CN106150485A - 一种基于数字岩体的钻井井漏预测系统 - Google Patents

一种基于数字岩体的钻井井漏预测系统 Download PDF

Info

Publication number
CN106150485A
CN106150485A CN201510163640.9A CN201510163640A CN106150485A CN 106150485 A CN106150485 A CN 106150485A CN 201510163640 A CN201510163640 A CN 201510163640A CN 106150485 A CN106150485 A CN 106150485A
Authority
CN
China
Prior art keywords
parameter
density
drilling
leakage
module
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
Application number
CN201510163640.9A
Other languages
English (en)
Other versions
CN106150485B (zh
Inventor
肖莉
杨传书
曾义金
孙旭
赵勇
段继男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Research Institute of Petroleum Engineering
Original Assignee
China Petroleum and Chemical Corp
Sinopec Research Institute of Petroleum Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Research Institute of Petroleum Engineering filed Critical China Petroleum and Chemical Corp
Priority to CN201510163640.9A priority Critical patent/CN106150485B/zh
Publication of CN106150485A publication Critical patent/CN106150485A/zh
Application granted granted Critical
Publication of CN106150485B publication Critical patent/CN106150485B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Consolidation Of Soil By Introduction Of Solidifying Substances Into Soil (AREA)
  • Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)

Abstract

本发明提供了一种基于数字岩体的钻井井漏预测系统,该系统包括:系统初始化模块,其采集当前井的井眼轨道数据,以获取井眼轨道每一位置处的坐标;地质参数抽取模块,其根据井眼轨道中每一位置处的坐标,从当前井的数字岩体中获取每一位置处的地质参数信息;工程参数采集与计算模块,其获取每一位置处的工程参数信息;井漏风险预测模块,其根据每一位置处的地质参数信息和工程参数信息获取该位置处的钻井井漏风险值。本发明系统能够基于相关地质参数和钻井工程参数,对钻井全井段进行井漏风险预测,既可以用来进行钻井设计方案的评价和优化,又能在钻井施工过程中及时识别井漏苗头,从而最大限度避免井漏的发生。

Description

一种基于数字岩体的钻井井漏预测系统
技术领域
本发明属于油气井钻井技术领域,尤其涉及一种基于数字岩体的钻井井漏预测系统。
背景技术
井漏是深井超深井钻井工程中最普遍的复杂性事件之一。为了避免发生井漏和保护油气层,必须提前预测全井各层段发生井漏风险的可能性,提前进行钻井方案的优化或采取预防措施,在施工过程中密切关注高风险井段,或及时识别即将发生的井漏风险,有的放矢,确保钻井安全。
为解决上述难题,国内外专家学者已开展了一些研究,现有漏失的预测识别方法,或是通过传感器观察现场现象,或是在井漏发生之后根据井漏的各种特性来确定,或是对引起井漏发生的地质特征进行模糊评价宏观得到某地区的潜在井漏风险,或是利用待预测井的部分参数同邻井井漏的一些“特征值”相匹配。
然而,现有技术无法结合地质和工程信息对钻井全井段潜在井漏风险的预测。
发明内容
本发明所要解决的技术问题之一是需要提供一种基于数字岩体的钻井井漏预测系统,该系统能够结合地质和工程信息对钻井全井段潜在井漏风险进行预测。
为了解决上述技术问题,本申请的实施例首先提供了一种基于数字岩体的钻井井漏预测系统,该系统包括:系统初始化模块,其采集当前井的井眼轨道数据,以获取井眼轨道每一位置处的坐标;地质参数抽取模块,其根据井眼轨道中每一位置处的坐标,从当前井的数字岩体中获取每一位置处的地质参数信息;工程参数采集与计算模块,其根据井眼轨道中每一位置处的坐标,获取每一位置处的工程参数信息;井漏风险预测模块,其根据每一位置处的地质参数信息和工程参数信息获取该位置处的钻井井漏风险值。
优选地,所述地质参数抽取模块进一步用于,从当前井的数字岩体中提取每一位置处的地质参数的数值;根据数字岩体的数据来源和构建过程,获取每一位置处的地质参数的可信度值,其中,所述地质参数包括如下:溶洞信息、断层信息、裂缝信息、岩石类型、渗透率、地层孔隙压力当量密度和地层破裂压力当量密度。
优选地,所述工程参数采集与计算模块进一步用于,从钻井工程设计方案或随钻采集的数据中提取每一位置处的工程参数的数值;根据数据来源确定每种工程参数的可信度,其中,所述工程参数包括如下:钻井液密度、钻井液塑性粘度、排量、钻速、岩屑尺寸、岩屑、井眼直径、钻具内径、钻具外径、水眼直径和激动压力系数或者激动压力当量密度;基于提取的每一位置处的工程参数信息计算得到每一位置处的当量循环密度信息。
优选地,所述工程参数采集与计算模块进一步用于,根据每一位置处的工程参数信息,选择相应算法来计算每一位置处的压力当量循环密度;根据计算压力当量循环密度所采用的算法和参与计算的参数得到压力当量循环密度的可信度。
优选地,所述工程参数采集与计算模块进一步用于,假设参与计算的有n个参数E1…En,计算每个参数对于ECD计算的独立可信度CF(Ei)=CF(E)[i]*CF(ECD算法),CF(ECD算法)表示计算ECD的算法的可信度,CF(E)[i]表示参数Ei的可信度;计算E1和E2的综合可信度CF(E1E2)=CF(E1)+CF(E2)-CF(E1)*CF(E2),然后将CF(E1E2)作为独立可信度,将其与CF(E3)进行计算得到CF(E1E2 E3),依次迭代计算直至最后一个参数En,进而得到最终的综合可信度CF(ECD),将其作为压力当量循环密度ECD的可信度。
优选地,所述井漏风险预测模块进一步用于,根据每一位置处的地质参数信息和工程参数信息判断是否满足预设条件:若满足,则根据预设条件确定初始风险值,并计算该初始风险值的可信度,基于初始风险值及其可信度得到最终风险值;若不满足预设条件,则确定最终风险值为0。
优选地,所述预设条件包括以下至少之一:存在溶洞或存在断层;压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层破裂压力当量密度;裂缝为非常发育,且压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层孔隙压力当量密度;裂缝为一般发育,且压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;岩石类型为砂岩、砾岩或砂砾岩,且渗透率大于一定值,压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;岩石类型为砂岩、砾岩或砂砾岩,且压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层孔隙压力当量密度;岩石类型为砂岩、砾岩或砂砾岩,且压力当量循环密度大于等于地层孔隙压力当量密度;压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层孔隙压力当量密度;压力当量循环密度大于地层孔隙压力当量密度。
优选地,所述井漏风险预测模块根据所满足的预设条件中各参数的可信度来计算初始风险值的可信度。
优选地,还包括井漏风险剖面可视化及报警模块,其基于地质参数信息、工程参数信息和钻井井漏风险值,以同一个井深为基准以曲线形式来显示井漏风险预测剖面,以及在钻井井漏风险值大于等于预设门限时进行报警。
优选地,还包括:地质参数修正模块,其在随钻过程中,实时修正部分或全部的地质参数信息;工程参数修正模块,其在随钻过程中,更新部分或全部的工程参数信息;以及,所述井漏风险预测模块每隔设定时间间隔提取更新后的地质参数信息和工程参数信息,井漏风险剖面可视化及报警模块以一定的时间间隔,自动刷新相关曲线。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果。
本发明提供的基于数字岩体的钻井井漏预测系统,能够基于相关地质参数和钻井工程参数,对钻井全井段进行井漏风险预测,得到既体现井漏严重度又体现发生概率的量化风险级别,既可以用来进行钻井设计方案的评价和优化,又能在钻井施工过程中及时识别井漏苗头,从而最大限度避免井漏的发生。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明的技术方案而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构和/或流程来实现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1为本发明实施例一的基于数字岩体的钻井井漏预测系统的结构示意图。
图2为本发明实施例二的基于数字岩体的钻井井漏预测系统的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本发明的保护范围之内。
(实施例一)
图1为本发明实施例一的基于数字岩体的钻井井漏预测系统的结构示意图。下面参考图1来详细说明本系统的组成和功能。
如图1所示,本系统主要包括系统初始化模块10、地质参数抽取模块20、工程参数采集与计算模块30、井漏风险预测模块40、井漏风险剖面可视化及报警模块50以及钻井风险预测数据库60。
系统初始化模块10,其与钻井风险预测数据库60连接,其采集当前井的井眼轨道(迹)数据,以获取井眼轨道每一位置处的坐标。
井眼轨道数据包括井深、井斜角、方位角等信息。一般,最好每隔较小间隔取一点,在本例中为每隔1米取1个点,模块10依次采集每个点的数据,然后将每个点的数据通过计算转换为笛卡尔坐标值X、Y、Z,最终得到一个有关当前井的井眼轨道的坐标序列,将其存入钻井风险预测数据库60中。
地质参数抽取模块20,其与钻井风险预测数据库60连接,其依据井眼轨道上每一位置处的坐标,从当前井的数字岩体中获取每一位置处的地质参数信息(包括地质参数值及其可信度值),将获取的数据(也可称地质参数集)以每个点对应两组数据的形式存入钻井风险预测数据库60中。
需要说明的是,数字岩体是指系列三维网格数据体,每个网格节点都有坐标值且附有岩体的属性值(如溶洞、裂缝、孔隙度、孔隙压力等等)。一般,基于已有的地质构造模型,就能够构建出用于钻井的数字岩体。而且,从数字岩体中获取沿井眼轨迹的各种工程地质参数,能够精细优化钻井施工方案,提高预测钻井井漏的精度。
具体地,地质参数抽取模块20从当前井的数字岩体中提取每一位置处的地质参数的数值,然后根据数字岩体的数据来源和构建过程,获取每一位置处的地质参数的可信度值。其中,地质参数包括如下:溶洞信息、断层信息、裂缝信息、岩石类型、渗透率、地层孔隙压力当量密度和地层破裂压力当量密度等。
例如,模块20从井眼轨道的第一点开始,逐一利用每一点的坐标,从数字岩体中获取该点处的如下地质参数的值:溶洞信息、断层信息、裂缝信息、岩石类型、渗透率、地层孔隙压力当量密度和地层破裂压力当量密度,然后将这些值写入数据库60中。
工程参数采集与计算模块30,其与钻井风险预测数据库60连接,其根据井眼轨道中每一位置处的坐标(主要依据井深),获取每一位置处的工程参数信息(包括工程参数值及其可信度值)。
具体地,工程参数采集与计算模块30从钻井工程设计方案或随钻采集的数据中提取每一位置处的工程参数,并根据数据来源确定每种工程参数的可信度。其中,工程参数包括如下:钻井液密度、钻井液塑性粘度、排量、钻速、岩屑尺寸、岩屑、井眼直径、钻具内径、钻具外径、水眼直径、设定激动压力系数或者计算得到激动压力当量密度等。然后,模块30根据提取的每一位置处的工程参数信息,计算得到每一位置处的压力当量循环密度(也为一个工程参数)信息。最后将以上数据(可称为工程参数集)存入钻井风险预测数据库60中。
工程参数采集与计算模块30在计算得到每一位置处的压力当量循环密度信息时,先根据每一位置处的工程参数信息,选择相应算法来计算每一位置处的压力当量循环密度,然后根据计算压力当量循环密度所采用的算法和参与计算的参数得到压力当量循环密度的可信度。本例中可以利用水力参数(包括井深、钻井液密度等参数)来计算压力当量循环密度。
工程参数采集与计算模块30在根据计算压力当量循环密度所采用的算法和用到的参数得到压力当量循环密度ECD的可信度时,进一步假设参与计算的有n个参数E1…En,则先计算每个参数对于ECD计算的独立可信度CF(Ei)=CF(E)[i]*CF(ECD算法),CF(ECD算法)表示计算ECD的算法的可信度,CF(Ei0)表示参数Ei的可信度。然后计算E1和E2的综合可信度CF(E1E2)=CF(E1)+CF(E2)-CF(E1)*CF(E2),然后将CF(E1E2)作为独立可信度用类似的方法与CF(E3)计算得到CF(E1E2 E3),即CF(E1E2 E3)=CF(E1E2)+CF(E3)-CF(E1E2)*CF(E3),……依次迭代计算直至最后一个参数En的位置,得到最终的综合可信度CF(ECD),将其作为压力当量循环密度ECD的可信度。
需要说明的是,现有的系统均假设所使用的数据的可信度是100%准确,所使用的计算和判断方法也是100%可靠,然而在实际工作中这些数据和方法非理想化,相比现有技术,本发明考虑了数据和计算方法的可靠度,进一步提高了预测钻井井漏的精确度。
井漏风险预测模块40,其通过数据接口与钻井风险预测数据库60连接,从该数据库60中提取上述有关地质参数和工程参数这两类数据,以每个点为一组数据来获取。
井漏风险预测模块40针对每个点的每组数据进行逐一判别来计算得到钻井井漏的风险级别R序列值。
具体地,井漏风险预测模块40根据井眼轨道的每一位置处的地质参数信息和工程参数信息来获取该位置处的钻井井漏风险值。进一步,模块40根据每一位置处的地质参数信息和工程参数信息判断是否满足预设条件,若满足,则根据预设条件确定初始风险值,计算该初始风险值的可信度,基于初始风险值及其可信度得到最终风险值。若不满足预设条件,则确定最终风险值为0。在本例中,根据所满足的预设条件中各参数的可信度来计算初始风险值的可信度,例如,可以利用计算压力当量循环密度ECD的可信度的上述迭代方法来计算R0的可信度CF(R0),还可以利用各因素的可信度的几何平均值来得到R0的可信度CF(R0),在此不作限定。
进一步,上述预设条件可以包括以下至少之一:(1)存在溶洞或存在断层;(2)压力当量循环密度与激动压力系数之和大于地层破裂压力当量密度;(3)裂缝为非常发育,且压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;(4)裂缝为一般发育,且压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;(5)岩石类型为砂岩、砾岩或砂砾岩,且渗透率大于一定值,压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;(6)岩石类型为砂岩、砾岩或砂砾岩,且压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;(7)岩石类型为砂岩、砾岩或砂砾岩,且压力当量循环密度大于等于地层孔隙压力当量密度;(8)压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;(9)压力当量循环密度大于地层孔隙压力当量密度。
由于本发明在确定风险值时不仅考虑了初始风险值,还考虑初始风险值的可信度,因此所得到的钻井井漏风险值的精确度较高。虽然现有技术中事后判断的方法可以尽量控制风险,挽回部分损失,但这样不可避免地导致钻井液漏失和油气层污染,而且如果采取措施不及时,容易使事态恶化,酿成事故。而本发明在设计初期就能够较准确地预测井漏发生的风险,能够及早地避免风险的发生。
另外,还可以包括井漏风险剖面可视化及报警模块50,其与井漏风险预测模块40和钻井风险预测数据库60连接,模块50从钻井风险预测数据库60中提取地质参数集、工程参数集和风险级别序列值,以同一个井深轴为基准以曲线形式来显示井漏风险预测剖面。在该井漏风险预测剖面图中可以显示出该井的井眼轨道的地质参数曲线、工程参数曲线和风险级别曲线。如果设置了报警门限,那么该井漏风险预测剖面还可以显示出风险报警提示信息。另外,在风险值超过预先设定的门限值时,该模块50还会自动触发报警提示,例如以声音或者点灯方式来发出报警。
在一位置处的钻井井漏风险值大于等于设定门限时,技术人员可以对工程参数信息进行调整,以使该位置处的钻井井漏风险值小于设定门限。
综上,该模块50能够辅助技术人员全面查看全井段的地质、工程情况以及对应的风险级别,尤其是风险级别高的井段,通过进一步分析原因,制定改进或应对措施,能够控制风险的发生。
本发明实施例的系统可用于钻井设计阶段对全井进行井漏预测,进而优化设计,并提出应对风险的预案。在各种数据准备完整的前提下,本系统只需进行简单的初始化,整个预测过程由系统自动完成,无需人工干预,使用非常方便。
(实施例二)
图2为本发明实施例二的基于数字岩体的钻井井漏预测系统的结构示意图。下面参考图2来说明本实施例的系统的组成和功能。
为了便于说明,不再对与前述实施例相同的结构进行详细展开,而仅重点说明与前述实施例的不同之处。在图2中,对与前述实施例相同或相似的结构,采用了相同的附图标记。
实施例一主要应用在对钻井设计方案的评价和优化中,而应用在随钻过程中时,进入系统的工程参数是实钻数据而非设计数据,部分地质参数也会通过测量和计算进行更新,因此,本系统还包括地质参数修正模块70和工程参数修正模块80。
地质参数修正模块70,其与钻井风险预测数据库60连接,在随钻过程中实时修正部分或全部地质参数。
工程参数修正模块80,其与钻井风险预测数据库60连接,在随钻过程中,根据例如传感器采集、传输的数据对部分或全部工程参数进行更新。例如,可以对钻井液密度、钻井液塑性粘度、排量、钻速等工程参数进行更新,在更新了这些参数后,重新计算得到所需的当量循环密度。
另外,由于地质参数和工程参数会被实时更新,因此为了保证钻井井漏的预测精度,井漏风险预测模块50每隔设定时间间隔从数据库60中提取更新后的有关地质参数和工程参数这两类数据。
而且,井漏风险剖面可视化及报警模块50也以一定的时间间隔,自动刷新相关曲线(地质参数曲线、工程参数曲线和风险级别曲线),当风险值超过门限值(可以是事先设定的某个值)时,系统自动触发报警提示。
而且,在实钻过程中,处于“下钻”状态时,上述激动压力系数统一用实际计算的激动压力当量密度替代。
本发明实施例的系统在施工过程中,对钻前预测的风险进行自动实时修正并预警,能最大程度控制井漏的发生或在第一时间发现风险并采取有效处理措施,将损失降至最低。而且,在各种数据准备完整的前提下,本系统只需进行简单的初始化,整个预测过程由系统自动完成,无需人工干预,使用非常方便。
示例1
在YB***井钻井设计阶段,按照常规的设计流程,将井眼轨道、井身结构、钻具组合、钻头、水力参数设计完成。将这个设计方案的相关工程参数录入本系统,同时选择该井所在的YB区块的数字岩体,利用系统自动抽取岩体属性。运行系统其其他系列模块后,界面显示了该井从0m至6756m的所有地质数据、工程数据曲线,同时以相同比例显示了井漏风险曲线。发现在4801m至5112m井段的风险曲线处于峰值段,井漏风险级别R>4,设计人员认为这种潜在风险太高,之后通过仔细研究,多次调整相关设计参数,每次重新进行风险预测,直至风险值R<3,达到设计预期,才最终定稿。
本例考虑了具体的钻井工程设计信息与地质情况之间的相互作用关系,因此可以针对具体的井采取针对性措施进行优化和预防。
示例2
在SB***井钻井施工过程中,将测量的井眼轨迹信息、录井信息实时自动接入本系统,选择读取该井所在区块的数字岩体,运行该系统,界面上每个数秒钟自动刷新相关的曲线,不断更新全井的风险曲线,钻进正常进行。某日,在接单根下钻过程中,现场人员设置下钻速度,开始下钻,系统显示当前井底位置(5263.2m)的风险曲线达到峰值报警,且风险值R=4.6,技术人员认为可能因下钻过快引起压力波动所致,立即放慢下钻速度,警报解除,避免了井漏的发生。
本发明设计了一种井漏预测系统,包括系统初始化模块、地质参数抽取模块、工程参数采集与计算模块、钻井风险预测数据库、地质参数修正模块、工程参数修正模块、数据接口、井漏风险预测模块、井漏风险可视化及报警模块。利用地质参数抽取模块从数字岩体中抽取相关地质参数集;利用工程参数采集与计算模块获取相关的钻井工程参数集;将这两个参数集都实时存入钻井风险预测数据库中;数据接口从该数据库提取数据,并按井深对数据进行分组;井漏风险预测模块接收数据接口发送的数据,每组逐一判别得到风险级别序列值存入钻井风险预测数据库;井漏风险可视化及报警模块从该数据库提取地质参数集、工程参数集和风险级别序列值,以曲线形式分别显示。利用本系统在钻前进行全井段或局部井段的潜在井漏风险预测,随钻过程中对井漏风险的苗头进行实时识别预警,能辅助钻井设计人员和施工技术人员优化方案、控制钻井风险。
本领域的技术人员应该明白,上述的本发明的各模块可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种基于数字岩体的钻井井漏预测系统,该系统包括:
系统初始化模块,其采集当前井的井眼轨道数据,以获取井眼轨道每一位置处的坐标;
地质参数抽取模块,其根据井眼轨道中每一位置处的坐标,从当前井的数字岩体中获取每一位置处的地质参数信息;
工程参数采集与计算模块,其根据井眼轨道中每一位置处的坐标,获取每一位置处的工程参数信息;
井漏风险预测模块,其根据每一位置处的地质参数信息和工程参数信息获取该位置处的钻井井漏风险值。
2.根据权利要求1所述的系统,其特征在于,所述地质参数抽取模块进一步用于,
从当前井的数字岩体中提取每一位置处的地质参数的数值;
根据数字岩体的数据来源和构建过程,获取每一位置处的地质参数的可信度值,
其中,所述地质参数包括如下:溶洞信息、断层信息、裂缝信息、岩石类型、渗透率、地层孔隙压力当量密度和地层破裂压力当量密度。
3.根据权利要求2所述的系统,其特征在于,所述工程参数采集与计算模块进一步用于,
从钻井工程设计方案或随钻采集的数据中提取每一位置处的工程参数的数值;
根据数据来源确定每种工程参数的可信度,其中,所述工程参数包括如下:钻井液密度、钻井液塑性粘度、排量、钻速、岩屑尺寸、岩屑、井眼直径、钻具内径、钻具外径、水眼直径和激动压力系数或者激动压力当量密度;
基于提取的每一位置处的工程参数信息计算得到每一位置处的当量循环密度信息。
4.根据权利要求3所述的系统,其特征在于,所述工程参数采集与计算模块进一步用于,
根据每一位置处的工程参数信息,选择相应算法来计算每一位置处的压力当量循环密度;
根据计算压力当量循环密度所采用的算法和参与计算的参数得到压力当量循环密度的可信度。
5.根据权利要求4所述的系统,其特征在于,所述工程参数采集与计算模块进一步用于,
假设参与计算的有n个参数E1…En,计算每个参数对于ECD计算的独立可信度CF(Ei)=CF(E)[i]*CF(ECD算法),CF(ECD算法)表示计算ECD的算法的可信度,CF(E)[i]表示参数Ei的可信度;
计算E1和E2的综合可信度CF(E1E2)=CF(E1)+CF(E2)-CF(E1)*CF(E2),然后将CF(E1E2)作为独立可信度,将其与CF(E3)进行计算得到CF(E1E2E3),依次迭代计算直至最后一个参数En,进而得到最终的综合可信度CF(ECD),将其作为压力当量循环密度ECD的可信度。
6.根据权利要求1-5任一项所述的系统,其特征在于,所述井漏风险预测模块进一步用于,
根据每一位置处的地质参数信息和工程参数信息判断是否满足预设条件:
若满足,则根据预设条件确定初始风险值,并计算该初始风险值的可信度,基于初始风险值及其可信度得到最终风险值;若不满足预设条件,则确定最终风险值为0。
7.根据权利要求6所述的系统,其特征在于,所述预设条件包括以下至少之一:
存在溶洞或存在断层;
压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层破裂压力当量密度;
裂缝为非常发育,且压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层孔隙压力当量密度;
裂缝为一般发育,且压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;
岩石类型为砂岩、砾岩或砂砾岩,且渗透率大于一定值,压力当量循环密度与激动压力系数之和大于地层孔隙压力当量密度;
岩石类型为砂岩、砾岩或砂砾岩,且压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层孔隙压力当量密度;
岩石类型为砂岩、砾岩或砂砾岩,且压力当量循环密度大于等于地层孔隙压力当量密度;
压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层孔隙压力当量密度;
压力当量循环密度大于地层孔隙压力当量密度。
8.根据权利要求6所述的系统,其特征在于,
所述井漏风险预测模块根据所满足的预设条件中各参数的可信度来计算初始风险值的可信度。
9.根据权利要求1所述的系统,其特征在于,还包括井漏风险剖面可视化及报警模块,其基于地质参数信息、工程参数信息和钻井井漏风险值,以同一个井深为基准以曲线形式来显示井漏风险预测剖面,以及在钻井井漏风险值大于等于预设门限时进行报警。
10.根据权利要求9所述的系统,其特征在于,还包括:
地质参数修正模块,其在随钻过程中,实时修正部分或全部的地质参数信息;
工程参数修正模块,其在随钻过程中,更新部分或全部的工程参数信息;
以及,所述井漏风险预测模块每隔设定时间间隔提取更新后的地质参数信息和工程参数信息,井漏风险剖面可视化及报警模块以一定的时间间隔,自动刷新相关曲线。
CN201510163640.9A 2015-04-08 2015-04-08 一种基于数字岩体的钻井井漏预测系统 Active CN106150485B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510163640.9A CN106150485B (zh) 2015-04-08 2015-04-08 一种基于数字岩体的钻井井漏预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510163640.9A CN106150485B (zh) 2015-04-08 2015-04-08 一种基于数字岩体的钻井井漏预测系统

Publications (2)

Publication Number Publication Date
CN106150485A true CN106150485A (zh) 2016-11-23
CN106150485B CN106150485B (zh) 2019-03-15

Family

ID=57336678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510163640.9A Active CN106150485B (zh) 2015-04-08 2015-04-08 一种基于数字岩体的钻井井漏预测系统

Country Status (1)

Country Link
CN (1) CN106150485B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108868687A (zh) * 2017-05-15 2018-11-23 中国石油化工股份有限公司 一种防漏堵漏的方法
CN109542884A (zh) * 2018-11-01 2019-03-29 清能艾科(深圳)能源技术有限公司 采用大数据耦合参数以优化破岩效率的方法和系统
CN109779602A (zh) * 2018-12-12 2019-05-21 武汉盛华伟业科技股份有限公司 一种钻井工程智能安全风险预警方法及系统
CN109902360A (zh) * 2018-08-16 2019-06-18 清能艾科(深圳)能源技术有限公司 在钻井现场作业中优化工程参数的方法、装置及机器设备
CN110656932A (zh) * 2019-10-24 2020-01-07 西南石油大学 一种钻井过程中钻井液漏失位置估算方法
CN111305827A (zh) * 2018-12-11 2020-06-19 中国石油化工股份有限公司 用于预测钻井井漏风险预警门限的方法
CN111598366A (zh) * 2019-02-20 2020-08-28 中国石油化工股份有限公司 一种实时钻井辅助决策方法及系统
CN113128014A (zh) * 2019-12-30 2021-07-16 中石化石油工程技术服务有限公司 基于灰色预测理论的钻头前方待钻地层孔隙压力预测方法
CN114075972A (zh) * 2020-08-05 2022-02-22 中石化石油工程技术服务有限公司 基于随钻资料的钻井过程中动态井身结构优化设计方法
CN115584941A (zh) * 2022-11-03 2023-01-10 中国石油天然气集团有限公司 一种数字化井场钻井液管理系统
CN116482330A (zh) * 2023-03-13 2023-07-25 四川省公路规划勘察设计研究院有限公司 水源保护区道路施工期人工岛模拟试验装置
US11795814B2 (en) 2020-03-13 2023-10-24 Landmark Graphics Corporation Early warning and automated detection for lost circulation in wellbore drilling

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101139925A (zh) * 2006-09-08 2008-03-12 西南石油大学 一种随钻测试储层参数特性并实时调整钻井措施的方法
CN101726761A (zh) * 2008-10-15 2010-06-09 中国石油天然气股份有限公司 一种风险约束的油气资源空间分布预测方法
CN102128022A (zh) * 2010-12-30 2011-07-20 中国电子科技集团公司第二十二研究所 钻井工程预警方法及系统
CN202975361U (zh) * 2012-12-10 2013-06-05 山东大学 深长隧道不良地质和岩体力学性质超前探测装置
CN104271882A (zh) * 2012-03-19 2015-01-07 哈里伯顿能源服务公司 钻井系统故障风险分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101139925A (zh) * 2006-09-08 2008-03-12 西南石油大学 一种随钻测试储层参数特性并实时调整钻井措施的方法
CN101726761A (zh) * 2008-10-15 2010-06-09 中国石油天然气股份有限公司 一种风险约束的油气资源空间分布预测方法
CN102128022A (zh) * 2010-12-30 2011-07-20 中国电子科技集团公司第二十二研究所 钻井工程预警方法及系统
CN104271882A (zh) * 2012-03-19 2015-01-07 哈里伯顿能源服务公司 钻井系统故障风险分析方法
CN202975361U (zh) * 2012-12-10 2013-06-05 山东大学 深长隧道不良地质和岩体力学性质超前探测装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张庆华: "油气探井安全评价技术应用研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108868687A (zh) * 2017-05-15 2018-11-23 中国石油化工股份有限公司 一种防漏堵漏的方法
CN108868687B (zh) * 2017-05-15 2020-08-11 中国石油化工股份有限公司 一种防漏堵漏的方法
CN109902360A (zh) * 2018-08-16 2019-06-18 清能艾科(深圳)能源技术有限公司 在钻井现场作业中优化工程参数的方法、装置及机器设备
CN109902360B (zh) * 2018-08-16 2022-12-09 清能艾科(深圳)能源技术有限公司 在钻井现场作业中优化工程参数的方法、装置及机器设备
CN109542884A (zh) * 2018-11-01 2019-03-29 清能艾科(深圳)能源技术有限公司 采用大数据耦合参数以优化破岩效率的方法和系统
CN109542884B (zh) * 2018-11-01 2023-04-07 清能艾科(深圳)能源技术有限公司 采用大数据耦合参数以优化破岩效率的方法和系统
CN111305827B (zh) * 2018-12-11 2023-04-18 中国石油化工股份有限公司 用于预测钻井井漏风险预警门限的方法
CN111305827A (zh) * 2018-12-11 2020-06-19 中国石油化工股份有限公司 用于预测钻井井漏风险预警门限的方法
CN109779602B (zh) * 2018-12-12 2022-07-15 武汉盛华伟业科技股份有限公司 一种钻井工程智能安全风险预警方法及系统
CN109779602A (zh) * 2018-12-12 2019-05-21 武汉盛华伟业科技股份有限公司 一种钻井工程智能安全风险预警方法及系统
CN111598366A (zh) * 2019-02-20 2020-08-28 中国石油化工股份有限公司 一种实时钻井辅助决策方法及系统
CN110656932B (zh) * 2019-10-24 2020-04-24 西南石油大学 一种钻井过程中钻井液漏失位置估算方法
CN110656932A (zh) * 2019-10-24 2020-01-07 西南石油大学 一种钻井过程中钻井液漏失位置估算方法
CN113128014A (zh) * 2019-12-30 2021-07-16 中石化石油工程技术服务有限公司 基于灰色预测理论的钻头前方待钻地层孔隙压力预测方法
US11795814B2 (en) 2020-03-13 2023-10-24 Landmark Graphics Corporation Early warning and automated detection for lost circulation in wellbore drilling
CN114075972A (zh) * 2020-08-05 2022-02-22 中石化石油工程技术服务有限公司 基于随钻资料的钻井过程中动态井身结构优化设计方法
CN115584941A (zh) * 2022-11-03 2023-01-10 中国石油天然气集团有限公司 一种数字化井场钻井液管理系统
CN115584941B (zh) * 2022-11-03 2024-05-28 中国石油天然气集团有限公司 一种数字化井场钻井液管理系统
CN116482330A (zh) * 2023-03-13 2023-07-25 四川省公路规划勘察设计研究院有限公司 水源保护区道路施工期人工岛模拟试验装置
CN116482330B (zh) * 2023-03-13 2023-09-19 四川省公路规划勘察设计研究院有限公司 水源保护区道路施工期人工岛模拟试验装置

Also Published As

Publication number Publication date
CN106150485B (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN106150485A (zh) 一种基于数字岩体的钻井井漏预测系统
Marongiu-Porcu et al. Advanced modeling of interwell-fracturing interference: an Eagle Ford shale-oil study
US9085957B2 (en) Discretized physics-based models and simulations of subterranean regions, and methods for creating and using the same
US11143775B2 (en) Automated offset well analysis
US9753181B2 (en) System and method for automatic local grid refinement in reservoir simulation systems
US10168447B2 (en) Automatic geosteering and evolutionary algorithm for use with same
CN110362931B (zh) 一种基于溶洞点源等效原理的油气藏试井解释模型及方法
US10309216B2 (en) Method of upscaling a discrete fracture network model
CN110147956A (zh) 一种井喷事故风险分析方法
CN109632016A (zh) 岩土体硐室开挖与围岩应力、应变监测试验装置及其方法
CN105389451B (zh) 一种用于无人化采掘工作面的适时精准建模方法
KR102155101B1 (ko) 지반 층상정보 예측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 저장 매체
CA2915687C (en) Formation fracturing potential using surrounding pore pressures
CN104615896A (zh) 二氧化碳地质封存场地盖层完整性指标不确定性估计方法
CN105484735A (zh) 一种实钻井眼轨迹与设计轨道符合率的评价方法
CN113742995A (zh) 一种基于煤矿大数据的矿井涌水量预测方法及系统
CN106150484B (zh) 一种基于数字岩体的钻井井漏预测方法
CN107829684B (zh) 3d地质模型—3d水平井轨迹实时联动的钻井方法
CN106150476A (zh) 一种预测钻柱的粘吸卡钻风险的系统
CN105046409B (zh) 煤层群上行开采可行性综合评定及技术保障体系建立方法
Jelušič et al. An adaptive network fuzzy inference system approach for site investigation
CN114075972A (zh) 基于随钻资料的钻井过程中动态井身结构优化设计方法
CN105445797A (zh) 一种获取圈闭含油气概率的方法
CN112233235B (zh) 页岩气水平井空间分析方法、装置及存储介质
CN110020446A (zh) 一种地质导向预警方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant