CN1760854A - 钻井液配方智能设计器 - Google Patents
钻井液配方智能设计器 Download PDFInfo
- Publication number
- CN1760854A CN1760854A CN 200510102405 CN200510102405A CN1760854A CN 1760854 A CN1760854 A CN 1760854A CN 200510102405 CN200510102405 CN 200510102405 CN 200510102405 A CN200510102405 A CN 200510102405A CN 1760854 A CN1760854 A CN 1760854A
- Authority
- CN
- China
- Prior art keywords
- module
- drilling fluid
- algorithm
- data
- prescription
- 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
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种钻井液配方智能设计器,属于石油化工技术领域。运用数据预处理和算法,设计出指定性能的钻井液配方。本发明包括数据存储器(1)、中央处理器(2)、算法程序模块(3)、防震介质(5)、液晶显示屏(6)和外封装盒(10)。数据存储器(1)、中央处理器(2)、算法程序模块(3)被密封在密封盒(4)中,密封盒(4)内填充了防震介质(5)。密封盒(4)位于液晶显示屏(6)的下方,系统启动按钮(7)和系统功能输入选择按钮(8)并列于功能面板(9)上。本发明的优点在于:简单易用、智能化、准确度高、寿命长。
Description
技术领域
本发明属于石油化工技术领域,特别是提供了一种钻井液配方智能设计器,能够根据钻井队提出的钻井液性能要求,设计出相应的钻井液配方,从而克服了传统钻井液配方设计方法存在的耗时、费用高等缺点,降低了钻井液配方设计成本。
技术背景
钻井液俗名叫泥浆,在钻井过程中主要起着平衡井筒压力、携带岩屑、冷却钻头、巩固井壁及保护油气层的作用。钻井液的性能指标主要包括密度、粘度、屈服值、静切力、动切力、酸碱度等。在钻井过程中,由于地质不同,需要采用不同性能的钻井液。目前,为了配置指定性能的钻井液,一般的做法是先根据经验设计一个钻井液配方,然后在试验室依据配方配置相应的钻井液,并对钻井液进行性能测试,以检验钻井液的性能是否满足要求。如果钻井液的性能不满足要求,则对配方进行修改,再依据配方配置钻井液,然后再进行性能测试。如此多次反复试验,直到钻井液的性能满足要求,而此时的配方就是所需要的钻井液配方。
这种方法存在的问题主要如下:一是费用高,由于需要多次试验、测试才可能得到所需要的钻井液,因此,多次重复试验增加了配方设计成本;二是试验过程中,试验人员的主观性强。当钻井液的性能达不到要求时,试验人员依据个人经验对配方进行修改,从而得到一个新配方;三是耗费时间长,有时为了测量钻井液的某个性能,需要将钻井液放置在高温中滚动16个小时。为了解决配方设计过程中存在的以上问题,发明了钻井液配方智能设计器。
发明内容
本发明的目的在于:提供一种钻井液配方智能设计器,根据钻井作业队提出的钻井液性能要求,设计出相应的钻井液配方。当输入钻井液的期望性能指标后,例如钻井液的静切力、动切力、粘度等指标,该发明能够设计出满足指定性能的钻井液配方,配方的内容包括所需的化学药品以及相应的含量。该设备不仅能够减少试验所需的次数、时间,降低药品的消耗;同时,也能降低试验过程中试验人员的主观因素对配方设计的影响,为钻井液配方设计人员提供决策辅助信息,提高钻井液配方设计的成功率,降低配方的设计成本。
本发明包括:数据存储器1、中央处理器2、算法程序模块3、防震介质5和液晶显示屏6。数据存储器1、中央处理器2、算法程序模块3被密封在密封盒4中,密封盒4内填充了防震介质5。密封盒4位于液晶显示屏6的下方,系统启动按钮7和系统功能输入选择按钮8并列于面板9上。
本发明所采用算法程序的功能模块组织包括基础信息库11、数据预处理模块12、算法学习模块13、知识库模块14、知识应用模块15和信息显示模块16。
本发明的原理是:目前钻井作业队在钻井过程中都会使用不同性能的钻井液,而每一种钻井液有相应的配方,可以将这些配方作为已有知识加以利用。同时,在设计一种配方时,一般要在试验室进行多次不同的配方试验,这些试验数据具有以下特点:一是数据准确度高。由于在试验过程中,每一个试验操作都将记录在案,试验所用的化学药品和数量都有详细的记载。试验室的操作要求和规则确保了试验数据的准确性和可靠性;二是试验数据的数量大。为了得到指定性能的钻井液,一般需要在试验室进行几十次甚至是上百次的试验,多次反复的试验为配方设计提供了丰富的数据。本发明将已知的钻井液配方和相应的钻井液性能存储到基础信息库中,同时,将每次试验配方和测量的钻井液性能也存储到基础信息库中。将基础信息库中的数据,按照一定的要求进行数据预处理;然后,将钻井液的性能作为学习算法的输入,钻井液的配方作为学习算法的输出,运用学习算法进行智能学习,并将学习结果存放到知识库中;当需要配方时,输入所需钻井液性能指标,通过数据预处理对输入的钻井液性能指标进行数据预处理,由知识应用模块计算出相应的配方,并通过信息显示模块将配方显示在液晶显示屏上,从而实现钻井液配方的自动设计。
本发明的优点在于:
1.成本低、使用方便、简单易用。由于本设备是利用现有钻井液配方数据和试验配方数据作为分析的基础,而这些数据能够从试验室获得,无需增加新的数据采集设备;
2.智能化,通过收集试验配方和相应的钻井液性能指标以及现有的钻井液配方和性能指标,建立数学模型,进行分析,能够实现钻井液配方的自动设计;
3.准确度高,由于所采用的试验数据的准确度高,并且随着收集到的基础信息量增加,根据自动设计的钻井液配方制成的钻井液性能与期望的钻井液性能之间的差异会越来越小,所设计配方的准确性会越来越高;
4.通过工作原理可知,元器件损耗小,设备使用寿命长;
附图说明
图1是本发明的外观示意图。其中存储器1、中央处理器2、算法程序模块3、密封盒4中,密封盒4、防震介质5,系统启动开关7、系统功能输入选择按钮8、功能面板9。
图2是本发明所采用算法程序的功能模块组织。包括基础信息库11、数据预处理模块12、算法学习模块13、知识库模块14、知识应用模块15和信息显示模块16。
具体实施方式
图1和图2是本发明的一种具体实施方式。钻井液配方和性能指标数据通过系统功能输入选择按钮8存储到基础信息库11中,数据预处理模块12按照统一的预定格式和方法对基础信息库11中的数据进行数据的处理。算法计算学习模块13是根据统计分析算法,如决策树算法、聚类分析算法、线性回归、贝叶斯网络等算法,以及人工智能算法,如前向反馈神经网络算法、自组织神经网络等算法中选择出来的分类、聚类和关联三类算法,针对钻井液配方设计这个特定应用完成算法计算工作。算法计算学习模块13学习完成后的结果由知识库模块14以预先指定的格式存储到数据存储器1中。知识应用模块15在功能输入选择按钮8选择配方设计应用功能时,通过功能输入选择按钮8接受输入数据、数据预处理模块12进行数据预处理工作,并从知识库模块14读取知识规则,由知识应用模块15实现完成知识的应用。信息显示模块16将知识应用模块15处理的结果,即满足指定性能的钻井液配方,按照指定的格式要求,显示在液晶显示屏6上。
Claims (4)
1、一种钻井液配方智能设计器,包括数据存储器(1)、中央处理器(2)、算法程序模块(3)、防震介质(5)和液晶显示屏(6);其特征在于:数据存储器(1)、中央处理器(2)、算法程序模块(3)被密封在密封盒(4)中,密封盒(4)内填充了防震介质(5);密封盒(4)位于液晶显示屏(6)的下方,系统启动按钮(7)和系统功能输入选择按钮(8)并列于面板(9)上。
2、按照权利要求1所述的钻井液配方智能设计器,其特征在于:所采用算法程序的功能模块组织包括基础信息库(11)、数据预处理模块(12)、算法学习模块(13)、知识库模块(14)、知识应用模块(15)和信息显示模块(16)。
3、按照权利要求1或2所述的钻井液配方智能设计器,其特征在于:钻井液配方和性能指标数据通过系统功能输入选择按钮(8)存储到基础信息库(11)中,数据预处理模块(12)按照统一的预定格式和方法对基础信息库(11)中的数据进行数据的处理;算法计算学习模块(13)是根据统计分析算法,针对钻井液配方设计这个特定应用完成算法计算工作;算法计算学习模块(13)学习完成后的结果由知识库模块(14)以预先指定的格式存储到数据存储器(1)中;知识应用模块(15)在功能输入选择按钮(8)选择配方设计应用功能时,通过功能输入选择按钮(8)接受输入数据、数据预处理模块(12)进行数据预处理工作,并从知识库模块(14)读取知识规则,由知识应用模块(15)实现完成知识的应用;信息显示模块(16)将知识应用模块(15)处理的结果,满足指定性能的钻井液配方,按照指定的格式要求,显示在液晶显示屏(6)上。
4、按照权利要求3所述的钻井液配方智能设计器,其特征在于:统计分析算法包括决策树算法、聚类分析算法、线性回归、贝叶斯网络等算法,以及人工智能算法,如前向反馈神经网络算法、自组织神经网络等算法中选择出来的分类、聚类和关联三类算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200510102405 CN1760854A (zh) | 2005-09-09 | 2005-09-09 | 钻井液配方智能设计器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200510102405 CN1760854A (zh) | 2005-09-09 | 2005-09-09 | 钻井液配方智能设计器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1760854A true CN1760854A (zh) | 2006-04-19 |
Family
ID=36706935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200510102405 Pending CN1760854A (zh) | 2005-09-09 | 2005-09-09 | 钻井液配方智能设计器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1760854A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112282679A (zh) * | 2020-11-16 | 2021-01-29 | 陕西延长石油(集团)有限责任公司 | 一种用于生成水基钻井废渣固化处理配方的方法及装置 |
CN113279747A (zh) * | 2021-05-18 | 2021-08-20 | 中国地质大学(武汉) | 一种钻探泥浆配方和性能参数调配的系统及方法 |
CN113761613A (zh) * | 2020-06-05 | 2021-12-07 | 中国石油化工股份有限公司 | 一种钻井液设计方法及系统 |
-
2005
- 2005-09-09 CN CN 200510102405 patent/CN1760854A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761613A (zh) * | 2020-06-05 | 2021-12-07 | 中国石油化工股份有限公司 | 一种钻井液设计方法及系统 |
CN112282679A (zh) * | 2020-11-16 | 2021-01-29 | 陕西延长石油(集团)有限责任公司 | 一种用于生成水基钻井废渣固化处理配方的方法及装置 |
CN113279747A (zh) * | 2021-05-18 | 2021-08-20 | 中国地质大学(武汉) | 一种钻探泥浆配方和性能参数调配的系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen | Science mapping: a systematic review of the literature | |
CN100412870C (zh) | 采用元推荐引擎的门户个性化推荐服务方法和系统 | |
Liu et al. | Patterns and sequences: Interactive exploration of clickstreams to understand common visitor paths | |
CN107609835B (zh) | 一种电网人力配置应用系统及方法 | |
Roth et al. | Automating the presentation of information | |
US20080133550A1 (en) | Method and system for integrated asset management utilizing multi-level modeling of oil field assets | |
CN105653691B (zh) | 信息资源管理方法及管理装置 | |
CN101894058B (zh) | 针对自动测试系统的测试覆盖性自动分析方法及其装置 | |
CN104573071A (zh) | 一种基于大数据技术的校情智能分析系统及方法 | |
CN103229198A (zh) | 商业智能工具中的数据挖掘及预测洞察力的快速、动态、数据驱动的报告部署 | |
CN105095255A (zh) | 一种数据索引创建方法及装置 | |
CN113987139A (zh) | 一种基于知识图谱的航空发动机fadec系统软件缺陷案例可视化查询管理系统 | |
CN103942266A (zh) | 一种基于olap能自定义复杂业务计算逻辑的数据分析方法 | |
CN1760854A (zh) | 钻井液配方智能设计器 | |
Wang et al. | The construction and empirical analysis of the company’s financial early warning model based on data mining algorithms | |
CN111914014A (zh) | 一种大数据平台及其应用 | |
CN112231380A (zh) | 采集数据的综合处理方法、系统、存储介质及电子设备 | |
TW201126359A (en) | Keyword evaluation systems and methods | |
CN116578612A (zh) | 锂电池成品检测数据资产构建方法 | |
Yu et al. | Choosing the content of textual summaries of large time-series data sets | |
Friedman | Tutorial: getting started with MART in R | |
Gorawski et al. | Materialized ar-tree in distributed spatial data warehouse | |
RU2571535C2 (ru) | Мера качества для службы контекста данных | |
CN111724028A (zh) | 一种基于大数据技术的机器设备运行分析与挖掘系统 | |
Zatsman et al. | Evaluation system for the Russian Academy of Sciences: Objectives-resources-results approach and R&D indicators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |