CN115126478A

CN115126478A - 一种溢流识别处理方法及装置

Info

Publication number: CN115126478A
Application number: CN202210748004.2A
Authority: CN
Inventors: 史肖燕; 季勇; 崔猛; 汪海阁; 伍东; 赵飞; 丁燕; 黄凯; 于洋
Original assignee: China National Petroleum Corp; CNPC Engineering Technology R&D Co Ltd
Current assignee: China National Petroleum Corp; CNPC Engineering Technology R&D Co Ltd
Priority date: 2022-06-29
Filing date: 2022-06-29
Publication date: 2022-09-30
Also published as: WO2024001061A1

Abstract

本发明提供一种溢流识别处理方法及装置，涉及钻井技术领域。所述方法包括：获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别。所述装置执行上述方法。本发明实施例提供的溢流识别处理方法及装置，能够提高识别溢流是否发生的准确性。

Description

一种溢流识别处理方法及装置

技术领域

本发明涉及钻井技术领域，具体涉及一种溢流识别处理方法及装置。

背景技术

钻井是勘探开发石油天然气的重要手段，在钻井施工作业中，钻井复杂情况和事故自始至终威胁着钻井的整个过程，严重影响着钻井速度、建井质量和勘探开发效益。其中，溢流是影响钻井施工安全最为常见的井下复杂事故之一。溢流会改变原来确定的钻井作业方案，增加钻井费用；作为井涌井喷的前期阶段，如果对溢流没有及时发现并预警，延长井控处理时间，溢流情况将加重，严重时甚至会导致井喷失控；因此对溢流进行早期识别能避免井喷等严重事故的发生，这对钻井的安全性和经济性具有重大意义。

在钻井工程实际中，传统的溢流识别通过人工监测总池体积和出入口流量差变化的方式进行，受限于泥浆池面积过大，通常只有当总池体积变化量达到2平方米以上时才能识别出溢流的发生，给溢流的识别造成了滞后；这种依赖人工监测的方式，识别结果在很大程度上依赖人工经验，造成了溢流识别水平参次不齐，时有漏报发生。同时，目前现场多用靶式流量计，测量的出口流量单位一般为％，而入口流量通常由泵冲等参数计算所得，单位为L/s，因此出入口流量差很难直接获得，这也给溢流的识别造成了困难。另一方面，由于井筒流体机制的复杂性，地层压力的不确定性以及数据的不完整性，传统的物理模型难以精准模拟描述溢流的发生过程。随着数据采集技术和分析技术的快速发展，钻井研究人员开始采用提升出口流量测量精度、利用大数据人工智能分析测量数据等方法判断溢流的发生，然而判断溢流是否发生的准确度不高。

发明内容

针对现有技术中的问题，本发明实施例提供一种溢流识别处理方法及装置，能够至少部分地解决现有技术中存在的问题。

一方面，本发明提出一种溢流识别处理方法，包括：

获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；

根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别。

其中，所述根据处理得到的钻井实时测量数据对钻井状态进行识别，包括：

若确定井深等于钻头深度，且钻压大于零，且钻盘转速大于零，且泵冲大于零，则确定钻井状态识别结果为钻进；

若确定当前时刻的钻头深度大于前一相邻时刻的钻头深度，且当前时刻的井深与当前时刻的钻头深度之差大于起下钻阈值；

或者，若确定当前时刻的钻头深度大于前一相邻时刻的钻头深度，且前一相邻时刻的钻井状态识别结果为下钻，则确定钻井状态识别结果为下钻；

若确定当前时刻的钻头深度小于前一相邻时刻的钻头深度，且当前时刻的井深与当前时刻的钻头深度之差大于起下钻阈值；

或者，若确定当前时刻的钻头深度小于前一相邻时刻的钻头深度，且前一相邻时刻的钻井状态识别结果为起钻，则确定钻井状态识别结果为起钻。

其中，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，包括：

获取总池体积时间序列窗口平均值，以及正常钻进状态下的总池体积基值，根据所述总池体积时间序列窗口平均值和所述总池体积基值，计算得到基于总池体积的第一溢流发生指数；

获取出口流量数据时间序列和入口流量数据时间序列，根据所述出口流量数据时间序列和所述入口流量数据时间序列，计算得到基于出口流量的第二溢流发生指数；

根据所述第一溢流发生指数、所述第二溢流发生指数和各自对应的权重指数，计算得到溢流发生综合指数，并根据所述溢流发生综合指数与溢流识别阈值的比较结果，确定在钻进状态下溢流是否发生的识别结果。

其中，所述根据所述总池体积时间序列窗口平均值和所述总池体积基值，计算得到基于总池体积的第一溢流发生指数，包括：

根据所述总池体积基值和所述总池体积时间序列窗口平均值，计算得到总池体积数值偏离量；

根据所述总池体积数值偏离量和总池体积变化阈值，计算得到所述第一溢流发生指数。

其中，所述根据所述出口流量数据时间序列和所述入口流量数据时间序列，计算得到基于出口流量的第二溢流发生指数，包括：

根据所述出口流量数据时间序列进行出口流量变化趋势识别；以及根据所述入口流量数据时间序列进行入口流量变化趋势识别；

对出口流量变化趋势识别结果和入口流量变化趋势识别结果进行相似性计算，根据相似性计算结果和出口流量变化阈值，计算得到所述第二溢流发生指数。

根据钻具长度、钻具内径和钻具外径，计算起出井筒的钻柱体积；

若确定起下钻罐体积变化量大于所述起出井筒的钻柱体积和钻柱体积变化阈值之和，则确定在起钻状态下发生溢流。

根据钻具长度、钻具内径和钻具外径，计算进入井筒的钻柱体积；

若确定起下钻罐体积变化量大于所述进入井筒的钻柱体积和钻柱体积变化阈值之和，则确定在下钻状态下发生溢流。

一方面，本发明提出一种溢流识别处理装置，包括：

获取单元，用于获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；

识别单元，用于根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别。

再一方面，本发明实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下方法：

本发明实施例提供一种计算机可读存储介质，包括：

所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法：

本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如下方法：

本发明实施例提供的溢流识别处理方法及装置，获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，能够提高识别溢流是否发生的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是本发明一实施例提供的溢流识别处理方法的流程示意图。

图2是本发明另一实施例提供的溢流识别处理方法的流程示意图。

图3是本发明另一实施例提供的溢流识别处理方法的流程示意图。

图4是本发明一实施例提供的溢流识别处理装置的结构示意图。

图5为本发明实施例提供的计算机设备实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

图1是本发明一实施例提供的溢流识别处理方法的流程示意图，如图1所示，本发明实施例提供的溢流识别处理方法，包括：

步骤S1：获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别。

步骤S2：根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别。

在上述步骤S1中，装置获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别。装置可以是执行该方法的计算机设备等，例如为服务器。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。钻井实时测量数据可以为时间序列数据。

可以用数据偏离度约束方法对原数据序列进行单点大噪声的清洗，在最大程度上保持了时间序列的原值。该方法首先计算时间序列相邻数据点的差值，形成新的数据差值序列。假设原始序列为X(X＝X₁，X₂，X₃，…，X_n)，那么新的差值序列为X′(X′＝X′₁，X′₂，X′₃，…，X′_n-1)；X′_i由下列公式得出：

X′_i＝X_i+1-X_i (式1)

异常点阈值由下列公式得出：

TH_noise＝E(X′)+3S(X′) (式2)

其中：

当原始时间序列中的i点同时满足下列两个不等式时：

X′_i＞TH_noise；X′_i+1＜-TH_noise (式5)

或者同时满足下列两个不等式时：

X′_i＜-TH_noise；X′_i+1＞TH_noise (式6)

可判定X_i为单点大噪声，并利用前后值进行线性插值填充，得到清洗后的新数据序列，(X_new＝X₁，X₂...X_i-new...X_n)，其中：

X_i-new＝(X_i-1+X_i+1)/2

所述根据处理得到的钻井实时测量数据对钻井状态进行识别，包括：

或者，若确定当前时刻的钻头深度小于前一相邻时刻的钻头深度，且前一相邻时刻的钻井状态识别结果为起钻，则确定钻井状态识别结果为起钻。说明如下：

若HDEP_i＝BDEP_i&&BOP_i＞0&&RPM_i＞0&&PUMP_i＞0；则DS_i为钻进状态；

若BDEP_i＞BDEP_i-1&&(HDEP_i-BDEP_i＞TH_trip||DS_i-1为下钻)；则DS_i为下钻状态；

若BDEP_i＜BDEP_i-1&&(HDEP_i-BDEP_i＞TH_trip||DS_i-1为起钻)；则DS_i为起钻状态；

其中：HDEP_i：T_i时间点的井深，单位为m；

BDEP_i：T_i时间点的钻头深度，单位为m；

BOP_i：T_i时间点的钻压，单位为kN；

RPM_i：T_i时间点的钻盘转速，单位为RPM；

PUMP_i：T_i时间点的泵冲，单位为stk；

TH_trip：起下钻的深度阈值，单位为m，本方法里采用的阈值为27m；

DS_i：T_i时间点的钻井状态，无单位。

在上述步骤S2中，装置根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别。如图2所示，根据T_i时刻识别的钻井状态，动态调用不同的溢流识别算法，实时计算溢流发生的可能性。

利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，包括：

所述根据所述总池体积时间序列窗口平均值和所述总池体积基值，计算得到基于总池体积的第一溢流发生指数，包括：

根据所述总池体积基值和所述总池体积时间序列窗口平均值，计算得到总池体积数值偏离量；获取方式为：在T_i时间点读取窗口长度为w₁的总池体积数据段(PV_i-w1，PV_i)，计算此数据段的方差Var(PV)，计算公式参考(式4)；同时根据历史井数据获取正常钻进状态(出入口流量保持不变，对泥浆池无加泥浆和减泥浆的操作，无钻井事故发生)下的同窗口长度的总池体积方差值，以此值作为方差阈值TH_pvv；如果

Var(PV)＜1.5×TH_pvv

则获取该时间序列段(PV_i-w1，PV_i)的均值，计算公式参考(式3)，作为总池体积基值PV_basic。

以移动窗口平均法计算时间T_i时，窗口长度为w₂的平均值Avg_i，计算公式参考(式3)；结合计算的总池体积基值，计算当前总池体积数值偏离量PV_dif-i：

PV_dif-i＝Avg_i-PV_basic

其中：

Avgi：总池体积时间序列窗口(PV_i-w2，PV_i)的平均值，即T_i时刻总池体积估算值。

POK_PV-at-i＝min(max(PV_dif-i/PV_tolerance×100％，0)，1)

其中：

POK_pV-at-i：T_i时刻的第一溢流发生指数，用于根据总池体积变化趋势判断溢流可能性。

PV_tolerance：总池体积变化阈值，当总池体积增加值达到上述阈值时，溢流可能性为1。

所述根据所述出口流量数据时间序列和所述入口流量数据时间序列，计算得到基于出口流量的第二溢流发生指数，包括：

根据所述出口流量数据时间序列进行出口流量变化趋势识别；以及根据所述入口流量数据时间序列进行入口流量变化趋势识别；在时间T_i，取窗口长度为w₃的出口流量时间序列段FO(FO＝FO_i-w3，FO_i-w3+1，…，FO_i)，对时间序列进行降维处理，降维后的时间序列为FO′(FO′＝FO′₁，…，FO′_v)，v为分段数，通常(v＜＜w₃)。FO′_k由下列公式得出：

对降维后的时间序列FO′(FO′＝FO′₁，…，FO′_v)进行变化趋势模式识别。首先计算时间序列FO′的相对变化量，得到新的序列FO″(FO″＝FO″₁，…，FO″_v-1)，FO″_k采用如下公式计算：

根据计算所得的FO″_k值，把出口流量的变化模式分为：突降(-3)、降低(-2)、缓降(-1)、不变(0)、缓升(1)、升高(2)、突升(3)；不同的变化模式与数值的对应关系如下：

若FO″_k＞70％，时间T_k的变化模式为“突升”；

若30％＜FO″_k＜70％，时间T_k的变化模式为“升高”；

若5％＜FO″_k＜30％，时间T_k的变化模式为“缓升”；

若-5％＜FO″_k＜5％，时间T_k的变化模式为“不变”；

若-30％＜FO″_k＜-5％，时间T_k的变化模式为“缓降”；

若-70％＜FO″_k＜-30％，时间T_k的变化模式为“降低”；

若FO″_k＜-70％，时间T_k的变化模式为“突降”；

至此，降维后的时间序列FO′可转换成出口流量的变化模式序列，从变化模式序列可识别出口流量的变化趋势。

入口流量变化趋势识别，可以参照上述出口流量变化趋势识别的说明，不再赘述。

对出口流量变化趋势识别结果和入口流量变化趋势识别结果进行相似性计算，根据相似性计算结果和出口流量变化阈值，计算得到所述第二溢流发生指数。由于出口流量与入口流量密切相关，单独用出口流量的变化趋势无法准确判断溢流的发生；同时，现场常用靶式流量计测量出口排量，单位为％，而入口流量通常由计算所得，单位为L/s，出入口流量往往无法直接进行实际值的比较。在正常情况下，出入口流量曲线的变化趋势一致，两条曲线变化趋势的偏离可用来作为溢流或是漏失的判断。本发明通过把出口流量曲线和入口流量曲线进行从数据到模式的变化，来计算出入口流量变化趋势的相似性，从而计算以出口流量变化为依据的溢流发生可能性。

依照上述方法把出入口流量时间序列FO和FI分别转换成FO″′(FO″′＝FO″′₁，…，FO″′_v-1)和FI″′(FI″′＝FI″′₁，…，FI″′v_-1)；其中：

FO″′_k和FI″′_k∈{突降，降低，缓降，不变，缓升，升高，突升}；

其次，计算出入口流量曲线模式的相似性；所用公式如下：

再次，计算以出口流量变化趋势为依据的溢流可能性：

POK_F0-at-i＝min(max(S/S_tolerance×100％，0)，1)

其中：

POK_F0-at-i：T_i时刻的第二溢流发生指数，用于根据出口流量变化趋势判断溢流可能性。

S_tolerance：出口流量变化阈值，当S达到该阈值时，POK_FO-at-i为1。

POK_total＝Weight_FO×POK_FO-at-i+Weight_PV×POK_PV-at-i

其中：

Weight_F0，Weight_PV：分别为出口流量和总池体积的权重指数，并且满足下式：

Weight_F0+Weight_PV＝1

溢流识别阈值可以根据实际情况自主设置，可选为75％。如果溢流发生综合指数大于溢流识别阈值，则确定在钻进状态下溢流发生；如果溢流发生综合指数小于等于溢流识别阈值，则确定在钻进状态下溢流不发生。

