CN102472825A - 使用目标函数的钻井咨询系统和方法 - Google Patents
使用目标函数的钻井咨询系统和方法 Download PDFInfo
- Publication number
- CN102472825A CN102472825A CN2010800350749A CN201080035074A CN102472825A CN 102472825 A CN102472825 A CN 102472825A CN 2010800350749 A CN2010800350749 A CN 2010800350749A CN 201080035074 A CN201080035074 A CN 201080035074A CN 102472825 A CN102472825 A CN 102472825A
- Authority
- CN
- China
- Prior art keywords
- drilling
- data
- window
- mrow
- objective function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 497
- 238000000034 method Methods 0.000 title claims abstract description 224
- 230000006870 function Effects 0.000 title description 100
- 238000005259 measurement Methods 0.000 claims abstract description 49
- 238000013179 statistical model Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims description 124
- 239000013598 vector Substances 0.000 claims description 86
- 238000001514 detection method Methods 0.000 claims description 59
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 230000035515 penetration Effects 0.000 claims description 38
- 238000000513 principal component analysis Methods 0.000 claims description 25
- 230000002596 correlated effect Effects 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 14
- 229930195733 hydrocarbon Natural products 0.000 claims description 13
- 150000002430 hydrocarbons Chemical class 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 10
- 239000004215 Carbon black (E152) Substances 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000002547 anomalous effect Effects 0.000 claims description 5
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 description 36
- 238000005755 formation reaction Methods 0.000 description 36
- 230000008859 change Effects 0.000 description 32
- 238000007619 statistical method Methods 0.000 description 25
- 238000013459 approach Methods 0.000 description 18
- 239000011159 matrix material Substances 0.000 description 17
- 230000008569 process Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000005457 optimization Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000009977 dual effect Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000004064 dysfunction Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Earth Drilling (AREA)
- Numerical Control (AREA)
- Paper (AREA)
Abstract
用于控制钻井作业的方法和系统,包括使用统计模型确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数。该方法和系统至少部分基于统计模型为至少一种可控钻井参数进一步产生作业建议。选择作业建议以优化目标函数。
Description
相关申请的交叉引用
本申请要求于2009年8月7日提交的美国临时申请号61/232,275的权益。
技术领域
本公开一般地涉及用于改进钻井作业的系统和方法。更具体地,本公开涉及可结合烃相关钻井作业实施以改进钻井特性的系统和方法。
背景技术
本章节旨在向读者介绍现有技术的各个方面,其可能与本发明的实施方式相关。相信该讨论有助于向读者提供促进对本发明具体技术更好理解的信息。因此,应当理解,应据此阅读该陈述,而不必作为对现有技术的承认。
油气工业在烃资源的勘探和开发中花费大量的作业成本进行钻井。因为装置和人力开支基于时间,可认为钻井成本是时间的函数。至少以两种方式可使钻井时间最小化:1)使钻进速率(ROP)(即,钻头穿透土地的速率)最大化;和2)使非钻井的钻井时间(rig time)(例如,装卸装置以替换或修复装置、在钻井期间搭建井如安装套管和/或对井进行其他处理所花的时间)最小化。以往的努力试图致力于这些方法的每一个。例如,持续发展钻井装置以在促进更高的ROP时改进装置的寿命和装置的效率二者。而且,已经做出各种努力以模拟和/或控制钻井作业,以避免损坏装置和/或限制ROP的条件,如振动、钻头泥包等。
许多降低钻井作业成本的尝试已经集中在增加ROP。例如,美国专利号6,026,912;6,293,356;和6,382,331,每篇提出了用于增加ROP的模型和方程。在这些专利公开的方法中,操作员收集关于钻井作业的数据和确定可被改变以增加钻进速率的单个控制变量。在大多数例子中,控制变量是钻压(WOB);模拟WOB和ROP之间的关系;并改变WOB以增加ROP。尽管这些方法可在给定时间点产生增加的ROP,但是该具体的参数变化不可能是在所有环境下整体钻井特性的最大益处。例如,钻头故障和/或其他机械问题可能源于WOB和/或ROP的增加。在活跃钻井期间,尽管ROP增加可进一步加快钻井,但是由损坏装置和需要替换和/或修理装置的装置装卸引入的耽搁可导致明显更慢的整体钻井特性。此外,其他参数的变化,如钻柱旋转速率(RPM)的变化,比沿着单个变量的简单优化,可更有优势并产生更好的钻井特性。
因为钻井特性不仅仅通过瞬时钻进速率测量,所以如在上面提到的专利中讨论的那些方法固有地受到限制。其他研究已经显示,通过考虑钻井作业的机械比能(Mechanical Specific Energy)和设计可使机械比能(MSE)最小化的钻井作业来提高钻进速率。例如,美国专利公开号US2008-0105424和国际公开号WO2007/073430——为了所有目的其每一篇通过引用以其整体并入本文——公开了在增加钻进速率的努力中使用的计算和/或监测MSE的方法。具体地,钻井作业随着时间的MSE用于确定限制钻进速率的钻井条件,通常称作塌积限制因素(founderlimiter)。一旦塌积限制因素已经被确定,可改变一种或多种钻井变量以克服塌积限制因素并增加ROP。作为一个例子,MSE模式可指示,钻头泥包限制ROP。可在正在进行的钻井作业期间或通过装卸和改变装置,采用各种措施从钻头清除切屑并提高ROP。
近来,在使用人工神经网络优化钻井作业方面已经产生了额外的兴趣,例如US6,732,052B2、US7,142,986B2,和US7,172,037B2。但是,基于神经网络的方法的局限性抑制了它们的进一步应用。例如,结果精确性对于训练数据集和网络结构的质量是敏感的。其他问题是优化基于局部检索并且可能难于处理新的或高度可变的模式。
在另一种实例中,美国专利5,842,149公开了旨在自动调整钻井参数的闭环钻井系统。但是,该系统需要查表以提供ROP和钻井参数之间的关系。因此,优化结果取决于该表的有效性和用于产生该数据的方法,所以该系统可能缺乏对于不包括在该表中的钻井条件的适宜性。另一种限制是需要井下的数据以进行优化。
尽管这些过去的方法已经对钻井作业提供了一些改进,但是随着开发更难到达油藏中的烃资源并随着钻井成本的持续升高,仍然需要更加先进和更适宜的方法。进一步期望的改进可包括将优化努力从增加ROP扩展到优化通过如ROP、效率、停工时间等因素的组合测量的钻井特性。另外的改进可包括将优化努力从单个控制变量的迭代控制扩展到多个控制变量的控制。而且,改进可包括开发在正在进行的钻井作业期间能够建议作业变化的系统和方法。
尽管当以该角度考虑时,可容易地理解这种研究目标,但是在实现这些目的的任何一个时存在许多挑战。例如,改进的系统和方法应当能够正确模拟钻井变量变化和ROP和/或MSE(或钻井特性的其他可测量参数)结果之间的动态。改进的系统和方法可另外地或替代地适合根据可影响钻井特性的多个变量——只有其中一些是可控的和/或可测量的——确定作业的有效且安全的区域。另外或可选地,改进的系统和方法可适应实时对钻进条件的变化产生反应,如对岩性变化或钻井条件的其他不可控变化作出响应。当异常钻井事件发生时,改进的系统和方法可能够在它出现时检测到它并产生减轻问题的建议。因此,存在对提高钻井特性的系统或方法的需要,该钻井特性通过比仅仅钻进速率更稳健和预示性的因素测量。另外或可选地,存在对通过控制至少一种可控钻井变量改进钻井特性的系统或方法的需要。在一些实施中,在正在进行的钻井作业期间,可至少基本上实时产生和/或执行控制这种可控钻井变量的建议。本发明提供了这样的系统和方法,其提供一种或多种这些改进和/或满足一种或多种这些需要。
发明内容
本方法涉及用于钻井筒的方法和系统,所述井筒如在烃生产相关作业中使用的井筒。示例性方法包括:1)接收关于表征正在进行的井筒钻井作业的钻井参数的数据,其中所述钻井参数的至少一种是可控的;2)使用统计模型确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数;3)为至少一种可控钻井参数产生作业建议,其中所述作业建议被选择以优化目标函数;4)至少部分基于所产生的作业建议,对至少一种可控钻井参数决定作业更新;和5)在正在进行的钻井作业中执行所决定的作业更新的至少一种。
本公开进一步涉及与钻井作业结合使用的基于计算机的系统。示例性的基于计算机的系统可包括:1)适合执行指令的处理器;2)与处理器通信的存储介质;和3)至少一个可被处理器获取并保存在存储介质中的指令组。所述至少一个指令组适合执行本文所描述的方法。例如,指令组可适合1)接收关于表征正在进行的井筒钻井作业的钻井参数的数据,其中所述钻井参数的至少一种是可控的;2)使用统计模型确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数;3)为至少一种可控钻井参数产生作业建议,其中所述建议被选择以优化目标函数;和4)输出所产生的作业建议用于在控制正在进行的钻井作业中考虑。
本公开还涉及钻机和适合执行本文所描述方法的其他钻井装置。例如,本公开涉及钻机系统,其包括:1)通信系统,其适合接收关于与正在进行的井筒钻井作业相关的至少两种钻井参数的数据;2)根据本文描述的基于计算机的系统,如适合执行本文描述方法的基于计算机的系统;和3)输出系统,其适合传送所产生的作业建议用于在控制钻井作业中考虑。钻井装置可进一步包括控制系统,其适合至少部分基于所产生的作业建议决定作业更新并在钻井作业期间执行所决定作业更新的至少一种。控制系统可适合至少基本上自动执行所决定的作业更新的至少一种。
附图简述
当阅读下列详细描述和当参考附图时,本技术前面的和其他优点可变得明显,其中:
图1是井的示意图,其显示可在其中执行本系统和方法的环境;
图2是用于更新作业参数以优化钻井作业的方法的流程图;
图3是本发明范围内系统的示意图;
图4示意性图解了对数据流使用移动窗口(moving window)算法的方法;
图5图解了可在本发明中使用的窗口大小和统计相关性各种性质之间的示例性关系;
图6示意性图解了使用移动分析窗口连同移动模式探测窗口的方法;
图7是比较分析窗口数据与模式探测窗口数据的基于残差(residual)的方法的图示;
图8是产生作业建议的基于PCA的方法的简化图示;
图9图解了钻进速率和钻压之间的关系;
图10图解了钻进速率、钻压和旋转速率之间的关系;
图11是在本系统和方法中使用历史数据的方法的流程图;
图12提供了在显示钻井参数与钻进速率相关性的本系统和方法中使用的代表性数据;
图13图解了钻井参数与图12中数据的机械比能(MSE)的相关性历史;
图14提供了与图12相似但是针对在不同地层中的钻井作业的代表性数据和相关性;
图15显示了钻井参数与ROP的相关性历史;钻井参数与目标函数(OBJ)的相关性历史,和钻井参数与MSE的相关性历史;
图16提供了图解不同目标函数影响的另外相关性历史;
图17提供了钻井参数与具体目标函数的相关性历史;
图18提供了钻井参数与具体目标函数的另一相关性历史;
图19是验证算法的流程图;和
图20是验证算法的图示。
发明详述
在下面详细说明中,连同数个实施方式描述了本发明的具体方面和特征。但是,就下列的描述具体到本技术的特定实施方式或特定用途而言,其旨在仅仅是阐述性的并仅仅提供对示例性实施方式的简明描述。而且,在关于具体实施方式描述具体方面或特征的情况下,这些方面和特征适当时可在本发明的其他实施方式中出现和/或用本发明的其他实施方式执行。因此,本发明不限于下面描述的具体实施方式。而相反地,本发明包括落入所附权利要求范围内的所有选择、修改和等价物。
图1图解了在钻井工地100处相对一般性的钻井作业的侧示图。提供图1主要是图解可使用本系统和方法的背景。如所图解的,钻井工地100是陆地钻井工地,钻机102布置在井104上方。钻机102包括钻柱106,所述钻柱106包括布置在其末端的钻头108。图1中所图解的设备以几乎示意性的形式显示以显示其代表性性质。本系统和方法可连同任何目前可获得的钻井装置使用并期望可用于任何将来开发的钻井装置。类似地,本系统和方法不限于基于陆地的钻井工地,而是可关于进行钻井作业的海上、深水、北极和其他各种环境使用。
尽管本系统和方法可关于任何钻井作业使用,但期望它们主要用于和烃如油气的开采相关的钻井作业。另外,应该注意,对钻井作业的提及旨在广泛地理解。操作员使用各种器械和方法——其中一些是与常规推进钻井进入原始地层不同的——能够从地层中除去岩石。例如,在各种实施中扩眼作业也从地层中除去岩石。因此,本文涉及钻井参数、钻井特性测量值等的讨论指在从地层中切掉岩石的任何各种作业期间的参数、测量值和特性。如在钻井工业中所熟知的,许多因素影响钻井作业的效率,包括在操作员控制内的因素和超出操作员控制的因素。为了本申请的目的,术语钻井条件将用于一般指在钻井作业期间井筒中的条件。钻井条件由多种钻井参数组成,其中一些涉及井筒和/或地层的环境和其他的涉及钻井活性本身。例如,钻井参数可包括旋转速率、钻压、钻头和钻柱的特性、泥浆比重、泥浆流速、地层岩性、地层空隙压力、扭矩、压力、温度、钻进速率、机械比能、振动测量值等。从上面所列出的可理解,一些钻井参数是可控的而其他是不可控的。类似地,一些可直接测量和其他的必须根据一种或多种其他测量参数计算。
随着钻井作业进展,钻头108以称作钻进速率(108)的速率前进穿过地层110,所述速率通常计算为随着时间所测量的钻井深度。因为地层条件是位置依赖性的,所以钻井条件必定随着时间而变化。而且,钻井条件可以以显著降低钻井作业效率的方式和/或产生较不优选作业条件的方式变化。因此,研究持续在寻找预测和探测钻井条件变化的改进方法。如在上面背景技术中所描述的,过去的研究集中在监测钻井效率、钻进速率的测量,和寻求改变钻井参数以增加钻进速率。这种努力已经具体化为两个范例:1)迭代改变单个可控钻井参数——典型地为钻压,同时监测钻进速率直到获得最大钻进速率;和2)监测钻井作业的机械比能以表征限制钻进速率和确定克服塌积限制因素的钻井参数变化的一个或多个钻井事件(塌积限制因素)。本系统和方法提供对这些范例的至少一种改进。
如图2中所图解的,本发明包括钻井筒的方法200。图2提供了本文公开方法的概述,其将在下面扩展。在它的最简单解释中,本钻井方法包括:1)在202中,接收关于正在进行的钻井作业的数据,具体地是关于表征钻井作业的钻井参数的数据;2)在204中,使用统计模型确定与钻井特性显著相关的至少一种可控钻井参数;3)在206中,产生作业建议以优化钻井特性;4)在208中,决定作业更新;和5)在210中,执行作业更新。
接收关于正在进行的钻井作业的数据的步骤202包括接收关于表征正在进行的钻井作业的钻井参数的数据。所接收的钻井参数的至少一种是可控的钻井参数,如旋转速率、钻压、泥浆流速等。可以任何合适的方式使用目前可得的装置或将来开发的技术接收数据。类似地,关于钻井参数的数据可来自任何合适的来源。例如,关于一些钻井参数的数据可从地表工具适当地收集,而其他数据可从井下的测量设备更合适地收集。作为一个更具体的例子,可从地表装置或从井下装置,或从地表装置和井下装置两者,接收关于钻头旋转速率——一个示例性钻井参数——的数据。地表装置可为钻井装置提供作为输入提供的受控旋转速率或提供井下实际钻头速率的测量值。井下的钻头旋转速率还可使用一种或多种井下工具测量和/或计算。任何合适的技术可与本系统和方法合作使用以提供关于任何合适种类(assortment)的钻井参数的数据,条件是钻井参数与正在进行的钻井作业有关并可用于表征正在进行的钻井作业,并且条件是钻井参数的至少一种可由操作员直接或间接地控制。
如上面所指出,方法包括在204中使用统计模型确定至少一种与目标函数或一种或多种目标函数显著相关的可控钻井参数,所述目标函数并入了两个或更多个钻井特性测量值,如ROP、MSE、振动测量值等,和它们的数学组合。在一些实施中,两个或更多个统计模型可合作、同步、迭代或以其他组合使用以确定显著相关的和可控的钻井参数。在一些实施中,可使用统计模型基本上实时使用接收的数据。下面进一步详细描述示例性统计模型。
概括地,统计模型使一种或多种钻井参数与并入两个或更多个钻井特性测量值的至少一种目标函数相关,并决定目标函数和钻井参数之间的相关性程度。例如,目标函数可以是钻进速率(ROP)、机械比能(MSE)和/或它们的数学组合之间的数学关系。目标函数因此还可以是ROP、MSE、钻压、钻柱、钻头旋转速率、施加到钻柱的扭矩、施加到钻头的扭矩、振动测量值、水马力(例如,泥浆流速、粘度、压力等)等和它们的数学组合的函数。下面提供了使用统计方法以确定相关钻井参数的另外细节和例子。
继续参看图2,在206中产生作业建议的步骤包括为至少一种可控钻井参数产生建议。选择产生的作业建议以优化并入两个或更多个钻井特性测量值的目标函数。在一些实施中,建议可提供定性建议,如增加、减少或维持给定的钻井参数(例如,钻压、旋转速率等)。另外或可选地,建议可提供定量建议,如增加钻井参数一具体量或百分数,或减少钻井参数至具体值或值的范围。作业建议的产生可以是统计方法的产物和/或除了统计方法输出之外还可使用输入。在一些实施中,统计方法可产生作业建议作为确定相关钻井参数的部分,例如确定相关的参数和它们应该被调整或更新以优化钻井特性测量值或目标函数的方式。此外,在一些实施中,作业建议可进行边界限制,如最大旋转速率、最小可接受泥浆流速、上驱动扭矩极限等,其代表物理装置极限或通过考虑钻井过程的其他作业方面得到的极限。例如,可存在输送钻屑到地表的最小可接受泥浆流速和/或可存在等量循环密度在其以上变得太大的最大可接受速率。
继续讨论图2,在208中决定作业更新的步骤包括对至少一种可控钻井参数决定作业更新,其中所决定的作业更新至少部分基于所产生的作业建议。与作业建议的产生类似并且如将在下面更详细讨论的,为给定的钻井参数所决定的作业更新可包括定向的更新和/或定量的更新。例如,为给定的钻井参数所决定的作业更新可选自增加/减少/维持命令或可量化钻井参数应该被改变的程度,如钻压增加或减少了X和旋转速率增加或减少了Y。
可通过一个或多个操作员(即,在钻井现场或与钻井装置通信的个体)和基于计算机的系统执行决定作业更新的步骤。例如,钻井装置越来越自动化并且一些实施可适合单独或连同其他数据或信息考虑作业建议,并对一种或多种钻井参数决定作业更新。另外或可选地,钻井装置和与本方法相关的基于计算机的系统可适合向至少部分基于作业建议决定作业更新的使用者如操作员提供作业建议。至少部分基于作业建议,使用“猪定律(hog laws)”或其他基于经验的方法和/或通过使用基于计算机的系统,使用者可决定作业更新。
最后,在210中在正在进行的钻井作业中执行所决定的作业更新的至少一种的步骤可包括至少部分基于所决定的作业更新,修改和/或维持正在进行的钻井作业的至少一个方面。在一些实施中,如当从作业建议通过基于计算机的系统决定作业更新时,可自动进行作业更新的实施而不用使用者干预或批准。另外或可选地,通过基于计算机的系统决定的作业更新可提供给使用者,用于在执行之前考虑和批准。例如,可将提出的所决定作业更新的视觉显示提供给使用者,使用者可全部或部分接受所述提出的所决定作业更新而在提供和执行之间没有实质步骤。例如,提出的更新可提供有′接受′和′改变′命令按钮或控制并提供有′接受所有′功能。在这种实施中,所决定的作业更新的执行可被理解为基本上自动的,因为使用者不需要进行计算或模拟来决定作业更新或进行数个人工步骤以实现执行。另外或可选地,使用者或其他操作员考虑作业建议和决定作业更新之后,使用者可实现所决定的作业更新的执行。
尽管在上面描述的方法的范围内和所附权利要求的范围内的实施的具体实例在下面描述,但是应当认为上面提供的并连同图2的描述图解了对之前努力范例的至少一种改进。具体地,并且如上面所指出的,本方法和系统基于并入至少两种钻井特性测量值的目标函数的优化能够为至少一种可控钻井参数产生作业建议。用于确定至少一种显著相关的可控钻井参数的统计建模和使用与可控钻井参数功能上相关的钻井特性测量值有利于这种建议的产生。下面提供了合适关系和统计模型的具体例子,用于加强对本系统和方法的理解。但是,应当理解其他关系和/或建模技术可用于上述方法的实施。
图3示意性图解了在本发明范围内的系统。在一些实施中,系统包括与钻井作业结合使用的基于计算机的系统300。该基于计算机的系统可以是计算机系统,可以是基于网络的计算系统,和/或可以是集成入钻井工地处装置的计算机。基于计算机的系统300包括处理器302,存储介质304和至少一个指令组306。处理器302适合执行指令并可包括通常在计算系统中使用的现在已知的或将来开发的一种或多种处理器。存储介质304适合与处理器302通信,并且适合于存储数据和其他信息,其包括至少一个指令组306。存储介质304可包括多种形式的电子存储介质,其包括以任何合适的方式通信的一种或多种存储介质。适当的处理器(一种或多种)和存储介质(一种或多种)和它们彼此关系的选择可取决于具体实施。例如,一些实施可使用多个处理器和适合使用多个处理器的指令组以便增加计算步骤的速度。另外或可选地,一些实施可基于多个存储介质期望的或具体构造的存储介质期望的足够数量或多样的数据。仍另外或可选地,基于计算机的系统的一种或多种部件可远离其他部件定位并可经过任何合适的电子通信系统连接。例如,本系统和方法的一些实施可参考来自其他井的历史数据,一些实施中所述数据可从通过网络技术连接的中央服务器获得。本领域普通技术人员能够选择并配置基本的计算部件以形成基于计算机的系统。
重要地,图3的基于计算机的系统300是多于一个处理器302和存储介质304。本公开基于计算机的系统300进一步包括可被处理器获取并保存在存储介质中的至少一个指令组306。至少一个指令组306适合执行图2的方法,如上述和/或如下述。如所图解的,基于计算机的系统300在数据输入口308接收数据并在数据输出口310输出数据。至少一个指令组306适合输出所产生的作业建议,用于在控制钻井作业中考虑。在一些实施中,产生的作业建议可被输出到显示器312用于被使用者考虑。在其他实施中,产生的作业建议可提供为可听信号,如不同特性的高或低谐音(chime)以发送WOB、RPM或一些其他钻井参数的所推荐增加或减少的信号。在现代钻井系统中,司钻的任务是监测屏幕指示器和可听指示器——单独或结合视觉表达,可以是传送所产生建议的有效方法。可以任何合适的形式提供可听指示器,包括谐音、铃、音调、描述的命令等。口头命令,如通过计算机产生的声音,容易使用现代技术实施并可以是确保正确消息被司钻听到的有效方式。另外或可选地,产生的作业建议可被输出到适合决定至少一种作业更新的控制系统314。控制系统314可被集成入基于计算机的系统,或可以是分开的部件。另外或可选地,控制系统314在钻井作业期间可适合自动地、基本上自动地或根据使用者激活执行至少一种所决定的更新。
继续讨论图3,本技术的一些实施可包括钻机系统或钻机系统的部件。例如,本系统可包括钻机系统320,其包括本文所描述的基于计算机的系统300。本公开的钻机系统320可包括通信系统322和输出系统324。通信系统322可适合接收关于与正在进行的钻井作业相关的至少两个钻井参数的数据。输出系统324可适合传达产生的作业建议和/或所决定的作业更新以在控制钻井作业中考虑。通信系统322可从油田其他部分、从钻机和/或井筒,和/或从另一种网络数据源如因特网接收数据。输出系统324可适合包括显示器、打印机、控制系统314,或输出产生的作业建议和/或所决定的作业更新的其他装置。在一些实施中,控制系统314可适合至少基本上自动执行所决定的作业更新的至少一种。如上所述,本方法和系统可在任何种类钻井作业中实施。因此,适合执行本文所描述的方法以优化钻井特性的钻机系统在本发明的范围内。例如,本公开方法的各种步骤可使用基于计算机的系统和算法进行,并且本公开方法的结果可通过一种或多种视觉显示,如监视器、打印机等或通过如上所述可听提示,可提供给使用者进行考虑。因此,包括适合执行本描述方法的基于计算机的系统或与其通信的钻井装置在本发明的范围内。
如上连同图2所述,本系统和方法涉及通过决定一种或多种可控钻井参数和目标函数之间的关系(或,更精确地,两个或多个钻井特性测量值的数学组合)优化并入两个或更多个钻井特性测量值的目标函数。在一些实施中,就至少两个可控钻井参数而言,两个或多个钻井特性测量值可在适合描述或模拟特性测量值的一种或多种目标函数中具体化。如本文所描述的,在追求最优化的钻井作业时,使目标函数与至少两个可控钻井参数相关可提供另外的好处。仅基于钻进速率的目标函数显示在方程(1)中,并且本文有时参考,以图解本系统和方法与仅寻求使钻进速率最大化的常规方法之间的一个或多个不同。在本发明范围内的示例性目标函数显示在方程(2)和(3)中。如显示的,目标函数可以是两个或多个钻井特性测量值(例如,ROP和/或MSE)的函数和/或可以是可控和可测量参数的函数。
OBJ(MSE,ROP)=ROP,(1)
方程(2)的目标函数是使ROP-与-MSE的比率最大化(同时地使ROP最大化和使MSE最小化);方程(3)的目标函数是使每单位百分数MSE增加的ROP百分数增加最大化,其中ΔROP和ΔMSE分别是ROP和MSE的变化。这些目标函数根据钻井作业的具体目标可用于不同方案。注意,方程(2)和(3)需要因子δ以避免奇点。在本发明范围内可设计目标函数OBJ(MSE,ROP)的其他公式以避免可能的除以零的奇点(如在分母中只使用δ)。在方程(2)中,使用标称ROPo和MSEo以提供无量纲值以考虑不同地层可钻性条件。
也重要的是指出在该发明中提供的方法和算法不限于这三种类型的目标函数。它们适用于并覆盖任何形式的适合描述钻井参数和钻井特性测量值之间关系的目标函数。例如,观察到MSE有时对可在钻柱转动速度中产生大的摆动的井下扭转振动如粘滑事件不敏感。基本上,有两个方法考虑井下粘滑。一个是显示粘滑严重性(stick-slip severity)作为监视指示,但仍使用如显示在方程(2)或(3)中基于MSE的目标函数优化钻井特性。众所周知,减轻粘滑的一种方式是增加地表RPM和/或降低WOB。为了同时优化目标函数并降低粘滑,从模型产生的作业建议应当选择与粘滑减轻一致的那个。另一种方法是将粘滑严重性(SS)并入目标函数,并且方程(2)-(3)可修改为
其中标称SS0用于提供无量纲值。两种方法的所述粘滑严重性可以是从井下振动测量工具传送的实时粘滑测量值或从地表扭矩和钻柱几何学计算的模型预测值。
尽管有些一般性地写出了上面的目标函数,但是应当理解钻井特性测量值的每一个可以与多个钻井参数相关。例如,用于MSE计算的代表性方程提供在方程(6)中:
因此,当优化目标函数时,可同时优化在一些实施中可提供产生的作业建议的多个钻井参数。在方程(6)中示出的MSE的组成参数暗示描述方程(1)-(5)中目标函数的可选方式可包括独立参数WOB、RPM、ROP和扭矩的各种组合。另外,一种或多种目标函数以各种合适的方式可组合这些参数的两个或多个;其每个考虑在本发明的范围内。
如上述,现有的方法试图使单个控制变量与钻井特性的单个量度(即,钻进速率)相关,并通过迭代和顺序调整确定的单个控制变量增加钻进速率。相信本系统和方法通过使控制变量与两个或多个钻井特性测量值相关而改进该范例。本文描述了从这种相关性中可得到的至少一些好处;通过本系统和方法的继续实施,其他好处可变得明显。
另外,本系统和方法的一些实施可适合使至少两个钻井参数与并入两个或更多个钻井特性测量值的目标函数相关。通过使多于一个钻井参数与目标函数相关,可同时优化多个钻井参数。如在下面表达式中可见,与顺序改变参数相比,同时改变或优化参数可导致不同的结果。任何目标函数OBJ可表达为多个钻井参数的函数(或关系);方程(7)的表达式使用易于阐明的两个参数。
OBJ=f(x,y)(7)
在钻井过程期间的任何时候,通过本方法产生的决定的作业更新可表达为方程(8)。
但是,在顺序方法中,以两个步骤实现改变:在第一时间的改变和在随后时间步骤的第二改变,如在方程(9)中所见。
结果,用于基于目标函数确定参数改变的两个范例可产生明显不同的结果。作为两个范例之间的差异的一个实例,可见,利用方程(8)的同时更新范例,在时间t0时的系统状态被用于决定所有更新。但是,在方程(9)的顺序更新范例中,有与时间t0时x相应的第一更新。在对于执行该更新和在时间t1确定新的系统状态必要的时间增量后,可相应参数y进行第二更新。后一方法导致较慢和较差效率的更新方案,钻井特性相应地降低。由上面阐明的数学差异产生的示例性作业差异包括同时确定多个作业改变的能力,以更快地获得优化的钻井条件,围绕优化的条件更平稳地控制等。
如连同图2所描述的,本系统和方法开始于接收或收集关于钻井参数的数据,至少其中一种钻井参数是可控的。本技术接着使用一个统计模型,或可能地多个统计模型,以确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数。用于确定与钻井特性测量值显著相关的至少一种可控钻井参数的统计模型可以任何合适的方式开发。可被利用的示例性统计方法包括多变量相关性分析方法和/或主成分分析方法。这些统计方法,它们的变型和它们的类似统计方法为本行业的人员所熟知和理解。为了在集中于本系统和方法的发明方面中简洁,对于这些统计方法的背景和解释,参考各种教科书和其他可得的参考文献。尽管下面的统计方法和数学是熟知的,但是相信在本系统和方法中它们实施的方式比上述常规单个参数的迭代方法提供明显的优势。因此,下面将更详细描述使用这些统计模型和将其并入本系统和方法的方式。
