CN114169558A - 一种用于预测钻井井涌风险的方法及系统 - Google Patents
一种用于预测钻井井涌风险的方法及系统 Download PDFInfo
- Publication number
- CN114169558A CN114169558A CN202010951949.5A CN202010951949A CN114169558A CN 114169558 A CN114169558 A CN 114169558A CN 202010951949 A CN202010951949 A CN 202010951949A CN 114169558 A CN114169558 A CN 114169558A
- Authority
- CN
- China
- Prior art keywords
- data
- drilling
- well
- kick
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000005553 drilling Methods 0.000 claims abstract description 220
- 238000010586 diagram Methods 0.000 claims abstract description 100
- 239000012530 fluid Substances 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 103
- 238000010276 construction Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000009933 burial Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Agronomy & Crop Science (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Earth Drilling (AREA)
Abstract
本发明公开了一种用于预测钻井井涌风险的方法。该方法基于历史井录井数据,通过工况识别和密度分布计算处理,绘制形成不同钻井工况下钻头位置与立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重的密度热力图;将目标井实时录井数据中相应钻头位置下的立管压力、套压、总池体积、出口流量和大钩悬重,分别与相应的密度热力图进行对比后并进行加权计算,从而得到针对目标井的当前井涌风险预测结果。本发明计算方法简便,能够直观反映目标井井涌风险,提高钻井井涌风险预警准确率并降低了误报率,实现安全钻井。
Description
技术领域
本发明涉及石油工程领域,尤其是涉及一种用于预测钻井井涌风险的方法及系统。
背景技术
随着勘探开发的不断深入,油气勘探开发难度越来越高,地质状况日益复杂,储层埋深增加,钻井工程面临的复杂情况越来越多,导致处理钻井风险和事故所需的成本越来越高,实现安全钻井是钻井行业的首要目标。虽然在理论上依靠地层压力、井筒压力、摩阻扭矩等关键参数的计算模型可对钻井井下风险进行预警分析,但由于这些计算模型在建立之初作有诸多假设条件,与真实井下环境存在偏差,影响了风险预警结果的准确性。同时,井下高频振动、高温高压、钻井液流动等因素也直接制约了使用传感器获取井下状况来预警风险。
目前,现有的钻井井涌预警技术和方法,一种是通过对钻进中井筒循环压力或起下钻时井筒波动压力等关键参数的计算,来对井涌风险进行判别预警;另一种则是应用灰色关联、决策树等方法,基于钻井现场地面传感器获取的录井数据,分析风险案例井中相关参数的变化趋势来进行风险识别。这种利用实时数据与理论模型进行偏差分析的技术原理,一方面需要在计算装置内配置复杂的计算模型,并且由于理论模型的假设条件较多,导致部分参数的计算准确性不高,影响井涌的检测分析结果。
因此,目前的方法和技术对于钻井井涌风险的预警准确率仍难以满足安全钻井需求,误报率和漏报率居高不下。另外,钻井现场井涌风险的识别主要依靠现场司钻、钻井工程师等少数人员以往的经验,对于人员依赖性过强,难免出现判别失误处理不及时的情况。
发明内容
为了解决上述技术问题,本发明提供了一种用于预测钻井井涌风险的方法,包括:获取目标井所在井区内的多个历史井的录井数据;基于钻头位置,根据所述录井数据,对各历史井在位于相应钻头位置处所遍历的不同时间点对应的钻井工况进行识别,并提取相应时间点的井涌评价参数,其中,所述评价参数包括立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重;基于相应工况下多个历史井在不同深度下的所述评价参数的变化情况,针对每种工况构建关于不同评价参数的数据分布图,进一步划分所述数据分布图中用于表示各评价参数对发生井涌风险影响程度的分布等级区域;获取目标井在当前钻头位置下的所述评价参数并确定相应的钻井工况,基于此,利用与当前钻井工况匹配的所述数据分布图,分别确定目标井各评价参数的分布等级,从而得到表示是否发生井涌风险的预测分数。
优选地,在识别所述多个历史井的录井数据的工况步骤之前,还包括:从所述多个历史井的录井数据中,将属于风险发生过程和处理风险过程的数据段进行删除,以对过滤后的所述多个历史井的录井数据进行工况识别。
优选地,在基于钻头位置,根据所述录井数据,对各历史井在位于相应钻头位置处所遍历的不同时间点对应的钻井工况进行识别步骤中,包括:按照钻头位置,将所述多个历史井的录井数据进行横向联结,得到位于相应钻头位置下的不同时间点的实时录井数据;根据各历史井在相应钻头深度下所遍历的所有时间点的实时录井数据,识别所述每个时间点对应的钻井工况。
优选地,在根据各历史井在相应钻头深度下所遍历的所有时间点的实时录井数据,识别所述每个时间点对应的钻井工况步骤中,包括:从所述多个历史井的录井数据中提取相应时间点之前预设时间段内的所有实时录井数据,并进一步提取相应的工况识别相关参数,其中,所述工况识别相关参数包括钻压、钻头位置、钻井液入口流量和钻头转速;利用所述工况识别相关参数确定当前时间点的钻井工况类型,其中,所述钻井工况类型选自钻进、起钻、下钻、划眼和循环中的一种。
