CN109308570B - 一种井下复杂工况识别方法、装置及系统 - Google Patents

一种井下复杂工况识别方法、装置及系统 Download PDF

Info

Publication number
CN109308570B
CN109308570B CN201810953286.3A CN201810953286A CN109308570B CN 109308570 B CN109308570 B CN 109308570B CN 201810953286 A CN201810953286 A CN 201810953286A CN 109308570 B CN109308570 B CN 109308570B
Authority
CN
China
Prior art keywords
working condition
condition
risk
change rate
rcf
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.)
Active
Application number
CN201810953286.3A
Other languages
English (en)
Other versions
CN109308570A (zh
Inventor
崔猛
汪海阁
葛云华
陈志学
郭卫红
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 National Petroleum Corp
CNPC Engineering Technology R&D Co Ltd
Beijing Petroleum Machinery Co Ltd
Original Assignee
China National Petroleum Corp
CNPC Engineering Technology R&D Co Ltd
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 National Petroleum Corp, CNPC Engineering Technology R&D Co Ltd filed Critical China National Petroleum Corp
Priority to CN201810953286.3A priority Critical patent/CN109308570B/zh
Publication of CN109308570A publication Critical patent/CN109308570A/zh
Application granted granted Critical
Publication of CN109308570B publication Critical patent/CN109308570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Animal Husbandry (AREA)
  • General Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本说明书实施例公开了一种井下复杂工况识别方法、装置及系统，所述方法包括获取参数的实测数据，根据所述实测数据确定所述参数的变化率；根据所述变化率与预设变化率阈值的比值确定所述参数对应的工况前提的风险值；计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数；根据所述风险评估指数对井下工况进行识别。利用本说明书各实施例，可以对井下工况进行早期识别及预警，降低井下复杂工况发生的风险。

Description

一种井下复杂工况识别方法、装置及系统
技术领域
本发明涉及石油天然气勘探开发技术领域，特别地，涉及一种井下复杂工况识别方法、装置及系统。
背景技术
地层不确定性和井下工况隐蔽性使钻井工程成为一项高风险、高投入的多学科系统工程。但如果对施工过程中客观情况认识不清或主观决策失误，容易加大井下工况的复杂程度，甚至造成更严重的事故。
钻井工程技术人员在进行事故的诊断和处理决策时，通常根据以往类似问题决策的经验和结果来求解当前所面临的问题。但由于个体知识、经验以及责任心等原因，常常延误复杂事故处理的最佳时机和误判，造成不必要的经济损失。除此之外，地质条件的复杂化、工程技术(欠平衡、控压、地质导向等)及其应用的多样化超越人的知识与经验所能达到的能力也是异常情况不能及时发现与处理的主要原因。因此，本技术领域亟需一种可以对井下工况进行早期有效识别的方法。
发明内容
本说明书实施例的目的是提供一种井下复杂工况识别方法、装置及系统，可以对井下工况进行早期有效识别及预警。
本说明书提供一种井下复杂工况识别方法、装置及系统是包括如下方式实现的：
一种井下复杂工况识别方法，包括：
获取参数的实测数据，根据所述实测数据确定所述参数的变化率；
根据所述变化率与预设变化率阈值的比值确定所述参数对应的工况前提的风险值；
计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数；
根据所述风险评估指数对井下工况进行识别。
本说明书提供的所述方法的另一个实施例中，所述对井下工况进行识别，包括：
当工况对应的当前工况前提为一个时，将当前工况前提下工况的风险评估指数确定为相应工况的风险评估指数；
根据所述工况的风险评估指数对井下工况进行识别。
本说明书提供的所述方法的另一个实施例中，所述对井下工况进行识别，包括：
当工况对应的当前工况前提为两个或者两个以上时，根据下述公式确定工况的风险评估指数：
RCF(H)＝RCF1(H)+RCF2(H)-RCF1(H)×RCF2(H)
式中，RCF(H)表示工况H的风险评估指数，RCF1(H)表示在工况前提E1下的工况H的风险评估指数，RCF2(H)表示在工况前提E2下的工况H的风险评估指数；
根据所述工况的风险评估指数对井下工况进行识别。
本说明书提供的所述方法的另一个实施例中，所述确定所述参数对应的工况前提的风险值之前，还包括：
根据参数的实测数据以及预测数据确定所述参数的偏离度，判断所述偏离度是否满足预设阈值条件；
相应的，当判断结果为是时，根据所述工况前提对应的参数的变化率与预设变化率阈值的比值确定所述工况前提的风险值。
本说明书提供的所述方法的另一个实施例中，所述确定所述参数对应的工况前提的风险值之前，还包括：
判断所述参数的变化率的绝对值是否大于预设变化率阈值的绝对值；
相应的，当判断结果为是时，根据所述变化率与预设变化率阈值的比值确定所述工况前提的风险值。
另一方面，本说明书实施例还提供一种井下复杂工况识别装置，包括：
变化率确定模块，用于获取参数的实测数据，根据所述实测数据确定所述参数的变化率；
风险值确定模块，用于根据所述变化率与预设变化率阈值的比值确定所述参数对应的工况前提的风险值；
评估指数确定模块，用于计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数；
工况识别模块，用于根据所述风险评估指数对井下工况进行识别。
本说明书提供的所述装置的另一个实施例中，所述装置还包括：
第一判断模块，用于根据参数的实测数据以及预测数据确定所述参数的偏离度，判断所述偏离度是否满足预设阈值条件；
相应的，所述变化率确定模块用于当判断结果为是时，根据所述工况前提对应的参数的变化率与预设变化率阈值的比值确定所述工况前提的风险值。
本说明书提供的所述装置的另一个实施例中，所述装置还包括：
第二判断模块，用于判断所述参数的变化率的绝对值是否大于预设变化率阈值的绝对值；
相应的，所述风险值确定模块用于当判断结果为是时，根据所述变化率及预设变化率阈值的比值确定所述工况前提的风险值。
另一方面，本说明书实施例还提供一种井下复杂工况识别设备，包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：
获取参数的实测数据，根据所述实测数据确定所述参数的变化率；
根据所述变化率与预设变化率阈值的比值确定所述参数对应的工况前提的风险值；
计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数；
根据所述风险评估指数对井下工况进行识别。
另一方面，本说明书实施例还提供一种井下复杂工况识别系统，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个实施例所述方法的步骤。
本说明书一个或多个实施例提供的一种井下复杂工况识别方法、装置及系统，可以通过对钻井过程中的重要工程参数的实测数据进行实时跟踪分析。然后，基于对实测数据的变化分析，定量确定参数变化的明显程度，再进一步结合参数变化对工况产生的影响，确定每种工况发生的风险评估指数。利用风险评估指数定量表征工况潜在发生的概率，从而对风险较高的工况进行预警及有效识别，降低钻井工程事故发生的概率。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本说明书提供的一种井下复杂工况识别方法实施例的流程示意图；
图2为本说明书提供的一个实施例中扭矩数据随井深的变化示意图；
图3为本说明书提供的一种井下复杂工况识别装置实施例的模块结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是说明书一部分实施例，而不是全部的实施例。基于说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书实施例方案保护的范围。
地层不确定性和井下工况隐蔽性使钻井工程成为一项高风险、高投入的多学科系统工程。钻井工程技术人员在进行事故的诊断和处理决策时，通常根据以往类似问题决策的经验和结果来求解当前所面临的问题。但由于个体知识、经验以及责任心等原因，常常延误复杂事故处理的最佳时机和误判，造成不必要的经济损失。
相应的，本说明书实施例提供了一种井下复杂工况识别方法，可以首先获取参数的实测数据，根据所述实测数据确定所述参数的变化率，根据所述变化率与预设变化率阈值的比值确定所述参数对应的工况前提的风险值。然后，可以计算所述风险值与所述工况前提下工况的可信度乘积，确定工况在所述工况前提下的风险评估指数，利用所述风险评估指数对井下工况进行识别。
本说明书实施例的工况可以包括钻井过程中可能会随钻出现的井下故障，如卡钻、井漏、溢流等。所述工况前提可以包括引起某种工况的前提条件，如某些参数异常可能会导致工况的产生，则可以将相应的参数异常状态作为相应工况的工况前提。当然，所述工况前提也可以包括参数正常的情况。所述参数可以包括钻井过程中的工程参数，如，溢流对应的工况前提可能有机械钻速加快、出口流量增大等，而机械钻速加快对应的参数为机械钻速，出口流量增大对应的参数为出口流量。相应的，所述工况前提的风险值可以用来定量表征参数变化的明显程度，所述工况前提下工况的可信度可以包括工况的工况前提被完全满足时，产生工况的不确定程度。