本方法的统计方法可被理解为包括描述目标函数和许多钻井参数的一种或多种之间关系的至少一种模型。统计方法在多维参数空间中解模型(一个或多个)的最佳方向以1)确定最显著相关的钻井参数,和2)确定参数和目标函数之间的相关性或关系的性质,用于为钻井参数产生作业更新。由于钻井过程的动态性质,本系统和方法的统计方法适合实时或至少基本上实时改变动态。通过基本上实时,应当理解本系统和方法适合使操作员能够在正在进行的钻井作业期间而不是仅仅在作业或作业阶段已经包括之后决定作业更新。
在正在进行的钻井作业期间可产生或接收的数据的类型和数量可以是庞大的。对该数据的整体进行统计分析可能是不实际的,并且至少基本上实时这样做是不可能有效的。多种方式可用于减小被考虑的数据量。示例性方法可使用结合所选择的统计方法的移动窗口分析技术。例如,移动窗口主成分分析(MWPCA)和/或移动窗口相关性分析(MWCA)可用于确定相关的钻井参数以及参数和目标函数之间关系的性质。在这点上,术语“移动窗口”指包括数据流的时间索引的窗口或深度索引的窗口。主成分分析和/或相关性分析用于从在窗口中的数据提取定量的和/或定性的模型并随着接收新的数据和移除已不用的数据,适应性地更新模型。
图4提供了在正在进行的钻井作业期间对数据流400使用移动窗口算法的方法的示例性图解。示例性数据流图解了各种钻井参数和所选择的目标函数(OBJ)之间的相关性程度(-1和1之间)。例如,图4图解了目标函数(OBJ)和钻压(WOB)402、每分钟转数(RPM)406、扭矩408、管道压力(PP)410和泥浆流速(流动)412之间的相关性;根据关系和执行的方法可接收关于钻井参数的另外的和/或可选的数据。如上面所指出的,所述钻井参数的至少一种是可控的,如钻压、每分钟转数和泥浆流速。图4进一步图解了在或靠近数据流400前沿的移动窗口。移动窗口被称作分析窗口420或记忆窗口,并且是对其使用统计方法的窗口或数据子集。如本文所使用,分析窗口和记忆窗口可互换。分析窗口420可放置在数据流中以分析最近接收的数据,如钻井最后50英尺的数据或钻井最后10分钟的数据;或可放置与最近接收的数据偏移一定的余量(margin),例如以便允许预处理一种或多种参数或调节不同参数的收集、测量和/或计算时间的差异。在一些实施中,分析窗口420优选尽可能地靠近接收数据的前沿放置以便实时地使确定的、相关的可控钻井参数尽可能相关。可见,在正在进行的钻井作业中,离开分析窗口的数据涉及在较早的、潜在已不用的时间/深度中的钻井和地层条件。尽管统计方法不考虑离开分析窗口420的数据,但是为了多种目的可存档或存储所述数据,下面进一步讨论其中的一些。
如上述,在本系统和方法中使用的统计模型(一种或多种)适合确定与并入至少两个钻井特性测量值(一种或多种)的目标函数显著相关的至少一种可控参数。虽然分析全部的钻井作业可提供一些价值,但是分析过多的数据(如延伸到达钻井作业的全部接收数据)可能计算上太密集而不实际和/或可能难以处理。类似地,应该理解只有最近接收的数据是待被钻井的地层特性的信息。但是,如可从一般化统计方法中理解的,太少的数据或太小的分析窗口420可导致统计模型不稳定和/或具有显著相关的参数确定上的不稳定性。换句话说,统计模型(一种或多种)精确和稳定地(即,没有不稳定和过度频繁的改变)确定显著相关的钻井参数和它们与目标函数的关系的能力将需要长度大于最小窗口大小(以提供稳定性)和通常小于完整数据集(以提供易处理性和及时性)的分析窗口420。如在下面将更加详细地描述,一些实施可包括可变长度分析窗口,其随着数据被接收,长度增长或扩展,直到它到达预定的窗口长度。当开始钻井作业时、岩性改变之后、异常钻井事件之后、或在其他环境下可使用这种可变长度分析窗口。
图5提供了窗口大小和相关性各种性质之间关系的说明性例子。在曲线500中,窗口大小502绘在x-轴上并且使用统计模型(一种或多种)决定的相关性的稳定性504绘在左侧y-轴512上。另外,指示钻井条件改变如岩性变化改变和/或使操作员基于目前钻井条件优化可控参数的相关性灵敏度绘在右侧y-轴514上,并且以点划线指示为指示/优化能力506。可见,当分析窗口420小时,相关性稳定性504低而指示改变条件的能力506高。因此,操作员可具有显著相关钻井参数的更新的和高度精确的确定,但可能过度频繁接收它们,这导致不实际的执行条件。类似地,设定分析窗口420的大小以使稳定性502最大化,如窗口大小508,可产生无法确定的相关性以及对岩性变化或其他钻井条件改变不响应的相关性。
因此,分析窗口420可以有最优窗口大小,该最优可取决于操作员的灵敏性和/或偏好。可在曲线500中确定的示例性最优可以是窗口大小510,其中稳定性和指示能力相交叉。在图5的示意性曲线500中,稳定性504和指示能力506彼此近似为镜像(mirror),基本上在过渡区中间形成交叉。但是,应当理解图5的曲线仅仅是示例性的,并且稳定性504和指示能力506可具有多种不同的形式,这导致在两个之间作为可能最优的多个关系。在一些实施中,决定稳定性和指示能力的因素可被确定并且最优窗口大小可被数学上确定,其可适合提供自动的或基本上自动的窗口大小选择。另外或可选地,其他固定的窗口大小可被执行本系统和方法的操作员选择。另外或可选地,两个或更多个窗口大小可以根据本方法分析,并用作“预警(early warning)”(快响应/短窗口)和“高可能性”(慢响应/长窗口)指示。
分析窗口420的示例性固定窗口长度可基于时间或基于钻井距离。例如,分析窗口可具有约5分钟和约30分钟之间的长度。在一些实施中,窗口长度可在约5分钟和约20分钟之间,或在约5分钟和约10分钟之间。在其中分析窗口长度随着接受数据而增长的实施中,这里描述的长度可以是预定的窗口长度,在该长度之后数据离开窗口。在其他实施中,分析窗口可在约10英尺和约100英尺之间,在约25英尺和约75英尺之间,在约50英尺和约100英尺之间,在约50英尺和约75英尺之间,或另一合适的长度。在一些实施中,分析窗口长度可基于模式探测窗口长度或与模式探测窗口长度成比例,如参考下面的描述将被更好理解的,比如为大于模式探测窗口的给定百分数。仍另外,分析窗口长度可至少部分基于地层的条件,其可以是已知的或基于正在进行钻井的井的过去测量值和条件和/或基于钻井附近井或边界井(offset well)时观察到的测量值和条件估计。
可为全部的钻井作业制定固定的窗口长度或为提议的钻井作业确定多个窗口长度。例如,在相同油田或地层中先前的钻井作业可能已经确定一致地层性质的深度范围和其中岩性或其他地层性质处于转变中或频繁改变的深度范围。在这种实施中,本系统和方法的操作员可在其中地层不变的钻井作业阶段选择第一分析窗口大小和为动态钻井条件或地层改变的阶段选择第二分析窗口大小。在其中钻井被重复用于多个附近井筒的应用中,通过边界井钻井历史的追算分析可决定这些窗口长度,以优化作为深度函数的窗口长度,并可能在可预见异常事件时——如遇到凝固或难钻进井段增加的可能性——预先确定深度。例如,适合促进确定岩性变化的分析窗口长度(即,更短的)在动态地层性质的深度可以是优选的。因此,期望的窗口大小可足够大以产生稳定的相关性评估并且可足够小以能够分辨岩性改变。此外,一些实施可为全部钻井作业建立窗口长度,无论在作业期间恒定的或变化的,如上述,而其他实施可允许操作员响应在钻井作业期间的观察和/或条件调整窗口长度。例如,朝着钻进井段或作业的结束,钻头可钝化或可经历其他退化。操作员可选择窗口参数以帮助保持钻头,使得它到达井整个深度或一些其他里程碑(milestone),以优化钻井作业。例如,可选择窗口参数以使操作员更快地响应增加的地层硬度。
仍另外,本系统和方法的一些实施可包括可变分析窗口长度。尽管上面的描述提供了在钻井作业过程期间变化的分析窗口长度的一个例子,但是该长度是预先决定的而不是响应在钻井期间遇到的条件,并且主要是只有在当计划的钻井作业在预期与先前钻井作业类似的地层中时可用。由于信息的变化,这种应用可能是有限的。
另外或可选地,在本发明范围内的系统和方法除了分析窗口之外还可具有模式探测窗口。图6提供了与图4的流相似的示意性数据流600。如所图解的,模式探测窗口630包括就在进入分析窗口620数据之前接收的数据。因此,模式探测窗口630和与其相关的方法可被认为是预处理方法的例子,在使用统计模型以确定与目标函数显著相关的可控钻井参数之前,对接收的数据进行预处理方法。
如在长度方面已经讨论的,并且可从统计分析的性质理解的,统计模型确定显著相关钻井参数的能力取决于可适用于进一步作业的分析窗口620的数据。换句话说,在分析窗口中钻井作业的钻井动态应当至少与在将来作业中待经历的钻井动态有些相似,如果统计模型打算产生相关参数确定和/或作业建议的话。模式探测窗口630提供了更小的数据窗口,其可与分析窗口620中的数据相比较,以确定其中钻井作业的潜在动态改变的情况,如当钻井条件显著和突然改变时。当钻井穿过的地层中存在岩性改变或一些其他改变时,可发生这些情况。钻井条件或动态可因为其他原因——如可在钻井作业期间遇到的多种意料之外条件的任何一种,如钻头钝化或甚至钻头严重损坏——突然改变。双重窗口方法使本系统和方法捕获当前过程动态并将这些动态与在分析窗口中捕获的钻井作业动态比较。
如在图6中所图解的,分析窗口620比模式探测窗口630长。分析窗口620可建立地层和钻井条件的基础理解或特征。如上所述,分析窗口620被调整大小或适合提供地层岩性的稳定特征。与之相反,模式探测窗口630适合提供地层或其他钻井条件改变的指示。实质上,模式探测窗口630用作确认或检查通过分析窗口620建立的假设的方式。有许多方式检查第二数据集中的数据是否与第一数据集一致或是离群值。可使用各种统计方式并且具体方法的选择可取决于待被考虑数据的形式或性质。
可用上述方式的一种或多种决定模式探测窗口630的长度,用于决定分析窗口长度。例如,根据期望的地层条件分析窗口长度可以更长或更短,无论基于边界井,基于从被钻井的井的追算,或基于这些和/或其他因素的组合。在一些实施中,模式探测窗口大小和分析窗口大小可彼此相关联,如一个是另一个的预定分数。在一些实施中,模式探测窗口的长度可以是分析窗口长度的25%。在其他实施中,它可以是20%长、15%长、10%长或5%长。仍在其他实施中,如其中预期预测的地层条件或钻井条件是动态的,模式探测窗口可显著小于分析窗口,如小于分析窗口长的5%,以更好地确定岩性的改变或钻井条件的其他改变。仍在其他实施中,模式探测窗口的长度可以与可影响钻井过程的地层深度层段的典型长度相关。例如,近似2至3英尺的模式探测窗口长度可适合可具有10至30英尺典型厚度的地层中的井。尤其地,考虑钻井的典型速率,这些窗口长度可被选择,其中深度较短的窗口可对应较慢的地层钻进速率。
在其中数据流包括关于钻井参数的数据的系统中使用的一种示例性方法使用概率分布确定第二数据集是否落在评估的概率分布的指定显著性水平内或之外。例如,分析窗口620中的钻井参数数据可用于开发表示期望另外的数据如模式探测窗口630中的数据落入其中的参数空间的概率分布。当与通过在一些显著性水平下分析窗口建立的概率分布空间比较时,在模式探测窗口中的数据是离群值的情况下,模式探测窗口中的离群值可指示岩性或其他钻井条件的改变。本系统和方法可以以多种方式对离群值指示做出响应,如本文进一步讨论的。
比较模式探测窗口630与分析窗口620以决定通过分析窗口中的数据表征的动态的持续有效性的另一种示例性方法可被称作基于残差的方法。可进行基于残差的方法,无论用于确定显著相关的钻井参数的统计方法如何,但是这里将连同使用主成分分析的方法描述。当使用主成分分析(PCA)决定统计和显著相关的钻井参数时,PCA计算为分析窗口中的数据提供全部的K本征向量和K本征值。本征值越大,相应的本征向量的方向越重要。如果在分析窗口中大部分潜在钻井过程是稳定的,那么对应第一m支配主值的第一m(m<K)本征向量或主向量将表征钻井条件,而剩余的(K-m)非重要主向量将表征异常钻井事件。换句话说,m主向量限定主空间702,其代表基于分析窗口中数据的正常的或期望的钻井条件。m可计算为满足下列标准方程的最小正整数:
其中λ1≥λ2≥...λK表示从PCA获得的所有有序主值,并且阈值通常选择高于0.5,典型地更接近0.9。参考图7,可见这些定义来自下面的观察:当钻井条件不变时表示模式探测窗口中数据的数据向量704将位于主空间702内。在图中,K=3,同时m=2。
假设Wm和Wp分别是分析窗口620(或记忆窗口)和模式探测窗口630的窗口长度,X(i)表示包含在移动模式探测窗口中值的向量。注意X(i)本身是较小向量x(j)=[OBJ,WOB,RPM...]T j的集合,其表示在那个时间(或深度)瞬间i时在移动模式探测窗口中在那个时间(或深度)瞬间j所有K钻井变量的测量值。例如,X(i)={x(i)=[OBJ,WOB,RPM...]i,x(i+1)=[OBJ,WOB,RPM...]i+1,...,x(Wp+i-1)=[OBJ,WOB,RPM...]wp+i-i}T。因此,在分析窗口中的模式向量的序列可如下表示:
注意X(i)必须计算为单列向量,即在每个模式探测窗口中所有x的并列。因此,如果x(i)具有K钻井变量,模式探测窗口X(i)大小为K·Wp乘以1,那么分析窗口数据X的维度为K·Wp乘以Wm。
假设模式探测窗口在时间(或深度)瞬间i被移动,那么当钻进条件不变时,在模式探测窗口中表示数据的数据向量X(i)704将位于主空间702内。但是,当地层岩性变化或当其他钻井条件导致钻井条件改变,并且因此导致模式探测窗口中钻井参数数据变化时,X(i)将在主空间702外,如在图7中所指示的。通过减去在主空间702上数据向量X(i)704的投影706,得到一种向量,其可被称作“残差向量(剩余向量,residual vector)”708,如在方程(12)中可见:
其中上标T是矩阵转置算子,分析窗口vk的第i个主向量维度为KWP乘以1,并且所选择的m主向量与模式探测窗口相关。点积<X(i)·vk>是向量X(i)(表示模式探测窗口数据)在Kth主向量vk上的投影。
其他方法也可用于评估残差向量或残差幅度(residual amplitude)。例如,残差幅度可通过计算马哈拉诺比斯距离(X-μ)T∑-1(X-μ)获得,其中μ是x的估计平均数,并且∑是X的估计协方差矩阵。该定义消除了预选择第一公式中本征向量m的数量的需要,而提供实际上类似的结果。
通过定义,残差向量R 708的范数(norm)只是在主空间中从钻井数据记录到它的投影706的距离(如在图7中所显示)。残差向量708的范数是目前的钻井条件或在模式探测窗口中的条件如何偏离的量度,是由分析窗口表征的钻井条件。例如,如果残差向量的范数是0,那么在模式探测窗口中的数据与在分析窗口中的数据一致。但是,大于阈值的残差向量范数表示异常或不期望的钻井条件。如上所讨论的,开发钻井条件(即,在模式探测窗口中的数据)偏离分析窗口中数据的迹象可根据本系统和方法以多种方式被响应。作为说明性例子,本系统和方法可通过重复确定显著相关的可控钻井参数的步骤进行响应。另外或可选地,分析窗口620可被清空以重新注入代表改变的钻井条件的数据。另外或可选地,可存取档案数据,直到分析窗口已充分重新注入代表改变条件的数据。下面进一步讨论这些和其他响应。
回看图2,回想本系统和方法包括接收关于钻井参数的数据和使用统计模型确定与至少一种钻井特性测量值显著相关的至少一种可控钻井参数。前面的讨论强调了可接收数据的各种方式和各种统计方法和/或模型可如何被用于确定显著相关的钻井参数,并且在一些实施中,为至少一种可控钻井参数产生作业建议。为了确保清楚,这里提供了关于使用移动窗口主成分分析(PCA)的示例性实施的另外细节。
PCA是有力的数据分析工具,其可有效地发现高维数据中的主模式,并通过使用参数之间的线性相关性以低得多的维空间表示高维数据量。见,例如,I.T.Jolliffe,Principal component Analysis,Springer-Verlag,New York,Inc.,2002;和S.Wold,Principal componentAnalysis,Chemometrics and Intelligent LaboratorySystems,2(1987)37-52。PCA已广泛地用于计算机视觉、生物信息学、医学成像和许多其他应用。在PCA中,可计算多维数据集的主值(所有参数的协方差矩阵的本征值)和主向量(协方差矩阵的本征向量),并且根据相应的主值以递减顺序排序主向量。每个主向量解释为与它的主值成比例的数据变化百分数。对于大部分数据集,潜在数据集中每个数据记录通过前几个支配主向量的线性组合可良好地近似。
PCA可以以在线和连续的方式应用于数据以提取感兴趣参数之间的动态关系,所述参数在该情况下为ROP、MSE和其他钻井参数(WOB、RPM、泥浆速率、泵压力、振动等)。所提取的ROP、MSE和钻井参数之间的线性关系可用于引导钻井参数的改变以在有利的方向上移动钻井特性。当使用基于PCA的统计方法时,可产生定量的作业建议。另外或可选地,并且如上所讨论的,ROP、MSE和钻井参数之间的相关性分析可用于提供局部最优的“梯度”方向,其指示钻井参数可如何改变以便在无论什么待被最大化的目标函数中获得最急剧(steepest)增加。应当理解在不背离本发明范围的情况下,可包括可选的目标函数以便最优值对应于最小值,在该情况下目标函数的最急剧减少被确定。
对于动态钻井数据流,本系统和方法将从时间或深度瞬间i到(i+Wp-1)的钻井数据窗口作为输入,其中(i+Wp-1)是当前索引并且Wp是预选择的模式探测窗口大小。可通过使用者基于关于待被钻井的地下的之前地质学或地球物理学知识或通过自动选择算法——如上所讨论的——选择适当的Wp,并且可在钻井过程期间的任何时间改变。对于给定的Wp,在模式探测窗口中所有钻井参数的值是已知的,即,X(i)={i(i)=[OBJ,WOB,RPM...]i,x(i+1)=[OBJ,WOB,RPM...]i+1,...,x(Wp+i-1)=[OBJ,WOB,RPM...]wp+i-1}T是已知的或接收的,其中OBJ代表目标函数,其可从方程(1)-(5)或其他合适的函数中选择。这些点在K-维空间中可表示为散布点,其中K是所收集的钻井参数的数量,如在图8中所显示。定性地,对在时间(或深度)中每个点的钻井数据的该子集,PCA提供了包括该点的椭圆体区域的轴,其在图8中显示为多个椭圆802。图8中垂直轴804确定增加OBJ的方向。每个椭圆802中的箭头806显示了改变的方向,其提供了在椭圆802内OBJ的最大增加。
通过下面数学公式,可使该图示说明更加精确。我们可以使用下列方程以计算分析记忆窗口X的平均向量和协方差矩阵,如在方程(11)中所定义:
其中E(·)是数学期望算子。注意方程(13)提供了一种评估平均向量和协方差矩阵的方式;但是也可以应用其他方法。通过归一化数据,例如用每个除以标准化的最大值——其可使向量的每个条目为0和1之间的分数,该数据可表达为无量纲单位。如上所述,移动窗口PCA算法可用于在方程(13)中更新平均向量和协方差矩阵,以及每个时间窗口的协方差矩阵的本征值和本征向量。见,例如,Xun Wang,Uwe Kruger,and George W.Irwin,Process Monitoring Approach Using Fast MovingWindow PCA,Ind.Eng.Chem.Res.2005,44,5691-5702。在该方法中,已不用的数据点的影响被从平均数和协方差中除去,并且来自新数据点的影响被添加,而不用重新计算整个矩阵。
以动态方式计算平均数和协方差的可选方法是指数过滤方法。在该情况下,不需要在存储器中存储属于分析窗口的所有模式向量。分析窗口被指数加权替换,所述指数加权使较老模式向量迅速衰退而高度加权最近的模式向量。下面给出了能够实现该方法的式子:
Λ(t)=μX(t)[X(t)]T+(1-μ)Λ(t-1)
另外或可选地,一些实施为分析和模式探测窗口可使用不同的权重函数方法,包括线性、二次方程、Hanning或半Hanning锥形窗口等。这些窗口将用于逐渐减少分析窗口中将离开窗口的较老数据对解的影响。这种方法随着潜在钻井条件改变,可容易产生更平滑的转变。
该新的平均值和协方差矩阵估计方式使用旧的平均值和协方差矩阵估计被连续地更新,而不需要使用分析窗口中的所有值。μ被称作“记忆参数”,并且尽管它不严格意味着固定的分析窗口,但它产生与使用大体上1/μ大小的分析窗口相当的结果。可选择μ的合适值为0.1/Wp或更小,以获得足够的样本来可靠地对给定的模式探测窗口大小Wp计算平均数和协方差矩阵。μ值越大,残差(residue)改变越快,并且改变的探测越灵敏,但是由于数据的临时漂移,这也可导致过多的假警报。相反地,μ值太小可导致非常慢的探测和错过事件。该方法可包括两个或多个平滑参数μ值,以便开发“快”和“慢”参数,如上所讨论的。最后,其他加权方案可对数据应用,指数加权是一个具体情况。例子包括基于围绕X测量值的置信区间的加权,或其他期望的二次抽样的方案。
利用每个窗口的平均向量和协方差矩阵的符号,我们现在可以使下面的最优化问题公式化,
服从:
其中,
∑=相关矩阵
在提出该问题时,协方差矩阵按顺序分级(rank)以便OBJ与所有其他参数的相关性在矩阵的第一列(或由于矩阵的对称在第一行)。优化问题的解,Vopt,提供了来自目前钻井参数平均值的最优方向,其可导致OBJ最大速率增加。该调整服从约束:系统不偏离到包含大部分所观察到数据的区域或正常的作业区域外面。正常的作业区域在上面方程中通过常量L描述。在规一化向量的情况下,L可设置为大的百分数(例如90%),以捕获包含大部分钻井数据的区域。通过用于解决线性约束优化问题的标准罚函数方法可证明上面问题的解可写为,
为了概括,在钻井过程的每个点(时间或深度),根据方程(13)计算在该点的某一窗口中的所有钻井参数的平均向量和协方差矩阵。接着根据方程(15)计算向量Vopt。Vopt的分量指示需要对所有钻井参数做出改变,以便局部地达到最优OBJ。可以在钻井过程期间的连续点重复该过程,以优化整个钻井过程。
在当ROP是目标函数的具体情况下,作业的目标是使钻井速度最大化,其通过同时考虑两个或多个可控钻井参数进行促进。图9图解了相对简化的分析,其中钻进速率与钻压相关,并且假设所有其他钻井参数是固定的。如所理解的,钻进速率的增加被塌积点(founder point)和对钻井装置潜在破坏的担忧所限制。本系统和方法提供了作业建议,以使操作员能够实现最大可能的ROP而不使装置冒风险。图9图解了沿着y-轴的钻进速率902和沿着x-轴的钻压904之间一般接受的关系。具体地,图9中的曲线图解了钻进速率和钻压之间的线性关系,直到达到塌积点,其可看做是ROP-WOB曲线906的切线将与椭圆908中数据点相关的线性片段分开的点。当钻井在线性状态908(塌积点下方)时,钻进速率和钻压数据的相关性将建议增加钻压,以实现更高的钻进速率。
当到达塌积点时,钻进速率和钻压之间正相关性开始变弱。已经发现局部切线斜率的减小通常对应于MSE增加。在一些实施中,一旦曲线切线的斜率开始降低,在系统中可观察到一些动态功能失常(dynamic dysfunction)。尽管通过持续增加钻压可实现钻进速率的一些另外的增加,但是已经显示在长期运行中这不是有益的,因为可能损坏装置。通过在或低于塌积点,或开始观察到功能失常的点——其也是MSE开始增加的点——作业,每天的进尺可能最大化。因此,本系统和方法可使用目标函数表示钻井特性,其中目标函数可并入两个或更多个钻井特性测量值。例如,可使用如此目标函数,其使钻进速率和MSE相关,以便确定最优钻进速率为不增加MSE情况下的最高钻进速率。示例性关系可以是ROP与MSE比率。该目标函数尝试在钻井期间实现钻井速度和能量消耗效率之间的最佳权衡。换句话说,它使每单位能量输入的ROP最大化。此外,在一些实施中,ROP边际增加相对于MSE的边际增加(mariginal increase)可认为是重要的。在该情况下,使用为ROP百分数增加与MSE百分数增加之比率的目标函数更加合理。另外的关系可实施为目标函数。例如,可实施合适的关系以数学上确定塌积点910,在哪里曲线切线的斜率开始降低。可产生作业建议以增加钻进速率至在钻进速率曲线上而不超过塌积点的点。
尽管上面的讨论图解了使用并入两个或更多个钻井特性测量值的目标函数的优点,但是在通过归纳为多维情况后,可改进单个可控钻井参数(钻压)的简化。如上所述,本系统和方法可适合为至少两个可控钻井参数产生作业建议。图10显示从真实的井数据集接收的在100ft层段内(即,图解的窗口大小是100英尺)ROP-RPM-WOB数据的散布图1000。沿着指示的轴绘制钻进速率1002、每分钟转数1004和钻压1006。统计分析,如PCA分析或相关性分析,能够确定RPM-WOB空间中的最优方向,以获得更高的ROP,通过向量1008所图解。取决于所使用的统计方法,本系统和方法可为两个或更多个钻井参数产生方向性的或定性的作业建议,和/或可提供定量的作业建议,其可包括对钻井参数和/或目标参数值的渐增改变。
参考图6并如上所讨论的,本系统和方法可使用双重窗口分析方法,其中接收的数据在模式探测窗口630中分析,然后经过分析窗口620。双重窗口方法的使用使系统和操作员能够确定目前的钻井条件是否与分析窗口中的数据一致。如可被理解的,本统计方法可被计算上加强,以对每个数据点的新的数据集进行。由于该原因,可采用移动窗口方法以促进并加速该系统和方法。但是,单个移动窗口技术可能不够精确,并且当进入的数据表征与过去钻井条件分歧时可能会误导。因此,在一些实施中,双重窗口方法的使用可使操作员能够确定在潜在钻井条件下是否已经发生了异常事件或一些其他明显的改变,在这种情况下,钻井操作员可被警告需要进一步研究的可能井下事件。
在模式探测窗口630中的数据指示钻井条件、地层条件等改变的一些实施中,本系统和方法可清空分析窗口620,其可包括删除其中的数据和/或移动数据至档案文件或在其他方法中使用。但是,本系统和方法依靠分析窗口中的数据以产生作业建议。在一些实施中,本系统和方法可适合在作业建议可产生之前指示操作员:数据正在被收集。另外或可选地,本系统和方法可适合在确定钻井条件改变后——如通过在上面基于残差的方法中异常向量的出现,改变分析窗口的大小。在一些实施中,分析窗口可适合是模式探测窗口中数据的大小,并且随着接收另外的数据而生长,直到到达它的初始或标准长度。通过下调可得数据的量,本系统和方法可能够持续产生作业建议,不论钻井条件的改变与否,这刚好是最需要建议的时间。
另外或可选地,一些实施可使用历史数据匹配算法以持续产生作业建议,不论钻井条件改变或检测到异常事件与否。示例性流程图1100图解在图11中以方便讨论。历史数据匹配算法以下面的理解为前提:在相同井中不同深度之间或相同或相似油田中不同钻井之间的钻井作业相似。例如,可期望在相同油田中的邻近井在类似的深度范围遇到类似的地层。因此,确定为对当前双重窗口方法新的钻井条件可与先前钻井作业段类似或甚至相同。
如所图11中所图解的,在1102中,如上述,一些实施开始于确定相关的钻井参数和/或基于分析窗口中的数据产生作业建议。使用双重窗口方法,在1104中可将模式探测窗口数据与分析窗口数据比较,以在1106中确定是否发生异常钻井条件或事件。如果钻井和/或地层条件还未改变并且没有另一种异常钻井事件,那么该方法可如上述继续并如通过流程1108所图解。但是,如果在1116中确定异常钻井条件或事件,那么在1110中该方法可继续确定与模式探测数据类似的历史数据。
在1112中确定的历史数据可用于充填(populate)替换的分析窗口,而在1114中接收的数据继续充填分析窗口。当这样做的时候,该方法可以以与将模式探测窗口数据和分析窗口数据进行比较的相同方式计算接收的数据与确定的历史数据的一致性。在1116中接收的数据继续积聚在分析窗口中,同时该方法检查以辨识在分析窗口中是否有足够的数据。在1118中,尽管分析窗口未被充分充填,该方法可使用替换的分析窗口以确定相关的钻井参数并产生作业建议。当分析窗口已经积聚足够的接收数据时,在1102中该方法返回确定相关的钻井参数并基于分析窗口产生作业建议。可选地,在一些实施中,历史数据可用于预期即将到来的异常事件,并从而准备如上述切换缓冲(buffer),以有利于更迅速地对正在改变的条件响应。
图11的流程图1100仅仅是代表性方式,其中历史库中的数据可用于扩大本系统和方法。作为另一个例子,数据可被索引或以其他方式归类以确定导致异常钻井条件或事件或钻井条件改变的数据模式。无论在分析窗口或模式探测窗口中的历史数据和接收数据可使用任何合适的和标准的模式识别技术——包括基于主向量分析的那些——进行比较和匹配。
尤其适合当确定异常钻井条件或事件的情况的本系统和方法的另一种修改可包括用于通知操作员来自本方法的结果或建议主要基于有限的数据、基于历史数据或以其他方式不同于标准输出的系统或方法。例如,结果和建议可伴随有星号或色码,以便考虑所产生的作业建议的操作员知道所产生的建议可能不值得与来自本系统和方法的标准建议一样考虑。例如,在其中所产生的建议被提供由单个操作员按钮按下进行确认的基本上自动的系统中,系统可对标准的按钮按下响应:要求重新确认已知该建议是基于历史(或不完全的)数据。取决于装置和作业的性质,通过可听信号或其他感官信号,可最佳地通知操作员。
继续讨论适合结合钻井异常或变化条件使用的修改,本系统和方法——包括来自其的结果,可适合探测、分类和/或减轻异常钻井事件。当异常事件发生时,它的由钻井参数集和可能的其他相关的间接评估参数例如岩石类型组成的“签名(signature)”可存储在历史数据库中。新异常事件的签名可接着自动与在数据库中之前的签名比较,以使能够实现快速事件诊断。这可通过许多不同的数据挖掘技术实现。示例性方法包括基于PCA的残差分析,如上面对确定异常条件所讨论的。上面介绍的残差分析提供了探测异常钻井事件或条件发生的工具和方法。因为这些异常事件,如钻头泥包、底孔泥包、漩涡、粘滑等由不同的条件造成,所以在高维钻井参数空间中预期具有独特的指纹。通过比较在模式探测窗口中数据(触发确定异常的数据)的指纹与历史库中的数据,或更具体地分类或归类为指示一种或多种类型异常事件的数据库中的数据,本系统和方法可迅速确定异常为钻井事件或条件而不是地层性质的变化。而且,本系统和方法可适合确定钻井事件的类型和减轻异常的适当步骤,如降低振动的作业建议。在开始时确定异常钻井事件的能力允许在钻井作业中及时调整以减轻问题并避免进一步的损坏。
如指示的,期望接收的数据具有签名。更确切地说,期望数据点的积聚携带可确认的信息,或公认的签名或指纹。在一些实施中,对应异常钻井事件的接收的数据,如上面讨论的异常向量,聚类在一起用于进行确定。这些聚类的签名接着与不同异常事件的基准签名(从之前研究的和贴标签的钻井数据中提取)比较。该分类将使得能够迅速确定异常事件的原因。有许多不同的聚类方法。尤其,称为K-方式聚类、分类和回归树(CART)、贝叶斯方法和许多它们变体的流行方法在大多数数据处理软件中是通常可得的。可使用任何合适的聚类方法。
尽管相信上面的说明以可再现的方式描述本系统和方法,但是本文提供了多个实施例以图解本发明的具体方面。仅仅为了示意性目的提供实施例,并不打算限制前述说明和下面权利要求的范围。
这里提供的第一个实施例取自代表性井的数据集。在该情况下,钻进速率(ROP)用作目标函数。图12中的上图是Vopt的历史。在图中的每条垂线显示所有钻井参数并且因此Vopt与在每个钻井数据记录点的ROP的相关性。深颜色指示强的相关性。例如,在实际钻井变量(规一化的)的底部两个图中,我们可以看到所有钻井变量中大的自然变化性,其指示在相关性计算中可靠。从该数据集中看到相关性变化显著,与WOB有强的负相关性以及与RPM有正相关性。这种观察表明降低WOB和增加RPM提高钻井特性。图13显示对于相同数据集钻井参数与MSE的相关性历史。在该情况下,在大部分钻井过程期间WOB与MSE正相关(因为在钻井过程中期望降低WOB以使MSE最小化)。这确认了基于ROP相关性降低WOB建议的有效性。结合图12中的结果,对于该情况,降低WOB可导致同时的ROP增加和MSE降低。该实施例表明,当可选地或共同地(1)两个或更多个可控钻井参数同时变化时,或(2)两个或更多个钻井特性测量值并入目标函数时,可对目前的钻井实践进行可能的改进。ROP和MSE之间强的负相关性可能由于在被粘滑振动功能失常主导的ROP曲线的低效状况(regime)下钻井。回头参看图9,钻井系统明显地超过塌积点和顶点ROP二者作业。
第二实施例显示在图14中。结果获自之前实施例相同的井,但是在较浅的深度,具有更大的孔尺寸(8.5英寸)。再一次,目标函数是ROP最大化。对该数据集主要的观察是泥浆流速——使用MSE分析通常没被调整的变量——展示与ROP强的正相关性。对于该观察可能的解释是在更浅的深度和更大的孔尺寸,井眼清理速率显著影响ROP。这里再一次,可看到考虑除了钻压之外的钻井参数的好处。
进行下面两个实施例以比较使用ROP和ROP与MSE比率作为目标函数的效果。为了避免奇异值,在该实验中我们使用(1+ROP)/(1+MSE)代替ROP/MSE。第三个实施例显示在图15中。上图显示钻井参数与ROP的相关性历史以及中间图显示钻井参数与(1+ROP)/(1+MSE)的相关性历史,其在该情况下表示为OBJ。这两个图中的图案几乎相同,这表示使用任一目标函数,来自本系统和方法的作业建议相似。这通过在底部图中的与MSE的相关性历史证实。与MSE倒数的相关性历史也与ROP相关性历史相匹配。
但是,在图15中和第三实施例中观察到的情形没有保持普遍性。如我们可从第四实施例中看到的(图16),在某些情况下,根据所选择的目标函数可产生相矛盾的作业建议。在该实施例中,ROP相关性历史不同于OBJ的相关性历史。不被理论所束缚,相信差异是由MSE和ROP的竞争效果所造成的。在该数据集的一些片段中增加ROP和减少MSE需要对钻井参数进行不同的调整。该观察表明了并入ROP与MSE比率的目标函数——其可以是更可靠的目标函数——的效用。如果使用来自ROP相关性历史的建议,可能造成不期望的MSE增加。
最后,提供两个实施例以图解在方程(3)中目标函数的效用,所述方程(3)第一次在前面提供,这里再次提供用于参考:
在图17和18中,方程(3)中的目标函数分别被应用于如在图15和图16中的相同数据集。我们可看到,统计相关输出的图案已经显著改变。这是因为方程(3)测量与其他目标函数相当不同的一些事物。该目标函数的目标是使每单位MSE百分数增加的ROP百分数增益最大化。该目标函数的构造提供了关系和统计分析的一个实例,其可用于改进产生的作业建议,并且在一些实施中产生自动决定作业更新。可开发和/或执行其他关系。
继续讨论实验结果,进行实验以检验所产生的作业建议的有效性。图19示意性图解了使用实际钻井数据开发的自验证算法1900。在该验证算法中,计数器1计数在实际钻井数据中事件——其中在所记录的钻井参数中的改变接近可能已经被本系统和方法提示的作业建议——的数量。在包括在计数器1中的所有事件中,计数器2计数其中目标函数——在该情况下为ROP——实际增加的事件的数量。这两个之间的比率是本系统和方法有效性的指示。如在图19中所指示,在1902中验证方法开始于设置计数器1=0和计数器2=0。接着,对于钻井段中每个深度点进行比较步骤1904。比较1904开始于计算MWPC相关性向量1906(或其他形式的相关性向量)。在1908中,实际钻井数据接着使用移动窗口平均数和标准偏差归一化。实际数据被规一化的方式可取决于计算相关性向量1906的方式。在1910中计算在之前深度的规一化的钻井数据和相关性向量之间的点积。如果点积超过预先规定的阈值,那么计数器1=计数器1+1,如在1912中所图解的。更简单地说,对于相关性向量和规一化的数据在差异范围(margin)内或基本上相似的每个深度点,计数器1的值增加1。接着对于满足阈值(即,其中实际数据,或操作员的动作,对应于被本系统推荐的作业建议)的每个深度点,对于每个ROP增加的时间,计数器2增加1,如在1914中。换句话说,当对应于本系统已经实际推荐的动作产生改进的ROP时,计数器2增加。最后,在1916中,通过计数器2除以计数器1,估计或确定本方法的有效性。
图20提供了用于评估本系统和方法有效性的该方法的图示。向量2002的顶行是分析的层段,并且实心箭头2004指示钻井参数实际改变的方向。虚线箭头2006显示已经被本系统和方法推荐的增加ROP的改变。当这些向量充分接近时(例如,点积大于0.8),那么它被认为是有效的比较层段。那些有太多不同的层段被遮蔽并不在该分析中使用。当实际改变在下一层段中导致ROP增加时,第二行2008显示向上指的箭头2010。但是,当改变造成ROP减少时,箭头2010向下指。在图表中的最后两行2012、2014显示如何评估这些数据,其中所有有效评估层段2016导致增加“计数器1”,并且ROP增加2018的响应时间造成“计数器2”增加。接着给出本钻井咨询系统和方法的有效性为计数器2与计数器1的比率。
在下面的表格中,“基准特性”是在全部井数据集中ROP增加的总频率,和“DAS特性”是数据记录中ROP增加的频率,其中钻井变量的实际改变至少80%与本系统和方法已经产生的作业建议相似。
数据集 | 井1 | 井2 | 井3 | 井4 | 井5 | 井6 |
基准特性 | 42% | 47% | 42% | 45% | 45% | 40% |
DAS特性 | 70% | 69% | 72% | 57% | 84% | 82% |
目前产生的作业建议的整体特性显著高于基准,表明当在正在进行的钻井作业期间采用时,该方法可能非常成功。
在本公开中,在方法被显示和描述为一系列方框或步骤的流程图表或流程图的情形中,已经讨论和/或提供了该方法的几种示意性的、非独占性实施例。除非在相伴随的说明中明确指出,在本公开范围内的是,所述方框的顺序可与在流程图中图解的顺序不同,包括两个或更多个方框(或步骤)以不同顺序和/或同时发生。在本公开范围内的是,方框或步骤可按逻辑进行,其也可描述为根据逻辑学执行方框或步骤。在一些应用中,方框或步骤可代表由功能上等同电路或其他逻辑仪器待执行的表达和/或动作。所图解的方框可以但不必须表示使计算机、处理器和/或其他逻辑仪器响应以执行动作、改变状态、产生输出或显示和/或做出决定的可执行指令。
如本文所使用的,放置在第一实体和第二实体之间的术语″和/或″意指以下之一:(1)第一实体;(2)第二实体;和(3)第一实体和第二实体。与″和/或″一起列出的多个实体应当以相同的方式理解,即,″一个或多个″所述实体如此结合。无论与具体指定的那些实体是否相关,其它实体可以任选地不同于″和/或″句式具体确定的实体存在。因此,作为非限制性实例,当与开放式语言如“包括”结合使用时,提及″A和/或B″,在一个实施方式中,可以指仅A(任选地包括不同于B的实体);在另一实施方式中,指仅B(任选地包括不同于A的实体);在又一实施方式中,指A和B(任选地包括其它实体)。这些实体可指要素、动作、结构、步骤、作业、值和类似物。
如本文所使用,在提及一个或多个实体的列举时,短语″至少一个″应当被理解为指选自实体列举中任意一个或多个实体的至少一个实体,但不必包括实体列举中具体列出的每一和每个实体的至少一个,并且不排除实体列举中实体的任意组合。该定义还允许,除了短语“至少一个”所指的实体列举中具体指出的实体以外的实体可以任选地存在,无论与具体指出的那些实体相关或不相关。因此,作为非限制性实例,″A和B的至少一个″(或者等同地,″A或B的至少一个″,或者等同地,″A和/或B的至少一个″),在一个实施方式中,可以指至少一个、任选地包括多于一个A而没有B存在(并且任选地包括不同于B的实体);在另一实施方式中,指至少一个、任选地包括多一个B而没有A存在(并且任选地包括不同于A的实体);在又一实施方式中,指至少一个、任选地包括多于一个A以及至少一个、任选地包括多于一个B(并且任选地包括其它实体)。换句话说,短语″至少一个″、″一个或多个″以及″和/或″是开放式表述,其在操作中既是连接性的又是非连接性的。例如,每个表述″A、B和C的至少一个″、″A、B或C的至少一个″、″A、B和C的一个或多个″、″A、B或C的一个或多个″以及″A、B和/或C″可指单独A、单独B、单独C、A和B一起、A和C一起、B和C一起或A、B和C一起,并且任选地上述任一个与至少一种其他实体组合。
在下面编号的段落中提供了根据本发明的系统和方法的示意性、非独占性的实例。在本公开范围内的是,包括在下面编号的段落中的本文所述方法的单个步骤可另外或可选地被称为进行所述动作的“步骤”。
1.钻井筒的方法,所述方法包括:
接收关于表征正在进行的井筒钻井作业的钻井参数的数据;其中至少一种所述钻井参数是可控的;
使用统计模型确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数;
为至少一种可控钻井参数产生作业建议;其中选择所述作业建议以优化所述目标函数;
至少部分基于所产生的作业建议,对至少一种可控钻井参数决定作业更新;和
在所述正在进行的钻井作业中执行所决定的作业更新的至少一种。
2.段落1所述的方法,其中统计模型是相关性模型。
2a任一前述段落的方法,其中所述目标函数基于下列的一种或多种:钻进速率、机械比能和它们的数学组合。
3.段落1所述的方法,其中所述统计模型是窗口主成分分析模型,其适合在所述正在进行的钻井作业期间至少周期性地更新显著相关参数的确定。
4.段落3所述的方法,其中所产生的作业建议提供至少一种可控钻井参数的作业改变的定性和定量建议。
5.任一前述段落的方法,进一步包括在所述井筒中进行至少一种烃生产相关的作业;其中所述至少一种烃生产相关的作业选自:注水作业、处理作业和生产作业。
6.任一前述段落所述的方法,其中基于计算机的系统用于使用所述统计模型并产生作业建议,并且其中所述产生的作业建议被提供给使用者进行考虑。
7.段落6所述的方法,其中至少一种所述决定的作业更新至少基本上自动地在所述正在进行的钻井作业中执行。
8.任一前述段落所述的方法,其中目标函数基于下面的一种或多种:钻进速率、机械比能、钻压、钻柱旋转速率、钻头旋转速率、施加到钻柱的扭、施加到钻头的扭矩、振动测量值、水马力和它们的数学组合。
9.任一前述段落所述的方法,其中所接收的数据临时积聚在移动分析窗口中,并且其中所述统计模型使用至少所述移动分析窗口中的数据。
10.段落9所述的方法,其中所述分析窗口基于时间和深度的至少一种为时间和/或深度的长度积聚数据;并且其中选择所述分析窗口的长度以提供稳定的统计模型并使得能够确定岩性变化。
11.段落9所述的方法,其中所接收的数据临时积聚在模式探测窗口中,然后通过所述分析窗口;并且进一步包括:
至少部分基于所述分析窗口中的数据和所述统计模型开发参数空间;
至少部分基于在所述模式探测窗口中所接收的数据,在所述正在进行的钻井作业期间至少基本上实时开发一个或多个主向量,其中所述一个或多个主向量表征在所述模式探测窗口中所接收的数据;
至少部分基于所述一个或多个主向量和所述参数空间计算一个或多个残差向量;和
比较所述一个或多个残差向量与阈值以决定所述一个或多个主向量是否异常。
12.段落11所述的方法,其中两个或更多个异常主向量被聚类以确定在所述钻井作业期间异常事件的出现。
13.段落12所述的方法,进一步包括与确定异常事件结合使用所述统计模型更新与所述目标函数显著相关的至少一种钻井参数的确定。
14.段落13所述的方法,其中使用所述统计模型更新所确定的钻井参数包括:1)当确定异常事件后清空所述分析窗口的数据,2)随着时间用接收的数据充填所述分析窗口,3)确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数,和4)在所述正在进行的钻井作业期间重复所述产生、决定和执行步骤;和其中当所述分析窗口用接收的数据充填时,为至少一种可控钻井参数产生作业建议至少部分基于历史数据。
15.段落12所述的方法,其中所聚类的异常主向量具有签名,并且其中来自所聚类的主向量的签名与基准签名相比较,以确定在所述钻井作业期间发生的事件的类型。
16.段落15所述的方法,进一步包括至少部分基于在钻井作业期间发生的事件的类型,修改所述正在进行的钻井作业的至少一个方面。
17.与钻井作业结合使用的基于计算机的系统,所述基于计算机的系统包括:
适合执行指令的处理器;
与所述处理器通信的存储介质;和
至少一个可被所述处理器获取并保存在所述存储介质中的指令组;其中所述至少一个指令组适合:
接收关于表征正在进行的井筒钻井作业的钻井参数的数据;其中所述钻井参数的至少一种是可控的;
使用统计模型确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数;
为所述至少一种可控钻井参数产生作业建议,其中选择所述建议以优化所述目标函数;和
输出所产生的作业建议用于在控制正在进行的钻井作业中考虑。
18.段落17所述的基于计算机的系统,其中所产生的作业建议被输出至显示器用于使用者考虑。
19.段落17-18任一所述的基于计算机的系统,其中所产生的作业建议被输出至适合在所述钻井作业期间执行所述作业建议的至少一种控制系统。
20.段落17-19任一所述的基于计算机的系统,其中所述至少一个指令组适合使用窗口主成分分析,以在所述正在进行的钻井作业期间至少周期性地更新显著相关参数的确定。
21.段落20所述的基于计算机的系统,其中所产生的作业建议提供至少一种可控钻井参数的作业改变的定量建议。
22.段落17-21任一所述的基于计算机的系统,其中被所述至少一个指令组使用的所述目标函数基于下面的一种或多种:钻进速率、机械比能、钻压、钻柱旋转速率、钻头旋转速率、施加到钻柱的扭矩、施加到钻头的扭矩、振动测量值、水马力和它们的数学组合。
23.段落17-22任一所述的基于计算机的系统,其中所述至少一个指令组适合在移动分析窗口中临时积聚所接收的数据,并且其中所述统计模型至少使用所述移动分析窗口中的数据。
24.段落23所述的基于计算机的系统,其中所述至少一个指令组进一步适合:
至少部分基于所述分析窗口中的数据和所述统计模型开发参数空间;
在模式探测窗口中临时积聚接收的数据,然后经过所述分析窗口;
至少部分基于在所述模式探测窗口中所接收的数据,在所述正在进行的钻井作业期间,基本上实时开发一个或多个主向量,其中所述一个或多个主向量表征在所述模式探测窗口中所接收的数据;
至少部分基于所述一个或多个主向量和所述参数空间计算一个或多个残差向量;和
比较一个或多个残差向量与阈值以决定所述一个或多个主向量是否异常。
25.段落24所述的基于计算机的系统,其中所述至少一个指令组适合聚类两个或多个异常主向量并且至少部分基于聚类的主向量确定在所述钻井作业期间的异常事件。
26.段落25所述的基于计算机的系统,其中所述至少一个指令组适合更新与所述目标函数显著相关的参数的确定。
27.段落26所述的基于计算机的系统,其中更新所述显著相关参数的确定包括:1)当确定异常事件后清空所述分析窗口的数据,2)随着时间用接收的数据充填所述分析窗口,3)确定与所述目标函数显著相关的至少一种可控钻井参数,和4)在所述正在进行的钻井作业期间重复所述产生和输出步骤;和其中当所述分析窗口用接收的数据充填时,为所述至少一种可控钻井参数产生作业建议至少部分基于历史数据。
28.段落25所述的基于计算机的系统,其中所聚类的异常主向量具有签名,并且其中至少一个指令组适合比较来自所聚类的主向量的签名与基准签名,以确定在所述钻井作业期间发生事件的类型。
29.钻机系统包括:
通信系统,其适合接收关于与正在进行的井筒钻井作业相关的至少一种钻井参数的数据;
根据段落17-28任一项所述的基于计算机的系统;和
输出系统,其适合传送所产生的作业建议用于在控制钻井作业中考虑。
30.段落29所述的钻井钻机系统,进一步包括控制系统,其适合至少部分基于所产生的作业建议决定作业更新并且在所述钻井作业期间执行所决定的作业更新的至少一种。
31.段落30所述的钻机系统,其中所述控制系统适合至少基本上自动地执行所决定的作业更新的至少一种。
32.钻机系统,其包括:
通信系统,其适合接收关于与正在进行的井筒钻井作业相关的至少一种钻井参数的数据;
基于计算机的系统,其适合进行根据段落1-16任一项所述的方法;和
输出系统,其适合传送所产生的作业建议用于在控制钻井作业中考虑。
33.用于从地下区域提取烃的方法,所述方法包括:
