CN114607354A - 一种预报钻井复杂情况的方法 - Google Patents

一种预报钻井复杂情况的方法 Download PDF

Info

Publication number
CN114607354A
CN114607354A CN202111530547.9A CN202111530547A CN114607354A CN 114607354 A CN114607354 A CN 114607354A CN 202111530547 A CN202111530547 A CN 202111530547A CN 114607354 A CN114607354 A CN 114607354A
Authority
CN
China
Prior art keywords
axis
drilling
forecasting
vibration
parameters
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
Application number
CN202111530547.9A
Other languages
English (en)
Inventor
段慕白
魏强
何弦桀
李春山
邓虎
许期聪
李枝林
江迎军
蒋林
郑会雯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China National Petroleum Corp
CNPC Chuanqing Drilling Engineering Co Ltd
Original Assignee
China National Petroleum Corp
CNPC Chuanqing Drilling Engineering Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China National Petroleum Corp, CNPC Chuanqing Drilling Engineering Co Ltd filed Critical China National Petroleum Corp
Priority to CN202111530547.9A priority Critical patent/CN114607354A/zh
Publication of CN114607354A publication Critical patent/CN114607354A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/06—Measuring temperature or pressure
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mining & Mineral Resources (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Fluid Mechanics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Earth Drilling (AREA)

Abstract

本发明涉及地质勘探技术领域，尤其涉及一种预报钻井复杂情况的方法，包括：基于井口钻柱振动时的历史时域参数生成时域谱；将时域谱中的时域参数进行傅立叶变换，并生成频域谱；根据频域谱获取发生钻井复杂情况时的相应权重参数和振幅参数，进一步建立复杂情况预报计算模型；利用复杂情况预报计算模型预估钻井复杂情况发生的风险。本技术方案实施成本低、操作简单便捷、实时性强，可及时发现钻井复杂情况发展趋势并进行预报，降低卡钻和钻头泥包风险，对降低钻井成本具有重要意义。

