CN105408914A - 流体回流预测 - Google Patents
流体回流预测 Download PDFInfo
- Publication number
- CN105408914A CN105408914A CN201480039993.1A CN201480039993A CN105408914A CN 105408914 A CN105408914 A CN 105408914A CN 201480039993 A CN201480039993 A CN 201480039993A CN 105408914 A CN105408914 A CN 105408914A
- Authority
- CN
- China
- Prior art keywords
- data
- fluid
- forecast model
- variable
- drilling
- 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.)
- Granted
Links
- 239000012530 fluid Substances 0.000 title claims abstract description 127
- 238000005553 drilling Methods 0.000 claims abstract description 131
- 238000005259 measurement Methods 0.000 claims abstract description 85
- 230000001960 triggered effect Effects 0.000 claims abstract description 9
- 206010067171 Regurgitation Diseases 0.000 claims description 83
- 238000000034 method Methods 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000012795 verification Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 238000010992 reflux Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000003825 pressing Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000000518 rheometry Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000004941 influx Effects 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 239000007793 ph indicator Substances 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000013517 stratification Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000000712 assembly Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 230000003252 repetitive effect Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
- E21B21/00—Methods or apparatus for flushing boreholes, e.g. by use of exhaust air from motor
- E21B21/08—Controlling or monitoring pressure or flow of drilling fluid, e.g. automatic filling of boreholes, automatic control of bottom pressure
-
- 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
- E21B47/00—Survey of boreholes or wells
- E21B47/04—Measuring depth or liquid level
- E21B47/047—Liquid level
-
- 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
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/003—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells by analysing drilling variables or conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (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)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Geophysics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Earth Drilling (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种计算装置,其经配置以确定何时触发针对钻探操作的警报。接收包含在钻探操作的先前连接事件期间针对输入变量而测量的值的经测量的钻探数据。通过使所述经测量的钻探数据作为输入而执行预测模型来确定流体回流测量的预测值。使用包含在第二钻探操作期间针对所述输入变量而测量的多个值的先前钻探数据来确定所述预测模型。所述第二钻探操作是在与所述钻探操作不同的地理井筒位置处的先前钻探操作。将从传感器数据确定的流体回流测量数据与所述流体回流测量的所述经确定的预测值相比较。基于所述比较触发对所述钻探操作的警报。
Description
相关申请案的交叉参考
本申请案为2014年10月20日申请的第14/518,624号美国专利申请案的接续申请案,所述专利申请案的全部内容特此以引用的方式并入本文中。本申请案进一步主张对2013年10月22日申请的第61/893,938号美国临时专利申请案的35U.S.C.§119(e)的权益,所述临时申请案的全部内容特此以引用的方式并入本文中。
背景技术
针对在各种环境(土地、冻结土地、海底、深海海底等等)中的各种工业领域(水、天然气、石油、建筑、电信、电等等)钻所有类型及大小的孔可为复杂的、昂贵及有风险的过程。当在软地质中钻孔时,在整个井筒环中循环的流体产生摩擦压力以及相对于垂直深度的流体静压力。这些压力导致在抽取期间或在作为钻探过程的部分的连接周期期间经历的被称作流体回流的影响的变化。所述影响为当地质膨胀恢复形状,井筒中的流体被推回表面,从而导致回流到表面装备及监测系统。所述影响与在井筒遭受流体流入时所看到的类似,其为井筒溢流的前兆。如果井筒溢流未被提前发觉且未由钻探程序作出正确的响应,那么井筒溢流可为灾难性的。
发明内容
在示范性实施例中,提供一种确定何时触发针对钻探操作的警报的方法。接收包含在钻探操作的先前连接事件期间针对输入变量而测量的值的经测量的钻探数据。通过使所述经测量的钻探数据作为输入而执行预测模型来确定流体回流测量的预测值。使用包含在第二钻探操作期间针对所述输入变量而测量的多个值的先前钻探数据来确定所述预测模型。所述第二钻探操作是在与所述钻探操作不同的地理井筒位置处的先前钻探操作。接收流体回流测量数据。从由用作所述钻探操作的部分的传感器产生的传感器数据来确定所述流体回流测量数据。将所述接收的流体回流测量数据与所述流体回流测量的所述经确定的预测值相比较。基于所述比较而触发对所述钻探操作的警报。
在另一实例实施例中,提供一种计算机可读媒体,其具有存储在其上的计算机可读指令,当所述计算机可读指令由计算装置执行时致使所述计算装置执行确定何时触发针对钻探操作的警报的方法。
在另一实例实施例中,提供一种计算装置。所述计算装置包含(但不限于)处理器及可操作地耦合到所述处理器的计算机可读媒体。所述计算机可读媒体具有存储在其上的指令,当所述指令由所述计算装置执行时致使所述计算装置执行确定何时触发针对钻探操作的警报的方法。
这些及其它实施例可任选地包含以下特征中的一或多者:
所述指令或所述方法可包含接收先前钻探数据,且使用所述接收的先前钻探数据来确定所述预测模型。
可使用神经网络模型确定所述预测模型。可使用决策树模型确定所述预测模型。可基于在所述接收的先前钻探数据中所识别的所述输入变量与所述流体回流测量之间的关联来确定所述预测模型。
所述输入变量可从由以下各者组成的群组中选出:流入速率变量、流出速率变量、表面压力变量、井下压力变量、压差变量、钻头直径变量、流体温度变量、流体密度变量、流体罐容积变量、泥浆流变性质变量、钻进速率变量、扭矩变量、钻杆旋转速度变量及钻头旋转速度变量。
所述流体回流测量可从由以下各者组成的群组中选出:回流压力、回流速率及回流体积。
所述传感器可从由以下各者组成的群组中选出:回流压力传感器、回流流动速率传感器及回流体积传感器。
确定所述预测模型可包含:将训练数据集界定为所述接收的先前钻探数据的第一部分;将验证数据集界定为所述接收的先前钻探数据的第二部分;界定第一预测模型配置;基于所述经界定的第一预测模型配置使用所述经界定的训练数据集来训练第一预测模型;使所述经界定的验证数据集作为到所述经训练的第一预测模型的输入来预测模型输出数据;比较所述经预测的模型输出数据与所述验证数据集的输出数据;以及基于将所述经预测的模型输出数据与所述验证数据集的输出数据进行比较来确定所述经训练的第一预测模型的第一有效得分。
确定所述预测模型可进一步包含界定第二预测模型配置;基于所述经界定的第二预测模型配置使用所述经界定的训练数据集来训练第二预测模型;使所述经界定的验证数据集作为到所述经训练的第二预测模型的输入来预测第二模型输出数据;比较所述经预测的第二模型输出数据与所述验证数据集的所述输出数据;以及基于将所述经预测的第二模型输出数据与所述验证数据集的所述输出数据进行比较来确定所述经训练的第二预测模型的第二有效得分。
可基于所述经确定的第一有效得分与所述经确定的第二有效得分之间的比较将所述预测模型确定为所述经训练的第一预测模型或所述经训练的第二预测模型。
所述指令或所述方法可进一步基于地质指示符选择所述预测模型。
所述指令或所述方法可进一步基于与所述接收的流体回流测量数据相关联的地质指示符改变所述预测模型。
可在所述接收的流体回流测量数据大于Pv+PvCl/2时触发所述警报,其中Pv是所述流体回流测量的所述经确定的预测值,且Cl是置信水平的数字值。
所述置信水平可指示所述接收的流体回流测量数据落入所述流体回流测量的所述经确定的预测值的预期变化内的确定性。
所述指令或所述方法可进一步确定可接受的流体回流带,其中所述可接受的流体回流带的最大点被界定为Pv+PvCl/2且所述可接受的流体回流带的最小点被界定为Pv-PvCl/2,其中Pv是所述流体回流测量的所述经确定的预测值,且Cl是置信水平的数字值。
可在所述接收的流体回流测量数据大于所述可接受的流体回流带的所述最大点时或在所述接收的流体回流测量数据小于所述可接受的流体回流带的最小点时触发所述警报。
所述经确定的可接受的流体回流带可被输出到显示装置。
所述接收的流体回流测量数据可被输出到显示装置。
可由刻度盘的显示装置呈现来触发所述警报,其指示所述接收的流体回流测量数据、可接受的流体回流区域、大于可接受的流体回流区域及小于可接受的流体回流区域。
所述计算机可读指令可由事件流处理引擎来执行。
所属领域的技术人员在查看附图、具体实施方式及所附权利要求书后将了解所揭示的标的物的其它主要特征。
附图说明
以下将参考附图描述所揭示的标的物的说明性实施例,其中相似数字指示相似元件。
图1描绘根据说明性实施例的钻探数据采集系统的框图。
图2描绘根据说明性实施例的模型界定装置的框图。
图3描绘说明根据说明性实施例的由图2的模型界定装置执行的操作的实例的流程图。
图4描绘根据说明性实施例的预测装置的另一框图。
图5描绘说明根据说明性实施例的由图4的预测装置执行的操作的实例的流程图。
图6a、6b及6c描绘根据说明性实施例的在钻探操作期间随时间变化的流体回流预测。
图7描绘根据说明性实施例的分布式处理系统的框图。
图8描绘根据说明性实施例的图7的分布式处理系统的事件流处理(ESP)装置的框图。
图9描绘说明根据说明性实施例的由图8的ESP装置执行的操作的实例的流程图。
图10a及10b描绘根据说明性实施例的流体回流状态指示器。
具体实施方式
参考图1,展示根据说明性实施例的钻探数据采集系统100的框图。钻探数据采集系统100可包含多个钻机101、网络110及数据仓库112。更少的、不同的及/或额外组件可并入钻探数据采集系统100中。为说明,多个钻机101可包含第一钻机102、第二钻机104、第三钻机1066、第四钻机108。多个钻机101可包含任何数目的钻机。多个钻机101中的一钻机可为活动的或非活动的。多个钻机101可经配置以针对在各种环境(例如,土地、冻结土地、海底、深海海底等等)中的各种工业领域(例如,水、天然气、石油、建筑、电信、电等等)钻任何类型及大小的孔。多个钻机101可在本地、地区或全球分布。
网络110可包含具有相同或不同类型的一或多个网络。网络110可为任何类型或有线及/或无线公共或私有网络(包含蜂窝网络、局域网、广域网(例如,因特网)等等)的组合。网络110可进一步包括子网络且由任何数目的装置组成。多个钻机101通过网络110将通信发送到数据仓库112。多个钻机101可使用各种传输媒体来通信,所属领域的技术人员应理解,所述各种传输媒体可为有线及/或无线的。
数据仓库112存储来自多个钻机101的钻探数据,所述钻探数据包含在孔或井钻探操作期间(包含在连接事件期间)针对多个钻探变量中的每一者而测量的多个值。举例来说,连接事件可与竖管的新区段的连接相关联。在一段时期期间的多个时间点可测量针对所述多个钻探变量中的每一者的所述多个值。举例来说,在三十天时期的每一秒可测量针对所述多个钻探变量中的每一者的所述多个值,但可使用其它时间长度及测量间隔。
参考图2,展示根据说明性实施例的模型界定装置200的框图。模型界定装置200可定位在多个钻机101中的一钻机上或远离多个钻机101。模型界定装置200可包含输入接口202、输出接口204、通信接口206、计算机媒体208、处理器210、模型界定应用程序222、数据仓库112及预测模型224。更少的、不同的及/或额外组件可并入模型界定装置200中。
如由所属领域的技术人员理解,输入接口202提供用于从用户接收进入模型界定装置200的信息的接口。输入接口202可与各种输入技术(包含(但不限于)键盘212、鼠标214、麦克风215、显示器216、轨迹球、小键盘、一或多个按钮等等)介接以允许用户将信息输入模型界定装置200,或使在用户接口中所呈现的选择显示在所述显示器上。相同接口可支持输入接口202及输出接口204两者。举例来说,包括触摸屏的显示器216向用户提供输入且将输出呈现给用户。模型界定装置200可具有使用相同或不同输入接口技术的一或多个输入接口。可由模型界定装置200进一步通过通信接口206访问所述输入接口技术。
输出接口204提供用于输出用于由模型界定装置200的用户检视及/或由另一应用程序使用的信息的接口。举例来说,输出接口204可与各种输出技术(包含(但不限于)显示器216、扬声器218、打印机220等等)介接。模型界定装置200可具有使用相同或不同输出接口技术的一或多个输出接口。可由模型界定装置200进一步通过通信接口206访问所述输出接口技术。
如由所属领域的技术人员理解,通信接口206提供用于使用各种协议、传输技术及媒体来接收及传输装置之间的数据的接口。通信接口206可使用可为有线及/或无线的各种传输媒体来支持通信。模型界定装置200可具有使用相同或不同通信接口技术的一或多个通信接口。举例来说,模型界定装置200可使用以太网端口、蓝牙天线、电话插孔、USB端口等等来支持通信。可使用通信接口206在模型界定装置200及/或分布式系统232、一或多个钻探操作传感器226及/或多个钻机101的一或多个钻探操作控制参数228之间传送数据及消息。
如由所属领域的技术人员理解,计算机可读媒体208为信息的电子保存位置或存储装置,使得所述信息可由处理器210存取。计算机可读媒体208可包含(但不限于)任何类型的随机存取存储器(RAM)、任何类型的只读存储器(ROM)、任何类型的快闪存储器等等,例如,磁存储装置(例如,硬盘、软盘、磁条......)、光盘(例如,压缩光盘(CD)、数字多功能光盘(DVD)......)、智能卡、快闪存储器装置等等。模型界定装置200可具有使用相同或不同存储器媒体技术的一或多个计算机可读媒体。举例来说,如由所属领域的技术人员理解,计算机可读媒体208可包含不同类型的计算机可读媒体,其可经分层组织以提供对存储于所述计算机可读媒体中的数据的有效存取。作为实例,可在更小、更快速的存储器中实施高速缓存,其存储来自最常/最近存取的主要存储器位置的数据的副本以减少存取等待时间。模型界定装置200还可具有支持存储器媒体(例如,CD、DVD、外置硬盘驱动器等等)的加载的一或多个驱动器。可进一步使用通信接口206将一或多个外置硬盘驱动器连接到模型界定装置200。
如由所属领域的技术人员理解,处理器210执行指令。所述指令可由专用计算机、逻辑电路或硬件电路来执行。可在硬件及/或固件中实施处理器210。处理器210执行指令,这就意味着其执行/控制由所述指令请求的操作。术语“执行”是运行应用程序或进行由指令请求的操作的过程。可使用一或多种编程语言、脚本语言、汇编语言等等来编写指令。处理器210可操作地与输入接口202耦合、与输出接口204耦合、与通信接口206耦合且与计算机可读媒体208耦合以接收、发送及处理信息。处理器210可从永久存储器装置检索指令的集合,且将所述指令以可执行的形式拷贝到大体上为某种形式的RAM的临时存储器装置。模型界定装置200可包含使用相同或不同处理技术的多个处理器。
模型界定应用程序222通过存储于数据仓库112中的数据执行与界定用于一或多个钻探操作的预测模型224相关联的操作。本文所描述的一些或所有操作可体现在模型界定应用程序222中。可使用硬件、固件、软件或这些方法的任何组合来实施操作。参考图2的实例实施例,模型界定应用程序222在存储于计算机可读媒体208且可由处理器210存取的软件(其由计算机可读及/或计算机可执行指令组成)中实施以用于执行体现模型界定应用程序222的操作的指令。可使用一或多种编程语言、汇编语言、脚本语言等等编写模型界定应用程序222。
模型界定应用程序222可被实施为Web应用程序。举例来说,模型界定应用程序222可经配置以接收超文本传输协议(HTTP)响应且发送HTTP请求。所述HTTP响应可包含网页(例如,超文本标记语言(HTML)文档)及响应于所述HTTP请求而产生的链接对象。每一网页可由统一资源定位符(URL)来识别,统一资源定位符(URL)包含含有待被访问的资源以及资源在计算装置上的位置的所述计算装置的位置或地址。文件或资源的类型取决于因特网应用协议,例如,文件传输协议、HTTP、H.323等等。被访问的文件可为简单文本文件、图像文件、音频文件、视频文件、可执行体、公共网关接口应用程序、Java小程序、可扩展标记语言(XML)文件或由HTTP支持的任何其它类型的文件。
数据仓库112可存储于计算机可读媒体208中或存储在一或多个计算装置(例如,分布式系统232)上且使用通信接口206来存取。存储于数据仓库112中的数据可从一或多个钻探操作传感器226接收。实例传感器包含压力传感器、温度传感器、位置传感器、速度传感器、加速度传感器、流动速率传感器等等,其可安装到用作钻探操作的部分的各种组件。举例来说,一或多个钻探操作传感器226可包含表面及/或井下传感器,其可测量流入速率、流出速率、表面压力、井下压力、压差、钻头直径、流体温度、流体密度、流体罐容积、泥浆流变性质、钻进速率、扭矩、钻杆的旋转速度、钻头的旋转速度等等。可使用物理模型(例如,地球模型、天气模型、地震模型、井底组合件模型、井平面模型、环形摩擦模型等等)产生其它数据。除了传感器数据之外,(例如)回流测量(例如,回流压力、回流流动速率、回流体积等等)的预测输出也可存储在与所述传感器数据、指示钻探操作的控制参数的当前值的钻探操作控制参数228或其它数据相关联的数据仓库中。
可从相同的钻探操作、一或两个相邻钻探操作、具有类似地质特性的一或多个钻探操作、任何一或多个钻探操作等等中测量多个值。举例来说,可使用在具有类似渗透性及孔隙度的环境中的钻探操作。多个值可源自由操作者在针对相同或不同钻探操作的先前时间周期期间选择的控制变量值。
存储于数据仓库112中的数据可包含以任何计算机可读格式(例如,二进制、字母数字、数字、字符串、标记语言等等)表示的任何类型的内容。所述内容可包含文本信息、图形信息、图像信息、音频信息、数字信息等等,可进一步使用如由所属领域的技术人员理解的各种编码技术将所述内容编码。可使用所属领域的技术人员已知的各种格式(包含文件系统、关系数据库、表系统、结构化查询语言数据库等等)来存储数据仓库112。举例来说,如由所属领域的技术人员理解,数据仓库112可存储在跨越计算机的网格而分布的立方体中。作为另一实例,如由所属领域的技术人员理解,数据仓库112可存储在多节点集群中。ApacheTM 为由阿帕奇软件基金会(ApacheSoftwareFoundation)支持的用于分布式计算的开源软件框架。作为另一实例,如由所属领域的技术人员理解,数据仓库112可存储在计算机云中且使用云计算技术进行存取。由美国北卡罗来纳州卡里的SAS研究所(SASInstituteInc.ofCary,NorthCarolina,USA)开发及提供的LASRTM分析服务器可用作分析平台以使多个用户能够同时存取存储于数据仓库112中的数据。
如果数据仓库112跨越分布式系统232而分布,那么可使用分布式处理系统。举例来说,如由所属领域的技术人员理解,可使用多节点集群、使用存储数据的立方体的计算机的网格、使用LASRTM分析服务器,使用云计算机等等来实施所述分布式处理系统。举例来说,分布式控制装置可在由模型界定装置200请求时协调对跨越分布式系统232而分布的数据仓库112的存取。如由所属领域的技术人员理解,所述分布式处理系统的一或多个组件可支持多线程。所述分布式处理系统的组件可定位在单个室或邻近室中,可定位在单个设施中,及/或彼此地理上分布。
如由所属领域的技术人员理解,数据仓库112中的数据可经清洗以填补缺失值、平滑噪声数据、识别及移除异常值及/或解决不一致性。如由所属领域的技术人员理解,数据仓库112中的数据可经转换以规范化及聚合数据,以统一数据格式(例如,日期),及将标称数据类型转换成数字数据类型。
参考图3,描述与模型界定应用程序222相关联的实例操作。可使用模型界定应用程序222使用存储于数据仓库112中的数据创建一或多个预测模型224。预测模型224使用由一或多个钻探操作传感器226在钻探操作期间测量的经感测的数据及/或使用针对钻探操作的一或多个钻探操作控制参数228而读取的控制设定来支持回流测量(例如,回流压力、回流流动速率、回流体积等等)的预测值的确定。
取决于实施例,可执行额外的、更少的或不同的操作。不希望图3的操作的呈现顺序为限制性的。尽管按序呈现一些操作流程,但可以各种重复方式、同时(并行,举例来说,使用线程)及/或以与所说明的顺序相异的其它顺序执行各种操作。举例来说,如由所属领域的技术人员理解,用户可执行模型界定应用程序222,其导致第一用户接口窗口的呈现,所述第一用户接口窗口可包含与模型界定应用程序222相关联的多个目录及选择器(例如,下拉菜单、按钮、文本框、超链接等等)。指示符可指示来自用户接口的一或多个用户选择、进入所述用户接口的数据字段的一或多个数据条目、从计算机可读媒体208读取的或使用一或多个默认值界定的一或多个数据项等等,其由模型界定应用程序222接收以作为输入。
在操作300中,接收一或多个类型的预测模型及配置的第一指示符。举例来说,所述第一指示符指示预测模型的类型的名称及要预测的一或多个回流测量(例如,回流压力、回流流动速率、回流体积等等)。可针对一或多个类型的地质层进一步界定用于一或多个回流测量的一或多个类型的预测模型及配置。预测模型类型的名称可为可针对所述一或多个类型的地质层中的每一者进行选择的。预测模型类型的名称可进一步为可针对回流测量中的一或多者进行选择的。
为了说明,预测模型类型的名称可为“神经网络”、“线性回归”、“非线性回归”、“支持向量机”、“决策树”、“偏最小二乘”、“梯度推进”等等。配置基于预测模型的类型来识别一或多个初始化值。举例来说,当预测模型的类型被指示为“神经网络”时,隐藏层的数目、每层的节点的数目、传播方法等等可由所述第一指示符识别。可界定多个配置。举例来说,当预测模型的类型被指示为神经网络时,隐藏层的一数目的范围、每层节点的数目的范围等等也可由所述第一指示符识别。
为进一步说明,数据仓库112中的数据可被提供到由美国北卡罗来纳州卡里的SAS研究所开发及提供的用于预测建模的EnterpriseMinerTM。作为实例,EnterpriseMinerTM包含针对神经网络(AutoNeural、DMNeural、神经网络)、决策树(决策树、梯度推进)、回归模型(Dmine回归、最小角回归(LARS)、回归)、k近邻模型(基于记忆的推理(MBR))、偏最小二乘模型(偏最小二乘)、支持向量机(支持向量机)、经集成以界定预测模型的模型的融合(融合)的预测模型类型。
在从用户接口窗口选择之后或在由用户进入用户接口窗口之后,所述第一指示符可由模型界定应用程序222接收。预测模型类型及配置的默认值以及一或多个类型的地质层可进一步存储在(例如)计算机可读媒体208中。在替代实施例中,预测模型类型及配置以及一或多个类型的地质层可为不可选择的。
在操作302中,接收数据仓库112的第二指示符。举例来说,所述第二指示符指示数据仓库112的位置。作为实例,在从用户接口窗口选择之后或在由用户进入用户接口窗口之后,所述第二指示符可由模型界定应用程序222接收。在替代实施例中,数据仓库112可为不可选择的。举例来说,可自动使用最近创建的数据仓库。
如先前所论述,数据仓库112可存储在跨越计算机的网格而分布的立方体中,可存储在跨越一或多个计算机而分布的多节点集群中,可存储在跨越一或多个计算机而分布的文件系统中,可存储在关系数据库中、可存储在一或多个表中、可存储在结构化查询语言数据库中等等。
在操作304中,对存储于数据仓库112中的数据进行探索及发掘以选择对确定用于回流测量中的一或多者及/或一或多个类型的地质层的预测模型具有显著意义的输入变量。举例来说,在操作304中,存储于数据仓库112中的数据经减少以获取尺寸及体积的最小呈现,以及保留针对类似分析结果的一致的方差及熵。如由所属领域的技术人员理解,数字数据类型可经离散化以简化分析处理。
如由所属领域的技术人员理解,实例数据挖掘技术包含要素分析、主要成分分析、相关分析等等。为了说明,由美国北卡罗来纳州卡里的SAS研究所开发及提供的EnterpriseMinerTM包含用于探索数据及选择或修改控制变量以作为输入变量的节点。实例节点包含转换节点、集群节点、关联规则节点、变量选择节点、描述性统计节点、主要成分节点等等。
举例来说,可选择相对于预测一或多个回流测量中的每一者及/或一或多个类型的地质层具有最高程度的关联的输入变量。实例输入变量包含流入速率变量、流出速率变量、表面压力变量、井下压力变量、压差变量、钻头直径变量、流体温度变量、流体密度变量、流体罐容积变量、泥浆流变性质变量、钻进速率变量、扭矩变量、由表面钻探控制系统测量的表面旋转速度变量、从通过泥浆电动机的流体流动速率计算的钻头旋转速度变量等等。
在操作306中,接收用于从数据仓库112选择用于预测模型的训练数据的第三指示符。举例来说,在从用户接口窗口选择之后或在由用户进入用户接口窗口之后,所述第三指示符可由模型界定应用程序222接收。所述第三指示符识别存储于数据仓库112中的数据的第一部分以在训练预测模型中使用。所述第三指示符可指示待包含的数据点的数目、待包含的数据点占整个数据仓库112的百分比等等。可通过采样创建来自数据仓库112的子集。实例采样算法为均匀采样。可使用其它随机采样算法。
在操作308中,接收用于从数据仓库112选择针对预测模型的验证数据的第四指示符。举例来说,在从用户接口窗口选择之后或在由用户进入用户接口窗口之后,所述第四指示符可由模型界定应用程序222接收。所述第四指示符识别存储于数据仓库112中的数据的第二部分以在验证预测模型中使用。所述第四指示符可指示待包含的数据点的数目、待包含的数据点占整个数据仓库112的百分比等等。通过采样可创建来自数据仓库112的子集。实例采样算法为均匀采样。可使用其它随机采样算法。从数据仓库112选择的针对验证数据的数据点可与从数据仓库112选择的针对训练数据的数据点不同。
在操作310中,基于所述第一指示符或基于存储于计算机可读媒体208中的默认模型来选择预测模型。在操作312中,初始化经选择的预测模型。在操作314中,使用如由所述第三指示符指示而选择的训练数据来训练经初始化的预测模型。
在操作316中,使用如由所述第四指示符指示而选择的验证数据来预测输出数据以作为到经训练的预测模型的输入。在操作318中,将经预测的输出数据与验证数据所包含的实际输出数据相比较。在操作320中,基于所述比较来确定有效得分。在操作322中,将与经选择的预测模型相关联的经确定的有效得分存储在(例如)计算机可读媒体208中。
在操作324中,做出关于是否存在要评估的另一预测模型的确定。当存在要评估的另一预测模型时,处理在操作310中继续。当不存在要评估的另一预测模型时,进程在操作326中继续。在操作310中,基于所述第一指示符来选择下一个预测模型。
在操作326中,选择针对一或多个特定钻探位置、特定钻探场地、特定类型的钻探环境、回流测量指示符的类型、地质指示符的类型等等中的每一者的最佳预测模型。举例来说,比较针对操作322的每一迭代所存储的有效得分且选择与最佳有效得分相关联的预测模型。最佳有效得分可为针对操作322的每一迭代所存储的有效得分的最小或最大值。举例来说,如果有效得分为误分类率,那么最小有效得分指示最佳模型;然而,如果有效得分为正确分类率,那么最大有效得分指示最佳模型。
在操作328中,经选择的最佳预测模型存储在(例如)计算机可读媒体208中。经选择的预测模型可与特定钻探位置、特定钻探场地、特定类型的钻探环境、一类型的回流测量指示符、一类型地质指示符等等相关联而被存储。经选择的预测模型可存储为预测模型224。可针对每一特定钻探位置、特定钻探场地、特定类型的钻探环境、回流测量指示符的类型及地质指示符的类型等等而界定不同的预测模型224。
参考图4,展示根据说明性实施例的预测装置400的框图。预测装置400可包含第二输入接口402、第二输出接口404、第二通信接口406、第二计算机可读媒体408、第二处理器410、预测模型224、经感测的数据412、控制数据414、预测应用程序416及第二显示器417。更少、不同的、及/或额外组件可并入预测装置400中。
在使用模型界定装置200进行选择之后,预测模型224可存储在第二计算机可读媒体408中及/或由预测装置400通过第二通信接口406来存取。模型界定装置200及预测装置400可集成到相同计算装置中。模型界定装置200及预测装置400可为不同的计算装置。预测装置400可定位在多个钻机101的钻机上或远离多个钻机101。预测装置400可定位在与多个钻机101不同的钻机上,来自多个钻机101的数据存储在数据仓库112中。由预测装置400产生的数据可通过第二通信接口406存储在数据仓库112中。
尽管参考预测装置400,第二输入接口402提供与参考模型界定装置200的输入接口202所描述的相同或类似功能性。尽管参考预测装置400,第二输出接口404提供与参考模型界定装置200的输出接口204所描述的相同或类似功能性。尽管参考预测装置400,第二通信接口406提供与参考模型界定装置200的通信接口206所描述的相同或类似功能性。可使用第二通信接口406在预测装置400及钻探操作控制228及/或钻探操作传感器226之间传送数据及消息。可使用第二输入接口402及/或第二输出接口404在预测装置400及钻探操作控制228及/或钻探操作传感器226之间传送数据及消息。尽管参考预测装置400,第二计算机可读媒体408提供与参考模型界定装置200的计算机可读媒体208所描述的相同或类似功能性。尽管参考预测装置400,第二处理器410提供与参考模型界定装置200的处理器210所描述的相同或类似功能性。
预测应用程序416使用在钻探操作期间测量的经感测的数据412及在钻探操作期间产生的控制数据414基于钻探操作的一或多个类型的地质层而支持一或多个回流测量的预测值的确定。可针对在钻探操作期间发生的每一连接事件而执行预测应用程序416。本文所描述的一些或全部操作可体现在预测应用程序416中。可使用硬件、固件、软件或这些方法的任何组合来实施预测应用程序416的操作。参考图4的实例实施例,在存储于第二计算机可读媒体408且可由第二处理器410存取的软件(其由计算机可读及/或计算机可执行指令组成)中实施预测应用程序416以用于执行体现预测应用程序416的操作的指令。可使用一或多种编程语言、汇编语言、脚本语言等等编写入预测应用程序416。预测应用程序416可实施为Web应用程序。
参考图5,描述与预测应用416相关联的实例操作。举例来说,可在连接事件发生时执行实例操作以监测在所述事件期间的流体回流测量。取决于实施例,可执行额外的、更少的或不同的操作。不希望图5的操作的呈现顺序为限制性的。尽管按序呈现一些操作流程,但可以各种重复方式、同时(并行,举例来说,使用线程)及/或以与所说明的顺序相异的其它顺序执行各种操作。
在操作500中,接收置信水平值。所述置信水平指示当前流体回流测量落入被视为与经预测的回流相比较的实际回流的预期变化内的确定性。作为实例,5%的置信水平将确立在给定时间点的大于经预测的回流的2.5%的实际流体回流响应使用警报系统418来触发警报。作为实例,置信水平值可由用户输入或选择且由预测应用程序416接收。为了说明,可在所述用户与用户接口窗口交互之后接收置信水平值。举例来说,接收指示用户选择的待用作置信水平的值的数字值。为进一步说明,如由所属领域的技术人员理解,替代接收用户选择,置信水平的默认值可存储在第二计算机可读媒体408中且通过从适当存储器位置检索所述值来接收。
在操作502中,接收地质指示符。所述地质指示符指示用于一或多个回流测量的当前预测的钻探操作的当前地质类型。举例来说,所述地质指示符可指示砂岩、白云岩、石灰岩、页岩等等。作为实例,所述地质指示符可由用户输入或选择且由预测应用程序416接收。为了说明,可在所述用户与用户接口窗口交互之后接收所述地质指示符。举例来说,接收指示所述地质指示符的用户选择的数字或字母数字值。为进一步说明,如由所属领域的技术人员理解,替代接收用户选择,所述地质指示符的默认值可存储在第二计算机可读媒体408中且通过从适当存储器位置检索所述值来接收。
在操作504中,接收经感测的数据412及/或控制数据414。举例来说,从数据仓库112接收与在操作304中指示的输入变量相关联的控制数据414及经感测的数据412。可能已经在钻探操作的先前连接事件期间(例如,在钻杆的上一次钻立期间)记录控制数据414及经感测的数据412。
在操作506中,通过执行针对由地质指示符使用在操作504中接收的作为输入的控制数据414及经感测的数据412所指示的地质而界定的经选择的预测模型224来随时间预测钻探操作的一或多个回流值的值。
在操作508中,输出钻探操作的一或多个回流值的预测值。举例来说,预测值可输出到第二显示器417以供用户检视及/或输出到第二计算机可读媒体408。为了说明,参考图6a,钻探操作的一或多个回流值的预测值由根据说明性实施例而展示的可接受的流体回流带600表示。可接受的流体回流带600指示钻探操作的一或多个回流值的预测值随时间变化且具有由所接收的置信水平值界定的宽度。落入警报限制带600之外的回流测量可为异常的且值得钻探人员进一步调查或响应。将警报限制带600的最大曲线界定为Pv+PvCl/2,其中Pv是在每一时间点的预测值,且Cl是置信水平的数字值。将警报限制带600的最小曲线界定为Pv-PvCl/2。
在操作510中,实时或准实时地从经感测的数据412接收回流测量数据。在操作512中,输出所接收的回流测量数据。举例来说,所接收的回流测量数据可输出到第二显示器417以供用户检视及/或输出到第二计算机可读媒体408。为了说明,参考图6b,所接收的回流测量数据由根据说明性实施例而展示的回流测量曲线602表示。也可输出先前回流曲线604。先前回流曲线604可指示在一或多个先前连接事件期间的流体回流响应如何。举例来说,先前回流曲线604展示先前回流在三个先前连接事件期间随时间变化。
作为另一实例,参考图10a,展示根据说明性实施例的流体回流状态指示器1000。流体回流状态指示器1000可输出到第二显示器417以供用户检视。在说明性实施例中,流体回流状态指示器1000呈刻度盘的形式。流体回流状态指示器1000可包含第一半圆形区域1002、第二半圆形区域1004、第三半圆形区域1006、中心区域1008及值指示器1010。流体回流状态指示器1000可包含更多或更少数目的区域。
第一半圆形区域1002界定可接受的流体回流区域。第二半圆形区域1004界定较不可接受的流体回流区域。第三半圆形区域1006界定更可接受的流体回流区域。每一区域可包含不同颜色或阴影。举例来说,第一半圆形区域1002可为绿色。第二半圆形区域1004及第三半圆形区域1006可为红色。
第一半圆形区域1002定位在中心区域1008顶部上在第二半圆形区域1004与第三半圆形区域1006之间。第二半圆形区域1004定位在第一半圆区域1002的左边。第三半圆形区域1006定位在第一半圆区域1002的右边。
在说明性实施例中,值指示器1010为指针,其可基于在特定时间点所接收的回流测量数据的值而定位在第一半圆形区域1002、第二半圆形区域1004及第三半圆形区域1006中的一者内。围绕中心区域1008的值指示器1010的位置可指示在所述时间点所接收的回流测量数据的值有多接近Pv。在中心区域1008的左侧中的值指示器1010的位置可指示在所述时间点所接收的回流测量数据的值小于Pv。在中心区域1008的右侧中的值指示器1010的位置可指示在所述时间点所接收的回流测量数据的值大于Pv。
在第一半圆形区域1002内的值指示器1010的位置指示所接收的回流测量数据的值在Pv±PvCl/2内。值指示器1010在第一半圆形区域1002内竖直的位置指示所接收的回流测量数据的值是~Pv。在第二半圆形区域1004内的值指示器1010的位置指示所接收的回流测量数据的值小于Pv-PvCl/2。在第三半圆形区域1006内的值指示器1010的位置指示所接收的回流测量数据的值大于Pv+PvCl/2。
当每一时间点被添加到回流测量曲线602时,可更新值指示器1010的位置。可改变中心区域1008的颜色或阴影以匹配值指示器1010定位的半圆形区域的颜色或阴影。
在操作514中,将所接收的回流测量数据与预测值相比较。在操作516中,做出关于是否应触发警报系统418的确定以发出警报。如果不应触发警报系统418以发出警报,那么处理在操作520中继续。如果应触发警报系统418以发出警报,那么处理在操作518中继续。
所述确定可基于所接收的回流测量数据超过置信水平值的一半以上。为了说明,参考图6c,所接收的回流测量数据由在稍后的时间点所展示的回流曲线602表示。基于所接收的回流测量数据超过可接受的流体回流带600的最大曲线,可在时间点606触发警报。超过可接受的流体回流带600的最大曲线可为流体从地质流出(其指示潜在井涌)的迹象。
在操作518中,触发警报系统418以发出警报。举例来说,警报系统418可包含扬声器,可通过所述扬声器发出警报消息。作为另一实例,可在第二显示器417上触发警报指示器。举例来说,参考图10b,流体回流状态指示器1000可在时间点606更新以在第三半圆形区域1006中展示值指示器1010,其指示所接收的回流测量数据的值在时间点606超过Pv+PvCl/2。在说明性实施例中,中心区域1008的颜色或阴影可经改变以匹配第三半圆形区域1006的颜色或阴影以进一步提醒用户潜在的井涌。
在操作520中,做出是否改变预测模型224的确定。如果所述确定为执行改变,那么处理在操作522中继续以更新或改变所述模型中的一或多者。如果所述确定为不执行改变,那么处理在操作510中继续以在实时或准实时地接收经感测的数据412时继续处理经感测的数据412且监测所接收的回流测量数据。
可接收指示执行对所述模型中的一或多者的改变或更新的指示符。举例来说,预测模型224可被周期性地更新,例如,每秒、分钟、小时、天、星期、月、年等等。定时器可触发指示符的接收。用户可触发指示符的接收。作为另一实例,当井筒的裸井区段的主要的地质值改变时,可改变预测模型224。
在操作522中,更新所述一或多个模型。举例来说,通过更新存储于数据仓库112中的数据且重复针对预测模型224的操作302到328中的一或多者,可更新所述一或多个模型。举例来说,可重复操作310到328。在操作328的先前迭代中存储于数据仓库112的数据,以及在操作328的上一次迭代之后的经测量及存储于数据仓库112中的数据可用以更新所述一或多个模型。作为另一实例,预测模型224可经更新以使用与井筒的裸井区段的主要地质中的改变相关联的预测模型224。
参考图7,展示根据说明性实施例的钻探系统700的框图。钻探系统700可包含第一钻机102、网络110及模型界定装置200。更少的、不同的及/或额外的组件可并入钻探系统700中。第一钻机102可包含钻探操作传感器226、产生控制数据414的钻探操作控制参数228、钻机控制接口装置704、本地数据聚合器706、事件流处理(ESP)装置708、第二显示器417及第二网络710。钻机控制接口装置704可经配置以从钻探操作传感器226及钻探操作控制参数228接收数据。如由所属领域的技术人员理解,所接收的数据可在预先存在的钻机聚合器(例如,本地数据聚合器706)上聚合。
第二网络710可包含具有相同或不同类型的一或多个网络。第二网络710可为任何类型或有线及/或无线公共或私有网络(包含蜂窝网络、局域网、广域网(例如,因特网)等等)的组合。第二网络710可进一步包括子网络且由任何数目的装置组成。如由所属领域的技术人员理解,尽管在图7的说明性实施例中未明确展示通过第二网络710的连接,但钻探系统700的组件中的一或多者可使用第二网络710(其包含可为有线及/或无线的各种传输媒体)进行通信。钻探系统700的组件中的一或多者可直接连接到一或多个计算装置或集成到一或多个计算装置中。
参考图8,展示根据说明性实施例的ESP装置708的框图。ESP装置708可包含第三输入接口800、第三输出接口802、第三通信接口804、第三计算机可读媒体806、第三处理器808及ESP应用程序810。更少的、不同的及/或额外的组件可并入ESP装置708中。
尽管参考ESP装置708,第三输入接口800提供与参考模型界定装置200的输入接口202所描述的相同或类似功能性。尽管参考ESP装置708,第三输出接口802提供与参考模型界定装置200的输出接口204所描述的相同或类似功能性。尽管参考ESP装置708,第三通信接口804提供与参考模型界定装置200的通信接口206所描述的相同或类似功能性。可使用第二通信接口804在ESP装置708及模型界定装置200、钻机控制接口装置704及/或第二显示器417之间传送数据及消息。尽管参考ESP装置708,第三计算机可读媒体806提供与参考模型界定装置200的计算机可读媒体208所描述的相同或类似功能性。尽管参考ESP装置708,第三处理器808提供与参考模型界定装置200的处理器210所描述的相同或类似功能性。
ESP应用程序810执行与实时或准实时地执行预测应用程序416的操作相关联的操作。本文所描述的一些或全部操作可体现在ESP应用程序810中。可使用硬件、固件、软件或这些方法的任何组合来实施操作。参考图8的实例实施例,ESP应用程序810在存储于第三计算机可读媒体806且可由第三处理器808存取的软件(其由计算机可读及/或计算机可执行指令组成)中实施以用于执行体现ESP应用程序810的操作的指令。可使用一或多种编程语言、汇编语言、脚本语言等等编写ESP应用程序810。ESP应用程序810可基于由美国北卡罗来纳州卡里的SAS研究所(SASInstituteInc.ofCary,NorthCarolina,USA)开发及提供的事件流处理引擎(EventStreamProcessingEngine)。
参考图9,描述与ESP应用程序810相关联的实例操作。取决于实施例,可执行额外的、更少的或不同的操作。不希望图9的操作的呈现顺序为限制性的。尽管按序呈现一些操作流程,但可以各种重复方式、同时(并行,举例来说,使用线程)及/或以与所说明的顺序相异的其它顺序执行各种操作。
在操作900中,在ESP装置708处实例化ESP应用程序例子。在说明性实施例中,创建引擎箱,其被实例化为ESP引擎(ESPE)。在ESP装置708处执行的ESPE的组件可包含一或多个项目。项目可被描述为由ESPE管理的模型中的二级箱,其中所述项目的线程池大小可由用户界定。引擎箱为管理所述一或多个项目的资源的模型中的顶级箱。一或多个连续查询可包含一或多个源窗口及一或多个衍生窗口。在说明性实施例中,举例来说,ESP应用程序810的每一例子可存在仅一个ESPE。ESPE可为或可不为持久的。
连续查询建模涉及界定事件流操纵及变换的窗口的引导图表。可将连续查询描述为源、关系、模式匹配及程序窗口的引导图表。所述一或多个源窗口及所述一或多个衍生窗口表示产生对设定为通过ESPE的新事件块流的查询结果的更新的连续执行查询。
事件对象可被描述为可作为字段的集合进行存取的数据包,其中将所述字段中的至少一者界定为密钥或唯一标识符(ID)。可使用多种格式(包含二进制、字母数字、XML等等)来创建所述事件对象。每一事件对象可包含经指定为所述事件的主要ID的一或多个字段,使得ESEP可支持事件的操作码(opcodes),其包含插入、更新、更新插入及删除。更新插入操作码在密钥字段已存在的情况下更新所述事件;否则,插入所述事件。为了说明,事件对象可为字段值的集合的打包二进制表示且包含与事件相关联的元数据及字段数据两者。所述元数据可包含操作码,其指示所述事件是否表示插入、更新、删除或重新插入;标记的集合,其指示所述事件是否为正常的、局部更新的或来自保留策略管理的产生保留的事件;及微秒时间戳的集合,其可用于等待时间测量。
可将事件块对象描述为事件对象的分组或封包。可将事件流描述为事件块对象的连续流。一或多个连续查询中的一个连续查询使用所述一或多个源窗口及所述一或多个衍生窗口将由发布到ESPE中的流事件块对象组成的源事件流变换成一或多个输出事件流。连续查询还可被视为数据流建模。
所述一或多个源窗口在引导图表的顶部且不具有向其馈入的窗口。事件流被发布到所述一或多个源窗口中,且所述事件流从所述一或多个源窗口被引导到由经创建的钻探模型界定的经连接的窗口的下一个集合。所述一或多个衍生窗口全部为经实例化的窗口,其不是源窗口且具有进入它们的其它窗口流事件。所述一或多个衍生窗口对进入事件流执行计算或变换。所述一或多个衍生窗口基于窗口类型(也就是运算子,例如,接合、过滤、计算、聚合、复制、模式匹配、程序、合并等等)及窗口设定来变换事件流。在事件流被发布到ESPE中时,所述事件流被连续地查询,且在这些查询中的衍生窗口的所得集合被连续地更新。
所述一或多个连续查询由ESPE实例化作为模型。为了说明,所述一或多个连续查询可经界定以将ESPE内的预测应用程序416的操作(例如,图5的操作504及508)中的一或多者应用到经感测的数据412及/或控制数据414,经感测的数据412及/或控制数据414流到ESP装置708且将经确定的设定点及经更新的钻进速率图表输出到第二显示器417及/或钻机控制接口装置704。为创建连续查询,识别流入所述一或多个源窗口中的为具有密钥的图式的输入事件结构。也识别将由所述一或多个源窗口及/或所述一或多个衍生窗口产生的也为具有密钥的图式的输出事件结构。基于关系、模式匹配及程序算法(其将输入事件流变换成输出事件流)来创建所述一或多个源窗口及所述一或多个衍生窗口。
ESPE可分析或处理运动或“事件流”中的事件。ESPE不是针对于所存储的数据而存储数据及进行查询,而是可穿过所存储的数据来存储查询及流数据以允许在接收数据时对所述数据的连续分析。
针对ESPE而初始化发布/预订(pub/sub)能力。在说明性实施例中,针对所述一或多个项目而初始化发布/预订能力。为初始化及启用ESPE的发布/预订能力,提供端口编号。发布/预订客户端使用所述端口编号以建立到ESPE的发布/预订连接。由ESPE实例化的一或多个连续查询分析及处理所述输入事件流以形成输出到事件预订装置的输出事件流。
可将发布/预订应用程序编程接口(API)描述为程式库,其使事件发布器(例如,钻机控制接口装置704、本地数据聚合器706及/或模型界定装置200)能够将事件流发布到ESPE或事件预订者(例如,第二显示器417及钻机控制接口装置704)中以从ESPE预订事件流。发布/预订API提供ESP应用程序810与其它网络应用程序之间的跨平台连接性及字节顺序兼容性。发布/预订API可包含ESP对象支持程式库,使得事件发布器或事件预订者可分别创建或操纵其发送的事件或接收的事件。举例来说,钻机控制接口装置704可使用发布/预订API将事件块的流(事件块对象)发送到ESPE中,且第二显示器417可使用发布/预订API从ESPE接收事件块的流。
在操作902中,包含控制数据414及/或经感测的数据412的一或多个事件块由ESPE接收。含有一或多个事件对象的事件块对象被注入所述一或多个源窗口中的一源窗口中。
在操作904中,通过在ESPE内执行的预测应用程序416的一或多个操作来处理事件块。在操作906中,将第二事件块发送到第二显示器417。举例来说,图6b的流体回流图表可被更新且在发送到第二显示器417的一或多个事件块中输出以供操作者检视。
在操作908中,将第三事件块发送到钻机控制接口装置704,其可与警报系统418介接及/或控制警报系统418。
与操作512类似,在操作910中,做出是否执行改变预测模型224的确定。如果确定为执行模型改变,那么处理在操作912中继续。如果确定为不执行模型改变,那么处理在操作902中继续以在实时接收控制数据414及经感测的数据412时继续处理控制数据414及经感测的数据412。
在操作912中,停止项目。在操作914中,预测应用程序416的预测模型224(举例来说)从模型界定装置200更新。在操作916中,使用经更新的预测应用程序416重新启动ESPE中的项目,且处理在操作902中继续以在实时接收控制数据414及经感测的数据412时继续处理控制数据414及经感测的数据412。
本文所使用的词语“说明性”是指用作实例、例子或说明。不一定要将本文描述为“说明性”的另一方面或设计解释为与其它方面或设计相比为优选的或更具优势的。此外,针对本发明的目的且除非另有规定,“一”表示“一或多个”。此外,希望在具体实施方式中使用的“及”或“或”包含“及/或”,除非另有具体指定。可使用标准编程及/或工程技术将说明性实施例实施为方法、设备或制作产品以生产软件、固件、硬件或其任何组合从而控制计算机以实施所揭示的实施例。
出于说明及描述的目的已呈现所揭示的标的物的说明性实施例的以上描述。不希望其为穷尽性的或将所揭示的标的物限于所揭示的具体形式,且依据以上教示的修改及变体为可能的,或可从对所揭示的标的物的实践中获得修改及变体。选择及描述实施例是为了解释所揭示的标的物的原理及作为所揭示的标的物的实际应用,由此使所属领域的技术人员能够利用各种实施例中的所揭示的标的物及适于所设想的特定用途的各种修改。
Claims (30)
1.一种非暂时性计算机可读媒体,其具有存储在其上的计算机可读指令,当所述计算机可读指令由计算装置执行时致使所述计算装置:
接收包含在钻探操作的先前连接事件期间针对输入变量而测量的值的经测量的钻探数据;
通过使所述经测量的钻探数据作为输入而执行预测模型来确定流体回流测量的预测值,其中使用包含在第二钻探操作期间针对所述输入变量而测量的多个值的先前钻探数据来确定所述预测模型,其中所述第二钻探操作是在与所述钻探操作不同的地理井筒位置处的先前钻探操作;
接收从由用作所述钻探操作的部分的传感器产生的传感器数据而确定的流体回流测量数据;
将所述接收的流体回流测量数据与所述流体回流测量的所述经确定的预测值相比较;以及
基于所述比较而触发对所述钻探操作的警报。
2.根据权利要求1所述的非暂时性计算机可读媒体,其中所述计算机可读指令进一步致使所述计算装置:
接收所述先前钻探数据;以及
使用所述接收的先前钻探数据来确定所述预测模型。
3.根据权利要求2所述的非暂时性计算机可读媒体,其中使用神经网络模型来确定所述预测模型。
4.根据权利要求2所述的非暂时性计算机可读媒体,其中使用决策树模型来确定所述预测模型。
5.根据权利要求2所述的非暂时性计算机可读媒体,其中基于在所述接收的先前钻探数据中所识别的所述输入变量与所述流体回流测量之间的关联来确定所述预测模型。
6.根据权利要求5所述的非暂时性计算机可读媒体,其中所述输入变量是从由以下各者组成的群组中选出:流入速率变量、流出速率变量、表面压力变量、井下压力变量、压差变量、钻头直径变量、流体温度变量、流体密度变量、流体罐容积变量、泥浆流变性质变量、钻进速率变量、扭矩变量、钻杆旋转速度变量及钻头旋转速度变量。
7.根据权利要求5所述的非暂时性计算机可读媒体,其中所述流体回流测量是从由以下各者组成的群组中选出:回流压力、回流流动速率及回流体积。
8.根据权利要求1所述的非暂时性计算机可读媒体,其中所述传感器是从由以下各者组成的群组中选出:回流压力传感器、回流流动速率传感器及回流体积传感器。
9.根据权利要求2所述的非暂时性计算机可读媒体,其中确定所述预测模型包括:
将训练数据集界定为所述接收的先前钻探数据的第一部分;
将验证数据集界定为所述接收的先前钻探数据的第二部分;
界定第一预测模型配置;
基于所述经界定的第一预测模型配置使用所述经界定的训练数据集来训练第一预测模型;
使所述经界定的验证数据集作为到所述经训练的第一预测模型的输入来预测模型输出数据;
将所述经预测的模型输出数据与所述验证数据集的输出数据相比较;以及
基于将所述经预测的模型输出数据与所述验证数据集的输出数据相比较来确定所述经训练的第一预测模型的第一有效得分。
10.根据权利要求9所述的非暂时性计算机可读媒体,其中确定所述预测模型进一步包括:
界定第二预测模型配置;
基于所述经界定的第二预测模型配置使用所述经界定的训练数据集来训练第二预测模型;
使所述经界定的验证数据集作为到所述经训练的第二预测模型的输入来预测第二模型输出数据;
将所述经预测的第二模型输出数据与所述验证数据集的所述输出数据相比较;以及
基于将所述经预测的第二模型输出数据与所述验证数据集的所述输出数据相比较来确定所述经训练的第二预测模型的第二有效得分。
11.根据权利要求10所述的非暂时性计算机可读媒体,其中基于所述经确定的第一有效得分与所述经确定的第二有效得分之间的比较而将所述预测模型确定为所述经训练的第一预测模型或所述经训练的第二预测模型。
12.根据权利要求1所述的非暂时性计算机可读媒体,其中所述计算机可读指令进一步致使所述计算装置基于地质指示符来选择所述预测模型。
13.根据权利要求1所述的非暂时性计算机可读媒体,其中所述计算机可读指令进一步致使所述计算装置基于与所述接收的流体回流测量数据相关联的地质指示符来改变所述预测模型。
14.根据权利要求1所述的非暂时性计算机可读媒体,其中在所述接收的流体回流测量数据大于Pv+PvCl/2时触发所述警报,其中Pv是所述流体回流测量的所述经确定的预测值,且Cl是置信水平的数字值。
15.根据权利要求14所述的非暂时性计算机可读媒体,其中所述置信水平指示所述接收的流体回流测量数据落入所述流体回流测量的所述经确定的预测值的预期变化内的确定性。
16.根据权利要求1所述的非暂时性计算机可读媒体,其中所述计算机可读指令进一步致使所述计算装置确定可接受的流体回流带,其中所述可接受的流体回流带的最大点被界定为Pv+PvCl/2且所述可接受的流体回流带的最小点被界定为Pv-PvCl/2,其中Pv是所述流体回流测量的所述经确定的预测值,且Cl是置信水平的数字值。
17.根据权利要求16所述的非暂时性计算机可读媒体,其中在所述接收的流体回流测量数据大于所述可接受的流体回流带的所述最大点时或在所述接收的流体回流测量数据小于所述可接受的流体回流带的所述最小点时触发所述警报。
18.根据权利要求16所述的非暂时性计算机可读媒体,其中所述经确定的可接受的流体回流带或所述接收的流体回流测量数据中的至少一者被输出到显示装置。
19.根据权利要求1所述的非暂时性计算机可读媒体,其中所述警报为刻度盘的显示装置呈现,其指示所述接收的流体回流测量数据、可接受的流体回流区域、大于可接受的流体回流区域及小于可接受的流体回流区域。
20.一种计算装置,其包括:
处理器;及
非暂时性计算机可读媒体,其可操作地耦合到所述处理器,所述计算机可读媒体具有存储在其上的计算机可读指令,当所述计算机可读指令由所述处理器执行时致使所述计算装置:
接收包含在钻探操作的先前连接事件期间针对输入变量而测量的值的经测量的钻探数据;
通过使所述经测量的钻探数据作为输入而执行预测模型来确定流体回流测量的预测值,其中使用包含在第二钻探操作期间针对所述输入变量而测量的多个值的先前钻探数据来确定所述预测模型,其中所述第二钻探操作是在与所述钻探操作不同的地理井筒位置处的先前钻探操作;
接收从由用作所述钻探操作的部分的传感器产生的传感器数据而确定的流体回流测量数据;
将所述接收的流体回流测量数据与所述流体回流测量的所述经确定的预测值相比较;以及
基于所述比较而触发对所述钻探操作的警报。
21.根据权利要求20所述的计算装置,其中所述计算机可读指令进一步致使所述计算装置基于地质指示符来选择所述预测模型。
22.根据权利要求20所述的计算装置,其中所述计算机可读指令进一步致使所述计算装置确定可接受的流体回流带,其中所述可接受的流体回流带的最大点被界定为Pv+PvCl/2且所述可接受的流体回流带的最小点被界定为Pv-PvCl/2,其中Pv是所述流体回流测量的所述经确定的预测值,且Cl是置信水平的数字值。
23.根据权利要求22所述的计算装置,其中在所述接收的流体回流测量数据大于所述可接受的流体回流带的所述最大点时或在所述接收的流体回流测量数据小于所述可接受的流体回流带的所述最小点时触发所述警报。
24.根据权利要求20所述的计算装置,其中所述计算机可读指令由事件流处理引擎来执行。
25.一种确定何时触发针对物理钻探操作的警报的方法,所述方法包括:
接收包含在钻探操作的先前连接事件期间针对输入变量而测量的值的经测量的钻探数据;
由计算装置通过使所述经测量的钻探数据作为输入而执行预测模型来确定流体回流测量的预测值,其中使用包含在第二钻探操作期间针对所述输入变量而测量的多个值的先前钻探数据来确定所述预测模型,其中所述第二钻探操作是在与所述钻探操作不同的地理井筒位置处的先前钻探操作;
接收从由用作所述钻探操作的部分的传感器产生的传感器数据而确定的流体回流测量数据;
由所述计算装置将所述接收的流体回流测量数据与所述流体回流测量的所述经确定的预测值相比较;以及
由所述计算装置基于所述比较而触发对所述钻探操作的警报。
26.根据权利要求25所述的方法,其进一步包括基于地质指示符来选择所述预测模型。
27.根据权利要求25所述的方法,其进一步包括由所述计算装置基于与所述接收的流体回流测量数据相关联的地质指示符来改变所述预测模型。
28.根据权利要求25所述的方法,其进一步包括由计算装置确定可接受的流体回流带,其中所述可接受的流体回流带的最大点被界定为Pv+PvCl/2且所述可接受的流体回流带的最小点被界定为Pv-PvCl/2,其中Pv是所述流体回流测量的所述经确定的预测值,且Cl是置信水平的数字值。
29.根据权利要求28所述的方法,其中在所述接收的流体回流测量数据大于所述可接受的流体回流带的所述最大点时或在所述接收的流体回流测量数据小于所述可接受的流体回流带的所述最小点时触发所述警报。
30.根据权利要求25所述的方法,其中所述输入变量是从由以下各者组成的群组中选出:流入速率变量、流出速率变量、表面压力变量、井下压力变量、压差变量、钻头直径变量、流体温度变量、流体密度变量、流体罐容积变量、泥浆流变性质变量、钻进速率变量、扭矩变量、钻杆旋转速度变量及钻头旋转速度变量。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361893938P | 2013-10-22 | 2013-10-22 | |
US61/893,938 | 2013-10-22 | ||
US14/518,624 | 2014-10-20 | ||
US14/518,624 US9163497B2 (en) | 2013-10-22 | 2014-10-20 | Fluid flow back prediction |
PCT/US2014/061479 WO2015061255A1 (en) | 2013-10-22 | 2014-10-21 | Fluid flow back prediction |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105408914A true CN105408914A (zh) | 2016-03-16 |
CN105408914B CN105408914B (zh) | 2018-04-24 |
Family
ID=52826904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480039993.1A Active CN105408914B (zh) | 2013-10-22 | 2014-10-21 | 流体回流预测 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9163497B2 (zh) |
CN (1) | CN105408914B (zh) |
BR (1) | BR112016000407B1 (zh) |
CA (1) | CA2915895C (zh) |
GB (1) | GB2529127B (zh) |
HK (1) | HK1216932A1 (zh) |
MX (1) | MX356720B (zh) |
NO (1) | NO341990B1 (zh) |
WO (1) | WO2015061255A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110121585A (zh) * | 2017-01-03 | 2019-08-13 | 通用电气公司 | 用于早期井涌检测的系统和方法 |
CN112543839A (zh) * | 2018-06-22 | 2021-03-23 | 海德里美国分销有限责任公司 | 用于早期检测井涌的方法和设备 |
CN113449417A (zh) * | 2021-06-17 | 2021-09-28 | 中国海洋石油集团有限公司 | 一种注水井溢流层段预测方法 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MX369061B (es) * | 2014-09-29 | 2019-10-28 | Schlumberger Technology Bv | Sistema de control a base de referencia de tiempo absoluto para automatización de construcción de pozo. |
US10577894B1 (en) | 2015-06-08 | 2020-03-03 | DataInfoCom USA, Inc. | Systems and methods for analyzing resource production |
US10577907B2 (en) * | 2016-09-26 | 2020-03-03 | International Business Machines Corporation | Multi-level modeling of steam assisted gravity drainage wells |
US10378324B2 (en) | 2016-09-26 | 2019-08-13 | International Business Machines Corporation | Controlling operation of a steam-assisted gravity drainage oil well system by adjusting controls based on forecast emulsion production |
US10267130B2 (en) | 2016-09-26 | 2019-04-23 | International Business Machines Corporation | Controlling operation of a steam-assisted gravity drainage oil well system by adjusting controls to reduce model uncertainty |
US10570717B2 (en) | 2016-09-26 | 2020-02-25 | International Business Machines Corporation | Controlling operation of a steam-assisted gravity drainage oil well system utilizing continuous and discrete control parameters |
US10614378B2 (en) | 2016-09-26 | 2020-04-07 | International Business Machines Corporation | Cross-well allocation optimization in steam assisted gravity drainage wells |
US10352142B2 (en) * | 2016-09-26 | 2019-07-16 | International Business Machines Corporation | Controlling operation of a stem-assisted gravity drainage oil well system by adjusting multiple time step controls |
EP3379021A1 (en) * | 2017-03-21 | 2018-09-26 | Welltec A/S | Downhole plug and abandonment system |
US10866962B2 (en) | 2017-09-28 | 2020-12-15 | DatalnfoCom USA, Inc. | Database management system for merging data into a database |
US11598196B2 (en) | 2018-11-19 | 2023-03-07 | National Oilwell Varco, L.P. | Universal rig controller interface |
WO2021237266A1 (en) * | 2020-05-29 | 2021-12-02 | Technological Resources Pty Limited | Method and system for controlling a plurality of drill rigs |
Family Cites Families (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5205166A (en) * | 1991-08-07 | 1993-04-27 | Schlumberger Technology Corporation | Method of detecting fluid influxes |
GB2279381B (en) | 1993-06-25 | 1996-08-21 | Schlumberger Services Petrol | Method of warning of pipe sticking during drilling operations |
EP0718641B1 (en) | 1994-12-12 | 2003-08-13 | Baker Hughes Incorporated | Drilling system with downhole apparatus for transforming multiple downhole sensor measurements into parameters of interest and for causing the drilling direction to change in response thereto |
US6209643B1 (en) | 1995-03-29 | 2001-04-03 | Halliburton Energy Services, Inc. | Method of controlling particulate flowback in subterranean wells and introducing treatment chemicals |
US5787986A (en) | 1995-03-29 | 1998-08-04 | Halliburton Energy Services, Inc. | Control of particulate flowback in subterranean wells |
GB9621871D0 (en) | 1996-10-21 | 1996-12-11 | Anadrill Int Sa | Alarm system for wellbore site |
US6234250B1 (en) | 1999-07-23 | 2001-05-22 | Halliburton Energy Services, Inc. | Real time wellbore pit volume monitoring system and method |
US20090143923A1 (en) | 2000-09-08 | 2009-06-04 | Breed David S | Arrangement and Method for Monitoring Shipping Containers |
US6968909B2 (en) | 2002-03-06 | 2005-11-29 | Schlumberger Technology Corporation | Realtime control of a drilling system using the output from combination of an earth model and a drilling process model |
US6944547B2 (en) | 2002-07-26 | 2005-09-13 | Varco I/P, Inc. | Automated rig control management system |
US6820702B2 (en) | 2002-08-27 | 2004-11-23 | Noble Drilling Services Inc. | Automated method and system for recognizing well control events |
US6832650B2 (en) | 2002-09-11 | 2004-12-21 | Halliburton Energy Services, Inc. | Methods of reducing or preventing particulate flow-back in wells |
US7128167B2 (en) | 2002-12-27 | 2006-10-31 | Schlumberger Technology Corporation | System and method for rig state detection |
US7899657B2 (en) | 2003-01-24 | 2011-03-01 | Rockwell Automoation Technologies, Inc. | Modeling in-situ reservoirs with derivative constraints |
US6892813B2 (en) | 2003-01-30 | 2005-05-17 | Halliburton Energy Services, Inc. | Methods for preventing fracture proppant flowback |
EP1608843A1 (en) | 2003-03-31 | 2005-12-28 | Baker Hughes Incorporated | Real-time drilling optimization based on mwd dynamic measurements |
US8209202B2 (en) | 2005-04-29 | 2012-06-26 | Landmark Graphics Corporation | Analysis of multiple assets in view of uncertainties |
DK1929123T3 (da) | 2005-08-19 | 2013-04-02 | Exxonmobil Upstream Res Co | Fremgangsmåde og anordning i tilknytning til stimulationsbehandlinger af borehuller |
US7621324B2 (en) | 2006-03-30 | 2009-11-24 | Don Atencio | Automated flowback and information system |
US7447611B2 (en) | 2006-05-09 | 2008-11-04 | Hsb Solomon Associates, Llc | Power generation performance analysis system and method |
US20080255892A1 (en) | 2007-04-11 | 2008-10-16 | The University Of Southern California | System and Method for Oil Production Forecasting and Optimization in a Model-Based Framework |
US7814989B2 (en) | 2007-05-21 | 2010-10-19 | Schlumberger Technology Corporation | System and method for performing a drilling operation in an oilfield |
US7966273B2 (en) * | 2007-07-27 | 2011-06-21 | Schlumberger Technology Corporation | Predicting formation fluid property through downhole fluid analysis using artificial neural network |
US20090076873A1 (en) | 2007-09-19 | 2009-03-19 | General Electric Company | Method and system to improve engineered system decisions and transfer risk |
US7660673B2 (en) | 2007-10-12 | 2010-02-09 | Schlumberger Technology Corporation | Coarse wellsite analysis for field development planning |
US8244654B1 (en) | 2007-10-22 | 2012-08-14 | Healthways, Inc. | End of life predictive model |
US8121971B2 (en) * | 2007-10-30 | 2012-02-21 | Bp Corporation North America Inc. | Intelligent drilling advisor |
US8417495B2 (en) | 2007-11-07 | 2013-04-09 | Baker Hughes Incorporated | Method of training neural network models and using same for drilling wellbores |
CA2708220C (en) | 2007-12-14 | 2016-04-12 | 3M Innovative Properties Company | Methods of treating subterranean wells using changeable additives |
US7966166B2 (en) | 2008-04-18 | 2011-06-21 | Schlumberger Technology Corp. | Method for determining a set of net present values to influence the drilling of a wellbore and increase production |
US8527248B2 (en) | 2008-04-18 | 2013-09-03 | Westerngeco L.L.C. | System and method for performing an adaptive drilling operation |
US8256534B2 (en) | 2008-05-02 | 2012-09-04 | Baker Hughes Incorporated | Adaptive drilling control system |
GB2460096B (en) | 2008-06-27 | 2010-04-07 | Wajid Rasheed | Expansion and calliper tool |
US20100076740A1 (en) | 2008-09-08 | 2010-03-25 | Schlumberger Technology Corporation | System and method for well test design and interpretation |
US7861800B2 (en) | 2008-10-08 | 2011-01-04 | Schlumberger Technology Corp | Combining belief networks to generate expected outcomes |
MX2011003997A (es) | 2008-10-14 | 2011-08-12 | Schlumberger Technology Bv | Sistema y metodo para automatizacion en linea. |
NO338750B1 (no) | 2009-03-02 | 2016-10-17 | Drilltronics Rig Systems As | Fremgangsmåte og system for automatisert styring av boreprosess |
CA2767689C (en) | 2009-08-07 | 2018-01-02 | Exxonmobil Upstream Research Company | Drilling advisory systems and methods based on at least two controllable drilling parameters |
EP2465073A4 (en) | 2009-08-12 | 2014-09-03 | Exxonmobil Upstream Res Co | OPTIMIZED GUIDELINES FOR DRILLING MANAGEMENT |
US8818779B2 (en) | 2009-12-21 | 2014-08-26 | Baker Hughes Incorporated | System and methods for real-time wellbore stability service |
US7998911B1 (en) | 2010-03-02 | 2011-08-16 | Oil Chem Technologies | Environmental friendly fracturing and stimulation composition and method of using the same |
US8646523B2 (en) | 2010-03-15 | 2014-02-11 | Baker Hughes Incorporated | Method and materials for proppant flow control with telescoping flow conduit technology |
US20120000658A1 (en) | 2010-06-30 | 2012-01-05 | Chevron U.S.A. Inc. | Method for in situ fluid assessment and optimization during wellbore displacement operations |
KR101108177B1 (ko) * | 2010-07-07 | 2012-01-31 | 삼성모바일디스플레이주식회사 | 박막 트랜지스터의 ldd 형성방법, 이를 이용한 박막 트랜지스터 및 유기 전계 발광 장치의 제조 방법 |
CA2807007C (en) | 2010-07-30 | 2018-07-17 | Accenture Global Services Limited | Intelligent core engine |
US8733443B2 (en) | 2010-12-21 | 2014-05-27 | Saudi Arabian Oil Company | Inducing flowback of damaging mud-induced materials and debris to improve acid stimulation of long horizontal injection wells in tight carbonate formations |
CA2829378A1 (en) | 2011-03-09 | 2012-09-13 | Prad Research And Development Limited | Method for charcterizing subsurface formations using fluid pressure response during drilling operations |
US8695692B2 (en) | 2011-07-29 | 2014-04-15 | Baker Hughes Incorporated | Downhole condition alert system for a drill operator |
US9181792B2 (en) | 2011-10-05 | 2015-11-10 | Schlumberger Technology Corporation | Method for detecting and mitigating drilling inefficiencies |
NO2748650T3 (zh) | 2011-10-06 | 2018-02-10 | ||
CA2852765C (en) | 2011-11-02 | 2015-09-15 | Landmark Graphics Corporation | Method and system for predicting a drill string stuck pipe event |
US8210283B1 (en) | 2011-12-22 | 2012-07-03 | Hunt Energy Enterprises, L.L.C. | System and method for surface steerable drilling |
US10385260B2 (en) | 2012-01-12 | 2019-08-20 | Ecolab Usa Inc. | Fracturing fluids including amine oxides as flowback aids |
US9540920B2 (en) | 2012-03-02 | 2017-01-10 | Schlumberger Technology Corporation | Dynamic phase machine automation of oil and gas processes |
WO2013135288A1 (en) | 2012-03-14 | 2013-09-19 | Statoil Canada Limited | System and method for controlling the processing of oil sands |
US9701888B2 (en) | 2012-03-27 | 2017-07-11 | Ecolab Usa Inc. | Microemulsion flowback aid composition and method of using same |
US9255473B2 (en) | 2012-05-07 | 2016-02-09 | Halliburton Energy Services, Inc. | Methods and systems for real-time monitoring and processing of wellbore data |
US9784100B2 (en) | 2012-06-01 | 2017-10-10 | Baker Hughes Incorporated | Smart flowback alarm to detect kicks and losses |
US9022140B2 (en) | 2012-10-31 | 2015-05-05 | Resource Energy Solutions Inc. | Methods and systems for improved drilling operations using real-time and historical drilling data |
US9657558B2 (en) | 2012-12-28 | 2017-05-23 | Schlumberger Technology Corporation | Method for treating and measuring subterranean formations |
US9243486B2 (en) | 2013-02-25 | 2016-01-26 | Baker Hughes Incorporated | Apparatus and method for determining closure pressure from flowback measurements of a fractured formation |
US9085958B2 (en) | 2013-09-19 | 2015-07-21 | Sas Institute Inc. | Control variable determination to maximize a drilling rate of penetration |
-
2014
- 2014-10-20 US US14/518,624 patent/US9163497B2/en active Active
- 2014-10-21 MX MX2016000252A patent/MX356720B/es active IP Right Grant
- 2014-10-21 WO PCT/US2014/061479 patent/WO2015061255A1/en active Application Filing
- 2014-10-21 GB GB1522206.0A patent/GB2529127B/en active Active
- 2014-10-21 CN CN201480039993.1A patent/CN105408914B/zh active Active
- 2014-10-21 CA CA2915895A patent/CA2915895C/en active Active
- 2014-10-21 BR BR112016000407-8A patent/BR112016000407B1/pt active IP Right Grant
-
2015
- 2015-12-22 NO NO20151786A patent/NO341990B1/en unknown
-
2016
- 2016-04-27 HK HK16104778.2A patent/HK1216932A1/zh unknown
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110121585A (zh) * | 2017-01-03 | 2019-08-13 | 通用电气公司 | 用于早期井涌检测的系统和方法 |
CN112543839A (zh) * | 2018-06-22 | 2021-03-23 | 海德里美国分销有限责任公司 | 用于早期检测井涌的方法和设备 |
CN113449417A (zh) * | 2021-06-17 | 2021-09-28 | 中国海洋石油集团有限公司 | 一种注水井溢流层段预测方法 |
Also Published As
Publication number | Publication date |
---|---|
NO341990B1 (en) | 2018-03-12 |
CN105408914B (zh) | 2018-04-24 |
BR112016000407B1 (pt) | 2022-09-27 |
US20150112597A1 (en) | 2015-04-23 |
GB2529127B (en) | 2016-03-30 |
GB2529127A (en) | 2016-02-10 |
US9163497B2 (en) | 2015-10-20 |
MX356720B (es) | 2018-06-11 |
CA2915895A1 (en) | 2015-04-30 |
WO2015061255A1 (en) | 2015-04-30 |
CA2915895C (en) | 2016-06-28 |
BR112016000407A2 (zh) | 2017-07-25 |
MX2016000252A (es) | 2016-09-08 |
HK1216932A1 (zh) | 2016-12-09 |
NO20151786A1 (en) | 2015-12-22 |
GB201522206D0 (en) | 2016-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105408914A (zh) | 流体回流预测 | |
CN105473812B (zh) | 用以最大化钻井钻速的控制变量确定 | |
US10217279B2 (en) | Three dimensional wellbore visualization | |
CA2640725C (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
US7861800B2 (en) | Combining belief networks to generate expected outcomes | |
US8229880B2 (en) | Evaluation of acid fracturing treatments in an oilfield | |
US20160154907A1 (en) | Integrated network asset modeling | |
EP3523502A1 (en) | Machine-learning based drilling models for a new well | |
US11238379B2 (en) | Systems and methods for optimizing oil production | |
US11512573B2 (en) | Stimulation using fiber-derived information and fracturing modeling | |
WO2017059152A1 (en) | Self-organizing swarm intelligent wells | |
US20160187508A1 (en) | System and method of facilitating the retrieval and analysis of data | |
US8099267B2 (en) | Input deck migrator for simulators | |
US20240060405A1 (en) | Method and system for generating predictive logic and query reasoning in knowledge graphs for petroleum systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1216932 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1216932 Country of ref document: HK |