利用本说明实施例的方案，通过对钻井过程中的工程参数(如钻压、转速、泵压、出口流量等)数据实时跟踪分析。然后，基于对实测数据的变化分析，利用风险值来定量描述参数变化的明显程度，再进一步结合工况前提下工况的可信度，确定每种工况发生的风险评估指数。利用风险评估指数定量表征工况潜在发生的概率，从而对风险较高的工况进行预警及有效识别，降低钻井工程事故发生的概率。
图1是本说明书提供的所述一种井下复杂工况识别方法实施例流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
具体的一个实施例如图1所示，本说明书提供的井下复杂工况识别方法的一个实施例中，所述方法可以包括：
S2：获取参数的实测数据，根据所述实测数据确定所述参数的变化率。
所述参数可以包括钻井过程中的工程参数，如可以包括扭矩、机械钻速、泵压、出口流量等。具体实施时，可以实时监测目标井段内钻井过程中参数的数据变化情况。可以获取目标井段的参数的实测数据，并计算参数在目标井段内的实测数据的变化率。
如可以利用下述公式计算参数变化率ROC实际：
Figure BDA0001772043770000051
其中，AVGi表示待分析的目标井段中参数的实测数据的平均值，AVGi-1表示待分析目标井段的上一段中参数的实测数据的平均值。具体实施时，如可以去1m长度的井段作为分析对象，计算该长度井段内参数的实测数据的平均值，获得AVGi、AVGi-1。
S4：根据所述变化率与预设变化率阈值的比值确定所述参数对应的工况前提的风险值。
所述工况前提可以包括引起某种工况的前提条件，如某些参数变化异常可能会导致工况的产生，则可以将相应的参数状态作为相应工况的工况前提。当然，所述工况前提也可以包括参数正常的情况。所述工况前提的风险值可以用来定量表征参数变化的明显程度。一些实施方式中，可以将工况前提对应的参数的变化率与预设变化率阈值进行对比，确定相应工况前提的风险值。如监测参数为扭矩，根据扭矩的实测数据确定相应的工况前提为扭矩增大，则扭矩增大的程度可以通过计算扭矩增大的风险值来定量描述。
其中，所述预设变化率阈值可以根据实际需要自行设定。表1表示本说明书一个实例中的预设变化率阈值的取值范围示例表。
表1预设变化率阈值的取值范围示例表
Figure BDA0001772043770000061
本说明书的一个实施例中，所述风险值可以利用参数的变化率与预设变化率阈值的比值来确定。如，工况前提的风险值Risk可以表示为：
Figure BDA0001772043770000062
其中，ROC阈值表示预设变化率阈值。
可以将所述风险值划分为6个风险等级：0、0-0.5、0.5-1、1-2、2-3、大于3，其具体定义如下：
Risk＝0；定义：参数无变化；
Rick＜0.5；定义：参数变化轻微变化；
0.5＜Risk＜1；定义：参数变化不太明显；
1＜Risk＜2；定义：参数变化比较明显；
2＜Risk＜3；；定义：参数变化明显；
Risk＞3；定义：参数变化尤为明显；
从而可以看出，利用所述风险值可以定量表征参数变化的明显程度。
进一步的，为了方便于后续计算，可以将根据参数的变化率与预设变化率阈值的比值计算得到的风险值Risk进行归一化，将归一化后的风险值用于后续计算，具体归一化的方法可以参考现有技术实施，这里不做累述。
本说明书的另一个实施例中，确定所述工况前提的风险值之前，还可以包括：判断所述工况前提对应的参数的变化率的绝对值是否大于预设变化率阈值的绝对值。当判断结果为是时，根据所述工况前提对应的参数的变化率与预设变化率阈值的比值确定所述工况前提的风险值。参数的变化率较小，即参数变化不明显，则相应工况发生的可能性较小。通过先判断参数的变化率，当参数变化较为明显时，再进行后续风险评估，并不会影响井下工况识别的准确性。同时，还可以进一步减小后续数据处理的数据量，提高后续数据处理的效率。
本说明书的另一个实施例中，确定相应工况前提的风险值之前，还可以根据目标井段内参数的实际数据以及预测数据确定所述参数的偏离度。判断所述偏离度是否满足预设阈值条件，其中，所述预设阈值条件可以包括：判断参数在任意一深度点的偏离度的绝对值是否大于第一预设阈值的绝对值，或者，判断参数在预设分析井段内的平均偏离度的绝对值是否大于第一预设阈值的绝对值等。当判断结果为是时，再进行风险评估，计算相应工况前提的风险值。当然，具体实施时，所述预设阈值条件并不限于上述两种方式，可以根据实际需要采用类似的其他方式。
如可以取1m井段作为分析对象，计算参数变化偏离度，如图2所示。以划眼过程中的扭矩为例，根据邻井数据取分析井段端点预测值(X1,Z1)至(X2，Z2)，其中，Z表示井深，X表示参数的数据。在分析井段内，参数的实际值随井深一直变化，各深度点Z处参数的实际值与预测值之间偏离度计算公式为：
Figure BDA0001772043770000081
Figure BDA0001772043770000082
式中，Z1＜Z实测＜Z2，Z实测表示待分析1m井段内任意一点的井深，X预测表示井深Z实测处参数的预测数据，X实测表示井深Z实测处参数的实测数据，Δ表示井深Z实测处参数的实际值与预测值之间偏离度。
然后，可以判断所述偏离度相对第一预设阈值大小，具体实施时，如可以计算1m井段内各深度点参数的偏离度的均值，当偏离度均值的绝对值大于第一预设阈值的绝对值时，进行风险评估，计算相应工况前提的风险值。当偏离度均值的绝对值小于等于第一预设阈值的绝对值时，则认为该参数的实测数据正常，可以不用于后续风险评估。需特别说明的是，将1m井段作为分析对象也仅为举例说明，具体实施时可以根据实际情况调整分析井段的长度。表2表示本说明书一个实例中的第一预设阈值的取值范围示例表。
表2第一预设阈值的取值范围示例表
Figure BDA0001772043770000083
如果参数的实测数据均比较正常，则相应工况发生的可能性较小。通过先判断参数的偏离度，在参数的实测数据相对预测数据的偏离度满足预设阈值条件时，再将该参数对应的工况前提用于后续风险评估，并不会影响井下工况识别的准确性。同时，还可以进一步减小后续数据处理的数据量，提高后续数据处理的效率。
S6：计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数。
可以通过对大量实际操作情况进行统计分析，预先确定某种工况所可能对应的工况前提。如，溢流对应的工况前提可能有机械钻速加快、出口流量增大等，而机械钻速加快对应的参数为机械钻速，出口流量增大对应的参数为出口流量。
一些实施方式中，所述可信度可以包括工况的工况前提被完全满足时，产生工况的不确定程度。如扭矩增大被完全满足时，产生卡钻的不确定程度。具体实施时，所述工况前提下工况的可信度也可以理解为参数变化对工况的影响因子。
所述可信度可以通过统计分析大量的工况与对应工况前提的数据，确定出工况前提与工况之间的可信度。表3-1、表3-2表示本说明书一个实例中预先确定的工况、工况前提、参数及可信度统计表示例。
然后，可以根据工况前提的风险值及相应工况前提条件下工况的可信度，确定工况在相应工况前提下的风险评估指数。本说明书的一个实施例中，可以根据所述工况前提的风险值及相应工况前提条件下工况的可信度之积，确定工况在该工况前提下的风险评估指数。
如，可以利用下述公式确定工况在某工况前提下的风险评估指数：
RCF(H)＝RCF(H，E)×max{0,CF(E)} (1)
其中，RCF(H)表示工况H在工况前提E下的风险评估指数，RCF(H，E)表示在工况前提E下的工况H的可信度，CF(E)表示归一化的工况前提E的风险值。
具体实施时，可以有：
1、工况前提E下工况H肯定发生(RCF(E)＝1)时：
RCF(H)＝RCF(H,E)＝1
2、工况前提E下工况H不是肯定发生(RCF(E)≠1)时：
RCF(H)＝RCF(H，E)×max{0,CF(E)}
由上式可以看出，若RCF(E)<0，即相应证据以某种程度为假，则RCF(H)＝0。
表3-1工况、工况前提、参数及可信度统计表
序号 类型 钻井状态 参数名称 工况前提 工况 可信度
1 井下事故诊断 钻进/划眼 扭矩 扭矩增大 卡钻 0.4
2 井下复杂情况诊断 钻进/划眼 扭矩 扭矩正常 井漏 0.1
3 井下复杂情况诊断 钻进/划眼 扭矩 扭矩正常 溢流 0.1
4 井下复杂情况诊断 钻进/划眼 扭矩 扭矩正常 钻头水眼刺 0.1
5 井下复杂情况诊断 钻进/划眼 扭矩 扭矩正常 钻头水眼掉 0.1
6 井下复杂情况诊断 钻进/划眼 扭矩 扭矩增大 井塌 0.1
7 井下复杂情况诊断 钻进/划眼 扭矩 扭矩增大 砂桥 0.1
8 井下复杂情况诊断 钻进/划眼 扭矩 扭矩增大 泥包 0.3
9 井下复杂情况诊断 钻进/划眼 扭矩 扭矩增大 缩径 0.15
10 井下复杂情况诊断 钻进/划眼 扭矩 扭矩增大 钻具刺漏 0.1
11 井下复杂情况诊断 钻进/划眼 扭矩 扭矩增大 钻头牙轮卡 0.2
12 井下复杂情况诊断 钻进/划眼 扭矩 憋钻 泥包 0.3
13 井下复杂情况诊断 钻进/划眼 扭矩 憋钻 缩径 0.2
14 井下复杂情况诊断 钻进/划眼 扭矩 憋钻 钻头牙轮卡 0.3
15 井下复杂情况诊断 起钻 大钩载荷 钩载增加 井塌 0.1
16 井下复杂情况诊断 起钻 大钩载荷 钩载增加 砂桥 0.1
17 井下复杂情况诊断 起钻 大钩载荷 钩载增加 泥包 0.2
18 井下复杂情况诊断 起钻 大钩载荷 钩载增加 缩径 0.25
19 井下复杂情况诊断 起钻 大钩载荷 钩载增加 键槽 0.5
20 井下复杂情况诊断 起钻 大钩载荷 钩载正常 钻具刺漏 0.1
21 井下复杂情况诊断 起钻 大钩载荷 钩载正常 钻头牙轮卡 0.1
22 井下复杂情况诊断 钻进/倒划眼 大钩载荷 钩载正常 钻头水眼刺 0.1
23 井下复杂情况诊断 钻进/倒划眼 大钩载荷 钩载正常 钻头水眼掉 0.1
24 井下复杂情况诊断 钻进/倒划眼 大钩载荷 钩载正常 钻头水眼堵 0.1
25 井下复杂情况诊断 下钻 大钩载荷 钩载降低 井塌 0.2
26 井下复杂情况诊断 下钻 大钩载荷 钩载降低 砂桥 0.2
27 井下复杂情况诊断 下钻 大钩载荷 钩载降低 缩径 0.3
28 井下复杂情况诊断 下钻 大钩载荷 钩载正常 键槽 0.4
29 井下复杂情况诊断 下钻 大钩载荷 钩载正常 钻具刺漏 0.1
30 井下复杂情况诊断 下钻 大钩载荷 钩载正常 钻头牙轮卡 0.1
31 井下复杂情况诊断 钻进/划眼 大钩载荷 钩载正常 钻头水眼刺 0.1
32 井下复杂情况诊断 钻进/划眼 大钩载荷 钩载正常 钻头水眼掉 0.1
33 井下复杂情况诊断 钻进/划眼 大钩载荷 钩载正常 钻头水眼堵 0.1
表3-2工况、工况前提、参数及可信度统计表
序号 类型 钻井状态 参数名称 工况前提 工况 可信度
34 井下复杂情况诊断 钻进/划眼 泵压 泵压正常 缩径 0.2
35 井下复杂情况诊断 钻进/划眼 泵压 泵压正常 键槽 0.05
36 井下复杂情况诊断 钻进/划眼 泵压 泵压正常 钻头牙轮卡 0.1
37 井下复杂情况诊断 钻进/划眼 泵压 泵压上升 井塌 0.3
38 井下复杂情况诊断 钻进/划眼 泵压 泵压上升 砂桥 0.3
39 井下复杂情况诊断 钻进/划眼 泵压 泵压上升 钻头水眼堵 0.8
40 井下复杂情况诊断 钻进/划眼 泵压 缓慢下降 钻具刺漏 0.5
41 井下复杂情况诊断 钻进/划眼 泵压 缓慢下降 钻头水眼刺 0.6
42 井下复杂情况诊断 钻进/划眼 泵压 突然下降 井漏 0.5
43 井下复杂情况诊断 钻进/划眼 泵压 突然下降 钻头水眼掉 0.6
44 井下复杂情况诊断 钻进/划眼 泵压 憋钻 钻头水眼堵 0.85
45 井下复杂情况诊断 钻进/划眼 出口流量 流量正常 泥包 0.1
46 井下复杂情况诊断 钻进/划眼 出口流量 流量正常 缩径 0.1
47 井下复杂情况诊断 钻进/划眼 出口流量 流量正常 键槽 0.05
48 井下复杂情况诊断 钻进/划眼 出口流量 流量正常 钻具刺漏 0.1
49 井下复杂情况诊断 钻进/划眼 出口流量 流量正常 钻头牙轮卡 0.1
50 井下复杂情况诊断 钻进/划眼 出口流量 流量正常 钻头水眼刺 0.1
51 井下复杂情况诊断 钻进/划眼 出口流量 流量正常 钻头水眼掉 0.1
52 井下复杂情况诊断 钻进/划眼 出口流量 流量增大 溢流 0.8
53 井下复杂情况诊断 钻进/划眼 出口流量 流量减小 井漏 0.4
54 井下复杂情况诊断 钻进/划眼 出口流量 流量减小 井塌 0.3
55 井下复杂情况诊断 钻进/划眼 出口流量 流量减小 砂桥 0.3
56 井下复杂情况诊断 钻进/划眼 出口流量 流量不返 井漏 0.5
57 井下复杂情况诊断 钻进/划眼 出口流量 流量不返 井塌 0.4
58 井下复杂情况诊断 钻进/划眼 出口流量 流量不返 砂桥 0.3
59 井下复杂情况诊断 钻进 机械钻速 钻速加快 溢流 0.1
60 井下复杂情况诊断 钻进 机械钻速 钻速减慢 泥包 0.4
61 井下复杂情况诊断 钻进 机械钻速 钻速减慢 钻具刺漏 0.1
62 井下复杂情况诊断 钻进 机械钻速 钻速减慢 钻头牙轮卡 0.4
S8：根据所述风险评估指数对井下工况进行识别。
可以获取任意一种工况，确定其对应的工况前提，根据上述实施例的方案，确定工况在各工况前提下的风险评估指数。然后，根据工况在各工况前提下的风险评估指数对井下复杂工况进行识别。
如扭矩增大越明显，即扭矩增大的风险值越大，则井下卡钻的风险越大；相反的，扭矩增大并不明显，即扭矩增大的风险值较小，则井下卡钻的风险也较小。即工况的风险评估指数除了受可信度影响之外，还受某工况前提的明显程度影响。通过综合分析工况前提的风险值、及相应工况前提条件下工况的可信度，确定工况在各工况前提下的风险评估指数。然后，利用工况在各工况前提下的风险评估指数可以更加准确的分析评判工况发生的风险。
本说明书的一个实施例中，可以预先判断某工况对应的同时发生的当前工况前提数目，其中，所述当前工况前提可以包括利用上述实施例进行参数实时分析筛选出的正在发生的工况前提。
如果工况对应的同时发生的当前工况前提数为一个，则可以将工况H在工况前提E下的风险评估指数确定为工况H的风险评估指数。如果一个工况对应两个或者两个以上同时发生的当前工况前提，而每个当前工况前提条件下的工况可信度又不同，则可以通过综合评判多个当前工况前提下的风险评估指数，确定工况H的风险评估指数。
具体实施时，可以获取任意一种工况，判断其对应的同时发生的当前工况前提数目，如果工况对应的同时发生的当前工况前提数为一个，则可以将工况H在工况前提E下的风险评估指数确定为工况H的风险评估指数。
如果一个工况对应两个同时发生的当前工况前提，而每个当前工况前提条件下的工况可信度又不同，则可以根据下述公式计算工况的风险评估指数：
RCF(H)＝RCF1(H)+RCF2(H)-RCF1(H)×RCF2(H) (2)
其中，
RCF1(H)＝RCF(H,E1)×max(0,CF(E1))
RCF2(H)＝RCF(H,E2)×max(0,CF(E2))
式中，RCF(H)表示工况H的风险评估指数；RCF1(H)表示在工况前提E1下的工况H的风险评估指数，RCF(H,E1)表示在工况前提E1下的工况H的可信度，CF(E1)表示归一化的工况前提E1的风险值；RCF2(H)表示在工况前提E2下的工况H的风险评估指数，RCF(H,E2)表示在工况前提E2下的工况H的可信度，CF(E2)表示归一化的工况前提E2的风险值。
对于工况对应同时发生两个以上的当前工况前提的情况，则可以利用上述公式(2)，可以先确定任两个当前工况前提下相应工况的风险评估指数，然后，再将上述任两个当前工况前提下工况的风险评估指数与另外一个当前工况前提下的风险评估指数代入公式(2)，计算获得工况在该三个当前工况前提下的风险评估指数。依次类推，综合工况对应的所有当前工况前提下的工况的风险评估指数计算获得相应工况的风险评估指数。
本说明书的一个或者多个实施例中，对于工况对应的当前工况前提是多个组合的情况，还可以有：
If E1 Then H (RCF(H,E1))
If E2 Then H (RCF(H,E2))
则工况的风险评估指数为：
①分别对每条当前工况前提求出其RCFi(H)，即
RCF1(H)＝RCF(H,E1)×max(0,CF(E1))
RCF2(H)＝RCF(H,E2)×max(0,CF(E2))
②求综合风险评估指数
Figure BDA0001772043770000131
若RCF1(H)和RCF2(H)异号
Figure BDA0001772043770000132
通过分别分析工况在各工况前提下的风险评估指数，然后，进一步综合确定工况的风险评估指数，可以进一步提高井下复杂工况识别的准确性。
本说明书上述实施例提供的方案，可以利用风险评估指数来定量表征工况发生的风险，风险评估指数越大，则工况可能发生的风险越大。从而根据风险评估指数定量确定出井下各工况可能会发生的风险，具体实施时，如可以将各工况及对应的风险评估指数进行显示，从而实时监控工况发生的风险。还可以将工况的风险评估指数进行排序，将风险评估指数高的工况进行预警，规避其潜在发生的概率。
为了更好的说明本说明书实施例所述的方案的实用性及可行性，本说明书还提供了一个具体实例，如下：
表3-1、表3-2为预先确定的工况、工况前提、参数及可信度统计表。基于表3-1、表3-2根据下述步骤识别井下复杂工况：
(1)可以实时获取钻进过程中各参数的实测数据，然后，根据每个参数的实测数据计算每个参数的偏离度。对某待测井段，获取扭矩、大钩载荷、泵压、出口流量、机械钻速的实测数据。
判断每个参数的偏离度是否满足预设阈值条件，如果判断结果为是，则将相应参数用于执行第(2)步骤。假设，该待测井段实测数据的偏离度大于相应预设阈值条件的参数为扭矩、泵压、出口流量、机械钻速。
(2)计算参数的变化率，判断变化率是否大于变化率阈值，如果判断结果为是，则获取参数对应的工况前提。进一步，判断扭矩、大钩载荷、泵压、出口流量的变化率，假设，变化率大于相应变化率阈值的参数为扭矩、泵压、出口流量。
可以根据参数实测数据的变化率，确定该待测井段内，扭矩对应的工况前提为扭矩增大，泵压对应的工况前提为泵压上升，流量对应的工况前提为流量减少。则可以确定当前工况前提可以包括扭矩增大、泵压上升以及流量减少。
(3)可以根据参数的变化率计算参数对应的工况前提的风险值。
(4)根据表3-1、表3-2确定工况前提对应的工况，计算每种工况前提下相应工况的风险评估指数。扭矩增大对应的可能会发生的工况有卡钻、井塌、砂桥、泥包、缩径、钻具刺漏、钻头牙轮卡，泵压上升对应的可能会发生的工况有井塌、砂桥、钻头水眼堵，流量减少对应的可能会发生的工况有井漏、井塌、砂桥。然后，可以计算每种可能会发生的工况的在相应工况前提下的风险评估指数。
(5)进一步根据每种工况的在多种当前工况前提下的风险评估指数数据，计算确定相应工况的风险评估指数。如，卡钻、泥包、井漏、缩径、钻具刺漏、钻头牙轮卡、钻头水眼堵对应的当前工况前提均只有一个，则可以将各工况在相应工况前提下的风险评估指数确定为上述各工况的风险评估指数。而井塌、砂桥对应的当前工况前提有扭矩增大、泵压上升及流量减少三个，则可以利用上述公式(2)，可以先确定任两个工况前提下井塌的风险评估指数，然后，再将上述任两个工况前提下井塌的风险评估指数与另外一个工况前提下的风险评估指数代入公式(2)，计算获得井塌在该三个工况前提下的风险评估指数作为井塌最终对应的风险评估指数。对砂桥也利用相同的方法计算其风险评估指数。
(6)将各工况的风险评估指数进行排序，将综合风险评估指数值较大的工况井下显示，从而实现对井下复杂工况的早期预警及识别。
利用本说明书实施例，可以通过实时分析参数的变化情况，根据预设建立的参数变化对工况发生的影响，确定可能会发生的井下工况的风险性。利用风险评估指数来定量评价井下工况的风险大小，从而更加简单准确的实现井下复杂工况的早期识别。并对高风险的工况进行实时预警，规避其潜在发生的概率。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。具体的可以参照前述相关处理相关实施例的描述，在此不做一一赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书一个或多个实施例提供的一种井下复杂工况识别方法，可以通过对钻井过程中的重要工程参数的实测数据进行实时跟踪分析。然后，基于对实测数据的变化分析，定量确定参数变化的明显程度，再进一步结合参数变化对工况产生的影响，确定每种工况发生的风险评估指数。利用风险评估指数定量表征工况潜在发生的概率，从而对风险较高的工况进行预警及有效识别，降低钻井工程事故发生的概率。
基于上述所述的井下复杂工况识别方法，本说明书一个或多个实施例还提供一种井下复杂工况识别装置。所述的装置可以包括使用了本说明书实施例所述方法的系统、软件(应用)、模块、组件、服务器等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。具体的，图3表示说明书提供的一种井下复杂工况识别装置实施例的模块结构示意图，如图3所示，所述装置可以包括：
变化率确定模块102，可以用于获取参数的实测数据，根据所述实测数据确定所述参数的变化率；
风险值确定模块104，可以用于根据所述变化率与预设变化率阈值的比值确定所述参数对应的工况前提的风险值；
评估指数确定模块106，可以用于计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数；
工况识别模块108，可以用于根据所述风险评估指数对井下工况进行识别。
利用上述实施例的方案，可以利用风险评估指数定量表征工况潜在发生的概率，从而对风险较高的工况进行预警及有效识别，降低钻井工程事故发生的概率。
本说明书的另一个实施例中，所述装置还可以包括第一判断模块，
所述第一判断模块，可以用于根据参数的实测数据以及预测数据确定所述参数的偏离度，判断所述偏离度是否满足预设阈值条件；
相应的，所述变化率确定模块可以用于当判断结果为是时，根据所述工况前提对应的参数的变化率与预设变化率阈值的比值确定所述工况前提的风险值。
利用上述实施例的方案，可以更加高效的确定工况的风险评估指数。
本说明书的另一个实施例中，所述装置还可以包括第二判断模块，
所述第二判断模块，可以用于判断所述参数的变化率的绝对值是否大于预设变化率阈值的绝对值；
相应的，所述风险值确定模块可以用于当判断结果为是时，根据所述变化率及预设变化率阈值的比值确定所述工况前提的风险值。
利用上述实施例的方案，可以进一步提高井下复杂工况风险评估的效率。
需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
本说明书一个或多个实施例提供的一种井下复杂工况识别装置，可以通过对钻井过程中的重要工程参数的实测数据进行实时跟踪分析。然后，基于对实测数据的变化分析，定量确定参数变化的明显程度，再进一步结合参数变化对工况产生的影响，确定每种工况发生的风险评估指数。利用风险评估指数定量表征工况潜在发生的概率，从而对风险较高的工况进行预警及有效识别，降低钻井工程事故发生的概率。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。因此，本说明书还提供一种井下复杂工况识别设备，包括处理器及存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：
获取参数的实测数据，根据所述实测数据确定所述参数的变化率；
根据所述变化率与预设变化率阈值的比值确定所述参数对应的工况前提的风险值；
计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数；
根据所述风险评估指数对井下工况进行识别。
所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
需要说明的，上述所述的处理设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
上述实施例所述的一种井下复杂工况识别设备，可以通过对钻井过程中的重要工程参数的实测数据进行实时跟踪分析。然后，基于对实测数据的变化分析，定量确定参数变化的明显程度，再进一步结合参数变化对工况产生的影响，确定每种工况发生的风险评估指数。利用风险评估指数定量表征工况潜在发生的概率，从而对风险较高的工况进行预警及有效识别，降低钻井工程事故发生的概率。
本说明书还提供一种井下复杂工况识别系统，所述系统可以为单独的井下复杂工况识别系统，也可以应用在多种类型的油田开发系统或者数据分析系统中。所述的系统可以为单独的计算机，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的实际操作装置(如激发装置、接收装置、接收线路)等。所述井下复杂工况识别系统可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。
需要说明的，上述所述的系统根据方法或者装置实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
上述实施例所述的一种井下复杂工况识别系统，可以通过对钻井过程中的重要工程参数的实测数据进行实时跟踪分析。然后，基于对实测数据的变化分析，定量确定参数变化的明显程度，再进一步结合参数变化对工况产生的影响，确定每种工况发生的风险评估指数。利用风险评估指数定量表征工况潜在发生的概率，从而对风险较高的工况进行预警及有效识别，降低钻井工程事故发生的概率。
需要说明的是，本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照方法实施例的描述，在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类、存储介质+程序实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
尽管本说明书实施例内容中提到如工况前提、风险值、可信度等获取、定义、交互、计算、判断等操作和数据描述，但是，本说明书实施例并不局限于必须是符合标准数据模型/模板或本说明书实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书的可选实施方案范围之内。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
上述实施例阐明的系统、装置、模块或单元，可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、平板计算机或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例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，本说明书一个或多个实施例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。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“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说明书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并不必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (7)

1.一种井下复杂工况识别方法，其特征在于，包括：
获取目标井段内钻井过程中的工程参数的实测数据，根据所述实测数据确定所述工程参数的变化率；
根据所述变化率与预设变化率阈值的比值确定所述工程参数对应的工况前提的风险值；其中，所述工况前提包括工况发生所关联的工程参数状态；所述工程参数状态包括工程参数的正常状态、异常状态；所述风险值用于描述工程参数的变化明显程度；
计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数；其中，所述可信度用于表征工况对应的工况前提被满足时，产生相应工况的不确定程度；其中，所述风险评估指数用于表征所述工况在所述工况前提下的潜在发生概率；
根据所述工况对应的各工况前提下的风险评估指数，对所述目标井段中所述工况的发生进行识别，包括：当工况对应的当前工况前提为两个以上时，根据下述公式确定工况的风险评估指数：RCF(H)＝RCF1(H)+RCF2(H)-RCF1(H)×RCF2(H)，式中，RCF(H)表示工况H的风险评估指数，RCF1(H)表示在工况前提E1下的工况H的风险评估指数，RCF2(H)表示在工况前提E2下的工况H的风险评估指数；根据所述工况的风险评估指数RCF(H)，对所述目标井段中所述工况的发生进行识别。
2.根据权利要求1所述井下复杂工况识别方法，其特征在于，所述确定所述工程参数对应的工况前提的风险值之前，还包括：
根据工程参数的实测数据以及预测数据确定所述工程参数的偏离度，判断所述偏离度是否满足预设阈值条件；
相应的，当判断结果为是时，根据所述工况前提对应的参数的变化率与预设变化率阈值的比值确定所述工况前提的风险值。
3.根据权利要求2所述井下复杂工况识别方法，其特征在于，所述确定所述工程参数对应的工况前提的风险值之前，还包括：
判断所述工程参数的变化率的绝对值是否大于预设变化率阈值的绝对值；
相应的，当判断结果为是时，根据所述变化率与预设变化率阈值的比值确定所述工况前提的风险值。
4.一种井下复杂工况识别装置，其特征在于，包括：
变化率确定模块，用于获取目标井段内钻井过程中的工程参数的实测数据，根据所述实测数据确定所述工程参数的变化率；
风险值确定模块，用于根据所述变化率与预设变化率阈值的比值确定所述工程参数对应的工况前提的风险值；其中，所述工况前提包括工况发生所关联的工程参数状态；所述工程参数状态包括工程参数的正常状态、异常状态；所述风险值用于描述工程参数的变化明显程度；
评估指数确定模块，用于计算所述风险值与所述工况前提下工况的可信度的乘积，确定工况在所述工况前提下的风险评估指数；其中，所述可信度用于表征工况对应的工况前提被满足时，产生相应工况的不确定程度；其中，所述风险评估指数用于表征所述工况在所述工况前提下的潜在发生概率；
工况识别模块，用于根据所述工况对应的各工况前提下的风险评估指数，对所述目标井段中所述工况的发生进行识别，包括：当工况对应的当前工况前提为两个以上时，根据下述公式确定工况的风险评估指数：RCF(H)＝RCF1(H)+RCF2(H)-RCF1(H)×RCF2(H)，式中，RCF(H)表示工况H的风险评估指数，RCF1(H)表示在工况前提E1下的工况H的风险评估指数，RCF2(H)表示在工况前提E2下的工况H的风险评估指数；根据所述工况的风险评估指数RCF(H)，对所述目标井段中所述工况的发生进行识别。
5.根据权利要求4所述的井下复杂工况识别装置，其特征在于，所述装置还包括：
第一判断模块，用于根据工程参数的实测数据以及预测数据确定所述工程参数的偏离度，判断所述偏离度是否满足预设阈值条件；
相应的，所述变化率确定模块用于当判断结果为是时，根据所述工况前提对应的工程参数的变化率与预设变化率阈值的比值确定所述工况前提的风险值。
6.根据权利要求4所述的井下复杂工况识别装置，其特征在于，所述装置还包括：
第二判断模块，用于判断所述工程参数的变化率的绝对值是否大于预设变化率阈值的绝对值；
相应的，所述风险值确定模块用于当判断结果为是时，根据所述变化率及预设变化率阈值的比值确定所述工况前提的风险值。
7.一种井下复杂工况识别系统，其特征在于，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-3中任意一项所述方法的步骤。
CN201810953286.3A 2018-08-21 2018-08-21 一种井下复杂工况识别方法、装置及系统 Active CN109308570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810953286.3A CN109308570B (zh) 2018-08-21 2018-08-21 一种井下复杂工况识别方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810953286.3A CN109308570B (zh) 2018-08-21 2018-08-21 一种井下复杂工况识别方法、装置及系统

Publications (2)

Publication Number Publication Date
CN109308570A CN109308570A (zh) 2019-02-05
CN109308570B true CN109308570B (zh) 2022-05-10

Family

ID=65223772

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810953286.3A Active CN109308570B (zh) 2018-08-21 2018-08-21 一种井下复杂工况识别方法、装置及系统

Country Status (1)

Country Link
CN (1) CN109308570B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418650A (zh) * 2020-11-19 2021-02-26 中国石油天然气集团有限公司 石油钻井施工进度的确定方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268785A (zh) * 2014-09-10 2015-01-07 山东科技大学 一种用于深井底板突水风险的分析方法
CN105069709A (zh) * 2015-09-09 2015-11-18 贵州电网公司电力调度控制中心 基于专家经验的电网调度操作过程准动态风险评估方法
CN105956796A (zh) * 2016-06-06 2016-09-21 华能国际电力股份有限公司 电力作业风险评估方法和系统
CN107292467A (zh) * 2016-03-31 2017-10-24 中国石油化工股份有限公司 一种钻井风险预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140278733A1 (en) * 2013-03-15 2014-09-18 Navin Sabharwal Risk management methods and systems for enterprise processes

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268785A (zh) * 2014-09-10 2015-01-07 山东科技大学 一种用于深井底板突水风险的分析方法
CN105069709A (zh) * 2015-09-09 2015-11-18 贵州电网公司电力调度控制中心 基于专家经验的电网调度操作过程准动态风险评估方法
CN107292467A (zh) * 2016-03-31 2017-10-24 中国石油化工股份有限公司 一种钻井风险预测方法
CN105956796A (zh) * 2016-06-06 2016-09-21 华能国际电力股份有限公司 电力作业风险评估方法和系统

Also Published As

Publication number Publication date
CN109308570A (zh) 2019-02-05

Similar Documents

Publication Publication Date Title
EP1982046B1 (en) Methods, systems, and computer-readable media for real-time oil and gas field production optimization using a proxy simulator
US9280517B2 (en) System and method for failure detection for artificial lift systems
CN109508827B (zh) 一种基于时间递归神经网络的钻井事故预警方法
Li et al. Diagnosis of downhole incidents for geological drilling processes using multi-time scale feature extraction and probabilistic neural networks
US11795814B2 (en) Early warning and automated detection for lost circulation in wellbore drilling
Dmitrievsky et al. On increasing the productive time of drilling oil and gas wells using machine learning methods
Borozdin et al. Drilling problems forecast system based on neural network
CN108643875B (zh) 一种低渗透碎屑岩油藏的注水开发调整方法、装置及系统
Gajewski et al. Towards the identification of worn picks on cutterdrums based on torque and power signals using Artificial Neural Networks
WO2018236238A1 (en) PREDICTION OF WELLBORE FLOW PERFORMANCE
CN111414955B (zh) 石油钻井井漏溢流智能检测方法、装置以及电子设备
CN113553356A (zh) 一种钻井参数预测方法和系统
CN109308570B (zh) 一种井下复杂工况识别方法、装置及系统
CN116383722A (zh) 一种基于门控循环单元神经网络的压裂措施过程监控方法
CN116777085B (zh) 基于数据分析和机器学习技术的煤矿水害预测系统
Geekiyanage et al. Feature selection for kick detection with machine learning using laboratory data
Udegbunam et al. Uncertainty-Based Approach for Predicting the Operating Window in UBO Well Design
CN113482595B (zh) 一种钻井溢流预警方法、系统、设备和存储介质
US11125043B2 (en) Model-based monitoring and useful life estimation for blowout preventer annulars
US20230111036A1 (en) Integrated drilling dysfunction prediction
Antipova et al. Data-driven model for the drilling accidents prediction
Martí et al. YASA: yet another time series segmentation algorithm for anomaly detection in big data problems
Shaohu et al. Prediction of drilling plug operation parameters based on incremental learning and CNN-LSTM
Zhao et al. Early detection of drillstring washout based on hydraulics model and pattern recognition method
Kaur et al. A novel approach in gas well performance monitoring and forecasting using modified decline curve analysis

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230103

Address after: 100007 No. 9 North Main Street, Dongcheng District, Beijing, Dongzhimen

Patentee after: CHINA NATIONAL PETROLEUM Corp.

Patentee after: CNPC ENGINEERING TECHNOLOGY R & D Co.,Ltd.

Patentee after: BEIJING PETROLEUM MACHINERY Co.,Ltd.

Address before: 100007 No. 9 North Main Street, Dongcheng District, Beijing, Dongzhimen

Patentee before: CHINA NATIONAL PETROLEUM Corp.

Patentee before: CNPC ENGINEERING TECHNOLOGY R & D Co.,Ltd.

TR01 Transfer of patent right