Description

一种预报钻井复杂情况的方法
技术领域
本发明涉及地质勘探技术领域，尤其涉及一种预报钻井复杂情况的方法。
背景技术
钻井过程中，由于地层因素、技术因素或操作不当，容易出现钻井复杂情况，所谓钻井复杂情况，包括：
1)钻柱旋转困难或被卡死，造成卡钻，需解除卡钻才能继续钻进。卡钻会给钻井工程造成很大危害，需耗费大量的人力物力进行处理，轻则耗费钻井时间、增加成本，重则造成部分钻具断落井底，使井眼报废。目前对卡钻的预报方法主要有综合录井法、决策树法、贝叶斯法、神经网络法、支持向量机法等，这些方法大多需要本地区发生过的卡钻案例进行学习和训练，才能有效地进行预报。如果案例不多，会影响预报精度，特别是对于新区块，钻的井不多，没有案例或案例极少，适应性受到一定局限；这些方法主要使用钻井参数，而钻井参数的大小和变化与井深、井身结构、地层岩性、钻头类型、钻具结构、钻进技术密切相关，这些都可能影响预报的精度。
2)钻头泥包，使钻进效率降低或无法钻进，增加井成本和建井周期。钻头泥包同样会给钻井工程造成很大危害，泥包后的钻头机械钻速会明显降低，进而影响钻井效率，强行以泥包钻头起钻还可能诱发井涌甚至井喷，需耗费大量的人力物力进行处理，轻则耗费钻井时间、增加成本，重则造成严重井下事故。目前对钻头泥包的预报方法主要通过综合录井参数的变化进行预报。主要依靠人工识别，未能形成定量模型，对现场操作人员的素质和责任心密切相关，预报精度不高。
发明内容
本发明根据现有技术的不足，提供一种预报钻井复杂情况的方法，该方法成本低、操作简便、实时性强，可及时发现钻井复杂情况发展趋势并进行预报，降低卡钻和钻头泥包风险，对降低钻井成本具有重要意义。
具体通过以下技术方案实现：
一种预报钻井复杂情况的方法，其特征在于，包括：
基于井口钻柱振动时的历史时域参数生成时域谱；
将时域谱中的时域参数进行傅立叶变换，并生成频域谱；
根据频域谱获取发生钻井复杂情况时的相应权重参数和振幅参数，并基于该权重参数和振幅参数建立复杂情况预报计算模型；
实时监测目标井口钻柱的振动情况，获取相关振动参数，并利用复杂情况预报计算模型预估出现钻井复杂情况的风险。
优选的，所述生成时域谱包括以下步骤：
利用振动加速度传感器采集井口钻柱的振动信号；
利用计算机远程无线接收振动加速度传感器采集的振动信号；
根据井口钻柱的振动方向在空间内的分布情况，利用计算机建立包含有X轴、Y轴和Z轴的三维坐标系，并将振动信号转换为对应X轴、Y轴和Z轴三个方向的时域参数；
依照时域参数在X轴、Y轴和Z轴上的分布情况，利用计算机生成包含有X轴方向振动、Y轴方向振动和Z轴方向振动的时域谱。
优选的，所述复杂情况包括卡钻和/或钻头泥包。
优选的，所述复杂情况预报计算模型包括卡钻预报计算模型和/或钻头泥包预报计算模型。
优选的，建立所述卡钻预报计算模型包括以下步骤：
根据有无卡钻案例的情况，对应频域谱的X轴、Y轴和Z轴三个方向上获取权重值，包括第一权重Wj1和第二权重Wj2；其中，j∈m，m表示振动方向，取值为1、2或3，1表示为X轴方向，2表示为Y轴方向，3表示为Z轴方向；
根据钻头类型和钻头转速，确定卡钻时在对应频域谱中的频率范围fj1～fj2，fj1为起始频率，取值为
Figure BDA0003410584900000023
fj2：为结束频率，取值为
Figure BDA0003410584900000021
Hz；其中，n为钻头转速；k为钻头牙轮数量或刀翼数量；
获取频率范围fj1～fj2中的最大振幅值MAXAj1以及频率范围fj1～fj2所在频域普中的最大振幅值MAXAj2；
建立卡钻预报计算模型：
Figure BDA0003410584900000031
其中，Fq为卡钻风险指数；Aji表示在j方向上，频率为i时的振幅值；Ajmax和Ajmin分别为目标井口钻柱振动频域谱中的最大振幅和最小振幅；
建立卡钻报警门限值α。
优选的，获取所述权重值时，若有卡钻案例，则基于卡钻案例的相关振动参数，通过神经网络算法得到X轴、Y轴、Z轴三个方向的权重值；若没有卡钻案例，则根据X轴、Y轴和Z轴方向对卡钻的贡献程度，Wj1在X轴、Y轴和Z轴方向的取值分别为30％、20％和10％，Wj2在X轴、Y轴和Z轴方向的取值分别为20％、15％和5％。
优选的，预估钻头出现卡钻的风险包括以下步骤：
利用振动加速度传感器实时测量目标井口钻柱的振动信号；
利用计算机基于获取的振动信号，生成实时频率谱；
获取目标井口钻柱在频率谱中的最大振幅Ajmax和最小振幅Ajmin；
基于最大振幅Ajmax和最小振幅Ajmin，利用卡钻预报计算模型计算出卡钻风险指数Fq；
将卡钻风险指数Fq与报警门限值α做比较；当Fq＞α时，表示卡钻风险指数超出安全范围，计算机发出提示预警；当Fq≤α，表示卡钻风险指数在安全范围内，计算机只显示具体卡钻风险指数值。
优选的，建立所述钻头泥包预报计算模型包括以下步骤：
基于所述频域谱，获取钻头未出现泥包时X轴方向上的平均振幅Axn，以及出现泥包时的平均振幅降低值ΔAx，并利用神经网络算法获得X轴方向上的振幅权重W4；
基于历史综合录井资料，获取钻头未出现泥包时的平均泵压pn、平均钻时ROPn和平均扭矩Nn，以及出现泥包时的泵压升高值Δp、钻时增大值ΔROP和扭矩降低值ΔN；
基于历史综合录井资料，利用神经网络算法获得泵压权重W1、钻时权重W2和扭矩权重W3；
建立钻头泥包预报计算模型：
Figure BDA0003410584900000041
其中，Fp为泥包风险指数；p为实际泵压；ROP为实际钻时；N为实际扭矩；Ax为X轴方向上的实际振幅。
建立泥包报警门限值β。
优选的，预估钻头出现泥包的风险包括以下步骤：
实时采集综合录井数据，并获取目标井口钻柱在X轴方向上的实际振幅Ax；综合录井数据包括钻头工作时对应的实际泵压p、实际钻时ROP和实际扭矩N；
基于采集的综合录井数据，利用钻头泥包预报计算模型计算出泥包风险指数Fp；
将泥包风险指数Fp与报警门限值β做比较；当Fp＞β时，表示泥包风险指数超出安全范围，计算机发出提示预警；当Fp≤β，表示泥包风险指数在安全范围内，计算机只显示具体泥包风险指数值。
优选的，所述实时采集综合录井数据，是通过综合录井仪数据接口进行的。
本技术方案带来的有益效果：
1)本技术方案针对卡钻和/或泥包的钻井复杂情况，通过建立复杂情况预报计算模型提供相应的预测条件，通过采集目标钻头对应的相关参数即可直接通过计算机实现钻井复杂情况的实时预测，不需要专门的预报设备，在不增加装置成本以及现场勘查成本的条件下，井队工作人员可根据预测结果及时做出应对措施，降低了卡钻和泥包的风险，对增加钻头的使用寿命以及提高钻井效率有着重要意义，基于此，可进一步降低钻井成本。
2)整个技术方案从井口钻柱的振动信号出发，采用历史时域参数建立相应的时域谱，结合傅立叶变换手段，获得井口钻柱的振动频域图(频域普)，不仅便于获取建立复杂情况预报计算模型所需要的参数，且确保了参数与目标钻头的相关性、参数使用的有效性和可靠性，以及预测结果的准确性。
3)振动信号可采用振动加速度传感器配合计算机远程采集，综合录井数据可通过综合录井仪数据接口采集，基于此复杂情况预测所需要参数的获取方式简单直接，确保本技术方案容易实施。
附图说明
本发明的前述和下文具体描述在结合以下附图阅读时变得更清楚，其中：
图1为本发明一种优选的实施流程示意图；
图2为X1井发生卡钻前后的振动频谱图；
图3为X1井解卡前后的振动频谱图；
具体实施方式
为使发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
因此，以下对在附图中提供的本发明的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有付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。
实施例1
本实施例提供一种预报钻井复杂情况的方法，作为本技术方案一种优选的实施方案，包括以下步骤：
基于井口钻柱振动时的历史时域参数生成时域谱。其中，历史时域参数可以是同井时域参数，也可以是异井时域参数。具体的，基于当前钻井工程的资料库，查找目标井区(目标井所在的井区，所谓目标井，即当前需要进行钻井复杂情况预报的井)先前是否有参考井(钻井工程先于目标井的井，具有较为全面的钻井工程资料)使用过与目标井相同的钻井设备。若有，则将该参考井钻井工程期间，井口钻柱振动的时域参数作为本技术方案所需要的历史时域参数；若没有，则目标井中的钻井设备工作一段时间，同时采集该段时间内井口钻柱振动的时域参数作为本申请需要的历史时域参数。
将时域谱中的时域参数进行傅立叶变换，并生成频域谱。其中，傅立叶变换能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者它们的积分的线性组合。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。
根据频域谱获取发生钻井复杂情况时的相应权重参数和振幅参数，并基于该权重参数和振幅参数建立复杂情况预报计算模型。优选的，复杂情况预报计算模型包括卡钻预报计算模型和钻头泥包预报计算模型。
实时监测目标井口钻柱的振动情况，获取相关振动参数，并利用复杂情况预报计算模型预估出现钻井复杂情况(即卡钻和/或钻头泥包)的风险。
本技术方案针对卡钻和/或泥包的钻井复杂情况，通过建立复杂情况预报计算模型提供相应的预测条件，通过采集目标钻头对应的相关参数即可直接通过计算机实现钻井复杂情况的实时预测，不需要专门的预报设备，在不增加装置成本以及现场勘查成本的条件下，井队工作人员可根据预测结果及时做出应对措施，降低了卡钻和泥包的风险，对增加钻头的使用寿命以及提高钻井效率有着重要意义，基于此，可进一步降低钻井成本。
实施例2
本实施例提供一种预报钻井复杂情况的方法，作为本技术方案一种优选的实施方案，根据实际案例，将目标井的井号命名为X1井，针对该目标井中的工作状况，实现复杂情况预报。具体包括以下步骤：
S1，基于井口钻柱振动时的历史时域参数生成时域谱，具体包括以下步骤：
S1-1，利用振动加速度传感器采集井口钻柱的振动信号，此处的井口钻柱可以是X1井中对应的目标井口钻柱，也可以是同一目标井区采用相同钻井设备的参照井中对应的井口钻柱；
S1-2，利用计算机远程无线接收振动加速度传感器采集的振动信号；
S1-3，根据井口钻柱的振动方向在空间内的分布情况，利用计算机建立包含有X轴(切向)、Y轴(横向)和Z轴(垂向)的三维坐标系(三维坐标系可以为虚拟的三维坐标系，即此处的三维坐标系只是用于区分井口钻柱的振动方向，以便于将相应的时域参数根据方向进行记录)，并将振动信号转换为对应X轴、Y轴和Z轴三个方向的时域参数；
S1-4，依照时域参数在X轴、Y轴和Z轴上的分布情况，利用计算机生成包含有X轴方向振动、Y轴方向振动和Z轴方向振动的时域谱。
S2，将时域谱中的时域参数进行傅立叶变换，并生成频域谱，该频域谱有着与时域谱相同的方向性。
S3，根据频域谱获取出现钻井复杂情况时的相应权重参数和振幅参数，并基于该权重参数和振幅参数建立复杂情况预报计算模型，该复杂情况预报计算模型为卡钻预报计算模型。
建立卡钻预报计算模型包括以下步骤：
S3-1，根据有无卡钻案例的情况，对应频域谱的X轴、Y轴和Z轴三个方向上获取权重值，包括第一权重Wj1和第二权重Wj2；其中，j∈m，m表示振动方向，取值为1、2或3，1表示为X轴方向，2表示为Y轴方向，3表示为Z轴方向。其中，Wj1和Wj2分别在X轴、Y轴和Z轴三个方向上的取值可能不同，根据有无卡钻案例，存在不同的取值方式。具体的，若有卡钻案例，则基于卡钻案例的相关振动参数，通过神经网络算法得到X轴、Y轴和Z轴三个方向的权重值。若没有卡钻案例，则Wj1在X轴、Y轴和Z轴方向的取值分别为30％、20％和10％，Wj2在X轴、Y轴和Z轴方向的取值分别为20％、15％和5％。总之，Wj1与Wj2的相对大小根据两者在卡钻预报计算模型贡献度进行确定，Wj1和Wj2在X轴、Y轴、Z轴方向上的取值根据井口钻柱振动在X轴、Y轴、Z轴方向上的贡献度进行确定，最终Wj1对应X轴、Y轴、Z轴方向的三个取值与Wj2对应X轴、Y轴、Z轴方向的三个取值之和为100％。X1井在五卡钻案例的情况下，根据X轴、Y轴和Z轴方向对卡钻的贡献程度根，到如表1(各参数取值表)所示的X轴、Y轴和Z轴三个方向的权重值。
S3-2，根据钻头类型和钻头转速，确定卡钻时在对应频域谱中的频率范围fj1～fj2。其中，fj1为起始频率，fj2为结束频率，两者皆与钻头类型和钻头转速有关，具体的：fj1取值为
Figure BDA0003410584900000071
Hz(取整数)；fj2取值为
Figure BDA0003410584900000072
Hz(取整数)；其中，n为钻头转速；k为钻头牙轮数量(牙轮钻头)或刀翼数量(PDC钻头)。
S3-3，获取频率范围fj1～fj2中的最大振幅值MAXAj1以及频率范围fj1～fj2所在频域普中的最大振幅值MAXAj2。其中，MAXAj1和MAXAj2分别在X轴、Y轴和Z轴上的取值可能不同，具体与井深、钻具结构、钻头类型、钻井参数相关，可通过现场正常钻进(钻头未出现钻井复杂情况)时测量的参数及卡钻案例分析得到，无卡钻案例时，MAXAj1和MAXAj2取正常钻进时对应振动方向上最大振幅值的3倍值。X1井的相关参数取值如表1(各参数取值表)所示：
表1各参数取值表
Figure BDA0003410584900000081
S3-4，建立卡钻预报计算模型：
Figure BDA0003410584900000082
其中，Fq为卡钻风险指数；Aji表示在j方向上，频率为i时的振幅值；Ajmax和Ajmin分别为目标井口钻柱振动频域谱中的最大振幅和最小振幅。
S3-5，建立卡钻报警门限值α，具体的，可将卡钻报警门限值设置为60。
S4，实时监测目标井口钻柱的振动情况，获取相关振动参数，并利用卡钻报计算模型预估出现钻井复杂情况的风险。具体包括以下步骤：
S4-1，利用振动加速度传感器实时测量目标井口钻柱的振动信号；
S4-2，利用计算机基于获取的振动信号，生成实时频率谱；
S4-3，获取目标井口钻柱在频率谱中的最大振幅Ajmax和最小振幅Ajmin；
S4-4，基于最大振幅Ajmax和最小振幅Ajmin，利用卡钻预报计算模型计算出卡钻风险指数Fq；
S4-5将卡钻风险指数Fq与报警门限值α做比较；当Fq＞α时，表示卡钻风险指数超出安全范围，计算机发出提示预警；当Fq≤α，表示卡钻风险指数在安全范围内，计算机只显示具体卡钻风险指数值。
本实例中，X1井在17:40发生了掉块卡钻。图2是该井发生卡钻前后的振动频谱图(频率普)，由图可见，卡钻发生前(17:35以前)，三个方向振动幅值均较小，且平稳，利用卡钻预报计算模型计算卡钻风险指数，其值也很小，大多在10以下，最大不到20，表明卡钻风险很低；17:35-17:40，图中可见，Y方向12-20Hz段频率急剧增大，X方向和Z方向振幅也明显增大，本案所述卡钻风险指数也迅速上升至63.2以上，基于此，计算机立即发出卡钻预警，井队工作人员立即采取上下活动钻具操作；到18:40卡钻风险指数最大上升至87.7，卡钻还是发生了，由于是上部井壁掉块，在重力作用下自然会往下沉降，这种卡钻难以避免，好在计算机发出卡钻预报后，井队工作人员措施得当，卡钻不很严重，实现了迅速处理，成功解卡。图3是X1井解卡前后的振动频谱图(频率普)，18:33以后，井口钻柱振动频谱迅速恢复了正常，卡钻风险指数也降到了5以下。
实施例3
本实施例提供一种预报钻井复杂情况的方法，作为本技术方案一种优选的实施方案，包括以下步骤：
S1，基于井口钻柱振动时的历史时域参数生成时域谱。
S2，将时域谱中的时域参数进行傅立叶变换，并生成频域谱。
S3，根据频域谱获取出现钻井复杂情况时的相应权重参数和振幅参数，并基于该权重参数和振幅参数建立复杂情况预报计算模型，该复杂情况预报计算模型为钻头泥包预报计算模型。
建立钻头泥包预报计算模型包括以下步骤：
S3-1，基于所述频域谱，获取钻头未出现泥包时X轴方向上的平均振幅Axn，以及出现泥包时的平均振幅降低值ΔAx，并利用神经网络算法获得X轴方向上的第一权重W4，如某一实际案例的W4取值为34％。
S3-2基于历史综合录井资料，获取钻头未出现泥包时的平均泵压pn、平均钻时ROPn和平均扭矩Nn，以及出现泥包时的泵压升高值Δp、钻时增大值ΔROP和扭矩降低值ΔN。其中，历史综合录井资料可以是目标井(目标钻头所在的井)中的综合录井资料，也可以是也与目标井同一井区的其他采用相同钻头的参照井中的综合录井资料。Δp、ΔROP、ΔAx和ΔN的取值与地层、井深、钻具结构、井身结构、钻头类型和钻井参数相关，可通过钻头泥包案例，使用统计分析的方法获得。
S3-3，基于历史综合录井资料，利用神经网络算法获得泵压权重W1、钻时权重W2和扭矩权重W3，对应实际案例的W1、W2和W3分别取值为12％、23％、31％，总之，W1、W2、W3以及W4为100％。
S3-4建立钻头泥包预报计算模型：
Figure BDA0003410584900000101
其中，Fp为泥包风险指数；p为实际泵压；ROP为实际钻时；N为实际扭矩；Ax为X轴方向上的实际振幅。
钻时，衡量岩层可钻性的指标之一，即每钻进一米所需要的时间(分)。钻时正好是机械钻速的倒数。石油钻井通过测量钻时来判断地层的变化，称为钻时录井。钻时录井是钻井地质工作的一个重要内容。
泵压，是指泵的排出口的表压力。岩心钻探用泵的泵压是冲洗液流经钻孔冲洗循环系统受到各种阻力而产生的，因此，泵压就等于冲洗液流经循环系统各处损失的压力之和。这部分压力损失包括冲洗液流经岩心管及岩心间环状空间的压力损失、冲洗液流经钻头产生折转改变方向时的压力损失，以及流经岩心管与孔壁间环状空间的压力损失，多用实验方法得出或取经验数据。
S3-4，建立泥包报警门限值β，具体的泥包报警门限值β取值可以为60～80。
S4，实时监测目标井口钻柱的振动情况，获取相关振动参数，并利用钻头泥包预报计算模型预估钻头出现泥包的风险，具体包括以下步骤：
S4-1，实时采集综合录井数据，并获取目标井口钻柱在X轴方向上的实际振幅Ax；综合录井数据包括钻头工作时对应的实际泵压p、实际钻时ROP和实际扭矩N。获取实际振幅Ax的方式是：首先基于目标井口钻柱的振动型号，生成相应的频率谱，然后基于频率谱获取目标井口钻柱的振动信号在X轴方向上的实际振幅Ax。优选的，可通过综合录井仪数据接口采集所述综合录井数据。
S4-2，基于采集的综合录井数据，利用钻头泥包预报计算模型计算出泥包风险指数Fp；将泥包风险指数Fp与报警门限值β做比较；当Fp＞β时，表示泥包风险指数超出安全范围，计算机发出提示预警；当Fp≤β，表示泥包风险指数在安全范围内，计算机只显示具体泥包风险指数值。

Claims (10)

1.一种预报钻井复杂情况的方法，其特征在于，包括：
基于井口钻柱振动时的历史时域参数生成时域谱；
将时域谱中的时域参数进行傅立叶变换，并生成频域谱；
根据频域谱获取发生钻井复杂情况时的相应权重参数和振幅参数，并基于该权重参数和振幅参数建立复杂情况预报计算模型；
实时监测目标井口钻柱的振动情况，获取相关振动参数，并利用复杂情况预报计算模型预估出现钻井复杂情况的风险。
2.如权利要求1所述一种预报钻井复杂情况的方法，其特征在于：所述生成时域谱包括以下步骤：
利用振动加速度传感器采集井口钻柱的振动信号；
利用计算机远程无线接收振动加速度传感器采集的振动信号；
根据井口钻柱的振动方向在空间内的分布情况，利用计算机建立包含有X轴、Y轴和Z轴的三维坐标系，并将振动信号转换为对应X轴、Y轴和Z轴三个方向的时域参数；
依照时域参数在X轴、Y轴和Z轴上的分布情况，利用计算机生成包含有X轴方向振动、Y轴方向振动和Z轴方向振动的时域谱。
3.如权利要求2所述一种预报钻井复杂情况的方法，其特征在于：所述复杂情况包括卡钻和/或钻头泥包。
4.如权利要求2所述一种预报钻井复杂情况的方法，其特征在于：所述复杂情况预报计算模型包括卡钻预报计算模型和/或钻头泥包预报计算模型。
5.如权利要求4所述一种预报钻井复杂情况的方法，其特征在于，建立所述卡钻预报计算模型包括以下步骤：
根据有无卡钻案例的情况，对应频域谱的X轴、Y轴和Z轴三个方向上获取权重值，包括第一权重Wj1和第二权重Wj2；其中，j∈m，m表示振动方向，取值为1、2或3，1表示为X轴方向，2表示为Y轴方向，3表示为Z轴方向；
根据钻头类型和钻头转速，确定卡钻时在对应频域谱中的频率范围fj1～fj2，fj1为起始频率，取值为
Figure FDA0003410584890000011
fj2为结束频率，取值为
Figure FDA0003410584890000012
其中，n为钻头转速；k为钻头牙轮数量或刀翼数量；
获取频率范围fj1～fj2中的最大振幅值MAXAj1以及频率范围fj1～fj2所在频域普中的最大振幅值MAXAi2；
建立卡钻预报计算模型：
Figure FDA0003410584890000021
其中，Fq为卡钻风险指数；Aji表示在j方向上，频率为i时的振幅值；Ajmax和Ajmin分别为目标井口钻柱振动频域谱中的最大振幅和最小振幅；
建立卡钻报警门限值α。
6.如权利要求5所述一种预报钻井复杂情况的方法，其特征在于：获取所述权重值时，若有卡钻案例，则基于卡钻案例的相关振动参数，通过神经网络算法得到X轴、Y轴、Z轴三个方向的权重值；若没有卡钻案例，则根据X轴、Y轴和Z轴方向对卡钻的贡献程度，Wj1在X轴、Y轴和Z轴方向的取值分别为30％、20％和10％，Wj2在X轴、Y轴和Z轴方向的取值分别为20％、15％和5％。
7.如权利要求5所述一种预报钻井复杂情况的方法，其特征在于，预估钻头出现卡钻的风险包括以下步骤：
利用振动加速度传感器实时测量目标井口钻柱的振动信号；
利用计算机基于获取的振动信号，生成实时频率谱；
获取目标井口钻柱在频率谱中的最大振幅Ajmax和最小振幅Ajmin；
基于最大振幅Ajmax和最小振幅Ajmin，利用卡钻预报计算模型计算出卡钻风险指数Fq；
将卡钻风险指数Fq与报警门限值α做比较；当Fq＞α时，表示卡钻风险指数超出安全范围，计算机发出提示预警；当Fq≤α，表示卡钻风险指数在安全范围内，计算机只显示具体卡钻风险指数值。
8.如权利要求4所述一种预报钻井复杂情况的方法，其特征在于，建立所述钻头泥包预报计算模型包括以下步骤：
基于所述频域谱，获取钻头未出现泥包时X轴方向上的平均振幅Axn，以及出现泥包时的平均振幅降低值ΔAx，并利用神经网络算法获得X轴方向上的振幅权重W4；
基于历史综合录井资料，获取钻头未出现泥包时的平均泵压pn、平均钻时ROPn和平均扭矩Nn，以及出现泥包时的泵压升高值Δp、钻时增大值ΔROP和扭矩降低值ΔN；
基于历史综合录井资料，利用神经网络算法获得泵压权重W1、钻时权重W2和扭矩权重W3；
建立钻头泥包预报计算模型：
Figure FDA0003410584890000031
其中，Fp为泥包风险指数；p为实际泵压；ROP为实际钻时；N为实际扭矩；Ax为X轴方向上的实际振幅。
建立泥包报警门限值β。
9.如权利要求8所述一种预报钻井复杂情况的方法，其特征在于，预估钻头出现泥包的风险包括以下步骤：
实时采集综合录井数据，并获取目标井口钻柱在X轴方向上的实际振幅Ax；综合录井数据包括钻头工作时对应的实际泵压p、实际钻时ROP和实际扭矩N；
基于采集的综合录井数据，利用钻头泥包预报计算模型计算出泥包风险指数Fp；
将泥包风险指数Fp与报警门限值β做比较；当Fp＞β时，表示泥包风险指数超出安全范围，计算机发出提示预警；当Fp≤β，表示泥包风险指数在安全范围内，计算机只显示具体泥包风险指数值。
10.如权利要求9所述一种预报钻井复杂情况的方法，其特征在于：所述实时采集综合录井数据，是通过综合录井仪数据接口进行的。
CN202111530547.9A 2021-12-14 2021-12-14 一种预报钻井复杂情况的方法 Pending CN114607354A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111530547.9A CN114607354A (zh) 2021-12-14 2021-12-14 一种预报钻井复杂情况的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111530547.9A CN114607354A (zh) 2021-12-14 2021-12-14 一种预报钻井复杂情况的方法

