CN114112822A - 一种钻井液动态携砂能力模拟系统及预测方法 - Google Patents
一种钻井液动态携砂能力模拟系统及预测方法 Download PDFInfo
- Publication number
- CN114112822A CN114112822A CN202111422170.5A CN202111422170A CN114112822A CN 114112822 A CN114112822 A CN 114112822A CN 202111422170 A CN202111422170 A CN 202111422170A CN 114112822 A CN114112822 A CN 114112822A
- Authority
- CN
- China
- Prior art keywords
- drilling fluid
- pipeline
- sand
- carrying capacity
- simulation
- 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.)
- Granted
Links
- 239000012530 fluid Substances 0.000 title claims abstract description 137
- 238000005553 drilling Methods 0.000 title claims abstract description 135
- 239000004576 sand Substances 0.000 title claims abstract description 125
- 238000004088 simulation Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000002474 experimental method Methods 0.000 claims abstract description 21
- 239000002245 particle Substances 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims description 18
- 238000001802 infusion Methods 0.000 claims description 13
- 239000002002 slurry Substances 0.000 claims description 13
- 229910000831 Steel Inorganic materials 0.000 claims description 10
- 239000010959 steel Substances 0.000 claims description 10
- 239000007788 liquid Substances 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000004804 winding Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 229910000278 bentonite Inorganic materials 0.000 description 1
- 239000000440 bentonite Substances 0.000 description 1
- SVPXDRXYRYOSEX-UHFFFAOYSA-N bentoquatam Chemical compound O.O=[Si]=O.O=[Al]O[Al]=O SVPXDRXYRYOSEX-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/04—Investigating sedimentation of particle suspensions
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的钻井液动态携砂能力模拟系统和预测方法,可以使用卷扬机实时改变模拟管道的倾斜角,再采用温度、流量传感器等获取钻井液温度和瞬时流量,在钻井液动态携砂模拟过程中,确定实验砂粒径、钻井液流变参数、井斜角和钻井液流动空间后,可以通过实验观测得到钻井液的临界流量,然后将得到的数据作为样本训练集训练模型,得到训练好的钻井液动态携砂能力预测模型,基于此,在实际工程应用过程中,只需要将相关工程参数输入至训练好的钻井液动态携砂能力预测模型中就可以得到对应的临界流量,进而实现钻井液动态携砂能力的精确预测,解决现有技术中存在的实验难度大、耗时久、无法随时随地进行携砂能力判断等问题。
Description
技术领域
本发明涉及钻井液动态携砂能力评估预测技术领域,特别是涉及一种钻井液动态携砂能力模拟系统及预测方法。
背景技术
大位移井越来越多地被应用于老井侧钻、海油陆采、高效开发各类低效油气田等多个领域,但是,大位移井易产生岩屑床,这会严重影响施工效率,甚至会造成卡钻等严重事故发生。此外,压裂技术中钻井液能否携带压裂砂到达预定位置也是压裂能否顺利进行的关键,因此,评价钻井液动态携砂能力具有现实意义。
针对该问题的研究,已有多位研究人员搭建了钻井液携岩模拟实验台,但其评价钻井液携砂能力的指标均为将处于静态的实验砂带出实验管道的钻井液流速或泥浆泵流量,此种测试方法所得到的砂粒从静态到动态的启动流量与砂粒从被携带到发生沉降的临界流量并不一致,而工程实践中岩屑床的形成过程是从动态到静态的沉降过程,所以使用砂粒从静态到动态的启动速度或启动流量作为评价钻井液动态携砂能力的指标与工程实践不一致。此外,针对此问题的研究均停留在实验阶段,并未对所得数据进行深入挖掘,有限的实验数据无法对应复杂的工程实践,若要得到尽量可靠的实验结果,就只能在每次遇到新的工程情况时重新按照工况调整自变量进行实验,而此种实验难度大、耗时久、对场地和实验员要求高,无法随时随地进行,因此也无法及时指导工程实践。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种钻井液动态携砂能力模拟系统及预测方法。
为实现上述目的,本发明提供了如下方案:
一种钻井液动态携砂能力模拟系统,包括:加速度计、模拟管道、卷扬机、输液管道、加砂机构、温度传感器、流量传感器、泥浆泵、钻井液罐、信号采集卡和支架;
所述模拟管道的一端通过轴承安装在所述支架上,且所述模拟管道的一端通过管道连接至所述钻井液罐中;所述模拟管道的另一端与所述输液管道的一端连接;所述卷扬机与所述模拟管道通过钢丝绳连接;所述卷扬机用于通过卷放所述钢丝绳调整所述模拟管道和地球铅垂线间的夹角;所述输液管道的另一端与所述加砂机构的一端连接;所述加砂机构的另一端与所述泥浆泵的钻井液输出端连接;所述温度传感器和所述流量传感器均设置在所述加砂机构与所述泥浆泵间的输液管道上;所述泥浆泵的钻井液输入端通过管道连接至所述钻井液罐中;所述加速度计设置在所述模拟管道上;
所述加速度计、所述温度传感器和所述流量传感器均与所述信号采集卡电连接;所述加速度计用于基于调整的所述模拟管道和地球铅垂线的夹角输出电信号;所述温度传感器用于采集所述输液管道中钻井液的温度;所述流量传感器用于采集所述输液管道中钻井液的流量。
优选地,还包括上位机;
所述上位机与所述信号采集卡电连接;所述上位机用于基于所述信号采集卡采集的数据得到工程参数,并用于基于所述工程参数确定临界流量;所述工程参数包括钻井液流变参数、钻井液温度、井斜角、间隙值和砂粒径;所述间隙值为钻杆内间隙值或环空间隙值。
优选地,所述模拟管道包括:钻杆内部空间模拟管道和环空间隙模拟管道;
所述钻杆内部空间模拟管道和所述环空间隙模拟管道上均设置有观测点刻度线;所述观测点刻度线的位置处用于观测实验砂堆积情况。
优选地,所述加砂机构包括:加砂口、第一阀门、第二阀门、第三阀门和三通管道主体;
所述三通管道主体的第一端口与所述输液管道的另一端连接;所述第一阀门设置在所述三通管道主体与所述输液管道的连接管路上;所述加砂口与所述三通管道主体的第二端口连接;所述第二阀门设置在所述加砂口和所述三通管道主体之间的连接管路上;所述三通管道主体的第三端口与所述泥浆泵的钻井液输出端连接;所述第三阀门设置在所述三通管道主体与所述泥浆泵的连接管路上。
优选地,所述第一阀门、所述第二阀门和所述第三阀门均为球形阀门。
优选地,所述钻井液罐中设置有过滤网。
一种钻井液动态携砂能力预测方法,包括:
获取样本训练集;所述样本训练集由以工程参数为自变量,以与钻井液携砂能力指标对应的临界流量为因变量的训练样本对构成;所述训练样本对采用上述提供的钻井液动态携砂能力模拟系统获取;所述工程参数包括:钻井液流变参数、钻井液温度、井斜角、间隙值和砂粒径;所述间隙值为钻杆内间隙值或环空间隙值;
采用所述样本训练集训练钻井液动态携砂能力预测模型得到训练好的钻井液动态携砂能力预测模型;所述钻井液动态携砂能力预测模型是以工程参数为输入,以临界流量为输出的BP神经网络模型;
获取待预测工程参数;
将所述待预测工程参数输入至所述训练好的钻井液动态携砂能力预测模型得到与所述待预测工程参数对应的临界流量;所述临界流量即为评价钻井液携砂能力的指标。
优选地,还包括:
在后续实验过程,将后续实验所使用的工程参数和后续实验所得到的临界流量作为新数据加入训练样本中,重新训练增补数据后的BP神经网络模型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的钻井液动态携砂能力模拟系统和预测方法,通过采用卷扬机在0°-90°范围内变换模拟管道和地球铅垂线间的夹角来模拟井斜角,同时采用加速度计、信号采集卡和上位机将角度信号实时传输、换算和显示,接着采用温度传感器、流量传感器、信号采集卡和上位机可以实时获取钻井液流量和温度,在采用钻井液动态携砂能力模拟系统进行钻井液动态携砂模拟过程中,已知实验砂的粒径、钻井液流变参数和模拟管道的间隙值的前提下,可以模拟得到钻井液的临界流量,最后将实验所使用和得到的数据作为样本训练集训练BP神经网络模型,得到训练好的钻井液动态携砂能力预测模型,在实际工程应用过程中,只需要将相关工程参数输入至训练好的钻井液动态携砂能力预测模型中就可以得到对应的临界流量,实现对钻井液动态携砂能力的精确预测,解决现有技术中存在的实验难度大、耗时久、对场地和实验员要求高、无法随时随地进行携砂能力判断等问题。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的钻井液动态携砂能力模拟系统的结构示意图;
图2为本发明实施例提供的钻杆内模拟管道的结构示意图;其中,图2(a)为钻杆内部空间模拟管道的观测点标注位置示意图,图2(b)为钻杆内部空间模拟管道的剖面图;
图3为本发明实施例提供的环空间隙模拟管道的示意图;其中,图3(a)为环空间隙模拟管道的观测点标注位置示意图,图3(b)为环空间隙模拟管道的侧视剖面图,图3(c)为环空间隙模拟管道的A-A剖面图;
图4为本发明实施例提供的加砂机构的结构示意图;
图5为本发明实施例提供的钻井液罐的结构示意图;其中,图5(a)为钻井液罐的侧视剖面图,图5(b)为钻井液罐的俯视图;
图6为本发明提供的钻井液动态携砂能力预测方法的流程图;
图7为本发明实施例提供的实施提供的钻井液动态携砂能力预测方法的架构图。
符号说明:
1-加速度计,2-轴承,3-模拟管道,4-卷扬机,5-钢丝绳,6-支架,7-输液管道,8-加砂口,9-第一阀门,10-第二阀门,11-第三阀门,12-温度传感器,13-流量传感器,14-泥浆泵,15-钻井液,16-过滤网,17-钻井液罐,18-信号采集卡,19-上位机,20-三通管道主体。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的目的是提供一种钻井液动态携砂能力模拟系统及预测方法,能够对钻井液动态携砂能力进行精确模拟和预测,进而能够解决现有技术中存在的实验难度大、耗时久、对场地和实验员要求高、无法随时随地进行携砂能力判断等问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的钻井液动态携砂能力模拟系统,包括:加速度计1、模拟管道3、卷扬机4、输液管道7、加砂机构、温度传感器12、流量传感器13、泥浆泵14、钻井液罐17和信号采集卡18。
模拟管道3的一端通过轴承2安装在支架6上,且模拟管道3的一端通过管道连接至钻井液罐17中。模拟管道3的另一端与输液管道7的一端连接。卷扬机4与模拟管道3通过钢丝绳5连接。卷扬机4用于通过卷放钢丝绳5调整模拟管道3和地球铅垂线间的夹角。输液管道7的另一端与加砂机构的一端连接。加砂机构的另一端与泥浆泵14的钻井液输出端连接。温度传感器12和流量传感器13均设置在加砂机构与泥浆泵14间的输液管道7上。泥浆泵14的钻井液输入端通过管道连接至钻井液罐17中。加速度计1设置在模拟管道3上。
加速度计1、温度传感器12和流量传感器13均与信号采集卡18连接。加速度计1用于采集模拟管道3的倾斜角度。温度传感器12用于采集输液管道7中钻井液的温度。流量传感器13用于采集输液管道7中钻井液的流量。
为了提高数据存储和检测的效率,本发明上述提供的钻井液动态携砂能力模拟系统中还可以设置有上位机19(即计算机、处理器等)。
上位机19与信号采集卡18连接。上位机19用于处理加速度计1上传的数据,得到井斜角。井斜角即为模拟管道3和地球铅垂线间的夹角。
其中,为了增加管道所承受的压力,本发明采用的输液管道7为钢丝软管。
在本发明中下述提供的钻井液动态携砂能力预测方法也植入到上位机19中,在实际应用过程中,上位机19可以进行独立使用。
为了能够对钻井场景中的实际钻井孔间隙进行模拟,本发明采用的模拟管道3包括:钻杆内部空间模拟管道和环空间隙模拟管道。
如图2和图3所示,钻杆内部空间模拟管道和环空间隙模拟管道上均设置有观测点刻度线。观测点刻度线的位置处用于观测实验砂堆积情况。观测点刻度线的标注位置可以依据实验需求进行标注,例如,在距离模拟管道3管口0.25倍管道长度处、距离模拟管道3管口0.5倍管道长度处、距离模拟管道3管口0.75倍管道长度处进行观测点刻度线的标注,并标明刻度,以能够精确测量实验砂沉降厚度情况。
进一步为了便于观测,模拟管道3的制作材料可以选用透明亚克力材料。
为了便于控制实验砂的添加量,如图4所示,本发明中采用的加砂机构包括:加砂口8、第一阀门9、第二阀门10、第三阀门11和三通管道主体20。
三通管道主体20的第一端口与输液管道7的另一端连接。第一阀门9设置在三通管道主体20与输液管道7的连接管路上。加砂口8与三通管道主体20的第二端口连接。第二阀门10设置在加砂口8和三通管道主体20之间的连接管路上。三通管道主体20的第三端口与泥浆泵14的钻井液输出端连接。第三阀门11设置在三通管道主体20与泥浆泵14的连接管路上。优选地,第一阀门9、第二阀门10和第三阀门11均为球形阀门。
为了实现钻井液的循环使用,并且防止实验砂进入泥浆泵14,造成泥浆泵14损坏,如图5所示,本发明在钻井液罐17中设置有过滤网16。例如,过滤网16将泥浆罐分为左右两部分,该筛网的目数比试验所用最大目数实验砂目数大1。入浆口与出浆口分别位于筛网两侧。
下面列举一个实施例,对上述提供的钻井液动态携砂能力模拟系统的具体应用进行说明。
在模拟管道3上标记三个观测点,并标明刻度,将加速度计1固定在管道固定架上,作用是与模拟管道3保持同样的角度,得到井斜角数据。使用钢丝软管将泥浆泵14出口、温度传感器12、流量传感器13、加砂机构、模拟管道3、钻井液罐17和泥浆泵14入口顺次连接,钢丝软管承压大,可以承受泥浆泵14变速过程中所产生的激动压力,温度传感器12用于获得泥浆温度数据,由于泥浆泵14不能抽排带有砂粒的液体,所以加砂机构置于泥浆泵14之后,用于将实验砂放入软管(即输液管道7)中并参与循环,模拟管道3用于模拟和观察钻杆内部或环空间隙的实验砂沉降情况,钻井液罐17用于盛放配制好的钻井液15以及将带有实验砂的钻井液进行过滤(过滤网16),以防止实验砂进入泥浆泵14,造成泥浆泵14损坏。将钻井液出口处的软管和连接泥浆泵14入口的软管放入钻井液罐17的过滤网16两测。将卷扬机4固定在高于支架6的位置上并将绳索与管道固定架相连,其目的是将模拟管道3末端吊起并悬停,模拟不同角度的井斜角。将温度传感器12、流量传感器13和加速度计1通过信号线与信号采集卡18相连并将信号采集卡18通过数据线与计算机相连,采集卡用于实时接收传感器数据,并将接收到的传感器数据发送给计算机。其中,管道固定架是为了提高模拟管道安装稳定性而采用的支撑部件。
那么,基于上述搭建的钻井液动态携砂能力模拟系统的硬件结构,本发明为了实现对钻井液动态携砂能力的精确预测还需要提供一种预测方法,如图6所示,本发明提供的钻井液动态携砂能力预测方法,包括:
步骤100:获取样本训练集。样本训练集由以工程参数为自变量,以与钻井液携砂能力指标对应的临界流量为因变量的训练样本对构成。训练样本对采用上述提供的钻井液动态携砂能力模拟系统获取。工程参数包括:钻井液流变参数、钻井液温度、井斜角、钻杆内间隙值(或环空间隙值)和砂粒径。
步骤101:采用样本训练集训练钻井液动态携砂能力预测模型得到训练好的钻井液动态携砂能力预测模型。钻井液动态携砂能力预测模型是以工程参数为输入,以临界流量为输出的BP神经网络模型。
步骤102:获取待预测工程参数。
步骤103:将待预测工程参数输入至训练好的钻井液动态携砂能力预测模型得到与待预测工程参数对应的临界流量。获得的临界流量即可反应钻井液的携砂能力。
为了持续提高模型预测的精确性,本发明还支持将后续实验中所用到的工程参数和实验测量得到的临界流量作为增补样本更新样本训练集。
其中,上述提供的钻井液动态携砂能力预测方法是基于MATLAB软件编写的计算机可读运行程序,其还可以包括数据导入,即导入传感器采集到的数据以及手动录入钻井液流变参数、实验砂粒径、临界流量和钻杆内或环空间隙。数据分类,即将所有自变量(钻井液流变参数、温度、井斜角、实验砂粒径、钻杆内或环空间隙)与因变量(临界流量)按顺序对应排列。数据保存,即将实验数据保存至本地,方便后期查看和导入。BP神经网络学习与预测模块,即将实验数据输入机器学习模型中进行学习,学习后可将需要预测的自变量输入至学习后的模型中,即可得到预测的因变量。
进一步,采用上述提供的钻井液动态携砂能力模拟系统获取训练样本对的具体操作流程如下:
1)、准备工作:配制钻井液,并在钻井液罐17内水化10小时。选择模拟管道3(钻杆内部空间模拟管道或环空间隙模拟管道)。选择实验砂,并记录目数。
2)、开启计算机及数据处理程序,接收温度传感器12、流量传感器13以及加速度计1经由信号采集卡18采集到的数据。
3)、打开第一阀门9和第三阀门11,关闭第二阀门10,打开泥浆泵14,调至最大流量,循环10分钟后关闭泥浆泵14,目的是通过循环将水化后的钻井液混合均匀并打散水化过程中膨润土所形成的空间网架结构。
4)、关闭第一阀门9和第三阀门11,打开第二阀门10,向加砂口8内加入定量实验砂用于模拟岩屑或压裂砂,实验砂质量计算公式如下:
M=de×k
式中,M为实验砂质量(g),de为实验管道当量直径(mm),k为加砂系数(g/mm),为保证实验过程中有充足实验砂可以被观测,k一般取15。其中,当使用钻杆内部间隙模拟管时,de为单管内径。当使用环空间隙模拟管道时,de为环空间隙模拟管道中管材内径与棒材外径之差。
5)、打开第一阀门9和第三阀门11,关闭第二阀门10,打开泥浆泵14,观测钻井液携砂情况。
6)、若循环2分钟后,三处观测点实验砂堆积平均厚度未超过0.5倍所用实验砂的平均粒径,则将泥浆泵14流量调至最大,待实验管道内实验砂全部被冲出后,将泥浆泵14流量降低一档(即最高流速的10%),关闭泥浆泵14后重复步骤3)和步骤4),直至三处观测点实验砂堆积平均厚度超过0.5倍所用实验砂的平均粒径,记录此流量为该工况下的临界流量Qi。其中,平均粒径计算方法为:所使用实验砂的目数对应的最大粒径与最小粒径的平均值。
7)、通过卷扬机4拉升或降低模拟管道3末端来切换模拟管道3的倾斜角度,从而模拟不同井斜角的情况,待倾斜角度调整完毕后重复步骤3)-6),直至在所有待测角度下的实验完毕。
8)、使用其它粒径的实验砂重复步骤3)-7),直至在所有待测实验砂粒径下的实验完毕。
9)、更换模拟管道,重复步骤3)-8),直至所有待测管道下的实验完毕。
10)、更换钻井液配方,重复步骤3)-9),直至所有待测钻井液配方下的实验完毕。
11)、导入信号采集卡18上传的数据,录入钻井液流变参数数据、实验砂粒径数据、临界流量数据、钻杆内或环空间隙数据。其中,本实施例中的钻井液流变参数数据为采用六速旋转粘度计所测得的粘度数据,包括600转、300转、200转、100转、6转及3转的粘度数据,以及静切力和动切力数据。
12)、进行数据分类,并保存在本地。
13)当实验数据组数达到80组以上时,可将数据作为样本训练集和测试集导入BP神经网络进行学习及预测其他未实验变量值下的临界流量。其中,样本训练集和测试集比例为7:3,BP神经网络的隐含层层数为3,使用Levenberg-Marquardt算法进行学习。当再次进行实验,有新的实验数据时,可扩充实验数据后重新进行机器学习步骤,增加预测准确率。
以上提供的钻井液动态携砂能力预测方法的具体实施过程如图7所示。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种钻井液动态携砂能力模拟系统,其特征在于,包括:加速度计、模拟管道、卷扬机、输液管道、加砂机构、温度传感器、流量传感器、泥浆泵、钻井液罐、信号采集卡和支架;
所述模拟管道的一端通过轴承安装在所述支架上,且所述模拟管道的一端通过管道连接至所述钻井液罐中;所述模拟管道的另一端与所述输液管道的一端连接;所述卷扬机与所述模拟管道通过钢丝绳连接;所述卷扬机用于通过卷放所述钢丝绳调整所述模拟管道和地球铅垂线间的夹角;所述输液管道的另一端与所述加砂机构的一端连接;所述加砂机构的另一端与所述泥浆泵的钻井液输出端连接;所述温度传感器和所述流量传感器均设置在所述加砂机构与所述泥浆泵间的输液管道上;所述泥浆泵的钻井液输入端通过管道连接至所述钻井液罐中;所述加速度计设置在所述模拟管道上;
所述加速度计、所述温度传感器和所述流量传感器均与所述信号采集卡电连接;所述加速度计用于基于调整的所述模拟管道和地球铅垂线的夹角输出电信号;所述温度传感器用于采集所述输液管道中钻井液的温度;所述流量传感器用于采集所述输液管道中钻井液的流量。
2.根据权利要求1所述的钻井液动态携砂能力模拟系统,其特征在于,还包括上位机;
所述上位机与所述信号采集卡电连接;所述上位机用于基于所述信号采集卡采集的数据得到工程参数,并用于基于所述工程参数确定临界流量;所述工程参数包括钻井液流变参数、钻井液温度、井斜角、间隙值和砂粒径;所述间隙值为钻杆内间隙值或环空间隙值。。
3.根据权利要求1所述的钻井液动态携砂能力模拟系统,其特征在于,所述模拟管道包括:钻杆内部空间模拟管道和环空间隙模拟管道;
所述钻杆内部空间模拟管道和所述环空间隙模拟管道上均设置有观测点刻度线;所述观测点刻度线的位置处用于观测实验砂堆积情况。
4.根据权利要求1所述的钻井液动态携砂能力模拟系统,其特征在于,所述加砂机构包括:加砂口、第一阀门、第二阀门、第三阀门和三通管道主体;
所述三通管道主体的第一端口与所述输液管道的另一端连接;所述第一阀门设置在所述三通管道主体与所述输液管道的连接管路上;所述加砂口与所述三通管道主体的第二端口连接;所述第二阀门设置在所述加砂口和所述三通管道主体之间的连接管路上;所述三通管道主体的第三端口与所述泥浆泵的钻井液输出端连接;所述第三阀门设置在所述三通管道主体与所述泥浆泵的连接管路上。
5.根据权利要求1所述的钻井液动态携砂能力模拟系统,其特征在于,所述第一阀门、所述第二阀门和所述第三阀门均为球形阀门。
6.根据权利要求1所述的钻井液动态携砂能力模拟系统,其特征在于,所述钻井液罐中设置有过滤网。
7.一种钻井液动态携砂能力预测方法,其特征在于,包括:
获取样本训练集;所述样本训练集由以工程参数为自变量,以与钻井液携砂能力指标对应的临界流量为因变量的训练样本对构成;所述训练样本对采用如权利要求1-6任意一项所述的钻井液动态携砂能力模拟系统获取;所述工程参数包括:钻井液流变参数、钻井液温度、井斜角、间隙值和砂粒径;所述间隙值为钻杆内间隙值或环空间隙值;
采用所述样本训练集训练钻井液动态携砂能力预测模型得到训练好的钻井液动态携砂能力预测模型;所述钻井液动态携砂能力预测模型是以工程参数为输入,以临界流量为输出的BP神经网络模型;
获取待预测工程参数;
将所述待预测工程参数输入至所述训练好的钻井液动态携砂能力预测模型得到与所述待预测工程参数对应的临界流量;所述临界流量即为评价钻井液携砂能力的指标。
8.根据权利要求7所述的钻井液动态携砂能力预测方法,其特征在于,还包括:
在后续实验过程,将后续实验所使用的工程参数和后续实验所得到的对应临界流量作为新数据加入训练样本中,重新训练增补数据后的BP神经网络模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111422170.5A CN114112822B (zh) | 2021-11-26 | 2021-11-26 | 一种钻井液动态携砂能力模拟系统及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111422170.5A CN114112822B (zh) | 2021-11-26 | 2021-11-26 | 一种钻井液动态携砂能力模拟系统及预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114112822A true CN114112822A (zh) | 2022-03-01 |
CN114112822B CN114112822B (zh) | 2023-09-29 |
Family
ID=80370059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111422170.5A Active CN114112822B (zh) | 2021-11-26 | 2021-11-26 | 一种钻井液动态携砂能力模拟系统及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114112822B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4242757A1 (en) * | 2022-03-10 | 2023-09-13 | Ledaflow Technologies DA | Autonomous flow management system |
CN116856908A (zh) * | 2023-09-01 | 2023-10-10 | 西南石油大学 | 一种页岩气井携砂临界流速的实验确定方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090055098A1 (en) * | 2007-08-23 | 2009-02-26 | Mese Ali I | Determination of point of sand production initiation in wellbores using residual deformation characteristics and real time monitoring of sand protection |
CN202900235U (zh) * | 2012-09-11 | 2013-04-24 | 中国海洋石油总公司 | 一种大斜度井携砂效果模拟评价装置 |
US20130192360A1 (en) * | 2012-01-26 | 2013-08-01 | Halliburton Energy Services, Inc. | Systems, methods and devices for analyzing drilling fluid |
CN103558123A (zh) * | 2013-11-14 | 2014-02-05 | 西南石油大学 | 一种模拟携砂钻井液循环流动特性的实验装置及方法 |
CN104776971A (zh) * | 2015-04-08 | 2015-07-15 | 长江大学 | 一种气流携液携砂可视化实验装置 |
CN106869902A (zh) * | 2017-02-22 | 2017-06-20 | 中国石油大学(华东) | 天然气水合物开采过程中除砂除水装置及方法 |
CN109339766A (zh) * | 2018-12-12 | 2019-02-15 | 重庆科技学院 | 充气钻井动态循环模拟综合实验系统 |
US20190093468A1 (en) * | 2017-09-27 | 2019-03-28 | Schlumberger Technology Corporation | Real time measurement of mud properties for optimization of drilling parameters |
CN113062731A (zh) * | 2019-12-30 | 2021-07-02 | 中石化石油工程技术服务有限公司 | 一种钻井井下复杂工况智能识别方法 |
-
2021
- 2021-11-26 CN CN202111422170.5A patent/CN114112822B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090055098A1 (en) * | 2007-08-23 | 2009-02-26 | Mese Ali I | Determination of point of sand production initiation in wellbores using residual deformation characteristics and real time monitoring of sand protection |
US20130192360A1 (en) * | 2012-01-26 | 2013-08-01 | Halliburton Energy Services, Inc. | Systems, methods and devices for analyzing drilling fluid |
CN202900235U (zh) * | 2012-09-11 | 2013-04-24 | 中国海洋石油总公司 | 一种大斜度井携砂效果模拟评价装置 |
CN103558123A (zh) * | 2013-11-14 | 2014-02-05 | 西南石油大学 | 一种模拟携砂钻井液循环流动特性的实验装置及方法 |
CN104776971A (zh) * | 2015-04-08 | 2015-07-15 | 长江大学 | 一种气流携液携砂可视化实验装置 |
CN106869902A (zh) * | 2017-02-22 | 2017-06-20 | 中国石油大学(华东) | 天然气水合物开采过程中除砂除水装置及方法 |
US20190093468A1 (en) * | 2017-09-27 | 2019-03-28 | Schlumberger Technology Corporation | Real time measurement of mud properties for optimization of drilling parameters |
CN109339766A (zh) * | 2018-12-12 | 2019-02-15 | 重庆科技学院 | 充气钻井动态循环模拟综合实验系统 |
CN113062731A (zh) * | 2019-12-30 | 2021-07-02 | 中石化石油工程技术服务有限公司 | 一种钻井井下复杂工况智能识别方法 |
Non-Patent Citations (2)
Title |
---|
王治中 等: "井筒砂粒运移规律室内模拟实验研究" * |
董长银 等: "产水气井井筒携砂机制及携砂能力评价试验与应用" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4242757A1 (en) * | 2022-03-10 | 2023-09-13 | Ledaflow Technologies DA | Autonomous flow management system |
WO2023169975A1 (en) * | 2022-03-10 | 2023-09-14 | Ledaflow Technologies Da | Autonomous flow management system |
CN116856908A (zh) * | 2023-09-01 | 2023-10-10 | 西南石油大学 | 一种页岩气井携砂临界流速的实验确定方法 |
CN116856908B (zh) * | 2023-09-01 | 2024-02-06 | 西南石油大学 | 一种页岩气井携砂临界流速的实验确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114112822B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11054405B2 (en) | Testing device and method for simulating the flowback in the shut-in period of fractured wells | |
CN114112822A (zh) | 一种钻井液动态携砂能力模拟系统及预测方法 | |
CN111947988B (zh) | 一种用于地下水分层抽水取样的装置及其试验方法 | |
WO2018184397A1 (zh) | 防砂井筒堵塞-解堵一体化评价实验模拟装置及方法 | |
CN105974056B (zh) | 隧道突水灾害前兆信息监测模型试验系统及试验方法 | |
CN105114061B (zh) | 一种水平井不动管柱多参数组合测试快速找水管柱及方法 | |
CN104727788A (zh) | 一种缝洞型油藏三维单井注气替油模拟实验装置 | |
CN204327082U (zh) | 一种煤系地层结构大尺度裂隙渗流物理相似模拟试验装置 | |
CN108198498A (zh) | 地震-海潮作用下近海岸带地下水渗流的模拟装置及模拟方法 | |
CN105804738B (zh) | 一种泥页岩井壁稳定及完整性可视化评价装置 | |
CN202718673U (zh) | 用于底水油藏的可视化物理模拟装置 | |
CN103792118A (zh) | 高压溶气饱和试验装置及其在含气土样人工制备中的应用 | |
CN203335049U (zh) | 基于井筒油藏一体化的泡沫吞吐排砂实验装置 | |
CN110162851A (zh) | 一种电缆地层测试泵抽数值模拟及其过程的数值校正方法 | |
CN111239370A (zh) | 一种用于模拟地下水引起岩溶塌陷的实验方法 | |
CN204903300U (zh) | 一种土体原位钻孔剪切测试装置 | |
CN104964836B (zh) | 模拟盾构隧道抗浮力的模型试验装置及方法 | |
CN103452533A (zh) | 可视化水平井砾石填充模拟试验装置 | |
CN203441447U (zh) | 可视化水平井砾石填充模拟试验装置 | |
CN107290260A (zh) | 用于承压水渗流模型的水循环沙槽试验装置 | |
CN207816717U (zh) | 一种可以模拟浸水路堤的试验模型 | |
CN116163710A (zh) | 一种抑制体积压裂裂缝内煤粉向井筒运移的可视化模拟装置和方法 | |
CN206129247U (zh) | 注co2提高浅层气采收率的测试模拟装置 | |
CN112855128B (zh) | 井底流压降低速度与储层渗透率关系的测试方法和设备 | |
CN114183333A (zh) | 一种潜水泵测试装置及潜水泵测试方法 |
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 |