根据钻具长度、钻具内径和钻具外径，计算起出井筒的钻柱体积；可以根据起下钻操作方式，采用对应计算方式计算起出井筒的钻柱体积，若起下钻操作方式为开排，则：

若起下钻操作方式为闭排，则：

其中：

PI为圆周率；

BDEP_starttime：钻具起出开始时间；

BDEP_endtime：钻具起出结束时间；

Tool.OD_i：钻具i的外径，单位m；

Tool.ID_i：钻具i的内径，单位m；

Tool.Length_i：钻具i的长度，单位m；

起下钻罐体积变化量计算方式如下：

V_{triptank-change}＝V_triptank-sta-V_triptank-end

V_{triptank-hange}：起下钻罐体积变化量，单位m³；

V_triptank-st：开始起出钻具时的起下钻罐体积，单位m³；

V_triptank-end：起出钻具结束时的起下钻罐体积，单位m³；

若：

|V_{triptank-hange}|＞|V_total-out|+V_torelance

则可判断溢流发生，其中，V_torelance为钻柱体积变化阈值。

根据钻具长度、钻具内径和钻具外径，计算进入井筒的钻柱体积；可以根据起下钻操作方式，采用对应计算方式计算进入井筒的钻柱体积，若起下钻操作方式为开排，则：

若起下钻操作方式为闭排，则：

其中：

PI为圆周率；

BDEP_starttime：钻具下入开始时间；

BDEP_endtime：钻具下入结束时间；

Tool.OD_i：钻具i的外径，单位m；

Tool.ID_i：钻具i的内径，单位m；

Tool.Length_i：钻具i的长度，单位m；

起下钻罐体积变化量计算方式如下：

V_{triptank-change}＝V_triptank-sta-V_triptank-end

V_{triptank-change}：起下钻罐体积变化量，单位m³；

V_triptank-sta：开始下入钻具时的起下钻罐体积，单位m³；

V_triptank-end：下入钻具结束时的起下钻罐体积，单位m³；

若：

|V_{triptank-change}|＞|V_total-ou|+V_torelance

则可判断溢流发生，其中，V_torelance为钻柱体积变化阈值。

需要说明的是，起出井筒与进入井筒为不同钻井状态，其中的上述钻井实时测量数据为在不同钻井状态的相同数据，因此都使用相同的符合标记来表示。

如图3所示，在根据处理得到的钻井实时测量数据对溢流是否发生进行识别的步骤之后，所述溢流识别处理方法还包括：

步骤S3：若确定溢流识别结果为发生溢流，则生成报警消息，以供相关人员及时采取应对措施。

结合示例说明如下：

某油田某井，在9月21日0：38，钻进至井深5247.21m处，气测异常，总池体积增大，关井观察，套压上升，确定溢流发生。利用本发明及时准确对溢流进行了识别。下面是对识别过程的详细描述。

步骤①，数据清洗。

取识别开始时间9月21日0：14，结束时间9月21日0：37；读取溢流识别所需的实时测量数据：井深、钻头深度、入口流量、出口流量、总池体积；本发明依据原数据改动最少原则，采用数据偏离度的方法对单点大噪声进行清洗。

获取入口流量在9月21日0：14-9月21日0：36时间段的数据序列，并计算相邻数据差，获得新的时间序列，计算该新时间序列的平均值和方差，分别为0.000114和0.061674；根据公式：

TH_noise＝E(X′)+3S(X′)

得到噪声阈值TH_noise＝0.1851；算法遍历入口流量时间序列，发现在时间点9月21日0:28:07时，入口流量为15.26L/s与前值16.59L/s差为-1.33，与后值16L/s差为0.74，满足(式6)，可判定为该数据点为异常点，用前值和后值进行线性插值填充。

步骤②和③，自动识别钻井状态，并按钻井状态调用相应的溢流识别算法。

取识别开始时间9月21日0:14，结束时间9月21日0:37；读取钻井状态自动识别所需的实时测量数据：井深、钻头深度、钻压、转盘转速；

在0：15-0：37之间，钻头深度与井深相同，钻压、转盘转速都大于最小阈值，可判定这段时间钻井状态为钻进；调用钻进期间的溢流识别算法。

步骤④，钻进期间的溢流自动识别算法。

a、获取正常钻进状态下的总池体积基值PV_basic

取开始时间9月21日0:17，结束时间9月21日0:27的总池体积时间序列段，根据步骤②和③，此时间段钻井状态为钻进，符合总池体积基值获取要求，计算此时间段的标准方差，结果为：0.053；此实例设定的标准方差阈值为0.05，由于0.053＜1.5×0.05，因此，此时间段的总池体积平均值109.32可作为总池体积基值。

b、实时识别总池体积的变化

在时间点9月21日0：36：00，取时间长度为2分钟的窗口(0:34:00-0:36:00)，计算平均值109.55；取总池体积变化阈值为0.3；则以总池体积为依据的溢流可能性指数为：

