CN114429253A - 一种钻井过程中智能提示邻井风险的方法及系统 - Google Patents
一种钻井过程中智能提示邻井风险的方法及系统 Download PDFInfo
- Publication number
- CN114429253A CN114429253A CN202010999274.1A CN202010999274A CN114429253A CN 114429253 A CN114429253 A CN 114429253A CN 202010999274 A CN202010999274 A CN 202010999274A CN 114429253 A CN114429253 A CN 114429253A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- well
- drilling
- target well
- 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
- 238000005553 drilling Methods 0.000 title claims abstract description 182
- 238000000034 method Methods 0.000 title claims abstract description 97
- 230000008569 process Effects 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 9
- 238000013517 stratification Methods 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012706 support-vector machine 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
- G06Q10/06—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Earth Drilling (AREA)
Abstract
本发明提供了一种钻井过程中智能提示邻井风险的方法及系统,该方法通过提取目标井和区块内邻井的井身数据、地层数据、录井数据以及各邻井的钻井风险数据构建对应的数据库;基于数据库中目标井的井身数据和地层分层数据,计算选取满足设定条件的相似邻井;进而依据目标井及相似邻井的钻井工况和钻头垂深数据计算确定匹配的风险案例,基于其录井数据和风险类别计算目标井发生风险的概率,并依据概率根据对应的风险类别、风险案例以及目标井的录井数据生成用于辅助决策的风险提示。该方案充分利用相似邻井的历史风险案例数据,能够克服现有技术中漏报误报、监测信号可用性和时效性不足的问题,以安全钻井为基础,促进了钻井工程的降本增效优化发展。
Description
技术领域
本发明涉及油气勘探工程技术领域,尤其涉及一种钻井过程中智能提示邻井风险的方法及系统。
背景技术
随着油气勘探开发的进行,钻井工程所面临的地质情况越来越复杂,在复杂地质条件下,钻进效率低、复杂情况多发等因素以及居高不下的钻井成本严重影响了油气勘探开发的实施效率,特别是钻井复杂事故的发生,不仅会影响钻井周期、增加成本,严重时甚至会造成环境污染和人员伤亡,因此,安全钻井是油气勘探顺利进行的基本前提。基于安全钻井的前提下,再去探索提速提效、降本增效的突破改进才是钻井工程的核心思想。
在钻井工程技术发展的早期,钻井过程中风险的识别预测主要依靠人工进行,主观判断钻井过程中是否有事故发生或即将发生;随着数据挖掘、人工智能等技术的发展和应用,钻井公司开发应用了一系列的预警软件与系统,例如里伯顿公司的RTOC实时监测技术;但是这些传统的预警系统其模型采用固定和定制的方式,模型适用性差,误报率和漏报率高,且定制模型需要依赖专家经验,人为因素影响大。近几年,依据邻井资料应用数据挖掘技术与人工智能方法建立的预测模型相比之前的定制模型做了改进,然而,受限于地质条件的复杂不均质以及不可预测性,基于其进行钻井风险预警时误报和漏报情况依然较多。
另外,目前的各类钻井风险预警提示方法与系统均是在监测到本井异常后,发布提示信号给现场工程师、司钻或后方专家,由人来做进一步的判断与决策,但是这些方法与系统却没有为现场工程师、司钻或后方专家等人员及时提供决策所需的辅助信息,无法提供本井状态数据、相似的邻井历史记录以及如何调整能够合理解决异常情况等信息;例如,CN109779602A《一种钻井工程智能安全风险预警方法及系统》,该方案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得到预警信号发送至远程终端。其基于邻井异常数据建立钻井异常预警模型,能够对钻井过程中风险异常状况的监测起到积极作用,提醒工作人员查看,但无法帮助现场工程师和司钻以及后方决策中心的专家根据钻井进度对区块内整体风险情况形成理解;导致现场工程师、司钻或后方专家需要查找资料,先了解区块现状和技术问题后才能做出决策,极大程度影响了决策的时效性。由此可见,亟需提供一种能够在钻井过程中及时输出可靠的风险提示信息的技术,以给钻井工程师、司钻和后方专家提供辅助决策的提示数据。
发明内容
为解决上述问题,本发明提供了一种钻井过程中智能提示邻井风险的方法,在一个实施例中,所述方法包括:
邻井数据库构建步骤S1,确定目标井所属区块的所有邻井,提取所有邻井的井身数据、地层分层数据、录井数据以及钻井风险数据构建对应的邻井数据库;所述井身数据包括:井型、井身结构和井眼轨迹数据;
目标井数据采集步骤S2,采集所述目标井的井身数据、地层分层数据和实时录井数据并存储,形成目标井数据库;
相似邻井选取步骤S3,利用匹配算法根据所述目标井的井身数据和地层分层数据,选取井身数据和地层分层数据满足设定条件的各邻井作为目标井的相似邻井;
风险案例匹配步骤S4,确定目标井及相似邻井的钻井工况和钻头垂深数据,从相似邻井的风险案例中选取钻井工况和钻头垂深满足设定要求的风险案例,作为匹配风险案例;
风险提示生成步骤S5,根据各匹配风险案例的录井数据和风险类别计算目标井发生相应风险的概率,进而在所述概率满足设定条件时根据对应的风险类别、风险案例以及目标井的录井数据生成风险提示并输出。
优选地,在一个实施例中,提取的钻井风险数据包括:风险类型、发生时间、发生时井深、发生时钻头垂深、发生地层、发生时的钻井工况数据以及风险处理数据。
一个实施例中,在相似邻井选取步骤中,采用欧式距离匹配算法选取目标井的相似邻井时,包括:
对于井身数据和地层分层数据中的文本数据,根据专业相似特性将文本数据表征为对应的数值数据,进而基于数值数据间的欧式距离进行相似匹配计算。
一个实施例中,在风险案例匹配步骤中,包括:
利用工况识别算法依据实时录井数据中的钻头位置、大钩载荷及钻压数据的变化规律判定目标井的钻井工况,其中,所述钻井工况包括以下种类:下钻、划眼、钻进、起钻和倒划眼;
根据井眼轨迹数据和实时录井数据中的钻头位置计算目标井的钻头垂深。
一个实施例中,在风险案例匹配步骤中,通过以下步骤确定目标井的匹配风险案例:
基于计算得到的目标井的钻井工况和钻头垂深,与相似邻井相同工况下的钻井风险数据中的发生时钻头垂深进行计算,选取所得差值的绝对值小于设定阈值的风险案例,作为目标井的匹配风险案例。
一个实施例中,在风险提示生成步骤中,包括:
分别获取各匹配风险案例中风险发生前设定时间段内的实时录井数据和风险类别,基于所述风险类别提取目标井设定时间段内相关的录井参数,计算目标井录井参数与对应各匹配风险案例的实时录井数据的相似度,作为目标井设定时间发生相应风险的概率。
进一步地,一个实施例中,在风险提示生成步骤中,还包括:
当目标井发生风险的概率满足设定的预警条件时,根据相似邻井的各匹配风险案例、风险类别、相应时间段的实时录井数据、风险处理数据以及目标井相应时间的录井数据和发生风险的概率生成风险提示并面向现场人员和后方控制系统发布。
一个实施例中,生成风险提示的过程中,将目标井发生风险的概率按照设定顺序排序,依据该次序分别组织对应的目标井录井数据和匹配风险案例数据生成完整的风险提示信息。
考虑到上述任意一个或多个实施例的其他方面,本发明还提供一种钻井过程中智能提示邻井风险的系统,该系统包括:
邻井数据库构建模块,其配置为确定目标井所属区块的所有邻井,提取所有邻井的井身数据、地层分层数据、录井数据以及钻井风险数据构建对应的邻井数据库;其中,所述井身数据包括:井型、井身结构和井眼轨迹数据;
目标井数据采集模块,其配置为采集所述目标井的井身数据、地层分层数据和实时录井数据并存储,形成目标井数据库;
相似邻井选取模块,其配置为利用匹配算法根据所述目标井的井身数据和地层分层数据,选取井身数据和地层分层数据满足设定条件的各邻井作为目标井的相似邻井;
风险案例匹配模块,其配置为确定目标井及相似邻井的钻井工况和钻头垂深数据,从相似邻井的风险案例中选取钻井工况和钻头垂深满足设定要求的风险案例,作为匹配风险案例;
风险提示生成模块,其配置为根据各匹配风险案例的录井数据和风险类别计算目标井发生相应风险的概率,并在所述概率满足设定条件时根据对应的风险类别、风险案例以及目标井的录井数据生成风险提示并输出。
优选地,在一个实施例中,所述邻井数据库构建模块提取的钻井风险数据包括:风险类型、发生时间、发生时井深、发生时钻头垂深、发生地层、发生时的钻井工况数据以及风险处理数据。
与最接近的现有技术相比,本发明还具有如下有益效果:
本发明提供了的钻井过程中智能提示邻井风险的方法,提取目标井和区块内邻井的井身数据、地层分层数据、录井数据以及各邻井的钻井风险数据构建对应的数据库,基于数据库中合理存储的数据进行后续分析和计算,实际操作时可以借助数据库编辑工具运行,一定程度上能够避免数据遗漏或查找缓慢等缺陷,在保障数据精确度、完整性的同时提升数据调用和处理的效率;
此外,本发明先通过计算选取满足设定条件的相似邻井,进而依据目标井及相似邻井的钻井工况和钻头垂深计算确定满足要求的匹配风险案例,不同的层级采用不同的数据计算,层层收缩筛选,避免了单次超大数据量的运算,控制计算误差概率,进一步地,本发明获取目标井发生风险概率的同时,还根据对应的风险类别、风险案例、风险处理以及目标井的录井数据生成用于辅助决策的风险提示显示输出给现场技术人员和后台专家团体,这样做出决策前便不需要再了解区块现状和技术问题,就能够快速针对提示信息做出当前风险的预防和处理的最佳决策,克服了现有技术中漏报误报、提示信号可用性和时效性不足的问题;
需要说明的是,本发明方案的计算和判断步骤中涉及到的数据为钻井工程中的专业数据或者能够通过基础运算直接得到的数据,可靠性有保障且不会带来数据采集的压力,不会增加数据获取的工作量,基于此,本发明在以安全钻井为核心思想的前提下,有效地促进了钻井工程的降本增效优化发展。
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是本发明一实施例提供的钻井过程中智能提示邻井风险的方法的流程示意图;
图2是本发明实施例提供的智能提示邻井风险的方法的流程明细图;
图3是本发明另一实施例提供的钻井过程中智能提示邻井风险的系统的结构示意图。
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,借此本发明的实施人员可以充分理解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并依据上述实现过程具体实施本发明。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。
随着油气勘探开发的进行,钻井工程所面临的地质情况越来越复杂,在复杂地质条件下,钻进效率低、复杂情况多发等因素以及居高不下的钻井成本严重影响了油气勘探开发的实施效率,特别是钻井复杂事故的发生,不仅会影响钻井周期、增加成本,严重时甚至会造成环境污染和人员伤亡,因此,安全钻井是油气勘探顺利进行的基本前提。基于安全钻井的前提下,再去探索提速提效、降本增效的突破改进才是钻井工程的核心思想。
在钻井工程技术发展的早期,钻井过程中风险的识别预测主要依靠人工进行,主观判断钻井过程中是否有事故发生或即将发生;随着数据挖掘、人工智能等技术的发展和应用,钻井公司开发应用了一系列的预警软件与系统,例如里伯顿公司的RTOC实时监测技术;但是这些传统的预警系统其模型采用固定和定制的方式,模型适用性差,误报率和漏报率高,且定制模型需要依赖专家经验,人为因素影响大。近几年,依据邻井资料应用数据挖掘技术与人工智能方法建立的预测模型相比之前的定制模型做了改进,然而,受限于地质条件的复杂不均质以及不可预测性,基于其进行钻井风险预警时误报和漏报情况依然较多。
另外,目前的各类钻井风险预警提示方法与系统均是在监测到本井异常后,发布提示信号给现场工程师、司钻或后方专家,由人来做进一步的判断与决策,但是这些方法与系统却没有为现场工程师、司钻或后方专家等人员及时提供决策所需的辅助信息,无法提供本井状态数据、相似的邻井历史记录以及如何调整能够合理解决异常情况等信息;例如,CN109779602A《一种钻井工程智能安全风险预警方法及系统》,该方案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得到预警信号发送至远程终端。其基于邻井异常数据建立钻井异常预警模型,能够对钻井过程中风险异常状况的监测起到积极作用,提醒工作人员查看,但无法帮助现场工程师和司钻以及后方决策中心的专家根据钻井进度对区块内整体风险情况形成理解;导致现场工程师、司钻或后方专家需要查找资料,先了解区块现状和技术问题后才能做出决策,极大程度影响了决策的时效性。
针对上述问题,本发明提出了一种在钻井过程中智能提示邻井风险的方法及系统,具体地,通过提取目标井与区块内邻井的相关数据,应用匹配算法筛选与目标井最相似的邻井,提取相似邻井对应的所有匹配钻井风险案例,通过工况识别模型识别出各目标井当前所处工况后,分别筛选出相似井在相同工况下的钻井风险案例;进一步实时计算各目标井钻头垂深,与相同工况下的相似井钻井风险案例中钻头垂深数据对比,选取二者距离小于临界阈值的邻井风险案例作为匹配的风险案例,用于后续风险提示的生成;进一步地,按照用于提示的风险案例的风险类别,提取目标井和相似邻井的各匹配风险案例录井数据中的关键参数项,实时计算目标井与各匹配风险案例的相似性,按照相似性从高到低提示邻井发生的风险案例信息,并将相似值作为本井发生相同风险的可能性,作为风险提示信息中的数据。该方法与系统可帮助现场人员提前了解区块内邻井钻井风险数据,使钻井现场人员能够根据目标井实际情况,提前形成目标井风险应对预案,快速有效地进行钻井决策,降低钻井风险发生可能性并提高风险发生后的决策处理速度,从而降低钻井成本并节约钻井周期。
本发明的技术方案利用历史井风险数据帮助钻井现场人员快速了解区块内相关的风险情况,从而根据本井实际钻井情况为本井提早准备相应预案,为油气勘探工程的降本提速和优化控制提供有力的技术支持,下面结合附图对本发明各个实施例进行说明。
实施例一
图1示出了本发明实施例一提供的钻井过程中智能提示邻井风险的方法的流程示意图,参照图1可知,该方法包括如下步骤。
邻井数据库构建步骤S110,确定目标井所属区块的所有邻井(或可称为历史井),提取所有邻井的井身数据、地层分层数据、录井数据以及钻井风险数据构建对应的邻井数据库;所述井身数据包括:井型、井身结构和井眼轨迹数据;
目标井数据采集步骤S120,采集所述目标井的井身数据、地层分层数据和实时录井数据并存储,形成目标井数据库;
相似邻井选取步骤S130,利用匹配算法根据所述目标井的井身数据和地层分层数据,选取井身数据和地层分层数据满足设定条件的各邻井作为目标井的相似邻井;
风险案例匹配步骤S140,确定目标井及相似邻井的钻井工况和钻头垂深数据,从相似邻井的风险案例中选取钻井工况和钻头垂深满足设定要求的风险案例,作为匹配风险案例;
风险提示生成步骤S150,根据各匹配风险案例的录井数据和风险类别计算目标井发生相应风险的概率,进而在所述概率满足设定条件时根据对应的风险类别、风险案例以及目标井的录井数据生成风险提示并输出。
图2示出了本发明实施例中智能提示邻井风险的方法的流程明细图,如图2中所示,本发明通过以下步骤在钻井过程中实现智能提示邻井风险的目的:
(1)搜集目标井所在区块所有邻井数据构建历史井案例数据库,所述邻井数据包括但不限于井号、井型、井身结构、井眼轨迹、实时录井数据、地层分层数据、钻井风险数据等,提取的钻井风险数据进一步包含但不限于风险类型、发生时间、发生时井深、发生时钻头垂深、发生地层、发生时的钻井工况以及风险处理数据等数据。
(2)搜集目标井相关数据构建目标井数据库,所述相关数据包括但不限于目标井井号、井型、井身结构、井眼轨迹、实时录井数据、地层分层数据等;
(3)依据相似井匹配算法涉及的数据项,从数据库中提取所有邻井与目标井的数据,包括但不限于井型、井身结构、井眼轨迹、地层分层等;
(4)应用相似邻井匹配算法,经计算后确定与目标井最相似的邻井井集,其中的所述相似邻井匹配算法,用户可根据需求选用其他专利文献中已有的方法,本发明不做限定,例如欧式距离、皮尔逊相关系数、余弦相似度等现有算法,具体地,使用欧式距离计算方法时,两口井的相似度用距离来衡量,距离越大,相似度越小;距离越小,相似度越大。特别地,对于邻井数据中井型(直井、斜井、水平井)、地层分层(库车组、康村组、吉迪克组、巴西盖组等)等文本数据,由石油工程专家首先根据其专业相似程度确定为数值,例如直井为1、斜井为1.5、水平井为2;而地层分层则基于其岩性情况使用整数1-20来分别表示,如此将所有待匹配数据转换为数值,再计算数据间的欧式距离进行相似匹配。
(5)从目标井数据中提取目标井实时数据,应用工况识别算法,识别目标井当前钻井工况,其中的所述工况识别算法,用户可根据需求选用其他专利文献中已有的方法,本发明不做限定;正常钻井作业中的工况主要有下钻(接钻杆下放钻头)、划眼(下钻过程中遇到不规则井段,开泵旋转钻头)、钻进(钻头下放到井底后加压旋转并循环钻井液向下钻进地层)、起钻(卸钻杆上提钻头)、倒划眼(起钻过程中遇到不规则井段,开泵旋转钻头)等5种,现有论文中的基于支持向量机的方法、贝叶斯网络等方法均是利用实时录井数据中钻头位置、大钩载荷、钻压等数据项的变化规律来判别实时录井数据中当前时间点的钻井工况,其识别准确率基本可达95%以上。
(6)基于步骤(4)确定的相似邻井从历史井案例数据库中提取相似邻井所有风险案例数据,包括但不限于井号、风险类型、发生时间、发生时井深、发生时钻头垂深、发生地层、发生时的钻井工况等,结合步骤(5)识别的目标井当前工况,筛选保留相似邻井在相同工况下的钻井风险案例数据;
(7)从目标井数据库中提取目标井井眼轨迹数据,结合目标井实时录井数据中钻头位置参数,实时计算目标井钻头垂深;
(8)基于步骤(7)实时计算的目标井钻头垂深,与步骤(6)筛选出的相似邻井相同工况下的钻井风险案例中风险发生时钻头垂深计算差值,将二者差值的绝对值小于设置的临界阈值5m的案例进一步筛选成为执行提示的邻井风险案例;其中垂深差值的临界阈值5m可根据专业需求自由设置;
(9)提取目标井最新30min实时录井数据,基于步骤(8),提取筛选出的执行提示的邻井风险案例风险发生前30min录井数据和风险类别;
(10)由于不同的钻井风险使用不同的录井参数项进行判别,基于步骤(9)提取的案例风险类别,由步骤(9)进一步提取目标井和邻井案例30min录井数据中用于判别该风险的录井参数项,采用相似性算法分别计算目标井录井数据与用于提示的各邻井案例的相似性;其中相似性算法同样采用步骤(4)使用的现有算法,例如欧式距离、皮尔逊相关系数、余弦相似度等算法;具体地,例如,对于钻进工况的井漏风险,选取录井数据中入口流量、出口流量、大钩悬重、总泵冲、总池体积等参数项的数据进行相似计算,对于起钻工况的卡钻风险,选取录井数据中钻头位置、大钩高度、大钩悬重等参数项的数据进行相似计算;
(11)基于步骤(10)计算出的目标井与筛选的执行提示的邻井风险案例的相似性计算值,从高到低排列提示邻井发生的风险案例信息,并将相似值作为本井发生相同风险的可能性,将提示信息发送给现场钻井人员与后方专家进行应用
具体地,在构建邻井数据库以及目标井数据库的过程中可以包括以下操作:
选取单级或多级参数作为标签,以选取的标签为依据将对应的数据分区存储或备份,实际应用时,目标井数据库和邻井数据库中通常选取一致的标签,以保持两者数据库的存储结构类似。
这样操作不仅能清晰有条理地查看各组数据,避免漏存或复存的问题,且便于工作人员查看和编辑数据,需要说明的是,在查看和编辑数据的过程中,工作人员可以根据需要选择相应的数据库编辑工具实现,能够相当程度上提升数据处理的效率。
此外,基于存储结构相同的数据库,需要的时候也可以利用对应的数据库编辑工具执行简单的计算,能够进一步节省数据运算消耗的时间,有助于保障钻井过程中输出风险提示信息的时效性。
在一个实施例中,考虑到文本数据使用相似度算法进行计算时比较繁杂,且会或多或少受文本内容语义及关键词结构的影响,无法很好地保障计算结果的精确度,本发明在相似邻井选取步骤中,采用欧式距离匹配算法选取目标井的相似邻井时,包括:
对于井身数据和地层分层数据中的文本数据,根据专业相似特性将文本数据表征为对应的数值数据,进而基于数值数据间的欧式距离进行相似匹配计算。
该实施例中,将所有待匹配数据统一转换为数值形式,再计算数值数据间的欧式距离进行相似匹配,实际应用时,对于邻井数据中井型(直井、斜井、水平井)、地层分层(库车组、康村组、吉迪克组、巴西盖组等)等文本数据,由石油工程专家首先根据其专业相似程度确定为数值,例如直井为1、斜井为1.5、水平井为2;而地层分层则基于其岩性情况使用整数1-20来分别表示。
另外需要说明的是,采用匹配算法计算目标井与各邻井的相似度时,除了欧式距离算法之外,用户还可以根据需求采用其他合理的相似度计算方法,例如皮尔逊相关系数、余弦相似度等现有算法,本发明此处不予特别限定。
在一个实施例中,风险案例匹配步骤中具体通过以下操作确定目标井的钻井工况和钻头垂深数据:
利用工况识别算法依据实时录井数据中的钻头位置、大钩载荷及钻压数据的变化规律判定目标井的钻井工况,其中,所述钻井工况包括以下种类:下钻、划眼、钻进、起钻和倒划眼。
根据井眼轨迹数据和实时录井数据中的钻头位置计算目标井的钻头垂深。
实际施工过程中,通常基于支持向量机的方法、贝叶斯网络等方法利用实时录井数据中钻头位置、大钩载荷、钻压等数据项的变化规律来判别实时录井数据中当前时间点的钻井工况,其识别准确率基本可达95%以上,能够为选取可靠的匹配风险案例提供有保障的数据支持。具体的,正常钻井作业中的工况主要表示:下钻:接钻杆下放钻头、划眼:下钻过程中遇到不规则井段,开泵旋转钻头、钻进:钻头下放到井底后加压旋转并循环钻井液向下钻进地层、起钻:卸钻杆上提钻头、倒划眼:起钻过程中遇到不规则井段,开泵旋转钻头等。
具体地,一个实施例中,在风险案例匹配步骤中,通过以下步骤确定目标井的匹配风险案例:
基于计算得到的目标井的钻井工况和钻头垂深,与相似邻井相同工况下的钻井风险数据中的发生时钻头垂深进行计算,选取所得差值的绝对值小于设定阈值的风险案例,作为目标井的匹配风险案例。其中,钻头垂深差值的设定阈值可以根据实际的专业需求灵活设定,例如,将目标井的钻头垂深与筛选出的相似邻井相同工况下的钻井风险案例中风险发生时钻头垂深计算差值,将二者差值的绝对值小于设置的临界阈值5m的案例进一步筛选成为执行提示的匹配风险案例。
接下来基于选取的匹配风险案例分析生成相应的风险提示,在一个实施例中,风险提示生成步骤具体包括:
分别获取各匹配风险案例中风险发生前设定时间段内的实时录井数据和风险类别,基于所述风险类别提取目标井设定时间段内相关的录井参数,计算目标井录井参数与对应各匹配风险案例的实时录井数据的相似度,作为目标井设定时间发生相应风险的概率。实际应用时,可以根据实际分析需求确定获取录井数据的时间,例如,可以提取筛选出的执行提示的匹配风险案例风险发生前30min内的录井数据和风险类别,相应地,由于不同的钻井风险使用不同的录井参数项进行判别,基于提取的风险类别,进一步提取目标井和相似邻井案例30min录井数据中用于判别该风险的录井参数项,采用相似性算法分别计算目标井录井数据与用于提示的各邻井案例的相似性;其中相似性算法同样采用步骤(4)使用的现有算法,例如欧式距离、皮尔逊相关系数、余弦相似度等算法;具体地,例如,对于钻进工况的井漏风险,选取录井数据中入口流量、出口流量、大钩悬重、总泵冲、总池体积等参数项的数据进行相似计算,对于起钻工况的卡钻风险,选取录井数据中钻头位置、大钩高度、大钩悬重等参数项的数据进行相似计算,获取目标井发生相应风险的可能性。
进一步地,一个实施例中,在风险提示生成步骤中,还包括:
当目标井发生风险的概率满足设定的预警条件时,根据相似邻井的各匹配风险案例、风险类别、相应时间段的实时录井数据、风险处理数据以及目标井相应时间的录井数据和发生风险的概率生成风险提示并面向现场人员和后方控制系统发布。
其中,生成风险提示的过程中,将目标井发生风险的概率按照设定顺序排序,依据该次序分别组织对应的目标井录井数据和匹配风险案例数据生成完整的风险提示信息。
该实施例中,为了能够有效全面地为现场钻井人员与后方专家提供有价值的决策指示,在确定目标井发生风险的概率满足设定的预警条件时本发明通过结合相似邻井的各匹配风险案例、风险类别、相应时间段的实时录井数据、风险处理数据以及目标井相应时间的录井数据和发生风险的概率生成风险提示,不仅能够令现场钻井人员与后方专家第一时间了解目标井当前的状态数据,还能够结合区块内相似邻井的匹配风险案例相关数据了解当前风险预兆可能的发展方向,并在很快的时间内根据匹配风险案例的处理数据给出合理的预防或处理方案,提升钻井异常状态处理效率的基础上,同时降低因异常状态未及时解决而延时甚至扩张导致的事故消耗,节省钻井过程中的时间和物力成本。
基于上述各实施例中的技术手段,本发明的技术方案至少具备如下实际改进:
1)相比较于目前的钻井风险预警提示方法与系统,本发明充分利用邻井历史风险案例数据,依据目标井钻井工况和钻头位置,实时为现场工程师、司钻和后方专家提供邻井风险案例详细信息,帮助其加深对本区块复杂情况的了解,对本井钻井过程中即将到达位置的风险情况有全面认识,能够提前准备预案。
2)除了实时提示邻井复杂风险案例,帮助了解区块情况外,本方法及系统还能够实时监测对比目标井录井数据和历史井录井数据,通过关键参数的相似性来预警提示现场人员目标井发生同样风险的可能性,帮助其了解本井钻井过程中的风险发生趋势,以便人员适时决策,及时调整作业方案,降低钻井风险的发生并提高了风险发生后的决策处理速度,有效降低了钻井成本并节约钻井周期。
补充说明
本发明的钻井过程中智能提示邻井风险的方法及系统在胜利油田某区X、Y、Z三口井进行应用,具体实施流程如下:
(1)搜集胜利油田该区块内160口历史井的数据录入数据库,包括但不限于实时录井数据、地层地质数据、钻井设计数据、完井报告数据、钻井风险及处理方案数据,以及目标井X、Y、Z三口井的地层地质数据、钻井设计数据、实时录井数据等内容;
(2)数据库构建完成之后,部署并运行本发明的系统,为该区快内目标井X、Y、Z三口井的现场人员进行钻井过程中邻井风险智能提示;
(3)三口井的现场钻井人员在系统提示下,快速了解本区块发生的钻井风险,对本井钻井过程中可能出现的钻井风险建立了相应预案。三口井完钻之后,统计其钻井风险发生情况与处理结果,与区块内160口历史井钻井风险数据进行对比。
最终的结果对比显示,X、Y、Z三口井井漏风险平均值为1次/井、处理时长均值8小时/次,与区块内历史井井漏风险平均值2.5次/井、处理时长均值12小时/次相比,分别降低60%、33.3%;卡钻风险平均值为0.33次/井、处理时长均值1.2天/次,与区块内历史井卡钻风险平均值0.66次/井、处理时长均值2天/次相比,分别降低50%、40%,证明本发明提出的智能提示邻井风险的方法及系统可有效帮助钻井人员了解区块风险情况,为本井提早形成相应预案,降低钻井风险的发生可能性并提高风险发生后的决策处理速度,有效降低了钻井成本并节约钻井周期。
实施例二
考虑到本发明上述任意一个或多个实施例的其他方面,本发明还提供一种钻井过程中智能提示邻井风险的系统,该系统用于执行上述任意一个或多个实施例中的方法或步骤,具体地,图3示出了本发明实施例中智能提示邻井风险的系统的结构示意图,如图3所示,该实施例的系统包括:
邻井数据库构建模块31,其配置为确定目标井所属区块的所有邻井,提取所有邻井的井身数据、地层分层数据、录井数据以及钻井风险数据构建对应的邻井数据库;其中,所述井身数据包括:井型、井身结构和井眼轨迹数据;其中,提取的钻井风险数据包括:风险类型、发生时间、发生时井深、发生时钻头垂深、发生地层、发生时的钻井工况数据以及风险处理数据。
目标井数据采集模块33,其配置为采集所述目标井的井身数据、地层分层数据和实时录井数据并存储,形成目标井数据库;所述邻井数据库和目标井数据库共同构成所述系统的基础数据库。
基础数据库中存储有目标井和区块内邻井的钻井相关数据,包括但不限于区块内邻井的实时录井数据、地质数据、钻井设计、完井报告、钻井风险及处理方案数据,以及目标井的地质数据、实时录井数据、钻井设计等内容。
相似邻井选取模块35,其配置为利用匹配算法根据所述目标井的井身数据和地层分层数据,选取井身数据和地层分层数据满足设定条件的各邻井作为目标井的相似邻井;
风险案例匹配模块37,其配置为确定目标井及相似邻井的钻井工况和钻头垂深数据,从相似邻井的风险案例中选取钻井工况和钻头垂深满足设定要求的风险案例,作为匹配风险案例;
风险提示生成模块39,其配置为根据各匹配风险案例的录井数据和风险类别计算目标井发生相应风险的概率,进而在所述概率满足设定条件时根据对应的风险类别、风险案例以及目标井的录井数据生成风险提示并输出。
结合图3来具体说明钻井过程中智能提示邻井风险的系统:
所述相似邻井选取模块35基于基础数据库中的数据,采用欧式距离匹配算法选取目标井的相似邻井时,执行以下操作:
对于井身数据和地层分层数据中的文本数据,根据专业相似特性将文本数据表征为对应的数值数据,进而基于数值数据间的欧式距离进行相似匹配计算。
进一步地,在一个实施例中,所述风险案例匹配步骤模块37配置为:
利用工况识别算法依据实时录井数据中的钻头位置、大钩载荷及钻压数据的变化规律判定目标井的钻井工况,其中,所述钻井工况包括以下种类:下钻、划眼、钻进、起钻和倒划眼;
根据井眼轨迹数据和实时录井数据中的钻头位置计算目标井的钻头垂深。
在一个实施例中,所述风险案例匹配步骤模块37通过以下步骤确定目标井的匹配风险案例:
基于计算得到的目标井的钻井工况和钻头垂深,与相似邻井相同工况下的钻井风险数据中的发生时钻头垂深进行计算,选取所得差值的绝对值小于设定阈值的风险案例,作为目标井的匹配风险案例。
在一个实施例中,所述风险提示生成模块39中,配置为:分别获取各匹配风险案例中风险发生前设定时间段内的实时录井数据和风险类别,基于所述风险类别提取目标井设定时间段内相关的录井参数,计算目标井录井参数与对应各匹配风险案例的实时录井数据的相似度,作为目标井设定时间发生相应风险的概率。
进一步地,在一个实施例中,所述风险提示生成模块39,还配置为:
当目标井发生风险的概率满足设定的预警条件时,根据相似邻井的各匹配风险案例、风险类别、相应时间段的实时录井数据、风险处理数据以及目标井相应时间的录井数据和发生风险的概率生成风险提示并面向现场人员和后方控制系统发布。
具体地,在生成风险提示的过程中,将目标井发生风险的概率按照设定顺序排序,依据该次序分别组织对应的目标井录井数据和匹配风险案例数据生成完整的风险提示信息。
本发明实施例钻井过程中智能提示邻井风险的系统中,各个模块或单元结构可以根据实际应用的需求独立运行或组合运行,以实现相应的技术效果。
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,而不意味着限制。
说明书中提到的“一实施例”意指结合实施例描述的特定特征、结构或特征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“一实施例”并不一定均指同一个实施例。
虽然本发明所揭露的实施方式如上,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)
1.一种钻井过程中智能提示邻井风险的方法,其特征在于,所述方法包括:
邻井数据库构建步骤S1,确定目标井所属区块的所有邻井,提取所有邻井的井身数据、地层分层数据、录井数据以及钻井风险数据构建对应的邻井数据库;所述井身数据包括:井型、井身结构和井眼轨迹数据;
目标井数据采集步骤S2,采集目标井的井身数据、地层分层数据和实时录井数据并存储,形成目标井数据库;
相似邻井选取步骤S3,利用匹配算法根据所述目标井的井身数据和地层分层数据,选取井身数据和地层分层数据满足设定条件的各邻井作为目标井的相似邻井;
风险案例匹配步骤S4,确定目标井及相似邻井的钻井工况和钻头垂深数据,从相似邻井的风险案例中选取钻井工况和钻头垂深满足设定要求的风险案例,作为匹配风险案例;
风险提示生成步骤S5,根据各匹配风险案例的录井数据和风险类别计算目标井发生相应风险的概率,进而在所述概率满足设定条件时根据对应的风险类别、风险案例以及目标井的录井数据生成风险提示并输出。
2.如权利要求1所述的方法,其特征在于,提取的钻井风险数据包括:风险类型、发生时间、发生时井深、发生时钻头垂深、发生地层、发生时的钻井工况数据以及风险处理数据。
3.如权利要求1所述的方法,其特征在于,在相似邻井选取步骤中,采用欧式距离匹配算法选取目标井的相似邻井时,包括:
对于井身数据和地层分层数据中的文本数据,根据专业相似特性将文本数据表征为对应的数值数据,进而基于数值数据间的欧式距离进行相似匹配计算。
4.如权利要求1~3中任一项所述的方法,其特征在于,在风险案例匹配步骤中,包括:
利用工况识别算法依据实时录井数据中的钻头位置、大钩载荷及钻压数据的变化规律判定目标井的钻井工况,其中,所述钻井工况包括以下种类:下钻、划眼、钻进、起钻和倒划眼;
根据井眼轨迹数据和实时录井数据中的钻头位置计算目标井的钻头垂深。
5.如权利要求1~4中任一项所述的方法,其特征在于,在风险案例匹配步骤中,通过以下步骤确定目标井的匹配风险案例:
基于计算得到的目标井的钻井工况和钻头垂深,与相似邻井相同工况下的钻井风险数据中的发生时钻头垂深进行计算,选取所得差值的绝对值小于设定阈值的风险案例,作为目标井的匹配风险案例。
6.如权利要求1~5中任一项所述的方法,其特征在于,在风险提示生成步骤中,包括:
分别获取各匹配风险案例中风险发生前设定时间段内的实时录井数据和风险类别,基于所述风险类别提取目标井设定时间段内相关的录井参数,计算目标井录井参数与对应各匹配风险案例的实时录井数据的相似度,作为目标井设定时间发生相应风险的概率。
7.如权利要求6所述的方法,其特征在于,在风险提示生成步骤中,还包括:
当目标井发生风险的概率满足设定的预警条件时,根据相似邻井的各匹配风险案例、风险类别、相应时间段的实时录井数据、风险处理数据以及目标井相应时间的录井数据和发生风险的概率生成风险提示并面向现场人员和后方控制系统发布。
8.如权利要求7所述的方法,其特征在于,生成风险提示的过程中,将目标井发生风险的概率按照设定顺序排序,依据该次序分别组织对应的目标井录井数据和匹配风险案例数据生成完整的风险提示信息。
9.一种钻井过程中智能提示邻井风险的系统,其特征在于,所述系统包括:
邻井数据库构建模块,其配置为确定目标井所属区块的所有邻井,提取所有邻井的井身数据、地层分层数据、录井数据以及钻井风险数据构建对应的邻井数据库;其中,所述井身数据包括:井型、井身结构和井眼轨迹数据;
目标井数据采集模块,其配置为采集所述目标井的井身数据、地层分层数据和实时录井数据并存储,形成目标井数据库;
相似邻井选取模块,其配置为利用匹配算法根据所述目标井的井身数据和地层分层数据,选取井身数据和地层分层数据满足设定条件的各邻井作为目标井的相似邻井;
风险案例匹配模块,其配置为确定目标井及相似邻井的钻井工况和钻头垂深数据,从相似邻井的风险案例中选取钻井工况和钻头垂深满足设定要求的风险案例,作为匹配风险案例;
风险提示生成模块,其配置为根据各匹配风险案例的录井数据和风险类别计算目标井发生相应风险的概率,并在所述概率满足设定条件时根据对应的风险类别、风险案例以及目标井的录井数据生成风险提示并输出。
10.如权利要求9所述的系统,其特征在于,所述邻井数据库构建模块提取的钻井风险数据包括:风险类型、发生时间、发生时井深、发生时钻头垂深、发生地层、发生时的钻井工况数据以及风险处理数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010999274.1A CN114429253A (zh) | 2020-09-22 | 2020-09-22 | 一种钻井过程中智能提示邻井风险的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010999274.1A CN114429253A (zh) | 2020-09-22 | 2020-09-22 | 一种钻井过程中智能提示邻井风险的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114429253A true CN114429253A (zh) | 2022-05-03 |
Family
ID=81309010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010999274.1A Pending CN114429253A (zh) | 2020-09-22 | 2020-09-22 | 一种钻井过程中智能提示邻井风险的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114429253A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117408502A (zh) * | 2023-12-15 | 2024-01-16 | 成都川油瑞飞科技有限责任公司 | 应用于油气生产系统的数据流编排方法及系统 |
-
2020
- 2020-09-22 CN CN202010999274.1A patent/CN114429253A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117408502A (zh) * | 2023-12-15 | 2024-01-16 | 成都川油瑞飞科技有限责任公司 | 应用于油气生产系统的数据流编排方法及系统 |
CN117408502B (zh) * | 2023-12-15 | 2024-03-15 | 成都川油瑞飞科技有限责任公司 | 应用于油气生产系统的数据流编排方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113723838B (zh) | 基于卷积神经网络的随钻安全风险智能识别方法 | |
US8005658B2 (en) | Automated field development planning of well and drainage locations | |
CN108868687B (zh) | 一种防漏堵漏的方法 | |
CN109255134B (zh) | 一种抽油机井故障情况的获取方法 | |
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 | |
CN109779602A (zh) | 一种钻井工程智能安全风险预警方法及系统 | |
CN113431496A (zh) | 一种钻采船协同作业故障诊断及辅助决策方法 | |
CN103615236A (zh) | 一种远程录井信息实时监测地层压力的方法 | |
CN108363873A (zh) | 一种基于矿用钻机的岩性辨识方法 | |
CN110852908A (zh) | 围岩分级方法 | |
CN114429253A (zh) | 一种钻井过程中智能提示邻井风险的方法及系统 | |
CN113378344A (zh) | 一种用于优化钻井起下钻速度阈值的方法及系统 | |
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 | |
CN110671095B (zh) | 一种地质地层压力智能随钻软测量方法 | |
CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
CN114427430A (zh) | 一种多井实时协同的钻井参数优化方法与系统 | |
CN113496302A (zh) | 一种对钻井风险进行智能识别预警的方法与系统 | |
CN111612416A (zh) | 一种钻采船多任务协同监控系统与方法 | |
CN113685166B (zh) | 一种钻井事故预警方法及系统 | |
CN115964823A (zh) | 掘锚一体机组成套装备选型方法 | |
Xu et al. | Research on the early intelligent warning system of lost circulation based on fuzzy expert system | |
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 | |
CN113112639A (zh) | 一种适用于石油钻井的参数记录系统及其方法 | |
CN1049038C (zh) | 钻探智能监控仪 | |
JP7489043B2 (ja) | 抑留予測方法及びシステム |
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 |