigkeit der Ultraschallrückstreuung von Blasengrößen sowohl rechnerisch als auch rechnerisch zu untersuchen experimentell. Hierfür reicht eine grobe Annäherung an die Blasengrößenverteilung aus einer Venturi-Düse aus. Das Simulationsmodell würde es uns dann auch ermöglichen, die Ultraschall-Rückstreuung an Größenverteilungen zu untersuchen, die sich stark von den in unserer Studie verwendeten unterscheiden, z. B. einheitliche Blasengrößen, was eine häufige Annahme in früheren Studien ist, die in „Einführung“ besprochen werden.

Die Größenverteilung der von einer Venturi-Düse erzeugten Blasen wurde experimentell untersucht31,32. Eine Beobachtung der Ergebnisse dieser Studien legt nahe, dass die Blasengrößenverteilungen einer Teilmenge positiv bewerteter Exponentialverteilungen ähneln. Es ist möglich, eine detaillierte statistische Analyse der Blasengrößen durchzuführen, um die am besten geeignete Verteilung auszuwählen. Das Venturi-Düsenmodell selbst ist jedoch eine grobe Annäherung an die Feldbedingungen, und wir beabsichtigen lediglich, die Abhängigkeit der Ultraschallrückstreuung von Blasengrößen im Zusammenhang mit Zuflussereignissen in Bohrlöchern mithilfe von Experimenten und Simulationen zu untersuchen. Daher sollte die spezifische Wahl der Verteilung innerhalb der Familie der positivwertigen Exponentialverteilungen keinen Einfluss auf die Schlussfolgerungen dieser Arbeit haben. Als Testfall in unserem Simulationsmodell wählen wir die Rayleigh-Verteilung, wobei die durch die Zufallsvariable A beschriebene Blasengrößenverteilung die Wahrscheinlichkeitsdichtefunktion hat

Dabei ist \(a\) der Blasendurchmesser und \(\beta\) der Skalenparameter. Die Entscheidung, die Rayleigh-Verteilung für Blasengrößen zu verwenden, ermöglicht es uns, die Blasengrößenverteilung mit einem einzigen Parameter \(\beta\), dem sogenannten Skalenparameter, zu steuern. Der Skalenparameter \(\beta\) der Rayleigh-Verteilung ist ein Maß für ihre Standardabweichung, die per Definition ausgedrückt werden kann als

wobei \(std(A)\) die Standardabweichung der Zufallsvariablen A in Gleichung ist. (1).

Fujiwara et al.32 zeigen experimentell, dass die Histogramme der von einer Venturi-Düse erzeugten Blasengrößen für niedrigere Halsgeschwindigkeiten in der Düse breiter sind und mit zunehmender Halsgeschwindigkeit schmaler werden. Dies ist analog zu einer umgekehrten Beziehung der Wasserströmungsgeschwindigkeit durch die Venturi-Düse zur Standardabweichung des Histogramms der Blasengrößen und im weiteren Sinne zum Skalenparameter \(\beta\) der Rayleigh-Verteilung. Ähnliche Beobachtungen konnten wir durch Größenanalyse von Blasen machen, die von der Venturi-Düse erzeugt wurden, die in unseren Experimenten verwendet wurde, wie später in diesem Artikel besprochen (Abb. 6). Darüber hinaus zeigen Murai et al.33 auch experimentell, dass die mittlere Größe der von einer Venturi-Düse erzeugten Blasen proportional zur anfänglichen Blasengröße ist, die am Einlass der Venturi-Düse injiziert wird. Die Größe der am Einlass der Venturi-Düse injizierten Blase entspricht ihrem Volumen, und die mittlere von der Venturi-Düse erzeugte Blasengröße entspricht dem Mittelwert der Rayleigh-Verteilung, die per Definition mit dem Skalenparameter \( \beta\), as

wobei \(\mu (A)\) der Erwartungswert von A in Gl. ist. (1). Somit kann man sagen, dass der Skalenparameter \(\beta\) proportional zum Volumen der am Hals der Venturi-Düse injizierten Luft und umgekehrt proportional zur Wasserströmungsgeschwindigkeit durch die Venturi-Düse ist.

Das Verhalten von Gasblasen in einer Flüssigkeit unter einem Ultraschallfeld unterscheidet sich von dem von starren Kugeln, abhängig von den physikalischen Eigenschaften des Gases und der Flüssigkeit. Das in der Blase eingeschlossene Gas verleiht dem Ultraschallfeld eine Steifigkeit, wodurch es wie eine Feder radial schwingt. Die die Blase umgebende Flüssigkeit wiederum widersteht der Schwingung aufgrund ihrer Trägheit34. Diese Effekte hängen neben den physikalischen Eigenschaften des Gases und der Flüssigkeit auch von der Frequenz des Ultraschallfeldes und der Blasengröße ab. Jedes Simulationsmodell muss daher diese Effekte berücksichtigen. Dies könnte beispielsweise durch die Verwendung eines Multiphysikmodells erreicht werden, das numerische Strömungsmechanik (CFD) zur Erfassung der Blasendynamik mit Wellenausbreitungsmodellierung zur Erfassung der Ultraschallfeldreaktion kombiniert. Kommerzielle Software wie COMSOL, ABACUS usw. könnte für diesen Zweck verwendet werden, würde jedoch immer noch erhebliche Kenntnisse in CFD und Wellenausbreitung erfordern, um dieses komplexe Phänomen zu modellieren. Stattdessen schlagen wir einen einfacheren Ansatz für diese Simulationen vor und verwenden ihn unter Verwendung des Ultraschallsimulationsprogramms Field II35,36.

Feld II erfordert, dass die abgebildeten Objekte als eine Ansammlung von Punktstreuern im Raum definiert werden. Das räumliche und zeitliche Ultraschallfeld jedes Streuers wird ausgewertet und summiert, um das Empfangssignal zu erhalten. Für unsere Simulationen ist die Modellierung der Größe jeder Blase wichtig, da die Streuung jeder Blase eine Funktion ihrer Größe ist34. Die Oberfläche jeder Blase kann somit nachgeahmt werden, indem mehrere Punktstreuer um eine Kugel erzeugt werden, die ausreichend nahe beieinander liegen (\(\ll\)Wellenlänge), sodass sich ihre reflektierten Ultraschallfelder vollständig überlappen und somit unauflösbar werden. Darüber hinaus muss auch die radiale Schwingung der Blasen aufgrund des Ultraschallfelds modelliert werden. Dies kann im Prinzip dadurch erreicht werden, dass die zeitliche Position jedes Punktstreuers auf der Blasenoberfläche aufgrund der Schwingungen nach ersten Prinzipien berechnet wird. Die Ausführung eines solchen Modells wäre eine sehr komplexe Aufgabe und wenn man bedenkt, dass jede Simulation im Durchschnitt mehr als 500 Blasen enthalten würde, würde dieser Ansatz ein Modell mit mehreren Zehntausend Punktstreuern erfordern. Der Rechenaufwand für jede Simulation wäre dann sehr hoch. Darüber hinaus ist eine große Anzahl von Simulationen für verschiedene Gasvolumenanteile (GVF) und Blasengrößen erforderlich, wobei jeder Satz von Bedingungen aus statistischen Gründen mehrmals wiederholt werden muss. Folglich wäre die Gesamtsimulationszeit unerschwinglich hoch. Wir nutzen eine alternative Strategie, um die Modellkomplexität deutlich zu reduzieren. Anstatt mehrere Punktstreuer geometrisch anzuordnen, um eine einzelne Blase zu emulieren, modellieren wir jede Blase als einen einzelnen Streuer und modifizieren ihre Reflexionskoeffizienten entsprechend ihrer Größe. Feld II verwendet die Born-Näherung, wobei die Auswirkungen aufgrund der Position der Streuer relativ zueinander nicht berücksichtigt werden. Die Blasenwolke liegt im Simulationsmodell in Form einer 10 mm dicken Schicht im Abstand von 30 mm vom Wandler vor, in der die Blasen gleichmäßig im Raum verteilt sind. Die Streuung von Blasen, die viel kleiner als die Wellenlänge sind, kann als Rayleigh-Streuung beschrieben werden und kann wie von Medwin et al.34 beschrieben modelliert werden.

Dabei ist \(\sigma _s^R\) der Streuquerschnitt für eine Blase mit dem Radius \(a\), \(f_R\) ist die Resonanzfrequenz der Blase, \(f\) ist die Frequenz des Ultraschalls Welle, und \(\delta\) ist die Dämpfungskonstante, die die viskoelastischen Effekte der Blase unter dem Einfluss des Ultraschallfelds erklärt.

Das gestreute Ultraschallwellenfeld breitet sich vom Streuer aus kugelförmig in alle Richtungen aus. Somit ist die vom Ultraschallwandler aufgezeichnete Reaktion ungefähr der Bruchteil, der proportional zum Winkel ist, den der Streuer auf den Wandler erstreckt. Dies wird als Rückstreuung bezeichnet und ist daher aus Gl. (4) nimmt der Rückstreuquerschnitt pro Steradiant \(\sigma _{bs}^R\) die Form an:

Die rückgestreute Intensität pro Steradiant kann dann ausgedrückt werden als:

wobei \(I_0\) die Intensität der einfallenden Ultraschallwelle ist.

Darüber hinaus kann die Streuung an größeren Blasen als Spiegelreflexion betrachtet werden. Bei Gasblasen in einer Flüssigkeit ist die Fehlanpassung der akustischen Impedanz groß, und wir können dann von einer perfekten Reflexion der Ultraschallwelle ausgehen. Die Rückstreuintensität wird dann von Hunter et al.37 beschrieben,

wobei \(d\) der Abstand zwischen dem Wandler und der Blase ist. Für die in diesem Artikel diskutierten Bedingungen beträgt dieser Abstand zwischen 30 und 40 mm. Dies ist sehr groß im Vergleich zum Radius (\(a\)) einzelner Blasen (im Allgemeinen <500 \(\upmu\)m) und somit \((2d-a)\ungefähr 2d\). Die spiegelnde Rückstreuintensität an der Wandleroberfläche pro Steradiant kann dann aus Gleichung (1) angenähert werden. (7) als,

Verhältnis der Rückstreuintensität aufgrund von Rayleigh-Streuung und Spiegelreflexion zur Blasengröße bei Umgebungsbedingungen für Luftblasen in Wasser.

Der in Feld II implementierte Simulationsaufbau zeigt die Signale bei wichtigen Verarbeitungsschritten, um das IQ-Signal aus der Blasenwolke zu erhalten.

Die Beiträge der Gl. (6) und (8) im Vergleich zur Blasengröße ist in Abb. 3 für Luftblasen in Wasser bei Umgebungsbedingungen deutlich zu erkennen. Das Verhältnis \(I_{bs}^R/I_{bs}^S\) nähert sich 1 bei \(a \ approx \lambda /10\), was darauf hindeutet, dass Gl. (6) dominiert für \(a <\lambda /10\), während Gl. (8) dominiert für größere Blasengrößen. Daher können wir die Grenze \(a \ungefähr \lambda /10\) zur Klassifizierung von Blasen in zwei Größengruppen verwenden; und unter Anwendung von Gl. (6) für die Gruppe mit \(a <\lambda /10\) und Gl. (8) für die Gruppe mit \(a >=\lambda /10\). Der bei \(a=\)7,52 \(\mu\)m beobachtete Peak in Abb. 3 entspricht der Resonanzfrequenz der Blase (\(f_R\) in Gleichung (4)), auch Minnaert genannt Frequenz. Es muss beachtet werden, dass sich diese Werte je nach Bohrlochbedingungen ändern würden, die in diesem Dokument diskutierten allgemeinen Prinzipien jedoch weiterhin gültig wären. Dies würde im Rahmen der hier getroffenen Annahmen auch für andere Anwendungen mit anderen Flüssigkeitskombinationen und Arbeitsbedingungen gelten.

Wir verwenden die aus den Gleichungen ermittelte Rückstreuintensität. (6) und (8) als Reflexionskoeffizient der Punktstreuer im Feld II in Abhängigkeit von der Blasengröße. Die Größe der Blasen \(a\) wird mithilfe einer Rayleigh-Verteilung modelliert (Gleichung 1). Feld II wertet die räumliche Impulsantwort der Blasen im Modell aus, die mit dem Anregungsimpuls des Wandlers gefaltet wird, um die Impuls-Echo-Antwort der Blasenwolke zu erhalten. Die Auswertung erfolgt für ein unfokussiertes Kreiskolben-Wandlerelement mit einem Durchmesser von 12 mm und einer Bandbreite von 50 % bei 1 MHz. Der Anregungsimpuls besteht aus einem 4-Zyklus-Gauß-modulierten Sinusimpuls. Die Schallgeschwindigkeit des Mediums um das Wandlerelement herum ist auf 1480 ms−1 eingestellt, um Wasser zu emulieren. Die Auswirkungen des Absorptionsverlusts im Medium werden vernachlässigt, da nur der Effekt der Streuung untersucht werden soll. Die Impuls-Echo-Antwort wird demoduliert, um das Inphase-Quadratursignal (IQ) zu erhalten. Die Leistung des IQ-Signals wird als Maß für die kumulative Rückstreuintensität \(I\) von der Blasenwolke verwendet. Der Simulationsaufbau ist in Abb. 4 dargestellt

Der Versuchsaufbau besteht aus einer vertikalen Strömungskammer aus Plexiglas, wie in Abb. 5 dargestellt. Die Breite der Strömungskammer beträgt 50 mm, was dem typischen Ringabstand zwischen BHA und Bohrlochwand ähnelt. Am Einlassende der Strömungskammer ist eine Venturi-Düse angebracht, um wie zuvor beschrieben Blasen zu erzeugen.

Versuchsaufbau zur Erzeugung von Blasenwolken in Wasser unter Verwendung einer Venturi-Düse und eines Einzelelement-Ultraschallwandlers zur Abbildung der Blasenwolke. (a) Schematische Darstellung des Aufbaus und (b) ein Foto, das die Durchflusszelle und die Venturi-Düse zeigt.

Das Design der Venturi-Düse wurde von Wiraputra et al.38 inspiriert und besteht aus einem konvergenten Teil, durch den blasenfreies Wasser eingepumpt wird (\(Q_w\)). Das Wasser beschleunigt durch den konvergenten Teil der Düse mit einem entsprechenden Druckabfall. Der Druckabfall ist am Hals des konvergenten Teils der Düse maximal. Durch einen Lufteinlass an dieser Stelle können kontrollierte Luftmengen (\(Q_a\)) in den Hals der Düse eingespritzt werden. Ein divergenter Teil folgt dann dem Hals des konvergenten Teils der Venturi-Düse, wo der Druck mit entsprechendem Geschwindigkeitsabfall allmählich ansteigt. Der Druckanstieg in diesem Bereich führt dazu, dass die am Hals eingeführte Luft zusammenbricht und in mehrere kleine Blasen32 zerfällt, die aus der Venturi-Düse in die Strömungskammer strömen. Die für die Experimente in dieser Arbeit verwendete Venturi-Düse wurde 3D-gedruckt und ist in Abb. 5b zu sehen.

Wir haben zuvor die umgekehrte Proportionalität der Blasengrößen aus einer Venturi-Düse zum Skalenparameter \(\beta\) einer Rayleigh-Verteilung diskutiert, basierend auf experimentellen Beobachtungen von Fujiwara et al.32. Um sicherzustellen, dass sich die von unserer 3D-gedruckten Venturi-Düse erzeugten Blasen ebenfalls ähnlich verhalten, haben wir Bilder der Blasen aus der Venturi-Düse für unterschiedliche Wasserdurchflussraten \(Q_w\) durch die Venturi-Düse mit einer konstanten Lufteinspritzrate am Hals aufgenommen \(Q_a\)= 0,04 l/min. Die Fotos der Blasen wurden mit einer kurzen Verschlusszeit von 1/8000 s mit einer Canon EOS70D-Kamera und einem Canon-Zoomobjektiv EF-S 18–135 mm aufgenommen. Die Brennebene der Kamera wurde ungefähr auf die Mittellinie der Venturi-Düse eingestellt. Eine Millimeterskala wurde auch separat mit genau der gleichen Brennweite fotografiert, die zum Einfangen der Blasen verwendet wurde. Die Fotos der Blasen mit der daneben liegenden Millimeterskala sind in Abb. 6 dargestellt. Das imageSegmenter-Tool von Matlab Image Processing Toolbox (2022b, The Mathworks, Natick, MA, USA) wurde verwendet, um die Blasen in den Bildern als Kreise zu segmentieren und ihre Durchmesser werden als Anzahl der Pixel extrahiert. Diese lässt sich in Millimeter umrechnen, indem man sie mit der Anzahl der Pixel zwischen zwei Skalenstrichen im Bild der Millimeterskala vergleicht (für das in Abb. 6 gezeigte Bild: 76 Pixel = 1 mm). Es ist zu beachten, dass die Segmentierung von der Erkennung der dunklen Ränder der Blasen im Bild abhängt. Es muss auch beachtet werden, dass nur die Blasen, die sich sehr nahe an der Brennebene der Kamera befinden, klar erfasst werden und klar definierte Kanten haben und alle Blasen, die nicht im Fokus sind, unscharf werden. Auch überlappende Blasen würden dazu führen, dass die Blasenränder verschwimmen. Diese Effekte würden zu Fehlern bei der Segmentierung von Blasen in der Bildebene führen. Es ist schwierig, diese Fehler zu quantifizieren oder mit der vorhandenen Instrumentierung zu beseitigen. Jeder Versuch, eine bestimmte Verteilung genau auf diese Daten abzustimmen, wird ziemlich schwierig sein. Da wir jedoch eine Rayleigh-Verteilung als Testfall für unser Simulationsmodell verwenden, ist es nützlich, die Änderungen in den Rayleigh-Verteilungsanpassungen für Blasengrößen in diesen Bildern zu beobachten. Histogramme der Blasengrößen aus den Bildern sind auf der rechten Seite der jeweiligen Fotos in Abb. 6 dargestellt. Die roten Überlagerungskurven auf den Histogrammen sind Rayleigh-Verteilungsanpassungen mit einem Konfidenzniveau von 95 % und den Maximum-Likelihood-Schätzungen des Skalenparameters \( \hat{\beta }\). Es gibt deutliche Diskrepanzen zwischen der Anpassung der Rayleigh-Verteilung und dem Histogramm, was darauf hindeutet, dass die Rayleigh-Verteilung nur eine ungefähre Anpassung ist. Es kann jedoch beobachtet werden, dass der Skalenparameter \(\hat{\beta }\) der Rayleigh-Verteilungsanpassungen umgekehrt zu den Wasserdurchflussraten \(Q_w\) durch die Venturi-Düse variiert.

Fotos von Blasen aus der Venturi-Düse und deren Größenverteilungshistogramme bei Wasserdurchflussraten von (a) 1 l/min, (b) 1,5 l/min, (c) 2 l/min; und eine konstante Lufteinströmrate von 0,04 l/min. Die roten Überlagerungskurven auf den Histogrammen sind Rayleigh-Verteilungsanpassungen mit einem Konfidenzniveau von 95 % und den Maximum-Likelihood-Schätzungen des Skalenparameters \(\hat{\beta }\).

Es ist gängige Praxis, die Menge des Gaseinstroms in Bohrschlamm als Gasvolumenanteil (GVF) anzugeben.

Dabei ist \(V_g\) das Gasvolumen und \(V\) das Gesamtvolumen aller Flüssigkeiten im Bohrloch. Diese Studie deckt in den Simulationen und Experimenten einen GVF-Bereich von 1–40 Vol.-% ab. Der GVF im Versuchsaufbau kann durch Anpassen der Wasser- und Luftzuflussraten durch die Venturi-Düse gemäß Gl. gesteuert werden. (9),

An den Luft- und Wassereinlässen werden Durchflussmesser eingesetzt, um die jeweiligen Durchflussmengen zu regulieren.

Für alle Experimente und Simulationen wird in einer Impuls-Echo-Konfiguration ein 1-MHz-Einzelelementwandler mit einem Durchmesser von 12 mm verwendet, der denen des BHA für LWD ähnelt (siehe Indimath et al.39 für eine ausführliche Diskussion zur Wandlerauswahl). Die Rückstreuintensität der im Wasser fließenden Blasenwolke wird ausgewertet. Das in der Durchflusskammer überlaufende sprudelnde Wasser wird kontinuierlich entsorgt, um sicherzustellen, dass sich in der Durchflusskammer keine Restblasen bilden.

In diesem Abschnitt wird das Verhalten erörtert, wenn die Größe aller Blasen als konstant betrachtet wird. Diese Bedingung ähnelt der Annahme in den meisten früheren Studien, die in der Einleitung diskutiert wurden. GVF ist, wie zuvor definiert, das Volumenverhältnis von Gas in der Flüssigkeit. Im vorliegenden Zusammenhang liegt das Gas (Luft) in Form von Blasen in der Flüssigkeit (Wasser) vor. Folglich ist GVF eine Funktion der Gesamtzahl der Blasen \(N\) und des von jeder Blase eingenommenen Volumens. Das Volumen der Blase wiederum ist eine Funktion der dritten Potenz ihres Durchmessers \(a\). Somit ist die Gesamtzahl der Blasen für einen bestimmten GVF umgekehrt proportional zu \(a^3\) (Abb. 7b, 8b).

Die Art der Ultraschallrückstreuung von den Blasen hängt, wie bereits beschrieben, von der Blasengröße ab. Dementsprechend wurden Simulationen in beiden Regimen unter Verwendung der Streuquerschnitte aus Gleichungen durchgeführt. (5) und (8) für verschiedene Blasengrößen und GVF, und die Ergebnisse sind in den Abbildungen dargestellt. 7a und 8a.

(a) Simulierte Rayleigh-Rückstreuintensität von Wolken gleichmäßig großer Blasen für verschiedene GVF und (b) die entsprechende Anzahl von Blasen in der Blasenwolke.

(a) Simulierte spiegelnde Rückstreuintensität von Wolken gleichmäßig großer Blasen für verschiedene GVF und (b) die entsprechende Anzahl von Blasen in der Blasenwolke.

Es wird beobachtet, dass die Rückstreuintensität in beiden Regimen mit der GVF korreliert, wenn sie für eine bestimmte Blasengröße betrachtet wird. Es ist jedoch anzumerken, dass die Intensität der spiegelnden Rückstreuung eine umgekehrte Beziehung zur Blasengröße aufweist (Abb. 8), wohingegen die Intensität der Rayleigh-Rückstreuung eine direkte Beziehung aufweist (Abb. 7). Dieses Ergebnis ist nicht intuitiv und kann wie folgt erklärt werden. Die gesamte Rückstreuintensität einer Blasenwolke ist proportional zur Summe der Rückstreuintensitäten jeder Blase, die vom Ultraschallstrahl beschallt wird. Die Rayleigh-Rückstreuintensität einer einzelnen Blase ist proportional zur sechsten Potenz der Blasengröße ((Gl. 6): \(\because \delta \propto 1/a^2\) und \(f_R \propto 1/a\) in Gleichung (4)34), während die Intensität der spiegelnden Rückstreuung proportional zur zweiten Potenz der Blasengröße ist (Gleichung 8). Somit ist die gesamte Rückstreuintensität (\(I_{tot}^{R}\)) einer Blasenwolke, die \(N\) gleichmäßig große Blasen im Rayleigh-Regime enthält,

während die gesamte Rückstreuintensität (\(I_{tot}^{S}\)) aus einer Blasenwolke, die \(N\) gleichmäßig große Blasen im Spiegelbereich enthält,

Eine experimentelle Untersuchung dieser Bedingungen war nicht möglich, da es mit unserem Versuchsaufbau nicht möglich war, eine Blasenwolke mit gleich großen Blasen zu erzeugen. Dennoch kann gefolgert werden, dass die GVF unabhängig vom Regime im Allgemeinen eine gute Korrelation zur Ultraschall-Rückstreuintensität aufweist, wenn die Blasengröße bekannt ist und durchgehend konstant bleibt. Es ist unrealistisch, solche Bedingungen in praktischen Situationen zu erwarten.

Wir können die Bedingungen den praktischen Bedingungen näher bringen, indem wir die Annahme konstanter Blasengrößen eliminieren. Stattdessen verwenden wir eine Rayleigh-Verteilung für die Blasengröße, die im Zusammenhang mit dem Gaseinstrom in Bohrlöchern relevant ist. Für jede Reihe von Simulationen und Experimenten entscheiden wir uns jedoch dafür, den Skalenparameter \(\beta\) auf einen bestimmten Wert festzulegen, wenn die GVF erhöht wird. Darüber hinaus berücksichtigen wir die Tatsache, dass die Blasen eine Größenverteilung haben können, die beide Streuregime gleichzeitig umfasst. Unter Verwendung der Gleichungen. (12) und (13) kann die Rückstreuintensität für jede Blase \(k\) im Modell ausgedrückt werden als:

wobei \(a_k\) die Rayleigh-Verteilung gemäß Gleichung ist. (1). Hierbei handelt es sich um Bedingungen, die während eines Zuflussereignisses in einem Bohrloch herrschen können, wenn die Blasengrößenverteilung mit einer unabhängigen Methode geschätzt werden kann. Nach dem besten Wissen der Autoren gibt es derzeit keine solche Methode. Es ist bekannt, dass solche Bedingungen auch bei anderen praktischen Anwendungen auftreten, z. B. bei der medizinischen Bildgebung unter Verwendung von Kontrastmitteln.

Wir führen die Simulationen mit Rayleigh-verteilten Blasen mit Skalenparametern (\beta) von 0,5, 1 und 2 für einen GVF im Bereich von 1 bis 40 % durch. Die Erwartungswerte des Blasendurchmessers für die oben genannten Werte von \(\beta\) betragen 0,63 mm, 1,25 mm bzw. 2,5 mm, ermittelt unter Verwendung von Gl. 3. Die Ergebnisse von 30 Simulationen für jede \(\beta\)- und GVF-Kombination sind in Abb. 9a dargestellt.

Rückstreuintensität aus einer Wolke von Rayleigh-verteilten Blasengrößen mit konstantem Skalenparameter \(\beta\) aus (a) Simulationen, wobei jedes Kästchen im Diagramm 30 Simulationen entspricht, und (b) experimentell, wobei jedes Kästchen im Diagramm entspricht bis zu 200 IQ-Signale.

Die Ergebnisse scheinen denen zu ähneln, die für die reine Rayleigh-Streuung beobachtet wurden (Abb. 7a), obwohl beide Streuregime berücksichtigt wurden. Dies deutet darauf hin, dass die Rayleigh-Streuung vorherrscht, auch wenn die relative Anzahl der Blasen in diesem Bereich im Vergleich zu denen im Spiegelbereich viel kleiner sein kann, insbesondere bei größeren \(\beta\)-Werten. Es ist jedoch zu erwarten, dass sich die Beziehung zwischen der Intensität der Rückstreuung und \(\beta\) für sehr große Werte von \(\beta\) umkehrt, wenn die Rückstreuung überwiegend spiegelnd ist.

Die experimentelle Auswertung unter diesen Bedingungen zeigt ebenfalls ein ähnliches Ergebnis, wie in Abb. 9b dargestellt. Der Skalenparameter \(\beta\) wird durch Änderung der Wasserdurchflussrate \(Q_w\) angepasst. Wir wählen für die Experimente willkürlich die Werte von \(Q_w\) als 1 lpm und 1,5 lpm. Denken Sie daran, dass ein höheres \(Q_w\) einem kleineren \(\beta\) entspricht. Somit besteht selbst bei einer realistischen Blasengrößenverteilung eine gute Korrelation zwischen GVF und Ultraschall-Rückstreuintensität und damit auch der Dämpfung. Die Kenntnis der Blasengrößenverteilung, dh des Mittelwerts und der Varianz, die durch den Skalenparameter \(\beta\) widergespiegelt wird, ist weiterhin erforderlich.

Informationen über die Blasengröße (dargestellt durch den Skalenparameter \(\beta\)) in einem Bohrloch sind äußerst schwierig zu erhalten, und nach bestem Wissen der Autoren wird bisher keine Methode verwendet. Um unsere Studie den Feldbedingungen noch näher zu bringen, entfernen wir daher die Annahme eines bekannten Skalenparameters \(\beta\). Stattdessen lassen wir \(\beta\) einer gleichmäßigen Zufallsverteilung folgen,

Während eines Zuflussereignisses in einem Bohrloch können wir also unter der Annahme, dass sich \(\beta\) mit dem Fortschreiten des Bohrens zufällig ändert und die GVF folglich stetig zunimmt: Wir können einen zufälligen Wert von \(\beta\) für jede GVF beliebig zwischen \( \beta _{min} = 0,5\) und \(\beta _{max} = 2\) gemäß Gl. (15) für die Simulationen. Für die Experimente erfolgt dies durch zufälliges Einstellen der Wasserdurchflussrate \(Q_w\) zwischen 1 l/min und 2 l/min. Die kumulative Rückstreuintensität für diesen Fall ist dieselbe wie in Gl. (14), jedoch mit \(\beta \in u(\beta )\) gemäß Gleichung (15). Die Ergebnisse der Simulationen sind in Abb. 10a und die der Experimente in Abb. 10b dargestellt.

Rückstreuung aus einer Wolke Rayleigh-verteilter Blasengrößen mit randomisiertem Skalenparameter \(\beta\). Die Ergebnisse werden für (a) Simulationen angezeigt, bei denen jedes Kästchen im Diagramm 30 Simulationen entspricht und die Werte in blauer Farbe über jedem Kästchen den \(\beta\)-Wert darstellen, der für den entsprechenden Satz von Simulationen verwendet wird, und (b) Experimente, bei denen Jedes Kästchen im Diagramm entspricht 200 IQ-Signalen.

Aus den Ergebnissen geht hervor, dass die Korrelation zwischen GVF und Rückstreuintensität nicht mehr besteht. Der Zusammenbruch der Korrelation wird in den Simulationsergebnissen deutlicher, da die Randomisierung des Skalenparameters \(\beta\) mit einer viel feineren Auflösung zwischen den festgelegten Grenzen von 0,5 und 2 erreicht werden konnte. Dies war in den Experimenten sehr schwierig zu erreichen da der Bereich der Durchflussraten auf einen engen Bereich zwischen 1 und 2 l/min beschränkt ist. Dies liegt daran, dass bei Durchflussraten unter 1 l/min der Blasenstrom aus der Venturi-Düse eher intermittierend war als der gewünschte kontinuierliche Fluss. Bei einer intermittierenden Blasenwolke war es sehr schwierig, die Ultraschallaufnahme so zu planen, dass sich die gesamte Wolke im Ultraschallstrahl befindet. Darüber hinaus war bei Durchflussraten von mehr als 2 l/min die Anzahl der Blasen in der Durchflusskammer zu hoch und konnte nicht mit der schwerkraftabhängigen Extraktionsrate des sprudelnden Wassers Schritt halten. Somit würden Blasen von der Oberseite der Kammer zurückwirbeln und sich mit neu injizierten Blasen vermischen. Diese Bedingung war für unsere Studie nicht geeignet.

Die Größenverteilung von Blasen kann bei Gaseinströmen in Bohrlöchern stark variieren. Die Auswirkung der Varianz der Blasengrößen bei unterschiedlichen Gasvolumenanteilen (GVF), auf die Ultraschallrückstreuung und damit auf die Abschwächung des Ultraschalls aus Blasenwolken wurde dargestellt. Ein Modell, das die Rayleigh-Streuungs- und Spiegelreflexionstheorien kombiniert, wurde diskutiert und mit dem Ultraschallsimulationstool Field II verwendet, und die Ergebnisse wurden im Kontext seiner Anwendung bei einem Bohrlochgaseinstromereignis diskutiert. Experimentelle Ergebnisse unter ähnlichen Bedingungen wie die Simulationen stimmen nachweislich miteinander überein. Wichtige Beobachtungen aus dieser Studie sind wie folgt:

Die Anzahl der Blasen kann je nach Blasengrößenverteilung bei gleichem GVF erheblich variieren. Dies führt zu einer umgekehrten Beziehung mit der Blasengröße für die Intensität der spiegelnden Rückstreuung und einer dritten Potenzabhängigkeit mit der Blasengröße für die Intensität der Rayleigh-Rückstreuung gegenüber der Gesamtzahl der vom Ultraschallstrahl beschallten Blasen.

Für Anwendungen, bei denen sich die Blasengrößenverteilung sowohl über das Rayleigh- als auch das spiegelnde Rückstreuregime erstrecken würde; Das Rayleigh-Streuregime dominiert die Rückstreuintensität, selbst wenn die Gesamtzahl der Blasen im Rayleigh-Streuregime im Vergleich zu denen im Spiegelregime kleiner ist. Es wird jedoch erwartet, dass das Spiegelregime dominiert, sobald die Blasengrößen in der Population überwiegend größer als die Wellenlänge sind. Unabhängig vom Streuregime wird eine gute Korrelation zwischen der Ultraschall-Rückstreuintensität und der GVF beobachtet. Dies deutet darauf hin, dass bei Vorhandensein einer unabhängigen Schätzung der Blasengrößenverteilung die GVF anhand der Intensität der Ultraschall-Rückstreuung und damit auch ihrer Dämpfung vernünftig vorhergesagt werden kann.

In einer Bohrlochzuflussumgebung ist es sehr schwierig, die genaue Blasengrößenverteilung zu ermitteln, da sie von verschiedenen Parametern wie Riss-/Porengröße, Bohrloch- und Formationsdruck usw. abhängt. Ohne diese Informationen ist die Korrelation zwischen der Intensität der Ultraschallrückstreuung und Es wird beobachtet, dass GVF zusammenbricht. Daher können Ultraschallmethoden, die auf Rückstreuung und damit auch auf Dämpfung basieren, zur Erkennung von Gas im Bohrschlamm verwendet werden, sind jedoch möglicherweise für die Quantifizierung unzuverlässig. Es ist wichtig zu beachten, dass die Nachweisempfindlichkeit für GVF mittels Ultraschallrückstreuung selbst für GVF \(\ge\) 1 Vol.-% sehr hoch ist.

Abschließend ist es wichtig, die bekannten Einschränkungen der in diesem Artikel vorgestellten Studien zu beachten.

Es wird angenommen, dass die Blasengrößenverteilung einer Venturi-Düse einer Rayleigh-Verteilung ähnelt. Obwohl dies keinen Einfluss auf die Schlussfolgerungen in diesem Artikel hat, kann in zukünftigen Studien eine gründliche statistische Untersuchung der Blasengrößenverteilungen unter Feldbedingungen während eines Bohrlochzuflusses durchgeführt werden. Diese Größenverteilungen können dann im vorgeschlagenen Modell verwendet werden, um mehr Erkenntnisse für die Feldimplementierung dieser Methode zu gewinnen.

Die Simulationen in diesem Artikel werden mit dem Ultraschallsimulationsprogramm Field II durchgeführt, das die Born-Näherung zur Bewertung des Ultraschallfelds aus der Blasenwolke verwendet. Durch diese Näherung verursachte Fehler, insbesondere bei größeren GVF-Werten, werden in unserem Modell nicht berücksichtigt. Die Auswirkungen auf das Ultraschallfeld aufgrund der Position der Blasen relativ zueinander werden in dieser Studie aufgrund der Born-Näherung ebenfalls vernachlässigt.

Zwei Streutheorien, nämlich In unserem Modell werden Rayleigh-Streuung für die Blasengröße \(<\lambda /10\) und Spiegelstreuung für die Blasengröße \(>\lambda /10\) verwendet. Es ist jedoch nicht üblich, Spiegelstreuung zu beobachten, es sei denn, die Blasengröße ist \(>\lambda\). Dies scheint die in dieser Arbeit gemachten Beobachtungen nicht wesentlich zu beeinflussen, wenn man bedenkt, dass wir sowohl in Simulationen als auch in Experimenten sehr ähnliche Ergebnisse beobachten. Die Einbeziehung einer anderen Theorie in das Modell, z. B. Mie-Streuung für Blasengrößen zwischen \(\lambda /10\) und \(<\lambda\), könnte die Genauigkeit des Modells für bestimmte Anwendungen erhöhen.

Eine systematische Validierung des vorgeschlagenen Simulationsmodells wurde nicht durchgeführt. Die Autoren schlagen vor, dies in einer zukünftigen Studie zu tun, um Lücken zu finden und eine weitere Verfeinerung des Modells zu ermöglichen.

Rohe experimentelle Daten, zugehörige Verarbeitungsalgorithmen und verwendete Field II-Simulationscodes können auf Anfrage an Shivanandan Indimath unter [email protected] zur Verfügung gestellt werden.

Thomas, DC, Lea, JF & Turek, E. Gaslöslichkeit in ölbasierten Bohrflüssigkeiten: Auswirkungen auf die Tritterkennung. J. Benzin. Technol. 36, 959–968. https://doi.org/10.2118/11115-PA (1984).

Artikel Google Scholar

Sun, B., Sun, X., Wang, Z. & Chen, Y. Auswirkungen des Phasenübergangs auf die Gasstoßmigration bei horizontalen Tiefseebohrungen. J. Nat. Gaswissenschaft. Ing. 46, 710–729. https://doi.org/10.1016/j.jngse.2017.09.001 (2017).

Artikel Google Scholar

Sun, B. et al. Mehrphasenströmungsverhalten für Säure-Gas-Gemische und Bohrflüssigkeitsströmung in vertikalen Bohrlöchern. J. Benzin. Wissenschaft. Ing. 165, 388–396. https://doi.org/10.1016/j.petrol.2018.02.016 (2018).

Artikel CAS Google Scholar

Adams, NJ & Kuhlman, LG Fallgeschichtenanalysen von flachen Gasausbrüchen. https://doi.org/10.2118/19917-MS (OnePetro 1990).

Huque, MM, Imtiaz, S., Rahman, A. & Hossain, M. Tritterkennung und Abhilfemaßnahmen beim kontrollierten Druckbohren: Eine Übersicht. SN Appl. Wissenschaft. 2, 1178. https://doi.org/10.1007/s42452-020-2962-2 (2020).

Artikel Google Scholar

Al-Morakhi, R. et al. Erweiterte Echtzeit-Strömungsanalyse zur Früherkennung von Tritten/Verlusten und zur Identifizierung offener Brüche. In SPE Kuwait Oil and Gas Show and Conference (OnePetro, 2013).

Blue, D., Blakey, T. & Rowe, M. Fortgeschrittene Schlammprotokollierung: Schlüssel für eine sichere und effiziente Bohrlochförderung. Auf der Offshore-Technologiekonferenz (OnePetro, 2019).

Hafidz Arief, I. & Yang, T. Echtzeitprotokoll der Reservoirflüssigkeit aus erweiterten Schlammgasdaten. In SPE jährliche technische Konferenz und Ausstellung (OnePetro, 2020).

Ellis, DV & Singer, JM Well Logging for Earth Scientists Vol. 692 (Springer, 2007).

Buchen Sie Google Scholar

Yin, B. et al. Eine Methode zur Früherkennung von Gasstößen außerhalb des Steigrohrs, die auf Doppler-Ultraschallwellen während Tiefseebohrungen basiert. Haustier. Entdecken. Entwickler 47, 846–854. https://doi.org/10.1016/S1876-3804(20)60100-8 (2020).

Artikel Google Scholar

Fu, J., Su, Y., Jiang, W. & Xu, L. Entwicklung und Prüfung eines Tritterkennungssystems an der Schlammlinie bei Tiefseebohrungen. J. Benzin. Wissenschaft. Ing. 135, 452–460. https://doi.org/10.1016/j.petrol.2015.10.013 (2015).

Artikel CAS Google Scholar

Zhou, Q., Zhao, H., Li, S., He, Y. & Zhang, H. Eine verbesserte Gasstoßerkennungsmethode basierend auf kontinuierlicher Doppler-Ultraschallwelle beim Tiefwasserbohren. Adv. Mech. Ing. 9, 1–20. https://doi.org/10.1177/1687814017715424 (2017).

Artikel Google Scholar

Biot, MA Verallgemeinerte Theorie der akustischen Ausbreitung in porösen dissipativen Medien. J. Acoust. Soc. Bin. 34, 1254–1264 (1962).

Artikel ADS MathSciNet Google Scholar

Leighton, T., Meers, S. & White, P. Ausbreitung durch nichtlineare zeitabhängige Blasenwolken und die Schätzung von Blasenpopulationen aus gemessenen akustischen Eigenschaften. Proz. R. Soc. London. Ser. Eine Mathematik. Physik. Ing. Wissenschaft. 460, 2521–2550 (2004).

Artikel ADS MathSciNet MATH Google Scholar

Leighton, T. Eine Methode zur Schätzung der Schallgeschwindigkeit und des Hohlraumanteils von Blasen aus Sonarbildern unter dem Boden von gashaltigen Meeresböden (Institute of Sound and Vibration Research, 2007).

Google Scholar

Indimath, S. et al. Ultraschalltechnik zur Online-Messung der Schüttdichte von Stempelkohlekuchen in Kokereien. Kraftstoffprozess. Technol. 172, 155–161 (2018).

Artikel CAS Google Scholar

Hage, JI & ter Avest, D. Bohrlochakustik zur Tritterkennung. J. Benzin. Wissenschaft. Ing. 12, 157–166. https://doi.org/10.1016/0920-4105(94)90015-9 (1994).

Artikel Google Scholar

Xu, Y. et al. Untersuchung des Ultraschallausbreitungsgesetzes in der Gas-Flüssigkeits-Zweiphasenströmung eines Tiefwassersteigrohrs durch numerische Simulation. J. Benzin. Wissenschaft. Ing. 159, 419–432. https://doi.org/10.1016/j.petrol.2017.09.051 (2017).

Artikel CAS Google Scholar

Bryant, TM, Grosso, DS & Wallace, SN Gaseinstromerkennung mit MWD-Technologie. SPE-Bohrer. Ing. 6, 273–278. https://doi.org/10.2118/19973-PA (1991).

Artikel Google Scholar

Bryant, T. & Wallace, S. Feldergebnisse einer MWD-Technik zur akustischen Gaseinstromdetektion. In der SPE/IADC-Bohrkonferenz (OnePetro, 1991).

Orban, J., Dennison, M., Jorion, B. & Mayes, J. Neuer Ultraschall-Messschieber für MWD-Operationen. In der SPE/IADC-Bohrkonferenz (OnePetro, 1991).

Codazzi, D., Till, P., Starkey, A., Lenamond, C. & Monaghan, B. Schnelle und zuverlässige Erkennung von Gaseinströmen. In der IADC/SPE Drilling Conference (OnePetro, 1992).

Stokka, S., Andersen, J., Freyer, J. & Welde, J. Gasstoßwarner – eine Methode zur frühzeitigen Erkennung von Gaseinströmen. In der SPE/IADC-Bohrkonferenz (OnePetro, 1993).

DiFoggio, R. & Blue, DD Frühe Tritterkennung in einer Öl- und Gasquelle (2015).

Ren, W., Jin, N., OuYang, L., Zhai, L. & Ren, Y. Messung des Gasvolumenanteils von Öl-Gas-Wasser-Dreiphasenströmen in vertikalen Rohren durch Kombination von Ultraschallsensor und Deep-Attention-Netzwerk. IEEE Trans. Instrument. Mess. 70, 1–9. https://doi.org/10.1109/TIM.2020.3031186 (2021).

Artikel Google Scholar

Herzfeld, KF & Litovitz, TA Absorption und Dispersion von Ultraschallwellen Vol. 7 (Academic Press, 2013).

Google Scholar

Stokes, GG Über die Theorien der inneren Reibung bewegter Flüssigkeiten sowie des Gleichgewichts und der Bewegung elastischer Festkörper. Trans. Camb. Philos. Soc. 8, 25 (1880).

ADS Google Scholar

Kirchhoff, G. Ueber den einfluss der wärmeleitung in einem gase auf die schallbewegung. Ann. Phys. 210, 177–193 (1868).

Artikel Google Scholar

England, W., Mackenzie, A., Mann, D. & Quigley, T. Die Bewegung und der Einschluss von Erdölflüssigkeiten im Untergrund. J. Geol. Soc. 144, 327–347 (1987).

Artikel ADS CAS Google Scholar

Zhao, L. et al. Entwicklung der Blasengrößenverteilung durch Gasaustritt in flachem Wasser. J. Geophys. Res. Ozeane 121, 1573–1599. https://doi.org/10.1002/2015JC011403 (2016).

Artikel ADS Google Scholar

Lima Neto, IE, Zhu, DZ & Rajaratnam, N. Sprudelnde Strahlen in stehendem Wasser. Int. J. Multiph. Fluss 34, 1130–1141. https://doi.org/10.1016/j.ijmultiphaseflow.2008.06.005 (2008).

Artikel CAS Google Scholar

Fujiwara, A. et al. Phänomene des Blasenaufbruchs in einem Venturirohr. 553–560, https://doi.org/10.1115/FEDSM2007-37243 (Digitale Sammlung der American Society of Mechanical Engineers, 2009).

Murai, Y., Tasaka, Y., Oishi, Y. & Ern, P. Blasenfragmentierungsdynamik in einem Unterschall-Venturirohr für den Entwurf eines kompakten Mikroblasengenerators. Int. J. Multiph. Flow 139, 103645. https://doi.org/10.1016/j.ijmultiphaseflow.2021.103645 (2021).

Artikel MathSciNet CAS Google Scholar

Medwin, H. Blasen akustisch zählen: Eine Rezension. Ultraschall 15, 7–13. https://doi.org/10.1016/0041-624X(77)90005-1 (1977).

Artikel Google Scholar

Jensen, JA Field: Ein Programm zur Simulation von Ultraschallsystemen. In der 10. Nordicbaltic Conference on Biomedical Imaging, Bd. 4, Beilage 1, TEIL 1: 351–353 (Citeseer, 1996).

Jensen, JA & Svendsen, NB Berechnung von Druckfeldern aus beliebig geformten, apodisierten und angeregten Ultraschallwandlern. IEEE Trans. Ultraschall. Ferroelektr. Freq. Control 39, 262–267 (1992).

Artikel CAS PubMed Google Scholar

Hunter, J., Layton, M. & Fisch, M. Akustische Rückstreuung von dünnen luftgefüllten Kugelschalen in Wasser. J. Acoust. Soc. Bin. 62, 1139–1143 (1977).

Artikel ADS Google Scholar

Wiraputra, IGPAE, Edikresnha, D., Munir, MM & Khairurrijal, X. Erzeugung von Submikronblasen mithilfe der Venturi-Rohrmethode. J. Phys. Konf. Ser. 739, 012058. https://doi.org/10.1088/1742-6596/739/1/012058 (2016).

Artikel Google Scholar

Indimath, S., Fiorentini, S., Bøklepp, BR, Avdal, J. & Måsøy, S.-E. Optimierung des gepulsten Doppler-Ultraschalls zur Abschätzung des Zu- und Abflusses in Öl- und Gasbohrlöchern beim Bohren mit herkömmlichen LWD-Wandlern. J. Benzin. Wissenschaft. Ing. 218, 111000 (2022).

Artikel CAS Google Scholar

Referenzen herunterladen

Diese Arbeit wurde vom norwegischen Forschungsrat über das Zentrum für innovative Ultraschalllösungen (CIUS) gefördert, das von der Abteilung für Durchblutung und medizinische Bildgebung (ISB) der norwegischen Universität für Wissenschaft und Technologie (NTNU) angesiedelt ist. Wir möchten Erlend Magnus Viggen von ISB, NTNU danken, der als interner Gutachter bei der Ausarbeitung dieses Artikels mitgeholfen hat.

Open-Access-Finanzierung durch die Norwegische Universität für Wissenschaft und Technologie.

Norwegische Universität für Wissenschaft und Technologie, Zentrum für innovative Ultraschalllösungen, 7491, Trondheim, Norwegen

Shivanandan Indimath, Stefano Fiorentini, Jørgen Avdal, Tonni Franke Johansen und Svein-Erik Måsøy

Equinor ASA, TDI EDT EDP Data Management Architecture and Analytics, 7053, Trondheim, Norwegen

Bjarne Rosvoll Bøklepp

Sintef Digital, 7034, Trondheim, Norwegen

Tonni Franke Johansen

Sie können diesen Autor auch in PubMed Google Scholar suchen

SI, BRB und SEM haben das Projekt konzipiert. SI und SEM entwarfen die experimentellen und Simulationsmethoden. SI und SF entwickelten die Matlab-Skripte für die Simulationen. SI übernahm die Erfassung experimenteller und Simulationsdaten sowie deren formale Analyse. JA, TFJ und SEM validierten die Ergebnisse und Analysen. SI und JA haben die mathematische Formulierung des Simulationsmodells übernommen. SEM und BRB überwachten, verwalteten und akquirierten die Finanzierung für das Projekt im Rahmen des SFI, Center for Innovative Ultraschalllösungen (CIUS), das von der Abteilung für Zirkulation und medizinische Bildgebung an der NTNU betrieben wird. SI verfasste den Entwurf des Originalmanuskripts und alle Autoren waren an der Durchsicht und Überarbeitung des endgültigen Manuskripts beteiligt.

Korrespondenz mit Shivanandan Indimath.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Indimath, S., Fiorentini, S., Bøklepp, BR et al. Einfluss der Blasengröße auf die Ultraschallrückstreuung von Blasenwolken im Zusammenhang mit der Gasstoßerkennung in Bohrlöchern. Sci Rep 13, 11825 (2023). https://doi.org/10.1038/s41598-023-38937-6

Zitat herunterladen

Eingegangen: 31. März 2023

Angenommen: 17. Juli 2023

Veröffentlicht: 21. Juli 2023

DOI: https://doi.org/10.1038/s41598-023-38937-6

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.

Nachricht

Einfluss der Blasengröße auf die Ultraschallrückstreuung von Blasenwolken im Zusammenhang mit der Gasstoßerkennung in Bohrlöchern