CN116205021A - 一种用于智能钻井计算模型的校正方法及系统 - Google Patents

一种用于智能钻井计算模型的校正方法及系统 Download PDF

Info

Publication number
CN116205021A
CN116205021A CN202111458444.6A CN202111458444A CN116205021A CN 116205021 A CN116205021 A CN 116205021A CN 202111458444 A CN202111458444 A CN 202111458444A CN 116205021 A CN116205021 A CN 116205021A
Authority
CN
China
Prior art keywords
drilling
model
calculation
deviation
real
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
CN202111458444.6A
Other languages
English (en)
Inventor
张好林
王立双
段继男
李昌盛
杨传书
付宣
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 Petroleum and Chemical Corp
Sinopec Research Institute of Petroleum Engineering
Original Assignee
China Petroleum and Chemical Corp
Sinopec Research Institute of Petroleum Engineering
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 Petroleum and Chemical Corp, Sinopec Research Institute of Petroleum Engineering filed Critical China Petroleum and Chemical Corp
Priority to CN202111458444.6A priority Critical patent/CN116205021A/zh
Publication of CN116205021A publication Critical patent/CN116205021A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
    • E21B2200/20—Computer models or simulations, e.g. for reservoirs under production, drill bits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

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

Abstract

本发明公开了一种用于智能钻井计算模型的校正方法及系统，包括：获取当前正钻井的钻井静态数据和实钻测量数据，基于此，利用当前钻井过程中所使用的原始钻井计算模型，计算钻井状态参数；根据钻井状态参数和所述实钻测量数据，对模型计算出的井下状态与实际测量状态进行实时偏差监测，并根据实时偏差监测结果，分析当前偏差发生的原因；在当前偏差由模型计算引起时，通过对当前偏差量的评价结果来对所述原始钻井计算模型进行校正。本发明能在钻井过程中不断改善钻井计算模型的计算准确性，同时，实现模型的自动校正。

Description

一种用于智能钻井计算模型的校正方法及系统
技术领域
本发明涉及石油工程技术领域，尤其是涉及一种用于智能钻井计算模型的校正方法及系统。
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，大量的非均质性、不确定性、非结构性以及非数值化难题构成了钻井工程“黑箱”，导致处理钻井风险和事故所需的成本越来越高，实现安全、高效、低成本钻井成为钻井行业的首要目标。
然而，当前钻井行业传感器元器件性能受井下高频振动、高温高压、钻井液流动等因素制约，无法完全依靠传感器获取井下全方位的参数来识别井下状态，预测井下风险；另一方面，在钻井作业中使用更多的精密传感器会大幅增加钻井作业成本，与钻井提速提效控制成本目标相悖，因此，无法大规模实施使用，仅在重点探井当中增加少量的传感测量仪器来监测井下参数。
同时，当前钻井行业内智能化钻井的发展除了需要自动化钻机装备之外，更加依赖于各类钻井计算模型对钻井状态进行计算、分析、诊断、预测、优化以及决策，从而实现对自动钻机的智能精确控制。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状态、趋势及风险进行计算分析，但由于这些计算模型在建立之初就有诸多假设条件，计算结果与真实井下环境存在偏差，并且随着钻井作业进行井眼延伸，受温度压力、井眼轨迹影响，井筒流体流变性和钻柱状态不断变化将导致计算偏差不断增大，最终影响对井眼状态识别和风险预警结果的准确性。先进、复杂的钻井计算模型依赖于大量的输入参数，如管柱和井筒几何形状、各种调谐参数和流体性能，因此，这些计算模型在钻井现场难以配置且需要消耗大量时间，并且每口井都可能需要专家，正确初始化计算模型并在钻井过程中适时调整。
在现有模型校正方法中，主要是对计算结果附加一个偏差值来调整计算结果使其与测量值吻合，属于强行拟合，这种方法会在后续钻井计算中很快出现偏差，同时需要人员监测模型使用情况以便随时进行调整，部分甚至需要进行模型的手工调整，费时费力且效果较差。
因此，现有技术需要开发一种能够对钻井过程计算模型进行实时性的自动校正的方案，从而在自动化智能化钻井过程中通过实现对计算模型的自动校正来保持模型计算精度。
发明内容
为了解决上述技术问题，本发明提供了一种用于智能钻井计算模型的校正方法，包括：获取当前正钻井的钻井静态数据和实钻测量数据，基于此，利用当前钻井过程中所使用的原始钻井计算模型，计算钻井状态参数；根据所述钻井状态参数和所述实钻测量数据，对模型计算出的钻井状态与实际测量状态进行实时偏差监测，并根据实时偏差监测结果，分析当前偏差发生的原因；在当前偏差由模型计算引起时，通过对当前偏差量的评价结果来对所述原始钻井计算模型进行校正。
优选地，根据实时偏差监测结果，分析当前偏差发生的原因步骤中，包括：在当前偏差大于预设的第一偏差阈值时，继续分析当前偏差是由当前钻井作业控制参数的波动而引起，其中，若当前偏差不是由当前钻井作业控制参数的波动而引起，则需要对所述原始钻井计算模型进行校正，并立即生成模型校正指令。
优选地，对当前钻井控制参数在指定时间段内是否出现波动进行诊断，以确定当前偏差发生原因，其中，若出现波动则继续计算所述钻井状态参数；若未出现波动，则确定当前偏差是由模型计算而引起。
优选地，在当前偏差小于所述第一偏差阈值时，则继续计算所述钻井状态参数。
优选地，在通过当前偏差量来对所述原始钻井计算模型进行校正步骤中，包括：识别当前钻机类型；基于钻机类型识别结果，根据稳定状态下的钻井作业控制参数或加入具有预设特征的波动的钻井作业控制参数，利用预设的多种调参模型，计算每种调参模型对应的钻井状态参数与所述实钻测量数据之间的偏差量，以对所述原始钻井计算模型进行校正，其中，所述多种调参模型是将所述原始钻井计算模型中的一个或若干个模型参数以不同策略进行调整后而形成的。
优选地，在当前钻机为非自动化钻机时，获取稳定状态下的钻井作业控制参数；根据所述稳定状态下的钻井作业控制参数，利用预设的多种调参模型，计算不同模拟条件下的钻井状态参数，进一步结合稳定状态下的实钻测量数据，得到针对不同模拟条件对应的调参模型计算偏差；根据所述调参模型计算偏差，筛选最优的调参模型，并利用最优调参模型来对所述原始钻井计算模型进行替换更新，或者根据所述调参模型计算偏差，筛选多个第一备用调参模型，并利用所述多个第一备用调参模型所形成的模型集合来对所述原始钻井计算模型进行替换更新。
优选地，在当前钻机为自动化钻机时，通过钻机控制系统为当前各项钻井作业控制参数加入微小周期性波动；根据加入微小周期性波动的钻井作业控制参数，利用预设的多种调参模型，计算不同模拟条件下的钻井状态参数，进一步结合在所述原始钻井计算模型的输入中加入微小周期性波动后所获得的实钻测量数据，得到针对不同模拟条件对应的调参模型计算偏差；根据所述调参模型计算偏差，筛选多个第二备用调参模型，并利用由所述多个第二备用调参模型所形成的模型集合来对所述原始钻井计算模型进行替换更新。
优选地，通过将所述钻井状态参数中的各项第一类井口参数与实时录井数据中的各项第二类井口参数进行对比来实现对实时偏差的监测或实现计算偏差的计算。
优选地，在实现对实时偏差的监测或实现计算偏差的计算过程中，包括：根据所述各项第一类井口参数形成多条第一类参数曲线，并根据所述各项第二类井口参数形成多条第二类参数曲线；通过计算所述多条第一类参数曲线与所述多条第二类参数曲线的斜率的差值或曲线空间距离的变化程度或曲线的相似性变化程度，完成对实时偏差的监测或所述计算偏差的计算。
优选地，所述钻井静态数据至少包括井身结构、井眼轨迹、钻具组合和地层分层信息，所述实钻测量数据至少包括实时录井数据和随钻测井数据，所述钻井状态参数至少包括井筒内压力分布特征、岩屑分布特征、钻柱的摩阻分布特征、钻柱的扭矩分布特征、井口立压、井口套压和井口扭矩。
优选地，所述井口参数至少包括立压、套压和扭矩。
优选地，采用多核心多线程并行运行多种调参模型，并分别计算相应调参模型对应的钻井状态参数。
另一方面，本发明还提供了一种用于智能钻井计算模型的校正系统，所述校正系统按照如上述所述的校正方法来执行，其中，所述校正系统包括：目标井数据库，其用于存储当前正钻井的钻井静态数据和实钻测量数据；实时计算模块，其用于获取当前正钻井的钻井静态数据和实钻测量数据，基于此，利用当前钻井过程中所使用的原始钻井计算模型，计算钻井状态参数；模型偏差监测模块，其用于根据所述钻井状态参数和所述实钻测量数据，对模型计算出的钻井状态与实际测量状态进行实时偏差监测，并根据实时偏差监测结果，分析当前偏差发生的原因；自动校正模块，其用于在当前偏差由模型计算引起时，通过对当前偏差量的评价结果来对所述原始钻井计算模型进行校正。
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智能钻井计算模型的校正方法及系统。该校正方法及系统，应用于石油工程领域，通过实时监测计算偏差，利用多核心多线程并行多组调参模型，优选出计算误差最小的调参模型或者模型集合进行应用，保证在钻井过程中计算结果持续准确，可以解决现有模型需要专业人员调参校正且计算精度可持续性差的问题，促进自动化智能化钻井系统的应用，最终帮助钻井工程师实现高效优质钻井。由此，本发明不仅可以在钻井过程中不断改善计算模型的计算准确性，同时，实现模型的自动校正，使得模型调整校正不再需要专家进行耗时耗力的配置以及持续不断的跟踪、监测、调整。另外，本发明不仅有助于提高计算准确率，帮助钻井人员更好地监测井下状态、预测钻井风险，而且可以消除钻井自动化系统的部署应用需要专业专家人员持续维护这一障碍，使自动化/智能化系统成为钻井操作的更具成本效益的选择。
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智能钻井计算模型的校正方法的步骤图。
图2是本申请实施例的用于智能钻井计算模型的校正方法的流程示意图。
图3是本申请实施例的用于智能钻井计算模型的校正方法中的钻井作业控制参数附加微小扰动时的模型校正原理示意图。
图4是本申请实施例的用于智能钻井计算模型的校正系统中的结构示意图。
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，大量的非均质性、不确定性、非结构性以及非数值化难题构成了钻井工程“黑箱”，导致处理钻井风险和事故所需的成本越来越高，实现安全、高效、低成本钻井成为钻井行业的首要目标。
然而，当前钻井行业传感器元器件性能受井下高频振动、高温高压、钻井液流动等因素制约，无法完全依靠传感器获取井下全方位的参数来识别井下状态，预测井下风险；另一方面，在钻井作业中使用更多的精密传感器会大幅增加钻井作业成本，与钻井提速提效控制成本目标相悖，因此，无法大规模实施使用，仅在重点探井当中增加少量的传感测量仪器来监测井下参数。
同时，当前钻井行业内智能化钻井的发展除了需要自动化钻机装备之外，更加依赖于各类钻井计算模型对钻井状态进行计算、分析、诊断、预测、优化以及决策，从而实现对自动钻机的智能精确控制。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状态、趋势及风险进行计算分析，但由于这些计算模型在建立之初就有诸多假设条件，计算结果与真实井下环境存在偏差，并且随着钻井作业进行井眼延伸，受温度压力、井眼轨迹影响，井筒流体流变性和钻柱状态不断变化将导致计算偏差不断增大，最终影响对井眼状态识别和风险预警结果的准确性。先进、复杂的钻井计算模型依赖于大量的输入参数，如管柱和井筒几何形状、各种调谐参数和流体性能，因此，这些计算模型在钻井现场难以配置且需要消耗大量时间，并且每口井都可能需要专家，正确初始化计算模型并在钻井过程中适时调整。
在现有模型校正方法中，主要是对计算结果附加一个偏差值来调整计算结果使其与测量值吻合，属于强行拟合，这种方法会在后续钻井计算中很快出现偏差，同时需要人员监测模型使用情况以便随时进行调整，部分甚至需要进行模型的手工调整，费时费力且效果较差。
因此，为了解决上述一个或多个技术问题，本申请提出了一种用于智能钻井计算模型的校正方法及系统。该方法及系统首先对实钻测量数据与智能钻井计算模型所计算的钻井状态参数进行实时偏差监测，并不断分析当前偏差发生的原因，而后，在当前偏差由模型计算引起时，根据当前偏差量的评价结果来对原始智能钻井计算模型进行实时校正。这样，本发明能够对钻井过程计算模型进行实时性的自动校正，在自动化智能化钻井过程中通过实现对计算模型的自动校正来保持模型计算精度。
图1是本申请实施例的用于智能钻井计算模型的校正方法的步骤图。图2是本申请实施例的用于智能钻井计算模型的校正方法的流程示意图。下面结合图1和图2，对本发明实施例所述的用于智能钻井计算模型的校正方法(以下简称“模型自动校正方法”)进行详细说明。
