CN109281649A - 钻井优化方法及装置 - Google Patents
钻井优化方法及装置 Download PDFInfo
- Publication number
- CN109281649A CN109281649A CN201810913761.4A CN201810913761A CN109281649A CN 109281649 A CN109281649 A CN 109281649A CN 201810913761 A CN201810913761 A CN 201810913761A CN 109281649 A CN109281649 A CN 109281649A
- Authority
- CN
- China
- Prior art keywords
- drill bit
- parameter data
- drilling
- optimization
- working
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 143
- 238000005553 drilling Methods 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000011156 evaluation Methods 0.000 claims abstract description 75
- 230000006870 function Effects 0.000 claims description 85
- 239000013598 vector Substances 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 230000015572 biosynthetic process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000003066 decision tree Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 5
- 239000002002 slurry Substances 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 239000011435 rock Substances 0.000 abstract description 38
- 230000035515 penetration Effects 0.000 abstract description 6
- 230000000153 supplemental effect Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000006467 substitution reaction 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Earth Drilling (AREA)
Abstract
本发明提供了一种钻井优化方法及装置，该方法包括：随着井段钻进，不断调整并采集钻头工作参数数据；利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据；所述钻头性能综合评价指数目标函数是基于钻头工作参数建立的关于机械钻速、机械能比及粘滑振动指数的目标函数；根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数。本发明能够充分发挥钻头破岩效能。
Description
技术领域
本发明涉及钻井技术领域，尤其涉及一种钻井优化方法及装置。
背景技术
在钻井过程中，地层通常都是非均质的，随着井深的增加，待钻地层的软硬程度也在发生变化。同一只钻头，施加不变的工作参数，常常造成钻头破岩效能得不到充分发挥。甚至工作参数不合理会造成钻头先期损坏，影响钻头使用效率和使用寿命。大量的室内实验表明，每一种钻头均存在着高效破岩区和潜在的破岩能效提升区。但司钻一般无法感知这两个区域，只能凭经验或设计书给钻头施加工作参数。
发明内容
本发明提供一种钻井优化方法及装置，以充分发挥钻头破岩效能。
本发明实施例提供一种钻井优化方法，包括：随着井段钻进，不断调整并采集钻头工作参数数据；利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据；所述钻头性能综合评价指数目标函数是基于钻头工作参数建立的关于机械钻速、机械能比及粘滑振动指数的目标函数；根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数。
本发明实施例还提供一种钻井优化装置，包括：数据采集单元，用于：随着井段钻进，不断调整并采集钻头工作参数数据；钻头工作参数寻优单元，用于：利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据；所述钻头性能综合评价指数目标函数是基于钻头工作参数建立的关于机械钻速、机械能比及粘滑振动指数的目标函数；钻机协同控制单元，用于：根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所述方法的步骤。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例所述方法的步骤。
本发明的钻井优化方法、钻井优化装置、计算机可读存储介质及计算机设备，通过不断调整并采集钻头工作参数数据，并利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，能够实时得到优化的钻头工作参数。优化的钻头工作参数通过该钻头性能综合评价指数目标函数考虑了井下工况或地层变化，利用该优化的钻头工作参数进行钻井，有助于感知高效破岩区和潜在的破岩能效提升区，从而充分发挥钻头破岩效能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1是本发明一实施例的钻井优化方法的流程示意图；
图2是本发明另一实施例的钻井优化方法的流程示意图；
图3是本发明一实施例中利用钻头性能综合评价指数目标函数分析钻头工作参数数据的方法流程示意图；
图4是本发明一实施例中利用钻头性能综合评价指数目标函数分析钻头工作参数数据的方法流程示意图；
图5是本发明另一实施例的钻井优化方法的流程示意图；
图6是本发明一实施例的钻井优化方法的流程示意图；
图7是本发明一实施例的钻井优化协同控制方法的流程示意图；
图8是本发明一实施例中钻头高效破岩工作区和破岩效能提升区示意图；
图9是本发明一实施例的钻井优化装置的结构示意图；
图10是本发明另一实施例的钻井优化装置的结构示意图；
图11是本发明一实施例中钻头工作参数寻优单元的结构示意图；
图12是本发明另一实施例的钻井优化装置的结构示意图；
图13是本发明另一实施例的钻井优化装置的结构示意图；
图14是本发明一实施例的计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1是本发明一实施例的钻井优化方法的流程示意图。如图1所示，一些实施例的钻井优化方法，可包括：
步骤S110：随着井段钻进，不断调整并采集钻头工作参数数据；
步骤S120：利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据；所述钻头性能综合评价指数目标函数是基于钻头工作参数建立的关于机械钻速、机械能比及粘滑振动指数的目标函数；
步骤S130：根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数。
在上述步骤S110中，可以从钻井开始时，对司钻大范围调整钻头工作参数或钻井工程参数。该钻头工作参数可包括可控参数，例如，钻压、转速、排量等；该钻头工作参数可包括不可控参数，例如，钻头扭矩等。调整钻头工作参数的频率可以按设定时间间隔计算或按钻进的井段计算。可以通过顶驱控制器读取转速、扭矩等，可以通过绞车控制器读取转速、钻压等。
在上述步骤S120中，在调整了钻井的钻头工作参数后，钻井的其他参数或工况会发生相应变化。该钻头性能综合评价指数目标函数是关于机械钻速、机械能比及粘滑振动指数的目标函数，其中，该机械钻速与钻压、转速、排量等钻头工作参数及其他外界情况有关，机械能比与钻压、转速及排量等有关，所以该钻头性能综合评价指数目标函数不仅能够反映钻压、转速及排量等钻头工作参数的变化，还能够反映井下工况等的变化。对于不同的钻头工作参数，可以得到相应的钻头性能综合评价指数。通过求解钻头性能综合评价指数目标函数，或基于该目标函数作进一步分析，可以得到钻头工作优化参数数据。该钻头工作优化参数数据可以是所述钻头工作参数数据中的一个数据点，或者可以是根据所述钻头工作参数数据数值计算出来的数据点。
在现有技术中，通常使用手动方式调整钻头工作参数。在上述步骤S130中，可以根据所述钻头工作优化参数数据自动调整钻头工作参数。
本实施例中，通过不断调整并采集钻头工作参数数据，并利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，能够实时得到优化的钻头工作参数。优化的钻头工作参数通过该钻头性能综合评价指数目标函数考虑了井下工况或地层变化，利用该优化的钻头工作参数进行钻井，有助于感知高效破岩区和潜在的破岩能效提升区，从而充分发挥钻头破岩效能。
图2是本发明另一实施例的钻井优化方法的流程示意图。如图2所示，图1所示的钻井优化方法，在步骤S120之前，即，利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据之前，还可包括：
步骤S140：判断所述钻头工作参数数据是否满足设定参数类别要求，判断所述钻头工作参数数据是否满足设定数据量要求；在未满足所述设定类别要求和/或未满足所述设定数据量要求的情况下，继续调整并采集钻头工作参数。
该设定参数类别要求例如可以是所述钻头工作参数数据中的数据点(每个数据点可以包括一组钻头工作参数)是否包含可控参数数据和不可控参数数据，该可控参数数据是否包含钻压、转速、排量等，该不可控参数数据是否包含扭矩等。该设定数据量要求可以通过所述钻头工作参数数据中的数据点的个数、钻进井段的长度等进行衡量。一些实施例中，判断所述钻头工作参数数据是否满足设定数据量要求，具体实施方式可以是：通过判断钻进的井段长度是否达到预设阀值判断所述钻头工作参数数据是否满足设定数据量要求。该井段长度例如可以为0.5m～1m。
本实施例中，通过判断采集的钻头工作参数数据是否满足类别的要求，可以防止采集数据内容出现遗漏。通过判断采集的钻头工作参数数据是否满足数量的要求，可以保证用于确定钻头工作优化参数数据的钻头参数数据的数量充足。
图3是本发明一实施例中利用钻头性能综合评价指数目标函数分析钻头工作参数数据的方法流程示意图。如图3所示，上述步骤S120，即，利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据，可包括：
步骤S121：以所述钻头工作参数数据作为分析对象，求解所述钻头性能综合评价指数目标函数，得到钻头性能综合评价指数最大值及相应的钻头工作参数组合；
步骤S122：判断所述钻头工作参数组合是否符合决策树算法要求，若是，将所述钻头工作参数组合作为钻头工作优化参数数据。
在上述步骤S121中，可以通过数值方法，例如基于曲面拟合数值法(三次样条插值)，求解该钻头性能综合评价指数目标函数，寻求该目标函数对应的参数组合。以所述钻头工作参数数据作为分析对象，求解目标函数得到钻头工作参数组合，可以规避推荐参数局部最优的推荐偏差弊端。
一些实施例中，该钻头性能综合评价指数目标函数可以为：
其中，OBJ为钻头性能综合评分指数，ROP为机械钻速，ROP0为平均机械钻速，MSE为机械比能，MSE0为平均机械比能，SS为粘滑振动指数，SS0为平均粘滑振动指数，δ为常数(可取1)。
在上述步骤S122中，该决策树算法可以包括：
C＝MaxOBJ
其中，n为所述钻头工作参数数据中数据点的个数，C为所述钻头工作参数数据中数据点的钻头性能综合评分指数的最大值，MaxOBJ为求解所述钻头性能综合评价指数目标函数得到的钻头性能综合评分指数的最大值，Z为所述钻头工作参数数据中数据点的钻头性能综合评分指数的均值，OBJi为第i个数据点的钻头性能综合评分指数，b为所述钻头工作参数数据中数据点的钻头性能综合评分指数的方差。
本实施例中，求解所述钻头性能综合评价指数目标函数得到最优的钻头工作参数组合后，继而判断所述钻头工作参数组合是否符合决策树算法要求，可以最求解得到的钻头工作参数组合进行审核，只有在符合决策树算法要求的情况下，才会将所述钻头工作参数组合作为钻头工作优化参数数据进行钻井，以此可以防止求解结果偏离实际。
图4是本发明一实施例中利用钻头性能综合评价指数目标函数分析钻头工作参数数据的方法流程示意图。如图4所示，上述步骤S120，图3所示的利用钻头性能综合评价指数目标函数分析钻头工作参数数据的方法，还可包括：
步骤S123：在所述钻头工作参数组合不符合所述决策树算法要求的情况下，利用所述钻头工作参数数据中最近采集的部分数据进行地层变化识别；
步骤S124：在识别地层发生变化的情况下，继续调整并采集钻头工作参数数据；在识别地层未发生变化的情况下，利用梯度寻优向量和所述钻头工作参数数据中最近采集的部分数据，确定使得所述钻头性能综合评价指数目标函数的值最大的钻头工作参数组合，作为钻头工作优化参数数据。
