CN113775327B - 钻井异常的检测方法、装置、设备、钻井和存储介质 - Google Patents
钻井异常的检测方法、装置、设备、钻井和存储介质 Download PDFInfo
- Publication number
- CN113775327B CN113775327B CN202010509572.8A CN202010509572A CN113775327B CN 113775327 B CN113775327 B CN 113775327B CN 202010509572 A CN202010509572 A CN 202010509572A CN 113775327 B CN113775327 B CN 113775327B
- Authority
- CN
- China
- Prior art keywords
- drilling
- current
- actual data
- value range
- limit value
- 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 312
- 230000005856 abnormality Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000006073 displacement reaction Methods 0.000 claims description 24
- 230000000007 visual effect Effects 0.000 claims description 21
- 239000002002 slurry Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 22
- 230000008859 change Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012876 topography 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
- E21B47/00—Survey of boreholes or wells
-
- 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
- E21B47/00—Survey of boreholes or wells
- E21B47/04—Measuring depth or liquid level
-
- 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
- E21B47/00—Survey of boreholes or wells
- E21B47/09—Locating or determining the position of objects in boreholes or wells, e.g. the position of an extending arm; Identifying the free or blocked portions of pipes
-
- 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
- E21B47/00—Survey of boreholes or wells
- E21B47/10—Locating fluid leaks, intrusions or movements
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Geophysics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种钻井异常的检测方法、装置、设备、钻井和存储介质,方法包括获取当前检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据和第二历史时间段内的钻井参数的第二实际数据;对钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型;将钻井参数的第二实际数据输入当前预测模型进行预测,得到当前检测时间段的钻井参数的预测数据后,设定钻井参数的界限值范围;检测当前时间段内的钻井参数的当前实际数据是否在界限值范围内;若钻井参数的当前实际数据不在界限值范围内,输出异常提示信息,从而减少钻井异常的误报、漏报率,提高了异常检测的可靠性,进而降低井控风险。
Description
技术领域
本发明属于油气勘探技术领域,具体涉及一种钻井异常的检测方法、装置、设备、钻井和存储介质。
背景技术
随着勘探开发发展,石油工程钻遇地质环境越来越复杂,钻井条件越来越苛刻,窄密度窗口、多压力体系、高温高压等复杂地层普遍存在。由于地层复杂,易发生漏失和溢流等异常事件,进而导致钻井周期长,钻井作业成本增加,严重影响了油气勘探开发进程和效益。
通常情况下,各钻井异常大多是由于钻井参数的数据发生变化导致的,因此,在对钻井异常检测时,大多由检测人员设定与异常相关的钻井参数的界限值范围,并在实际的钻井参数偏离界限值范围时提醒检测人员。这种检测方法在正确使用时可以识别异常,但是在许多正常的钻井工况中也会产生报警,例如,移动管线会出现脉动流时,泵排量会发生改变,从而明显的影响泥浆池体积变化,造成溢流异常。然而,这些由正常钻井作业过程引起实际的钻井参数变化时,发出的警报可以被认为是“虚假警报”。高误报率会导致井队检测人员对报警信号疲劳,进而忽略报警信息。增大异常相关的钻井参数的界限值范围可有效减少误报,但是会导致一些异常的漏报,进而增大井控风险。
因此,如何提高异常检测的可靠性是本领域技术人员亟待解决的技术问题。
发明内容
本发明的主要目的是提供一种钻井异常的检测方法、装置、设备、钻井和存储介质,以解决现有技术中异常检测的可靠性较低的问题。
针对上述问题,本发明提供了一种钻井异常的检测方法,包括:
获取当前检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据和第二历史时间段内的钻井参数的第二实际数据;其中,所述第一历史时间段的起始时间早于所述第二历史时间段的起始时间;所述第一历史时间段的结束时间早于或等于所述第二历史时间段的结束时间;
对所述钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型;
将所述钻井参数的第二实际数据输入所述当前预测模型进行预测,得到当前检测时间段的钻井参数的预测数据;
根据所述钻井参数的预测数据,设定所述钻井参数的界限值范围;
检测所述当前时间段内的钻井参数的当前实际数据是否在所述界限值范围内;
若所述钻井参数的当前实际数据不在所述界限值范围内,输出异常提示信息。
进一步地,上述所述的钻井异常的检测方法中,所述钻井参数包括入口排量、井深、钻头位置、悬重、泵压、出口排量和泥浆池增量中的至少一种;
若获取的钻井参数的当前实际数据包括出口排量的当前实际数据和泥浆池增量的当前实际数据;所述界限值范围包括流量界限值范围和体积增量界限值范围;
所述若所述钻井参数的当前实际数据不在所述界限值范围内,输出异常提示信息,包括:
若所述出口排量的当前实际数据不在所述流量界限值范围内,输出流量异常提示信息;和/或
若所述泥浆池增量的当前实际数据不在所述体积增量界限值范围内,输出第一体积异常提示信息。
进一步地,上述所述的钻井异常的检测方法中,还包括:
根据所述泥浆池增量的当前实际数据对所述泥浆池的累计体积进行更新,得到当前累计体积;
检测所述当前累计体积是否达到预设体积阈值;
若所述当前累计体积达到预设体积阈值,输出第二体积异常提示信息。
进一步地,上述所述的钻井异常的检测方法中,还包括:
响应所述钻井参数的预测数据的第一调整操作,得到所述钻井参数的调整预测数据,以便根据所述钻井参数的调整预测数据,设定所述钻井参数的界限值范围,和/或
响应所述钻井参数的界限值范围的第一调整操作,得到所述钻井参数的调整界限值范围,以便检测所述钻井参数的预测数据与获取的所述当前时间段内的钻井参数的当前实际数据的变量是否在所述调整界限值范围内。
进一步地,上述所述的钻井异常的检测方法,还包括:
对所述钻井参数的当前实际数据和所述钻井参数的预测数据进行比对,生成所述实际数据和所述预测数据的可视化比对信息;
输出所述可视化比对信息。
进一步地,上述所述的钻井异常的检测方法,还包括:
对所述可视化比对信息中的异常数据进行标记,得到带标记的可视化比对信息;
输出所述带标记的可视化比对信息。
本发明还提供一种钻井异常的检测装置,包括:
获取模块,用于获取当前检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据和第二历史时间段内的钻井参数的第二实际数据;其中,所述第一历史时间段的起始时间早于所述第二历史时间段的起始时间;所述第一历史时间段的结束时间早于或等于所述第二历史时间段的结束时间;
训练模块,用于对所述钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型;
预测模块,用于将所述钻井参数的第二实际数据输入所述当前预测模型进行预测,得到当前检测时间段的钻井参数的预测数据;
设定模块,用于根据所述钻井参数的预测数据,设定所述钻井参数的界限值范围;
检测模块,用于检测所述当前时间段内的钻井参数的当前实际数据是否在所述界限值范围内;
输出模块,用于若所述钻井参数的当前实际数据不在所述界限值范围内,输出异常提示信息。
本发明还提供一种钻井异常的检测设备,包括存储器和处理器,该存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法。
本发明还提供一种钻井,设置有如上所述的钻井异常的检测设备。
本发明还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
应用本发明的钻井异常的检测方法、装置、设备、钻井和存储介质,通过对每个需检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据进行,得到钻井参数的当前预测模型,实现了利用实际钻井过程中检测到的实际数据,动态的建立每个需检测时间段的钻井参数的预测模型,并利用每个需检测时间段的起始时间之前第二历史时间段内的钻井参数的第二实际数据作为钻井参数的当前预测模型的输入数据,预测当前检测时间段的钻井参数的预测数据后,设定钻井参数的界限值范围,实现了动态调整钻井参数的界限值范围,以便在检测到钻井参数的当前实际数据不在界限值范围内时,输出异常提示信息,从而减少了因正常钻井作业过程引起实际的钻井参数变化时,发出的“虚假警报”的现象,降低了钻井异常的漏报率。采用本发明的技术方案,能够提高异常检测的可靠性,进而降低井控风险。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明的钻井异常的检测方法实施例一的流程图;
图2为本发明的钻井异常的检测方法实施例二的流程图;
图3为钻井的出口排量动态实时预测图;
图4为钻井出现溢流异常的示意图;
图5为钻井出现漏失异常的示意图;
图6为本发明的钻井异常的检测装置实施例的结构示意图;
图7为本发明的钻井异常的检测设备实施例的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
由于在正常的钻井工况下,部分钻井参数的数据可能会随着作业状况会发生变化,若采用现有技术中针对钻进参数设置界限值范围,可能会引起“虚假警报”,因此,未来减少误报漏报现象,本实施例提供了一种结合钻进过程中已有的钻井参数的实际数据,对未来一段时间的钻井参数进行预测,以便动态的设定钻井参数的界限值范围的钻井异常的检测方法。
实施例一
具体地,图1为本发明的钻井异常的检测方法实施例一的流程图,如图1所示,本实施例的钻井异常的检测方法,具体可以包括如下步骤:
100、获取当前检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据和第二历史时间段内的钻井参数的第二实际数据;
本实施例中,可以根据实际需求设置多个动态时间切片。其中,每个动态时间切片包括已进行钻井的时间段和需检测钻井异常的时间段,并将需检测钻井异常的时间段作为时间滑动步长,以便按照时间滑动步长依次移动后,对每个动态时间切片内检测钻井异常的时间段对应的钻井参数进行检测。
具体地,以一个动态时间切片作为示例对本发明的技术方案进行说明,该动态时间切片内的需检测钻井异常的时间段可以定义为当前检测时间段。并按照如下选取条件确定当前检测时间段对应的第一历史时间段和第二历史时间段。例如,第一历史时间段的起始时间早于第二历史时间段的起始时间;第一历史时间段的结束时间早于或等于第二历史时间段的结束时间。本实施例优选为将该动态时间切片之前的至少一个动态时间切片对应的时间段作为第一历史时间段,并获取第一历史时间段内的钻井参数的第一实际数据。本实施例优选为将该动态时间切片内已进行钻井的时间段作为第二历史时间段,并获取第二历史时间段内的钻井参数的第一实际数据。其中,钻井参数可以包括入口排量、井深、钻头位置、悬重、泵压、出口排量、泥浆池增量中的至少一种。
例如,当前动态时间切片为9:00am-9:05am,已进行钻井的时间段为9:00am-9:04am,需检测钻井异常的时间段为9:04am-9:05am。上一动态时间切片为8:59am-9:04am,已进行钻井的时间段为8:59am-9:03am,需检测钻井异常的时间段为9:03am-9:04am(该动态时间切片已经完成检测和实测,所以此动态时间切片中该时间段的数据可以作为历史数据)。当前检测时间段为9:04am-9:05am,第一历史时间段为8:59am-9:04am,第二历史时间段为9:00am-9:04am。
101、对钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型;
本实施例中,可以采用支持向量机、随机森林、反向传播(Back Propagation,BP)神经网络等机器学习方法,对钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型。
本实施例中,由于钻井参数的第一实际数据是每个钻井过程中采集到的,这些数据与钻井的地形、录井参数等均是实际相符的,这样,在面对复杂多变的井下情况,均能够建立与实际情况相关的钻井参数的预测模型,从而能得到比较精准的钻井参数的预测模型。且无需专家与钻井工作人员配对工作,提高了训练钻井参数的预测模型的效率。
102、将钻井参数的第二实际数据输入当前预测模型进行预测,得到当前检测时间段的钻井参数的预测数据;
在得到钻井参数的当前预测模型后,可以将钻井参数的第二实际数据输入当前预测模型进行预测,以得到当前检测时间段的钻井参数的预测数据。
需要说明的是,本实施例中,可以根据实际需求将钻井参数划分为输入钻井参数和输出钻井参数,输出钻井参数为当前需要检测的钻井异常相关的参数,输入钻井参数为影响输出钻井参数变化的参数。例如,若检测钻井溢漏异常,可以将出口排量、泥浆池增量作为输出钻井参数,将入口排量、井深、钻头位置、悬重和泵压作为输入钻井参数。这样,即可得到出口排量的当前实际数据和泥浆池增量的当前实际数据。
103、根据钻井参数的预测数据,设定钻井参数的界限值范围;
本实施例中,在得到钻井参数的预测数据后,可以根据预设的计算规则,确定并设定钻井参数的预测数据对应的界限值范围。具体地,可以结合不同时间段下,钻进过程中可能发生的工况对各钻井参数的影响,对钻井参数的预测数据进行计算,最终得到钻井参数的界限值范围。例如,当前检测时间段可能移动管线,此时,可以将移动管线过程中可能出现的泵排量最为参考值,并计算出钻井参数的预测数据对应的界限值范围。例如,若检测钻井溢漏异常,在根据步骤102可以可得到出口排量的当前实际数据和泥浆池增量的当前实际数据后,可以根据本步骤的实现过程,得到流量界限值范围和体积增量界限值范围。
104、检测当前时间段内的钻井参数的当前实际数据是否在界限值范围内;
具体地,可以判断当前时间段内的钻井参数的当前实际数据与钻井参数的预测数据对应的界限值范围中每个界限值的大小,以检测当前时间段内的钻井参数的当前实际数据是否在界限值范围内。
105、若钻井参数的当前实际数据不在界限值范围内,输出异常提示信息。
若钻井参数的当前实际数据不在界限值范围内,说明出现异常,可以生成并输出异常提示信息,以提示检测人员进行处理。例如,若出口排量的当前实际数据不在流量界限值范围内,输出流量异常提示信息;和/或,若泥浆池增量的当前实际数据不在体积增量界限值范围内,输出第一体积异常提示信息。另外,本实施例中,还可以根据泥浆池增量的当前实际数据对泥浆池的累计体积进行更新,得到当前累计体积;并检测当前累计体积是否达到预设体积阈值;若当前累计体积达到预设体积阈值,输出第二体积异常提示信息。
本实施例的钻井异常的检测方法,通过对每个需检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据进行,得到钻井参数的当前预测模型,实现了利用实际钻井过程中检测到的实际数据,动态的建立每个需检测时间段的钻井参数的预测模型,并利用每个需检测时间段的起始时间之前第二历史时间段内的钻井参数的第二实际数据作为钻井参数的当前预测模型的输入数据,预测当前检测时间段的钻井参数的预测数据后,设定钻井参数的界限值范围,实现了动态调整钻井参数的界限值范围,以便在检测到钻井参数的当前实际数据不在界限值范围内时,输出异常提示信息,从而减少了因正常钻井作业过程引起实际的钻井参数变化时,发出的“虚假警报”的现象,降低了钻井异常的漏报率。采用本发明的技术方案,能够提高异常检测的可靠性,进而降低井控风险。
进一步地,上述实施例中,可以通过改变动态时间切片的时间长度,来减小训练钻井参数的预测模型的频率,但是,动态时间切片的时间长度越长,训练的数据也就越多,训练速率就会降低,影响钻井作业过程,因此,本申请中,可以设置时间长度较短的动态时间切片,在得到第一设定数目的钻井参数的预测模型后,可以对第一设定数目的钻井参数的预测模型进行分析,以便确定第一设定数目的钻井参数的预测模型之间是否存在某种函数关系,若第一设定数目的钻井参数的预测模型存在某种函数关系,则可以根据某种函数关系确定后续第二设定数目的需检测时间段的钻井参数的预测模型,这样,可以避免每次都需要先训练钻井参数的预测模型才能进行检测,提高了检测效率。另外,在利用某种函数关系构建钻井参数的预测模型时,若检测到出现钻井异常的概率大于预设阈值,则说明利用某种函数关系构建的钻井参数的预测模型准确度较差,需要重新训练,此时,按照上述步骤100-101重新训练即可。
实施例二
图2为本发明的钻井异常的检测方法实施例二的流程图,如图2所示,本实施例的钻井异常的检测方法在上述实施例的基础上,进一步更加详细地对本发明的技术方案进行描述。
如图2所示,本实施例的钻井异常的检测方法具体可以包括如下步骤:
200、获取当前检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据和第二历史时间段内的钻井参数的第二实际数据;
本实施例的实现过程与上述实施例步骤100的实现过程相同,详细请参考上述相关记载,在此不再赘述。
201、对钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型;
本实施例的实现过程与上述实施例步骤101的实现过程相同,详细请参考上述相关记载,在此不再赘述。
202、将钻井参数的第二实际数据输入当前预测模型进行预测,得到当前检测时间段的钻井参数的预测数据;
本实施例的实现过程与上述实施例步骤102的实现过程相同,详细请参考上述相关记载,在此不再赘述。
203、根据钻井参数的预测数据,确定钻井是否存在疑似异常;若是,执行步骤204,若否,执行步骤205;
在实际应用中,对于一些钻井异常而言,其本身对应的参数可能已经存在固定的界限值,因此,若得到的钻井参数的预测数据本身已经能够判定出超过某一钻井异常信息固定的界限值,说明后续钻井过程中,必然会出现异常,此时,可以直接执行步骤204,否则,若得到的钻井参数的预测数据本身不能够判定出超过某一钻井异常信息固定的界限值,执行步骤205。
例如,泥浆池体积是一个固定的值,其只允许装有固定体积的泥浆,因此,若判断出当前预测的泥浆池增量与已经累计的泥浆池体积的和大于泥浆池的固定体积,则无需再对钻井参数的当前实际数据进行检测,这样,可以直接执行步骤204。若判断出当前预测的泥浆池增量与已经累计的泥浆池体积的和小于或等于泥浆池的固定体积,则需对钻井参数的当前实际数据进行检测,这样,可以执行步骤205。
204、输出疑似异常提示信息;
若判断出当前预测的泥浆池增量与已经累计的泥浆池体积的和大于泥浆池的固定体积,则说明存在发生钻井异常的可能性比较大,此时,可以输出疑似异常提示信息。
205、根据钻井参数的预测数据,设定钻井参数的预测数据对应的界限值范围;
例如,若判断出当前预测的泥浆池增量与已经累计的泥浆池体积的和小于或等于泥浆池的固定体积,则说明存在发生钻井异常的潜在可能性比较小,此时,可以根据所述钻井参数的预测数据,设定所述钻井参数的预测数据对应的界限值范围。
本实施例的实现过程与上述实施例步骤103的实现过程相同,详细请参考上述相关记载,在此不再赘述。
206、检测当前时间段内的钻井参数的当前实际数据是否在界限值范围内;若是,执行步骤207,若否,执行步骤208;
207、输出异常提示信息;
若钻井参数的当前实际数据不在调整界限值范围内,输出异常提示信息。
208、进行下一检测时间段的钻井异常检测。
若钻井参数的当前实际数据在调整界限值范围内,则按照相同的方法进行下一检测时间段的钻井异常检测。
本实施例的钻井异常的检测方法,能够在实时检测过程中,根据钻井参数的预测数据,预先判断钻井是否存在疑似异常,并在钻井存在疑似异常时,输出疑似异常提示信息,提高了异常处理效率,从而缩短了检测时间。
在实际应用中,还可以输出钻井参数的预测数据和界限值范围,这样,检测人员看到钻井参数的预测参数数据后,结合自己的专业知识,确定钻井参数的预测参数数据是否合理,并在认为不合理的情况下对钻井参数的预测参数数据进行调整,以便根据钻井参数的调整预测数据,设定钻井参数的界限值范围。和/或,在设定钻井参数的界限值范围后,检测人员还可以结合自己的专业知识,确定界限值范围是否合理,并在认为不合理的情况下输入界限值范围的调整操作,以便检测钻井参数的预测数据与获取的当前时间段内的钻井参数的当前实际数据的变量是否在调整界限值范围内。本实施例中的调整操作均可以为重置或者修正等操作。
本实施例中,可以由检测人员根据实际钻井情况,重置或者调整钻井参数的预测参数数据和/或界限值范围,以适用实际情况,进一步提高了钻井异常检测的可靠性。
在一个具体实现过程中,为了能够使检测人员能够直观了解钻井过程中各参数的变化情况,在出现异常数据的情况下,能够快速获知异常原因,提高异常处理效率,本实施例还可以对钻井参数的当前实际数据和钻井参数的预测数据进行比对,生成实际数据和预测数据的可视化比对信息;并输出可视化比对信息,例如,以图表形式作为该可视化比对信息。
进一步地,上述实施例中,还可以对可视化比对信息中的异常数据进行标记,得到带标记的可视化比对信息;并输出带标记的可视化比对信息。这样,检测人员即可直观的获知为什么这段时间内报警或不报警。
下面以具体示例对本发明的技术方案的效果进行描述,其中,该示例中以出口排量进行溢漏监测为例进行描述:
图3为钻井的出口排量动态实时预测图,其中,实线表示出口流量的测量数据,虚线表示出口流量的预测数据。由图3可知,出口流量的测量数据与出口流量的预测数据基本保持一致。
图4为钻井出现溢流异常的示意图,图5为钻井出现漏失异常的示意图,其中,实线表示出口流量的测量数据,虚线表示出口流量的预测数据,斜杠线表示溢漏界限值范围。
在图4所示,在62分钟时监测到并发出溢流预警的异常信息,而采用传统的检测方法往往会在67.25分钟才能发现溢流并关井,因此,本发明的技术方案相对于传统的检测要早5分钟发现溢流异常。在图5中,在45分钟时发现漏失并报警,而采用传统的检测方法往往会在50分钟时才发现并开始采取措施,因此,本发明的技术方案相对于传统的检测要早5分钟发现漏失异常。
实施例三
图6为本发明的钻井异常的检测装置实施例的结构示意图,如图6所示,本实施例的钻井异常的检测装置包括获取模块60、训练模块61、预测模块62、设定模块63、检测模块64和输出模块65。
获取模块60,用于获取当前检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据和第二历史时间段内的钻井参数的第二实际数据;其中,第一历史时间段的起始时间早于第二历史时间段的起始时间;第一历史时间段的结束时间早于或等于第二历史时间段的结束时间;
训练模块61,用于对钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型;
预测模块62,用于将钻井参数的第二实际数据输入当前预测模型进行预测,得到当前检测时间段的钻井参数的预测数据;
设定模块63,用于根据钻井参数的预测数据,设定钻井参数的界限值范围;
检测模块64,用于检测当前时间段内的钻井参数的当前实际数据是否在界限值范围内;
输出模块65,用于若钻井参数的当前实际数据不在界限值范围内,输出异常提示信息。
本实施例的钻井异常的检测装置,通过对每个需检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据进行,得到钻井参数的当前预测模型,实现了利用实际钻井过程中检测到的实际数据,动态的建立每个需检测时间段的钻井参数的预测模型,并利用每个需检测时间段的起始时间之前第二历史时间段内的钻井参数的第二实际数据作为钻井参数的当前预测模型的输入数据,预测当前检测时间段的钻井参数的预测数据后,设定钻井参数的界限值范围,实现了动态调整钻井参数的界限值范围,以便在检测到钻井参数的当前实际数据不在界限值范围内时,输出异常提示信息,从而减少了因正常钻井作业过程引起实际的钻井参数变化时,发出的“虚假警报”的现象,降低了钻井异常的漏报率。采用本发明的技术方案,能够提高异常检测的可靠性,进而降低井控风险。
进一步地,上述实施例中,钻井参数可以包括入口排量、井深、钻头位置、悬重、泵压、出口排量和泥浆池增量中的至少一种;本实施例中,若获取的钻井参数的当前实际数据包括出口排量的当前实际数据和泥浆池增量的当前实际数据;界限值范围包括流量界限值范围和体积增量界限值范围;
输出模块65,具体用于:若出口排量的当前实际数据不在流量界限值范围内,输出流量异常提示信息;和/或,若泥浆池增量的当前实际数据不在体积增量界限值范围内,输出第一体积异常提示信息。
在实际应用中,检测模块64还用于根据泥浆池增量的当前实际数据对泥浆池的累计体积进行更新,得到当前累计体积;检测当前累计体积是否达到预设体积阈值。输出模块65,还用于若当前累计体积达到预设体积阈值,输出第二体积异常提示信息。
在一个具体实现过程中,设定模块63还用于,响应所述钻井参数的预测数据的第一调整操作,得到所述钻井参数的调整预测数据,以便根据所述钻井参数的调整预测数据,设定所述钻井参数的界限值范围,和/或,响应所述钻井参数的界限值范围的第一调整操作,得到钻井参数的调整界限值范围,以便检测钻井参数的预测数据与获取的当前时间段内的钻井参数的当前实际数据的变量是否在调整界限值范围内。
进一步地,上述实施例中,检测模块64,还用于:
对钻井参数的当前实际数据和钻井参数的预测数据进行比对,生成实际数据和预测数据的可视化比对信息;
输出模块65,还用于输出可视化比对信息。
进一步地,上述实施例中,检测模块64,还用于:
对可视化比对信息中的异常数据进行标记,得到带标记的可视化比对信息;
输出模块65,还用于输出带标记的可视化比对信息。
需要说明的是,上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种钻井异常的检测设备。
实施例四
图7为本发明的钻井异常的检测设备实施例的结构示意图,如图7所示,该钻井异常的检测设备,包括存储器70和处理器71,该存储器70上存储有计算机程序,所述计算机程序被处理器71执行时实现上述实施例所述方法。
实施例五
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种钻井,该钻井设置有上述实施例的钻井异常的检测设备。
实施例六
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例的方法。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
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。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (9)
1.一种钻井异常的检测方法,其特征在于,包括:
获取当前检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据和第二历史时间段内的钻井参数的第二实际数据;其中,所述第一历史时间段的起始时间早于所述第二历史时间段的起始时间;所述第一历史时间段的结束时间早于或等于所述第二历史时间段的结束时间;
对所述钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型;
将所述钻井参数的第二实际数据输入所述当前预测模型进行预测,得到当前检测时间段的钻井参数的预测数据;
根据所述钻井参数的预测数据,设定所述钻井参数的界限值范围;
检测所述当前时间段内的钻井参数的当前实际数据是否在所述界限值范围内;
若所述钻井参数的当前实际数据不在所述界限值范围内,输出异常提示信息。
2.根据权利要求1所述的钻井异常的检测方法,其特征在于,所述钻井参数包括入口排量、井深、钻头位置、悬重、泵压、出口排量和泥浆池增量中的至少一种;
若获取的钻井参数的当前实际数据包括出口排量的当前实际数据和泥浆池增量的当前实际数据;所述界限值范围包括流量界限值范围和体积增量界限值范围;
所述若所述钻井参数的当前实际数据不在所述界限值范围内,输出异常提示信息,包括:
若所述出口排量的当前实际数据不在所述流量界限值范围内,输出流量异常提示信息;和/或
若所述泥浆池增量的当前实际数据不在所述体积增量界限值范围内,输出第一体积异常提示信息。
3.根据权利要求2所述的钻井异常的检测方法,其特征在于,还包括:
根据所述泥浆池增量的当前实际数据对所述泥浆池的累计体积进行更新,得到当前累计体积;
检测所述当前累计体积是否达到预设体积阈值;
若所述当前累计体积达到预设体积阈值,输出第二体积异常提示信息。
4.根据权利要求1所述的钻井异常的检测方法,其特征在于,还包括:
响应所述钻井参数的预测数据的第一调整操作,得到所述钻井参数的调整预测数据,以便根据所述钻井参数的调整预测数据,设定所述钻井参数的界限值范围,和/或
响应所述钻井参数的界限值范围的第一调整操作,得到所述钻井参数的调整界限值范围,以便检测所述钻井参数的预测数据与获取的所述当前时间段内的钻井参数的当前实际数据的变量是否在所述调整界限值范围内。
5.根据权利要求1所述的钻井异常的检测方法,其特征在于,还包括:
对所述钻井参数的当前实际数据和所述钻井参数的预测数据进行比对,生成所述实际数据和所述预测数据的可视化比对信息;
输出所述可视化比对信息。
6.根据权利要求5所述的钻井异常的检测方法,其特征在于,还包括:
对所述可视化比对信息中的异常数据进行标记,得到带标记的可视化比对信息;
输出所述带标记的可视化比对信息。
7.一种钻井异常的检测装置,其特征在于,包括:
获取模块,用于获取当前检测时间段的起始时间之前第一历史时间段内的钻井参数的第一实际数据和第二历史时间段内的钻井参数的第二实际数据;其中,所述第一历史时间段的起始时间早于所述第二历史时间段的起始时间;所述第一历史时间段的结束时间早于或等于所述第二历史时间段的结束时间;
训练模块,用于对所述钻井参数的第一实际数据进行训练,得到训练的钻井参数的当前预测模型;
预测模块,用于将所述钻井参数的第二实际数据输入所述当前预测模型进行预测,得到当前检测时间段的钻井参数的预测数据;
设定模块,用于根据所述钻井参数的预测数据,设定所述钻井参数的界限值范围;
检测模块,用于检测所述当前时间段内的钻井参数的当前实际数据是否在所述界限值范围内;
输出模块,用于若所述钻井参数的当前实际数据不在所述界限值范围内,输出异常提示信息。
8.一种钻井异常的检测设备,其特征在于,包括存储器和处理器,该存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述方法。
9.一种存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010509572.8A CN113775327B (zh) | 2020-06-05 | 2020-06-05 | 钻井异常的检测方法、装置、设备、钻井和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010509572.8A CN113775327B (zh) | 2020-06-05 | 2020-06-05 | 钻井异常的检测方法、装置、设备、钻井和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113775327A CN113775327A (zh) | 2021-12-10 |
CN113775327B true CN113775327B (zh) | 2024-04-09 |
Family
ID=78834258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010509572.8A Active CN113775327B (zh) | 2020-06-05 | 2020-06-05 | 钻井异常的检测方法、装置、设备、钻井和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113775327B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307122B (zh) * | 2023-02-17 | 2024-05-28 | 中国石油大学(北京) | 钻井数据处理方法、装置、设备及可读存储介质 |
CN115907236B (zh) * | 2023-02-17 | 2023-11-03 | 西南石油大学 | 基于改进决策树的井下复杂情况预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107153881A (zh) * | 2016-03-03 | 2017-09-12 | 中国石油化工股份有限公司 | 一种钻井风险的预测方法 |
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 |
CN109779602A (zh) * | 2018-12-12 | 2019-05-21 | 武汉盛华伟业科技股份有限公司 | 一种钻井工程智能安全风险预警方法及系统 |
CN110778307A (zh) * | 2019-10-24 | 2020-02-11 | 西南石油大学 | 一种卡钻预警和类型诊断方法 |
CN111047082A (zh) * | 2019-12-02 | 2020-04-21 | 广州智光电气股份有限公司 | 设备的预警方法及装置、存储介质和电子装置 |
CN111191836A (zh) * | 2019-12-27 | 2020-05-22 | 东软集团股份有限公司 | 一种井漏预测方法、装置及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015002904A2 (en) * | 2013-06-30 | 2015-01-08 | Fereidoun Abbassian | System and console for monitoring and managing well site operations |
WO2016182799A1 (en) * | 2015-05-08 | 2016-11-17 | Schlumberger Technology Corporation | Real time drilling monitoring |
-
2020
- 2020-06-05 CN CN202010509572.8A patent/CN113775327B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107153881A (zh) * | 2016-03-03 | 2017-09-12 | 中国石油化工股份有限公司 | 一种钻井风险的预测方法 |
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 |
CN109779602A (zh) * | 2018-12-12 | 2019-05-21 | 武汉盛华伟业科技股份有限公司 | 一种钻井工程智能安全风险预警方法及系统 |
CN110778307A (zh) * | 2019-10-24 | 2020-02-11 | 西南石油大学 | 一种卡钻预警和类型诊断方法 |
CN111047082A (zh) * | 2019-12-02 | 2020-04-21 | 广州智光电气股份有限公司 | 设备的预警方法及装置、存储介质和电子装置 |
CN111191836A (zh) * | 2019-12-27 | 2020-05-22 | 东软集团股份有限公司 | 一种井漏预测方法、装置及设备 |
Non-Patent Citations (2)
Title |
---|
ARMA建模在神经网络卡钻预测方法中的应用研究;刘光星等;现代电子技术;36(22);第17-19,23页 * |
钻进参数实时监测与故障诊断技术;王江萍等;钻采工艺;31(01);第49-52,4页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113775327A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10738785B2 (en) | Electric submersible pump event detection | |
CN113775327B (zh) | 钻井异常的检测方法、装置、设备、钻井和存储介质 | |
WO2016153895A1 (en) | System and method for monitoring an electric submersible pump | |
CN105551549A (zh) | 一种核电设备运行状况在线监测方法及系统 | |
JP6540531B2 (ja) | 監視装置及び監視装置の制御方法 | |
RU2766106C1 (ru) | Обнаружение нештатных ситуаций | |
EP4062030B1 (en) | Well annulus pressure monitoring | |
WO2017083141A1 (en) | Electric submersible pump health assessment | |
US11286752B2 (en) | In-situ evaluation of gauges | |
WO2016034945A2 (en) | Stuck pipe prediction | |
GB2619825A (en) | A fault diagnosis method of blast blower and apparatus, electronic device thereof | |
CN111598346A (zh) | 故障检测方法、装置、检测设备、旋挖机及存储介质 | |
CN114444823A (zh) | 一种预测钻井作业过程中井漏风险的方法及系统 | |
US20230013006A1 (en) | A system for monitoring and controlling a dynamic network | |
EP2090742A1 (en) | Methods and systems to estimate wellbore events | |
Ashok et al. | A step by step approach to improving data quality in drilling operations: Field trials in north america | |
Li et al. | Detection of downhole incidents for complex geological drilling processes using amplitude change detection and dynamic time warping | |
AU2020203856A1 (en) | Rising main pipeline assessment system and method | |
CN112766772B (zh) | 油气水井实时监测方法、装置、计算机设备和存储介质 | |
JP6540532B2 (ja) | 監視装置及び監視装置の制御方法 | |
EP4166920A1 (en) | Method and system for anomaly detection for a pumped pipeline | |
CN117287188A (zh) | 基于井下压力数据流的钻井井漏监测方法 | |
JP2013120128A (ja) | 機器異常診断装置 | |
CA2450766A1 (en) | A method and apparatus for monitoring and diagnosis of well progressing cavity pump systems | |
US20240125675A1 (en) | Anomaly detection for industrial assets |
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 |