CN114444823A - 一种预测钻井作业过程中井漏风险的方法及系统 - Google Patents
一种预测钻井作业过程中井漏风险的方法及系统 Download PDFInfo
- Publication number
- CN114444823A CN114444823A CN202011106532.5A CN202011106532A CN114444823A CN 114444823 A CN114444823 A CN 114444823A CN 202011106532 A CN202011106532 A CN 202011106532A CN 114444823 A CN114444823 A CN 114444823A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- lost circulation
- time
- 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 106
- 238000000034 method Methods 0.000 title claims abstract description 86
- 230000008569 process Effects 0.000 title claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 98
- 230000008859 change Effects 0.000 claims abstract description 33
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 26
- 230000015572 biosynthetic process Effects 0.000 claims description 24
- 239000012530 fluid Substances 0.000 claims description 19
- 230000006835 compression Effects 0.000 claims description 12
- 238000007906 compression Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 8
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract 1
- 238000005755 formation reaction Methods 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 20
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种预测钻井作业过程中井漏风险的方法及系统,该方法基于多种与井漏风险相关的影响参数计算能够有效衡量待测井井漏风险的多个风险衡量指标值,获取各风险衡量指标值的实时趋势量化分析结果,并基于其计算待测井各风险衡量指标值对应的井漏风险指数;本发明结合多种钻井现场影响参数确定可靠的风险衡量指标,捕获分析各衡量指标的实时变化趋势,并基于设定的多层级预警机制输出预警提醒信息,预测过程中无需人工干预,实现智能化监测井漏风险,克服了现有技术中数据与实际参数存在偏差以及受主观因素影响较大的缺陷,提升井漏风险监测精确度和应用范围的同时,基于更及时全面的预测机制最大程度防止钻井作业过程中的井漏风险。
Description
技术领域
本发明涉及石油钻井技术领域,尤其涉及一种预测钻井作业过程中井漏风险的方法及系统。
背景技术
在已有的石油开采体系中,通常基于井漏预测技术采用传统理论方法或地震资料来预测钻井作业过程中的井漏现象,由于其涉及的部分计算参数难以现场获取,需要通过理论性的中间计算获取,导致上述方案在实际应用的过程中不可避免地存在计算参数与实际参数存在偏差,以及用于预测的影响因素全面性不足的问题,例如一些公式、神经网络等理论计算方法需要设定瞬时的门限值或需要数据样本足够大,而现场井漏是逐渐发生的,每5秒可能仅仅漏失0.01m3,无法基于足够大的样本数据用于中间计算,相当一部分该类型的漏失现象无法实现有效的预测;另外的,上述现有的预测方法对工作人员的经验知识依赖性过高,操作对象存在较大的局限性,实用性不足。
发明内容
为解决上述问题,本发明提供了一种预测钻井作业过程中井漏风险的方法,在一个实施例中,所述方法包括:
步骤S1、获取钻井作业过程中与井漏风险相关的影响参数;所述影响参数包括:待测井不同时间对应的入口流量、出口流量、立管压力、地层压力和各泥浆池的体积数据;
步骤S2、根据所述影响参数计算衡量待测井井漏风险的至少两个风险衡量指标值;
步骤S3、采用设定的方案捕获各风险衡量指标值的实时趋势量化分析结果,并基于其计算待测井各风险衡量指标值对应的井漏风险指数;
步骤S4、基于各井漏风险指数通过设置的不同预警策略进行提醒,并为用户提供对应的井漏处理辅助数据。
优选地,一个实施例中,在所述步骤S2中,包括:
依据待测井不同时间对应的入口流量、出口流量、立管压力和地层压力数据,结合钻井液压缩系数计算对应时间的第一风险衡量指标值;
基于参考罐容积和待测井不同时间对应的各个泥浆池的体积数据计算对应时间的第二风险衡量指标值。
一个实施例中,在所述步骤S3中,包括:
针对各风险衡量指标分别建立滑动区间散度分析模型和滑动区间斜率散度分析模型,量化分析各风险衡量指标随时间的变化趋势。
进一步地,在一个实施例中,按照以下公式计算待测井某时间的第一风险衡量指标值MFG:
MFG=MFO-MFI*(1/(CC*(SPP-PRE)))
式中,MFG表示待测井对应时间的压力校准流量增益,MFO表示待测井对应时间的出口流量,MFI表示待测井对应时间的入口流量(L/s),CC表示钻井液压缩系数,PRE表示待测井对应时间的地层压力(MPa),SPP表示待测井对应时间的立管压力(MPa)。
在一个实施例中,按照以下公式计算待测井某时间的第二风险衡量指标值PITG:
式中,PITG表示待测井对应时间的总池体积变化量,Vi表示待测井第i个泥浆池的当前体积(m3),n表示待测井对应泥浆池的总数,Vir表示参考罐容积(m3)。
可选地,在一个实施例中,获取的影响参数包括:待测井对应时间的钻速数据和钻压数据,在步骤S2中还包括:
依据获取的待测井钻速数据和钻压数据,结合对应的顶驱转速和钻头直径参数计算待测井的第三风险衡量指标。
进一步地,按照以下公式计算待测井某时间的第三风险衡量指标值d:
d=lg(ROP/60N)/lg(12WOB/106DIR)
d是反映井下压力变化的钻速指数,ROP为待测井对应的钻速,N为顶驱转速,WOB为待测井对应的钻压,DIR为对应的钻头直径。
一个实施例中,在步骤S3中,根据各风险衡量指标值数据设定时间对应的短时间窗口内和长时间窗口内的实时数据进行实时趋势量化分析,根据分析结果结合设定的权值计算待测井各风险衡量指标值对应时间的井漏风险指数。
进一步地,一个实施例中,在步骤S4中,包括:
将设定时间内各风险衡量指标值对应的井漏风险指数与对应的各风险阈值比较,并根据超过风险阈值的井漏风险指数的数量建立不同程度的预警机制;
当触发设定的预警机制时,向用户输出提醒信息的同时,还向用户提供与待测井匹配的历史井漏钻井数据的井漏案例数据及处理数据作为井漏处理辅助数据;其中所述历史井漏钻井的井型数据、地层地质参数以及录井数据与待测井满足设定的匹配要求。
基于上述任意一个或多个实施例的其他方面,本发明还提供一种预测钻井作业过程中井漏风险的系统,该系统执行上述任意一个或多个实施例所述的方法。
与最接近的现有技术相比,本发明还具有如下有益效果:
本发明提供的一种预测钻井作业过程中井漏风险的方法及系统,基于多种与井漏风险相关的影响参数计算有效衡量待测井井漏风险的多个风险衡量指标值,结合多种便于获取的钻井现场影响参数确定风险衡量指标,利用可靠的井场实时数据作为衡量井漏风险的依据,避免了理论性的中间计算过程,不会出现因中间计算导致的预测依据数据与实际数据存在偏差的问题。
此外,本发明先捕获分析各衡量指标的实时变化趋势,再基于衡量指标的变化趋势分析结果计算最终的井漏风险指数,利用时间序列对应的一系列衡量指标趋势表征井漏风险指数,而不是单调的指标数据集,利用全新的思路综合各衡量指标的变化趋势实现井漏风险的预测,在第一时间发现井漏的风险,将钻井作业的相关损失降至最低。
进一步地,本发明基于多种风险衡量指标设定了多层级预警机制输出预警提醒信息,智能化监测井漏风险的同时还能够自动提供解决风险的辅助数据,有效提升井漏风险的处理效率,维持全井段井壁及相关钻井装置的稳定性,有助于钻井作业的高效稳定开展。
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是本发明一实施例中预测钻井作业过程中井漏风险的方法的流程示意图;
图2是本发明另一实施例提供的预测钻井作业过程中井漏风险的方法的执行流程示例图;
图3是本发明又一实施例提供的预测钻井作业过程中井漏风险的系统的结构示意图;
图4是本发明实施例中预测钻井作业过程中井漏风险的系统的运行原理图。
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。
井漏是指在钻进、固井、测试或修井等井下作业中各种工作液(包括钻井液、水泥浆、完井液以及其他流体等)在压差影响下直接进入地层的一种井下复杂情况,包括渗透性滤失、裂缝性滤失、溶洞性滤失等类型。严重的井漏现象会导致井内压力下降,影响正常钻井、引起井壁失稳、诱发地层流体涌入井筒并井喷,不利于钻井作业的有序开展,且有可能引发钻井装置和器件的损伤,造成系列连锁故障,因此,在井漏现象发生之前或初期能够及时预测或发现至关重要。
在已有的石油开采体系中,通常基于井漏预测技术采用传统理论方法或地震资料来预测钻井作业过程中的井漏现象,由于其涉及的部分计算参数难以现场获取,需要通过理论性的中间计算获取,导致上述方案在实际应用的过程中不可避免地存在计算参数与实际参数存在偏差,以及用于预测的影响因素全面性不足的问题,例如一些公式、神经网络等理论计算方法需要设定瞬时的门限值或需要数据样本足够大,而现场井漏是逐渐发生的,每5秒可能仅仅漏失0.01m3,无法基于足够大的样本数据用于中间计算,相当一部分的该类型漏失现象无法借助上述现有技术实现有效的预测;另外的,上述现有的预测方法对工作人员的经验知识依赖性过高,操作对象存在较大的局限性,实用性不足。
为克服现有技术中的上述问题,本发明提供一种预测钻井作业过程中井漏风险的方法及系统,本发明的预测方案结合多种风险影响参数确定对应的有效风险衡量指标,采用滑动区间散度和滑动区间斜率散度来捕获衡量指标实时数据的递增/递减趋势,然后用预选的参考阈值对其进行规范化。然后,按照设定的规则设计若干级严重程度的井漏预警策略实现报警提醒。本发明自动进行井漏预测并实现预警和协助信息提供,无需人工干预,达到了智能化监测井漏的目的,而且将地层压力等因素作为影响参数考虑,适用于各种地层,考虑因素全面,对井漏的预测更具多样性、准确性。下面参考附图对本发明各个实施例进行说明。
实施例一
本发明提出的预测方案的基于以下实施思路自动预测钻井作业过程中的井漏风险:先建立至少两种井漏衡量指标,然后基于建立的井漏衡量指标根据滑动区间斜率散度和滑动区间斜率散度来捕获指标值实时数据的递增/递减趋势,进一步地根据数据的递增/递减趋势建立不同井漏严重程度对应的多种预警机制。
图1示出了本发明实施例一提供的预测钻井作业过程中井漏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。
步骤S110、获取钻井作业过程中与井漏风险相关的影响参数;所述影响参数包括:待测井不同时间对应的入口流量、出口流量、立管压力、地层压力和各泥浆池的体积数据。
在油井开发体系中,井下作业的过程中随着作业时间的发展,作业数据也不断变化,为了实时记录各种作业数据,现有技术中采用相应的功能子系统对多种作业数据进行记录,包括录井数据和地层地质数据等。
本发明中基于记录的录井数据获取与井漏风险相关的多种影响参数,在保障数据可靠性的技术上,由于钻井作业过程中入口流量、出口流量、立管压力、地层压力和各泥浆池的体积数据能够在现场及时方便地获取,直接作为确定后续风险衡量指标值的依据,避免了理论性的中间计算过程,不会出现因中间计算导致的预测依据数据与实际数据存在偏差的问题,从基础数据层面为预测结果的可靠性提供支持。
本发明实施例中,进一步地,在步骤S120中根据所述影响参数计算衡量井漏风险的至少两个风险衡量指标值;
在一个实施例中,在所述步骤S120中,包括:
依据待测井不同时间对应的入口流量、出口流量、立管压力和地层压力数据,结合钻井液压缩系数计算待测井对应时间的的压力校准流量增益作为第一风险衡量指标值。
具体地,按照以下公式计算待测井某时间的第一风险衡量指标值MFG:
MFG=MFO-MFI*(1/(CC*(SPP-PRE)))
式中,MFG表示待测井对应时间的压力校准流量增益,MFO表示待测井对应时间的出口流量,MFI表示待测井对应时间的入口流量(L/s),CC表示钻井液压缩系数,PRE表示待测井对应时间的地层压力(MPa),SPP表示待测井对应时间的立管压力(MPa)。
上述实施例中,计算过程基于出口流量、入口流量数据,还结合地层压力立管压力数据以及钻井液压缩系数,实际意义上实现了对钻井作业过程中的压力校准流量增益实现了精确的实时监控,如果流量计正常工作,当发生井漏时,压力校准流量增益发生减少的信息会体现在计算结果中。
本发明一个实施例中,在所述步骤S120中,还包括基于参考罐容积和待测井不同时间对应的各个泥浆池的体积数据计算对应时间的总池体积变化量作为第二风险衡量指标值。
按照以下公式计算待测井某时间的第二风险衡量指标值PITG:
式中,PITG表示待测井对应时间的总池体积变化量,Vi表示待测井第i个泥浆池的当前体积(m3),n表示待测井对应泥浆池的总数,Vir表示参考罐容积(m3)。
实际作业时,各个泥浆池的体积随时间减小,根据各个泥浆池的体积计算总池体积的变化,总池体积的变化量与压力校准流量增益的数值成一定比例关系,当钻井液流入地层而发生井漏时,压力校准流量增益会减少,总池体积变化量会增大,除非进行钻井液倒浆等作业,否则这种关系一直持续,能够为作业过程中的井漏现象提供有效的预测依据。
本发明实施例中,各种井漏衡量指标都是实时指标,公式中使用的所有变量是时间序列数据,采用滑动区间散度和滑动区间斜率散度来捕获各个衡量指标值实时数据的递增/递减趋势,然后用预选的参考阈值对其进行规范化,进一步地,基于各风险衡量指标值利用概率分析,计算各井漏指标的井漏风险指数。量化每个井漏指标的变化趋势,所有的计算根据在给定时间t定义的短时间窗口和长时间窗口内的实时数据计算的。
实际应用时,在步骤S130中包括:采用设定的方案捕获各风险衡量指标值的实时趋势量化分析结果,并基于其计算待测井各风险衡量指标值对应的井漏风险指数;
具体地,针对各风险衡量指标分别建立滑动区间散度分析模型和滑动区间斜率散度分析模型,量化分析各风险衡量指标随时间的变化趋势。
其中,建立的滑动区间散度分析模型公式如下:
SIDt=(SIDA,a1-SIDA,a2)/SIDA,a2(a1<a2)
式中,a1和a2分别指各风险衡量指标值对应的短时间窗口和长时间窗口参数值;SIDA,a1指各风险衡量指标值对应的短窗滑动平均值,SIDA,a2指各风险衡量指标值对应的短窗前的长窗滑动平均值;SIDt指滑动区间散度。
建立的滑动区间斜率散度分析模型公式如下式所示:
SSIDt=(SSIDA,k1-SSIDA,k2)/SSIDA,k2(k1<k2)
其中,SSIDt指滑动区间斜率散度,k1和k2分别指各风险衡量指标值对应的短时间窗口和长时间窗口斜率值;SSIDA,k1指各风险衡量指标值对应的短窗滑动斜率值,SSIDA,k指各风险衡量指标值对应的短窗前的长窗滑动斜率值。
实际应用时,通常设置坐标系的横坐标x表征参数值,纵坐标y表征时间数据,两点的纵坐标之差与横坐标之差的比为k,也可以说是时间窗格的趋势线。
需要说明的是,本发明实施例中对于输入滑动区间散度分析模型和滑动区间斜率散度分析模型的风险衡量指标值数据是对应于满足设定时间要求的时间序列对应的衡量指标数据,在执行趋势实时分析之前,根据设定的时间段长度获取对应的时间序列衡量指标数据,能够避免因时间长度过短的数据不满足滑动窗格的运算要求,影响衡量指标数据的趋势分析结果。例如,设置时间序列长度大于10分钟。
另外的,实际应用时,对于获取的风险指标数据进行基本的筛选处理,识别对应时间内没有任何有效数据的时间序列将其删除,不作为滑动区间散度分析模型和滑动区间斜率散度分析模型的有效输入,能够避免不必要的异常运算,提升运算效率,并控制异常数据对运算结果的消极影响。
进一步地,本发明基于建立的滑动区间散度模型和滑动区间斜率散度分析模型量化分析各风险衡量指标值随时间的变化趋势,然后综合各风险衡量指标的趋势分析结果,计算出综合井漏指数。因此,在步骤S130中有:根据各风险衡量指标值数据设定时间对应的短时间窗口内和长时间窗口内的实时数据进行实时趋势量化分析,根据分析结果结合设定的权值计算待测井各风险衡量指标值对应时间的井漏风险指数,作为预测待测井发生井漏风险的直接判断依据。
具体来说,滑动区间散度用于量化主要井漏指标的趋势演变,该实施例综合各风险衡量指标的趋势分析结果,计算待测井的综合井漏指数能够从设定时间段内风险衡量指标的变化情况确定待测井的井漏风险指数,不仅仅是基于各个固定的数据,更能够直观地了解各风险指标数据的变化趋势,起到全面分析和超前预测的效果。
具体地,在当前趋势分析方法中,最终井漏风险指数需要加上相应的权重才更能体现准确性,因此,在一个实施例中,按照下式根据分析结果结合设定的权值计算各风险衡量指标对应的井漏风险指数:
FLt=(SIDt*w1+SSIDt*w2)
式中,FLt表示井漏风险指数,w1和w2分别表示权重系数。
实际设置时,初始可设为w1=w2=0.5,可根据实际曲线趋势变化振幅大小更改相应权重系数值。振幅小可保持w1=w2=0.5,振幅大可相应增大w2值。由于SIDt和SSIDt的每个概率值均是介于0和1之间,因此最终井漏风险指数FLt的值在0到1之间。
本发明实施例相对于现有的预警方式提供进一步完善的预警提醒机制,基于各个风险衡量指标对应的井漏风险指数设置对应不同紧急程度(严重程度)的预警提醒策略,因此,在步骤S140中,包括基于各井漏风险指数通过设置的不同预警策略进行提醒,并为用户提供对应的井漏处理辅助数据。
具体地,一个实施例中,在步骤S140中,包括:
将设定时间内各风险衡量指标值对应的井漏风险指数与对应的各风险阈值比较,并根据超过风险阈值的井漏风险指数的数量建立不同程度的预警机制;
需要说明的是,所述风险阈值不仅仅是针对不同的井漏风险指数分别设置,且针对某一种风险衡量指标值可以设置多个层次的风险阈值。例如实际应用时,基于风险发生前设置第一层风险阈值,当出现风险衡量指标在某时间段内的变化趋势明显向着井漏风险发展的时候,超过该第一层风险阈值就对用户发出第一层预警提醒,告知用户当前工况存在发生井漏现象的可能性。
在此基础上,针对各个风险衡量指标值和对应的各层风险阈值进一步建立不同层风险阈值对应的不同严重程度的风险预警提醒机制,在一个实施例中,可以根据超过对应层风险阈值的风险衡量指标的数量构建各严重程度的预警提醒机制,例如,针对第一层风险阈值,当只有一种风险衡量指标超过其第一层风险阈值时,输出第一层风险阈值对应的第一级预警提醒信息,结合实际工况,该级别的预警提醒信息属于严重程度最低的井漏前预测警报信息。
进一步地,当上述两种风险衡量指标均超过各自对应的第一层风险阈值时,输出第一层风险阈值对应的第二级预警提醒信息,该级别的预警提示信息与第一级预警提醒信息不同,严重程度的提高应该有效体现在提醒信息中。
在一个实施例中,所述预警提醒信息中包括风险指标值的预测结果数据,包括预测时间信息、最终的井漏风险指数和对应的变化趋势信息,实际应用时,可以通过表格形式、曲线形式或其他合理的数据展示形式向用户相应的数据,以便在现场第一时间了解完整的数据情况。
另外的,在一个实施例中,当触发设定的预警机制时,向用户输出提醒信息的同时,还向用户提供与待测井匹配的历史井漏钻井数据的井漏案例数据及处理数据作为井漏处理辅助数据;其中所述历史井漏钻井的井型数据、地层地质参数以及录井数据与待测井满足设定的匹配要求。
其中,所述处理数据包括井漏前调整方案数据以及井漏发生时的处理方案数据。用户可以根据实际工况和收到的预警提醒信息灵活选用作为参考,能够极大程度地为现场工作人员提供解决实时问题的依据,提供问题预处理和解决的效率。
采用本发明上述预测方案,可在钻井施工过程中实时预测全井段井漏程度,能相当可靠地的预测井漏,在第一时间预测风险和发现风险并采取有效处理措施,将损失降至最低,为钻井作业的高效稳定开展提供支持。
实施例二
本发明实施例提供了一种预测钻井作业过程中井漏风险的方法,为了提升预测结果的计算精确度和全面向,该实施例中进一步完善了风险衡量指标的设置策略。该实施例与实施例一中相同的细节步骤不再进行过多赘述,仅对存在区别的技术步骤进行细节说明:
该实施例提供的预测钻井作业过程中井漏风险的方法包括以下步骤:
步骤S110、获取钻井作业过程中与井漏风险相关的影响参数;所述影响参数包括:待测井不同时间对应的入口流量、出口流量、立管压力、地层压力和各泥浆池的体积数据。
在步骤S120中根据所述影响参数计算衡量井漏风险的至少两个风险衡量指标值;
在一个实施例中,在所述步骤S120中,包括:
依据待测井不同时间对应的入口流量、出口流量、立管压力和地层压力数据,结合钻井液压缩系数计算待测井对应时间的压力校准流量增益作为第一风险衡量指标值。
具体地,按照以下公式计算待测井某时间的第一风险衡量指标值MFG:
MFG=MFO-MFI*(1/(CC*(SPP-PRE)))
式中,MFG表示待测井对应时间的压力校准流量增益,MFO表示待测井对应时间的出口流量,MFI表示待测井对应时间的入口流量(L/s),CC表示钻井液压缩系数,PRE表示待测井对应时间的地层压力(MPa),SPP表示待测井对应时间的立管压力(MPa)。
上述实施例中,计算过程基于出口流量、入口流量数据,还结合地层压力立管压力数据以及钻井液压缩系数,实际意义上实现了对钻井作业过程中的压力校准流量增益实现了精确的实时监控,如果流量计正常工作,当发生井漏时,压力校准流量增益发生减少的信息会体现在计算结果中。
本发明一个实施例中,在所述步骤S120中,还包括基于参考罐容积和待测井不同时间对应的各个泥浆池的体积数据计算对应时间的总池体积变化量作为第二风险衡量指标值。
按照以下公式计算待测井某时间的第二风险衡量指标值PITG:
式中,PITG表示待测井对应时间的总池体积变化量,Vi表示待测井第i个泥浆池的当前体积(m3),n表示待测井对应泥浆池的总数,Vir表示参考罐容积(m3)。
图2示出了本发明实施例提供的预测钻井作业过程中井漏风险的方法的执行流程示例图;如图2所示,进一步地,在该实施例中,步骤S110中获取的影响参数还包括:待测井对应时间的钻速数据和钻压数据;
基于此,该实施例中步骤S120还包括:
依据获取的待测井钻速数据和钻压数据,结合对应的顶驱转速和钻头直径参数计算待测井的井下压力变化钻速指数作为第三风险衡量指标。
实际应用时,按照以下公式计算待测井某时间的第三风险衡量指标值d:
d=lg(ROP/60N)/lg(12WOB/106DIR)
d是反映井下压力变化的钻速指数,ROP为待测井对应的钻速,N为顶驱转速,WOB为待测井对应的钻压,DIR为对应的钻头直径。钻速指数是反映井下压力变化的一种可靠的井漏指标。
基于上述设置,本发明实施例中,采用滑动区间散度和滑动区间斜率散度来捕获各个衡量指标值实时数据的递增/递减趋势,然后用预选的参考阈值对其进行规范化。
实际应用时,在步骤S130中包括:采用设定的方案捕获各风险衡量指标值的实时趋势量化分析结果,并基于其计算待测井各风险衡量指标值对应的井漏风险指数;
具体地,针对各风险衡量指标分别建立滑动区间散度分析模型和滑动区间斜率散度分析模型,量化分析各风险衡量指标随时间的变化趋势。
实际应用时,通常设置坐标系的横坐标x表征参数值,纵坐标y表征时间数据,两点的纵坐标之差与横坐标之差的比为k,也可以说是时间窗格的趋势线。
需要说明的是,本发明实施例中对于输入滑动区间散度分析模型和滑动区间斜率散度分析模型的风险衡量指标值数据是对应于满足设定时间要求的时间序列对应的衡量指标数据,在执行趋势实时分析之前,根据设定的时间段长度获取对应的时间序列衡量指标数据,能够避免因时间长度过短的数据不满足滑动窗格的运算要求,影响衡量指标数据的趋势分析结果。例如,设置时间序列长度大于10分钟。
另外的,实际应用时,对于获取的风险指标数据进行基本的筛选处理,识别对应时间内没有任何有效数据的时间序列将其删除,不作为滑动区间散度分析模型和滑动区间斜率散度分析模型的有效输入,能够避免不必要的异常运算,提升运算效率,并控制异常数据对运算结果的消极影响。
进一步地,本发明基于建立的滑动区间散度模型和滑动区间斜率散度分析模型量化分析各风险衡量指标值随时间的变化趋势,然后综合各风险衡量指标的趋势分析结果,计算出综合井漏指数。因此,在步骤S130中有:根据各风险衡量指标值数据设定时间对应的短时间窗口内和长时间窗口内的实时数据进行实时趋势量化分析,根据分析结果结合设定的权值计算待测井各风险衡量指标值对应时间的井漏风险指数,作为预测待测井发生井漏风险的直接判断依据。
综合各风险衡量指标的趋势分析结果,计算待测井的综合井漏指数能够从设定时间段内风险衡量指标的变化情况确定待测井的井漏风险指数,不仅仅是基于各个固定的数据,更能够直观地了解各风险指标数据的变化趋势,起到全面分析和超前预测的效果。
具体地,在当前趋势分析方法中,最终井漏风险指数需要加上相应的权重才更能体现准确性,因此,在一个实施例中,按照下式根据分析结果结合设定的权值计算各风险衡量指标对应的井漏风险指数:
FLt=(SIDt*w1+SSIDt*w2)
式中,FLt表示井漏风险指数,w1和w2分别表示权重系数。
实际设置时,初始可设为w1=w2=0.5,可根据实际曲线趋势变化振幅大小更改相应权重系数值。振幅小可保持w1=w2=0.5,振幅大可相应增大w2值。由于SIDt和SSIDt的每个概率值均是介于0和1之间,因此最终井漏风险指数FLt的值在0到1之间。
本发明实施例相对于现有的预警方式提供进一步完善的预警提醒机制,基于各个风险衡量指标对应的井漏风险指数设置对应不同紧急程度(严重程度)的预警提醒策略,因此,在步骤S140中,包括基于各井漏风险指数通过设置的不同预警策略进行提醒,并为用户提供对应的井漏处理辅助数据。
具体地,一个实施例中,在步骤S140中,包括:
将设定时间内各风险衡量指标值对应的井漏风险指数与对应的各风险阈值比较,并根据超过风险阈值的井漏风险指数的数量建立不同程度的预警机制;
需要说明的是,所述风险阈值不仅仅是针对不同的井漏风险指数分别设置,且针对某一种风险衡量指标值可以设置多个层次的风险阈值。例如实际应用时,基于风险发生前设置第一层风险阈值,当出现风险衡量指标在某时间段内的变化趋势明显向着井漏风险发展的时候,超过该第一层风险阈值就对用户发出第一层预警提醒,告知用户当前工况存在发生井漏现象的可能性。
在此基础上,针对各个风险衡量指标值和对应的各层风险阈值进一步建立不同层风险阈值对应的不同严重程度的风险预警提醒机制,在一个实施例中,可以根据超过对应层风险阈值的风险衡量指标的数量构建各严重程度的预警提醒机制,例如,针对第一层风险阈值,当只有一种风险衡量指标超过其第一层风险阈值时,输出第一层风险阈值对应的第一级预警提醒信息,结合实际工况,该级别的预警提醒信息属于严重程度最低的井漏前预测警报信息。
进一步地,当上述三种风险衡量指标有两种超过各自对应的第一层风险阈值时,输出第一层风险阈值对应的第二级预警提醒信息,该级别的预警提示信息与第一级预警提醒信息不同,严重程度的提高应该有效体现在提醒信息中。
进一步地,当上述三种风险衡量指标均超过各自对应的第一层风险阈值时,输出第一层风险阈值对应的第三级预警提醒信息,该级别的预警提示信息与第一级预警提醒信息和第一级预警提醒信息不同,严重程度的进一步提高应该有效体现在提醒信息中。
在一个实施例中,所述预警提醒信息中包括风险指标值的预测结果数据,包括预测时间信息、最终的井漏风险指数和对应的变化趋势信息,实际应用时,可以通过表格形式、曲线形式或其他合理的数据展示形式向用户相应的数据,以便在现场第一时间了解完整的数据情况。
另外的,在一个实施例中,当触发设定的预警机制时,向用户输出提醒信息的同时,还向用户提供与待测井匹配的历史井漏钻井数据的井漏案例数据及处理数据作为井漏处理辅助数据;其中所述历史井漏钻井的井型数据、地层地质参数以及录井数据与待测井满足设定的匹配要求。
其中,所述处理数据包括井漏前调整方案数据以及井漏发生时的处理方案数据。用户可以根据实际工况和收到的预警提醒信息灵活选用作为参考,能够极大程度地为现场工作人员提供解决实时问题的依据,提供问题预处理和解决的效率。
采用该实施例中的预测方案,基于更全面的风险衡量指标对井漏风险进行实时监控预测,结合井下压力变化的趋势为井漏预测提供支持,基于油田区块现有钻井数据集,模拟分析建立3种井漏衡量指标,并采用滑动区间散度和滑动区间斜率散度来捕获数据的递增/递减趋势,然后用预选的参考阈值对其进行规范化,获取参数简单可靠,现场使用方便可行,而且将地层压力等因素作为影响参数考虑,适用于各种地层,考虑因素全面,对井漏的预测更具多样性、准确性,能够显著提高钻井的井漏风险预警准确性及合理性,更全面精确地预测和发现对钻井作业的稳定高效开展产生威胁的井漏因素,能更大程度的为井漏风险的精准防止提供助力。
实施例三
基于上述任意一个或多个实施例的其他方面,依据各实施例中的井漏预测方法开发井漏风险预警实时监测系统,因此,本发明还提供一种预测钻井作业过程中井漏风险的系统,该系统执行如上述任意一个或多个实施例中所述的方法和步骤。
具体地,图3中示出了本发明实施例提供的预测钻井作业过程中井漏风险的系统的结构示意图,如图3所示,该系统包括:
井场数据采集模块31,其用于获取钻井作业过程中与井漏风险相关的影响参数;所述影响参数包括:待测井不同时间对应的入口流量、出口流量、立管压力、地层压力和各泥浆池的体积数据;
衡量指标值确定模块33,其用于根据所述影响参数计算衡量待测井井漏风险的至少两个风险衡量指标值;
趋势分析及风险指数确定模块35,其用于采用设定的方案捕获各风险衡量指标值的实时趋势量化分析结果,并基于其计算待测井各风险衡量指标值对应的井漏风险指数;
预警输出模块37,其用于基于各井漏风险指数通过设置的不同预警策略进行提醒,并为用户提供对应的井漏处理辅助数据。
具体地,图4示出了本发明实施例中预测钻井作业过程中井漏风险的系统的运行原理图,如图4所示:
实际应用时,在一个实施例中,为了保障采集数据的完整性,所述井场数据采集模块31进一步包括:数据设置单元和实时井场数据采集单元,其中所述实时井场数据采集单元通过综合录井仪接口获取各种录井参数的实时数据。
在一个实施例中,所述衡量指标值确定模块33配置为:
依据待测井不同时间对应的入口流量、出口流量、立管压力和地层压力数据,结合钻井液压缩系数计算对应时间的第一风险衡量指标值;
基于参考罐容积和待测井不同时间对应的各个泥浆池的体积数据计算对应时间的第二风险衡量指标值。
在一个实施例中,所述趋势分析及风险指数确定模块35配置为:
针对各风险衡量指标分别建立滑动区间散度分析模型和滑动区间斜率散度分析模型,量化分析各风险衡量指标随时间的变化趋势。
在一个实施例中,所述趋势分析及风险指数确定模块35按照以下公式计算待测井某时间的第一风险衡量指标值MFG:
MFG=MFO-MFI*(1/(CC*(SPP-PRE)))
式中,MFG表示待测井对应时间的压力校准流量增益,MFO表示待测井对应时间的出口流量,MFI表示待测井对应时间的入口流量(L/s),CC表示钻井液压缩系数,PRE表示待测井对应时间的地层压力(MPa),SPP表示待测井对应时间的立管压力(MPa)。
在一个实施例中,所述趋势分析及风险指数确定模块35按照以下公式计算待测井某时间的第二风险衡量指标值PITG:
式中,PITG表示待测井对应时间的总池体积变化量,Vi表示待测井第i个泥浆池的当前体积(m3),n表示待测井对应泥浆池的总数,Vir表示参考罐容积(m3)。
在一个实施例中,所述井场数据采集模块31获取的影响参数还包括:待测井对应时间的钻速数据和钻压数据,基于此,所述衡量指标值确定模块33还配置为:
依据获取的待测井钻速数据和钻压数据,结合对应的顶驱转速和钻头直径参数计算待测井的第三风险衡量指标。具体地,按照以下公式计算待测井某时间的第三风险衡量指标值d:
d=lg(ROP/60N)/lg(12WOB/106DIR)
d是反映井下压力变化的钻速指数,ROP为待测井对应的钻速,N为顶驱转速,WOB为待测井对应的钻压,DIR为对应的钻头直径。
具体地,所述趋势分析及风险指数确定模块35根据各风险衡量指标值数据设定时间对应的短时间窗口内和长时间窗口内的实时数据进行实时趋势量化分析,根据分析结果结合设定的权值计算待测井各风险衡量指标值对应时间的井漏风险指数。
在一个实施例中,所述预警输出模块37配置为:
将设定时间内各风险衡量指标值对应的井漏风险指数与对应的各风险阈值比较,并根据超过风险阈值的井漏风险指数的数量建立不同程度的预警机制;
当触发设定的预警机制时,向用户输出提醒信息的同时,还向用户提供与待测井匹配的历史井漏钻井数据的井漏案例数据及处理数据作为井漏处理辅助数据;其中所述历史井漏钻井的井型数据、地层地质参数以及录井数据与待测井满足设定的匹配要求。
实际应用时,所述预警输出模块37通过其配置的可视化显示单元向用户输出相应的报警提醒信息和井漏案例数据及处理数据。其中,所述处理数据包括井漏前调整方案数据以及井漏发生时的处理方案数据。用户可以根据实际工况和收到的预警提醒信息灵活选用作为参考,能够极大程度地为现场工作人员提供解决实时问题的依据,提供问题预处理和解决的效率。
本发明实施例提供的预测钻井作业过程中井漏风险的系统中,各个模块或单元结构可以根据实际工况的预测需求独立运行或组合运行,以实现相应的技术效果。
补充说明
本发明通过以下具体示例对采用本发明上述实施例中所述方案实现井漏预测的过程进行阐述:
针对某待测钻井TH**井(该井为一口超深水平井),施工过程中,在井场的钻井工程师值班房内部署一台终端设备(安装有本系统),如笔记本电脑,同时将综合录井仪的数据外发接口与本机相连,获取基于时间序列的录井实时数据(钻时、钻压、转速、大钩载荷、扭矩、入口流量、出口流量、立管压力和钻头直径等),之后让系统自动运行,井漏预测每5秒钟刷新一次所有相关参数的曲线,以及不同井深对应的最终井漏风险指数曲线(纵轴为风险指数,横轴为时间数据)。钻井过程中,当最终井漏风险指数明显升高,根据趋势分析算法以声音和闪光的方式进行预警,现场工程师就会根据预警提示并借助提供的相应井漏案例数据和处理数据进行相关操作避免进一步井漏发生或加剧。某日10:13钻进至井深6363.27m(O1-2y),设置短窗时间2分钟,长窗时间为5分钟,最终井漏风险指数0.8,大于设定的风险阈值0.75,进行声音报警并输出对应的报警提醒信息。现场人员并为及时处理,此时系统持续报警,最终由于及时发现井漏并处理,漏失初期便采取措施有效避免了发生进一步的漏失。
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)
1.一种预测钻井作业过程中井漏风险的方法,其特征在于,所述方法包括:
步骤S1、获取钻井作业过程中与井漏风险相关的影响参数;所述影响参数包括:待测井不同时间对应的入口流量、出口流量、立管压力、地层压力和各泥浆池的体积数据;
步骤S2、根据所述影响参数计算衡量待测井井漏风险的至少两个风险衡量指标值;
步骤S3、采用设定的方案捕获各风险衡量指标值的实时趋势量化分析结果,并基于其计算待测井各风险衡量指标值对应的井漏风险指数;
步骤S4、基于各井漏风险指数通过设置的不同预警策略进行提醒,并为用户提供对应的井漏处理辅助数据。
2.如权利要求1所述的方法,其特征在于,在所述步骤S2中,包括:
依据待测井不同时间对应的入口流量、出口流量、立管压力和地层压力数据,结合钻井液压缩系数计算对应时间的第一风险衡量指标值;
基于参考罐容积和待测井不同时间对应的各个泥浆池的体积数据计算对应时间的第二风险衡量指标值。
3.如权利要求1所述的方法,其特征在于,在所述步骤S3中,包括:
针对各风险衡量指标分别建立滑动区间散度分析模型和滑动区间斜率散度分析模型,量化分析各风险衡量指标随时间的变化趋势。
4.如权利要求2所述的方法,其特征在于,按照以下公式计算待测井某时间的第一风险衡量指标值MFG:
MFG=MFO-MFI*(1/(CC*(SPP-PRE)))
式中,MFG表示待测井对应时间的压力校准流量增益,MFO表示待测井对应时间的出口流量,MFI表示待测井对应时间的入口流量(L/s),CC表示钻井液压缩系数,PRE表示待测井对应时间的地层压力(MPa),SPP表示待测井对应时间的立管压力(MPa)。
6.如权利要求1~5中任一项所述的方法,其特征在于,获取的影响参数包括:待测井对应时间的钻速数据和钻压数据,在步骤S2中还包括:
依据获取的待测井钻速数据和钻压数据,结合对应的顶驱转速和钻头直径参数计算待测井的第三风险衡量指标。
7.如权利要求6所述的方法,其特征在于,按照以下公式计算待测井某时间的第三风险衡量指标值d:
d=lg(ROP/60N)/lg(12WOB/106DIR)
d是反映井下压力变化的钻速指数,ROP为待测井对应的钻速,N为顶驱转速,WOB为待测井对应的钻压,DIR为对应的钻头直径。
8.如权利要求3所述的方法,其特征在于,在步骤S3中,根据各风险衡量指标值数据设定时间对应的短时间窗口内和长时间窗口内的实时数据进行实时趋势量化分析,根据分析结果结合设定的权值计算待测井各风险衡量指标值对应时间的井漏风险指数。
9.如权利要求1~8中任一项所述的方法,其特征在于,在步骤S4中,包括:
将设定时间内各风险衡量指标值对应的井漏风险指数与对应的各风险阈值比较,并根据超过风险阈值的井漏风险指数的数量建立不同程度的预警机制;
当触发设定的预警机制时,向用户输出提醒信息的同时,还向用户提供与待测井匹配的历史井漏钻井数据的井漏案例数据及处理数据作为井漏处理辅助数据;其中所述历史井漏钻井的井型数据、地层地质参数以及录井数据与待测井满足设定的匹配要求。
10.一种预测钻井作业过程中井漏风险的系统,其特征在于,所述系统执行如权利要求1~9中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011106532.5A CN114444823A (zh) | 2020-10-16 | 2020-10-16 | 一种预测钻井作业过程中井漏风险的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011106532.5A CN114444823A (zh) | 2020-10-16 | 2020-10-16 | 一种预测钻井作业过程中井漏风险的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114444823A true CN114444823A (zh) | 2022-05-06 |
Family
ID=81357807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011106532.5A Pending CN114444823A (zh) | 2020-10-16 | 2020-10-16 | 一种预测钻井作业过程中井漏风险的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444823A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114912789A (zh) * | 2022-05-10 | 2022-08-16 | 中国石油大学(北京) | 一种钻井井下风险预警方法、设备及存储介质 |
CN114991757A (zh) * | 2022-06-08 | 2022-09-02 | 中国石油天然气股份有限公司 | 一种随钻地层压力测录一体化监测方法及系统 |
CN116485172A (zh) * | 2022-12-09 | 2023-07-25 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种夏季热健康风险分级预警方法及预测预警系统 |
CN116822971A (zh) * | 2023-08-30 | 2023-09-29 | 长江大学武汉校区 | 一种井壁风险等级预测方法 |
CN117271980A (zh) * | 2023-11-17 | 2023-12-22 | 中国水利水电科学研究院 | 钻进数据处理方法、装置、电子设备及存储介质 |
CN118333244A (zh) * | 2024-06-14 | 2024-07-12 | 成都数之联科技股份有限公司 | 基于趋势分析的井漏预警方法、系统、设备及存储介质 |
-
2020
- 2020-10-16 CN CN202011106532.5A patent/CN114444823A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114912789A (zh) * | 2022-05-10 | 2022-08-16 | 中国石油大学(北京) | 一种钻井井下风险预警方法、设备及存储介质 |
CN114912789B (zh) * | 2022-05-10 | 2024-07-02 | 中国石油大学(北京) | 一种钻井井下风险预警方法、设备及存储介质 |
CN114991757A (zh) * | 2022-06-08 | 2022-09-02 | 中国石油天然气股份有限公司 | 一种随钻地层压力测录一体化监测方法及系统 |
CN116485172A (zh) * | 2022-12-09 | 2023-07-25 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种夏季热健康风险分级预警方法及预测预警系统 |
CN116485172B (zh) * | 2022-12-09 | 2023-12-05 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种夏季热健康风险分级预警方法及预测预警系统 |
CN116822971A (zh) * | 2023-08-30 | 2023-09-29 | 长江大学武汉校区 | 一种井壁风险等级预测方法 |
CN116822971B (zh) * | 2023-08-30 | 2023-11-14 | 长江大学武汉校区 | 一种井壁风险等级预测方法 |
CN117271980A (zh) * | 2023-11-17 | 2023-12-22 | 中国水利水电科学研究院 | 钻进数据处理方法、装置、电子设备及存储介质 |
CN117271980B (zh) * | 2023-11-17 | 2024-02-02 | 中国水利水电科学研究院 | 钻进数据处理方法、装置、电子设备及存储介质 |
CN118333244A (zh) * | 2024-06-14 | 2024-07-12 | 成都数之联科技股份有限公司 | 基于趋势分析的井漏预警方法、系统、设备及存储介质 |
CN118333244B (zh) * | 2024-06-14 | 2024-09-20 | 成都数之联科技股份有限公司 | 基于趋势分析的井漏预警方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114444823A (zh) | 一种预测钻井作业过程中井漏风险的方法及系统 | |
AU2018200742B2 (en) | Autonomous connection evaluation and shoulder detection for tubular makeup | |
CN107292467A (zh) | 一种钻井风险预测方法 | |
AU2005252448B2 (en) | System and method for determining pump underperformance | |
CN105089620B (zh) | 卡钻的监测系统、方法及装置 | |
BR112015009197B1 (pt) | Método e sistema para realizar uma operação de perfuração | |
CN112145151B (zh) | 一种基于随钻响应参数的冲击危险性动态探测及评估方法 | |
CN110795853B (zh) | 一种油气钻井过程中早期溢流层位随钻识别方法 | |
AU2018301181C1 (en) | Method and system for monitoring influx and loss events in a wellbore | |
US20140172303A1 (en) | Methods and systems for analyzing the quality of a wellbore | |
CN107292754A (zh) | 一种钻井风险预测系统 | |
WO2017126974A1 (en) | Method and apparatus for automated pressure integrity testing (apit) | |
Wu et al. | Real-time risk analysis method for diagnosis and warning of offshore downhole drilling incident | |
CN115841247A (zh) | 数字化钻井风险监控方法及装置 | |
CN110821473B (zh) | 一种井筒管柱损伤评价方法 | |
CN116066062A (zh) | 一种基于参数变化趋势异常诊断的卡钻实时预警方法 | |
CN117236771A (zh) | 一种基于大数据技术的工程质量检测评估系统及方法 | |
CN111625916A (zh) | 井壁稳定性值计算方法及系统 | |
CN111691873B (zh) | 用于井壁稳定性预测的井壁稳定性值计算方法及系统 | |
CN113775327A (zh) | 钻井异常的检测方法、装置、设备、钻井和存储介质 | |
Moi et al. | Nonlinear regression analysis and system stiffness approach for formation integrity test interpretation | |
CN112412440A (zh) | 一种钻进时期早期井涌检测方法 | |
CN117094236B (zh) | 一种深水钻井气侵数据分析的高精度校准方法 | |
KR100835848B1 (ko) | 열화 콘크리트 및 시공 중 숏크리트의 강도 분석방법 | |
CN116263099A (zh) | 录井作业用溢流与井漏的智能监测方法和系统 |
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 |