优选地,在基于相应工况下多个历史井在不同深度下的所述评价参数的变化情况,针对每种工况构建关于不同评价参数的数据分布图步骤中,包括:将所述钻头位置作为纵坐标,分别将所述多个历史井在相应深度下的所述立管压力、所述套压、所述泥浆池总体积、所述钻井液出口流量和所述大钩悬重的数值作为横坐标,分别建立针对相应工况下的立管压力数据分布图、套压数据分布图、泥浆池总体积数据分布图、钻井液出口流量数据分布图和大钩悬重数据分布图。
优选地,在划分所述数据分布图中用于表示各评价参数对发生井涌风险影响程度的分布等级区域步骤中,包括:利用密度分布计算方法,分别将所述立管压力数据分布图、所述套压数据分布图、所述泥浆池总体积数据分布图、所述钻井液出口流量数据分布图和所述大钩悬重数据分布图,转换为相应的密度热力图;根据所述密度热力图中各像素点内的数据点分布密度,将所述数据点分布密度由大到小进行排列,筛选出满足预设的第一比例下的所有数据点分布密度所在的像素点,并将所有所述像素点所在区域形成为当前数据分布图中对井涌风险无影响的安全区域。
优选地,在划分所述数据分布图中用于表示各评价参数对发生井涌风险影响程度的分布等级区域步骤中,还包括:将所述数据点分布密度最大值所在的像素点确定为所述当前数据分布图的中心点;基于所述当前数据分布图处所述安全区域外的危险区域,计算所述危险区域内每个所述像素点到所述中心点的偏离程度,基于此,将当前数据分布图的危险区域划分为轻度危险区、中度危险区和重度危险区。
优选地,根据目标井在钻井过程中钻头实时到达位置处的当前井涌评价参数,分别利用与所述当前钻井工况相符的所述立管压力数据分布图、所述套压数据分布图、所述泥浆池总体积数据分布图、所述出口流量数据分布图和所述大钩悬重数据分布图,确定当前立管压力、当前套压、当前泥浆池总体积、当前钻井液出口流量和当前大钩悬重在相应数据分布图中所在的区域,并记录下相应实时评价参数的分布等级分数。
优选地,利用如下表达式计算所述预测分数:
LevelY=WA*levelA+WB*levelB+WC*levelC+WD*levelD+WE*levelE
其中,LevelY表示所述预测分数,levelA表示当前立管压力的分布等级分数,levelB表示当前套压的分布等级分数,levelC表示当前泥浆池总体积的分布等级分数,levelD表示当前钻井液出口流量的分布等级分数,levelE表示当前大钩悬重的分布等级分数,WA、WB、WC、WD、WE分别表示立管压力参数、套压参数、泥浆池总体积参数、钻井液出口流量参数和大钩悬重参数的权重,WA=0.1,WB=0.3,WC=0.2,WD=0.2,WE=0.2。
另一方面,本发明还提供了一种用于预测钻井井涌风险的系统,包括:数据收集模块,其配置为获取目标井所在井区内的多个历史井的录井数据;工况识别及归纳模块,其配置为基于钻头位置,根据所述录井数据,对各历史井在位于相应钻头位置处所遍历的不同时间点对应的钻井工况进行识别,并提取相应时间点的井涌评价参数,其中,所述评价参数包括立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重;分布图构建模块,其配置为基于相应工况下多个历史井在不同深度下的所述评价参数的变化情况,针对每种工况构建关于不同评价参数的数据分布图,进一步划分所述数据分布图中用于表示各评价参数对发生井涌风险影响程度的分布等级区域;井涌在线预测模块,其配置为获取目标井在当前钻头位置下的所述评价参数并确定相应的钻井工况,基于此,利用与当前钻井工况匹配的所述数据分布图,分别确定目标井各评价参数的分布等级,从而得到表示是否发生井涌风险的预测分数。
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:
本发明公开了一种用于预测钻井井涌风险的方法及系统。该方法及系统基于区域历史数据的规律进行预警,可直观反映目标井井涌风险,提高了钻井井涌风险预警准确率并降低了误报率,避免了以往方法漏报率和误报率高的问题,现场工程师和作业人员可根据预警及时调整作业参数,对井涌风险进行规避防控,实现安全钻井。另外,本发明所应用的方法相比较于使用区域历史数据主要为实时录井数据和钻井风险数据来进行传统的井涌预警计算方法,所需数据源更易准确获取,计算方法也更加简便。
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是本申请实施例的用于预测钻井井涌风险的方法的步骤图。
图2是本申请实施例的用于预测钻井井涌风险的方法的具体流程图。
图3是本申请实施例的用于预测钻井井涌风险的方法中起钻工况下的大钩悬重数据分布图的一个示例。
图4是本申请实施例的用于预测钻井井涌风险的系统的模块框图。
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。
另外,附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
随着勘探开发的不断深入,油气勘探开发难度越来越高,地质状况日益复杂,储层埋深增加,钻井工程面临的复杂情况越来越多,导致处理钻井风险和事故所需的成本越来越高,实现安全钻井是钻井行业的首要目标。虽然在理论上依靠地层压力、井筒压力、摩阻扭矩等关键参数的计算模型可对钻井井下风险进行预警分析,但由于这些计算模型在建立之初作有诸多假设条件,与真实井下环境存在偏差,影响了风险预警结果的准确性。同时,井下高频振动、高温高压、钻井液流动等因素也直接制约了使用传感器获取井下状况来预警风险。
目前,现有的钻井井涌预警技术和方法,一种是通过对钻进中井筒循环压力或起下钻时井筒波动压力等关键参数的计算,来对井涌风险进行判别预警;另一种则是应用灰色关联、决策树等方法,基于钻井现场地面传感器获取的录井数据,分析风险案例井中相关参数的变化趋势来进行风险识别。这种利用实时数据与理论模型进行偏差分析的技术原理,一方面需要在计算装置内配置复杂的计算模型,并且由于理论模型的假设条件较多,导致部分参数的计算准确性不高,影响井涌的检测分析结果。
因此,目前的方法和技术对于钻井井涌风险的预警准确率仍难以满足安全钻井需求,误报率和漏报率居高不下。另外,钻井现场井涌风险的识别主要依靠现场司钻、钻井工程师等少数人员以往的经验,对于人员依赖性过强,难免出现判别失误处理不及时的情况。
为了解决上述技术问题,本发明提出了一种用于预测钻井井涌风险的方法及系统。该方法及系统基于目标井同区块内的所有历史井的实时录井数据,通过分析无钻井风险情况下,不同工况和不同井深条件下的立管压力、套压、总池体积、出口流量、大钩悬重等数据的分布情况;按照钻井工况分类,分别绘制钻头井深与立管压力、套压、总池体积、出口流量、大钩悬重参数的密度分布热力图;最后,通过将目标井实时录井的钻头深度及对应的立管压力、套压、总池体积、出口流量、大钩悬重数据在相应热力图中的分布位置来分析各参数预警情况,通过加权计算后预警目标井的井涌风险。
这样,本发明避免了传统的需要增加新的传感器采集设备或将实时数据与理想模型数据进行偏差对比的方法,利用同一油田区块内的地质结构类似,使得通过历史井的历史录井数据分布情况较强规律性和统一性的特点,达到提高井涌风险预警准确度的目的,大大降低误报率和漏报率,帮助现场工程人员尽早控制规避井涌风险。
图1是本申请实施例的用于预测钻井井涌风险的方法的步骤图。参考图1,下面对本发明实施例所述的用于预测钻井井涌风险的方法(以下简称“井涌预测方法”)进行说明。首先,步骤S110获取目标井所在油田区域内的多个历史井的历史录井数据,而后进入到步骤S120中。在本发明实施例中,历史井是指待预测目标井所属油田区域内除目标井之外的所有已经完成钻井施工的井。在步骤S110中,需要先确定出目标井所属油田区域内的所有已经完成钻井施工的井,将这些井作为目标井的历史井,从而获取每口历史井在整个钻井过程中的所有实时录井数据,并将所有实时录井数据作为该历史井的历史录井数据。
步骤S120基于钻头位置,根据步骤S110得到的多个历史井的历史录井数据,对各历史井在位于相应钻头位置处时所遍历的不同时间点对应的钻井工况进行识别,并从多个历史井的历史录井数据中提取各历史井在位于相应钻头位置处时所遍历的不同相应时间点对应的井涌评价参数,从而进入到步骤S130中。由于历史井为已完成钻井施工的井,因此,在完成相应历史井的钻井施工后,便得到了针对该历史井的所有钻井参数。其中,钻井参数包括但不限于:全井下实时录井数据(即历史录井数据)、全井下钻井风险数据、地质数据、钻井设计数据、完井报告、以及钻井风险处理方案数据等内容。全井下实时录井数据为井下所有钻头位置对应的实时录井数据。全井下钻井风险数据为井下所有钻头位置对应的钻井风险数据。每个钻头深度位置的钻井风险数据至少包括:该深度所属地层层位是否为风险井段。进一步,对于风险井段来说,当前钻头深度位置的钻井风险数据除了包括该深度所属地层层段为风险井段的风险井段标记信息,还包括但不限于:风险类别、发生地层层位和深度位置等。对于无风险井段来说,当前钻头深度位置的钻井风险数据包括但不限于:该深度所属地层层段为无风险井段的风险井段标记信息和深度位置。
在实际的钻井过程中,受钻井工艺的影响,当钻头钻进到井下1000米位置时,由于钻具等相关工具磨损程度的影响会导致后续钻进效率降低,由此,需要进行起钻再重新下钻的施工,从而继续进行1000米以下深度的钻进,继而,在钻头钻进到1800米处时需要再次进行起钻并重新下钻的施工,以此类推,故在完成所有钻井施工作业后,使得钻头在井下500米深度位置处,会经历不同时间点(钻井时刻)的钻井施工。进一步,每个时间点对应的工况都不相同,如:在当前钻头深度位置(井下500米处)经历了钻进工况、多个起钻工况、多个下钻工况等。另外,每个经过在当前钻头深度位置处的相应时间点都对应有相应的实时录井数据(每个钻井时刻的实时录井数据包括多项录井参数)。
因此,在步骤S120中,需要在收集到所有历史井的历史录井数据后,基于不同的钻头位置,需要先从所有历史井的历史录井数据中提取出在位于相应(相同)钻头位置处所遍历的不同时间点对应的实时录井数据。而后,针对同一钻头位置,从每个所经历的时间点的实时录井数据中提取出可用于识别该时间点对应工况的工况识别相关参数,从而利用这些工况识别相关参数对每个时间点对应的钻井工况类型进行识别。其中,工况识别相关参数包括但不限于:钻压、钻头位置、钻井液入口流量和钻头转速。钻井工况类型选自钻进、起钻、下钻、划眼和循环中的一种。最后,针对同一钻头位置,从每个所经历的时间点的实时录井数据中提取出可用于识别该时间点对应工况的井涌评价参数(每个时间点的井涌评价参数是每个时间点的实时录井数据中提取到的可用于评价当前时刻是否发生井涌现象的多项参数,这些参数与井涌现象的产生原理有强相关性),从而在步骤S130中对历史井的井涌评价参数进行分析。其中,井涌评价参数包括但不限于:立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重。
接下来,步骤S130基于相应工况下多个历史井在不同深度下的井涌评价参数的变化情况,针对每种工况构建关于不同评价参数的数据分布图,进一步划分出关于不同评价参数的数据分布图中用于表示各井涌评价参数对发生井涌风险影响程度的分布等级区域。由于在步骤S120后得到了各历史井在位于相应钻头位置处时所遍历的不同时间点对应的井涌评价参数并确定出了相应时间点所属的钻井工况,因而,在步骤S130中需要按照钻井工况类型,将各历史井在位于相应钻头位置处时所遍历的不同时间点对应的井涌评价参数进行归类划分,将钻井工况类型的井涌评价参数进行汇总。也就是说,在步骤S130中,首先,需要基于每种钻井工况,按照不同钻头深度位置,将多个历史井在不同深度下的井涌评价参数的变化情况进行汇总,针对每种钻井工况构建关于不同井涌评价参数的数据分布图。
由于井涌评价参数至少包括上述5项参数,因此,在经过数据汇总后,针对每种钻井工况都得到了多个历史井在不同深度下的立管压力的变化数据(同一个深度位置包括了所有历史井在该深度位置处所遍历的多个时间点对应的立管压力数据)、多个历史井在不同深度下的套压的变化数据(同一个深度位置包括了所有历史井在该深度位置处所遍历的多个时间点对应的套压数据)、多个历史井在不同深度下的泥浆池总体积的变化数据(同一个深度位置包括了所有历史井在该深度位置处所遍历的多个时间点对应的泥浆池总体积数据)、多个历史井在不同深度下的钻井液出口流量的变化数据(同一个深度位置包括了所有历史井在该深度位置处所遍历的多个时间点对应的钻井液出口流量数据)、以及多个历史井在不同深度下的大钩悬重的变化数据(同一个深度位置包括了所有历史井在该深度位置处所遍历的多个时间点对应的大钩悬重数据)。继而,针对每种钻井工况都得到了相应的立管压力数据分布图、套压数据分布图、泥浆池总体积数据分布图、钻井液出口流量数据分布图和大钩悬重数据分布图。其中,每个数据分布图的纵向均为钻头深度位置;横向分别为立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重。然后,针对每种工况,将经过多个历史井在不同深度下的井涌评价参数的变化情况进行汇总处理后,将所有历史井在同一深度位置处所遍历的多个时间点对应的立管压力数据、套压数据、泥浆池总体积数据、钻井液出口流量数据和大钩悬重数据分别标记在上述立管压力数据分布图、套压数据分布图、泥浆池总体积数据分布图、钻井液出口流量数据分布图和大钩悬重数据分布图中,从而完成了关于不同井涌评价参数的数据分布图的构建过程(每种工况绘制了关于5项井涌评价参数的数据分布图)。
最后,在完成所有工况类型的关于不同井涌评价参数的数据分布图的构建过程(5类工况总共绘制了关于25张数据分布图)后,继续按照数据分布图中各数据点分布密度情况,对每种工况下立管压力数据分布图、套压数据分布图、泥浆池总体积数据分布图、钻井液出口流量数据分布图和大钩悬重数据分布图中数据点分布的安全区域(对发生井涌风险影响程度较小的区域)、及危险区域(对发生井涌风险影响程度较大的区域)进行划分。其中,在本发明实施例中,每幅数据分布图优选为密度热力图。
例如,在起钻工况的大钩悬重数据分布图中,需要划分出该分布图中的安全区域和安全区域以外的危险区域。安全区域内的每个数据点均表示当前深度下的大钩悬重数据不会对发生井涌风险的产生异常影响。也就是说,安全区域内的每个数据点属于大钩悬重井涌评价参数在相应钻头深度下的正常数值范围。另外,危险区域内的每个数据点均表示当前深度下的大钩悬重数据会对发生井涌风险的产生影响,也就是说,危险区域内的每个数据点属于大钩悬重井涌评价参数在相应钻头深度下的异常数值范围。
在划分完25张数据分布图的分布等级区域后,进入到步骤S140中,以可以对目标井进行钻井施工操作。步骤S140获取目标井在当前钻头位置下的井涌评价参数,并确定相应的钻井工况,基于此,利用与当前钻井工况匹配的关于不同井涌评价参数的数据分布图,分别确定目标井各评价参数的分布等级,从而利用预设的不同井涌评价参数的权重得到表示是否发生井涌风险的预测分数。
在进入到针对目标井的实钻过程中后,实时采集每个钻井时刻的实时录井数据,从而在每个钻井时刻均从实时录井数据中提取出实时的井涌评价参数,并根据每个钻井时刻的实时钻井数据确定出当前钻井时刻对应的钻井工况类型。由此,根据当前钻井时刻的钻井工况类型,从上述25张数据分布图中选取出与当前钻井工况类型匹配的5张数据分布图,分别将实时提取到的井涌评价参数中的5个参数值标记于筛选出的5张数据分布图中,分别确定出实时的立管压力数据位于立管压力数据分布图中的安全区域还是危险区域、实时的套压数据位于套压数据分布图中的安全区域还是危险区域、实时的泥浆池总体积数据位于泥浆池总体积数据分布图中的安全区域还是危险区域、实时的钻井液出口流量数据位于钻井液出口流量数据分布图中的安全区域还是危险区域、以及实时的大钩悬重数据位于大钩悬重数据分布图中的安全区域还是危险区域,并确定出相应区域所对应的分布等级分数。
接着,根据每个实时的井涌评价参数对应的分布等级分数,利用预设的不同井涌评价参数的权重,基于多参数加权方法计算表示当前是否会发生井涌风险的预测分数,从而完成了整个的井涌风险预测过程。
由于本发明实施例中的井涌预测方法是参考目标井同一油田区域内的所有历史井钻井参数后,得到的最适合作用于目标井的井涌评价参数分布规律,使得针对目标井的实时井涌评价参数也在实际的钻井施工过程中,严格符合当前油田区域的井涌评价参数分布规律,在对目标井进行实时的井涌现象预测时,简化了实时数据分析的复杂度,降低了实钻过程中在井涌预测方面的计算量,直观反映目标井井涌风险,提高预警准确性。
图2是本申请实施例的用于预测钻井井涌风险的方法的具体流程图。下面结合图1和图2对本发明实施例提出的井涌预测方法进行详细说明。首先,步骤S201收集目标井所在油田区块内所有历史井的所有钻井参数,并将其存储于基础数据库中,而后进入到步骤S202中。步骤S202从基础数据库中提取目标井所在井区内的多个历史井的历史录井数据,从而进入到步骤S203。
由于在针对历史井的所有历史录井数据中,并不是所有录井数据都有助于对井涌发生前的井涌评价参数的分布规律进行分析,对于那些已经发生井下风险和正在处理井下风险的录井数据来说,对本发明实施例中分析井涌发生前的井涌评价参数的分布规律是没有帮助的。因此,本发明实施例为了提高井涌发生前对井涌评价参数分布规律的分析结果的准确性,使得针对目标井的实钻过程中能够准确预测出目标井即将要发生井涌现象,需要对步骤S202获取到的历史录井数据进行过滤。步骤S203从多个历史井的历史录井数据中,将属于风险发生过程和处理风险过程的数据段进行删除,以利用过滤后的多个历史井的历史录井数据进行工况识别。
由于基础数据库中记录有所有历史井的钻井参数,通过每口历史井的全井下钻井风险数据知晓每个历史井内不同钻头位置所在井段是否发生钻井风险,并知晓每个历史井内不同钻头位置所在井段是否为正在处理钻井风险的阶段。因此,利用前述这些从全井钻井风险数据中所知晓的信息,便直接将多个历史井的历史录井数据中的每个历史井属于正在发生风险和处理风险过程的时间段所对应的实时录井数据删除,从而完成数据过滤操作,进入到步骤S204中。
步骤S204需要以钻头位置参量为基准,将多个历史井的实时录井数据进行横向联结,得到位于相应钻头位置下的不同时间点的实时录井数据。在步骤S204中,针对每个历史井来说,都需要按照不同钻头位置,将每个钻头位置所经历的不同时间点的实时录井数据抽取出来,并按照不同钻头位置进行汇总排列,从而得到位于相应钻头位置下的不同时间点的实时录井数据。例如:对于一口历史井的历史录井数据,以钻头位置为标识,如在钻头位置在1000m深度,遍历该深度位置处所有时间点的录井数据,提取钻头位置在此深度位置时的不同时间点的实时录井数据。
在完成针对所有历史井的录井数据抽取操作后,进入到步骤S205中。步骤S205根据步骤S204得到的各历史井在相应钻头深度下所遍历的所有时间点的实时录井数据,识别每个时间点对应的钻井工况。在步骤S205中,需要按照如下过程来识别每个时间点对应的钻井工况类型。
具体的,从多个历史井的录井数据中提取相应时间点之前预设时间段内的所有实时录井数据。其中,预设时间段为30秒~5分钟。而后,针对每个时间点从预设时间段内所有的实时录井数据中进一步将工况识别相关参数提取出来。其中,工况识别相关参数包括但不限于:钻压、钻头位置、钻井液入口流量和钻头转速等参数数据。接下来,针对每个时间点均需要根据提取到的上述工况识别相关参数,来确定当前时间点的钻井工况类型。
例如:在获得了所有历史井在某一钻头深度所有时间点的录井数据后,针对其中某一时间点的录井数据,进一步提取在当前时间点之前30秒~5分钟的实时录井数据,利用实时录井数据中的钻压、钻头位置、钻井液入口流量和钻头转速等数据,来综合判别该时间点所处的钻井工况。其中钻井工况包括但不限于:钻进、起钻、下钻、划眼和循环等工况。
在完成针对所有钻头深度的所有各历史井的每个时间点的工况识别操作后,进入到步骤S206中。步骤S206在确定出各历史井在位于相应钻头位置处时所遍历的不同时间点对应的钻井工况后,从每个时间点对应的实时录井数据中提取出相应时间点的井涌评价参数,从而进入到步骤S207中。
步骤S207按照钻井工况类型,将各历史井在位于相应钻头位置处时所遍历的不同时间点对应的井涌评价参数进行归类划分,从而对井涌评价参数进行基于钻井工况类型的汇总操作。在针对每种工况构建关于不同评价参数的数据分布图之前,需要基于每种钻井工况,按照不同钻头深度位置,将多个历史井在不同深度下的井涌评价参数的变化情况进行汇总,而后进入到步骤S208中。
步骤S208根据步骤S207得到归类划分结果,针对每种钻井工况,均构建关于不同井涌评价参数的数据分布图。针对某一工况来说,需要先将钻头位置作为纵向坐标,分别将多个历史井在相应深度下的立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重作为横向坐标,分别建立针对相应工况下的立管压力数据分布图、套压数据分布图、泥浆池总体积数据分布图、出口流量数据分布图和大钩悬重数据分布图的模型;接着,将当前工况下的多个历史井在相应钻头位置下所遍历的所有时间点的立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重的数据值分别标记在立管压力数据分布图模型、套压数据分布图模型、泥浆池总体积数据分布图模型、出口流量数据分布图模型和大钩悬重数据分布图模型内;最后,在针对所有钻头深度位置完成上述数据点标记后,便完成了针对当前工况的立管压力数据分布图、套压数据分布图、泥浆池总体积数据分布图、出口流量数据分布图和大钩悬重数据分布图的构建,从而进入到步骤S209中。
步骤S209针对每种工况类型,利用密度分布计算方法,分别将立管压力数据分布图、套压数据分布图、泥浆池总体积数据分布图、钻井液出口流量数据分布图和大钩悬重数据分布图,转换为相应的立管压力密度热力图、套压密度热力图、泥浆池总体积密度热力图、钻井液出口流量密度热力图和大钩悬重密度热力图。其中,利用Matlab、R语言等成熟的代码程序,直接绘制所需的密度热力图。
在完成针对所有工况类型的数据分布图转换操作后,从而进入到步骤S210中。步骤S210根据每幅密度热力图内各像素点中所包含的所有数据点的分布聚集情况,确定针对当前密度热力图中对井涌风险无影响的安全区域和危险区域。也就是说,确定出当前密度热力图所代表的井涌评价参数在相应钻头深度下处于正常数值范围或异常数值范围。具体的,对于一幅密度热力图来说,根据当前密度热力图中各像素点内的数据点分布密度(由当前热力图像素点内所包含的数据点的数量而得到),将所有像素点的数据点分布密度由大到小进行排列,筛选出满足预设的第一比例下的所有数据点分布密度所在的像素点,并将所有像素点所在区域形成为当前密度热力图中对井涌风险无影响的安全区域。其中,第一比例优选为80%。
例如:针对起钻工况的大钩悬重密度热力图来说,基于每个热力图像素点内所包含的数据点的数量,计算各像素点内的数据点分布密度,将所有像素点的数据点分布密度由大到小进行排列,将前80%数据点分布密度数据所对应的像素点所形成的区域划分为安全区域,剩下的80%-100%数据点分布密度数据所对应的像素点所形成的区域划分为危险区域。
在完成针对所有工况类型对应的立管压力密度热力图、套压密度热力图、泥浆池总体积密度热力图、钻井液出口流量密度热力图和大钩悬重密度热力图的数据分布区域等级划分处理后,进入到步骤S211中。
图3是本申请实施例的用于预测钻井井涌风险的方法中起钻工况下的大钩悬重数据分布图(密度热力图)的一个示例。如图3所示,纵向表示钻头位置,横向表示大钩悬重,图中各个数据点代表了特定历史井在相应钻头位置下的起钻工况某一时间点的大钩悬重值。其中,两条黑色实线中间的区域为安全区域,其余为危险区域,从(2000,150)起始点开始的灰色实线表示目标井在实时钻井过程中采集到的随钻头深度位置不断变化的大钩悬重数据所对应的曲线,当实时的大钩悬重曲线与下方的黑色实线交叉后,位于安全区域的曲线所对应的数据点则为符合起钻工况下的大钩悬重正常数值范围,位于危险区域的曲线所对应的数据点则为符合起钻工况下的大钩悬重异常数值范围。
在本发明实施例中,为了更加细化某一井涌评价参数对井涌风险的危险程度,还需要将上述25幅密度热力图的危险区域进一步划分出轻度、中度和重度危险区域,以使得最终的井涌预测分数更加精确。步骤S211确定每幅数据分布图(密度热力图)的中心点。具体地,将当前数据分布图(密度热力图)的数据点分布密度最大值所在的像素点确定为当前数据分布图(密度热力图)的中心点,从而进入到步骤S212中。
步骤S212基于步骤S211确定好的每幅当前数据分布图(密度热力图)处安全区域外的危险区域,计算当前危险区域内每个像素点到步骤S211得到的中心点的偏离程度,基于此,利用预设的轻度危险偏离范围阈值、中度危险偏离范围阈值和重度危险偏离范围阈值,分别将所有满足轻度危险偏离范围阈值条件的像素点形成为轻度危险区、将所有满足中度危险偏离范围阈值条件的像素点形成为中度危险区、以及将所有满足重度危险偏离范围阈值条件的像素点形成为重度危险区,从而将当前数据分布图(密度热力图)的危险区域进一步划分为轻度危险区、中度危险区和重度危险区。
其中,轻度危险偏离范围阈值边界的最大值小于中度危险偏离范围阈值边界的最小值;中度危险偏离范围阈值边界的最大值小于重度危险偏离范围阈值边界的最小值。需要说明的是,本发明实施例对上述轻度危险偏离范围阈值、中度危险偏离范围阈值和重度危险偏离范围阈值不作具体限定,本领域技术人员可根据实际情况进行设置。
进一步,在本发明实施例中,为了将最终的井涌预测结果进行量化,在25幅数据分布图(密度热力图)中,每幅数据分布图(密度热力图)内的安全区域、轻度危险区、中度危险区和重度危险区都对应有相应的分布等级分数。在本发明实施例中,优选地,落入安全区域的数据点的分布等级分数为0;落入轻度危险区的数据点的分布等级分数为1;落入中度危险区的数据点的分布等级分数为2;落入重度危险区的数据点的分布等级分数为3。
由此,便完成了针对目标井实时井涌预测的所有准备工作,从而进入到步骤S213中。步骤S213采集目标井在钻井过程中钻头实时到达位置处的实时录井数据,并从中获取当前钻井时刻的(实时)井涌评价参数,从而进入到步骤S214中。
步骤S214对当前钻井时刻的工况进行识别。具体的,从当前钻井时刻之前的时间段内的所有实时录井数据中提取相应的工况识别相关参数,进一步利用提取到的若干钻井时刻下的工况识别相关参数,对当前钻井时刻的钻井工况类型进行识别,而后进入到步骤S215中。
步骤S215根据步骤S213获得的当前井涌评价参数和步骤S214确定好的当前钻井时刻的工况,分别利用与当前钻井工况相匹配的立管压力数据分布图(密度热力图)、套压数据分布图(密度热力图)、泥浆池总体积数据分布图(密度热力图)、出口流量数据分布图(密度热力图)和大钩悬重数据分布图(密度热力图),确定当前立管压力、当前套压、当前泥浆池总体积、当前钻井液出口流量和当前大钩悬重在相应数据分布图(密度热力图)中所在的区域,并记录下相应实时评价参数的分布等级分数,从而进入到步骤S216中。
步骤S216根据当前立管压力、当前套压、当前泥浆池总体积、当前钻井液出口流量和当前大钩悬重所对应的数据分布等级分数,利用预设的不同井涌评价参数的权重值,对多个井涌评价参数的实时数据值进行加权计算,得到当时刻下表示可能发生井涌风险的预测分数。其中,利用如下表达式计算当前钻井时刻对应的预测分数:
LevelY=WA*levelA+WB*levelB+WC*levelC+WD*levelD+WE*levelE
式中,LevelY表示当前钻井时刻对应的预测分数;levelA表示当前立管压力对应的分布等级分数;levelB表示当前套压对应的分布等级分数;levelC表示当前泥浆池总体积对应的分布等级分数;levelD表示当前钻井液出口流量对应的分布等级分数;levelE表示当前大钩悬重对应的分布等级分数;WA、WB、WC、WD、WE分别表示立管压力参数、套压参数、泥浆池总体积参数、钻井液出口流量参数和大钩悬重参数的权重。在本发明实施例中,优选地WA=0.1,WB=0.3,WC=0.2,WD=0.2,WE=0.2。
另一方面,本发明基于上述用于预测钻井井涌风险的方法,还提出了一种用于预测钻井井涌风险的系统。图4是本申请实施例的用于预测钻井井涌风险的系统的模块框图。如图4所示,本发明所述的用于预测钻井井涌风险的系统(简称“井涌预测系统”),包括:数据收集模块41、工况识别及归纳模块42、分布图构建模块43和井涌在线预测模块44。其中,数据收集模块10按照上述步骤S110所述的方法实施,配置为获取目标井所在井区内的多个历史井的录井数据。工况识别及归纳模块42按照上述步骤S120所述的方法实施,配置为基于钻头位置,根据多个历史井的录井数据,对各历史井在位于相应钻头位置处所遍历的不同时间点对应的钻井工况进行识别,并提取相应时间点的井涌评价参数。其中,井涌评价参数包括立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重。分布图构建模块43按照上述步骤S130所述的方法实施,配置为基于相应工况下多个历史井在不同深度下的井涌评价参数的变化情况,针对每种工况构建关于不同评价参数的数据分布图,进一步划分关于不同评价参数的数据分布图中用于表示各井涌评价参数对发生井涌风险影响程度的分布等级区域。井涌在线预测模块44按照上述步骤S140所述的方法实施,配置为获取目标井在当前钻头位置下的井涌评价参数并确定相应的钻井工况,基于此,利用与当前钻井工况匹配的关于不同评价参数的数据分布图,分别确定目标井各井涌评价参数的分布等级,从而利用预设的不同井涌评价参数的权重,得到表示是否发生井涌风险的预测分数。
举例来说,本发明实施例中所述的用于预测钻井井涌风险的方法及系统在塔河区块第十作业区内的10口目标井进行应用,具体实施流程如下:
首先,收集塔河区块第十作业区内96口历史井录井数据,构建数据库。
之后,对96口历史井录井数据进行分析,逐条数据识别钻井工况;按钻井工况进行大类划分后,以钻头深度为纵向坐标,立管压力、套压、泥浆池总体积、出口流量、大钩悬重分别为横向坐标,提取该工况下所有历史井录井数据中的钻头深度和立管压力、套压、总池体积、出口流量、大钩悬重绘制为散点图;之后通过密度分布计算等方法将其转换为立管压力密度热力图、套压密度热力图、泥浆池总体积密度热力图、出口流量密度热力图和大钩悬重密度热力图,其中,数据分布最密集区为安全区域,反之为危险区域。
接着,10口新井(目标井)在钻井过程中根据实时录井数据对当前工况进行识别,之后调用相应工况下立管压力、套压、泥浆池总体积、出口流量和大钩悬重这5项数据的密度热力图,将目标井当前录井数据中的钻头位置与立管压力、套压、泥浆池总体积、出口流量和大钩悬重,绘制到相应的密度热力图中分析其分布情况,若分布在安全区域则正常,若分布在危险区域则表示存在井涌风险,进一步根据参数分布位置确定该参数标示的井涌风险等级(分布等级分数),之后,对5项数据预警的风险等级(预测分数)进行加权计算,实现对新井(目标井)钻井井涌风险的实时预警。
最后,10口(目标井)完钻后统计本发明所述方法对井涌风险预警情况。10口(目标井)实际发生1井次井涌,该方法准确进行了预警,漏报率为0,误报井涌风险3井次,平均误报率为0.3次/井;而该作业区内96口历史井共计发生井涌9井次,在使用现有常规的技术方法预警时实际预警了5井次,漏报率为44.44%,误报井涌风险358井次,平均误报率为3.73次/井。
综上所述,通过使用本发明所述方法提高了钻井井涌风险预警准确率,并降低了误报率。
本发明公开了一种用于预测钻井井涌风险的方法及系统。该方法及系统基于历史井录井数据,通过工况识别和密度分布计算处理,绘制形成不同钻井工况下钻头位置与立管压力、套压、总池体积、出口流量以及大钩悬重的密度热力图,将目标井实时录井数据中相应钻头位置下的立管压力、套压、总池体积、出口流量和大钩悬重,分别与相应的密度热力图进行对比后加权计算,从而得到针对目标井的当前井涌风险预测结果。
本发明基于区域历史数据规律进行预警,可直观反映目标井井涌风险,提高了钻井井涌风险预警准确率并降低了误报率,避免了以往方法漏报率和误报率高的问题,现场工程师和作业人员可根据预警及时调整作业参数,对井涌风险进行规避防控,实现安全钻井。另外,本发明所应用的方法相比较于使用区域历史数据主要为实时录井数据和钻井风险数据来进行传统的井涌预警计算方法,所需数据源更易准确获取,计算方法也更加简便。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人员在本发明所揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然本发明所披露的实施方式如上,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,在不脱离本发明所揭露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,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种用于预测钻井井涌风险的方法,其特征在于,包括:
获取目标井所在井区内的多个历史井的录井数据;
基于钻头位置,根据所述录井数据,对各历史井在位于相应钻头位置处所遍历的不同时间点对应的钻井工况进行识别,并提取相应时间点的井涌评价参数,其中,所述评价参数包括立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重;
基于相应工况下多个历史井在不同深度下的所述评价参数的变化情况,针对每种工况构建关于不同评价参数的数据分布图,进一步划分所述数据分布图中用于表示各评价参数对发生井涌风险影响程度的分布等级区域;
获取目标井在当前钻头位置下的所述评价参数并确定相应的钻井工况,基于此,利用与当前钻井工况匹配的所述数据分布图,分别确定目标井各评价参数的分布等级,从而得到表示是否发生井涌风险的预测分数。
2.根据权利要求1所述的方法,其特征在于,在识别所述多个历史井的录井数据的工况步骤之前,还包括:
从所述多个历史井的录井数据中,将属于风险发生过程和处理风险过程的数据段进行删除,以对过滤后的所述多个历史井的录井数据进行工况识别。
3.根据权利要求1或2所述的方法,其特征在于,在基于钻头位置,根据所述录井数据,对各历史井在位于相应钻头位置处所遍历的不同时间点对应的钻井工况进行识别步骤中,包括:
按照钻头位置,将所述多个历史井的录井数据进行横向联结,得到位于相应钻头位置下的不同时间点的实时录井数据;
根据各历史井在相应钻头深度下所遍历的所有时间点的实时录井数据,识别所述每个时间点对应的钻井工况。
4.根据权利要求3所述的方法,其特征在于,在根据各历史井在相应钻头深度下所遍历的所有时间点的实时录井数据,识别所述每个时间点对应的钻井工况步骤中,包括:
从所述多个历史井的录井数据中提取相应时间点之前预设时间段内的所有实时录井数据,并进一步提取相应的工况识别相关参数,其中,所述工况识别相关参数包括钻压、钻头位置、钻井液入口流量和钻头转速;
利用所述工况识别相关参数确定当前时间点的钻井工况类型,其中,所述钻井工况类型选自钻进、起钻、下钻、划眼和循环中的一种。
5.根据权利要求1~4中任一项所述的方法,其特征在于,在基于相应工况下多个历史井在不同深度下的所述评价参数的变化情况,针对每种工况构建关于不同评价参数的数据分布图步骤中,包括:
将所述钻头位置作为纵坐标,分别将所述多个历史井在相应深度下的所述立管压力、所述套压、所述泥浆池总体积、所述钻井液出口流量和所述大钩悬重的数值作为横坐标,分别建立针对相应工况下的立管压力数据分布图、套压数据分布图、泥浆池总体积数据分布图、钻井液出口流量数据分布图和大钩悬重数据分布图。
6.根据权利要求5所述的方法,其特征在于,在划分所述数据分布图中用于表示各评价参数对发生井涌风险影响程度的分布等级区域步骤中,包括:
利用密度分布计算方法,分别将所述立管压力数据分布图、所述套压数据分布图、所述泥浆池总体积数据分布图、所述钻井液出口流量数据分布图和所述大钩悬重数据分布图,转换为相应的密度热力图;
根据所述密度热力图中各像素点内的数据点分布密度,将所述数据点分布密度由大到小进行排列,筛选出满足预设的第一比例下的所有数据点分布密度所在的像素点,并将所有所述像素点所在区域形成为当前数据分布图中对井涌风险无影响的安全区域。
7.根据权利要求6所述的方法,其特征在于,在划分所述数据分布图中用于表示各评价参数对发生井涌风险影响程度的分布等级区域步骤中,还包括:
将所述数据点分布密度最大值所在的像素点确定为所述当前数据分布图的中心点;
基于所述当前数据分布图处所述安全区域外的危险区域,计算所述危险区域内每个所述像素点到所述中心点的偏离程度,基于此,将当前数据分布图的危险区域划分为轻度危险区、中度危险区和重度危险区。
8.根据权利要求5~7中任一项所述的方法,其特征在于,
根据目标井在钻井过程中钻头实时到达位置处的井涌评价参数,分别利用与所述当前钻井工况相符的所述立管压力数据分布图、所述套压数据分布图、所述泥浆池总体积数据分布图、所述出口流量数据分布图和所述大钩悬重数据分布图,确定当前立管压力、当前套压、当前泥浆池总体积、当前钻井液出口流量和当前大钩悬重在相应数据分布图中所在的区域,并记录下相应实时评价参数的分布等级分数。
9.根据权利要求1~8中任一项所述的方法,其特征在于,利用如下表达式计算所述预测分数:
LevelY=WA*levelA+WB*levelB+WC*levelC+WD*levelD+WE*levelE
其中,LevelY表示所述预测分数,levelA表示当前立管压力的分布等级分数,levelB表示当前套压的分布等级分数,levelC表示当前泥浆池总体积的分布等级分数,levelD表示当前钻井液出口流量的分布等级分数,levelE表示当前大钩悬重的分布等级分数,WA、WB、WC、WD、WE分别表示立管压力参数、套压参数、泥浆池总体积参数、钻井液出口流量参数和大钩悬重参数的权重,WA=0.1,WB=0.3,WC=0.2,WD=0.2,WE=0.2。
10.一种用于预测钻井井涌风险的系统,其特征在于,包括:
数据收集模块,其配置为获取目标井所在井区内的多个历史井的录井数据;
工况识别及归纳模块,其配置为基于钻头位置,根据所述录井数据,对各历史井在位于相应钻头位置处所遍历的不同时间点对应的钻井工况进行识别,并提取相应时间点的井涌评价参数,其中,所述评价参数包括立管压力、套压、泥浆池总体积、钻井液出口流量和大钩悬重;
分布图构建模块,其配置为基于相应工况下多个历史井在不同深度下的所述评价参数的变化情况,针对每种工况构建关于不同评价参数的数据分布图,进一步划分所述数据分布图中用于表示各评价参数对发生井涌风险影响程度的分布等级区域;
井涌在线预测模块,其配置为获取目标井在当前钻头位置下的所述评价参数并确定相应的钻井工况,基于此,利用与当前钻井工况匹配的所述数据分布图,分别确定目标井各评价参数的分布等级,从而得到表示是否发生井涌风险的预测分数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010951949.5A CN114169558A (zh) | 2020-09-11 | 2020-09-11 | 一种用于预测钻井井涌风险的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010951949.5A CN114169558A (zh) | 2020-09-11 | 2020-09-11 | 一种用于预测钻井井涌风险的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169558A true CN114169558A (zh) | 2022-03-11 |
Family
ID=80475961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010951949.5A Pending CN114169558A (zh) | 2020-09-11 | 2020-09-11 | 一种用于预测钻井井涌风险的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169558A (zh) |
-
2020
- 2020-09-11 CN CN202010951949.5A patent/CN114169558A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508827B (zh) | 一种基于时间递归神经网络的钻井事故预警方法 | |
CN105089620B (zh) | 卡钻的监测系统、方法及装置 | |
CN108388921A (zh) | 一种基于随机森林的溢流漏失实时识别方法 | |
CN110110740B (zh) | 基于多时间尺度特征和神经网络的钻进过程工况识别方法 | |
CN110671095B (zh) | 一种地质地层压力智能随钻软测量方法 | |
CN103615236A (zh) | 一种远程录井信息实时监测地层压力的方法 | |
CN113431496A (zh) | 一种钻采船协同作业故障诊断及辅助决策方法 | |
CN103470202A (zh) | 油气井钻井过程中溢流在线综合监测与预警方法 | |
CN107292467A (zh) | 一种钻井风险预测方法 | |
CN114444823A (zh) | 一种预测钻井作业过程中井漏风险的方法及系统 | |
CN112926839A (zh) | 一种用于油气井钻井过程的溢漏风险协同监测方法及系统 | |
CN105484725A (zh) | 一种钻井井下异常监测装置 | |
Haibo et al. | Application of an intelligent early-warning method based on DBSCAN clustering for drilling overflow accident | |
CN115438823A (zh) | 一种井壁失稳机制分析与预测方法及系统 | |
CN115586086A (zh) | 一种基于大数据的井壁失稳分析方法 | |
CN106382102A (zh) | 一种基于聚类算法的溢流早期预警方法 | |
CN114607354A (zh) | 一种预报钻井复杂情况的方法 | |
CN114352255B (zh) | 油气钻井井筒状态监测方法及装置 | |
CN115438090A (zh) | 基于掉块图像特征的井壁失稳类型分析及预测方法及系统 | |
CN112907130A (zh) | 基于盾构施工参数的施工风险等级确定方法、装置及介质 | |
CN106150484B (zh) | 一种基于数字岩体的钻井井漏预测方法 | |
CN114169558A (zh) | 一种用于预测钻井井涌风险的方法及系统 | |
CN111625916A (zh) | 井壁稳定性值计算方法及系统 | |
CN114169656A (zh) | 一种基于邻井历史数据的钻井卡钻风险预警方法及系统 | |
CN113685166B (zh) | 一种钻井事故预警方法及系统 |
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 |