参考图1，步骤S110获取当前正钻井的钻井静态数据和实钻测量数据，基于此，利用当前钻井过程中所使用的原始钻井计算模型，计算钻井状态参数。
在本示例中，会在实施模型自动校正方法之前，构建关于目标井(即当前)的数据库。其中，目标井数据库所存储的内容包括：钻井(相关)静态数据和从钻井现场获得的各项实时测量数据(即实钻测量数据)。其中，钻井静态数据至少包括：井身结构、井眼轨迹、钻具组合和地层分层信息等。实钻测量数据至少包括：实时录井数据和随钻测井数据。
在步骤S110中，参考图2，需要先在钻井井场部署用于实施智能钻井计算的模型自动校正系统，而后在目标井数据库中导入关于目标井的钻井相关静态数据，并将井场各项实时测量数据接入计算模型自动校正系统中的目标井数据库中。
接下来，步骤S110在钻井作业开始后，还会根据目标井数据库中所存储的数据，运行计算模型自动校正系统，系统基于钻井相关静态数据和实钻测量数据，先确定出当前钻井施工需要对钻机进行控制所需的多项钻井作业控制参数，而后，根据多项钻井作业控制参数，利用原始(智能)钻井计算模型内部的井筒水力、摩阻扭矩等模型，实时计算钻井状态参数。在本发明实施例中，钻井状态参数至少包括：井筒内压力分布特征、岩屑分布特征、钻柱的摩阻分布特征、钻柱的扭矩分布特征、井口立压、井口套压和井口扭矩。
继续参考图1，步骤S120根据步骤S110所实时计算的钻井状态参数和实时采集到的实钻测量数据，对模型计算出的钻井状态与实际测量状态进行实时偏差监测，并根据实时偏差监测结果，分析当前偏差发生的原因。
在步骤S120中，首先，需要将钻井状态参数和钻井现场实时采集到的实钻测量数据进行对比分析，从而实时监测钻井状态参数与实钻测量数据之间的实际偏差。具体地，由于基于模型计算得到的钻井状态参数中包含有多项井口参数，并且，从钻井现场实时采集到的实钻测量数据中也有多项井口参数，因此，本发明实施例会在实时偏差监测过程中，通过将钻井状态参数中的各项第一类井口参数与实时录井数据中的各项第二类井口参数进行对比，来实现对实时偏差的监测或实现下述计算偏差的计算。其中，第一类井口参数包括但不限于基于模型计算得到的井口立压、井口套压和井口扭矩等各项井口参数，第二类井口参数包括但不限于基于实际测量的井口立压、井口套压和井口扭矩等各项井口参数。
进一步，在进行实时偏差监测(或者下述计算不同调参模型对应的计算偏差)过程中，首先，根据各项第一类井口参数形成多条第一类参数曲线，并根据各项第二类井口参数形成多条第二类参数曲线；而后，通过计算多条第一类参数曲线与多条第二类参数曲线的斜率的差值或曲线空间距离的变化程度或曲线的相似性变化程度，完成对实时偏差的监测任务或下述计算偏差的计算任务。
也就是说，在获得多条第一类参数曲线和多条第二类参数曲线后，本发明实施例会确定同一类参数对应的第一类参数曲线(例如：基于模型计算得到的井口立压数据所形成的井口立压曲线)与第二类参数曲线(例如：基于井场实际测量得到的井口立压数据所形成的井口立压曲线)之间的偏差。其中，在本示例中所述的偏差监测既可以是计算“模型计算参数曲线的斜率”与“井口测量参数曲线的斜率”的数据点的差值，也可以是计算这两种曲线的空间距离的变化，还可以是计算这两种曲线的相似性变化。进一步，空间距离变化的计算可以选自欧式距离、余弦距离和曼哈顿距离中的一种算法，曲线相似性变化的计算可以选自基于点方法(例如：EDR、LCSS、DTW等)、基于形状的方法(例如：Frechet、Hausdorff)和基于分段的方法(例如：One Way Distance、LIP distance)中的一种。
接下来，继续参考图2，进一步，根据上述所得到的实时偏差监测结果，分析当前偏差发生的原因。在实际应用过程中，本发明所监测的实时偏差所产生的原因一方面可能是钻井参数的波动变化所引起的，另一方面还可能是原始钻井计算模型在实施智能钻井计算过程中所产生的模型计算结果与实际测量数据之间的偏差，这种偏差就便是后续步骤S130所需要校正的偏差类型。
具体地，在偏差原因分析时，先根据当前偏差监测(计算)结果，确定当前偏差是否达到需要进行模型校正的水平(是否超过钻井安全作业所允许的临界偏差阈值)，在达到需要模型校正的水平的情况下，继续分析当前偏差是否由当前钻井作业控制参数的波动而引起的。另外，在当前偏差未达到需要模型校正的水平的情况下，则无需继续诊断偏差发生原因，从而继续利用原始钻井计算模型计算钻井状态参数。
进一步，在对当前偏差是否达到需要模型校正水平进行诊断时，需要在当前偏差监测结果中存在偏差量数据大于预设的第一偏差阈值的情况下，确定当前偏差达到需要模型校正的水平，从而继续分析当前偏差是否由当前钻井作业控制参数的波动而引起。另外，在当前偏差监测结果中并未出现偏差量数据小于上述第一偏差阈值的情况下，则确定当前偏差未达到需要模型校正的水平，此时，需要返回到步骤S110中，继续根据实钻测量数据并利用原始钻井计算模型来计算钻井状态参数。
进一步，在诊断当前偏差是否由当前钻井作业控制参数的波动而引起时，需要对当前钻井控制参数在指定时间段内是否出现波动进行诊断，以确定当前偏差发生原因。其中，若当前钻井控制参数在指定时间段内出现波动，则确定当前偏差是由钻井作用控制参数的波动所引起的，此时，需要返回到步骤S110中，继续根据实钻测量数据并利用原始钻井计算模型来计算钻井状态参数，从而在钻井作业控制参数稳定时再执行偏差超限的判断。另外，若当前钻井控制参数在指定时间段内未出现波动(状态稳定)，则确定当前偏差不是由钻井作用控制参数的波动所引起的，而是由原始钻井计算模型的自身计算所引起的。
进一步，若当前偏差不是由钻井作用控制参数的波动所引起的，而是由原始钻井计算模型的自身计算所引起的，则需要对原始钻井计算模型进行校正，并在钻井作业控制参数稳定(无波动)时，立即生成模型校正指令，以启动下述步骤S130。
如图1所示，步骤S130在当前偏差由模型计算引起时，通过对当前偏差量的评价结果，来对原始钻井计算模型进行校正。
在步骤S130中，在钻井作业控制参数稳定(无波动)后，在上述模型校正指令的指示下，开始执行原始模型校正流程。具体地，在原始模型校正流程中，首先，识别当前钻机类型，而后，基于当前钻机类型识别结果，根据稳定状态下的钻井作业控制参数或加入具有预设特征的波动的钻井作业控制参数，利用预设的多种调参模型，计算每种调参模型对应的钻井状态参数与实钻测量数据之间的偏差量(计算偏差)，以对原始钻井计算模型进行校正。
在本发明实施例中，会预先构建多种调参模型，每种调参模型均是基于原始钻井计算模型在执行不同调参策略后而形成的。进一步，多种调参模型是将原始钻井计算模型中的一个或若干个模型参数以不同调节幅度进行调整后而形成的。
另外，在运行多种调参模型，计算针对不同调参模型所对应的偏差量时，采用多核心多线程并行运行多种调参模型，并分别计算相应调参模型对应的钻井状态参数。
在实际应用过程中，原始钻井计算模型是根据不同项表征钻井状态环境特征的模型参数(例如：钻井液流变参数、井下温度分布特征、井下压力分布特征等信息)来构建的。因此，在对原始钻井计算模型进行调参时，会采用不同的调参策略，并针对每种调参策略形成相应的调参模型。在本发明实施例中，调参策略包括：先从构建原始钻井计算模型所需的所有模型参数中随机选择一个或多个当前需要调整的模型参数，而后将这些待调整模型参数的大小进行不同程度的调节，从而形成相对应的调参模型。由此，本发明完成了多种调参模型的预先构建。
具体地，参考图2，在识别当前钻机类型时，需要判别当前钻井作业所使用的钻机是否为自动化钻机。其中，自动化钻机具有集成化的控制系统，可通过集控系统所输出的数据及指令(钻机作业控制参数)来控制并调整泥浆泵、绞车、顶驱等钻机设备，从而改变实际作用于钻井施工的钻井施工参数，继而使得各钻机设备利用当前实际钻井施工参数来完成钻井施工作业。
在第一个实施例中，在当前钻机为非自动化钻机时，在钻井作业控制参数稳定时，(第一步)获取稳定状态下的钻井作业控制参数；而后，(第二步)根据稳定状态下的钻井作业控制参数，利用预设的多种调参模型，计算不同模拟条件下的钻井状态参数，进一步结合稳定状态下的实钻测量数据，得到针对不同模拟条件对应的调参模型计算偏差；最后，(第三步)根据针对不同调参模型所得到的计算偏差，形成新的调参模型来对原始钻井计算模型进行替换更新。
在第三步中，本发明的一个具体实施例可以根据针对不同调参模型所得到的计算偏差，筛选最优的调参模型，并利用最优调参模型来对原始钻井计算模型进行替换更新。
进一步，在当前钻井施工作业所使用的钻机不是自动化钻机时，截取钻井作业控制参数在稳定时间段内的实时数据，将稳定状态下的实时钻井作业控制参数数据送入基于计算机或服务器的多组调参模型中，此时，采用多核心多线程并行运行各组调参模型，使得每组调参模型均计算出相应的钻井状态参数，结合钻井现场实时采集到的实钻测量数据，进一步将每组钻井状态参数中的井口参数与实时测量数据中的井口参数分别进行偏差监测，针对每组调参模型均计算出一组相应的(模型)计算偏差，以评价各组调参模型的计算偏差，最后，选择计算偏差低于预设的计算偏差阈值且计算偏差最小的调参模型作为最优调参模型，以利用所选出的最优调参模型对原始钻井计算模型进行更新应用。由此，通过验算与稳定状态下的钻井作业控制参数所实施的钻井施工状态最贴合的调参模型，来完成当前原始钻井计算模型的自动校正，而后返回到步骤S110中，以将当前最优调参模型作为后续自动校正流程的执行过程中的原始钻井计算模型。这样，便达到了在钻井过程中对智能钻井计算模型不断进行自动校正的目的。
由于在当前钻机为自动化钻机时，也可能存在多组调参后偏差小于计算偏差阈值的模型，既可选择偏差最小的调参模型，也可将偏差符合要求的多组模型构建模型集合后进行加权计算，构建模型集合的方式，可以避免单一校正后的模型会更快出现偏离，多组模型偏差可能有高有低，其模型集合加权计算可降低单一模型偏差快速增大的问题，可使校正后计算结果的准确性延续更久。
在上述第三步中，本发明的另一个具体实施例还可以根据针对不同调参模型所得到的计算偏差，筛选多个第一备用调参模型，并利用所述多个第一备用调参模型所形成的模型集合来对原始钻井计算模型进行替换更新。其中，本发明实施例中的第一备用模型和利用第一备用模型生成模型集合的过程、与下述第二备用模型和利用第二别用模型生成模型集合的过程相类似，以及当前基于第一备用模型所生成的模型集合的应用过程、与下述基于第二备用模型所生成的模型集合的应用过程相类似，故在此不作赘述。
在第二个实施例中，在当前钻机为自动化钻机时，(步骤一)通过钻机控制系统为当前各项钻井作业控制参数均加入微小周期性波动；而后，(步骤二)根据加入微小周期性波动的钻井作业控制参数，利用预设的多种调参模型，计算不同模拟条件下的钻井状态参数，进一步结合在原始钻井计算模型的输入中加入微小周期性波动后所获得的实钻测量数据，得到针对不同模拟条件对应的调参模型计算偏差；(步骤三)根据针对不同调参模型所得到的计算偏差，筛选多个备用调参模型，并利用由多个备用调参模型所形成的模型集合来对原始钻井计算模型进行替换更新。
图3是本申请实施例的用于智能钻井计算模型的校正方法中的钻井作业控制参数附加微小扰动时的模型校正原理示意图。在当前钻井施工作业所使用的钻机为自动化钻机时，如图3所示，先通过钻机控制系统对当前多项钻井作业控制参数(x1、x2......分别表示不同项的钻井作业控制参数)附加微小周期性波动(例如：在第一组输入扰动中，对各项钻井作业控制参数分别加入相对应的微小周期性波动：x1+Δ11，x2+Δ21……，其中，Δ11、Δ21……分别表示各项钻井作业控制参数对应的微小周期性波动，在Δ下角标的前一个参量表示钻井作业控制参数的序号，在Δ下角标的后一个参量表示扰动输入的组数序号)。而后，截取多项添加了微小波动后的钻井作业控制参数，将添加了微小周期性波动的各项钻井作业控制参数数据(在第一组输入扰动中，可以对调参模型中的如摩擦系数CF、拽曳系数参量CD加入波动，其中，在CF和CD的下角标表示扰动输入的组数序号)分别送入基于计算机或服务器的多组(N组)调参模型中。此时，采用多核心多线程并行运行各组调参模型，使得每组调参模型均计算出相应的钻井状态参数，结合钻井现场实时采集到的实钻测量数据，进一步将每组钻井状态参数中的井口参数与实时测量数据中的井口参数分别进行偏差监测，针对每组调参模型均计算出一组相应的(模型)计算偏差，以评价各组调参模型的计算偏差。最后，将计算偏差低于预设的计算偏差阈值的各组调参模型作为若干组备选调参模型，从而形成校正模型集合，以利用所选出的由多组备选调参模型构成的校正模型集合来对原始钻井计算模型进行更新应用。由此，通过选择受所输入的各项钻井作业控制参数波动规律影响较小的调参模型，来完成当前原始钻井计算模型的自动校正，而后返回到步骤S110中，以将当前校正模型集合作为后续自动校正流程的执行过程中的原始钻井计算模型。这样，便达到了在钻井过程中对智能钻井计算模型不断进行自动校正的目的。
需要说明的是，在实际应用过程中，校正模型集合通过并行计算来进行应用，在集合中的每个备选调参模型均计算出多项钻井状态参数时，将同一类钻井状态参数计算结果进行加权平均后作为该项参数校正后的计算结果，从而在得到所有类别的钻井状态参数的校正后计算结果后，便实现了利用校正模型集合来对钻井状态参数进行计算的智能钻井计算任务。
另一方面，基于上述模型自动校正方法，本发明还提供了这一种用于智能钻井计算模型的校正系统(以下简称“模型自动校正系统”)，该模型自动校正系统按照上述所述的模型自动校正方法来执行。图4是本申请实施例的用于智能钻井计算模型的校正系统中的结构示意图。如图4所示，本发明所述的模型自动校正系统包括：目标井数据库401、实时计算模块402、模型偏差监测模块403和自动校正模块404。
具体地，目标井数据库401用于存储当前正钻井的钻井静态数据和实钻测量数据。目标井数据库401主要存储钻井实时数据、静态数据等计算模型需要使用的数据，并提供给实时计算模块402使用。
实时计算模块402按照上述步骤S110所述的方法实施，用于获取当前正钻井的钻井静态数据和实钻测量数据，基于此，利用当前钻井过程中所使用的原始钻井计算模型，计算钻井状态参数。实时计算模块402负责运行井筒水力、摩阻扭矩等计算模型，计算井筒内压力分布、岩屑分布、钻柱的摩阻分布、钻柱的扭矩分布、井口立压/套压、井口扭矩等各项钻井状态参数，计算结果可以显示给工程人员进行参考或者输出提供给相应的监测/预测系统来应用，以便进一步评估/预测钻井井下作业风险状态。
模型偏差监测模块403按照上述步骤S120所述的方法实施，用于根据实时计算模块402所输出的钻井状态参数和井场测量所得到的实钻测量数据，对模型计算出的钻井状态与实际测量状态进行实时偏差监测，并根据实时偏差监测结果，分析当前偏差发生的原因。模型偏差监测模块403负责对模型计算的井口参数(包括但不限于立压、套压、扭矩等)与录井测量的井口参数(包括但不限于立压、套压、扭矩等)进行实时的偏差监测，判断是否需要对模型进行自动校正。
自动校正模块404按照上述步骤S130所述的方法实施，用于在当前偏差由模型计算引起时，通过对当前偏差量的评价结果来对所述原始钻井计算模型进行校正。自动校正模块404基于计算机或服务器的多核心多线程并行运行多组调参后的模型，利用稳定时间段的作业数据或者添加微小扰动后的作业数据来评估调参校正效果，最终完成模型的自动校正与应用，改进模型计算精度。
本发明公开了一种用于智能钻井计算模型的校正方法及系统。该校正方法及系统，应用于石油工程领域，通过实时监测计算偏差，利用多核心多线程并行多组调参模型，优选出计算误差最小的调参模型或者模型集合进行应用，保证在钻井过程中计算结果持续准确，可以解决现有模型需要专业人员调参校正且计算精度可持续性差的问题，促进自动化智能化钻井系统的应用，最终帮助钻井工程师实现高效优质钻井。由此，本发明不仅可以在钻井过程中不断改善计算模型的计算准确性，同时，实现模型的自动校正，使得模型调整校正不再需要专家进行耗时耗力的配置以及持续不断的跟踪、监测、调整。另外，本发明不仅有助于提高计算准确率，帮助钻井人员更好地监测井下状态、预测钻井风险，而且可以消除钻井自动化系统的部署应用需要专业专家人员持续维护这一障碍，使自动化/智能化系统成为钻井操作的更具成本效益的选择。
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 (13)

1.一种用于智能钻井计算模型的校正方法，其特征在于，包括：
获取当前正钻井的钻井静态数据和实钻测量数据，基于此，利用当前钻井过程中所使用的原始钻井计算模型，计算钻井状态参数；
根据所述钻井状态参数和所述实钻测量数据，对模型计算出的钻井状态与实际测量状态进行实时偏差监测，并根据实时偏差监测结果，分析当前偏差发生的原因；
在当前偏差由模型计算引起时，通过对当前偏差量的评价结果来对所述原始钻井计算模型进行校正。
2.根据权利要求1所述的校正方法，其特征在于，在根据实时偏差监测结果，分析当前偏差发生的原因步骤中，包括：
在当前偏差大于预设的第一偏差阈值时，继续分析当前偏差是由当前钻井作业控制参数的波动而引起，其中，
若当前偏差不是由当前钻井作业控制参数的波动而引起，则需要对所述原始钻井计算模型进行校正，并立即生成模型校正指令。
3.根据权利要求2所述的校正方法，其特征在于，
对当前钻井控制参数在指定时间段内是否出现波动进行诊断，以确定当前偏差发生原因，其中，若出现波动则继续计算所述钻井状态参数；
若未出现波动，则确定当前偏差是由模型计算而引起。
4.根据权利要求2或3所述的校正方法，其特征在于，在当前偏差小于所述第一偏差阈值时，则继续计算所述钻井状态参数。
5.根据权利要求1～4中任一项所述的校正方法，其特征在于，在通过当前偏差量来对所述原始钻井计算模型进行校正步骤中，包括：
识别当前钻机类型；
基于钻机类型识别结果，根据稳定状态下的钻井作业控制参数或加入具有预设特征的波动的钻井作业控制参数，利用预设的多种调参模型，计算每种调参模型对应的钻井状态参数与所述实钻测量数据之间的偏差量，以对所述原始钻井计算模型进行校正，其中，所述多种调参模型是将所述原始钻井计算模型中的一个或若干个模型参数以不同策略进行调整后而形成的。
6.根据权利要求5所述的校正方法，其特征在于，
在当前钻机为非自动化钻机时，获取稳定状态下的钻井作业控制参数；
根据所述稳定状态下的钻井作业控制参数，利用预设的多种调参模型，计算不同模拟条件下的钻井状态参数，进一步结合稳定状态下的实钻测量数据，得到针对不同模拟条件对应的调参模型计算偏差；
根据所述调参模型计算偏差，筛选最优的调参模型，并利用最优调参模型来对所述原始钻井计算模型进行替换更新，或者根据所述调参模型计算偏差，筛选多个第一备用调参模型，并利用所述多个第一备用调参模型所形成的模型集合来对所述原始钻井计算模型进行替换更新。
7.根据权利要求5或6所述的校正方法，其特征在于，
在当前钻机为自动化钻机时，通过钻机控制系统为当前各项钻井作业控制参数加入微小周期性波动；
根据加入微小周期性波动的钻井作业控制参数，利用预设的多种调参模型，计算不同模拟条件下的钻井状态参数，进一步结合在所述原始钻井计算模型的输入中加入微小周期性波动后所获得的实钻测量数据，得到针对不同模拟条件对应的调参模型计算偏差；
根据所述调参模型计算偏差，筛选多个第二备用调参模型，并利用由所述多个第二备用调参模型所形成的模型集合来对所述原始钻井计算模型进行替换更新。
8.根据权利要求1～7中任一项所述的校正方法，其特征在于，通过将所述钻井状态参数中的各项第一类井口参数与实时录井数据中的各项第二类井口参数进行对比来实现对实时偏差的监测或实现计算偏差的计算。
9.根据权利要求8所述的校正方法，其特征在于，在实现对实时偏差的监测或实现计算偏差的计算过程中，包括：
根据所述各项第一类井口参数形成多条第一类参数曲线，并根据所述各项第二类井口参数形成多条第二类参数曲线；
通过计算所述多条第一类参数曲线与所述多条第二类参数曲线的斜率的差值或曲线空间距离的变化程度或曲线的相似性变化程度，完成对实时偏差的监测或所述计算偏差的计算。
10.根据权利要求1～9中任一项所述的校正方法，其特征在于，所述钻井静态数据至少包括井身结构、井眼轨迹、钻具组合和地层分层信息，所述实钻测量数据至少包括实时录井数据和随钻测井数据，所述钻井状态参数至少包括井筒内压力分布特征、岩屑分布特征、钻柱的摩阻分布特征、钻柱的扭矩分布特征、井口立压、井口套压和井口扭矩。
11.根据权利要求8或9所述的校正方法，其特征在于，所述井口参数至少包括立压、套压和扭矩。
12.根据权利要求5～7中任一项所述的校正方法，其特征在于，采用多核心多线程并行运行多种调参模型，并分别计算相应调参模型对应的钻井状态参数。
13.一种用于智能钻井计算模型的校正系统，其特征在于，所述校正系统按照如权利要求1～12中任一项所述的校正方法来执行，其中，所述校正系统包括：
目标井数据库，其用于存储当前正钻井的钻井静态数据和实钻测量数据；
实时计算模块，其用于获取当前正钻井的钻井静态数据和实钻测量数据，基于此，利用当前钻井过程中所使用的原始钻井计算模型，计算钻井状态参数；
模型偏差监测模块，其用于根据所述钻井状态参数和所述实钻测量数据，对模型计算出的钻井状态与实际测量状态进行实时偏差监测，并根据实时偏差监测结果，分析当前偏差发生的原因；
自动校正模块，其用于在当前偏差由模型计算引起时，通过对当前偏差量的评价结果来对所述原始钻井计算模型进行校正。
CN202111458444.6A 2021-12-01 2021-12-01 一种用于智能钻井计算模型的校正方法及系统 Pending CN116205021A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111458444.6A CN116205021A (zh) 2021-12-01 2021-12-01 一种用于智能钻井计算模型的校正方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111458444.6A CN116205021A (zh) 2021-12-01 2021-12-01 一种用于智能钻井计算模型的校正方法及系统

Publications (1)

Publication Number Publication Date
CN116205021A true CN116205021A (zh) 2023-06-02

Family

ID=86511825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111458444.6A Pending CN116205021A (zh) 2021-12-01 2021-12-01 一种用于智能钻井计算模型的校正方法及系统

Country Status (1)

Country Link
CN (1) CN116205021A (zh)

Similar Documents

Publication Publication Date Title
US9436173B2 (en) Drilling advisory systems and methods with combined global search and local search methods
US9297205B2 (en) System and method for controlling a drilling path based on drift estimates
US20200248545A1 (en) Geosteering methods and systems for improved drilling performance
US8229880B2 (en) Evaluation of acid fracturing treatments in an oilfield
AU2014348913B2 (en) Wellbore pipe trip guidance and statistical information processing method
US11649722B2 (en) Automated filtering and normalization of logging data for improved drilling performance
RU2670302C2 (ru) Автоматизированное проектирование оптимальной траектории направленного бурения
US20210017847A1 (en) Method of modeling fluid flow downhole and related apparatus and systems
US11466560B2 (en) Typelog alignment for automated geosteering
US11933158B2 (en) System and method for mag ranging drilling control
US20210381361A1 (en) Wellbore friction depth sounding by oscillating a drill string or casing
EP3186478B1 (en) Directional driller quality reporting system and method
Kullawan et al. Decision-oriented geosteering and the value of look-ahead information: a case-based study
Ambrus et al. A Novel Probabilistic Rig Based Drilling Optimization Index to Improve Drilling Performance
Shahri et al. Implementation of a fully automated real-time torque and drag model for improving drilling performance: case study
WO2016179766A1 (en) Real-time drilling monitoring
US20230419005A1 (en) Agent guided drilling assessment
Zhdaneev et al. Predictive systems for the well drilling operations
WO2016179767A1 (en) Fatigue analysis procedure for drill string
CN116205021A (zh) 一种用于智能钻井计算模型的校正方法及系统
Sanderson et al. Field application of a real-time well-site drilling advisory system in the permian basin
US20150286971A1 (en) Bit performance analysis
Oyedere Improved torque and drag modeling using traditional and machine learning methods
Barhate et al. Real-time drilling optimisation–driving drilling excellence
Soares Continuous learning of analytical and machine learning rate of penetration (ROP) models for real-time drilling optimization

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