POK_PV-at-i＝(109.55-109.32)/0.3×100％＝76.67％

c、实时识别出口流量的变化

在时间点9月21日0:36:00，取时间长度为5分钟的窗口(0:31:00-0:36:00)，把窗口分5段，分别计算入口流量和出口流量的变化趋势，所得结果为：

入口流量＝{0.011；0.005；-0.004；-0.003}

出口流量＝{0.041；0.029；0.120；0.067}

转换成变化模式为：

入口流量＝{不变；不变；不变；不变}

出口流量＝{不变；不变；缓增；缓增}

d、计算出入口流量曲线的相似度

计算出入口流量曲线的相似性，可得：

S＝(0-0)+(0-0)+(1-0)+(1-0)＝2

取S_tolerance为2，计算以出口流量变化趋势为依据的溢流可能性

POK_F0-at-i＝min(max(S/S_tolerance×100％，0)，1)＝100％；

e、计算溢流可能性指数

取Weight_F0为0.5，Weight_PV为0.5；计算综合溢流可能性指数为：

POK_total＝Weight_F0×POK_F0-at-i+Weight_PV×POK_PV-at-i＝0.5*76.67％+0.5*100％＝88.34％

大于溢流确定阈值75％，可判定为溢流发生。

与现有技术相比，本发明的有益效果是：

1.本发明采用钻井状态驱动的溢流早期识别方法，通过实时数据接收和清洗，钻井状态自动识别，以及不同钻井状态下溢流识别算法的自动调用等步骤，实现整个钻井过程的溢流识别的自动化和智能化。

2.结合历史数据分析的总池体积基值自动获取方法，相比常用的人工设定总池体积基值的方法更精准、更智能，有效避免了人工设定的主观性和滞后性。

3.本发明采用的进出口流量变化趋势模式识别方法，通过分段平均和变化趋势符号化方法更准确地反映曲线总体变化趋势，弱化局部变化对下一步曲线变化趋势相似性计算的影响；使溢流识别更精准、更及时。

4.本发明采用溢流可能性的计算方法，使溢流识别更精准、更客观。

本发明实施例提供的溢流识别处理方法，获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，能够提高识别溢流是否发生的准确性。

进一步地，所述根据处理得到的钻井实时测量数据对钻井状态进行识别，包括：

若确定井深等于钻头深度，且钻压大于零，且钻盘转速大于零，且泵冲大于零，则确定钻井状态识别结果为钻进；可参照上述说明，不再赘述。

或者，若确定当前时刻的钻头深度大于前一相邻时刻的钻头深度，且前一相邻时刻的钻井状态识别结果为下钻，则确定钻井状态识别结果为下钻；可参照上述说明，不再赘述

或者，若确定当前时刻的钻头深度小于前一相邻时刻的钻头深度，且前一相邻时刻的钻井状态识别结果为起钻，则确定钻井状态识别结果为起钻。可参照上述说明，不再赘述。

进一步地，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，包括：

获取总池体积时间序列窗口平均值，以及正常钻进状态下的总池体积基值，根据所述总池体积时间序列窗口平均值和所述总池体积基值，计算得到基于总池体积的第一溢流发生指数；可参照上述说明，不再赘述。

获取出口流量数据时间序列和入口流量数据时间序列，根据所述出口流量数据时间序列和所述入口流量数据时间序列，计算得到基于出口流量的第二溢流发生指数；可参照上述说明，不再赘述。

根据所述第一溢流发生指数、所述第二溢流发生指数和各自对应的权重指数，计算得到溢流发生综合指数，并根据所述溢流发生综合指数与溢流识别阈值的比较结果，确定在钻进状态下溢流是否发生的识别结果。可参照上述说明，不再赘述。

进一步地，所述根据所述总池体积时间序列窗口平均值和所述总池体积基值，计算得到基于总池体积的第一溢流发生指数，包括：

根据所述总池体积基值和所述总池体积时间序列窗口平均值，计算得到总池体积数值偏离量；可参照上述说明，不再赘述。

根据所述总池体积数值偏离量和总池体积变化阈值，计算得到所述第一溢流发生指数。可参照上述说明，不再赘述。

进一步地，所述根据所述出口流量数据时间序列和所述入口流量数据时间序列，计算得到基于出口流量的第二溢流发生指数，包括：

根据所述出口流量数据时间序列进行出口流量变化趋势识别；以及根据所述入口流量数据时间序列进行入口流量变化趋势识别；可参照上述说明，不再赘述。

对出口流量变化趋势识别结果和入口流量变化趋势识别结果进行相似性计算，根据相似性计算结果和出口流量变化阈值，计算得到所述第二溢流发生指数。可参照上述说明，不再赘述。

根据钻具长度、钻具内径和钻具外径，计算起出井筒的钻柱体积；可参照上述说明，不再赘述。

若确定起下钻罐体积变化量大于所述起出井筒的钻柱体积和钻柱体积变化阈值之和，则确定在起钻状态下发生溢流。可参照上述说明，不再赘述。

根据钻具长度、钻具内径和钻具外径，计算进入井筒的钻柱体积；可参照上述说明，不再赘述。

若确定起下钻罐体积变化量大于所述进入井筒的钻柱体积和钻柱体积变化阈值之和，则确定在下钻状态下发生溢流。可参照上述说明，不再赘述。

图4是本发明一实施例提供的溢流识别处理装置的结构示意图，如图4所示，本发明实施例提供的溢流识别处理装置，包括获取单元401和识别单元402，其中：

获取单元401用于获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；识别单元402用于根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别。

具体的，装置中的获取单元401用于获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；识别单元402用于根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别。

本发明实施例提供的溢流识别处理装置，获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，能够提高识别溢流是否发生的准确性。

本发明实施例提供溢流识别处理装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。

图5为本发明实施例提供的计算机设备实体结构示意图，如图5所示，所述计算机设备包括：存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序，所述处理器502执行所述计算机程序时实现如下方法：

本实施例公开一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如下方法：

本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法：

本发明实施例与现有技术中的技术方案相比，获取钻井实时测量数据，对所述钻井实时测量数据进行数据处理，根据处理得到的钻井实时测量数据对钻井状态进行识别；根据钻井状态识别结果确定相应的溢流识别计算方式，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，能够提高识别溢流是否发生的准确性。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种溢流识别处理方法，其特征在于，包括：

2.根据权利要求1所述的溢流识别处理方法，其特征在于，所述根据处理得到的钻井实时测量数据对钻井状态进行识别，包括：

3.根据权利要求2所述的溢流识别处理方法，其特征在于，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，包括：

4.根据权利要求3所述的溢流识别处理方法，其特征在于，所述根据所述总池体积时间序列窗口平均值和所述总池体积基值，计算得到基于总池体积的第一溢流发生指数，包括：

5.根据权利要求3所述的溢流识别处理方法，其特征在于，所述根据所述出口流量数据时间序列和所述入口流量数据时间序列，计算得到基于出口流量的第二溢流发生指数，包括：

6.根据权利要求2所述的溢流识别处理方法，其特征在于，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，包括：

7.根据权利要求2所述的溢流识别处理方法，其特征在于，利用所述溢流识别计算方式，并根据处理得到的钻井实时测量数据对溢流是否发生进行识别，包括：

8.一种溢流识别处理装置，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一所述方法。

11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一所述方法。