CN109779602B - 一种钻井工程智能安全风险预警方法及系统 - Google Patents
一种钻井工程智能安全风险预警方法及系统 Download PDFInfo
- Publication number
- CN109779602B CN109779602B CN201811520447.6A CN201811520447A CN109779602B CN 109779602 B CN109779602 B CN 109779602B CN 201811520447 A CN201811520447 A CN 201811520447A CN 109779602 B CN109779602 B CN 109779602B
- Authority
- CN
- China
- Prior art keywords
- early warning
- abnormal
- well
- drilling
- model
- 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
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 258
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 15
- 239000012530 fluid Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 description 21
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 16
- 238000004891 communication Methods 0.000 description 15
- 230000005856 abnormality Effects 0.000 description 14
- 239000011435 rock Substances 0.000 description 11
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 239000004215 Carbon black (E152) Substances 0.000 description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 description 8
- 239000001569 carbon dioxide Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 239000007789 gas Substances 0.000 description 8
- 229930195733 hydrocarbon Natural products 0.000 description 8
- 150000002430 hydrocarbons Chemical class 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009545 invasion Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000010440 gypsum Substances 0.000 description 2
- 229910052602 gypsum Inorganic materials 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 mudstone Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Alarm Systems (AREA)
Abstract
本发明涉及一种钻井工程智能安全风险预警方法及系统，方法包括通过预设的知识库获取待钻井的邻井异常数据，并根据所述邻井异常数据建立所述待钻井的异常预警模型；获取所述待钻井在钻井过程中的实时数据信息；基于所述异常预警模型，对所述实时数据信息进行预警分析，并将预警分析结果发送至远程终端。本发明建立异常预警模型，并基于异常预警模型进行预警分析，能及时地跟踪预报预警，能有效地规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化程度更高，且明显提高了工作效率。
Description
技术领域
本发明涉及能源技术领域，尤其涉及一种钻井工程智能安全风险预警方法及系统。
背景技术
石油钻井是一项复杂的地下工程，存在着大量模糊、随机和不确定性因素，在钻井施工过程中事故随时都有可能发生，严重威胁着钻井的安全，资料显示，每年钻探施工中事故处理时间占总时间的6～8%，造成巨额的资金浪费的同时也伴随着触目惊心的环境伤害。
在钻井过程中如何对可能的钻井异常进行预报，对发生的钻井异常进行及时报警，这是摆在油田企业面前的难题。传统的工程预警方法主要是依靠人的因素，包括技术员、专家的分析结论指导钻井作业，这种工作方式与人的业务水平、经验关系密切，稳定性不足。在预测精度和适应复杂多变的钻井工况方面都存在各种不足，同时预警主要依赖于人工方式，缺乏自动化、智能化的技术手段，预警的效率和质量受到人为因素的极大制约。
随着数据挖掘技术、人工智能技术、传感器等技术的发展，工程预警日趋智能化，有很多工程预警产品问世，如国外哈里伯顿公司开发的预警实时监测系统，国内中国电子集团公司第二十二研究所开发的钻井工程预警系统等，都进行了一定程度的现场运用，并取得了一定的效益。
但是当前国内外在工程预警方面的探索中，仍存在诸难点：（1）模型的适用性不足。比如国外依据邻井资料建立的预测模型，当正钻井与邻井地层分布差异较大时，预警会存在漏报误报等现象；国内的一些预警模型大多采用固定和定制的方式，模型适用性差；（2）算法本身的缺陷。定制调整算法需要大量专家经验和数据，而这些经验和数据往往存在地域性差异且无法及时完全的共享，无法实现信息的充分利用。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种钻井工程智能安全风险预警方法及系统。
本发明解决上述技术问题的技术方案如下：
一种钻井工程智能安全风险预警方法，包括以下步骤：
步骤1：通过预设的知识库获取待钻井的邻井异常数据，并根据所述邻井异常数据建立所述待钻井的异常预警模型；
步骤2：获取所述待钻井在钻井过程中的实时数据信息；
步骤3：基于所述异常预警模型，对所述实时数据信息进行预警分析，并将预警分析结果发送至远程终端。
本发明的有益效果是：基于预设的知识库的搜索，可以获取到邻井异常数据，为待钻井的异常预警模型的建立提供数据支持，便于根据异常预警模型对钻井过程中的实时数据信息进行预警分析，将预警分析结果发送至远程终端，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效地规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率；
其中，基于异常预警模型对实时数据信息进行预警分析，可提取其中的异常部分生成预警报告单，并将预警报告单作为预警分析结果发送至远程终端，通过预警报告单，相关人员可以直观清晰地确定发生异常的具体部位，及具体部位发生何种异常，并采取相应的决策；而远程终端包括但不局限于录井协同工作平台、移动终端监控平台和基地的指挥中心等，且远程终端获取到预警分析结果，可通过网页端、移动端、桌面端等多终端与井场进行实时连接。当井场与远程终端互联互通时，还可以结合实时音视频、电子白板、远程桌面等功能，实现井场、基地多人实时会议交流，开启录井协同工作新模式。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步：所述步骤1之前还包括以下步骤：
步骤0：预先建立所述知识库，所述知识库的存储内容至少包括以所述待钻井为中心、在预定半径范围内的所有邻井的所述邻井异常数据；其中，所述邻井异常数据包括邻井异常参数和邻井异常参数变化特征。
上述进一步方案的有益效果是：通过预先建立的知识库，便于获取邻井异常数据，从而便于根据邻井异常数据建立异常预警模型，为异常预警模型的建立提供数据支撑，提高后续根据异常预警模型进行预警分析的工作效率，从而及时地跟踪预报预警，能有效的规避井场风险，减少事故发生率；
其中，通过知识库获取邻井异常数据可通过知识库中的搜索引擎来获取，而知识库的搜索引擎可根据实际情况个性化设置，例如，可以采用关键词查询栏，通过输入关键词后进入多个条件分类筛选，通过层层勾选选择到需要查看的井场，通过知识库的搜索不仅可以对邻井异常数据进行查询，还可查询到异常典型案例，同时还可以对油田的井名进行精确查询，筛选条件包括“井状态（正钻井/完钻井）”、“井别（开发井/探井/生产井/……）”、“异常类型（卡钻/井漏/断钻具/……）”、“层位（东营组/龙马溪组/延长组/……）”等，查出的结果为该井异常数据的相关数据报表等；
本发明中的邻井为当前待钻井所在区块范围内，离待钻井距离最近的一口或多口具有标志性的井场，而邻井的确定可根据待钻井所在的区块、待钻井的坐标以及以待钻井为中心、在预定半径范围内的所有邻井建立地理信息系统（GIS），再通过地理信息系统搜索引擎定位到待钻井的一个或多个邻井。
进一步：在所述步骤1中，建立所述异常预警模型的具体步骤包括：
步骤11：根据所述邻井异常参数确定所述异常预警模型的异常类型及对应的预警级别；
步骤12：根据所述邻井异常参数变化特征设定所述异常类型对应的预警阈值；
步骤13：根据所述异常类型、对应的所述预警级别和对应的所述预警阈值建立所述异常预警模型。
上述进一步方案的有益效果是：通过对获取到的邻井异常数据进行参考分析，便于获取待钻井的异常预警模型，而异常预警模型的建立需要确定待钻井的异常类型和对应的异常参数，对应的预警级别和对应的异常参数的预警阈值，基于建立好的异常预警模型，便于后续采集实时数据信息时，按照异常预警模型中的异常参数进行采集和分析，提高预警精度，提高工作效率；而确定每一种异常类型需要依据邻井在钻井过程中的参数、参数范围和参数变化趋势，例如当邻井在钻井过程中发生钻具刺漏时，邻井的钻井工程参数中的立管压力会逐渐降低，钻时会逐渐增加，钻井液参数中的出口流量会逐渐降低，因此在建立待钻井的异常预警模型时，可依据待钻井在钻井过程中的立管压力、钻时和出口流量等参数，将上述参数作为异常预警模型的异常参数，并设立上述异常参数的预警阈值和预警级别，在采集实时数据信息时，可采集待钻井在钻井过程中的立管压力、钻时和出口流量等参数数据信息，并依据预警阈值和预警级别确定是否发生异常，当确认立管压力逐渐降低，钻时逐渐增加，钻井液参数中的出口流量逐渐降低，且均超过预警阈值，则可确认待钻井在钻井时发生钻具刺漏，并确定相应的预警级别；同时随着上述异常预警模型的建立，对应的模型检测方法也随之确定；
基于上述异常预警模型的建立和对应的模型检测方法的确定，可实现实时预警，真正实现无人在现场，实现智能化且高效的钻井工程。
进一步：在所述步骤2中，具体采用综合录井仪、随钻测井仪、压裂仪器和射孔仪器获取所述实时数据信息；
其中，所述实时数据信息至少包括钻井工程参数、钻井液参数和录井参数，且所述钻井工程参数、所述钻井液参数和所述录井参数中均至少包括与所述异常参数对应的参数数据信息。
上述进一步方案的有益效果是：基于步骤1中确定的异常预警模型，可采集与异常参数对应的参数数据信息，而通过综合录井仪、随钻测井仪、压裂仪器和射孔仪器获取的实时数据信息至少包括上述与异常参数对应的参数数据信息，通过获取到的实时数据信息便于进行预警分析，并将预警分析结果发送至远程终端，实现了数据的人工智能化分析，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地远程跟踪、预报预警，能有效的规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率。
进一步：在所述步骤3之后还包括以下步骤：
步骤4：将所述异常预警模型和所述预警分析结果均存储入所述知识库中，并根据所述预警分析结果对所述异常预警模型进行优化。
上述进一步方案的有益效果是：钻后将异常预警模型和预警分析结果均存储入知识库中，结合知识库中之前已经存储的邻井异常数据和异常典型案例，便于专家们将异常预警模型进行优化，同时结合专家们总结的经验，对异常预警模型对应的算法的完善也提供了参考支持，如此不断地修改完善异常预警模型，能有效提高系统预报的精准率，为后续的钻井工程提供了支持。
依据本发明的另一方面，提供了一种钻井工程智能安全风险预警系统，包括搜索模块、异常预警模型建立模块、采集模块和处理模块；
所述搜索模块，用于通过预设的知识库获取待钻井的邻井异常数据；
所述异常预警模型建立模块，用于根据所述邻井异常数据建立所述待钻井的异常预警模型；
所述采集模块，用于获取所述待钻井在钻井过程中的实时数据信息；
所述处理模块，用于基于所述异常预警模型，对所述实时数据信息进行预警分析，并将预警分析结果发送至远程终端。
本发明的有益效果是：基于搜索模块可以获取到邻井异常数据，为待钻井的异常预警模型的建立提供数据支持，便于根据异常预警模型对待钻井在钻井过程中的实时数据信息进行预警分析，将预警分析结果发送至远程终端，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效地规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率；
其中，基于异常预警模型对实时数据信息进行预警分析，可提取其中的异常部分生成预警报告单，并将预警报告单作为预警分析结果发送至远程终端，通过预警报告单相关人员可以直观清晰地确定发生异常的具体部位，及具体部位发生何种异常，并采取相应的决策；而远程终端包括但不局限于录井协同工作平台、移动终端监控平台和基地的指挥中心等，而远程终端获取到预警分析结果，可通过网页端、移动端、桌面端等多终端与井场进行实时连接。当井场与远程终端互联互通时，还可以结合实时音视频、电子白板、远程桌面等功能，实现井场、基地多人实时会议交流，开启录井协同工作新模式。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步：还包括存储模块；
所述存储模块用于存储所述知识库，所述知识库的存储内容至少包括以所述待钻井为中心、在预定半径范围内的所有邻井的所述邻井异常数据，其中，所述邻井异常数据包括邻井异常参数和邻井异常参数变化特征；所述存储模块的存储内容还至少包括所述异常预警模型和所述预警分析结果。
上述进一步方案的有益效果是：通过存储模块存储邻井异常数据，方便搜索模块根据存储模块搜索邻井异常数据，为异常预警模型的建立提供数据支持，便于实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效的规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率，提高工作效率；同时基于存储模块存储的异常预警模型和预警分析结果，便于专家们结合知识库中之前已经存储的邻井异常数据和异常典型案例，将异常预警模型进行优化，同时结合专家们总结的经验，对异常预警模型对应的算法的完善也提供了参考支持，如此不断地修改完善异常预警模型，能有效提高系统预报的精准率，为后续的钻井工程提供了支持。
进一步：所述异常预警模型建立模块具体用于：
根据所述邻井异常参数确定所述异常预警模型的异常类型及对应的异常参数；
根据所述邻井异常参数变化特征设定所述异常类型对应的预警级别和预警阈值；
根据所述异常类型、对应的所述异常参数、对应的所述预警级别和对应的所述预警阈值建立所述异常预警模型。
上述进一步方案的有益效果是：通过异常预警模型建立模块对获取到的邻井异常数据进行参考分析，便于获取待钻井的异常预警模型，而异常预警模型的建立需要确定待钻井的异常类型和对应的异常参数，对应的预警级别和对应的异常参数的预警阈值，基于异常预警模型建立模块建立的异常预警模型，便于后续采集实时数据信息时，按照异常预警模型中的异常参数进行采集和分析，提高预警精度，提高工作效率；同时随着异常预警模型的建立，对应的模型检测方法也随之确定；基于上述异常预警模型的建立和对应的模型检测方法的确定，可实现实时预警，真正实现无人在现场，实现智能化且高效的钻井工程。
依据本发明的另一方面，提供了另一种钻井工程智能安全风险预警系统，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现本发明的一种钻井工程智能安全风险预警方法中的具体步骤。
本发明的有益效果是：通过存储在存储器上的计算机程序，并运行在处理器上，实现本发明的钻井工程智能安全风险预警，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效地规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率，还可以实现井场与上述远程终端的数据同步和互联互通，当井场与远程终端互联互通时，还可以结合实时音视频、电子白板、远程桌面等功能，实现井场、基地多人实时会议交流，开启录井协同工作新模式。
依据本发明的另一方面，提供了一种计算机存储介质，所述计算机存储介质包括：至少一个指令，在所述指令被执行时实现本发明的一种钻井工程智能安全风险预警方法中的具体步骤。
本发明的有益效果是：通过执行包含至少一个指令的存储介质，实现本发明的钻井工程智能安全风险预警，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效地规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率，还可以实现井场与上述远程终端的数据同步和互联互通，当井场与远程终端互联互通时，还可以结合实时音视频、电子白板、远程桌面等功能，实现井场、基地多人实时会议交流，开启录井协同工作新模式。
附图说明
图1为本发明一种钻井工程智能安全风险预警方法的流程示意图一；
图2为本发明一种钻井工程智能安全风险预警方法的流程示意图二；
图3为本发明预警方法中异常预警模型的设置界面的示意图；
图4.1和图4.2均为本发明预警方法中实时数据信息的监控界面的示意图；
图5.1和图5.2均为本发明预警方法中工程预警服务日志的操作界面的示意图；
图6为本发明钻井工程智能安全风险预警方法的集成设备的示意图；
图7为本发明一种钻井工程智能安全风险预警系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
下面结合附图，对本发明进行说明。
实施例一、如图1-6所示，一种钻井工程智能安全风险预警方法，包括以下步骤：
S1：通过预设的知识库获取待钻井的邻井异常数据，并根据所述邻井异常数据建立所述待钻井的异常预警模型；
步骤2：获取所述待钻井在钻井过程中的实时数据信息；
步骤3：基于所述异常预警模型，对所述实时数据信息进行预警分析，并将预警分析结果发送至远程终端。
基于预设的知识库的搜索，可以获取到邻井异常数据，为待钻井的异常预警模型的建立提供数据支持，便于根据异常预警模型对钻井过程中的实时数据信息进行预警分析，将预警分析结果发送至远程终端，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效的规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率；
其中，基于异常预警模型对实时数据信息进行预警分析，可提取其中的异常部分生成预警报告单，并将预警报告单作为预警分析结果发送至远程终端，通过预警报告单相关人员可以直观清晰地确定发生异常的具体部位，及具体部位发生何种异常，并采取相应的决策；而远程终端包括但不局限于录井协同工作平台、移动终端监控平台和基地的指挥中心等，当井场与远程终端互联互通时，还可以结合实时音视频、电子白板、远程桌面等功能，实现井场、基地多人实时会议交流，开启录井协同工作新模式。
本实施例的远程终端获取到预警分析结果，可通过网页端、移动端、桌面端等多终端与井场进行实时连接，例如：网页端包括工程预警管理系统及大屏监控系统，管理系统主要是针对井场的工作人员，提供报表服务报表数据展示、实时数据信息集中监控展示、知识库中存储的邻井异常数据及基于地理信息系统的查询展示功能、钻井业务流程管理功能；大屏监控系统是针对基地指挥中心，主要是通过对井场进行全方位视频监控及实时数据信息动态监控，让钻井公司领导和后方专家能实时查看监控重点井的生成运行状态,并通过声音、短信等多种方式实现实时预警，避免事故的产生，通过远程协同交流系统，让基地专家和现场技术工程师有效的协同起来，达到面对面交流沟通的目的，实现基地指导现场作业，实现无纸化视频会议、安全监管、远程控制、指挥调度；
桌面端主要方便油田专家及技术人员，通过大量样本数据进行异常预警模型的建立、调整异常预警模型的优化算法和提高模型预测精准度，同时在随钻过程中也可配合网页端使用，通过实时数据信息的监控，结合专家经验，及时调整优化模型及异常参数的预警阈值，减少漏报误报等情况的产生；
移动端则是在无线通信的基础上，把待钻井的实时数据信息、基于异常预警模型分析出的预警分析结果自动发送至移动端，例如手机、PC等，方便公司领导和技术专家出差或在出差途中，也能实时监控了解钻井生产运行状况，并及时参与关于异常预警的讨论、分析和解决方案的交流。
优选地，在S1之前包括以下步骤：
S0：预先建立所述知识库，所述知识库的存储内容至少包括以所述待钻井为中心、在预定半径范围内的所有邻井的所述邻井异常数据；其中，所述邻井异常数据包括邻井异常参数和邻井异常参数变化特征。
通过预先建立的知识库，便于获取邻井异常数据，从而便于根据邻井异常数据建立异常预警模型，为异常预警模型的建立提供数据支撑，提高后续根据异常预警模型进行预警分析的工作效率，从而及时地跟踪预报预警，能有效的规避井场风险，减少事故发生率。
本实施例的邻井为当前待钻井所在区块范围内，离待钻井距离最近的一口或多口具有标志性的井场，而邻井的确定可根据待钻井所在的区块、待钻井的坐标以及以待钻井为中心、以预定半径范围内的所有邻井建立地理信息系统（GIS），再通过地理信息系统搜索引擎定位到待钻井的一个或多个邻井。
本实施例地理信息系统通过读取井位坐标并在展示界面上显示井位，并对待/完钻井、有/无异常的井有不同的图标显示，地图左上角有搜索栏，可输入井名定位到地图上的该井位置，并将选定范围内的邻井一同显示。地图上有两种查看模式，一种是选井模式，即选择单井查看该井所有的数据、图件、文档等资料；也可选择多井，查看该多口井的数据列表，如井基本列表、异常列表等；另一种是连井模式，即选择多口井（一般选3-5口井），这几口井会连成一条线，可以调整井的先后顺序改变连线的形状，这条线即为这几口井的连井剖面，通过读取每口井的后台数据，可以一键在展示界面展示出相关的邻井异常数据；
而本实施例知识库的搜索采用关键词查询栏，通过输入关键词后进入多个条件分类筛选，通过层层勾选选择到需要查看的井场，通过知识库的搜索不仅可以对邻井异常数据进行查询，还可查询到异常典型案例，还可以对油田的井名进行精确查询，并且筛选条件专为油田井数据设计，包括“井状态（正钻井/完钻井）”、“井别（开发井/探井/生产井/……）”、“异常类型（卡钻/井漏/断钻具/……）”、“层位（东营组/龙马溪组/延长组/……）”、“深度”等，查出的结果为该井异常数据的相关数据报表等。
优选地，如图2所示，在S1中，建立所述异常预警模型的具体步骤包括：
S11：根据所述邻井异常参数确定所述异常预警模型的异常类型及对应的预警级别；
S12：根据所述邻井异常参数变化特征设定所述异常类型对应的预警阈值；
S13：根据所述异常类型、对应的所述预警级别和对应的所述预警阈值建立所述异常预警模型。
通过对获取到的邻井异常数据进行参考分析，便于获取待钻井的异常预警模型，而异常预警模型的建立需要确定待钻井的异常类型和对应的异常参数，对应的预警级别和对应的异常参数的预警阈值，基于建立好的异常预警模型，便于后续采集实时数据信息时，按照异常预警模型中的异常参数进行采集和分析，提高预警精度，提高工作效率；而确定每一种异常类型需要依据邻井在钻井过程中的参数、参数范围和参数变化趋势，例如当邻井在钻井过程中发生钻具刺漏时，邻井的钻井工程参数中的立管压力会逐渐降低，钻时会逐渐增加，钻井液参数中的出口流量会逐渐降低，因此在建立待钻井的异常预警模型时，可依据待钻井在钻井过程中的立管压力、钻时和出口流量等参数，将上述参数作为异常预警模型的异常参数，并设立上述异常参数的预警阈值和预警级别，在采集实时数据信息时，可采集待钻井在钻井过程中的立管压力、钻时和出口流量等参数数据信息，并依据预警阈值和预警级别确定是否发生异常，当确认立管压力逐渐降低，钻时逐渐增加，钻井液参数中的出口流量逐渐降低，且均超过预警阈值，则可确认待钻井在钻井时发生钻具刺漏，并确定相应的预警级别；同时随着上述异常预警模型的建立，对应的模型检测方法也随之确定；
基于上述异常预警模型的建立和对应的模型检测方法的确定，可实现实时预警，真正实现无人在现场，实现智能化且高效的钻井工程。
其中，本实施例设定的预警级别包括三种，分别为一级、二级、三级预警体系，具体如下：
（1）一级预警体系：主要以近钻头数据为主，近钻头数据是最直接最准确的，分析数据与哪些异常相关，形成一级预警体系；
近钻头伽马对岩性、油水层的敏感性很高，一般钻遇到极端岩性或者出入层岩性突变时或者突然钻遇到油水层时，伽马会有很明显的变化特征，可对膏岩、盐岩、泥岩、灰岩、油层等进行预报；近钻头环空压力、钻具振动、扭矩、ECD、钻压、温度、重力场强度、磁场强度等参数，可实现对断钻具、井漏、溢流、卡钻、放空、异常高温高压等异常的及时有效预警。
（2）二级预警体系：主要以综合录井数据为主，综合录井数据最全面，综合起来考虑能有效地提高整体预警精度；根据钻井工程相关原理，结合钻井专家的经验，并通过知识库的邻井异常数据和异常典型案例，建立二级预警体系的异常预警模型。该模型可对近30种常见的钻井工程作业中的异常情况进行判断，并综合给出判断依据，包括相关曲线、曲线的变化趋势、变化范围的数值描述、发现时间和预报时间，还可根据该模型进行预报异常类型，包括具体异常类型的名称，还可针对性地提供解决方案；
具体地，关于二级预警体系的异常预警模型如表1所示。
表1 本实施例的二级预警体系的异常预警模型
其中，上述异常预警模型中的各异常类型说明如下：
1、泵故障：主要参考立管压力、钻时和出口流量；判断依据是立管压力逐渐降低，占权重70%；钻时升高，占权重20%；出口流量降低，占权重10%；
2、钻具刺漏：主要参考立管压力和钻时；判断依据是立管压力逐渐降低，占权重70%；钻时升高，占权重30%；
3、起下钻过程中的断钻具：主要参考大钩负荷；判断依据是大钩负荷突降，占权重100%；
4、钻进中断钻具：主要参考大钩负荷、转速、扭矩和立管压力；判断依据是立管压力突降，占权重60%；大钩负荷突降，占权重20%；转速升高，占权重10%；扭矩逐渐下降，占权重10%；
5、掉水眼：主要参考泵速、立管压力和钻时；判断依据为立管压力突降，占权重80%；泵速上升，占权重10%；钻时上升，占权重10%；
6、堵水眼：主要参考立管压力、钻时和出口流量；判断依据为立管压力突增，占权重60%；钻时增加，占权重30%；出口流量下降，占权重10%；
7、起钻遇卡：主要参考大钩负荷；判断依据是大钩负荷增加，占权重100%；
8、下钻遇阻：主要参考大钩负荷；判断依据是大钩负荷下降，占权重100%；
9、钻进卡钻：主要参考扭矩、立管压力、钻时和出口流量；判断依据是扭矩增加，占权重70%；立管压力增加，占权重5%；钻时增加，占权重20%；出口流量下降，占权重5%；
10、钻头老化：主要参考扭矩和钻时；判断依据是扭矩逐渐下降，占权重60%；钻时逐渐增加，占权重40%；另可观察录井岩屑量下降，铁屑量增加；
11、钻头泥包：主要参考扭矩、立管压力和钻时；判断依据为扭矩增加，占权重40%；立管压力增加，占权重20%，钻时升高，占权重40%；另可见出口岩屑量下降；
12、牙轮旷动：主要参考转速、扭矩和钻时；判断依据为转数下降，占权重10%；扭矩增加，占权重70%；钻时升高，占权重20%；
13、掉牙轮：主要参考转速、扭矩和钻时；判断依据为转速下降，占权重10%；扭矩显著增加，占权重30%；钻时显著增加，占权重60%；另可见出口岩屑量减少，铁屑量增加；
14、溜钻：主要参考井深、大钩负荷、钻压和钻时；判断依据为井深突然降低，占权重30%；大钩负荷突然降低，占权重15%；钻压突然增加，占权重40%；钻时突然降低，占权重15%；
15、顿钻：主要参考井深、大钩负荷和钻压；判断依据为井深突然增加，占权重30%；大钩负荷突然降低，占权重20%；钻压突然增加，占权重50%；
16、钻头落井：主要参考钻速、扭矩、立管压力和钻时；判断依据为钻时显著增加，占权重60%；立管压力突然下降，占权重20%；扭矩突然下降，占权重10%；转速突然上升，占权重10%；
17、井壁垮塌：主要参考大钩负荷、扭矩、立管压力和钻时；判断依据为大钩负荷增加，占权重25%；扭矩增加，占权重25%；立管压力增加，占权重25%；钻时增加，占权重25%；另可见出口岩屑量增加；
18、放空：主要参考井深、大钩负荷、转速、扭矩、钻压和钻时；判断依据为井深突然下降，占权重30%；大钩负荷突然增加，占权重10%；转速增加，占权重5%；扭矩下降，占权重5%；钻压突降，占权重20%；钻时突降，占权重30%；
19、溢流：主要参考出口流量、总池体积、出口密度、出口温度、出口电导、气测全烃值和二氧化碳含量；判断依据为出口流量增加，占权重50%；总池体积增加，占权重10%；出口密度降低，占权重5%；出口温度增加，占权重5%；出口电导降低，占权重5%；气测全烃值增加，占权重20%；二氧化碳含量增加，占权重5%；另可见出口岩屑量增加；
20、井涌：主要参考立管压力、出口流量、总池体积、出口密度、出口温度、出口电导、气测全烃值和二氧化碳含量；判断依据为立管压力先增后降，占权重10%；出口流量快速增加，占权重40%；总池体积增加，占权重15%；出口密度降低，占权重5%；出口温度升高，占权重5%；出口电导降低，占权重5%；气测全烃值升高，占权重15%；二氧化碳含量升高，占权重5%；另可见出口岩屑含量增加；
21、井漏：主要参考立管压力、出口流量和总池体积；判断依据为立管压力显著下降，占权重45%；出口流量突然下降，占权重40%；总池体积下降，占权重15%；另可见出口岩屑量下降；
22、油气侵：主要参考出口流量、总池体积、出口密度、出口温度、出口电导和气测全烃值；判断依据为出口流量增加，占权重10%；总池体积增加，占权重5%；出口密度下降，占权重15%；出口温度增高，占权重5%；出口电导降低，占权重15%；气测全烃值升高，占权重50%；
23、淡水侵：主要参考出口流量、总池体积、出口密度、出口温度、出口电导和二氧化碳含量；判断依据为出口流量增加，占权重35%；总池体积增加，占权重15%；出口密度下降，占权重10%；出口温度增高，占权重5%；出口电导降低，占权重30%；二氧化碳含量增高，占权重5%；
24、盐水侵：主要参考出口流量、总池体积、出口密度、出口温度和出口电导；判断依据为出口流量增加，占权重35%；总池体积增加，占权重15%；出口密度下降，占权重5%；出口温度增高，占权重5%；出口电导增高，占权重50%；
25、地温异常：主要参考出口流量、总池体积、出口密度和出口温度；判断依据为出口流量增加，占权重20%；总池体积升高，占权重10%；出口密度降低，占权重5%；出口温度升高，占权重65%；
26、有害气体：主要参考气测全烃值、二氧化碳含量和硫化氢含量；判断依据为气测全烃值上升，占权重15%；二氧化碳含量上升，占权重5%；硫化氢含量升高，占权重80%。
（3）三级预警体系：主要综合地质方面和井身结构方面的因素来进行预警；
地质方面主要考虑地层岩性、地层特征等因素来进行预警；钻遇到不同岩性时发生的异常反应不同，如砂砾岩易憋跳、泥岩易泥包、盐岩易盐水侵、和膏岩易缩径等；地层特征方面包括地层倾角，针对低倾角地层、高陡地层采用的钻具组合不同，不同硬度的岩性的叠置需要不同的钻具组合；井身结构方面主要包括括井径的变化（井眼质量）、狗腿度、水平段长度等，容易造成各种异常卡钻；
本实施例的一、二、三级预警体系所侧重数据不同，一级预警体系更快，更准，但覆盖面较小，可及时预警；二级预警体系受参数误差、地质工程等多因素影响，误报较多，若发现异常可再结合三级预警体系进行综合判断，减少误报。
本实施例依据上述建立的异常预警模型，可对异常预警模型中的异常类型、对应的异常参数、对应的预警级别和对应的预警阈值等进行设置，具体设置界面如图3所示。
优选地，如图2所示，在S2中，具体采用综合录井仪、随钻测井仪、压裂仪器和射孔仪器获取所述实时数据信息；
其中，所述实时数据信息至少包括钻井工程参数、钻井液参数和录井参数，且所述钻井工程参数、所述钻井液参数和所述录井参数中均至少包括与所述异常参数对应的参数数据信息。
基于S1中确定的异常预警模型，可采集与异常参数对应的参数数据信息，而通过综合录井仪、随钻测井仪、压裂仪器和射孔仪器获取的实时数据信息至少包括上述与异常参数对应的参数数据信息，通过获取到的实时数据信息便于进行预警分析，并将预警分析结果发送至远程终端，实现了数据的人工智能化分析，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地远程跟踪、预报预警，能有效的规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率。
本实施例对实时数据信息进行采集，对综合录井仪、随钻测井仪等多种采集仪器所采集到的实时数据信息，利用传感器、实时通讯等技术，进行数据实时采集（例如设置2秒钟采集一次），并通过卫星或者移动通信等传输链路将实时数据信息传回基地中心数据库（或服务器上），网页端通过基地中心数据库（或服务器）不断实时地刷新监控的各实时数据信息，以此实现对各实时数据信息的相关参数数据信息的实时动态监控，且本实施例的整个监控过程可采用24小时轮班制，具体实时数据信息的监控界面如图4.1和图4.2所示。
优选地，如图2所示，在S3之后还包括以下步骤：
S4：将所述异常预警模型和所述预警分析结果均存储入所述知识库中，并根据所述预警分析结果对所述异常预警模型进行优化。
钻后将异常预警模型和预警分析结果均存储入知识库中，结合知识库中之前已经存储的邻井异常数据和异常典型案例，便于专家们将异常预警模型进行优化，同时结合专家们总结的经验，对异常预警模型对应的算法的完善也提供了参考支持，如此不断地修改完善异常预警模型，能有效提高系统预报的精准率，为后续的钻井工程提供了支持。
如图2所示，本实施例远程终端的专家接收到S3中的预警分析结果，并根据监控到的实时数据信息的变化特征进行分析，可对由预警分析结果做出审核判断并作出结论。
具体地，可分为错报、漏报、报准三种，具体如下：
（1）当确认存在异常预警模型中的异常时，且预警分析结果为“报准”时，可将该类型下的相关的异常数据均补充入知识库中，作为异常典型案例；
（2）当确认预警分析结果中对应的异常为“错报”时，可及时手动停报并手动去修正设置的异常预警模型，防止下次误报；
（3）当专家们在实时数据信息的监控过程中，发现存在异常但是预警分析结果中并没有报警时，此时为“漏报”，专家记录此时漏报的异常类型及相关异常特征描述，事后与研发人员进行沟通确认，若是异常预警模型的设置无误却导致漏报，则是算法不准需调整完善算法，若是预警模型设置不合理导致漏报则进行相应的模型调整，如此不断地去修改完善模型，提高系统预报的精准率。
其中，监控过程中专家及监控人员及时做好相应的记录备案，对于错报和漏报的情形，专家写明原因和分析过程，用于异常预警模型的完善，对于报准的情形，通过无线通信方式远程发布信息，并给出相应的专业的解决方法或建议，并填写远程工程预警服务日志，以便于存档和数据追溯；具体地，工程预警服务日志或相关的记录备案的操作界面如图5.1和图5.2所示。
其中，本实施例当预警分析时，分析出存在异常预警模型中对应的异常类型时，可通过声光报警器发出报警信号提示井场中的工作人员，还可以在远程终端设置报警设备，提醒远程终端的专家们及相关技术人员，及时根据报警作出相应的决策。本实施例的异常预警模型的建立、实时数据信息的采集与监控、实时数据信息的分析和预警，可集成在一台具有主机、显示屏、鼠标、通讯接口和声光报警器的设备上，具体地，如图6所示。
实施例二、如图7所示，一种钻井工程智能安全风险预警系统，包括搜索模块、异常预警模型建立模块、采集模块和处理模块；
所述搜索模块，用于通过预设的知识库获取待钻井的邻井异常数据；
所述异常预警模型建立模块，用于根据所述邻井异常数据建立所述待钻井的异常预警模型；
所述采集模块，用于获取所述待钻井在钻井过程中的实时数据信息；
所述处理模块，用于基于所述异常预警模型，对所述实时数据信息进行预警分析，并将预警分析结果发送至远程终端。
基于搜索模块可以获取到邻井异常数据，为待钻井的异常预警模型的建立提供数据支持，便于根据异常预警模型对待钻井在钻井过程中的实时数据信息进行预警分析，将预警分析结果发送至远程终端，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效的规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率；
其中，基于异常预警模型对实时数据信息进行预警分析，可提取其中的异常部分生成预警报告单，并将预警报告单作为预警分析结果发送至远程终端，通过预警报告单相关人员可以直观清晰地确定发生异常的具体部位，及具体部位发生何种异常，并采取相应的决策；而远程终端包括但不局限于录井协同工作平台、移动终端监控平台和基地的指挥中心等，而远程终端获取到预警分析结果，可通过网页端、移动端、桌面端等多终端与井场进行实时连接。当井场与远程终端互联互通时，还可以结合实时音视频、电子白板、远程桌面等功能，实现井场、基地多人实时会议交流，开启录井协同工作新模式。
优选地，还包括存储模块；
所述存储模块用于存储所述知识库，所述知识库的存储内容至少包括以所述待钻井为中心、在预定半径范围内的所有邻井的所述邻井异常数据，其中，所述邻井异常数据包括邻井异常参数和邻井异常参数变化特征；所述存储模块的存储内容还至少包括所述异常预警模型和所述预警分析结果。
通过存储模块存储邻井异常数据，方便搜索模块根据存储模块搜索邻井异常数据，为异常预警模型的建立提供数据支持，便于实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效的规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率，提高工作效率；同时基于存储模块存储的异常预警模型和预警分析结果，便于专家们结合知识库中之前已经存储的邻井异常数据和异常典型案例，将异常预警模型进行优化，同时结合专家们总结的经验，对异常预警模型对应的算法的完善也提供了参考支持，如此不断地修改完善异常预警模型，能有效提高系统预报的精准率，为后续的钻井工程提供了支持。
优选地，所述异常预警模型建立模块具体用于：
根据所述邻井异常参数确定所述异常预警模型的异常类型及对应的异常参数；
根据所述邻井异常参数变化特征设定所述异常类型对应的预警级别和预警阈值；
根据所述异常类型、对应的所述异常参数、对应的所述预警级别和对应的所述预警阈值建立所述异常预警模型。
通过异常预警模型建立模块对获取到的邻井异常数据进行参考分析，便于获取待钻井的异常预警模型，而异常预警模型的建立需要确定待钻井的异常类型和对应的异常参数，对应的预警级别和对应的异常参数的预警阈值，基于异常预警模型建立模块建立的异常预警模型，便于后续采集实时数据信息时，按照异常预警模型中的异常参数进行采集和分析，提高预警精度，提高工作效率；同时随着异常预警模型的建立，对应的模型检测方法也随之确定；基于上述异常预警模型的建立和对应的模型检测方法的确定，可实现实时预警，真正实现无人在现场，实现智能化且高效的钻井工程。
实施例三、基于实施例一和实施例二，本实施例提供另一种钻井工程智能安全风险预警系统，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现实施例一中S1-S3的具体步骤。
通过存储在存储器上的计算机程序，并运行在处理器上，实现本发明的钻井工程智能安全风险预警系统，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效的规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率，还可以实现井场与上述远程终端的数据同步和互联互通，当井场与远程终端互联互通时，还可以结合实时音视频、电子白板、远程桌面等功能，实现井场、基地多人实时会议交流，开启录井协同工作新模式。
本实施例还提供一种计算机存储介质，所述计算机存储介质上存储有至少一个指令，所述指令被执行时实现所述S1-S3的具体步骤。
通过执行包含至少一个指令的存储介质，实现本发明的钻井工程智能安全风险预警，方便实时监控井场钻井工作，当发生异常时可及时通知相关人员采用相应的决策，做到了及时地跟踪预报预警，能有效的规避井场风险，减少事故发生率，实现高效钻井、智能决策，实现井场无人值守，智能化更高，且明显提高了工作效率，还可以实现井场与上述远程终端的数据同步和互联互通，当井场与远程终端互联互通时，还可以结合实时音视频、电子白板、远程桌面等功能，实现井场、基地多人实时会议交流，开启录井协同工作新模式。
其中，本实施例中的S1-S3的未尽细节，具体参见实施例一和图1所示的详细描述。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种钻井工程智能安全风险预警方法，其特征在于，包括以下步骤：
步骤0：预先建立知识库，所述知识库的存储内容至少包括以待钻井为中心、在预定半径范围内的所有邻井的邻井异常数据；其中，所述邻井异常数据包括邻井异常参数和邻井异常参数变化特征；
步骤1：通过预设的知识库获取待钻井的邻井异常数据，并根据所述邻井异常数据建立所述待钻井的异常预警模型，建立所述异常预警模型的具体步骤包括：
步骤11：根据所述邻井异常参数确定所述异常预警模型的异常类型及对应的异常参数；
步骤12：根据所述邻井异常参数变化特征设定所述异常类型对应的预警级别和对应的预警阈值；
步骤13：根据所述异常类型、对应的所述异常参数、对应的所述预警级别和对应的所述预警阈值建立所述异常预警模型，所述预警级别包括一级预警体系、二级预警体系和三级预警体系，其中：
所述一级预警体系主要以近钻头数据为主；
所述二级预警体系主要以综合录井数据为主；
所述三级预警体系主要综合地质方面和井身结构方面的因素来进行预警；
步骤2：获取所述待钻井在钻井过程中的实时数据信息，所述实时数据信息至少包括钻井工程参数、钻井液参数和录井参数，且所述钻井工程参数、所述钻井液参数和所述录井参数中均至少包括与所述异常参数对应的参数数据信息，其中，采用综合录井仪、随钻测井仪、压裂仪器和射孔仪器获取所述实时数据信息；
步骤3：基于所述异常预警模型，对所述实时数据信息进行预警分析，并将预警分析结果发送至远程终端。
2.根据权利要求1所述的钻井工程智能安全风险预警方法，其特征在于，在所述步骤3之后还包括以下步骤：
步骤4：将所述异常预警模型和所述预警分析结果均存储入所述知识库中，并根据所述预警分析结果对所述异常预警模型进行优化。
3.一种钻井工程智能安全风险预警系统，其特征在于，包括搜索模块、异常预警模型建立模块、采集模块、处理模块和存储模块；
所述搜索模块，用于通过预设的知识库获取待钻井的邻井异常数据；
所述存储模块用于存储所述知识库，所述知识库的存储内容至少包括以待钻井为中心、在预定半径范围内的所有邻井的邻井异常数据，其中，所述邻井异常数据包括邻井异常参数和邻井异常参数变化特征；所述存储模块的存储内容还至少包括异常预警模型和预警分析结果；
所述异常预警模型建立模块，用于根据所述邻井异常数据建立所述待钻井的异常预警模型，具体包括：
根据所述邻井异常参数确定所述异常预警模型的异常类型及对应的异常参数；
根据所述邻井异常参数变化特征设定所述异常类型对应的预警级别和预警阈值；
根据所述异常类型、对应的所述异常参数、对应的所述预警级别和对应的所述预警阈值建立所述异常预警模型；
所述预警级别包括一级预警体系、二级预警体系和三级预警体系，其中：
所述一级预警体系主要以近钻头数据为主；
所述二级预警体系主要以综合录井数据为主；
所述三级预警体系主要综合地质方面和井身结构方面的因素来进行预警；
所述采集模块，用于获取所述待钻井在钻井过程中的实时数据信息；
所述处理模块，用于基于所述异常预警模型，对所述实时数据信息进行预警分析，并将预警分析结果发送至远程终端。
4.一种电子设备，其特征在于，包括处理器、存储器和存储在所述存储器中且运行在所述处理器上的计算机程序，所述计算机程序运行时实现如权利要求1-2任一项所述的方法。
5.一种计算机存储介质，其特征在于，所述计算机存储介质包括：至少一个指令，在所述指令被执行时实现如权利要求1-2任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811520447.6A CN109779602B (zh) | 2018-12-12 | 2018-12-12 | 一种钻井工程智能安全风险预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811520447.6A CN109779602B (zh) | 2018-12-12 | 2018-12-12 | 一种钻井工程智能安全风险预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109779602A CN109779602A (zh) | 2019-05-21 |
| CN109779602B true CN109779602B (zh) | 2022-07-15 |
Family
ID=66496879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811520447.6A Active CN109779602B (zh) | 2018-12-12 | 2018-12-12 | 一种钻井工程智能安全风险预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109779602B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112112629A (zh) * | 2019-06-19 | 2020-12-22 | 中国石油化工股份有限公司 | 一种钻井作业过程中的安全业务管理系统和方法 |
| CN112504330A (zh) * | 2019-09-16 | 2021-03-16 | 中石化石油工程技术服务有限公司 | 一种具有故障智能预警功能的钻井平台机房 |
| CN112581300A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 数据处理方法及装置 |
| CN113393334B (zh) * | 2020-03-11 | 2024-05-14 | 中国石油化工股份有限公司 | 一种钻井参数优化推荐方法及系统 |
| US11131184B1 (en) | 2020-04-29 | 2021-09-28 | Saudi Arabian Oil Company | Method and system for determining a drilling hazard condition using well logs |
| CN113775327B (zh) * | 2020-06-05 | 2024-04-09 | 中国石油化工股份有限公司 | 钻井异常的检测方法、装置、设备、钻井和存储介质 |
| CN113177768A (zh) * | 2020-11-10 | 2021-07-27 | 国网青海省电力公司 | 基于基建全过程综合数字化管理的智慧工程平台 |
| CN112943217B (zh) * | 2021-02-22 | 2022-07-12 | 中海石油(中国)有限公司海南分公司 | 一种远程智能录井分析方法及系统 |
| CN113112639A (zh) * | 2021-05-20 | 2021-07-13 | 宏华油气工程技术服务有限公司 | 一种适用于石油钻井的参数记录系统及其方法 |
| CN113685166B (zh) * | 2021-07-27 | 2023-10-27 | 中国海洋石油集团有限公司 | 一种钻井事故预警方法及系统 |
| CN113553724A (zh) * | 2021-07-30 | 2021-10-26 | 中国石油化工股份有限公司 | 一种页岩气井生产过程井筒异常分析及处理系统 |
| CN114046141A (zh) * | 2021-09-26 | 2022-02-15 | 中国海洋石油集团有限公司 | 一种钻井工程复杂情况判断及辅助干预系统 |
| CN117408640B (zh) * | 2023-12-11 | 2024-02-23 | 河北宁鸣通信技术有限公司 | 一种燃气安全智慧动态可视化管理方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104806226A (zh) * | 2015-04-30 | 2015-07-29 | 北京四利通控制技术股份有限公司 | 智能钻井专家系统 |
| CN106150485A (zh) * | 2015-04-08 | 2016-11-23 | 中国石油化工股份有限公司 | 一种基于数字岩体的钻井井漏预测系统 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060283632A1 (en) * | 2005-06-17 | 2006-12-21 | Aps Technology, Inc. | System and method for acquiring information during underground drilling operations |
| US9410418B2 (en) * | 2007-08-29 | 2016-08-09 | Canrig Drilling Technology Ltd. | Real time well data alerts |
| CN101976494B (zh) * | 2010-08-26 | 2013-06-26 | 中国石油集团川庆钻探工程有限公司 | 录井实时数据采集及同步预警方法 |
| US9404356B2 (en) * | 2011-12-22 | 2016-08-02 | Motive Drilling Technologies, Inc. | System and method for remotely controlled surface steerable drilling |
| CN202904847U (zh) * | 2012-09-26 | 2013-04-24 | 武汉盛华伟业科技有限公司 | 一种井场数据采集传输仪 |
| US20150134258A1 (en) * | 2013-11-13 | 2015-05-14 | Schlumberger Technology Corporation | Well Pressure Control Event Detection and Prediction Method |
| US20150300151A1 (en) * | 2014-02-13 | 2015-10-22 | Shahab D. Mohaghegh | System and method providing real-time assistance to drilling operation |
| US9670767B2 (en) * | 2014-02-18 | 2017-06-06 | Chevron U.S.A. Inc. | Apparatus, system and methods for alerting of abnormal drilling conditions |
| CN105275447B (zh) * | 2014-06-30 | 2018-05-29 | 中国石油化工股份有限公司 | 一种钻井工程参数监测方法 |
| CN105484724A (zh) * | 2014-09-18 | 2016-04-13 | 中国石油化工股份有限公司 | 一种钻井井下异常监测方法 |
| CN105484725A (zh) * | 2014-09-18 | 2016-04-13 | 中国石油化工股份有限公司 | 一种钻井井下异常监测装置 |
| US11125070B2 (en) * | 2015-05-08 | 2021-09-21 | Schlumberger Technology Corporation | Real time drilling monitoring |
| US10597995B2 (en) * | 2015-06-26 | 2020-03-24 | Landmark Graphics Corporation | Visualization of quantitative drilling operations data related to a stuck pipe event |
| 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 |
| CN106918847A (zh) * | 2017-02-21 | 2017-07-04 | 武汉盛华伟业科技有限公司 | 一种基于知识库的井场录井解释方法及智能化解释系统 |
| CN106897839B (zh) * | 2017-03-08 | 2020-07-07 | 武汉盛华伟业科技有限公司 | 一种井场数据一体化协同工作平台 |
| US10579231B1 (en) * | 2018-11-01 | 2020-03-03 | Nabors Drilling Technologies Usa, Inc. | Contextual drilling interface and recommendation system and methods |
-
2018
- 2018-12-12 CN CN201811520447.6A patent/CN109779602B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106150485A (zh) * | 2015-04-08 | 2016-11-23 | 中国石油化工股份有限公司 | 一种基于数字岩体的钻井井漏预测系统 |
| CN104806226A (zh) * | 2015-04-30 | 2015-07-29 | 北京四利通控制技术股份有限公司 | 智能钻井专家系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109779602A (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109779602B (zh) | 一种钻井工程智能安全风险预警方法及系统 | |
| CN106897839B (zh) | 一种井场数据一体化协同工作平台 | |
| CN111622252B (zh) | 大型沉井施工全过程智能控制系统及控制方法 | |
| EP2788579B1 (en) | Geological monitoring console | |
| US20130341093A1 (en) | Drilling risk avoidance | |
| RU2436947C2 (ru) | Система и способ для выполнения операции бурения на месторождении | |
| US10370940B2 (en) | Systems and methods for subsurface oil recovery optimization | |
| US8567526B2 (en) | Wellbore steering based on rock stress direction | |
| CN107605536A (zh) | 基于多源信息融合的煤与瓦斯突出实时预警装置与方法 | |
| CN106121621A (zh) | 一种智能钻井专家系统 | |
| EA013660B1 (ru) | Система и способ для планирования скважины | |
| CN111441330A (zh) | 基于bim+gis的基坑监测系统及其监测方法 | |
| NO341156B1 (no) | System, fremgangsmåte og datamaskinlesbart medium for å gjennomføre en boreoperasjon for et oljefelt | |
| US8245795B2 (en) | Phase wellbore steering | |
| CN104937212A (zh) | 集成的油田决策系统和方法 | |
| CN103615236A (zh) | 一种远程录井信息实时监测地层压力的方法 | |
| US20140204121A1 (en) | Augmented reality for oilfield | |
| CN106640194A (zh) | 一种复合型煤岩瓦斯动力灾害预警方法 | |
| CN114352255A (zh) | 油气钻井井筒状态监测方法及装置 | |
| US8615364B1 (en) | Computer readable medium for acquiring and displaying in near real time gas analysis, well data collection, and other well logging data | |
| CN104727815A (zh) | 一种实时钻井地层修正预测方法及装置 | |
| CN112446560A (zh) | 一种页岩气水平井井眼清洁综合监测与评价系统 | |
| CN110806859A (zh) | 基于机器学习的模块化钻探数据监测与设计系统 | |
| CN102748006A (zh) | 井下作业远程监测系统 | |
| US8775088B1 (en) | Method for acquiring and displaying in near real time gas analysis, well data collection, and other well logging data |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for intelligent safety risk warning in drilling engineering Granted publication date: 20220715 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WUHAN SHENGHUA WEIYE TECHNOLOGY CO.,LTD. Registration number: Y2024980007644 |