CN106382102A - 一种基于聚类算法的溢流早期预警方法 - Google Patents
一种基于聚类算法的溢流早期预警方法 Download PDFInfo
- Publication number
- CN106382102A CN106382102A CN201611045394.8A CN201611045394A CN106382102A CN 106382102 A CN106382102 A CN 106382102A CN 201611045394 A CN201611045394 A CN 201611045394A CN 106382102 A CN106382102 A CN 106382102A
- Authority
- CN
- China
- Prior art keywords
- overflow
- pressure
- early warning
- clustering algorithm
- data
- 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
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明公开了一种基于聚类算法的溢流早期预警方法,通过在控压钻井施工中,实时监测立管压力传感器以及套管压力传感器的压力数据变化,利用改进DBSCAN聚类算法将套管压力数据以及立管压力数据进行聚类,得到两种压力曲线的变化趋势,根据敏感度的设定进行溢流事故预警。本发明监测及时,精度高,能应对多种井下复杂状况;采用现有地面测量设备的测量信息,监测成本低,利于现场大规模推广应用;依据溢流事故与立压套压变化趋势具有相关性的特点,利用聚类算法将其分类并根据趋势进行判别,提前了溢流预警时间;避免了钻井过程中由于地质信息复杂或缺乏邻井资料的原因,而使得无法建立基于样本信息的溢流预警模型的问题,更具广泛应用性。
Description
技术领域
本发明属于溢流预警技术领域,尤其涉及一种基于聚类算法的溢流早期预警方法。
背景技术
溢流事故是影响钻井施工安全最为严重钻井复杂情况之一,溢流事故不仅严重减缓油田钻井作业开发的速度,增加生产成本,降低钻井效率,甚至可能引发卡钻、井塌、井喷等其它井下一系列复杂事故,继而造成井眼报废引起大量人员伤亡。因此,溢流事故的智能预警对于安全井控的经济效益以及社会影响有着重大的影响意义。目前国内早期溢流预警技术主要靠监测地面钻井工程参数等变化来识别溢流事故,但判断主要通过人工利用经验进行判别,使得早期溢流预警结果的及时性以及可靠性都难以保障;目前钻井过程中由于地质信息复杂或缺乏邻井资料的原因,而使得无法建立基于样本信息的溢流预警模型的问题。
综上所述,国内早期溢流预警存在早期溢流预警结果的及时性以及可靠性都难以保障;无法建立基于样本信息的溢流预警模型;无法建立基于样本信息的溢流预警模型限制了溢流预警的适用性,难以进行应用推广。
发明内容
本发明的目的在于提供一种基于聚类算法的溢流早期预警方法,旨在解决国内早期溢流预警存在早期溢流预警结果的及时性以及可靠性都难以保障;无法建立基于样本信息的溢流预警模型;无法建立基于样本信息的溢流预警模型限制了溢流预警的适用性,难以进行应用推广的问题。
本发明是这样实现的,一种基于聚类算法的溢流早期预警方法,所述基于聚类算法的溢流早期预警方法通过在控压钻井施工中,实时监测立管压力传感器以及套管压力传感器的压力数据变化,利用改进DBSCAN聚类算法将套管压力数据以及立管压力数据进行聚类,得到两种压力曲线的变化趋势,根据敏感度的设定进行溢流事故预警;
DBSCAN聚类算法是将数据点的斜率值作为聚类原则,结合压力斜率以及斜率变化持续时间作为该点的实际斜率值:
式中:K的值根据现场情况而定,取2或者3。
进一步,控压钻井正常施工时,数据采集器将实时采集立管压力传感器以及套管压力传感器的压力数据送存于主控计算机的传感器参数数据库中,并将立管压力数据和套管压力数据按时间顺序进行排列并进行图像显示。
进一步,设置DBSCAN聚类的参数Eps、Minpts以及溢流事故识别敏感度。
进一步,根据得到的立管压力和套管压力的聚类结果,采用最小二乘法进行线性拟合分析,并将每一类拟合直线段的斜率来表示此段压力曲线的斜率Ti。
进一步,将得到的Ti与设定的溢流事故识别敏感度S进行比较,其中立管压力的第二段斜率变化值是高于立管压力溢流事故识别敏感度的,同时,套管压力的第二段斜率变化值也是高于立管压力溢流事故识别敏感度,将立管压力和套管压力的第二段重合时间作为溢流事故预警段。
本发明的另一目的在于提供一种由所述基于聚类算法的溢流早期预警方法建立的溢流预警模型。
本发明的另一目的在于提供一种由所述基于聚类算法的溢流早期预警方法制造的溢流事故智能预警器。
本发明提供的基于聚类算法的溢流早期预警方法,相比于现有技术有益效果如下:
(1)以立管压力、套管压力的变化为基础,监测及时,精度高,能应对多种井下复杂状况。
(2)采用现有地面测量设备的测量信息,监测成本低,利于现场大规模推广应用;立管压力传感器以及套管压力传感器都是属于地面设备,其成本相较于井下设备价格更低;由于本发明的不需要通过邻井数据进行样本训练而推导的模型,加之成本相对较低,所以应用性更加广泛,更满足市场需求。
(3)依据溢流事故与立压套压变化趋势具有相关性的特点,利用聚类算法将其分类并根据趋势进行判别,提前了溢流预警时间。
(4)避免了钻井过程中由于地质信息复杂或缺乏邻井资料的原因,而使得无法建立基于样本信息的溢流预警模型的问题,更具广泛应用性。
(5)相较于实际溢流事故发生时间,本发明的溢流事故预警时间识别效果正确有效。
附图说明
图1是本发明实施例提供的基于聚类算法的溢流早期预警方法流程图。
图2是本发明实施例提供的实施例的流程图
图3是本发明实施例提供的现场安装示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明通过在控压钻井施工中,实时监测立管压力传感器以及套管压力传感器的压力数据变化,利用改进DBSCAN聚类算法将套管压力数据以及立管压力数据进行聚类,得到两种压力曲线的变化趋势,根据敏感度的设定进行溢流事故预警。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的基于聚类算法的溢流早期预警方法包括以下步骤:
S101:控压钻井正常施工时,数据采集器将实时采集立管压力传感器以及套管压力传感器的压力数据送存于主控计算机的传感器参数数据库中,并将立管压力数据和套管压力数据按时间顺序进行排列并进行图像显示;
S102:设置DBSCAN聚类的参数Eps、Minpts以及溢流事故识别敏感度;
S103:利用改进的DBSCAN聚类根据设定的参数值分别对立管压力和套管压力数据进行聚类;
S104:根据得到的立管压力和套管压力的聚类结果,采用最小二乘法进行线性拟合分析,并将每一类拟合直线段的斜率来表示此段压力曲线的斜率Ti;
S105:将得到的Ti与设定的溢流事故识别敏感度S进行比较,其中立管压力的第二段斜率变化值是高于立管压力溢流事故识别敏感度的,同时,套管压力的第二段斜率变化值也是高于立管压力溢流事故识别敏感度的,因此将立管压力和套管压力的第二段重合时间作为溢流事故预警段。
下面截取XX油田YY井52725s~53216s段实时采集的立管压力和套管压力数据为例,对本发明进行说明。
(1)控压钻井正常施工时,数据采集器将实时采集立管压力传感器以及套管压力传感器的压力数据送存于主控计算机的传感器参数数据库中,并将立管压力数据和套管压力数据按时间顺序进行排列并进行图像显示;
(2)设置DBSCAN聚类的参数Eps、Minpts以及溢流事故识别敏感度;
(3)利用改进的DBSCAN聚类根据设定的参数值分别对立管压力和套管压力数据进行聚类;
(4)根据得到的立管压力和套管压力的聚类结果,采用最小二乘法进行线性拟合分析,并将每一类拟合直线段的斜率来表示此段压力曲线的斜率Ti,其中立管压力被分为三段,其变化斜率值分别为0.00011,0.05864,-0.02242;套管压力被分为四段,其变化斜率值分别为-0.000021,0.044407,-0.029796,-0.002254;
(5)将得到的Ti与设定的溢流事故识别敏感度S进行比较,其中立管压力的第二段斜率变化值是高于立管压力溢流事故识别敏感度的,同时,套管压力的第二段斜率变化值也是高于立管压力溢流事故识别敏感度的,因此将立管压力和套管压力的第二段重合时间作为溢流事故预警段。重合时间为53046s~53122s,实际溢流事故发生时间为53122s,则该溢流事故预警时间比实际溢流事故发生时间提前了近42s。
下面结合具体实施例对本发明的应用原理作进一步的描述。
如图2和图3所示。
本发明实施例在溢流事故判断预警的同时,根据实时采集的立管压力和套管压力数据绘制实时动态图像以及设定的溢流事故敏感度S,并以便监测人员对井内的状况有更加直观的了解。主控计算机可在无人工干预的情况下进行数据信息自动读取、存储以及分析,并根据判断结果进行实时报警。
针对立管压力和套管压力值的差距,以及数据分布的不均匀,采用统一设定的Minpts和分区域设定Eps;Minpts的值取3,而Eps则根据套管压力和立管压力的数量级以及图像曲线平缓段、上升段以及下降段进行确定,其中立管压力的Eps设定分别为0.01,0.02,0.02以及套管压力的Eps设定分别为0.001,0.03,0.03;溢流事故识别敏感度S可根据现场实际进行调整,分为立管压力和套管压力两种敏感度,分别设定为0.03和0.02。
改进的DBSCAN聚类算法是将数据点的斜率值作为聚类原则,并为了尽量减少在钻井过程中井下以及地面各因素的干扰,提高聚类精度,结合压力斜率以及斜率变化持续时间作为该点的实际斜率值:
式中:K的值根据现场情况而定,本例取2。
根据立压套压监测的实时性以及溢流事故与立压套压变化趋势具有相关性的特点,当立管压力以及套管压力同时增加时,则有溢流事故发生。本预警方法就是依据该相关性进行溢流事故的判定,从而达到预警。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于聚类算法的溢流早期预警方法,其特征在于,所述基于聚类算法的溢流早期预警方法通过在控压钻井施工中,实时监测立管压力传感器以及套管压力传感器的压力数据变化,利用改进DBSCAN聚类算法将套管压力数据以及立管压力数据进行聚类,得到两种压力曲线的变化趋势,根据敏感度的设定进行溢流事故预警;
DBSCAN聚类算法是将数据点的斜率值作为聚类原则,结合压力斜率以及斜率变化持续时间作为该点的实际斜率值:
式中:K的值根据现场情况而定,取2或者3。
2.如权利要求1所述的基于聚类算法的溢流早期预警方法,其特征在于,控压钻井正常施工时,数据采集器将实时采集立管压力传感器以及套管压力传感器的压力数据送存于主控计算机的传感器参数数据库中,并将立管压力数据和套管压力数据按时间顺序进行排列并进行图像显示。
3.如权利要求1所述的基于聚类算法的溢流早期预警方法,其特征在于,设置DBSCAN聚类的参数Eps、Minpts以及溢流事故识别敏感度。
4.如权利要求1所述的基于聚类算法的溢流早期预警方法,其特征在于,根据得到的立管压力和套管压力的聚类结果,采用最小二乘法进行线性拟合分析,并将每一类拟合直线段的斜率来表示此段压力曲线的斜率Ti。
5.如权利要求4所述的基于聚类算法的溢流早期预警方法,其特征在于,将得到的Ti与设定的溢流事故识别敏感度S进行比较,其中立管压力的第二段斜率变化值是高于立管压力溢流事故识别敏感度的,同时,套管压力的第二段斜率变化值也是高于立管压力溢流事故识别敏感度,将立管压力和套管压力的第二段重合时间作为溢流事故预警段。
6.一种由权利要求1~5任意一项所述基于聚类算法的溢流早期预警方法建立的溢流预警模型。
7.一种由权利要求1~5任意一项所述基于聚类算法的溢流早期预警方法制造的溢流事故智能预警器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611045394.8A CN106382102B (zh) | 2016-11-24 | 2016-11-24 | 一种基于聚类算法的溢流早期预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611045394.8A CN106382102B (zh) | 2016-11-24 | 2016-11-24 | 一种基于聚类算法的溢流早期预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106382102A true CN106382102A (zh) | 2017-02-08 |
CN106382102B CN106382102B (zh) | 2019-01-18 |
Family
ID=57957753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611045394.8A Active CN106382102B (zh) | 2016-11-24 | 2016-11-24 | 一种基于聚类算法的溢流早期预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106382102B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388921A (zh) * | 2018-03-05 | 2018-08-10 | 中国石油集团工程技术研究院有限公司 | 一种基于随机森林的溢流漏失实时识别方法 |
CN108765889A (zh) * | 2018-04-17 | 2018-11-06 | 中国石油集团安全环保技术研究院有限公司 | 基于大数据技术的油气生产运行安全预警方法 |
CN109339768A (zh) * | 2018-10-23 | 2019-02-15 | 西南石油大学 | 一种钻井微溢流随钻监测方法 |
CN111119864A (zh) * | 2018-11-01 | 2020-05-08 | 中国石油化工股份有限公司 | 基于气侵压力特征的溢流监测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060224369A1 (en) * | 2003-03-26 | 2006-10-05 | Yang Shan H | Performance prediction method for hydrocarbon recovery processes |
CN101545373A (zh) * | 2008-11-06 | 2009-09-30 | 中国石化集团胜利石油管理局地质录井公司 | 一种预报溢流的方法 |
CN102402184A (zh) * | 2011-10-28 | 2012-04-04 | 中国石油集团川庆钻探工程有限公司 | 井筒压力模型预测系统控制方法 |
JP5153677B2 (ja) * | 2009-02-10 | 2013-02-27 | 日本電信電話株式会社 | 逐次クラスタリング装置とその方法及びプログラム |
CN103470202A (zh) * | 2013-05-10 | 2013-12-25 | 中国石油大学(华东) | 油气井钻井过程中溢流在线综合监测与预警方法 |
-
2016
- 2016-11-24 CN CN201611045394.8A patent/CN106382102B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060224369A1 (en) * | 2003-03-26 | 2006-10-05 | Yang Shan H | Performance prediction method for hydrocarbon recovery processes |
CN101545373A (zh) * | 2008-11-06 | 2009-09-30 | 中国石化集团胜利石油管理局地质录井公司 | 一种预报溢流的方法 |
JP5153677B2 (ja) * | 2009-02-10 | 2013-02-27 | 日本電信電話株式会社 | 逐次クラスタリング装置とその方法及びプログラム |
CN102402184A (zh) * | 2011-10-28 | 2012-04-04 | 中国石油集团川庆钻探工程有限公司 | 井筒压力模型预测系统控制方法 |
CN103470202A (zh) * | 2013-05-10 | 2013-12-25 | 中国石油大学(华东) | 油气井钻井过程中溢流在线综合监测与预警方法 |
Non-Patent Citations (1)
Title |
---|
杨静等: "基于数据场的改进DBSCAN聚类算法", 《计算机科学与探索》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388921A (zh) * | 2018-03-05 | 2018-08-10 | 中国石油集团工程技术研究院有限公司 | 一种基于随机森林的溢流漏失实时识别方法 |
CN108388921B (zh) * | 2018-03-05 | 2021-06-18 | 中国石油天然气集团有限公司 | 一种基于随机森林的溢流漏失实时识别方法 |
CN108765889A (zh) * | 2018-04-17 | 2018-11-06 | 中国石油集团安全环保技术研究院有限公司 | 基于大数据技术的油气生产运行安全预警方法 |
CN109339768A (zh) * | 2018-10-23 | 2019-02-15 | 西南石油大学 | 一种钻井微溢流随钻监测方法 |
CN111119864A (zh) * | 2018-11-01 | 2020-05-08 | 中国石油化工股份有限公司 | 基于气侵压力特征的溢流监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106382102B (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106382102A (zh) | 一种基于聚类算法的溢流早期预警方法 | |
CN107977749A (zh) | 一种油田开发指标的预测分析方法 | |
CN103615236A (zh) | 一种远程录井信息实时监测地层压力的方法 | |
CN106121621A (zh) | 一种智能钻井专家系统 | |
CN104747185A (zh) | 非均质油藏储层综合分类评价方法 | |
CN103470202B (zh) | 油气井钻井过程中溢流在线综合监测与预警方法 | |
CN109779602A (zh) | 一种钻井工程智能安全风险预警方法及系统 | |
CN107194068A (zh) | 页岩气压裂过程井下异常工况实时预测预警方法及装置 | |
EP2872736B1 (en) | Monitoring and diagnosing water flooded reservoirs | |
CA2686888A1 (en) | Injection well surveillance system | |
CN109236273A (zh) | 油田开发生产动态数据处理方法 | |
CN104899358B (zh) | 奥灰岩溶裂隙水网络横向分布的预测方法 | |
Li et al. | Abnormality detection for drilling processes based on Jensen–Shannon divergence and adaptive alarm limits | |
CN203783570U (zh) | 综合录井随钻地层压力一体化检测装置 | |
CN108984755A (zh) | 一种地质地理信息系统处理方法 | |
Haibo et al. | Application of an intelligent early-warning method based on DBSCAN clustering for drilling overflow accident | |
CN102644457B (zh) | 一种随钻邻井距离计算方法 | |
Hu et al. | Water flooding flowing area identification for oil reservoirs based on the method of streamline clustering artificial intelligence | |
CN116658246A (zh) | 一种煤矿水害监测预警系统及方法 | |
CN107605474B (zh) | 一种随钻预测气层产量的方法及装置 | |
CN105260550A (zh) | 一种油井间连通关系的评价方法 | |
CN109670729A (zh) | 一种顶板含水层富水性评价方法 | |
CN105484725A (zh) | 一种钻井井下异常监测装置 | |
CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
CN108119121A (zh) | 一种水平井重复压裂潜力井快速筛选方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Liang Haibo Inventor after: Luo Mingyang Inventor after: Zhang He Inventor after: Yu Xi Inventor after: Wang Zhi Inventor after: Tan Yun Inventor before: Liang Haibo Inventor before: Tan Yun Inventor before: Zhang He Inventor before: Yu Xi Inventor before: Wang Zhi |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |