CN107709700A - 钻探大数据分析法引擎 - Google Patents

钻探大数据分析法引擎 Download PDF

Info

Publication number
CN107709700A
CN107709700A CN201680039309.9A CN201680039309A CN107709700A CN 107709700 A CN107709700 A CN 107709700A CN 201680039309 A CN201680039309 A CN 201680039309A CN 107709700 A CN107709700 A CN 107709700A
Authority
CN
China
Prior art keywords
data
rig
processing
pit shaft
time
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
Application number
CN201680039309.9A
Other languages
English (en)
Inventor
P·D·安诺
S·彭
S·C·拉姆齐
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.)
ConocoPhillips Co
Original Assignee
ConocoPhillips Co
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 ConocoPhillips Co filed Critical ConocoPhillips Co
Priority claimed from PCT/US2016/032019 external-priority patent/WO2016183286A1/en
Publication of CN107709700A publication Critical patent/CN107709700A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • 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
    • E21B44/02—Automatic control of the tool feed
    • E21B44/04—Automatic control of the tool feed in response to the torque of the drive ; Measuring drilling torque

Landscapes

  • Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Earth Drilling (AREA)

Abstract

本发明涉及用于在井筒钻探作业过程中确定钻机的钻机状态并且检测和减轻钻探故障的系统、方法和装置。这些系统、方法和装置提供了具有存储器和处理器的计算机、与井筒钻探作业相关联的用于采集时间序列数据的多个传感器，其中所述数据被格式化以用于样本和带宽正则化并且在时间上被校正以提供基本上时间同步的数据，数据流网络化数学运算符的处理图，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒钻探作业相关联的多个钻机状况的动态状况，以及根据所述多个钻机状况确定钻机状态。

Description

钻探大数据分析法引擎
关于联邦资助的研究或开发的声明
无。
技术领域
本发明总体涉及检测、量化并减轻烃类钻探中的故障。更具体地但并非限制性地，本发明的实施例包括将分析法应用于从井筒钻探作业采集的实时数据以便减轻钻探故障。
背景技术
使用与从地表旋转的钻柱相关联的钻头或使用井下马达、或同时使用井下马达并且从地表旋转钻柱通过钻探作业来开发烃储量。在钻柱末端的井底钻具组合(BHA)可以包括诸如钻铤、扶正器、钻井马达和记录工具、以及测量工具等部件。BHA还能够将各种钻井和地质参数遥测发送到地表设施。
在钻井过程中钻柱在井筒中遇到的阻力导致钻柱的显著磨损，特别常见钻头和BHA的显著磨损。对于增强钻井效率并且使成本最小化而言重要的是，理解井筒的几何形状如何影响钻柱和BHA上的阻力，以及管理潜在导致井下设备失效的动态状况。称为钻探故障的、可能导致部件失效的各种状况包括扭矩过大、冲击、钻头跳动、引入的振动、钻头涡动(whirl)、粘-滑、钻头跳动等等。这些状况必须被快速检测到，从而尽可能快地努力将其减轻，因为某些故障可能迅速导致工具失效。
快速汇聚和分析来自与井筒钻探作业相关的多个来源的数据，通过对钻探故障的及时响应而有助于高效的钻井作业。井下传感器采集的井眼或钻柱时间序列数据的准确定时信息对于汇聚来自地表和井下传感器的信息而言是重要的。然而，每个传感器可能具有其自身的内部时钟，或者来自许多传感器的数据可能是相对于未同步的多个时钟而采集和记录的。定时信息的这种非同步性在合并和处理来自不同传感器的数据时产生了问题。此外，已知传感器定时有时受到各种环境因素的影响，所述环境因素造成了可能不同地影响各种传感器的可变定时漂移。许多因素都可能使独立传感器的定时不准确，所述传感器于是需要被校正或调整以使数据可以在所有传感器信息在时间上一致的情况下被正确地同化，以便将正在钻的井的动态状态准确地通知钻井作业中心。
井下钻探故障可以造成难以检测或预测的严重作业问题。越快越高效地辨识出钻探故障，就可以越快地减轻故障。因而需要高效的方法、系统和装置来快速辨识和减轻在钻井作业过程中的故障。
发明内容
应理解的是，虽然下文中提供了一个或多个实施例的展示性实现方式，但各种具体实施例可以使用任何数目的本领域普通技术人员已知的技术来实现。本披露绝不应以任何方式受限于展示性实施例、附图、和/或下文展示的技术，包括在本文中展示和描述的示例性设计和实现方式。此外，本披露可以在所附权利要求书的范围及其全部等效物范围内进行修改。
在非限制性的实施例中，本发明更具体地包括一种用于在井筒钻探作业过程中确定钻机的钻机状态的系统，所述系统包括：计算机，所述计算机包括存储器和处理器；多个传感器，所述多个传感器与井筒钻探作业相关联，用于采集时间序列数据，其中所述数据被格式化以用于样本和带宽正则化并且在时间上被校正以提供基本上时间同步的数据；数据流网络化数学运算符的处理图，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒钻探作业相关联的多个钻机状况的动态状况；以及根据所述多个钻机状况确定钻机状态。
在另一个非限制性的实施例中，一种用于确定钻机的钻机状态的方法包括：从与井筒相关联的多个传感器采集数据；对所采集的数据进行格式化以用于样本和带宽正则化；对所述数据进行在时间上校正以从所述多个传感器提供基本上等时采样的数据；通过网络化数学运算符的处理图来处理所述所采集的数据，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒相关联的多个钻机操作的动态状况；以及根据所述多个钻机操作状况确定钻机状态。
在仍另外的非限制性实施例中，一种用于减轻钻探故障的钻井装置包括：与多个传感器相关联的钻机，所述传感器向基于地表的聚合器提供时间序列数据，其中所述数据被格式化以用于样本和带宽正则化并且在时间上被校正以提供基本上时间同步的数据，计算机，所述计算机包括存储器和处理器；数据流网络化数学运算符的处理图，所述处理图至少与采集时间序列的速度一样快地应用连续分析法，以确定与井筒钻探作业相关联的多个钻机状况的动态状况；以及根据所述多个钻机状况检测钻探故障。
在再另外的非限制性实施例中，一种计算机程序产品实施在非暂态计算机可读介质中，所述计算机程序产品被适配用于执行用来在井筒钻探作业过程中减轻钻探故障的方法，所述方法包括：从与井筒钻探作业相关联的多个传感器采集数据；对所采集的数据进行格式化以用于样本和带宽正则化；对所述数据进行在时间上校正以从所述多个传感器提供基本上同步采样的数据；通过网络化数学运算符的处理图来处理所述所采集的数据，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒相关联的多个钻机操作的动态状况；根据所述多个钻机操作状况检测钻探故障；以及输出钻机控制指令以减轻所检测的钻探故障。
附图说明
对本发明及其益处的更完整的理解可以通过参照与附图相关进行的以下说明来获得，在附图中：
图1展示了根据本披露的不同实施例的钻井作业的示例；
图2示意性展示了根据本披露的不同实施例的处理图；
图3展示了与几何曲折弯曲函数相关的参数；
图4展示了相对于弯曲的钻管的力；
图5展示了根据本披露的不同实施例用于通过测量与钻柱相关联的信号传播的功率损失来确定实时钻探故障的方法；
图6展示了根据本披露的不同实施例的用于采集时间序列的、与井筒中的钻柱相关联的系统；
图7展示了根据本披露的不同实施例的用于多井钻探的钻井装置的使用；
图8展示了根据本披露的不同实施例在数据的时间校正之前和之后的时间序列数据的示例；
图9展示了根据本披露的不同实施例在井下数据的时钟偏移校正之前和之后的示例；
图10展示了根据本披露的不同实施例在从井下换能器采集的数据的线性时差校正(linear moveout correction)之前和之后的示例；
图11展示了根据本披露实施例的方法，所述方法根据本披露的不同实施例用于调整相对于参照时间的时间序列数据；
图12展示了根据本披露替代实施例的方法，所述方法根据本披露的不同实施例用于调整相对于参照时间的时间序列数据；
图13展示了根据本披露另外的实施例的方法，所述方法根据本披露的不同实施例用于自动调整相对于参照时间的时间序列数据；
图14展示了根据本披露的不同实施例可能对应于计算机或可能为计算机一部分的系统的实施例的示意性图表；
图15展示了根据本披露的不同实施例用于在井筒钻探作业过程中确定钻机的钻机状态的系统；并且
图16展示了根据本披露的不同实施例用于在井筒钻探作业过程中确定钻机的钻机状态的方法。
具体实施方式
现在转到对本发明的优选安排的详细说明，应理解的是，本发明的特征和概念可以在其他安排中体现并且本发明的范围并不限于所说明的或所展示的实施例。本发明的范围仅旨在受到随后权利要求书的范围限制。
给出本发明的某些实施例的以下示例。每个示例都是通过解说本发明的方式提供的，为本发明的众多实施例之一，并且以下的示例不应解读为限制或定义本发明的范围。
在油田钻井作业中减轻钻探故障是工业中的优先事项。低频率地表数据，如RPM、转矩和加速数据，照例用于减轻钻探故障。最近在记录高频率地表以及井下数据方面的进展提供了更好的检测和分析并导致更快速地减轻钻探故障。通过包含在本文披露的实施例内的数据采集和处理能力提供了复杂事件处理(CEP)。当在钻井作业过程中使用信号处理、振动分析、CEP和反馈循环(包括对钻机控制部的用于减轻故障的指令)来分析工具运动和故障指标时，实时分析法是可行的。这导致通过监测和预测而高效地采集井下工具磨损指标，这允许在钻柱的所有部分上进行优化的预防性维护。这还允许有效连续地理解井下状况，从而产生针对完成进行优化的井筒。对分析法引擎有用的指标包括故障指标，如粘-滑指数(SSI)、钻头跳动指数(BBI)、钻头涡动指数(BWI)和比机械能(MSE)。
连续实时采集常规的和新的数据类型的多个数据流尽可能快速且高效地允许对于每个直接采集的时间序列以及这些数据在一起的组合的分析手段。这些测量值如何随时间变化以及每个测量值数据流如何相对于其他数据流变化提供了用于在采集数据时理解钻柱动态特征和井筒状况的新的分析工具。
适当的数据合并和分析对于理解CEP和创建可应用于当前钻井作业的规则或学习方式是不可或缺的。当不同数据类型没有同步到相同的参照时间时，这种数据合并和比较受到影响。
在钻井作业中，传感器被放置在不同的井筒位置、钻柱位置和时间间隔处，以提供实时测量值，如每分钟转数(RPM)、转矩、钻压(WOB)和加速度。由于井轨迹的弯曲效果引起的吸收、散射和泄露，用所述传感器采集的数据可能是不规则分布的并且经受了传输损失。这些效应的非线性组合造成对信号幅值的重要的衰减或功率损失，这可能损害完整性和在钻柱的多个区段处进行的故障预测。
图1展示了根据本披露的不同实施例用第一井筒和第二井筒钻探地层的示例。本文披露的不同实施例用在如图1所展示的钻井环境中，其中从地表钻机设施101钻出井筒102，所述地表钻机设施包括钻机、与钻柱相关联的基于地表的用于从井筒内获得数据的传感器103(例如附接在Kelly或BOP上的电子声学接收器)相关联的钻柱、以及相关联的控制和支持设施105，所述控制和支持设施可以包括数据聚合、数据处理基础设施(包括计算机系统)以及钻井控制系统。在钻井作业过程中，井筒102包括钻柱，所述钻柱包括相关联的井底钻具组合(BHA)，所述井底钻具组合可以包括泥浆马达112、可调节的弯曲壳体或‘BHA动态子组(Dynamic Sub)’114(包含各种传感器、换能器和电子部件)以及钻头116。BHA动态子组采集时间序列数据，如RPM、转矩、弯曲力矩、拉力、压力(ECS)和振动数据。另外，BHA以高保真或标准模式来采集钻井同时测量和钻井同时记录(MWD/LWD)的数据，如倾斜度、方位角、伽马射线、电阻率和其他高级的LWD数据。用BHA采集的任何数据可以作为时间序列数据通过钻柱遥测方式或通过泥浆脉冲遥测方式被传输到钻机101。
钻柱还可以包含相关联的传感器，例如采集高保真时间序列数据(如RPM、转矩、弯曲力矩、拉力和振动数据)的中柱动态子组110，并且这些带有仪器的子组可以通过遥测方式将代表测量值的信号沿钻柱向上发送，这些信号还在钻机101上或附近被记录。
在不同实施例中，通过将钻探第一井筒102时采集的结果提供用于第二井筒(如图1中的井筒104)的钻探，可以提高后续钻井的效率。从钻探第一井筒102确定的模型参数，与通过遥测方式从与第二井筒104的钻柱相关联的BHA接收的几何信息和其他时间序列数据相组合，可以用于确定与钻探作业相关联的井下动态特性，使得可以快速检测和有效减轻故障。
本文中披露的实施例提供了数据驱动式的钻探性能优化。钻探作业的性能优化是大数据问题，要求对各种各样大容量的数据流进行快速(实时)的整合和分析。对相关数据的分析与数据采集一样快。性能优化转化为更安全、更高效且更低成本的钻探。
根据本披露的钻探大数据分析法引擎的实施例提供了流计算范例，以便使数据样本流过由数据流互联的、网络化数学运算符的处理图。在图2中示意性地展示了示例处理图200。数据获取(Data ingestion)是利用许多输入数据流而连续进行的，使得按时间排序且按时间登记的数据样本流动穿过所述图以应用连续的分析法。给分析法引擎(处理图)提供对来自所有钻探作业传感器、通信系统和需要流数据进出的硬件的数据的访问权。每个数学运算符被设计、定位且连接在数据流中，使得处理图的聚合行动在处理图的每个出口点处产生了所希望的分析和输出流。图2示意性地描绘了输入的数据流到处理图的结构、以及对于出口250的输出的分析法和钻机数据控制流，虽然将理解的是，处理图并不限于一个出口。输出数据流包括故障指标、比机械能、钻机状态、井眼状况、工具磨损和钻机控制反馈。
这个钻机大数据分析法引擎“实时”地协调来自井筒钻探作业的所有数据流的流动和分析。对于所记录数据的历史分析，“实时”指示至少与数据的采样速率同样快地执行操作。
作为对图2的处理图示例的输入的非限制性示例，输入210可以包括常规的用于监测钻井作业的手段，如钩负载和转矩。输入220可以是高保真的地表测量值，如RPM、转矩、弯曲、拉力、压力和加速度。输入230可以包括遥测发送到地表的井下测量值，如MWD/LWD、温度、方向信息、存储在存储器中的数据、以及其他所存储的和遥测发送的“连线管道”信息。输入240，作为另一个示例，可以包括其他与钻探作业相关联的数据，如质量确保/质量控制数据、WellView数据和其他可商用的信息或从第三方销售商现场获取的与井作业相关联的数据。
非限制性的实施例包括：通过处理图的数据流协调和分析，包括实时将诊断性钻探数据、反馈和钻探控制参数获取到网络化数学运算符的处理图中。获取保留了输入数据流和寄存器的时间顺序，流中的每个样本具有正确的时钟时间。数据流协调和分析包括为了流过处理图以及为了在图之内和离开图250时的战略位置处的可视化而进行的数据格式化。
采样正则化考虑到传感器的可变采样速率。这种正则化包含信号处理算法和可视化软件。对于向下采样的数据流，可以应用抗锯齿过滤器。带宽正则化考虑到可变的分辨率。分辨率通常在传感器类型之间变化，并且如果不加考虑可能影响数据挖掘和分析的结果。
数据流动协调和分析还包括“静态”和“动态”的时间校正，以考虑不同传感器之间的时间戳差异。“静态”误差是独立于时间戳坐标的，“动态”误差是随时间变化的。静态误差最常见是由人为误差引入的，此时对于来自传感器的数据流不准确地设定了初始时间戳。动态定时误差通常与时钟偏移相关联，此时在与钻机时间序列测量值相关联的所有传感器上的时钟不在相同速率下运行。
动态“时差”校正可以用于将定位在不同物理位置的传感器之间的信号行进时间纳入考虑。与特定传感器或传感器组相关联的参照时间可以任意地选择，如在地表处选择一个，并且所有行进时间对参照时间校正，这可能涉及一次或多次校正，包括时差、静态或动态校正。关于跨传感器数据的时间同步的更多信息在下文中提供。
将通过处理图进行的数据流协调和分析应用于所测量的数据流的信号处理，以去除无信息的信号成分。例如，附接到旋转设备的加速度传感器可能由于旋转而包含无信息的信号成分。将这些贡献部分实时地去除以显露出钻探故障。振动式地无信息的成分可以针对减轻算法。实时信号处理还将来自局部的旋转坐标系的数据映射到全局的静态坐标。
本文中描述的实施例提供了对“钻机状态”的输出数据流的计算。钻机状态是对从诊断性输入数据流计算出的正在进行的钻机操作的逐样本自动化的分类。重要的类别包括旋转钻探、滑动、扩孔、反向扩孔、起下钻等等。数据挖掘和分析通过结合对于每个数据样本的钻机状态知识而得以支持。
通过处理图进行的数据流动协调和分析还包括从在钻井时测量的井筒位置数据来计算表征井筒曲折度的输出数据流。井筒中的高曲折度的多个点对钻柱部件产生了大的接触力，从而产生不希望的振动。
通过处理图的数据流动协调和分析还包括：从地表获得的数据流的能量损失校正，以将诊断性信号从井下的源点行进到地表或反之从地表行进到井下传感器的衰减纳入考虑。钻压校正考虑了施加在地表的重量到钻头上重量的不完全传递。钻探故障(典型地不希望的振动和/或钻压波动)的检测和量化可以从来自部署在任何地点(从地表设备、穿过钻柱、到井底钻具组合和钻头)的传感器的诊断性数据来测量。转矩、加速度和拉力测量值组成用于在钻探作业过程中检测和量化不希望的振动模式的典型诊断性数据流。故障减轻算法和钻机反馈控制可以专注于使从输入数据流计算的故障度量最小化，而不是直接专注于输入流。
通过处理图的数据流动协调和分析还包括：为了减轻钻探故障的目的而用于改变rpm、在地表处施加的钻压、泵压力和其他可控钻探参数的钻机控制指令的输出数据流。
本文中披露的实施例提供了协调所述流并执行对来自井筒钻探作业的所测量数据流的分析的钻探大数据分析法引擎。分析法引擎的实施例包括数据驱动式的钻探性能优化。在钻探背景下的性能优化包括：减小由钻探作业产生的不希望的机械振动，从而减少故障时间。钻探性能度量还包括最优穿透率。
优化是通过实时获取和分析进入的诊断性数据流由分析法引擎实现的。由在线数据分析所驱动，可以实时向钻机控制部下达命令以改变旋转钻柱的RPM或者例如改变施加到钻头的重量。RPM或钻压参数的实时自动化控制要求高密度(例如100样本/秒)的诊断性数据流。与被称为大数据问题的情况相一致，这种分析法引擎能够同时获取和分析数百个高密度数据流。这些诊断性数据流可以同时产生自钻探作业的任何部分，包括部署在井下的传感器或来自地表的设备和操作。
钻探优化还可以通过对所记录数据的历史分析来实现以改进井筒设计、量化新钻探技术、并建立由数据驱动的对未来钻探的最佳实践。也就是说，分析法引擎关于其数据源是不可知的。可以现场实时从钻探位置处的直接的传感器输入、或者在事后由在钻探作业过程中记录在存储器中的数据进行操作，并传输到场外的操作中心，或者是这两者的组合。当部署在操作中心中接收来自若干同时存在的钻井作业位置的信息时，钻探大数据分析法引擎能够同时分析来自整个钻机队的高密度数据。
钻探大数据分析法引擎提供用于告诉数据分析和钻探作业性能优化的整合式平台。它实时地进行大范围的互相关的分析(例如信号处理、故障检测/表征/减轻、和数据挖掘)。它同时分析来自钻探系统之内的所有传感器的流传输数据。分析法引擎可以部署在场外操作中心内或直接部署在钻机上。
本文中披露的实施例还提供了在钻柱的任何位置预测实时钻探故障。本文中披露的不同实施例提供的优点包括：(a)通过仅三个参数来检测和建模大范围的可能的功率损失的简单性；(b)良好设置且经得起以不同尺度来稳定估算参数的检验的对井下状况的确定；(c)与不同弯曲函数和信号表示(例如平均值、包络值)一起使用的灵活性；(d)通过在时间/深度上的任何点的功率损失确定来预测故障的效力，并且因此可用于通过在地表钻探设施采集的与钻柱相关联的测量值来测量和理解动态井下状况，使得可以不使用柱中动态子组而仅使用从地表采集的数据来表征在钻探作业过程中的动态井下环境地钻探相似定位的井。
在钻探作业中，传感器放置在不同的井筒位置、钻柱位置和时间/深度间隔处以提供实时测量值如每分钟转数(RPM)、转矩、钻压(WOB)和加速度等。由于井轨迹的弯曲效果引起的吸收、散射和泄露，用所述传感器采集的数据可能是不规则分布的并且经受了传输损失。这些几何相关效应的非线性组合造成信号幅值的重要的衰减或功率损失，这可能损害完整性和沿井筒在钻柱的多个区段处进行的故障预测。
对管控沿井筒的功率损失的法则的理解使得能够进行检测并且能够获得钻机控制机理，所述机理可以减轻不希望的振动或其他状况以防止或推迟实际的钻头或BHA失效。所披露的实施例提供简单但有力的功率损失模型，所述模型预测在任意的弯曲效果下由于井筒的几何形状造成的信号能力衰减。对通过这个功率损失模型提供的由于井筒几何形状导致的功率损失的理解有助于对正在钻井时动态井下状况(包括故障)的理解。
功率损失模型取决于一组三个参数：一个参数阿尔法(α)用于控制沿竖直区段(即不考虑弯曲效应)的控制损失，以及两个参数贝塔(β)和任选的伽马(γ)，控制对于给定的弯曲函数或井筒几何形状而言指数和双曲线信号衰减之间的权衡。
功率损失模型将片状(刚性)的和纤维状(柔软)的模型损失的同类项合并，所述模型类似于在Optics[Hunsperger,2009]和Photonics[Pollock,2003]中提出的模型。当前披露的实施例包括但不限于相对于井筒几何形状的三个不同的弯曲函数，所述函数可以使用α、β和γ通过数学关系来描述：1)几何曲折度，2)累积的弯折(dog-leg)和3)夹紧效率。
井眼曲折度是钻探所固有的，并且是与所计划的井筒轨迹波动或变化的，如在竖直区段中成螺旋形或在水平区段中有滑动-旋转行为。弯折是在井筒中井筒的轨迹偏离直路径处的转弯的地方。弯折可以是有意地在定向钻探中制造的，以便使井筒转向到水平路径，例如在非常规页岩井的情况下。弯折严重程度的标准计算值以每100英尺(或每30米)井筒长度的二维度数来表达。
在实时井下作业中增加传感器的使用对于在钻探过程中调查井筒环境以及测量井筒的实际几何结构是有用的。将沿钻柱向上行进的信号的功率损失作为井筒几何形状的结果来建模的可能性现在可以用带仪器的钻探实践来得以解决。模型通常由指数衰减函数来掌控。这些函数可以采用不同的形式以适应不同的材料类型、以捕捉弯曲几何形状上的其他损失源，如由微弯曲和突然的或相对快速的曲率变化产生的那些。
本文中披露的弯曲函数模型的优点包括：(a)使用三个模型参数(在此指定为α，β和γ)的组合通过不同数学描述来适应大范围的可能的损失的简单性；(b)经得起以不同尺度来稳定估算其参数的良好设置的模型或模型组；(c)与不同弯曲函数和信号表示(例如平均值、包络值)一起使用的灵活性；以及(d)在时间/沿钻柱的深度上的任何点使用功率损失预测故障的效力导致高效且及时的故障减轻。
低频率地表数据，如RPM、钻压(WOB)、转矩(TOB)和加速数据，照例用于发现和减轻钻探故障。然而，最近在记录高频率地表和井下数据方面的发展为更好的理解钻探故障增添了新的维度。波动光学和光子学文献提供了可用于理解传输损失(如穿过经受(如在井筒中由几何形状导致的)弯曲效应的不同材料的吸收、散射和泄露)的类似内容。
总体而言，由于在井筒中的曲率和其他几何考虑造成的损失可以描述为：其中P是功率损失，z是深度且a是在钻柱中的信号传播强度，使得
假定所有传播常数都可以组合在一起并且可以忽略相效应，则信号传播a可以表达为a＝α·e-β·R(对于片状模型的情况，可用于在相对较短距离上建模)以及a-a·R-1/2e-β·R(对于纤维状模型，可用于在较长距离上建模)，其中R是曲率半径，α是量值取决于情况的常数，β和γ是在指数或双曲线意义上与弯曲或半径相关的参数。
本披露的不同实施例提供功率损失的混合型片状/纤维状模型。所披露的模型包括指数系数，所述指数系数作为来自弯曲模型的指数和双曲线趋势的混合而衰减，其中
其中τ≡为夹紧效率。注意，对于，其是在直域上的衰减模型，如井筒构造的初始竖直区段。
两步参数估算：(1)对于有并且(2)是为了考虑到组合的片状/纤维状效应的三参数问题，其中i是深度上的指数且j指代观测站。
用于对功率损失故障进行表征或建模的不同优选实施例的实现方式包括选择弯曲函数或对所选的弯曲函数(即几何曲折度、弯折和夹紧效率)建模的选项。还有，可以使用这些模型参数推导出具有不同拟合选项的实验的选项。此外，有可能从任何给定的起始深度来限定拟合几何形状。还存在通过应用针对不同光滑化和过滤选项的模型参数来提供的定义。片状和纤维状模型都可用于通过反演使用与等价井下传感器时间序列数据相比较的地表传感器时间序列数据的组合来估算功率损失。可以对任何传感器的数据或来自一些或全部传感器的聚合的数据来进行回归。
几何曲折度弯曲函数θ可以通过给出，其中lk是从一个地表下的观测站位置到下一个地表下观测站位置的理想化长度，并且zk是沿所钻井筒的实际几何长度的实际距离。方程式中最后一项的分子和分母展示在图3中。累积的弯折弯曲函数δ由下式给出：
如在图3中所展示的，从观测站1到观测站2的几何曲折度弯曲函数θ是双向测量的，这包括分子||TVDk，NSk，EWk||2和分母MDk。分母是沿井筒在观测站1和观测站2之间测量的实际几何形状，例如使用从BHA采集的数据，而分子是基于竖直距离(TVDk)、南北距离(NSk)和东西距离(EWk)的平方之和的平方根的理想化测量值，还考虑到钻柱在观测站1的方位角Az1和倾斜度I1以及钻柱在观测站2的方位角Az2和倾斜度I2。
为了进一步分析井筒中的弯曲函数，夹紧效率参数可以在基于物理学的方程中进行描述，其中作用在钻管400上的力如在图4中所展示地显示在分别指定为倾斜度和方位角的轨迹中的弯曲处。对于在井筒轨迹方向上在钻柱上的拉力或横向力而言，沿钻柱的轨迹的力是Ft，而在此点垂直于井筒轨迹的力是Fn。在弯曲处从钻柱轨迹的轨迹在另一个方向上的力是Ft+ΔFt，由于弯曲，所述力在方向上是作为相关联的。钻柱的重量指定为W。通过这些参数，可以将力组合以描述夹紧效率，类似于由于钻柱与井筒几何形状的互相作用导致的井筒对钻探作业的阻力的形式：
图5展示了用于通过测量与钻柱相关联的信号传播的功率损失来实时确定钻探故障的方法。(第一)井用带有仪器的钻柱来钻探，其中钻柱包括中柱钻探子单元(例如转矩和拉力子组)以采集、存储和通过遥测方式向表面发送时间序列数据501。从井筒中与柱中钻探子单元相关联的传感器采集第一时间序列，其中传感器在大地表面以下503。从与钻柱相关联的传感器采集第二时间序列，所述钻柱在井筒中，其中与钻柱相关联的传感器在大地表面上或附近，例如与附接到Kelly或其他用于获取信号的钻机部件的声学接收器相关联。从来自井底钻具组合的、遥测送到地表的数据来确定井筒的几何形状505。描述由于几何形状效应导致的井筒信号传播功率损失的模型参数是使用第一时间序列、第二时间序列和井筒的几何形状来确定的，以导出模型参数阿尔法和贝塔，所述模型参数表征基于由井筒的几何形状造成的衰减对于行进穿过钻柱的信号的信号传播的功率损失509以及其他动态效应。在不同位置处的不同传感器之间的差分功率损失可以辅助表征。对不同时间序列比较的差分功率损失效应的分析允许检测且然后减轻钻探故障。第二井可以如下钻探，其中钻柱不包括采集和发送时间序列数据到钻柱中的中柱钻探子单元511。在第二井筒中的第二井钻柱的动态状态可以根据与井筒中的钻柱相关联的传感器所采集的第三时间序列数据来确定，其中传感器在大地表面上或附近(即与Kelly上的声学传感器相关联)，并且第三时间序列数据与BHA遥测的数据和从第一井确定的模型参数相组合513。在钻探第二井时的钻探故障可以使用第三时间序列来检测和减轻515，模型参数从第一井筒和第二井筒的几何形状推导出。
图6展示了包括柱中钻探子传感器(110)的系统，所述柱中钻探子传感器与第一井中的井筒中的钻柱相关联以便采集第一时间序列601。与第一井钻柱相关联的传感器用于采集第二时间序列，其中所述传感器是在钻机上或大地表面附近603。与井筒102中的钻柱相关联的井底钻具组合112、114、116提供数据以确定第一井筒102的几何形状605。第一计算机程序模块使用第一时间序列、第二时间序列和井筒几何形状来确定模型参数，以推导出表征行进穿过钻柱的信号的信号传播的功率损失的模型参数阿尔法和贝塔607。任选地，系统还可以包括在井筒104中的第二井钻柱，其中钻柱不包括采集和发送时间序列数据到钻柱中的柱中钻探子单元609。任选地，系统还可以进一步包括与第二井钻柱相关联的传感器103，其中传感器是在大地表面上或附近(例如与Kelly相关联的声学传感器)以提供数据来根据传感器所采集的第三时间序列与从第一井确定的模型参数相组合确定井筒中第二井钻柱的动态状态611。系统还可以包括第二计算机模型，从而确定在钻探第二井时的钻探故障，故障使用从第一井确定的模型参数、第三时间序列和第二井筒的几何形状(如从与第二钻柱相关联的BHA数据推导出的)来确定613。系统还可以包括第三计算机第三计算机程序模块，用于减轻钻探第二井时的钻探故障615。
图7展示了用于钻探多个井701的钻探装置的使用，所述钻探装置包括带有在井筒102中的用于钻探第一井的第一钻柱的钻机101，所述第一钻柱带有与钻柱相关联的、用于采集第一时间序列703的柱中子传感器110。第二传感器103与井筒102中的钻柱相关联，其中第二传感器在大地表面处的钻机101上或附近，第二传感器用于采集第二时间序列705。井底钻具组合112、114、116与钻柱相关联以提供数据来确定与井筒102中的钻柱相关联的井筒的几何形状。所述装置包括第一计算机程序模块，用于使用第一时间序列、第二时间序列和井筒的几何形状来定模型参数(阿尔法、贝塔和伽马)，以导出表征在井筒中行进穿过钻柱的信号的信号传播的功率损失的模型参数阿尔法和贝塔709。第二井可以如下钻探，其中井筒104中的钻柱不包括中柱钻探子单元711。井底钻具组合112、114、116可以与井筒104中的第二钻柱相关联，以提供数据来确定第二井筒的几何形状713并且提供用于与在地表103上的钻柱相关联传感器进行比较的时间序列数据，从而提供第三时间序列以便推导出在井筒中沿钻柱的信号功率损失并且以便在正在钻井时确定钻探故障715。在推导出参数阿尔法和贝塔后，这些参数可以用在钻探第二井中，其中第二井的几何数据、与BHA提供的时间序列数据相组合以导出关于第二井筒的功率损失信息的第三时间序列数据(如来自传感器103的)可以被反转以检测且然后减轻钻探作业中的钻探故障。另外，第二计算机程序模块可以确定参数伽马，所述参数伽马与阿尔法和贝塔一起可以被用于表征在第一或第二钻柱中行进的信号的信号传播的功率损失。使用这些参数的组合，故障检测计算机程序模块可以确定在井筒中的第二钻柱的动态状态。当检测到钻探故障时，可以采取用于减轻故障的手段。
本文中披露的实施例还包括：在许多不同的传感器之间同步时间以及可能由分析法引擎获取的数据类型，例如在图2中的处理图200。钻探行业需要优化井下数据采集操作，所述操作适当地同步或校正不同时间序列测量值之间的定时差。在现场使用很费力的手动操作来同步或调节地表和井下传感器之间的时间差。然而，这些手动的时间调节操作不仅缓慢，而且还已知在现场数据采集阶段过程中容易导致潜在的人为误差。
例如，每个传感器可能具有其自身的内部时钟。在理想的世界中，现场操作能够同时地同步所有表面和井下传感器的时钟以确保每个时钟在相同的时间开始和/或知道所有的时间差。然而，实际上，同步不是在现场操作过程中完成的。地表传感器与井下传感器通常不同步或不能同步，或者井下传感器的时钟在不同时间开始。时钟的这种非同步化产生了地表和井下测量值之间的时间不对准。这种定时误差的范围可能从几分钟到几小时。
定时误差的另一个主要来源与每个传感器的时钟偏移相关，其中与传感器相关联的时钟或计时器并不以与另一个时钟相比相同的速度运行。也就是，在一段时间后，所述时钟在时间上与另一个时钟“偏移开”。不同传感器的定时可以出于任何数量的原因而相对于其他定时装置偏移，包括物理组成、温度、压力、功率变化和定时器质量。定时偏移可能以不同速率任意地变化。时钟偏移的定时误差的范围可能从几秒到几分钟。
为了校正由于时钟的不同步化导致的定时误差，钻探行业通常采用手动方法来将井下数据与地表数据相关，假定地表数据是参照信号，因为地表数据总是可用的、通常便于使用并且与主时钟同步，因此通常最方便的是使用与地表相关联的时钟作为参照信号。然而，手动方法是费力的、容易出错、并且取决于个人的判断和偏好而较不准确。由于时钟偏移难以手动确定，所以钻探行业唱唱歌忽略这种校正或对其进行近似。
为了避免定时误差的手动校正，本文中披露的实施例提供了一步或多步的自动化方法以校正地表和井下数据之间的时间不对准。在校正之后，所有测量值相对于参照时钟得以正确表示，并且因此所有测量值在时间上基本同步。在时间上基本同步将理解为是指在测量误差的一个或两个标准偏差之内。这有助于在所有传感器和数据集之间简单和准确的比较。时间调节的应用由三种关键校正组成：1)基于交叉相关方法对时钟的不同步进行校正，2)基于动态交叉相关方法或动态时间弯曲方法对时钟偏移进行校正，以及3)基于“线性时差校正”在地表和井下传感器之间进行行进时间路径校正。这种多步应用的益处产生了对定时误差的准确校正并且大幅度加快了处理时间，这避免了当前在钻探行业中采用的费力且容易出错的方法。在校正之后，所有测量值相对于参照时钟被正确地表示。
下文概述了补偿井下数据所需的对定时误差的自动校正的框架。存在许多可以应用于计算时间校正的时间偏移方法。例如，可能优选的是初始使用基于交叉相关的时间偏移方法。在信号处理中，交叉相关是作为时间延迟的函数的两个波形的相似度的度量，它给出了可以应用于其中之一的时间调节的度量。对于f(t)和g(t)的离散的实时序列，交叉相关定义为(Oppenheim和Schafer，1989；Telford等人，1976)：其中C(τ)指代交叉相关函数，τ是g(t)相对于f(t)的位移，称为时间延迟，Δt是时间采样率，并且n是时间采样指数。
在一些实施例中，数据段采用用于钻出至少2个钻管站位的时间间隔。每个钻管是大约90英尺。典型地花费3到5小时来完成钻出2个钻管站位。当存在新增加的钻管时，时间序列的值通常减小到零，从而产生步进函数。包括那些步进函数的时间序列的交叉相关产生了对时间校正的准确和稳健的估算。
例如f(t)可以对应于地表数据并且g(t)代表井下数据。时间偏移通过交叉相关函数C(τ)的最大值而得到。将时间偏移应用于所有数据以校正所有时钟与参照时钟(典型为地表时钟)的不同步。作为示例，纳入交叉相关过程的数据长度(NΔt)有时可以是约3至5小时，但当然根据情形而变化。重复这个过程直到数据集的终点。
图8展示了在数据的时间校正之前和之后的时间序列数据的示例，其中地表时钟作为参照物。时间序列801是代表地表测量的、与地表参照时钟相关联的每分钟转数(RPM)的换能器数据。时间序列803是从井筒中的传感器获得的换能器数据，与钻柱相关联，也测量RPM。钻管的添加发生在75分钟左右，示出步进函数的展示性示例。在如所描述地应用交叉相关之后，获得了待应用以相对于与参照时间相关联的地表时间序列来调节井筒传感器RPM数据的时间的时间偏移。时间序列811是与地表参照时钟相关联的同一换能器RPM时间序列数据801，并且时间序列813是在已经应用从交叉相关确定的时间调节之后的井筒传感器RPM数据。
可以另外地用于校正时钟偏移的另一种方法使用类似于交叉相关方法的动态交叉相关方法。关键区别在于使用更小的重叠时间窗口来计算时间偏移。例如，动态交叉相关的典型的窗口大小是30分钟，具有百分之50的重叠窗口；然而，重叠将取决于时钟偏移的情形和量。
另一种用于校正时钟偏移的方法使用动态时间弯曲方法(Hale，2013)，所述方法计算逐样本的时间偏移。这种方法可以产生在地表和井下测量值之间的优良匹配。图9展示了通过动态时间弯曲方法在井下数据相对于地表参照时钟的时钟偏移校正之前和之后的示例。时间序列901是代表地表测量的、与地表参照时钟相关联的RPM的换能器数据。时间序列903是从井筒中的传感器获得的换能器数据，与钻柱相关联，也测量RPM。在应用如所描述的动态时间弯曲之后，获得了有待应用以调节井筒传感器RPM数据的时间的调节时间偏移序列。时间序列911是与地表参照时钟相关联的同一换能器RPM时间序列数据901，并且时间序列913是在已经应用从交叉相关确定的时间调节之后的井筒传感器RPM数据。
可以加入另一个时间调节，因为井下传感器位置在深度上有所不同。对于与钻柱相关联的传感器，线性时差校正考虑到了信号从一个传感器的深度位置行进到下一个传感器和/或地表的行进时间。校正量ΔT如下计算：ΔT＝Z/V，其中Z是从井下传感器位置到地表的距离，且V是信号传播速度，所述速度可以是钢管、钻柱的速度或信号穿过接线管的传导体的速度。ΔT校正量是动态的并且随着传感器的深度而增加。
图10展示了在从井下换能器(在此情况下为加速度计)采集的数据的线性时差校正之前和之后的示例。时间序列1001、1003和1005是从井筒中、例如在钻柱中或上的传感器采集的井下加速时间序列数据。在应用如所描述的线性时差时间调节校正之后，时间序列数据1011、1013和1015展示为使得数据明显更接近于相对于例如与地表相关联的参照时间在时间上同步。在这个线性时差校正之后可以加入其他时间调节，如交叉相关或时间弯曲方法。
图11展示了根据本披露的实施例的方法，所述方法用于自动调整相对于参照时间的时间序列数据。第一时间序列从井下传感器采集1101。采集了参照时间序列，所述参照时间序列可以使用与地表换能器相关的时间序列(与参照时间具有已知的关系)来采集1103。线性时差时间序列被确定为由于井下传感器深度可变而调节第一时间序列。线性时差时间偏置调节量等于井下传感器的深度除以信号传播速度1105。然后，线性时差偏置校正可以应用于第一时间序列1107。第一时间序列和参照时间序列可以被交叉相关以确定交叉相关时间偏置校正，以应用于第一时间序列1109，并且应用交叉相关时间偏置校正以获得经交叉相关校正的时间序列1111。
图12展示了根据本披露的替代实施例的方法，所述方法用于自动调整相对于参照时间的时间序列数据。第一时间序列从井下传感器采集1201。采集了参照时间序列，所述参照时间序列可以使用与地表换能器相关的时间序列(与参照时间具有已知的关系)来采集1203。线性时差时间序列偏置调节被确定为由于井下传感器深度可变而调节第一时间序列。线性时差时间偏置调节量等于井下传感器的深度除以信号传播速度或钻柱1205。将线性时差时间偏置调节应用于第一时间序列以获得经时差校正的时间序列1207。将第一时间序列和参照时间序列交叉相关以确定交叉相关时间校正，以应用于第一时间序列1209。将交叉相关时间校正应用于第一时间序列1211，以获得经交叉相关校正的时间序列。为了对时钟-传感器偏移进行校正，可以将动态交叉相关应用于第一时间序列与参照时间序列，以获得动态交叉相关时间偏置调节，以应用于第一时间序列1213。替代地，动态时间弯曲过程可以用于确定用于时钟偏移的对数据的调整值。将动态交叉相关时间偏置调节应用于经交叉相关校正的时间序列以获得经动态调节的时间序列1215。在已经确定了动态时间弯曲调节的情况下，可以将其应用于第一时间序列。
图13展示了根据本披露的另外的实施例的方法，所述方法用于自动调整相对于参照时间的时间序列数据。第一时间序列从在井筒中的传感器采集1301。采集了参照时间序列，所述参照时间序列可以使用与地表换能器相关的时间序列(与参照时间具有已知的关系)来采集1303。线性时差时间序列偏置调节被确定为由于井下传感器深度可变而调节第一时间序列。线性时差时间偏置调节量等于井下传感器的深度除以信号传播速度或钻柱1305。将线性时差时间偏置调节应用于第一时间序列以获得经时差校正的时间序列1307。可以将动态时间弯曲相对于参照时间序列应用于第一时间序列，以确定一系列的动态时间弯曲偏置调节，以应用于第一时间序列1309。然后将动态时间弯曲偏置调节的序列应用于第一时间序列以获得经动态调节的时间序列1311。
图14展示了系统1400的实施例的示意性图表，所述系统可以对应于计算机和/或任何其他计算装置(如工作站、服务器、主机、超级计算机、处理图和/或数据库)或可以是其一部分。系统1400包括处理器1402，所述处理器也可以称为中央处理单元(CPU)。处理器1402可以与系统1400内的其他部件通信和/或对其提供指令，如输入接口1404、输出接口1406和/或存储器1408。在其他实施例中，处理器1402可以包括作为缓存器和/或数据储存器工作的一个或多个多核处理器和/或存储器(例如高速缓冲存储器)。在替代实施例中，处理器1402可以是一个或多个其他处理部件的一部分，如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、和/或数字信号处理器(DSP)。虽然图14展示了处理器1402可以是单一处理器，但将理解的是，处理器802并不受限于此并且可以代表多个处理器，包括大规模并行的实现方式和包括由跨多个平台(包括基于云的资源)分布的数据流连接的数学运算符的处理图。处理器1402可以被配置用于实现本文中所描述的方法中的任一种。
图14展示了存储器1408可以操作性地耦联至处理器1402。存储器1408可以是被配置用于存储不同类型数据的非暂态的介质。例如，存储器1408可以包括一个或多个存储器装置，包括辅助储存器、只读存储器(ROM)和/或随机存取存储器(RAM)。辅助储存器典型地包括一个或多个磁盘驱动器、光学驱动器、固态驱动器(SSD)和/或磁带驱动器，并且被用于非易失性数据储存。在某些实例中，如果所分配的RAM不是大到足以容纳所有工作数据，辅助储存器可以用于储存溢出的数据。辅助储存器还可以用于当选择程序以执行时存储加载到RAM中的此类程序。ROM用于储存指令以及也许在程序执行过程中读取的数据。ROM是非易失性存储器装置，典型地具有相对于辅助储存器的较大存储容量而言较小的存储容量。RAM用于储存易失性数据并且也许用于存储指令。
如在图14中所示，存储器1408可以用于容纳用于执行本文中所描述的不同实施例的指令。在实施例中，存储器1408可以包括计算机程序模块1410，所述计算机程序模块可以实施可以被处理器1402访问和实现的计算机程序产品。替代地，应用界面1412可以储存在存储器之内并由处理器1402访问。特别地，程序模块或应用界面可以进行信号处理和/或调整以及将分析法应用于本文中所述的时间序列数据。
编程和/或加载可执行指令到存储器1408和处理器1402上以便将系统1400转变为对时间序列数据进行操作的特定机器或装置是本领域已知的。通过将可执行软件加载到计算机中来实现指令、实时监测以及其他功能可以通过公知的设计法则来转换为硬件实现方式。例如，以软件或硬件实现想法之间的抉择可以取决于设计选择的数目，所述设计选择包括设计的稳定性、待生产的单元的数目和从软件域转变到硬件域所涉及的问题。通常，设计可以以软件形式进行开发和测试并且然后通过公知的设计法则来转变为ASIC中的等价硬件实现方式或将软件指令硬连接的专用硬件。以与受新ASIC控制的机器为特定机器或装置的相同方式，同样地，已经被编程和/或加载有可执行指令的计算机可以被看做特定的机器或装置。
另外，图14展示了处理器1402可以操作性地耦联被配置用于获得时间序列数据的输入接口1404和被配置用于输出和/或显示结果或将结果传送到其他处理过程的输出接口1406。输入接口1404可以被配置用于经由传感器、线缆、连接器和/或通信协议来获得时间序列数据。在一个实施例中，输入接口1404可以是包括多个端口的网络接口，所述端口被配置用于经由网络来接收和/或发送时间序列数据。具体而言，网络可以经由有线链路、无线链路和/或逻辑链路来发送所采集时间序列数据。输入接口1404的其他示例可以是通用串行总线(USB)接口、CD-ROM、DVD-ROM。输入接口1406可以包括但不限于用于图像显示器(例如监视器)和/或产生所生成结果的硬副本的打印装置的一个或多个连接。
如在图15中所展示的，根据本披露的非限制性实施例提供用于在井筒钻探作业过程中确定钻机状态的系统1501，所述系统包括：计算机(1400)，所述计算机包含存储器(1408)和处理器(1402)1503；多个传感器(103、110)，所述多个传感器与井筒钻探作业102、104相关联的用于采集时间序列数据，其中所述数据被格式化以用于样本和带宽正则化并且在时间上被校正以提供基本上时间同步的数据1505，数据流网络化数学运算符的处理图(图2)，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒钻探作业相关联的多个钻机状况的动态状况1507，根据所述多个钻机状况确定钻机状态1509。
所述系统的其他方面可以包括检测和量化钻探故障的处理图的输出的数据流1511。处理图还可以出于减轻钻探故障目的输出钻机控制指令的数据流1513。钻机控制指令可以是改变RPM、改变钻压、改变泵压力、或改变顶驱旋转参数1515。处理过程还可以输出对井筒的曲折度的表征1517。输入到处理图的所采集时间序列数据可以是旋转钻探测量值、滑动测量值、扩孔测量值、反向扩孔测量值或起下钻相关的测量值1519。处理图输出可以是从地表得到的测量值的能量损失校正或钻压校正1521。
在其他非限制性实施例中，其中一分部展示在图16中，一种用于在井筒钻探作业过程中确定钻机的钻机状态的方法1601包括：从与井筒相关联的多个传感器采集数据1603，对所采集的数据进行格式化以用于样本和带宽正则化1605，对所述数据进行在时间上校正以从所述多个传感器提供基本上等时采样的数据1607，通过网络化数学运算符的处理图来处理所述所采集的数据，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒相关联的多个钻机操作的动态状况1609，以及根据所述多个钻机操作状况确定钻机状态1611。
在其他方面，确定钻机状态还包括检测和量化钻探故障1613。处理图可以出于减轻钻探故障目的输出钻机控制指令的数据流以改变钻机操作1615。钻机控制指令可以是改变RPM、改变WOB、改变泵压力、或改变顶驱旋转参数1617。处理图的输出还可以是对井筒的曲折度的表征1619。输入到处理图的所采集的数据可以是旋转钻探测量值、钻柱滑动测量值、扩孔测量值、反向扩孔测量值或起下钻相关的测量值1621。来自处理图的其他输出数据流可以是从地表得到的输入数据流的能量损失校正或钻压校正1623。
在仍另外的非限制性实施例中，用于减轻钻探故障的钻机装置包括与向基于地表的聚合器提供时间序列数据的多个传感器相关联的钻机，其中所述数据被格式化以用于样本和带宽正则化并且在时间上被校正以提供基本上时间同步的数据；计算机，所述计算机包括存储器和处理器；数据流网络化数学运算符的处理图，所述处理图至少与采集时间序列的速度一样快地应用连续分析法，以确定与井筒钻探作业相关联的多个钻机状况的动态状况；以及根据所述多个钻机状况检测钻探故障。
在装置的其他非限制性方面，所述处理图出于减轻所检测的钻探故障目的输出钻机控制指令的数据流。钻机控制指令可以是用于改变RPM、改变钻压、改变泵压力、或改变顶驱旋转参数。处理图的输出数据流可以量化钻探故障。
在再另外的非限制性实施例中，一种计算机程序产品实施在非暂态计算机可读介质中，所述计算机程序产品被适配用于执行用来在井筒钻探作业过程中减轻钻探故障的方法，所述方法包括：从与井筒钻探作业相关联的多个传感器采集数据；对所采集的数据进行格式化以用于样本和带宽正则化；对所述数据进行在时间上校正以从所述多个传感器提供基本上同步采样的数据；通过网络化数学运算符的处理图来处理所述所采集的数据，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒相关联的多个钻机操作的动态状况；根据所述多个钻机操作状况检测钻探故障；以及输出钻机控制指令以减轻所检测的钻探故障。
总结起来，应注意的是，对任何引用内容的讨论不是承认它是本发明的现有技术，尤其是任何可能具有在本申请优先权日期之后的公开日期的引用内容。同时，下文的每一项权利要求特此结合到具体实施方式或说明书中作为本发明的另外的实施例。
虽然本文中描述的系统和方法已经进行了详细描述，但应理解的是，在不偏离本如以下权利要求书所限定的本发明精神和范围的情况下可以做出不同的变化、替代和改变。本领域技术人员可能能够学习优选的实施例并辨别出用于实践本发明的与本文所描述不尽相同的其他方式。发明人的意图为，本发明的变体和等效物都落入权利要求书的范围内，而说明书、摘要和附图不应用于限定本发明的范围。本发明的范围特别旨在与下文的权利要求书及其等效物的范围一样广。

Claims (20)

1.一种用于在井筒钻探作业过程中确定钻机的钻机状态的系统，所述系统包括：
a.计算机，所述计算机包括存储器和处理器；
b.多个传感器，所述多个传感器与井筒钻探作业相关联，用于采集时间序列数据，其中所述数据被格式化以用于样本和带宽正则化并且在时间上被校正以提供时间同步的数据；
c.数据流网络化数学运算符的处理图，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒钻探作业相关联的多个钻机状况的动态状况；以及
d.根据所述多个钻机状况确定钻机状态。
2.如权利要求1所述的系统，其中所述处理图的输出数据流包括检测和量化钻探故障。
3.如权利要求1所述的系统，其中所述处理图出于减轻钻探故障目的输出钻机控制指令的数据流。
4.如权利要求3所述的系统，其中所述钻机控制指令是选自由以下各项组成的组中的至少一项：i)改变RPM，ii)改变钻压，iii)改变泵压力，以及iv)改变顶驱旋转参数。
5.如权利要求1所述的系统，其中所述处理图输出表征井筒的曲折度的数据流。
6.如权利要求1所述的系统，其中输入到所述处理图的所采集时间序列数据是选自由以下各项组成的组中的至少一项：i)旋转钻井测量值，ii)滑动测量值，iii)扩孔测量值，iv)反向扩孔测量值，以及v)与起下钻相关的测量值。
7.如权利要求1所述的系统，其中所述处理图输出选自由以下各项组成的组中的至少一项的数据流：i)从地表得出的输入数据流的能量损失校正，以及ii)钻压校正。
8.一种用于在井筒钻探作业过程中确定钻机的钻机状态的方法，所述方法包括：
a.从与井筒相关联的多个传感器采集数据；
b.对所采集的数据进行格式化以用于样本和带宽正则化；
c.对所述数据进行在时间上校正以从所述多个传感器提供等时采样的数据；
d.通过网络化数学运算符的处理图来处理所述所采集的数据，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒相关联的多个钻机操作的动态状况；以及
e.根据所述多个钻机状况确定钻机操作状态。
9.如权利要求8所述的方法，其中确定钻机状态还包括检测和量化钻探故障。
10.如权利要求8所述的方法，其中所述处理图出于减轻钻探故障目的输出钻机控制指令的数据流以改变钻机操作。
11.如权利要求10所述的方法，其中所述钻机控制指令是由以下各项组成的组中的至少一项：i)改变RPM，ii)改变钻压，iii)改变泵压力，以及iv)改变顶驱旋转参数。
12.如权利要求8所述的方法，其中所述处理图输出表征井筒的曲折度的数据流。
13.如权利要求8所述的方法，其中输入到所述处理图的所述所采集的数据是选自由以下各项组成的组中的至少一项：i)旋转钻井测量值，ii)钻柱滑动测量值，iii)扩孔测量值，iv)反向扩孔测量值，以及v)与起下钻相关的测量值。
14.如权利要求8所述的方法，其中所述处理图输出选自由以下各项组成的组中的至少一项的数据流：i)从地表得出的输入数据流的能量损失校正，以及ii)钻压校正。
15.一种用于减轻钻探故障的钻机装置，其中所述装置包括：
a.与多个传感器相关联的钻机，所述传感器向基于地表的聚合器提供时间序列数据，其中所述数据被格式化以用于样本和带宽正则化并且在时间上被校正以提供时间同步的数据；
b.计算机，所述计算机包括存储器和处理器；
c.数据流网络化数学运算符的处理图，所述处理图至少与采集时间序列的速度一样快地应用连续分析法，以确定与井筒钻探作业相关联的多个钻机状况的动态状况；以及
d.根据所述多个钻机状况检测钻探故障。
16.如权利要求15所述的装置，其中所述处理图出于减轻所检测的钻探故障目的输出钻机控制指令的数据流。
17.如权利要求16所述的装置，其中所述钻机控制指令是由以下各项组成的组中的至少一项：i)改变RPM，ii)改变钻压，iii)改变泵压力，以及iv)改变顶驱旋转参数。
18.如权利要求15所述的装置，其中所述处理图的输出数据流包括量化钻探故障。
19.如权利要求15所述的装置，其中所述处理图出于减轻钻探故障目的输出钻机控制指令的数据流。
20.一种在非暂态计算机可读介质中实施的计算机程序产品，所述计算机程序产品被适配用于执行用来在井筒钻探作业过程中减轻钻探故障的方法，所述方法包括：从与井筒钻探作业相关联的多个传感器采集数据；对所采集的数据进行格式化以用于样本和带宽正则化；对所述数据进行在时间上校正以从所述多个传感器提供同步采样的数据；通过网络化数学运算符的处理图来处理所述所采集的数据，所述处理图至少与采集数据的速度一样快地对所述数据应用连续分析法，以确定与所述井筒相关联的多个钻机操作的动态状况；根据所述多个钻机操作状况检测钻探故障；以及输出钻机控制指令以减轻所检测的钻探故障。
CN201680039309.9A 2015-05-13 2016-05-12 钻探大数据分析法引擎 Pending CN107709700A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562160998P 2015-05-13 2015-05-13
US62/160,998 2015-05-13
PCT/US2016/032019 WO2016183286A1 (en) 2015-05-13 2016-05-12 Big drilling data analytics engine

Publications (1)

Publication Number Publication Date
CN107709700A true CN107709700A (zh) 2018-02-16

Family

ID=61169617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680039309.9A Pending CN107709700A (zh) 2015-05-13 2016-05-12 钻探大数据分析法引擎

Country Status (2)

Country Link
EP (1) EP3294990A4 (zh)
CN (1) CN107709700A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111364969A (zh) * 2020-03-28 2020-07-03 西安石油大学 一种用于生成井筒钻井参数的可视化表示的方法
CN111460701A (zh) * 2020-03-09 2020-07-28 中海油田服务股份有限公司 一种故障诊断模型训练方法和装置
CN112424445A (zh) * 2018-06-11 2021-02-26 斯伦贝谢技术有限公司 随钻实时勘测
CN112459706A (zh) * 2020-11-11 2021-03-09 中石化石油工程技术服务有限公司 一种利用空气锤三轴振动信号识别井下憋跳钻的方法
CN113011507A (zh) * 2021-03-24 2021-06-22 支付宝(杭州)信息技术有限公司 建立同步时间预测模型的方法、数据同步方法及对应装置
CN113195869A (zh) * 2018-12-17 2021-07-30 沙特阿拉伯石油公司 基于图像检查井设备
CN113187464A (zh) * 2021-04-16 2021-07-30 中石化江钻石油机械有限公司 一种具有井下故障预警功能的钻井监控系统
CN114183068A (zh) * 2022-02-16 2022-03-15 山东省煤田地质局第五勘探队 一种矿山井下物探用数据快速采集装置
CN117094176A (zh) * 2023-10-16 2023-11-21 中国矿业大学(北京) 利用层理结构和微观力学性质评价页岩成缝能力的方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN88101902A (zh) * 1987-04-02 1988-10-19 法国石油研究所 钻井中地震数据采集以及把数据传送到控制和记录中央系统的装置
US6208586B1 (en) * 1991-06-14 2001-03-27 Baker Hughes Incorporated Method and apparatus for communicating data in a wellbore and for detecting the influx of gas
US20020120401A1 (en) * 2000-09-29 2002-08-29 Macdonald Robert P. Method and apparatus for prediction control in drilling dynamics using neural networks
CN1598243A (zh) * 2004-09-16 2005-03-23 辽宁工程技术大学 油田智能钻井监控系统
CN101393619A (zh) * 2007-09-19 2009-03-25 通用电气公司 改善工程系统决策和转让风险的方法和系统
CN101446191A (zh) * 2008-11-17 2009-06-03 文必用 一种钻井井控参数智能监测系统
WO2010135119A1 (en) * 2009-05-18 2010-11-25 A-Power Gmbh Electric submersible pumping system for dewatering gas wells
CN102168547A (zh) * 2011-03-15 2011-08-31 中国石油大学(华东) 一种基于小波神经网络的深水防喷器组故障诊断系统
CN102395754A (zh) * 2009-03-16 2012-03-28 沃丹德科技股份公司 一种用于监控钻井操作的方法和系统
CN102472825A (zh) * 2009-08-07 2012-05-23 埃克森美孚上游研究公司 使用目标函数的钻井咨询系统和方法
CN103323228A (zh) * 2013-07-02 2013-09-25 中煤科工集团西安研究院 一种矿用钻机故障智能识别方法
US20140067353A1 (en) * 2012-09-05 2014-03-06 Stratagen Wellbore completion and hydraulic fracturing optimization methods and associated systems
CN104024572A (zh) * 2011-11-02 2014-09-03 兰德马克绘图国际公司 用于预测钻柱卡钻事件的方法和系统
CN104405375A (zh) * 2014-10-17 2015-03-11 华中科技大学 一种基于磁反馈的井间电磁测井信号接收电子系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69636054T2 (de) * 1995-10-23 2006-10-26 Baker Hugues Inc., Houston Drehbohrsystem in geschlossener schleife
EA009115B1 (ru) * 2002-04-19 2007-10-26 Марк У. Хатчинсон Способ определения нарушения нормального хода бурения
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

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN88101902A (zh) * 1987-04-02 1988-10-19 法国石油研究所 钻井中地震数据采集以及把数据传送到控制和记录中央系统的装置
US6208586B1 (en) * 1991-06-14 2001-03-27 Baker Hughes Incorporated Method and apparatus for communicating data in a wellbore and for detecting the influx of gas
US20020120401A1 (en) * 2000-09-29 2002-08-29 Macdonald Robert P. Method and apparatus for prediction control in drilling dynamics using neural networks
CN1598243A (zh) * 2004-09-16 2005-03-23 辽宁工程技术大学 油田智能钻井监控系统
CN101393619A (zh) * 2007-09-19 2009-03-25 通用电气公司 改善工程系统决策和转让风险的方法和系统
CN101446191A (zh) * 2008-11-17 2009-06-03 文必用 一种钻井井控参数智能监测系统
CN102395754A (zh) * 2009-03-16 2012-03-28 沃丹德科技股份公司 一种用于监控钻井操作的方法和系统
WO2010135119A1 (en) * 2009-05-18 2010-11-25 A-Power Gmbh Electric submersible pumping system for dewatering gas wells
CN102472825A (zh) * 2009-08-07 2012-05-23 埃克森美孚上游研究公司 使用目标函数的钻井咨询系统和方法
CN102168547A (zh) * 2011-03-15 2011-08-31 中国石油大学(华东) 一种基于小波神经网络的深水防喷器组故障诊断系统
CN104024572A (zh) * 2011-11-02 2014-09-03 兰德马克绘图国际公司 用于预测钻柱卡钻事件的方法和系统
US20140067353A1 (en) * 2012-09-05 2014-03-06 Stratagen Wellbore completion and hydraulic fracturing optimization methods and associated systems
CN103323228A (zh) * 2013-07-02 2013-09-25 中煤科工集团西安研究院 一种矿用钻机故障智能识别方法
CN104405375A (zh) * 2014-10-17 2015-03-11 华中科技大学 一种基于磁反馈的井间电磁测井信号接收电子系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
吴彝尊: "《光纤通信基础》", 30 November 1987, 人民邮电出版社 *
崔三烈: "《光纤传感原理与应用技术》", 30 April 1995, 哈尔滨工程大学出版社 *
李昌盛等: "钻头工作效率实时评估新方法", 《石油钻采工艺》 *
武东升: "基于多智能体钻井故障诊断系统的研究", 《中国优秀硕士学位论文数据库工程科技1辑》 *
王新: "《机械设备故障诊断技术及应用》", 30 April 2014 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112424445A (zh) * 2018-06-11 2021-02-26 斯伦贝谢技术有限公司 随钻实时勘测
CN113195869A (zh) * 2018-12-17 2021-07-30 沙特阿拉伯石油公司 基于图像检查井设备
CN111460701A (zh) * 2020-03-09 2020-07-28 中海油田服务股份有限公司 一种故障诊断模型训练方法和装置
CN111364969A (zh) * 2020-03-28 2020-07-03 西安石油大学 一种用于生成井筒钻井参数的可视化表示的方法
CN112459706A (zh) * 2020-11-11 2021-03-09 中石化石油工程技术服务有限公司 一种利用空气锤三轴振动信号识别井下憋跳钻的方法
CN112459706B (zh) * 2020-11-11 2022-09-02 中石化石油工程技术服务有限公司 一种利用空气锤三轴振动信号识别井下憋跳钻的方法
CN113011507B (zh) * 2021-03-24 2022-05-06 支付宝(杭州)信息技术有限公司 建立同步时间预测模型的方法、数据同步方法及对应装置
CN113011507A (zh) * 2021-03-24 2021-06-22 支付宝(杭州)信息技术有限公司 建立同步时间预测模型的方法、数据同步方法及对应装置
CN113187464A (zh) * 2021-04-16 2021-07-30 中石化江钻石油机械有限公司 一种具有井下故障预警功能的钻井监控系统
CN114183068A (zh) * 2022-02-16 2022-03-15 山东省煤田地质局第五勘探队 一种矿山井下物探用数据快速采集装置
CN114183068B (zh) * 2022-02-16 2022-04-15 山东省煤田地质局第五勘探队 一种矿山井下物探用数据快速采集装置
CN117094176A (zh) * 2023-10-16 2023-11-21 中国矿业大学(北京) 利用层理结构和微观力学性质评价页岩成缝能力的方法
CN117094176B (zh) * 2023-10-16 2023-12-15 中国矿业大学(北京) 利用层理结构和微观力学性质评价页岩成缝能力的方法

Also Published As

Publication number Publication date
EP3294990A4 (en) 2018-08-08
EP3294990A1 (en) 2018-03-21

Similar Documents

Publication Publication Date Title
US10788801B2 (en) Big drilling data analytics engine
CN107709700A (zh) 钻探大数据分析法引擎
US11125070B2 (en) Real time drilling monitoring
AU2013277646B2 (en) Drilling speed and depth computation for downhole tools
US9512708B2 (en) System and method for automatic weight-on-bit sensor calibration
US10120343B2 (en) Time corrections for drilling data
RU2663653C1 (ru) Улучшенная оценка искривления ствола скважины, основанная на результатах измерений изгибающего момента инструмента
US8245795B2 (en) Phase wellbore steering
WO2016179766A1 (en) Real-time drilling monitoring
US9127530B2 (en) Collision avoidance system with offset wellbore vibration analysis
Dashevskiy et al. Dynamic depth correction to reduce depth uncertainty and improve MWD/LWD log quality
WO2016179767A1 (en) Fatigue analysis procedure for drill string
CN107835962A (zh) 钻探数据的时间校正
AU2016261837B2 (en) Drilling and power loss dysfunction characterization
CN107709702A (zh) 功率损失故障表征
CN105484732B (zh) 用于水平井钻井地质导向施工过程井深的处理方法
US10690801B2 (en) Skin effect correction for focused electrode devices based on analytical model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination