Modern approaches to managing uncertainty in horizontal well drilling: a case study from the remote drilling support service of KMG Engineering LLP

封面

如何引用文章

全文:

详细

Background: Horizontal well drilling in geologically complex environments is inherently uncertain. These uncertainties stem from variability in formation properties, structural discontinuities, and limitations in data interpretation. Reaching project targets effectively requires the adoption of modern uncertainty management techniques.

Aim: First, analyze and summarize the practical experience of KMG Engineering’s Remote Drilling Support Service in managing uncertainty during horizontal well drilling; and second, demonstrate how an integrated approach can improve the reliability and cost-effectiveness of oil and gas field development.

Materials and methods: The study identifies the main sources of uncertainty encountered during drilling and reviews methods for their mitigation, including real-time monitoring, geosteering using a stratigraphic method, seismic modeling, and resistivity inversion. It describes the use of advanced MWD/LWD tools, remote formation boundary detection technologies, and data integration systems. Field experience is also presented regarding the application of Solo Box backup data storage systems and artificial intelligence technologies for autonomous geosteering.

Results: Field experience demonstrates that the integrated use of advanced technologies enables engineers to quickly identify discrepancies between model expectations and real-time drilling data, make timely trajectory adjustments, and keep wellbore within the productive zone. As a result, this approach reduces operational risks, improves well construction quality, and supports the consistent achievement of project objectives.

Conclusion: An integrated approach to uncertainty management that combines real-time monitoring, geosteering, data analysis, and the innovative technologies significantly improves the efficiency of horizontal well drilling under complex geological conditions. Such an approach is recommended to increase both the reliability and cost-effectiveness of oil and gas field development.

作者简介

N. Toksanov

KMG Engineering

编辑信件的主要联系方式.
Email: n.toxanov@kmge.kz
ORCID iD: 0000-0003-3058-0168
哈萨克斯坦, Astana

R. Abuev

KMG Engineering

Email: r.abuyev@kmge.kz
ORCID iD: 0009-0001-6860-7429
哈萨克斯坦, Astana

B. Tastanov

KMG Engineering

Email: b.tastanov@kmge.kz
ORCID iD: 0009-0002-5935-1422
哈萨克斯坦, Astana

A. Suleymenova

KMG Engineering

Email: azat.suleymenova@kmge.kz
ORCID iD: 0009-0002-9658-2510
哈萨克斯坦, Astana

B. Umraliyev

KMG Engineering

Email: b.umraliyev@kmge.kz
ORCID iD: 0009-0000-9083-5308

Doct. Sc. (Engineering)

哈萨克斯坦, Astana

参考

  1. Di H, Gao D. 3D Seismic Flexure Analysis for Subsurface Fault Detection and Fracture Characterization. Pure Appl. Geophys. 2017;174:747–761.doi: 10.1007/s00024-016-1406-9.
  2. Lacaze S, Durot B, Devilliers A, Pauget F. Comprehensive Seismic Interpretation to Enhance Stratigraphy and Faults. 15th International Congress of the Brazilian Geophysical Society & EXPOGEF; 2017, Jul 31 – Aug 3; Rio de Janeiro, Brazil. Available from: https://sbgf.org.br/mysbgf/eventos/expanded_abstracts/15th_CISBGf/Comprehensive%20Seismic%20Interpretation%20to%20Enhance%20Stratigraphy%20and%20Faults%20.pdf.
  3. Samakinde C, Van Bever Donker J, Durrheim R, Manzi M. Application of seismic stratigraphy in reservoir characterisation: a case study of the passive margin deposits of the northern Orange Basin, South Africa. J Petrol Explor Prod Technol. 2021;11:45–61. doi: 10.1007/s13202-020-01050-9.
  4. Hassan A, ElMeguid AA, Waheed A, et al. Multistage Horizontal Well Hydraulic Fracturing Stimulation Using Coiled Tubing to Produce Marginal Reserves from Brownfield: Case Histories and Lessons Learned. SPE Middle East Unconventional Gas Conference and Exhibition; 2015 Jan 26–28; Muscat, Oman. Available from: https://onepetro.org/SPEUGM/proceedings-abstract/15UGM/15UGM/D021S006R003/183228.
  5. Verbitskaya LO, Shafikova YR, Mukanov EM, et al. Combination of strat-based modeling & distance to boundary (inversion) methods implementation in geologically complex formation K1ne-2 of Balgimbaev oil field, Kazakhstan. Horizontal Wells 2021; 2021 May 24–28; Astrakhan, Russia. Available from: https://www.earthdoc.org/content/papers/10.3997/2214-4609.202154044.
  6. Schlumberger. Katalog interpetatsionnykh resheniy. Moscow; 2017. (In Russ).
  7. Srebrodolskaya MA, Fyodorova AY, Frolov VM. Issledovaniye gorizontalnykh skvazhin azimutalnymi priborami. West Siberian Oil&Gas Congress; 2017 May 24–27; Tyumen, Russia.
  8. Srebrodolskaya MA, Fyodorova AY, Frolov VM. Primeneniye azimutalnykh priborov v protsesse bureniya gorizontalnykh skvazhin. Aktualnye problemy razvitiya neftegazovogo kompleksa Rossii; 2018 Feb 12–14; Moscow, Russia.
  9. Mukanov YM, Chzhen IV, Tagirov AR. Combined Usage of Different Geosteering Methods and Vendor Independent Bed Boundary Mapping in Complex Geological Environment on a Real-Life Example from West Kazakhstan. SPE Annual Caspian Technical Conference; 2021 Oct 5–7; Virtual. Available from: https://onepetro.org/SPECTCE/proceedings-abstract/21CTC/21CTC/D012S013R009/470251.
  10. Denisenko ID, Kuvaev IA, Uvarov IB. Automated Geosteering While Drilling Using Machine Learning. Case Studies. SPE Russian Petroleum Technology Conference; 2020 Oct 26–29; Virtual. Available from: https://onepetro.org/SPERPTC/proceedings-abstract/20RPTC/20RPTC/D023S009R004/450156?redirectedFrom=PDF.
  11. rogii.com [Internet]. Real-Time Data Aggregation and Reimagined [cited 2024 Nov 17]. Available from: https://www.rogii.com/products/solobox.

补充文件

附件文件
动作
1. JATS XML
下载
2. Figure 1. Example of a seismic section showing a fault, nearby reference wells, and the planned well trajectory [1]

下载 (285KB)
索引源数据
3. Figure 2. Example of a low-amplitude fault not identified in seismic data. Visualization in the StarSteer software

下载 (400KB)
索引源数据
4. Figure 3. Example of a geological section with a fault confirmed by seismic data

下载 (448KB)
索引源数据
5. Figure 4. Example of model structure mismatch at the target horizon

下载 (419KB)
索引源数据
6. Figure 5. Application of the stratigraphic method in well drilling

下载 (451KB)
索引源数据
7. Figure 6. Example of technology application for real-time horizontal well drilling support

下载 (390KB)
索引源数据
8. Figure 7. Geological section based on a reference well

下载 (91KB)
索引源数据
9. Figure 8. Data transmitted via Solo Box and processed in DrillSpot

下载 (247KB)
索引源数据

版权所有 © Toksanov N.N., Abuev R.B., Tastanov B.B., Suleymenova A.O., Umraliyev B.T., 2025

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».