Publications (1)

Publication Number Publication Date
CN114607354A true CN114607354A (zh) 2022-06-10

Family

ID=81857617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111530547.9A Pending CN114607354A (zh) 2021-12-14 2021-12-14 一种预报钻井复杂情况的方法

Country Status (1)

Country Link
CN (1) CN114607354A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117150828A (zh) * 2023-10-31 2023-12-01 中石化西南石油工程有限公司 一种超深井钻柱解卡安全性评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117150828A (zh) * 2023-10-31 2023-12-01 中石化西南石油工程有限公司 一种超深井钻柱解卡安全性评估方法
CN117150828B (zh) * 2023-10-31 2024-02-27 中石化西南石油工程有限公司 一种超深井钻柱解卡安全性评估方法

Similar Documents

Publication Publication Date Title
CN104781494B (zh) 检测钻探功能异常的方法
EP0336477B1 (en) Method of determining drill bit wear
US9057245B2 (en) Methods for optimizing and monitoring underground drilling
CN109989740B (zh) 基于多源信息融合的煤系地层钻进智能识别系统及其方法
US11203922B1 (en) Method and equipment for optimizing hydraulic parameters of deepwater managed pressure drilling in real time
CN105089620B (zh) 卡钻的监测系统、方法及装置
CN104806226A (zh) 智能钻井专家系统
US11704453B2 (en) Drill bit design selection and use
CN110671095B (zh) 一种地质地层压力智能随钻软测量方法
CN108678725A (zh) 井下摩阻和扭矩实时监测分析方法
US11525822B2 (en) Quantifying operational inefficiencies utilizing natural gasses and stable isotopes
CN113431496A (zh) 一种钻采船协同作业故障诊断及辅助决策方法
CN114607354A (zh) 一种预报钻井复杂情况的方法
CN114818451A (zh) 一种机械钻速预测方法、装置、存储介质以及设备
CN114856540A (zh) 一种基于在线学习的水平井机械钻速随钻预测方法
Deng et al. Bit optimization method for rotary impact drilling based on specific energy model
WO2019036122A1 (en) METHODS OF DRILLING A WELLBORE IN A SUBTERRANEAN AREA AND DRILLING CONTROL SYSTEMS THAT IMPLEMENT THE METHODS
GB2142679A (en) Method and apparatus for borehole fluid influx detection
WO2023075925A1 (en) Design of service improvements using adaptive models derived from classified vibration mechanisms
GB2275283A (en) Detection of bit whirl
CN116701952B (zh) 一种基于知识图谱的井下复杂工况识别方法
CN117272644B (zh) 基于钻孔参数的岩爆倾向性预测方法及系统
EP0293767A2 (en) Computer-controlled model for determining internal friction angle, porosity, and fracture probability
CN117627615A (zh) 一种石油修井机作业监测控制系统
CN114169558A (zh) 一种用于预测钻井井涌风险的方法及系统

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