执行段落1-16任一所述的方法钻井,到达与烃源流体连通的地下区域;和
从所述地下区域提取烃。
工业应用
本文所描述的系统和方法适用于油气工业。
相信上面阐述的公开包括多个具有独立效用的不同发明。尽管这些发明的每一个已经以它优选的形式被公开,但是它们具体的实施方式如本文所公开和图解的不以限制性意思考虑,因为大量变型是可能的。发明的主题包括本文公开的各种要素、特征、功能和/或性质的所有新的和非显而易见的组合和子组合。类似地,在权利要求叙述“一个(a)”“第一个”要素或其等价物的情况中,这种权利要求应当理解为包括并入一个或多个这类要素,两个或多个这种要素既不是必须的也不被排除。
相信所附权利要求具体指出了涉及所公开的发明之一的某些组合和子组合,并且是新的和非显而易见的。以特征、功能、要素和/或性质的其他组合和子组合具体化的发明可通过本权利要求的修改或提供在该应用或相关应用中的新权利要求而被要求保护。这些修改的或新的权利要求,无论它们是否涉及不同的发明或涉及相同的发明,无论与原权利要求的范围不同、更宽、更窄或相等,也被认为包括在本公开发明主题的范围内。
尽管本发明的技术可具有各种改变和可选的形式,但是上面讨论的示例性实施方式以举例方式示出。然而,应当再次理解,本发明不意图限于本文公开的具体实施方式。实际上,本发明的技术将覆盖落入所附权利要求所定义的发明精神和范围内的所有变化、等价物和替代物。
Claims (32)
1.一种钻井筒的方法,所述方法包括:
接收关于表征正在进行的井筒钻井作业的钻井参数的数据;其中至少一种所述钻井参数是可控的;
使用统计模型确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数;
为至少一种可控钻井参数产生作业建议;其中选择所述作业建议以优化所述目标函数;
至少部分基于所产生的作业建议,对至少一种可控钻井参数决定作业更新;和
在所述正在进行的钻井作业中执行所决定的作业更新的至少一种。
2.根据权利要求1所述的方法,其中所述统计模型是相关性模型。
3.根据权利要求1所述的方法,其中所述目标函数基于下列的一种或多种:钻进速率、机械比能和它们的数学组合。
4.根据权利要求1所述的方法,其中所述统计模型是窗口主成分分析模型,其适合在所述正在进行的钻井作业期间至少周期性地更新显著相关参数的确定。
5.根据权利要求4所述的方法,其中所产生的作业建议提供至少一种可控钻井参数的作业改变的定量建议。
6.根据权利要求1所述的方法,进一步包括在所述井筒中进行至少一种烃生产相关的作业;其中所述至少一种烃生产相关的作业选自:注水作业、处理作业和生产作业。
7.根据权利要求1所述的方法,其中基于计算机的系统用于使用所述统计模型并产生作业建议,并且其中所述产生的作业建议被提供给使用者进行考虑。
8.根据权利要求7所述的方法,其中至少一种所述决定的作业更新至少基本上自动地在所述正在进行的钻井作业中执行。
9.根据权利要求1所述的方法,其中所述目标函数基于下面的一种或多种:钻进速率、机械比能、钻压、钻柱旋转速率、钻头旋转速率、施加到钻柱的扭矩、施加到钻头的扭矩、振动测量值、水马力和它们的数学组合。
10.根据权利要求1所述的方法,其中所接收的数据临时积聚在移动分析窗口中,并且其中所述统计模型使用至少所述移动分析窗口中的数据。
11.根据权利要求10所述的方法,其中所述分析窗口基于时间和深度的至少一种为时间和/或深度的长度积聚数据;并且其中选择所述分析窗口的长度以提供稳定的统计模型并使得能够确定岩性变化。
12.根据权利要求10所述的方法,其中所接收的数据临时积聚在模式探测窗口中,然后通过所述分析窗口;并且进一步包括:
至少部分基于所述分析窗口中的数据和所述统计模型开发参数空间;
至少部分基于在所述模式探测窗口中所接收的数据,在所述正在进行的钻井作业期间至少基本上实时开发一个或多个主向量,其中所述一个或多个主向量表征在所述模式探测窗口中所接收的数据;
至少部分基于所述一个或多个主向量和所述参数空间计算一个或多个残差向量;和
比较所述一个或多个残差向量与阈值以决定所述一个或多个主向量是否异常。
13.根据权利要求12所述的方法,其中两个或更多个异常主向量被聚类以确定在所述钻井作业期间异常事件的出现。
14.根据权利要求13所述的方法,进一步包括与确定异常事件结合使用所述统计模型更新与所述目标函数显著相关的至少一种钻井参数的确定。
15.根据权利要求14所述的方法,其中使用所述统计模型更新所确定的钻井参数包括:1)当确定异常事件后清空所述分析窗口的数据,2)随着时间用接收的数据充填所述分析窗口,3)确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数,和4)在所述正在进行的钻井作业期间重复所述产生、决定和执行步骤;和其中当所述分析窗口用接收的数据充填时,为至少一种可控钻井参数产生作业建议至少部分基于历史数据。
16.根据权利要求13所述的方法,其中所聚类的异常主向量具有签名,并且其中来自所聚类的主向量的签名与基准签名相比较,以确定在所述钻井作业期间发生的事件的类型。
17.根据权利要求16所述的方法,进一步包括至少部分基于在所述钻井作业期间发生的事件的类型,修改所述正在进行的钻井作业的至少一个方面。
18.与钻井作业结合使用的基于计算机的系统,所述基于计算机的系统包括:
适合执行指令的处理器;
与所述处理器通信的存储介质;和
至少一个可被所述处理器获取并保存在所述存储介质中的指令组;其中所述至少一个指令组适合:
接收关于表征正在进行的井筒钻井作业的钻井参数的数据;其中所述钻井参数的至少一种是可控的;
使用统计模型确定与并入两个或更多个钻井特性测量值的目标函数显著相关的至少一种可控钻井参数;
为所述至少一种可控钻井参数产生作业建议,其中选择所述建议以优化所述目标函数;和
输出所产生的作业建议用于在控制正在进行的钻井作业中考虑。
19.根据权利要求18所述的基于计算机的系统,其中所产生的作业建议被输出至显示器用于使用者考虑。
20.根据权利要求18所述的基于计算机的系统,其中所产生的作业建议被输出至适合在所述钻井作业期间执行所述作业建议的至少一种的控制系统。
21.根据权利要求18所述的基于计算机的系统,其中所述至少一个指令组适合使用窗口主成分分析,以在所述正在进行的钻井作业期间至少周期性地更新显著相关参数的确定。
22.根据权利要求21所述的基于计算机的系统,其中所产生的作业建议提供至少一种可控钻井参数的作业改变的定量建议。
23.根据权利要求18所述的基于计算机的系统,其中被所述至少一个指令组使用的所述目标函数基于下面的一种或多种:钻进速率、机械比能、钻压、钻柱旋转速率、钻头旋转速率、施加到钻柱的扭矩、施加到钻头的扭矩、振动测量值、水马力和它们的数学组合。
24.根据权利要求18所述的基于计算机的系统,其中所述至少一个指令组适合在移动分析窗口中临时积聚所接收的数据,并且其中所述统计模型至少使用所述移动分析窗口中的数据。
25.根据权利要求24所述的基于计算机的系统,其中所述至少一个指令组进一步适合:
至少部分基于所述分析窗口中的数据和所述统计模型开发参数空间;
在模式探测窗口中临时积聚接收的数据,然后经过所述分析窗口;
至少部分基于在所述模式探测窗口中所接收的数据,在所述正在进行的钻井作业期间,基本上实时开发一个或多个主向量,其中所述一个或多个主向量表征在所述模式探测窗口中所接收的数据;
至少部分基于所述一个或多个主向量和所述参数空间计算一个或多个残差向量;和
比较一个或多个残差向量与阈值以决定所述一个或多个主向量是否异常。
26.根据权利要求25所述的基于计算机的系统,其中所述至少一个指令组适合聚类两个或更多个异常主向量,并且至少部分基于所聚类的主向量确定在所述钻井作业期间的异常事件。
27.根据权利要求26所述的基于计算机的系统,其中所述至少一个指令组适合更新与所述目标函数显著相关的参数的确定。
28.根据权利要求27所述的基于计算机的系统,其中更新所述显著相关参数的确定包括:1)当确定异常事件后清空所述分析窗口的数据,2)随着时间用接收的数据充填所述分析窗口,3)确定与所述目标函数显著相关的至少一种可控钻井参数,和4)在所述正在进行的钻井作业期间重复所述产生和输出步骤;和其中当所述分析窗口用接收的数据充填时,为所述至少一种可控钻井参数产生作业建议至少部分基于历史数据。
29.根据权利要求26所述的基于计算机的系统,其中所聚类的异常主向量具有签名,并且其中至少一个指令组适合比较来自所聚类的主向量的签名与基准签名,以确定在所述钻井作业期间发生事件的类型。
30.钻机系统,包括:
通信系统,其适合接收关于与正在进行的井筒钻井作业相关的至少一种钻井参数的数据;
根据权利要求18-29任一项所述的基于计算机的系统;和
输出系统,其适合传送所产生的作业建议用于在控制钻井作业中考虑。
31.根据权利要求30所述的钻机系统,进一步包括控制系统,其适合至少部分基于所产生的作业建议决定作业更新并且在所述钻井作业期间执行所决定的作业更新的至少一种。
32.根据权利要求31所述的钻机系统,其中所述控制系统适合至少基本上自动地执行所决定的作业更新的至少一种。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US23227509P | 2009-08-07 | 2009-08-07 | |
US61/232,275 | 2009-08-07 | ||
PCT/US2010/040195 WO2011016927A1 (en) | 2009-08-07 | 2010-06-28 | Drilling advisory systems and methods utilizing objective functions |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102472825A true CN102472825A (zh) | 2012-05-23 |
Family
ID=43544581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800350749A Pending CN102472825A (zh) | 2009-08-07 | 2010-06-28 | 使用目标函数的钻井咨询系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20120118637A1 (zh) |
EP (1) | EP2462474A1 (zh) |
CN (1) | CN102472825A (zh) |
CA (1) | CA2767370A1 (zh) |
EA (1) | EA201270252A1 (zh) |
WO (1) | WO2011016927A1 (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105102760A (zh) * | 2012-11-05 | 2015-11-25 | 兰德马克绘图国际公司 | 用rimlier数据对井孔事件建模的系统、方法和计算机程序产品 |
CN105447292A (zh) * | 2014-08-19 | 2016-03-30 | 中国石油化工股份有限公司 | 一种油气预探井筛选方法 |
CN107709700A (zh) * | 2015-05-13 | 2018-02-16 | 科诺科菲利浦公司 | 钻探大数据分析法引擎 |
CN107862324A (zh) * | 2017-10-19 | 2018-03-30 | 北京化工大学 | 一种基于mwspca的cbr预测模型智能化预警方法 |
CN108415079A (zh) * | 2018-03-05 | 2018-08-17 | 长沙矿山研究院有限责任公司 | 基于凿岩冲击声识别的岩层分界面圈定方法 |
CN108804722A (zh) * | 2017-04-26 | 2018-11-13 | 中国石油化工股份有限公司 | 一种用于钻井仿真的参数计算方法及装置 |
CN109281649A (zh) * | 2018-08-13 | 2019-01-29 | 中国石油天然气集团有限公司 | 钻井优化方法及装置 |
CN110134113A (zh) * | 2019-05-20 | 2019-08-16 | 中国石油大学(华东) | 一种海洋石油井控装备安全保障方法及系统 |
CN110852337A (zh) * | 2018-08-21 | 2020-02-28 | 天津京东深拓机器人科技有限公司 | 异常设备识别方法和装置 |
CN111119835A (zh) * | 2018-11-01 | 2020-05-08 | 中国石油化工股份有限公司 | 一种随钻工况识别方法及系统 |
CN111832197A (zh) * | 2019-03-26 | 2020-10-27 | 中石化石油工程技术服务有限公司 | 一种钻井分析方法 |
CN112031749A (zh) * | 2019-05-16 | 2020-12-04 | 中国石油集团工程技术研究院有限公司 | 一种油气钻探用钻头综合性能评价方法 |
CN112329144A (zh) * | 2020-11-04 | 2021-02-05 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 适用于船海装备的数值模型预测系统及预测方法 |
CN114895359A (zh) * | 2022-07-13 | 2022-08-12 | 中国科学院地质与地球物理研究所 | 一种das同井监测实时微地震有效事件去噪方法及系统 |
US11873707B2 (en) * | 2017-08-18 | 2024-01-16 | Landmark Graphics Corporation | Rate of penetration optimization for wellbores using machine learning |
Families Citing this family (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8261855B2 (en) | 2009-11-11 | 2012-09-11 | Flanders Electric, Ltd. | Methods and systems for drilling boreholes |
US9027671B2 (en) * | 2010-11-12 | 2015-05-12 | National Oilwell Varco, L.P. | Apparatus and method for automated drilling of a borehole in a subsurface formation |
US9347293B2 (en) * | 2011-07-22 | 2016-05-24 | Landmark Graphics Corporation | Method and system of displaying data associated with drilling a borehole |
US9285794B2 (en) | 2011-09-07 | 2016-03-15 | Exxonmobil Upstream Research Company | Drilling advisory systems and methods with decision trees for learning and application modes |
US9181792B2 (en) | 2011-10-05 | 2015-11-10 | Schlumberger Technology Corporation | Method for detecting and mitigating drilling inefficiencies |
US10030499B2 (en) * | 2011-12-06 | 2018-07-24 | Bp Corporation North America Inc. | Geological monitoring console |
US11085283B2 (en) * | 2011-12-22 | 2021-08-10 | Motive Drilling Technologies, Inc. | System and method for surface steerable drilling using tactical tracking |
US9297205B2 (en) | 2011-12-22 | 2016-03-29 | Hunt Advanced Drilling Technologies, LLC | System and method for controlling a drilling path based on drift estimates |
US8596385B2 (en) | 2011-12-22 | 2013-12-03 | Hunt Advanced Drilling Technologies, L.L.C. | System and method for determining incremental progression between survey points while drilling |
US8210283B1 (en) | 2011-12-22 | 2012-07-03 | Hunt Energy Enterprises, L.L.C. | System and method for surface steerable drilling |
RU2613218C2 (ru) * | 2012-04-25 | 2017-03-15 | Хэллибертон Энерджи Сервисиз, Инк. | Системы и способы интерпретирования с поддержанием анонимности производственной деятельности в применении к буровым установкам |
US10175385B2 (en) | 2012-05-23 | 2019-01-08 | Halliburton Energy Services, Inc. | Optimization visualization using normalized achievement variables |
US9934338B2 (en) | 2012-06-11 | 2018-04-03 | Landmark Graphics Corporation | Methods and related systems of building models and predicting operational outcomes of a drilling operation |
US10138724B2 (en) * | 2012-07-31 | 2018-11-27 | Landmark Graphics Corporation | Monitoring, diagnosing and optimizing gas lift operations by presenting one or more actions recommended to achieve a GL system performance |
US9482084B2 (en) | 2012-09-06 | 2016-11-01 | Exxonmobil Upstream Research Company | Drilling advisory systems and methods to filter data |
CN102852511B (zh) * | 2012-09-28 | 2015-12-09 | 中国科学院自动化研究所 | 一种石油钻机的智能钻进控制系统和方法 |
AU2013327663B2 (en) * | 2012-10-03 | 2016-03-10 | Shell Internationale Research Maatschappij B.V. | Optimizing performance of a drilling assembly |
SA113340567B1 (ar) | 2012-10-26 | 2015-07-07 | بيكر هوغيس انكوربوريتد | نظام وطريقة لمعالجة بيانات بئر باستخدام تحليل بيانات توبولوجية. |
CA2890729C (en) | 2012-11-13 | 2016-05-17 | Exxonmobil Upstream Research Company | Method to detect drilling dysfunctions |
US9085958B2 (en) * | 2013-09-19 | 2015-07-21 | Sas Institute Inc. | Control variable determination to maximize a drilling rate of penetration |
US9593566B2 (en) | 2013-10-23 | 2017-03-14 | Baker Hughes Incorporated | Semi-autonomous drilling control |
MX364119B (es) | 2013-11-07 | 2019-04-12 | Halliburton Energy Services Inc | Aparatos y métodos de análisis de datos. |
US9784099B2 (en) | 2013-12-18 | 2017-10-10 | Baker Hughes Incorporated | Probabilistic determination of health prognostics for selection and management of tools in a downhole environment |
US20150185363A1 (en) * | 2013-12-26 | 2015-07-02 | Baker Hughes Incorporated | Data visualization in borehole systems |
US11106185B2 (en) | 2014-06-25 | 2021-08-31 | Motive Drilling Technologies, Inc. | System and method for surface steerable drilling to provide formation mechanical analysis |
US11598195B2 (en) | 2014-10-27 | 2023-03-07 | Baker Hughes, A Ge Company, Llc | Statistical approach to incorporate uncertainties of parameters in simulation results and stability analysis for earth drilling |
WO2016094338A1 (en) * | 2014-12-09 | 2016-06-16 | Schlumberger Canada Limited | Sustainability screeing tool with gaussian plume model screeing module |
US10060246B2 (en) | 2014-12-29 | 2018-08-28 | Landmark Graphics Corporation | Real-time performance analyzer for drilling operations |
WO2016154723A1 (en) * | 2015-03-27 | 2016-10-06 | Pason Systems Corp. | Method and apparatus for drilling a new well using historic drilling data |
US10787895B2 (en) * | 2015-04-15 | 2020-09-29 | Halliburton Energy Services, Inc. | Drilling operation apparatus, methods, and systems |
US10480305B2 (en) | 2015-08-31 | 2019-11-19 | Exxonmobil Upstream Research Company | Automated well test validation |
US10352099B2 (en) | 2015-09-02 | 2019-07-16 | Exxonmobil Upstream Research Company | Methods for drilling a wellbore within a subsurface region and drilling assemblies that include and/or utilize the methods |
US11365623B2 (en) * | 2015-10-18 | 2022-06-21 | Schlumberger Technology Corporation | Rig operations information system |
CA3004112A1 (en) | 2015-10-27 | 2017-05-04 | Schlumberger Canada Limited | Optimization under uncertainty for integrated models |
US11933158B2 (en) | 2016-09-02 | 2024-03-19 | Motive Drilling Technologies, Inc. | System and method for mag ranging drilling control |
US11702922B2 (en) * | 2017-02-28 | 2023-07-18 | Intellicess, Inc. | Optimization of drilling operations using drilling cones |
US11536128B2 (en) | 2017-03-31 | 2022-12-27 | Exxonmobil Upstream Research Company | Method for drilling wellbores utilizing drilling parameters optimized for stick-slip vibration conditions |
CA2987662C (en) | 2017-04-03 | 2018-06-05 | Pason Systems Corp. | Method and system for performing automated drilling of a wellbore |
EP3698177B1 (en) | 2017-10-20 | 2023-09-27 | National Oilwell Varco, L.P. | Method for optimizing performance of an automated control system for drilling |
US10884402B2 (en) * | 2017-10-24 | 2021-01-05 | Baker Hughes | Analytics engine |
AU2019230099A1 (en) * | 2018-03-09 | 2020-09-03 | Conocophillips Company | System and method for detecting downhole events |
WO2019178240A1 (en) * | 2018-03-13 | 2019-09-19 | Ai Driller, Inc. | Drilling parameter optimization for automated well planning, drilling, and guidance systems |
EP3775485A4 (en) | 2018-03-27 | 2021-11-24 | ConocoPhillips Company | DATA FLOW CONTROLLER WITH CONFIGURABLE BARRIER FOR ASSEMBLY AND AGGREGATION |
WO2019209766A1 (en) | 2018-04-23 | 2019-10-31 | National Oilwell Varco, L.P. | Downhole motor stall detection |
WO2019217763A1 (en) * | 2018-05-09 | 2019-11-14 | Conocophillips Company | Ubiquitous real-time fracture monitoring |
WO2019221883A1 (en) * | 2018-05-14 | 2019-11-21 | National Oilwell Varco, L.P. | Intelligent monitoring for drilling process automation |
WO2020027846A1 (en) * | 2018-08-02 | 2020-02-06 | Landmark Graphics Corporation | Operating wellbore equipment using a distributed decision framework |
CN109753729A (zh) * | 2018-08-16 | 2019-05-14 | 清能艾科(深圳)能源技术有限公司 | 实时优化钻井作业参数的方法及装置、电子设备 |
CA3014816C (en) | 2018-08-17 | 2020-11-10 | Pason Systems Corp. | Methods and systems for performing automated drilling of a wellbore |
US11976545B1 (en) * | 2019-09-06 | 2024-05-07 | Intellicess, Inc. | Systems and methods for monitoring slide drilling operations |
US11598152B2 (en) | 2020-05-21 | 2023-03-07 | Halliburton Energy Services, Inc. | Real-time fault diagnostics and decision support system for rotary steerable system |
US20220178240A1 (en) * | 2020-12-04 | 2022-06-09 | Saudi Arabian Oil Company | Rate of penetration (rop) optimization advisory system |
US20230313616A1 (en) * | 2022-03-29 | 2023-10-05 | Halliburton Energy Services, Inc. | Automated cluster selection for downhole geosteering applications |
US11965410B2 (en) | 2022-08-17 | 2024-04-23 | Halliburton Energy Services, Inc. | Orchestration framework to determine composite well construction recommendations |
WO2024059710A1 (en) * | 2022-09-14 | 2024-03-21 | Schlumberger Technology Corporation | Drilling control system |
WO2024064628A1 (en) * | 2022-09-19 | 2024-03-28 | Schlumberger Technology Corporation | Integrated autonomous operations for injection-production analysis and parameter selection |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1271863A (zh) * | 1999-04-16 | 2000-11-01 | 法国石油研究所 | 获取多相介质中物理特性的优化模型的方法 |
US20040256152A1 (en) * | 2003-03-31 | 2004-12-23 | Baker Hughes Incorporated | Real-time drilling optimization based on MWD dynamic measurements |
US20050096847A1 (en) * | 2000-10-11 | 2005-05-05 | Smith International, Inc. | Methods for modeling, designing, and optimizing the performance of drilling tool assemblies |
US20050197777A1 (en) * | 2004-03-04 | 2005-09-08 | Rodney Paul F. | Method and system to model, measure, recalibrate, and optimize control of the drilling of a borehole |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6732052B2 (en) * | 2000-09-29 | 2004-05-04 | Baker Hughes Incorporated | Method and apparatus for prediction control in drilling dynamics using neural networks |
CA2629631C (en) * | 2005-11-18 | 2012-06-19 | Exxonmobil Upstream Research Company | Method of drilling and producing hydrocarbons from subsurface formations |
US8527203B2 (en) * | 2008-05-27 | 2013-09-03 | Schlumberger Technology Corporation | Method for selecting well measurements |
-
2010
- 2010-06-28 EP EP10806796A patent/EP2462474A1/en not_active Withdrawn
- 2010-06-28 US US13/386,612 patent/US20120118637A1/en not_active Abandoned
- 2010-06-28 WO PCT/US2010/040195 patent/WO2011016927A1/en active Application Filing
- 2010-06-28 CA CA2767370A patent/CA2767370A1/en not_active Abandoned
- 2010-06-28 EA EA201270252A patent/EA201270252A1/ru unknown
- 2010-06-28 CN CN2010800350749A patent/CN102472825A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1271863A (zh) * | 1999-04-16 | 2000-11-01 | 法国石油研究所 | 获取多相介质中物理特性的优化模型的方法 |
US20050096847A1 (en) * | 2000-10-11 | 2005-05-05 | Smith International, Inc. | Methods for modeling, designing, and optimizing the performance of drilling tool assemblies |
US20040256152A1 (en) * | 2003-03-31 | 2004-12-23 | Baker Hughes Incorporated | Real-time drilling optimization based on MWD dynamic measurements |
US20050197777A1 (en) * | 2004-03-04 | 2005-09-08 | Rodney Paul F. | Method and system to model, measure, recalibrate, and optimize control of the drilling of a borehole |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105102760A (zh) * | 2012-11-05 | 2015-11-25 | 兰德马克绘图国际公司 | 用rimlier数据对井孔事件建模的系统、方法和计算机程序产品 |
CN105447292A (zh) * | 2014-08-19 | 2016-03-30 | 中国石油化工股份有限公司 | 一种油气预探井筛选方法 |
CN107709700A (zh) * | 2015-05-13 | 2018-02-16 | 科诺科菲利浦公司 | 钻探大数据分析法引擎 |
CN108804722B (zh) * | 2017-04-26 | 2021-07-27 | 中国石油化工股份有限公司 | 一种用于钻井仿真的参数计算方法及装置 |
CN108804722A (zh) * | 2017-04-26 | 2018-11-13 | 中国石油化工股份有限公司 | 一种用于钻井仿真的参数计算方法及装置 |
US11873707B2 (en) * | 2017-08-18 | 2024-01-16 | Landmark Graphics Corporation | Rate of penetration optimization for wellbores using machine learning |
CN107862324B (zh) * | 2017-10-19 | 2021-11-02 | 北京化工大学 | 一种基于mwspca的cbr预测模型智能化预警方法 |
CN107862324A (zh) * | 2017-10-19 | 2018-03-30 | 北京化工大学 | 一种基于mwspca的cbr预测模型智能化预警方法 |
CN108415079B (zh) * | 2018-03-05 | 2020-09-11 | 长沙矿山研究院有限责任公司 | 基于凿岩冲击声识别的岩层分界面圈定方法 |
CN108415079A (zh) * | 2018-03-05 | 2018-08-17 | 长沙矿山研究院有限责任公司 | 基于凿岩冲击声识别的岩层分界面圈定方法 |
CN109281649A (zh) * | 2018-08-13 | 2019-01-29 | 中国石油天然气集团有限公司 | 钻井优化方法及装置 |
CN110852337A (zh) * | 2018-08-21 | 2020-02-28 | 天津京东深拓机器人科技有限公司 | 异常设备识别方法和装置 |
CN110852337B (zh) * | 2018-08-21 | 2024-08-20 | 北京京东乾石科技有限公司 | 异常设备识别方法和装置 |
CN111119835A (zh) * | 2018-11-01 | 2020-05-08 | 中国石油化工股份有限公司 | 一种随钻工况识别方法及系统 |
CN111832197A (zh) * | 2019-03-26 | 2020-10-27 | 中石化石油工程技术服务有限公司 | 一种钻井分析方法 |
CN112031749A (zh) * | 2019-05-16 | 2020-12-04 | 中国石油集团工程技术研究院有限公司 | 一种油气钻探用钻头综合性能评价方法 |
CN110134113A (zh) * | 2019-05-20 | 2019-08-16 | 中国石油大学(华东) | 一种海洋石油井控装备安全保障方法及系统 |
CN112329144A (zh) * | 2020-11-04 | 2021-02-05 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 适用于船海装备的数值模型预测系统及预测方法 |
CN112329144B (zh) * | 2020-11-04 | 2023-08-08 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 适用于船海装备的数值模型预测系统及预测方法 |
CN114895359B (zh) * | 2022-07-13 | 2022-09-13 | 中国科学院地质与地球物理研究所 | 一种das同井监测实时微地震有效事件去噪方法及系统 |
CN114895359A (zh) * | 2022-07-13 | 2022-08-12 | 中国科学院地质与地球物理研究所 | 一种das同井监测实时微地震有效事件去噪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
EA201270252A1 (ru) | 2012-07-30 |
EP2462474A1 (en) | 2012-06-13 |
US20120118637A1 (en) | 2012-05-17 |
WO2011016927A1 (en) | 2011-02-10 |
CA2767370A1 (en) | 2011-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102472825A (zh) | 使用目标函数的钻井咨询系统和方法 | |
US9598947B2 (en) | Automatic drilling advisory system based on correlation model and windowed principal component analysis | |
US9436173B2 (en) | Drilling advisory systems and methods with combined global search and local search methods | |
Soares et al. | Real-time predictive capabilities of analytical and machine learning rate of penetration (ROP) models | |
US9482084B2 (en) | Drilling advisory systems and methods to filter data | |
US10657441B2 (en) | Model generation for real-time rate of penetration prediction | |
EP2222937B1 (en) | An intelligent drilling advisor | |
US20160076357A1 (en) | Methods for selecting and optimizing drilling systems | |
US11536128B2 (en) | Method for drilling wellbores utilizing drilling parameters optimized for stick-slip vibration conditions | |
WO2013188241A2 (en) | Methods and related systems of building models and predicting operational outcomes of a drilling operation | |
US20210017847A1 (en) | Method of modeling fluid flow downhole and related apparatus and systems | |
CA2971706C (en) | Method to optimize oilfield operations based on large and complex data sets | |
US20230266500A1 (en) | Geomechanics and wellbore stability modeling using drilling dynamics data | |
US10400549B2 (en) | Mud sag monitoring and control | |
CN118339357A (zh) | 用于控制和优化碳氢化合物的生产的数据驱动模型 | |
EP4208623A1 (en) | Multi-sensor data assimilation and predictive analytics for optimizing well operations | |
Saadeldin et al. | Machine Learning Solution for Predicting Vibrations while Drilling the Curve Section | |
Soares | Continuous learning of analytical and machine learning rate of penetration (ROP) models for real-time drilling optimization | |
JP2002257030A (ja) | スケール成長予測装置、方法、及びそのプログラムとプログラムを記録した記録媒体 | |
Holasek | Data-driven Real-time Geosteering Using Surface Drilling Data | |
CN117127961A (zh) | 基于微井斜特征的机械钻速预测方法 | |
Martin Gonzalez | Application of Pattern Recognition Techniques to Monitoring-While-Drilling on a Rotary Electric Blasthole Drill at an Open-Pit Coal Mine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20170419 |