An Analysis of the Factors Affecting the Load-Bearing Capacity of Deep Water Drilling Conductor
-
摘要:
深水钻井中隔水导管的下入深度、力学性能及载荷特征是影响其承载能力的主要因素,隔水导管的承载能力又直接影响其与井口连接的稳定性,而目前设计隔水导管尺寸及下入深度时大多基于工程经验,缺乏理论依据。通过建立综合考虑海底地层性质、轴向和横向载荷、隔水导管力学性能的力学模型,分析了影响隔水导管横向位移及应力分布的因素,结果发现:井口横向载荷是影响隔水导管横向位移的主控因素,而轴向载荷对隔水导管横向位移的作用并不显著;随着隔水导管入泥深度增大,其横向位移逐渐减小,而应力则先增大后减小,其中位移和应力在入泥深度10.00 m左右处存在拐点;地基力学性能对隔水导管位移及应力分布的影响极其明显。研究结果对不同海水波动、海床力学性能等工况下深水隔水导管的力学性能参数优选、结构尺寸选择及下入深度确定具有理论及工程指导意义。
Abstract:Driving depth, mechanical performance and load characteristics of deep water drilling conductor are the main factors affecting the load-bearing capacity. It is important to keep in mind that capacity directly affects connection stability between the conductor and wellhead. Currently, the size and driving depth of conductor are mainly based on experiences and they lack a theoretical basis. By establishing a mechanical model in which seabed stratum properties, longitudinal and lateral loads, and mechanical performance of conductor are comprehensively considered, the lateral displacement and stress distribution laws of the lower conductor section under various load are analyzed, and it is demonstrated that lateral load at wellhead is the main factor controlling the lateral displacement of conductor, while the axial load does not significantly affect the lateral displacement of the conductor. As the driving depth of conductor increases, the lateral displacement of the conductor decreases gradually, while the stress increases firstly and then decreases. The inflection point of change for the displacement and stress is around 10m at the conductor driving depth. The mechanical performance of the foundation exerts an obvious influence on the displacement and stress distribution of conductor. The research results are of theoretical and engineering significance for the optimization of mechanical parameters, structural size and driving depth of deepwater conductor under different working conditions, such as seawater fluctuation and seabed mechanical performance.
-
Keywords:
- deep water drilling /
- subsea wellhead /
- conductor /
- load bearing capacity /
- influencing factors /
- driving depth
-
大庆油田古龙凹陷页岩油资源量巨大,勘探开发前景广阔,是大庆油田重要的接替领域[1-2]。目前,大庆油田古龙页岩油开发大多采用长水平段水平井,但由于降本增效的要求,钻进提速需求十分紧迫。较高的机械钻速意味着产生大量的岩屑,而岩屑运移不充分造成的井眼清洁问题已逐渐成为古龙页岩油区块水平井钻井的主要问题之一。当更换钻头、接单根等作业需要停止钻井液循环时,钻井液中的岩屑会发生沉降,并在大斜度井段和水平井段沉积形成岩屑床[3-4]。岩屑沉降末速度、成床厚度、岩屑床表面颗粒再启动速度等关键参数的计算,均与岩屑的沉降阻力系数有关[5-7]。因此,研究古龙页岩岩屑在钻井液中的沉降规律,可为优化钻井液流变性和循环排量提供依据。
国内外学者对球形颗粒在牛顿流体中的沉降规律开展了大量的试验研究[8-9],得到了较高精度的预测模型。但是,页岩岩屑的形状不规则,且大多数钻井液为具有一定剪切稀释性的非牛顿流体[10-11],以往提出的预测球形颗粒在牛顿流体中的沉降阻力系数模型,是否适用于预测不规则形状页岩岩屑在非牛顿流体中的沉降阻力系数值得商榷[12-13]。为了解决上述问题,笔者对沉降试验数据回归分析,建立了球形颗粒在幂律流体中的沉降阻力系数预测模型;在此基础上,引入形状因子来描述颗粒的二维几何特征,建立了用于预测页岩岩屑在幂律流体中的阻力系数模型;根据得到的岩屑阻力系数预测模型使用迭代法计算岩屑沉降速度,分析了通过模型计算所得的沉降速度与实测沉降速度的平均相对误差,验证了该模型预测结果的准确性。
1. 沉降试验
1.1 试验装置和试验步骤
沉降试验装置如图1所示。该装置为有机玻璃管,内径100 mm,高度1 500 mm。该装置使用千眼狼高速摄像机(2F04C型)捕捉岩屑的沉降轨迹。图像采集区域设置为玻璃管底部300 mm范围内,既保证岩屑已达到沉降末速度,又避免端部效应对沉降速度产生影响。同时,为了减少不确定性因素的干扰,每组试验至少重复进行3次,且数据处理时只保留最大相对误差小于5%的试验数据,用于拟合阻力系数的关系式。
1.2 试验材料和流体流变参数
为了使沉降阻力系数预测模型具有较大的颗粒雷诺数适用范围,选取不锈钢、氧化锆和玻璃3种材质的球形颗粒进行沉降试验,同时选取大庆油田古龙页岩岩屑进行不规则形状颗粒沉降试验。为了降低壁面效应对试验的影响,颗粒直径相比有机玻璃管直径尽量小。试验用颗粒的物性参数见表1。
表 1 试验用颗粒的物性参数Table 1. Physical property parameters of particles for experiments颗粒材质 颗粒等效直径/mm 密度/(kg·m−3) 不锈钢 1,2,3,4,5 7 930 氧化锆 1,2,3,4,5 6 080 玻璃 1,2,3,4,5 2 500 页岩颗粒 2.1~5.7 2 073 试验用羧甲基纤维素钠(CMC)水溶液作为幂律流体基液,质量分数0.25%~2.00%。使用Anto paar MCR 92型流变仪测试其在试验温度下的流变性,并根据幂律流体的流变模型
τ=K˙γn (τ为剪切应力,Pa;˙γ 为剪切速率,s−1;K为幂律流体的稠度指数,Pa·sn;n为流体的流性指数),对测试流体的流变参数进行拟合。通过流变仪的温度控制系统来控制试验液体温度,使其与试验时的温度保持一致。试验所用溶液的物性参数及流变参数见表2。表 2 不同质量分数CMC水溶液的物性参数及流变参数Table 2. Physical property and rheological parameters of CMC aqueous solution with different mass fractionsCMC质量分数,% 温度/℃ 密度/(kg·m−3) 流变参数 K/(Pa·sn) n 2.00 17.3 1 008.0 8.161 9 0.418 2 1.75 18.6 1 006.0 5.340 5 0.443 7 1.50 18.0 1 005.0 3.320 4 0.471 0 1.25 17.6 1 004.5 1.532 2 0.522 4 1.00 17.2 1 003.0 0.697 7 0.578 6 0.50 16.6 1 002.0 0.045 0 0.819 4 0.25 16.9 1 001.0 0.008 0 0.953 0 1.3 古龙页岩岩屑形状表征
颗粒形状是影响物体沉降速度和沉降状态的重要因素。有学者研究指出[14],当颗粒雷诺数
Res⩾ 时岩屑沉降轨迹是摆动的,而当R{e_{\rm{s}}} < 100 时沉降轨迹是稳定的。在不考虑颗粒沉降过程中出现的二次运动,圆形度c更适合用于建立预测模型[15]。所以,在R{e_{\rm{s}}} < 100 的低颗粒雷诺数情况下,通过引入c来建立岩屑在幂律流体中的沉降阻力系数预测模型是可行的。c指颗粒最大投影面周长与其等效圆的周长之比,因其为对颗粒轮廓不规则性敏感的二维形状参数,所以测量相对容易,其定义为:c = \frac{{{\text{π}} {d_A}}}{L} (1) 式中:dA为颗粒最大投影面等效圆的直径,m;L为颗粒最大投影面周长,m。
试验用大庆古龙页岩岩屑形态如图2所示。
利用图像粒子分析软件ImageJ的“分析颗粒”功能,对目标颗粒进行了圆形度测定。ImageJ用户指南中圆形度c的定义为[16]:
{\text{ }}c = 4{\text{π}} \frac{{{A_{\text{p}}}}}{{{L^2}}} (2) 式中:AP为颗粒最大投影面的表面积,m2。
球形颗粒c = 1,其他任何形状颗粒c < 1。选取的部分页岩岩屑图像转换实例,如图3所示。
试验得到了224组页岩岩屑圆形度和等效直径的分布情况(见图4)。页岩岩屑等效直径为3.2~4.2 mm,中值为3.7 mm;圆形度为0.65~0.87,中值为0.76,圆形度集中在0.70~0.85。
2. 球形颗粒沉降阻力系数模型
颗粒沉降过程中受到的流体黏滞力与颗粒动能的比值称为阻力系数,是描述颗粒沉降行为的主要参数。阻力系数可根据流体和颗粒的性质以及沉降速度来计算:
{C_{\text{D}}} = \frac{{4\left( {{\rho _{\rm{p}}} - {\rho _{\rm{l}}}} \right){d_{\rm{e}}}g}}{{3{\rho _{\rm{l}}}{v_{\rm{t}}}^2}} (3) \; 其中\qquad \qquad\qquad\; {d_{\rm{e}}} = \sqrt[3]{\dfrac{6{m_{\rm{p}}}}{{\text{π}} {\rho _{\rm{p}}}}} \qquad\qquad \qquad\quad\; (4) 式中:CD为阻力系数;ρl 为流体密度,kg/m3;g为重力加速度,m/s2;vt 为沉降速度,m/s;de为颗粒的等效直径(当颗粒为球体时,de等于直径),m;mp为颗粒的质量,kg;ρp为颗粒的密度,kg/m3。
对于光滑圆球,阻力系数仅为颗粒雷诺数的函数,即:
{C_{\text{D}}} = f\left( {R{e_{\rm{s}}}} \right) (5) 颗粒所受的惯性力与黏滞力之比为颗粒雷诺数,是描述颗粒沉降行为的另一个主要参数。对于幂律流体,颗粒雷诺数的表达式为:
{Re_{\rm{s}}} = \frac{{{\rho _l}{v_{\text{t}}}^{2 - n}d_{\rm{e}}^n}}{K} (6) 首先对球形颗粒进行沉降试验,并建立阻力系数CD(式(3))和颗粒雷诺数Res(式(6))的关系式。对196组球形颗粒的沉降试验数据进行分析,并以对数坐标绘制CD与Res的关系式,见图5。图5中,三角形(幂律流体中沉降试验结果)所表示的数据点,由式(6)计算所得的颗粒雷诺数Res与式(3)计算所得的阻力系数CD组成;斜线(斯托克斯公式计算结果)所表示的数据点,由式(6)计算所得的颗粒雷诺数Res与斯托克斯公式(CD=24/Res)计算所得的阻力系数CD组成。
从图5可以看出,使用斯托克斯公式预测球形颗粒在幂律流体中的沉降阻力系数时存在较大的误差。例如,在Res< 0.1条件下,幂律流体中的沉降试验结果与斯托克斯公式预测结果之间的平均相对误差高达30.16%,说明非牛顿流体的流变特性对流体–的颗粒相互作用有重要影响。在这种情况下,用牛顿关联式计算圆球在非牛顿流体中的沉降阻力系数将会产生较大的误差。
截至目前,多位学者提出了关于球形颗粒在非牛顿流体中的沉降阻力系数预测关系式,如S. N.Shah等人[17]提出的沉降阻力系数模型为:
\sqrt {C_{\text{D}}^{2 - n}R{e^2}} = A{\left( {Re} \right)^B} \;\; \left( {{\text{0}}{\text{.281 < }}R{e_{\rm{s}}}{\text{ < }}1.000} \right) (7) 式中:
A = 6.914\;8{n^2} - 24.838n + 22.642 ;B = - 0.506\;7{n^2} + 1.323\;4n - 0.174\;4 。A. R. Khan等人[18]提出的阻力系数模型为:
\begin{split} {C_{\text{D}}} = & {(2.25R{e_{\rm{s}}}^{ - 0.31} + 0.36R{e_{\rm{s}}}^{0.06})^{3.45}}\\ &{\text{ (0}}{\text{.01 < }}R{e_{\rm{s}}}{\text{ < 3.00}} \times {\text{1}}{{\text{0}}^{\text{5}}}) \end{split} (8) I. Machač等人[19]提出的阻力系数模型为:
\left\{ {\begin{array}{*{20}{ll}} {C_{\text{D}}} = \dfrac{{24}}{{R{e_{\rm{s}}}}}X\left( n \right)&(R{e_{\rm{s}}} < 1) \\ {C_{\text{D}}} = \dfrac{{24}}{{R{e_{\rm{s}}}}}X\left( n \right) + \dfrac{{10.5n - 3.5}}{{R{e_{\rm{s}}}^{0.32n + 0.13}}} &(1 \leqslant R{e_{\rm{s}}} < 1\;000){\text{ }} \end{array}} \right. (9) \begin{split} \,其中 \; \qquad X\left( n \right) = &{3^{\tfrac{3n - 3}{2}}}\frac{{33{n^5} - 64{n^4} - 11{n^3} + 97{n^2} + 16n}}{{4{n^2}(n + 1)(n + 2)(2n + 1)}}\;\\ &(n > 0.5 )\;\;\;\;\\[-10pt] \end{split}\;\;\;\; (10) V. C. Kelessidis等人[20]提出的阻力系数模型为:
\begin{split} {C_{\text{D}}} = &\frac{{24}}{{R{e_{\rm{s}}}}}(1 + 0.140\;7R{e_{\rm{s}}}^{0.601\;8}) + \frac{{0.211\;8}}{{1 + \dfrac{0.421\;5}{R{e_{\rm{s}}}}}}\\ &{\text{ (0}}{\text{.1 < }}R{e_{\rm{s}}}{\text{ < 1\;000.0)}} \end{split} (11) 利用球形颗粒沉降试验数据对上述沉降阻力系数模型进行参数拟合,发现V. C. Kelessidis等人[20]提出的五参数阻力系数模型具有最佳的拟合优度,其形式为:
{C_{\text{D}}} = \frac{{24}}{{R{e_{\rm{s}}}}}(1 + AR{e_{\rm{s}}}^B) + \frac{C}{{1 + {\dfrac{D}{Re_{\rm{s}}^E}}}} (12) 式中:A,B,C,D和E均为相关系数。
式(12)中,等号右边第一项表示层流条件下阻力系数的下降趋势,第二项表示湍流条件下阻力系数的下降趋势,可以通过在扩展的斯托克斯定律中加入一个复杂的湍流项来预测阻力系数。上述推论符合物理基本规律,即总的拖曳力是任意流动状态下层流和湍流分量的总和[21]。
对196组球形颗粒的沉降试验数据进行拟合回归,得到球形颗粒在幂律流体中的沉降阻力系数:
\begin{split} {C_{\text{D}}} =& \frac{{24}}{{R{e_{\rm{s}}}}}(1 + 0.723R{e_{\rm{s}}}^{0.304}) + \frac{{0.219}}{{1 + \dfrac{{55.03}}{{R{e_{\rm{s}}}^{1.757}}}}}{\text{ }}\\ &\left( {{\text{0}}{\text{.001 < }}R{e_{\rm{s}}} < 848.000} \right) \end{split} (13) 通过对比式(13)与已发表文献中具有代表性的关系式,即式(8)、式(9)和式(11),采用平均相对误差(δMRE)、最大平均相对误差(δMMRE)和均方根对数误差(δRMSLE)等3个统计参数,评估所提出的幂律流体中球形颗粒沉降阻力系数关系式的预测精度,对比结果见表3。
表 3 幂律流体中球形颗粒沉降阻力系数误差统计Table 3. Error statistics of the settlement drag coefficient of spherical particles in power-law fluids颗粒雷诺数范围 模型 预测误差,% δMRE δMMRE δRMSLE 0.001<Res<848.000 式(8) 17.36 23.00 34.94 式(9) 13.31 14.00 32.73 式(11) 20.84 34.00 39.24 式(13) 7.11 8.00 19.72 δMRE 和δRMSLE 的计算方法如下[22]:
{\delta _{{\rm{MRE}}}} = \frac{1}{N}\sum\limits_{i = 1}^N {\frac{{\left| {{C_{{\text{D}},{\rm{c}},i}} - {C_{{\text{D}},{\rm{m}},i}}} \right|}}{{{C_{{\text{D}},{\rm{m}},i}}}}} \times 100\% (14) {\delta _{{\rm{RMSLE}}}} = \sqrt {\frac{1}{N}\sum\limits_{i = 1}^N {{{\left( {\ln {C_{{\text{D}},{\rm{c}},i}} - \ln {C_{{\text{D}},{\rm{m}},i}}} \right)}^2}} } (15) 式中:N为总数;CD, c为预测的阻力系数;CD, m为试验测得的阻力系数。
通过试验得到了颗粒的沉降速度vts,并拟合得到沉降阻力系数CD与颗粒雷诺数Res之间的关系。基于提出的CD–Res相关式,可采用迭代试错法计算颗粒在流体中的沉降阻力系数CD和沉降速度vt,迭代程序如图6所示[23]。
根据提出的球形颗粒阻力系数预测模型(式(13)),采用试错法计算沉降颗粒的阻力系数CD和沉降速度vt,结果见图7和图8。
由图7和表3可知,对于幂律流体,式(8)、式(9)和式(11)的预测值与试验值较为接近,平均相对误差约为17.17%,式(13)的平均相对误差为7.11%,与其他模型相比,3个量化评价参数均有一定程度的降低,对试验结果的预测精度更高。同时,图8所示的球形颗粒沉降速度预测值与试验测量值平均相对误差仅为7.10%,所以本文提出的模型能较好地预测圆球颗粒在幂律流体中的沉降阻力系数CD和沉降速度vt。
3. 页岩岩屑沉降阻力系数模型
基于上述圆球阻力系数预测模型(式(13)),通过引入颗粒圆形度c建立适用于页岩岩屑的沉降阻力系数CD的表达式。在任意给定的雷诺数下,岩屑受到的拖曳力要大于其等效球体的拖曳力[23]。这是因为,岩屑表面的不规则会导致阻力增加和产生更大的流动分离现象,从而与球形颗粒相比沉降速度有所降低[24]。通过试验观察(见图9),相同条件下岩屑阻力系数CD与球形颗粒的阻力系数预测值CD,sph之比略大于1。在高雷诺数下,由于形状的影响,该比值会更大。
通过分析相同条件下页岩岩屑试验得到的阻力系数CD与球形颗粒沉降阻力系数预测值CD,sph的差异性,得到了圆形度函数f(c)作为CD/CD,sph自然对数的函数。确定颗粒形状因子c与CD/CD,sph之间的关系式为:
{C_{\text{D}}} = {C_{{\text{D}},{\rm{sph}}}}\exp \left[ {f\left( c \right)} \right] (16) 在特殊情况下,如c = 1时,页岩岩屑的阻力系数等于相同参数下圆球的阻力系数。即当c = 1时,f(c) = 0。为了确保颗粒为球形时满足CD/CD,sph = 1,结合224组试验数据,通过式(17)确定了f(c)。
f(c) = \alpha Re_{\rm{s}}^\beta {(1 - c)^\eta } (17) 式中:α,β和η为经验系数,可通过非线性拟合得出。
岩屑在幂律流体中阻力系数CD的表达式为:
\begin{split} {C_{\text{D}}} = &{C_{{\text{D}},{\rm{sph}}}}{\rm{exp}}\left[ {0.31R{e_{\rm{s}}}^{0.25}{{(1 - c)}^{0.19}}} \right]{\text{ }}\\ &\left( {{\text{0}}{\text{.001 < }}R{e_{\rm{s}}}{\text{ < 99.000}}} \right) \end{split} (18) 图10所示为式(18)计算所得页岩岩屑沉降阻力系数CD与试验测得沉降阻力系数CD之间的关系。用该模型对页岩岩屑的沉降阻力系数进行了预测,预测结果的平均相对误差为7.68%,均方根对数误差为0.010 9,最大平均相对误差为25.35%。
利用式(18)计算了页岩岩屑在幂律流体中的沉降速度,并与试验测得的沉降速度进行了对比(见图11)。对比结果表明,模型预测页岩岩屑在幂律流体中沉降速度的平均相对误差为6.93%。虽然模型预测结果具有一定程度的分散性,但数据在直线上分布良好,说明该模型能较好地预测页岩岩屑在幂律流体中的沉降速度。
4. 结 论
1)在颗粒雷诺数相同条件下,页岩岩屑的阻力系数随着圆形度减小而增大,阻力系数随雷诺数增大而减小,但在高雷诺数条件下减小的趋势变缓。
2)相较于具有规则形状的非球形颗粒,测量像岩屑颗粒这样形状高度不规则粗糙颗粒的表面积比较困难,也难以在现场作业中实现。事实上,如何精确测量不规则形状颗粒的表面积,也是圆形度计算中的一个难点。引入二维的侧视面几何参数来预测阻力系数,其精度与引入圆球形模型的预测精度相近。
3)根据本文建立的岩屑阻力系数预测模型,使用迭代法计算岩屑沉降速度,平均相对误差为6.93%,模型预测结果与试验结果吻合较好。预测模型可为大庆油田古龙页岩油钻井工程现场实践中的井眼清洁和水力参数优化提供理论指导。
4)由于受试验材料及试验可实现程度的限制,本文在进行颗粒沉降试验时并未使用宾汉流体。对于宾汉流体,沉降阻力系数计算能否采用赫–巴流体(n=1)中的阻力系数预测模型,仍存在不确定性。同时,对高雷诺数以及颗粒群的沉降试验应是今后重点关注和探索的方向之一。
-
表 1 南海某区块各层的土质参数
Table 1 Soil parameters of each formation in a block in the South China Sea
层号 弹性模量/MPa 内摩擦角/(°) 黏聚力/kPa 泊松比 1 2 5 5 0.4 2 2 20 20 0.4 3 10 30 50 0.4 4 10 30 45 0.4 5 10 35 100 0.4 6 10 30 150 0.4 7 10 35 150 0.4 表 3 南海某区块套管下入层序
Table 3 Casing program of a block in the South China Sea
井号 钻头外径/
mm钻头下深/
m套管外径/
mm套管下深/
m钢级 1 444.5 805.00 339.7 800.00 N80 311.1 1 905.00 244.5 1 900.00 N80 215.9 2 316.00 N80 2 444.5 1 205.00 339.7 1 200.00 N80 311.1 2 405.00 244.5 2 400.00 N80 215.9 3 139.00 N80 3 444.5 1 505.00 339.7 1 500.00 N80 311.1 2 955.00 244.5 2 950.00 N80 215.9 3 466.00 139.7
(筛管)2 800.00~
3 466.00表 4 南海某区块井口轴向载荷计算
Table 4 Calculation on the wellhead axial loads of a block in the South China Sea
井号 ϕ339.7 mm表层套管 ϕ244.5 mm技术套管 防喷器载荷/
kN套管头载荷/
kN总载荷/
kN测深/m 垂深/m 载荷/kN 测深/m 垂深/m 载荷/kN 1 800.00 730.00 627.2 1 900.00 1 580.00 1 087.8 2 352.0 4.9 4 071.9 2 1 200.00 1 034.00 1 372.0 2 400.00 1 865.00 1 283.8 2 352.0 4.9 5 012.7 3 1 200.00 946.00 999.6 2 400.00 1 545.00 1 068.2 2 352.0 4.9 4 424.7 表 2 南海某区块钻井施工参数
Table 2 Drilling parameters of a block in the South China Sea
井号 钻井液密度/(kg·L–1) 钻柱外径/mm 隔水导管外径/mm 隔水导管内径/mm 流体排量/(L·s–1) 井口海拔/m 1 1.10 228.6 609.6 558.8 62 14.3 2 1.10 228.6 609.6 558.8 62 14.3 3 1.10 228.6 609.6 558.8 62 14.3 表 5 表面牵引力与法向压力设置
Table 5 The setting of surface traction and normal pressure
组号 横向压力/MPa 法向压力/MPa A1 0.8 53 A2 1.0 53 A3 1.2 53 A4 1.2 58 A5 1.2 63 A6 1.2 A7 63 表 6 隔水导管外径和壁厚
Table 6 The outer diameter and wall thickness of conductor
组号 导管外径/mm 壁厚/mm B1 914.4 38.1 B2 914.4 25.4 B3 609.6 38.1 B4 609.6 25.4 表 7 井口出泥高度和地基类型
Table 7 The wellhead above-mudline height and foundation type
组号 井口出泥高度/m 地基类型 C1 1 砂性 C2 2 砂性 C3 3 砂性 C4 1 黏性 C5 2 黏性 C6 3 黏性 -
[1] 杨进. 海上钻井隔水导管极限承载力计算[J]. 石油钻采工艺, 2003, 25(5): 28–30. doi: 10.3969/j.issn.1000-7393.2003.05.007 YANG Jin. Calculation of ultimate load-bearing capacity of offshore riser pipe[J]. Oil Drilling & Production Technology, 2003, 25(5): 28–30. doi: 10.3969/j.issn.1000-7393.2003.05.007
[2] HOWELLS H, BAKER R, RIMMER A. Measurement of wellhead fatigue[R]. OTC 25684, 2015.
[3] AMBROSE B D, GREALISH F, WHOOLEY K. Soft hangoff method for drilling risers in ultra deepwater[R]. OTC 13186, 2001.
[4] 杨进,刘书杰,周建良,等. 风浪流作用下隔水导管强度及安全性计算[J]. 中国海上油气, 2006, 18(3): 198–200. doi: 10.3969/j.issn.1673-1506.2006.03.011 YANG Jin, LIU Shujie, ZHOU Jianliang, et al. Strength and security calculation on riser with the effect of wind, wave and current[J]. China Offshore Oil and Gas, 2006, 18(3): 198–200. doi: 10.3969/j.issn.1673-1506.2006.03.011
[5] 张莉.深海立管内孤立波作用的动力特性及动力响应研究[D].青岛: 中国海洋大学, 2013. ZHANG Li. Study on dynamic characteristics and dynamic responses of deepwater riser under internal solitary waves[D]. Qingdao: Ocean University of China, 2013.
[6] KING G W. Drilling engineering for subsea development wells[J]. Journal of Petroleum Technology, 1990, 42(9): 1176–1183. doi: 10.2118/18687-PA
[7] JUINITI R, SALIES J, POLILLO A. Campos Basin: lessons learned and critical issues to be overcome in drilling and completion operations[R]. OTC 15221, 2003.
[8] GUAN Zhichuan, SU Kanhua, SU Yinao. Numerical simulation of subsea wellhead stability for deep water drilling[R]. SPE 130823, 2010.
[9] 苏堪华,管志川,魏路,等. 深水水上防喷器钻井系统水下井口稳定性分析[J]. 中国海上油气, 2009, 21(3): 180–185. doi: 10.3969/j.issn.1673-1506.2009.03.009 SU Kanhua, GUAN Zhichuan, WEI Lu, et al. Analysis on subsea wellhead stability of surface BOP drilling system in deepwater operations[J]. China Offshore Oil and Gas, 2009, 21(3): 180–185. doi: 10.3969/j.issn.1673-1506.2009.03.009
[10] 张伟国,谢华,杨进,等. 水下导管出泥高度对井口稳定性的影响研究[J]. 石油机械, 2012, 40(4): 68–70. ZHANG Weiguo, XIE Hua, YANG Jin, et al. Research on the effect of the underwater conductor sludge height on wellhead stability[J]. China Petroleum Machinery, 2012, 40(4): 68–70.
[11] 周正波.深水隔水导管入泥深度优选研究[D].成都: 西南石油大学, 2016. ZHOU Zhengbo. Study on optimization of the penetration depth of deepwater riser[D]. Chengdu: Southwest Petroleum University, 2016.
[12] 关德,闫伟. 深水钻井水下井口稳定性分析[J]. 石油机械, 2012, 40(8): 85–89. GUAN De, YAN Wei. Stability analysis of underwater wellhead in deepwater drilling[J]. China Petroleum Machinery, 2012, 40(8): 85–89.
[13] SUNDAY K, WARD P, GRIFFIN C, et al. Detailed approach for the assessment of accumulated wellhead fatigue[R]. SPE 175441, 2015.
[14] YAN Wei, CHEN Zijian, DENG Jingen, et al. Numerical method for subsea wellhead stability analysis in deep water drilling[J]. Ocean Engineering, 2015, 98: 50–56. doi: 10.1016/j.oceaneng.2015.02.007
[15] MAO Liangjie, LIU Qingyou, ZHOU Shouwei, et al. Deep water drilling riser mechanical behavior analysis considering actual conductor string configuration[J]. Journal of Natural Gas Science & Engineering, 2016, 33: 240–254.
[16] 叶庆志.深水喷射导管安装后实时承载力分析[D].天津: 天津大学, 2014. YE Qingzhi. Research on bearing capacity at time of jetted conductor in deepwater after installation[D]. Tianjin: Tianjin University, 2014.
[17] 刘秀全,陈国明,宋强,等. 基于有限元法的深水钻井隔水管压溃评估[J]. 石油钻探技术, 2015, 43(4): 43–47. LIU Xiuquan, CHEN Guoming, SONG Qiang, et al. Collapse assessment for deepwater drilling risers on the basis of finite element method[J]. Petroleum Drilling Techniques, 2015, 43(4): 43–47.
-
期刊类型引用(2)
1. 荆思霖,宋先知,孙一,许争鸣,周蒙蒙. 基于压差法的水平井岩屑床轴向运移规律研究. 石油钻探技术. 2024(01): 54-61 . 本站查看
2. 耿明亮,王艳萍,邓晓烽,祖也航,李昳. 单颗粒和双颗粒在聚丙烯酰胺溶液中沉降过程的数值模拟. 浙江理工大学学报(自然科学). 2024(05): 674-680 . 百度学术
其他类型引用(2)