在上述步骤S123中，若所述钻头工作参数组合不符合所述决策树算法要求，例如不满足|Z-C|＜b，则可得知所述钻头性能综合评价指数目标函数的求解结果偏差较大，有可能是由岩层发生变化或其他原因导致的。此时，进行地层变化识别可以进一步确认是否确实发生岩层变化。所述钻头工作参数数据例如可以是钻进1m井段的钻头工作参数数据，该钻头工作参数数据中最近采集的部分数据例如可以是最近钻进的0.2m井段的钻头工作参数数据。利用最近采集的部分钻头工作参数数据进行地层变化识别，一方面，基于最新数据的识别结果更准确，另一方面，更小范围的钻头工作参数数据可以避免包含多个岩层，也使得识别结果更准确。
一些实施例中，可以利用基于残差的主成分分析算法进行地层变化识别，将样本数据通过“降噪”和“去冗余”找出最能描述井筒环境的数据。通过建立主成分向量空间，当最新更新的参数数据向量与主成分向量空间存在较大向量残差，可以说明地层或井眼环境有变化；反之，可以说明地层无变化。
其中，残差计算模型可以为：
其中，vk为第k个主成分向量，m为主成分向量的个数，为主成分向量vk的转置向量，X(i)代表检测窗口，R(i)表示残差向量；点积<X(i)·vk>是检测窗口X(i)在主成分向量vk上的投影。
在上述步骤S124中，在识别地层发生变化的情况下，继续调整并采集钻头工作参数数据，可以利用新采集的钻头工作参数数据重新确定钻头工作优化参数，重新确定的方法类似于上述步骤S120或其具体实施方式。在识别地层未发生变化的情况下，可以利用梯度寻优向量，以所述钻头工作参数数据中最近采集的部分数据作为分析对象，确定使得所述钻头性能综合评价指数目标函数的取值最大的钻头工作参数组合，以此可以在局部范围内找到钻头性能综合评价指数目标函数的最大值及其对应的钻头工作参数组合。根据梯度寻优向量，可以为钻头工作参数提供优化方向，使目标函数值增速最快，更快找到钻头性能综合评价指数最大值。
一些实施例中，梯度寻优向量可以为：
其中，为梯度寻优向量，∑为样本数据的协方差矩阵，为常数向量，1为在目标函数的位置,L为边界条件(例如可取0.9)。求取最优梯度寻优向量可以根据求得钻头性能综合评价指数最大值OBJmax。
图5是本发明另一实施例的钻井优化方法的流程示意图。如图5所示，图1所示的钻井优化方法，还可包括：
步骤S150：基于优化调整后的钻头工作参数，计算所述钻头性能综合评价指数目标函数的值与所述钻头工作优化参数数据对应的所述钻头性能综合评价指数目标函数的最大值的比值；
步骤S160：在所述比值小于设定值的情况下，继续调整并采集钻头工作参数数据；在所述比值大于或等于所述设定值的情况下，继续利用所述钻头工作优化参数数据进行钻井。
所述钻头性能综合评价指数目标函数的值与所述钻头工作优化参数数据对应的所述钻头性能综合评价指数目标函数的最大值的比值越大，可以说明上述步骤S130中，优化调整钻头工作参数后钻头性能综合评价指数目标函数的值越大变大，破岩效率越高，反之，破岩效率越低。所以，可以通过将上述比值与设定值，例如60％，进行比较，以此判断是否可以继续以上述钻头工作优化参数进行钻井。在所述比值小于设定值的情况下，可以继续不断调整并采集钻头工作参数数据，然后利用上述步骤S120或其具体实施方式重新确定钻头工作优化参数，重新调整钻井的钻头工作参数。
本实施例中，优化调整钻头工作参数后，可以对调整后的情况进行评价，以此可以保证提高破岩效率，充分发挥钻头破岩效能。
一些实施例中，上述步骤S130，根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数的方法，具体实施方式可以包括：将所述钻头工作优化参数数据中的转速下发至顶驱控制器以优化调整钻井的转速，将所述钻头工作优化参数数据中的钻压下发至绞车控制器以优化调整钻井的钻压，以及将所述钻头工作优化参数数据中的排量下发至泥浆泵控制器以优化调整钻井的排量。本实施例中，利用顶驱控制器、绞车控制器及泥浆泵控制器可以实现对钻头工作参数的自动调控，改变目前手动调控钻头工作参数的弊端。
图6是本发明一实施例的钻井优化方法的流程示意图。参见图6，一具体实施例中，该钻井优化方法，可包括步骤：
步骤101：钻井开始，提示司钻大范围调整钻井工程参数；这可以为后续分析优化过程提供数据支撑；
步骤102：验证钻头工作参数是否满足后续分析要求；具体地：其一，验证参数类别是否充足，例如至少包括两种及两种以上可控参数(例如钻压、转速、排量等)，同时包含能够表征井下工况变化的不可控参数(例如钻头扭矩等)；其二，验证参数数据量是否充足，在开始实施钻井优化后，将一定长度(例如0.5m～1m)井段的钻进数据存储至数据集进行数量是否充足的分析；这可以为后续优化做准备；
步骤103：判断钻井参数类别及个数充足后，提示用于优化过程的钻井参数数量及类别充足，并开始为后续钻头工作参数寻优做准备；
步骤104：反之，当数据集尺度未达到预设阀值(例如0.5m～1m井段)，钻井参数个数不充足，自动提示大范围调整钻头工作参数，当检索井段长度达到预设阀值，数据准备工作完成，系统进入钻头工作参数全局寻优的步骤105；
步骤105：钻头工作参数全局检索；具体地，设定钻头性能综合评价目标函数，基于曲面拟合数值方法(三次样条差值)，寻求目标函数对应的参数组合；
目标函数模型可以为：
其中，OBJ为钻头性能综合评分指数，ROP为当前时刻的机械钻速，ROP0为平均机械钻速，MSE为机械比能，MSE0为平均机械比能，SS为粘滑振动指数，SS0为平均粘滑振动指数，δ为常数。
具体地，全局检索可以以可控钻井参数(例如钻压、转速、排量)的目标函数作为寻优目标，以分析数据集作为分析对象，以此可以规避推荐参数局部最优的弊端。在全局检索过程中，可以以0.2m井段数据作为诊断数据集，即每0.2m井段的诊断数据集存入全局检索分析数据集，直至井段达到预设阀值，例如1m，因此在此过程中可以完成全局检索5次后，进入步骤106。
步骤106：判断全局检索结果是否符合统计结果；全局检索结果需要经过条件审核，才能被推荐。当审核通过例如决策树算法要求时，则可进入步骤109确定操作参数；若统计测试未通过，则进入步骤107；
决策树算法可以包括：
C＝MaxOBJ
其中，n为数据点个数，C为最大值，MaxOBJ为钻头性能综合评分指数的最大值，Z为均值，OBJi为第i个数据点的钻头性能综合评分指数，b为方差。若满足|Z-C|＜b，则可认为审核通过，执行步骤109；反之，进入步骤107。
步骤107：识别地层岩性变化；具体地，利用主成分分析算法，将一个数据集中的样本数据通过“降噪”和“去冗余”找出最能描述井筒环境的数据。通过建立主成分向量空间，当最新更新的诊断数据向量与主成分向量空间存在较大向量残差，意味着地层或井眼环境有变化。反之，当前诊断数据集向量与主成分向量空间残差很小，意味着地层无变化；
残差计算模型可以为：
其中，vk为第k个主成分向量，m为主成分向量的个数，vk T为主成分向量vk的转置向量，X(i)代表检测窗口，R(i)表示残差向量；点积<X(i)·vk>是检测窗口X(i)在主成分向量vk上的投影，残差向量R(i)的范数是检测窗口X(i)的钻井数据到其主成分投影的距离。偏移越大，越可表示井下工况发生了变化。
步骤108：进行本地检索；具体地，基于主成份分析方法(PCA)，梯度寻找目标函数优化区域，可以将推荐钻头工作参数指向优化区域方向调整；
梯度寻优向量可以为：
其中，为梯度寻优向量，∑为样本数据的协方差矩阵，为常数向量，L为边界条件(可取0.9)。1为在目标函数的位置。
根据梯度寻优向量，为钻头工作参数提供优化方向，使目标函数值OBJ增速最快。
取最大目标函数值对应的参数组合作为最终优化结果推荐：
步骤109：优化参数推荐；当步骤105满足要求，例如学习分数为100分(例如比值为100％，可以确定评价分数为100分)；当步骤105不满足要求，进入本地检索，本地检索可利用梯度寻优方法，不断提升学习分数，当学习分数达到一定值，进入应用模式，即司钻采纳推荐；
步骤110：司钻执行推荐结果；
步骤111～步骤112：根据推荐结果钻进一定长度井段，采集数据为优化效果评估做准备；
步骤113：应用打分；按照推荐参数钻进一定长度井段，如果当前破岩井效率操作性能相对于之前钻井得到提升，应用分数超过例如60分，继续按照推荐参数钻进。反之分数低于60分，破岩井效率未达到预期目标，则算法立即进入步骤105。这个过程中，步骤107始终保持工作，一旦井筒环境发生变化，则优化流程立即进入步骤105。
打分算法可以为：
S＝OBJ/OBJmax，
其中，OBJ为当前的调整参数后的目标函数值，OBJmax为最大目标函数值。
图7是本发明一实施例的钻井优化协同控制方法的流程示意图。如图7所示，利用钻头工作参数寻优模块确定钻头工作优化参数后，可以判断该次钻头工作优化参数中的转速和钻压相对于前次循环确定的钻头工作优化参数是否发生变化，若发生变化，则可将优化后的转速和钻压保存为文本格式并存储。然后，建立与顶驱控制器(PLC)的通信、与绞车控制器的通信、以及与泥浆泵控制器的通信(未示出)，然后在通信正常的情况下，将优化后的转速下发至顶驱控制器，将优化后的钻压下发至绞车控制器，将优化后的排量下发至泥浆泵控制器，从而实现钻压、转速及排量的调控。若通信不正常，可以通过钻机协同控制模块进行协调。另一方面，可以通过读取顶驱控制器的数据和绞车控制器的数据进行数据采集。本实施例的协同控制方法，通过数据采集模块实时获取井场数据，通过计算分析模块对当前工况条件下的钻头工作参数组合寻优，并将参数实时发送至钻机，实现智能化调整。
上述实施例提供了一种能够智能判断井筒环境变化、钻头工作参数寻优及协同控制方法。该方法将评价钻头破岩能效的单一性能指数(如机械钻速、机械比能或切削深度等)整合成一个综合评估指数，能够更加准确全面地评估钻头破岩能效与钻头吃入深度、钻头吃入深度与钻头工作参数(钻压、转速)之间的关系。同时，融合机器学习算法(主成分分析法)，实现对井筒环境变化的准确识别，并通过分析钻头工作参数与提升破岩效率的响应程度，实现钻头工作参数始终趋向最优破岩工作方向调整，实现了优化参数梯度检索与智能推荐，提高钻头破岩效率。可以基于该方法，形成钻机联动系统，将推荐的钻头优化参数自动传递至钻机，由钻机自动调控，提高了参数控制的自动化水平。上述实施例中涉及了井下复杂识别与钻井参数梯度寻优的钻井优化方法，可以基于该方法形成的协同控制系统通过总线与钻机联动，将优化后的参数组合直接传递至钻机，实现了钻头工作参数的自动优化与控制。它能够根据井筒工况的变化，有针对性地推荐最优钻头工作参数组合，实现高效破岩。同时，又将参数自动发送至钻机，实现自动化控制，提高参数调整的精度与稳定性。
图8是本发明一实施例中钻头高效破岩工作区和破岩效能提升区示意图。如图8所示，在段1期间，钻头吃入地层不足；在段2期间，进入高效破岩阶段；在段2末端出现不稳定点1；然后，通过利用本发明实施例的方法重新设计钻头工作参数，提高了不稳定点，破岩性能得到提高；在提高不稳定点后得到的段3期间，根据钻头泥包、井底泥包及钻具振动可以判断破岩性能变化；在段3末尾出现不稳定点2，通过进一步重新利用本发明实施例的方法重新设计钻头工作参数，可以挖掘继续高效破岩的潜在性能。
基于与图1所示的钻井优化方法相同的发明构思，本申请实施例还提供了一种钻井优化装置，如下面实施例所述。由于该钻井优化装置解决问题的原理与钻井优化方法相似，因此该钻井优化装置的实施可以参见钻井优化方法的实施，重复之处不再赘述。
图9是本发明一实施例的钻井优化装置的结构示意图。如图9所示，一些实施例的钻井优化装置，可包括：数据采集单元210、钻头工作参数寻优单元220及钻机协同控制单元230，上述各单元顺序连接。
数据采集单元210，用于：随着井段钻进，不断调整并采集钻头工作参数数据；
钻头工作参数寻优单元220，用于：利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据；所述钻头性能综合评价指数目标函数是基于钻头工作参数建立的关于机械钻速、机械能比及粘滑振动指数的目标函数；
钻机协同控制单元230，用于：根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数。
图10是本发明另一实施例的钻井优化装置的结构示意图。如图10所示，图9所示的钻井优化装置，还可包括：数据质量检验单元240，可连接于数据采集单元210和钻头工作参数寻优单元220之间。
数据质量检验单元240，用于：判断所述钻头工作参数数据是否满足设定参数类别要求，判断所述钻头工作参数数据是否满足设定数据量要求；在未满足所述设定类别要求和/或未满足所述设定数据量要求的情况下，继续调整并采集钻头工作参数。
一些实施例中，所述数据质量检验单元240，可包括：数据质量检验模块，用于：通过判断钻进的井段长度是否达到预设阀值判断所述钻头工作参数数据是否满足设定数据量要求。
图11是本发明一实施例中钻头工作参数寻优单元的结构示意图。如图11所示，所述钻头工作参数寻优单元220，可包括：钻头工作参数求解模块221和钻头工作参数验证模块222，二者相互连接。
钻头工作参数求解模块221，用于：以所述钻头工作参数数据作为分析对象，求解所述钻头性能综合评价指数目标函数，得到钻头性能综合评价指数最大值及相应的钻头工作参数组合；
钻头工作参数验证模块222，用于：判断所述钻头工作参数组合是否符合决策树算法要求，若是，将所述钻头工作参数组合作为钻头工作优化参数数据。
图12是本发明另一实施例的钻井优化装置的结构示意图。如图12所示，图11所示的钻头工作参数寻优单元220，还可包括：地层变化识别模块223和参数局部寻优模块224，二者相互连接。
地层变化识别模块223，用于：在所述钻头工作参数组合不符合所述决策树算法要求的情况下，利用所述钻头工作参数数据中最近采集的部分数据进行地层变化识别；
参数局部寻优模块224，用于：在识别地层发生变化的情况下，继续调整并采集钻头工作参数数据；在识别地层未发生变化的情况下，利用梯度寻优向量和所述钻头工作参数数据中最近采集的部分数据，确定使得所述钻头性能综合评价指数目标函数的值最大的钻头工作参数组合，作为钻头工作优化参数数据。
图13是本发明另一实施例的钻井优化装置的结构示意图。如图13所示，图9所示的钻井优化装置，还可包括：优化结果评价单元250和优化结果处理单元260，二者相互连接。
优化结果评价单元250，用于：基于优化调整后的钻头工作参数，计算所述钻头性能综合评价指数目标函数的值与所述钻头工作优化参数数据对应的所述钻头性能综合评价指数目标函数的最大值的比值；
优化结果处理单元260，用于：在所述比值小于设定值的情况下，继续调整并采集钻头工作参数数据；在所述比值大于或等于所述设定值的情况下，继续利用所述钻头工作优化参数数据进行钻井。
一些实施例中，所述钻机协同控制单元230，可包括：钻机协同控制模块，用于：将所述钻头工作优化参数数据中的转速下发至顶驱控制器以优化调整钻井的转速，将所述钻头工作优化参数数据中的钻压下发至绞车控制器以优化调整钻井的钻压，以及将所述钻头工作优化参数数据中的排量下发至泥浆泵控制器以优化调整钻井的排量。
一些实施例中，钻井优化协同控制系统包括数据采集模块、钻头工作参数寻优模块及钻机协同控制模块三个软件功能模块。其中钻头工作参数寻优是系统的核心，负责实时从数据采集模块数据库中提取数据，分析计算后，执行井下工况识别与钻头工作参数寻优，通过整合钻头性能评估指数，建立钻头工作状态综合优化评估目标函数，得到钻头工作参数与目标函数的关系。通过融合主成分分析法，识别一定井深间隔条件的地层变化、井下工况变化，准确识别影响钻头破岩的瓶颈因素。而后基于全局检索与本地检索算法，进行钻头工作参数梯度寻优，最终将优化钻头工作参数组合传递至钻机，由钻机协同控制模块实现参数组合的协同优化与控制。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所述方法的步骤。
本发明实施例还提供一种计算机设备，如图14所示，计算机设备300包括存储器310、处理器320及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例所述方法的步骤。
综上所述，本发明实施例的钻井优化方法、钻井优化装置、计算机可读存储介质及计算机设备，通过不断调整并采集钻头工作参数数据，并利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，能够实时得到优化的钻头工作参数。优化的钻头工作参数通过该钻头性能综合评价指数目标函数考虑了井下工况或地层变化，利用该优化的钻头工作参数进行钻井，有助于感知高效破岩区和潜在的破岩能效提升区，从而充分发挥钻头破岩效能。本发明通过井下工况识别与钻头工作参数自动寻优，帮助钻井技术人员及时掌握井下工况变化，能够将当前工况条件、地质条件下的优化参数组合(例如钻压、转速、排量等参数)自动发送至钻机，由钻机自动调控，替代人工调控，使控制过程更加安全、平滑和稳定。借此方法和系统，实现钻井优化的闭环控制，达到提高破岩效率，延长钻头寿命的目的。
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (16)
1.一种钻井优化方法，其特征在于，包括：
随着井段钻进，不断调整并采集钻头工作参数数据；
利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据；所述钻头性能综合评价指数目标函数是基于钻头工作参数建立的关于机械钻速、机械能比及粘滑振动指数的目标函数；
根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数。
2.如权利要求1所述的钻井优化方法，其特征在于，利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据之前，还包括：
判断所述钻头工作参数数据是否满足设定参数类别要求，判断所述钻头工作参数数据是否满足设定数据量要求；在未满足所述设定类别要求和/或未满足所述设定数据量要求的情况下，继续调整并采集钻头工作参数。
3.如权利要求2所述的钻井优化方法，其特征在于，判断所述钻头工作参数数据是否满足设定数据量要求，包括：
通过判断钻进的井段长度是否达到预设阀值判断所述钻头工作参数数据是否满足设定数据量要求。
4.如权利要求1所述的钻井优化方法，其特征在于，利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据，包括：
以所述钻头工作参数数据作为分析对象，求解所述钻头性能综合评价指数目标函数，得到钻头性能综合评价指数最大值及相应的钻头工作参数组合；
判断所述钻头工作参数组合是否符合决策树算法要求，若是，将所述钻头工作参数组合作为钻头工作优化参数数据。
5.如权利要求4所述的钻井优化方法，其特征在于，利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据，还包括：
在所述钻头工作参数组合不符合所述决策树算法要求的情况下，利用所述钻头工作参数数据中最近采集的部分数据进行地层变化识别；
在识别地层发生变化的情况下，继续调整并采集钻头工作参数数据；在识别地层未发生变化的情况下，利用梯度寻优向量和所述钻头工作参数数据中最近采集的部分数据，确定使得所述钻头性能综合评价指数目标函数的值最大的钻头工作参数组合，作为钻头工作优化参数数据。
6.如权利要求1所述的钻井优化方法，其特征在于，还包括：
基于优化调整后的钻头工作参数，计算所述钻头性能综合评价指数目标函数的值与所述钻头工作优化参数数据对应的所述钻头性能综合评价指数目标函数的最大值的比值；
在所述比值小于设定值的情况下，继续调整并采集钻头工作参数数据；在所述比值大于或等于所述设定值的情况下，继续利用所述钻头工作优化参数数据进行钻井。
7.如权利要求1所述的钻井优化方法，其特征在于，根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数，包括：
将所述钻头工作优化参数数据中的转速下发至顶驱控制器以优化调整钻井的转速，将所述钻头工作优化参数数据中的钻压下发至绞车控制器以优化调整钻井的钻压，以及将所述钻头工作优化参数数据中的排量下发至泥浆泵控制器以优化调整钻井的排量。
8.一种钻井优化装置，其特征在于，包括：
数据采集单元，用于：随着井段钻进，不断调整并采集钻头工作参数数据；
钻头工作参数寻优单元，用于：利用钻头性能综合评价指数目标函数分析所述钻头工作参数数据，得到钻头工作优化参数数据；所述钻头性能综合评价指数目标函数是基于钻头工作参数建立的关于机械钻速、机械能比及粘滑振动指数的目标函数；
钻机协同控制单元，用于：根据所述钻头工作优化参数数据优化调整钻井的钻头工作参数。
9.如权利要求8所述的钻井优化装置，其特征在于，还包括：
数据质量检验单元，用于：判断所述钻头工作参数数据是否满足设定参数类别要求，判断所述钻头工作参数数据是否满足设定数据量要求；在未满足所述设定类别要求和/或未满足所述设定数据量要求的情况下，继续调整并采集钻头工作参数。
10.如权利要求9所述的钻井优化装置，其特征在于，所述数据质量检验单元，包括：
数据质量检验模块，用于：通过判断钻进的井段长度是否达到预设阀值判断所述钻头工作参数数据是否满足设定数据量要求。
11.如权利要求8所述的钻井优化装置，其特征在于，所述钻头工作参数寻优单元，包括：
钻头工作参数求解模块，用于：以所述钻头工作参数数据作为分析对象，求解所述钻头性能综合评价指数目标函数，得到钻头性能综合评价指数最大值及相应的钻头工作参数组合；
钻头工作参数验证模块，用于：判断所述钻头工作参数组合是否符合决策树算法要求，若是，将所述钻头工作参数组合作为钻头工作优化参数数据。
12.如权利要求11所述的钻井优化装置，其特征在于，所述钻头工作参数寻优单元，还包括：
地层变化识别模块，用于：在所述钻头工作参数组合不符合所述决策树算法要求的情况下，利用所述钻头工作参数数据中最近采集的部分数据进行地层变化识别；
参数局部寻优模块，用于：在识别地层发生变化的情况下，继续调整并采集钻头工作参数数据；在识别地层未发生变化的情况下，利用梯度寻优向量和所述钻头工作参数数据中最近采集的部分数据，确定使得所述钻头性能综合评价指数目标函数的值最大的钻头工作参数组合，作为钻头工作优化参数数据。
13.如权利要求8所述的钻井优化装置，其特征在于，还包括：
优化结果评价单元，用于：基于优化调整后的钻头工作参数，计算所述钻头性能综合评价指数目标函数的值与所述钻头工作优化参数数据对应的所述钻头性能综合评价指数目标函数的最大值的比值；
优化结果处理单元，用于：在所述比值小于设定值的情况下，继续调整并采集钻头工作参数数据；在所述比值大于或等于所述设定值的情况下，继续利用所述钻头工作优化参数数据进行钻井。
14.如权利要求8所述的钻井优化装置，其特征在于，所述钻机协同控制单元，包括：
钻机协同控制模块，用于：将所述钻头工作优化参数数据中的转速下发至顶驱控制器以优化调整钻井的转速，将所述钻头工作优化参数数据中的钻压下发至绞车控制器以优化调整钻井的钻压，以及将所述钻头工作优化参数数据中的排量下发至泥浆泵控制器以优化调整钻井的排量。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7所述方法的步骤。
16.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810913761.4A CN109281649A (zh) | 2018-08-13 | 2018-08-13 | 钻井优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810913761.4A CN109281649A (zh) | 2018-08-13 | 2018-08-13 | 钻井优化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109281649A true CN109281649A (zh) | 2019-01-29 |
Family
ID=65183169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810913761.4A Pending CN109281649A (zh) | 2018-08-13 | 2018-08-13 | 钻井优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109281649A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109798101A (zh) * | 2019-03-12 | 2019-05-24 | 敖江昵 | 顶驱钻井控制辅助装置 |
| CN110500081A (zh) * | 2019-08-31 | 2019-11-26 | 中国石油集团川庆钻探工程有限公司 | 一种基于深度学习的自动钻井方法 |
| CN112031749A (zh) * | 2019-05-16 | 2020-12-04 | 中国石油集团工程技术研究院有限公司 | 一种油气钻探用钻头综合性能评价方法 |
| CN112487582A (zh) * | 2020-12-10 | 2021-03-12 | 西南石油大学 | 一种基于cart算法的油气钻井机械钻速预测与优化方法 |
| CN112727433A (zh) * | 2020-12-24 | 2021-04-30 | 四川宏华电气有限责任公司 | 一种钻井参数优化方法 |
| CN112855113A (zh) * | 2021-01-28 | 2021-05-28 | 北京三一智造科技有限公司 | 旋挖钻机的自动钻进方法及控制器、存储介质及电子设备 |
| CN113408081A (zh) * | 2021-08-14 | 2021-09-17 | 西南石油大学 | 一种基于数据驱动的钻速随钻深层精细化优化方法 |
| CN113610314A (zh) * | 2021-08-17 | 2021-11-05 | 中海石油(中国)有限公司 | 基于粒子群算法的钻井参数优化方法、系统、设备和介质 |
| CN113738343A (zh) * | 2021-09-16 | 2021-12-03 | 零空间（北京）科技有限公司 | 一种vr井下钻机状态检测方法、系统、装置及设备 |
| CN113944425A (zh) * | 2020-07-16 | 2022-01-18 | 中国石油化工股份有限公司 | 用于复杂地层的钻头稳态工作与增能协同破岩方法及装置 |
| CN114427430A (zh) * | 2020-09-21 | 2022-05-03 | 中国石油化工股份有限公司 | 一种多井实时协同的钻井参数优化方法与系统 |
| CN114444964A (zh) * | 2022-02-11 | 2022-05-06 | 中国地质大学（武汉） | 钻进过程运行性能评估方法 |
| CN117759221A (zh) * | 2024-02-21 | 2024-03-26 | 中海油田服务股份有限公司 | 井下旋转井壁取心控制方法及系统 |
| CN118036319A (zh) * | 2024-03-01 | 2024-05-14 | 广东鼎泰高科技术股份有限公司 | 一种钻孔工具的设计方法、装置、电子设备及存储介质 |
| CN118653819A (zh) * | 2024-08-19 | 2024-09-17 | 克拉玛依创业有限公司 | 用于定向井钻井的防碰风险控制系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110174541A1 (en) * | 2008-10-03 | 2011-07-21 | Halliburton Energy Services, Inc. | Method and System for Predicting Performance of a Drilling System |
| US20120118637A1 (en) * | 2009-08-07 | 2012-05-17 | Jingbo Wang | Drilling Advisory Systems And Methods Utilizing Objective Functions |
| CN102687041A (zh) * | 2009-08-07 | 2012-09-19 | 埃克森美孚上游研究公司 | 根据地面测量估计井下钻探振动指标的方法 |
| CN104453841A (zh) * | 2014-10-23 | 2015-03-25 | 中国石油天然气集团公司 | 钻井节能提速导航优化方法 |
| CN105401935A (zh) * | 2015-11-30 | 2016-03-16 | 中国石油天然气集团公司 | 一种钻井钻压计算方法、装置及钻压指示设备 |
| CN105986803A (zh) * | 2015-07-15 | 2016-10-05 | 中国石油天然气集团公司 | 井下振动监测方法 |
-
2018
- 2018-08-13 CN CN201810913761.4A patent/CN109281649A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110174541A1 (en) * | 2008-10-03 | 2011-07-21 | Halliburton Energy Services, Inc. | Method and System for Predicting Performance of a Drilling System |
| US20120118637A1 (en) * | 2009-08-07 | 2012-05-17 | Jingbo Wang | Drilling Advisory Systems And Methods Utilizing Objective Functions |
| 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 |
| CN102687041A (zh) * | 2009-08-07 | 2012-09-19 | 埃克森美孚上游研究公司 | 根据地面测量估计井下钻探振动指标的方法 |
| CN104453841A (zh) * | 2014-10-23 | 2015-03-25 | 中国石油天然气集团公司 | 钻井节能提速导航优化方法 |
| CN105986803A (zh) * | 2015-07-15 | 2016-10-05 | 中国石油天然气集团公司 | 井下振动监测方法 |
| CN105401935A (zh) * | 2015-11-30 | 2016-03-16 | 中国石油天然气集团公司 | 一种钻井钻压计算方法、装置及钻压指示设备 |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109798101B (zh) * | 2019-03-12 | 2024-04-09 | 北京鹏风科技有限公司 | 顶驱钻井控制辅助装置 |
| CN109798101A (zh) * | 2019-03-12 | 2019-05-24 | 敖江昵 | 顶驱钻井控制辅助装置 |
| CN112031749A (zh) * | 2019-05-16 | 2020-12-04 | 中国石油集团工程技术研究院有限公司 | 一种油气钻探用钻头综合性能评价方法 |
| CN110500081A (zh) * | 2019-08-31 | 2019-11-26 | 中国石油集团川庆钻探工程有限公司 | 一种基于深度学习的自动钻井方法 |
| CN110500081B (zh) * | 2019-08-31 | 2022-09-16 | 中国石油集团川庆钻探工程有限公司 | 一种基于深度学习的自动钻井方法 |
| CN113944425B (zh) * | 2020-07-16 | 2024-05-28 | 中国石油化工股份有限公司 | 用于复杂地层的钻头稳态工作与增能协同破岩方法及装置 |
| CN113944425A (zh) * | 2020-07-16 | 2022-01-18 | 中国石油化工股份有限公司 | 用于复杂地层的钻头稳态工作与增能协同破岩方法及装置 |
| CN114427430A (zh) * | 2020-09-21 | 2022-05-03 | 中国石油化工股份有限公司 | 一种多井实时协同的钻井参数优化方法与系统 |
| CN114427430B (zh) * | 2020-09-21 | 2024-05-07 | 中国石油化工股份有限公司 | 一种多井实时协同的钻井参数优化方法与系统 |
| CN112487582A (zh) * | 2020-12-10 | 2021-03-12 | 西南石油大学 | 一种基于cart算法的油气钻井机械钻速预测与优化方法 |
| CN112487582B (zh) * | 2020-12-10 | 2021-09-14 | 西南石油大学 | 一种基于cart算法的油气钻井机械钻速预测与优化方法 |
| CN112727433A (zh) * | 2020-12-24 | 2021-04-30 | 四川宏华电气有限责任公司 | 一种钻井参数优化方法 |
| CN112855113A (zh) * | 2021-01-28 | 2021-05-28 | 北京三一智造科技有限公司 | 旋挖钻机的自动钻进方法及控制器、存储介质及电子设备 |
| CN113408081B (zh) * | 2021-08-14 | 2022-09-02 | 西南石油大学 | 一种基于数据驱动的钻速随钻深层精细化优化方法 |
| CN113408081A (zh) * | 2021-08-14 | 2021-09-17 | 西南石油大学 | 一种基于数据驱动的钻速随钻深层精细化优化方法 |
| CN113610314A (zh) * | 2021-08-17 | 2021-11-05 | 中海石油(中国)有限公司 | 基于粒子群算法的钻井参数优化方法、系统、设备和介质 |
| CN113738343A (zh) * | 2021-09-16 | 2021-12-03 | 零空间（北京）科技有限公司 | 一种vr井下钻机状态检测方法、系统、装置及设备 |
| CN113738343B (zh) * | 2021-09-16 | 2023-11-07 | 零空间（北京）科技有限公司 | 一种vr井下钻机状态检测方法、系统、装置及设备 |
| CN114444964A (zh) * | 2022-02-11 | 2022-05-06 | 中国地质大学（武汉） | 钻进过程运行性能评估方法 |
| CN114444964B (zh) * | 2022-02-11 | 2024-05-17 | 中国地质大学（武汉） | 钻进过程运行性能评估方法 |
| CN117759221B (zh) * | 2024-02-21 | 2024-05-03 | 中海油田服务股份有限公司 | 井下旋转井壁取心控制方法及系统 |
| CN117759221A (zh) * | 2024-02-21 | 2024-03-26 | 中海油田服务股份有限公司 | 井下旋转井壁取心控制方法及系统 |
| CN118036319A (zh) * | 2024-03-01 | 2024-05-14 | 广东鼎泰高科技术股份有限公司 | 一种钻孔工具的设计方法、装置、电子设备及存储介质 |
| CN118036319B (zh) * | 2024-03-01 | 2024-10-11 | 广东鼎泰高科技术股份有限公司 | 一种钻孔工具的设计方法、装置、电子设备及存储介质 |
| CN118653819A (zh) * | 2024-08-19 | 2024-09-17 | 克拉玛依创业有限公司 | 用于定向井钻井的防碰风险控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109281649A (zh) | 钻井优化方法及装置 | |
| Soares et al. | Real-time predictive capabilities of analytical and machine learning rate of penetration (ROP) models | |
| US9593566B2 (en) | Semi-autonomous drilling control | |
| US11598195B2 (en) | Statistical approach to incorporate uncertainties of parameters in simulation results and stability analysis for earth drilling | |
| US7261167B2 (en) | Method and system for predicting performance of a drilling system for a given formation | |
| US9285794B2 (en) | Drilling advisory systems and methods with decision trees for learning and application modes | |
| US8590635B2 (en) | Method and apparatus for automated drilling of a borehole in a subsurface formation | |
| US6408953B1 (en) | Method and system for predicting performance of a drilling system for a given formation | |
| US6612382B2 (en) | Iterative drilling simulation process for enhanced economic decision making | |
| CN112074647A (zh) | 用于自动井规划、钻井和引导系统的钻井参数优化 | |
| NO322747B1 (no) | Fremgangsmate og anordning for a forutsi et boresystems ytelse i en gitt formasjon | |
| CN102472825A (zh) | 使用目标函数的钻井咨询系统和方法 | |
| CA3098352C (en) | Adjusting well tool operation to manipulate the rate-of-penetration (rop) of a drill bit based on multiple rop projections | |
| CN109542884B (zh) | 采用大数据耦合参数以优化破岩效率的方法和系统 | |
| WO2020231441A1 (en) | Automated optimization of real-time data frequency for modeling drilling operations | |
| CN114370264B (zh) | 机械钻速确定、钻井参数优化方法、装置及电子设备 | |
| Soares et al. | Enhancing reamer drilling performance in deepwater Gulf of Mexico Wells | |
| CN113738343A (zh) | 一种vr井下钻机状态检测方法、系统、装置及设备 | |
| WO2022026804A1 (en) | Automated drilling fluids management system | |
| WO2023204852A1 (en) | Retrofitting existing rig hardware and performing bit forensic for dull bit grading through software |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190129 |