CN111396025B - 控压钻井智能钻进控制、钻进异常识别和处理方法及*** - Google Patents
控压钻井智能钻进控制、钻进异常识别和处理方法及*** Download PDFInfo
- Publication number
- CN111396025B CN111396025B CN202010195078.9A CN202010195078A CN111396025B CN 111396025 B CN111396025 B CN 111396025B CN 202010195078 A CN202010195078 A CN 202010195078A CN 111396025 B CN111396025 B CN 111396025B
- Authority
- CN
- China
- Prior art keywords
- drilling
- pressure
- overflow
- value
- ground
- 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.)
- Active
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 189
- 238000003672 processing method Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000011148 porous material Substances 0.000 claims abstract description 8
- 238000013461 design Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 230000005484 gravity Effects 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 18
- 239000012530 fluid Substances 0.000 claims description 18
- 230000015572 biosynthetic process Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 8
- 230000003628 erosive effect Effects 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 239000002002 slurry Substances 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 238000012549 training Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- LZLVZIFMYXDKCN-QJWFYWCHSA-N 1,2-di-O-arachidonoyl-sn-glycero-3-phosphocholine Chemical compound CCCCC\C=C/C\C=C/C\C=C/C\C=C/CCCC(=O)OC[C@H](COP([O-])(=O)OCC[N+](C)(C)C)OC(=O)CCC\C=C/C\C=C/C\C=C/C\C=C/CCCCC LZLVZIFMYXDKCN-QJWFYWCHSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
- E21B44/02—Automatic control of the tool feed
- E21B44/04—Automatic control of the tool feed in response to the torque of the drive ; Measuring drilling torque
-
- 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
- E21B12/00—Accessories for drilling tools
-
- 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
- E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
-
- 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
-
- 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
- E21B7/00—Special methods or apparatus for drilling
-
- 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)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Mechanical Engineering (AREA)
- Geophysics (AREA)
- Earth Drilling (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明公开了控压钻井技术领域的一种控压钻井智能钻进控制、钻进异常识别和处理方法及***，方法的步骤包括：S1，根据钻头压力损失值、管柱和环空压耗和井下工具压耗计算量表，计算实际的井底压力值；S2，根据所述实际的井底压力值、井底压力安全余量值，计算待调整的地面背压值；S3，根据所述待调整的地面背压值，提升或降低井底压力，实现控压钻井***的自动钻进控制。本发明提出使用现场钻井数据，通过实时计算井底压力，实时修正实际的地层孔隙压力和地层破裂压力，按照钻井设计要求，实时计算地面背压值的方法，向节流阀PLC实时发送该数据，实现了自适应、精确、智能的井底压力标准化控制。
Description
技术领域
本发明涉及机器人自主探索领域，特别是一种控压钻井智能钻进控制、钻进异常识别和处理方法及***。
背景技术
近年来，石油行业飞速发展，但是油气资源也面临着枯竭的危机，所以对复杂地形的油气田开采是必不可少的，但是诸如地层漏失、压差卡钻、地层孔隙压力与地层破裂梯度间压力窗口狭窄造成涌漏等问题也越来越多，这些问题使得钻井过程时间加长，费用也提高了，为了解决复杂地形对钻井带来的诸多问题，控压钻井MPD(Managed PressureDrilling)技术应运而生。
控压钻井技术的核心是控制井底的压力，保证井筒的压力一直处在破裂压力和地层孔隙压力之间，有效地防止井漏或溢流，使钻井过程安全可靠。
在国内，陆续出现了控压钻井技术相关的专利和论文，例如：杨雄文，周英操等在控压钻井自动控制***中引入分级递阶智能控制的概念，将MPD相关操作集成起来，自动化工具执行低阶的自动连锁操作，大大降低了控压钻井操作的难度和复杂性，优化了钻井作业，降低了钻井成本。陈尚周在其论文中对DAPC***的回压节流***进行了研究，建立了整个节流***的数学模型，对***稳定性和快速性进行分析。专利“一种智能钻井控制云平台及智能钻井控制***”(公开号CN108756848B)公开了一种智能钻井控制云平台，该***可做到钻井技术远程自动化，优化钻井参数、降低钻井成本、提高钻井效率。
但是上述方案中，仍存在诸多问题：
1、由于控压钻井的复杂性，要求快速反应，向控压节流阀输入精确的地面背压值，以应对地层压力的不确定性。在不影响钻速的情况下，技术人员难以快速计算出准确的地面背压值；
2、由于钻井现场往往远离人类聚集区，技术人员易受情绪影响。由于技术人的经验参差不齐，判断控压钻井异常时，总体误判率较高，而且反应较慢，发现钻井异常时，异常往往已经比较严重了。同时，技术人员经验的增长也受多方面限制，难以快速提升，发生钻井异常时，第一时间的反应对后续处理的费用影响极大，由于技术人员的水平也参差不齐，部分异常往往因处理不当，带来更大的损失，需要自动控制的及时响应，因此，人工控制存在随机性，缺乏应急处置的标准化控制。
发明内容
本发明根据实际的井底压力值和井底压力安全余量值，提出了待调整的地面背压值的准确计算方法，给出了异常识别判定的模型和流程，并给出了标准化的溢流处理流程，提出了一种控压钻井智能钻进控制、钻进异常识别和处理方法及***。
为了实现上述发明目的，本发明提供了以下技术方案：
控压钻井智能钻进控制、钻进异常识别和处理方法，步骤包括：
S1，根据钻头压力损失值、管柱和环空压耗和井下工具压耗计算量表，计算实际的井底压力值；
S2，根据实际的井底压力值、井底压力安全余量值，计算待调整的地面背压值；
S3，根据待调整的地面背压值，提升或降低井底压力，实现控压钻井***的自动钻进控制。
进一步的，S1的具体步骤包括：
S11，获取钻井液密度、钻井液排量、钻头喷嘴流量系数和喷嘴面积；
S12，计算钻头压力损失值，钻头压力损失值根据伯努利方程建立；
S13，计算管柱和环空压耗，管柱和环空压耗根据范宁-达西公式建立；
S14，获取井下工具压耗计算量表；
S15，根据钻头压力损失值、管柱和环空压耗和井下工具压耗计算量表，计算实际的井底压力值。
进一步的，步骤S2中，待调整的地面背压值的计算公式为
ΔPsur＝BHPrq-BHPactual
其中，BHPrq＝P0+Psafe，ΔPsur为待调整的地面背压值；P0为地层孔隙压力，Psafe为井底压力安全余量值，根据实际钻井设计，可为负值；BHPactual为实际的井底压力值。
进一步的，步骤S3中，当待调整的地面背压值大于0时，减小节流阀开度，增加背压值；当待调整的地面背压值小于0时，增大节流阀开度，减小地面背压值；当待调整的地面背压值等于0时，节流阀开度保持不变，保持地面背压值不变，使得井底压力稳定。
作为优选方案，方法的步骤还包括：
a，将钻井现场的数据输入异常识别模型中，输出异常识别结果；
b，根据异常识别结果，识别出溢流异常；
c，当识别出溢流异常时，将实时获取的溢流量与预设的控压钻井***最大溢流量进行比较；
d，当实时获取的溢流量大于***最大溢流量时，开启二级井控模式；当实时获取的溢流量小于或等于控压钻井***最大溢流量时，控制节流阀开度，维持立压不变，自动循环处理溢流异常。
进一步的，步骤c中，预设的***最大溢流量计算公式为：
其中，Vinf为溢流停止时的最大溢流量，单位bbl；SBP2为溢流到达地面时的地面背压，单位psi；SBP1为溢流动态停止时的地面背压，单位psi；Pf2为溢流到达地面时的环空压耗，单位psi；Pf1为溢流动态停止时的环空压耗，单位psi；D2＝ID22-OD22，其中，ID2和OD2分别为地面套管的内径和钻杆的外径，单位inch；D1＝ID12-OD12，其中，ID1为井筒内径，OD1为钻具组合在裸眼段内的外径，单位inch；MW为钻井泥浆比重，单位ppg；MWinf为溢流气体比重，单位ppg；Ts为地面循环温度，单位℉；Tb为井底循环温度，单位℉，θ为井斜，单位°。
作为优选方案，步骤还包括：e，当现泥浆比重满足钻进要求时，维持立压不变，循环出溢流后，恢复钻进；当现泥浆比重不满足新的钻进要求时，改变泥浆比重，维持立压不变，循环出溢流后，调整地面背压，维持井底压力不变，用新泥浆替换现泥浆，恢复钻进。
进一步的，异常识别模型基于历史数据和异常标记，采用机器学习算法训练得到，机器学习算法包括但不限于深度神经网络模型，其他常用的模型包括决策树、朴素贝叶斯法、逻辑斯谛回归与最大熵模型、支持向量机和提升方法；异常识别模型实时对现场钻井的数据进行分析，计算钻进异常发生的概率，钻进异常发生的概率包括但不限于溢流发生的概率、井漏发生的概率、钻具堵塞或冲蚀、节流阀堵塞或冲蚀。
作为优选方案，输入异常识别模型的现场钻井的数据至少包括以下一种或几种的组合：入口流速、出口流速、出口泥浆比重、入口泥浆比重、立压、转速、扭矩、钻压、大勾悬重、钻速、池体积量、气测值、钻井液密度，钻井液排量，喷嘴面积、钻井液流速；根据现场钻井的数据计算出用于异常识别模型分析的特征参数，特征参数至少包括出入口流速差异、地面背压、立管压力、动态池体积、钻速。
基于相同的构思，本发明还提出了控压钻井智能钻进控制、钻进异常识别和处理***，包括至少一个处理器，以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项的方法。
与现有技术相比，本发明的有益效果：
1、本发明提出了新的待调整地面背压值的计算方法，在计算待调整的地面背压值时，引入了井底压力安全余量值，通过计算出的待调整的地面背压值和实时计算井底压力，实现控压钻井智能钻进控制，同时根据钻进溢流和漏失异常信息，实时修正实际的地层孔隙压力和地层破裂压力，以确保钻进过程中井底压力的稳定。
2、本发明的方法还采用深度神经网络模型对现场数据进行训练，训练出钻井溢流和井漏异常的判别模型，可采用同样的方法训练出其他钻井异常判别模型，使用现场钻井数据，可以实时得出溢流发生的概率和井漏发生的概率，以及其他异常发生的概率。由于采用机器学习算法，使得对钻井溢流、井漏异常以及其他钻井异常的判断更加准确、快速。
3、改变了现有技术中的有溢流异常就开启二级井控的方式，提出了***最大溢流量的计算公式，将实时计算的实际溢流量与***最大溢流量做比较，当获取的溢流量大于所述***最大溢流量时，开启二级井控模式；当获取的溢流量小于或等于所述***最大溢流量时，自动处理溢流异常：控制节流阀开度，维持立压不变，循环出溢流。采用本发明的方法，可以自动判断可使用MPD处理的小溢流，给二级井控模式的开启提出了新的客观依据，给溢流量留出了一定的调整空间，精细化处理溢流，如果实际溢流量小于***最大溢流量，则可认定为***工作正常，无须关井，智能自动处理溢流异常，提高了工作的效率。
附图说明：
图1为本发明实施例1中的一种控压钻井智能钻进控制、钻进异常识别和处理***控制结构示意图；
图2为一种控压钻井智能钻进控制、钻进异常识别和处理方法的具体流程图；
图3为本发明实施例1中的一种典型的井下工具压耗计算量表的示例表；
图4为本发明实施例1中的识别出异常后的控制流程图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
一种控压钻井智能钻进控制、钻进异常识别和处理***控制示意图如图1所示，在钻进的过程中，从现场获取钻进的数据，并将数据传输到远端的智慧云中，智慧云用于存储钻进中的数据，并通过机器学习算法训练出异常识别模型，用户通过智慧云远程对钻进进行控制，并实时显示现场的数据。
在钻进的过程中，***还将现场数据输出到异常识别模型，根据异常识别模型的输出结果，识别出钻进时是否有溢流异常，当出现溢流异常时，智能处理溢流，输出控制参数，调整控压钻井节流阀，消除溢流异常。
其中，异常识别模型通过历史数据和异常标记，通过机器学习算法训练得到，当根据异常识别模型输出的数据判定为溢流异常时，***还可以在现场显示溢流异常的数据，进行监控，并发出异常警报。具体的处理流程，用以下实施例详细描述技术方案。
实施例1
一种控压钻井智能钻进控制、钻进异常识别和处理方法的具体流程图如图2所示，方法主要包括以下步骤：
S1，根据钻头压力损失值、管柱和环空压耗、井下工具压耗计算量表，计算实际的井底压力值。
S1的具体步骤包括：
S11，获取钻井液密度、钻井液排量、钻头喷嘴流量系数和喷嘴面积。
S12，计算钻头压力损失值，所述钻头压力损失值根据伯努利方程建立，具体的计算公式如公式(1)所示，
其中，Pb是钻头压力损失值，ρ是钻井液密度，Q是钻井液排量，C是钻头喷嘴流量系数，Ao是喷嘴面积。
S13，计算管柱和环空压耗，所述管柱和环空压耗计算公式根据范宁-达西公式建立，具体的计算公式如公式(2)所示，
其中，当
时，rw是管内流，计算出的Pl为管柱压耗Ps，当
时，rw是环空流，计算出的Pl为环空压耗Pa，f是范宁水力摩阻系数，ρ是钻井液密度，L是管柱长度(管柱长度由人为设定)，V是钻井液流速，r是水力半径。
S14，获取井下工具厂家提供的井下工具压耗计算量表。井下工具压耗计算量表的参数包括推荐的作业限值，如马达排量、每单位体积转速、转速、50gpm时大约的压降，还包括性能输出，如标准橡胶最大压差、最大压差时标准橡胶扭矩、橡胶最大压差、扭矩等，典型的井下工具压耗计算量表如图2所示。
S15，根据所述钻头压力损失值、管柱和环空压耗和井下工具压耗计算量表，计算实际的井底压力BHPactual，BHPactual的计算公式如公式(3)所示，
BHPactual＝SPP+HH-Peq-Pb-Ps-Ptool＝SBP+HH+Pa (3)
其中，SPP为立管压力，现场压力传感器读数，单位MPa；静液柱压力HH＝TVD*ρ，单位MPa，TVD为井底垂深，单位m，ρ为泥浆比重，单位kPa/m；地面设备压力损失Peq，单位MPa，Peq＝E*ρ0.8*Q1.8*PV0.2,E地面设备类型系数，Q为钻井液排量，单位lpm，PV为钻井液塑性粘度，单位cp；Pb为钻头压力损失，单位MPa；Ps为管柱压耗，单位MPa；Ptool为井下工具压力损失，单位MPa，是查找井下工具压耗计算量表得到；SBP为地面背压，现场压力传感器读数，单位MPa；Pa为环空压耗，单位MPa。
S2，根据所述实际的井底压力值、设计的井底压力安全余量值，计算待调整的地面背压值。待调整的地面背压值用以确保实际井底压力处于地层孔隙压力和地层破裂压力之间，并处于合适的位置，其中，地层孔隙压力和地层破裂压力在钻进前人为设置。待调整的地面背压值计算公式如公式(4)所示，
ΔPsur＝BHPrq-BHPactual (4)
其中，BHPrq＝P0+Psafe，ΔPsur为待调整的地面背压值，单位MPa，若ΔPsur的值为正，减小节流阀开度，增加地面背压值，否则增大节流阀开度，减小地面背压值，P0为地层孔隙压力，Psafe为井底压力安全余量值，单位MPa；BHPactual为实际的井底压力值，单位MPa。
S3，根据所述待调整的地面背压值，提升或降低井底压力，实现控压钻井***的自动钻进控制。当待调整的地面背压值大于0时，减小节流阀开度，增加背压值；当待调整的地面背压值小于0时，增大节流阀开度，减小地面背压值；当待调整的地面背压值等于0时，节流阀开度保持不变，保持地面背压值不变，使得井底压力稳定。
本发明方法的步骤还包括，采用异常识别模型，对现场钻井数据进行判定，是否为溢流异常，因此步骤还包括：
a，将钻井现场的数据输入异常识别模型中，输出异常识别结果；
b，根据所述异常识别结果，识别出溢流异常；
c，将实时获取的溢流量与预设的控压钻井***最大溢流量进行比较；
d，当所述实时获取的溢流量大于所述***最大溢流量时，开启二级井控模式；当所述实时获取的溢流量小于或等于所述控压钻井***最大溢流量时，控制节流阀开度，维持立压不变，自动循环处理溢流异常，识别出异常后的控制流程图如图4所示。
步骤c中，预设的***最大溢流量的计算公式如公式(5)所示，
其中，Vinf为溢流停止时的最大溢流量，单位bbl；SBP2为溢流到达地面时的地面背压，取MPD***旋转循环头在设计工况下的最大压力值，单位psi；SBP1为溢流动态停止时的地面背压，单位psi；Pf2为溢流到达地面时的环空压耗，单位psi；Pf1为溢流动态停止时的环空压耗，单位psi；D2＝ID22-OD22，其中，ID2和OD2分别为地面套管的内径和钻杆的外径，单位inch；D1＝ID12-OD12，其中，ID1为井筒内径，OD1为钻具组合在裸眼段内的外径，单位inch；MW为钻井泥浆比重，单位ppg；MWinf为溢流气体比重，单位ppg；Ts为地面循环温度，单位℉；Tb为井底循环温度，单位℉，θ为井斜，单位°，其中，地面套管的内径和钻杆的外径，裸眼段井筒内径和钻具组合或钻杆外径由人为设定。
步骤d中，控压钻井溢流异常一般分为2类，一类溢流异常可通过控压钻井设备进行处理，实际溢流量小于或等于MPD***可处理的最大溢流量；二类溢流需切换到钻井井控设备或其他设备进行处理，实际溢流量大于MPD***可处理的最大溢流量。
是否开启二级井控模式通过异常等级发出的异常警报来判断，发出警报后的处理包括溢流处理和标准操作指引，以溢流异常为例，确认溢流后，若为一级溢流，主界面根据处理步骤，逐步显示为：1)“发现xxx m3溢流，并初步处理完成”，2)“溢流接近井口，地面背压波动较大”，3)“溢流处理完成，建议提升泥浆比重至xxx sg”。针对其他异常，主界面显示为：“发现xxx异常，建议提离井底，xxxx。”
作为本发明的优选方案，步骤还包括：e，当现泥浆比重满足钻进要求时，维持立压不变，循环出溢流后，恢复钻进；当现泥浆比重不满足钻进要求时，改变泥浆比重，维持立压不变，循环出溢流后，调整地面背压，维持井底压力不变，用新泥浆替换所述现泥浆，进而恢复钻进。
步骤a中，异常识别模型是采用机器学习算法训练而得到的，用以计算钻进异常发生的概率，包括溢流发生的概率、井漏发生的概率、以及其他钻进异常发生的概率。此类机器学习算法包括但不限于深度神经网络模型，其他常用的模型包括决策树、朴素贝叶斯法、逻辑斯谛回归与最大熵模型、支持向量机和提升方法等。当前阶段，本***使用深度神经网络模型，通过模型“创建-训练-优化”技术，建立控压钻井异常识别模型方法，其中，控压钻井异常包括但不限于溢流、井漏、钻具或钻头水眼堵塞与刺漏、节流阀堵塞与刺漏等问题，以发生的概率作为异常判定的参数。
本实施例以计算溢流发生的概率和井漏发生的概率为例，对建立钻进异常发生概率的判断模型进行说明，具体的步骤包括：
第一步、确定钻井异常发生的特征参数，并计算一定时间间隔内所述特征参数的差值，所述差值和人工标记的异常值作为训练参数。
首先，根据钻井异常发生机理，总结出相关的特征参数极其表征规律，以溢流和井漏为例，特征参数分析如表1所示。
表1特征参数分析表
| 特征参数 | 溢流的表征规律 | 井漏的表征规律 |
| 出入口流速差异 | 增加 | 减少 |
| 立管压力 | 增加 | 降低 |
| 地面背压(自动控压) | 先增加再降低 | 先降低再增加 |
| 动态池体积 | 增加 | 降低 |
| 钻速 | 加快 | 降低或加快 |
其次，所有异常识别时重点考虑的是特征参数的变化趋势，因此***采用一段时间间隔的差值作为训练参数，将人工标记值与差值一起作为训练参数。
第二步、训练模型前，去除训练参数中的数据离群点，即异常点，得到待训练参数。
第三步、将所述待训练参数输入深度学习神经网络模型，输出溢流发生的概率和井漏发生的概率；所述深度学习神经网络模型输出节点数为1，所述隐含层神经元节点个数的取值范围为3～12，隐含层选取ReLu函数，输出层选取单极性sigmod函数。
为了实时识别钻井溢流和井漏异常，将各特征参数变化量作为神经网络输入层的输入项，输入向量为X＝(X1，X2，X3，X4，X5)，选择输入节点书为5。溢流发生的概率作为神经网络输出层的输出项，输出向量为Y＝(Y1)，因此，网络的输出节点数为1。同样，井漏发生的概率也作为神经网络输出层的输出项，输出向量为Z＝(Z1)。
确定隐含层节点，本***采用经验公式来确定隐含层节点，
其中，
取值为1～10，n为输入层节点数，m为输出层节点数。
因此，针对溢流和井漏异常，建立的深度学习神经网络模型的隐含层神经元节点个数l为[3,12]，为了确定最佳隐含层节点数，将节点数设置为3～12的神经网络，分别训练，最终选取使网络误差最小的节点数。
进一步为防止某节点线性函数输出，使用成熟激励函数。其中，隐含层选取ReLu函数，即Rectified linear unit，应用基本形式：f(x)＝max(0,x)；输出层选取单极性sigmod函数，基本形式为：g(x)＝1/(1+e-x)。
最后，采集现场钻井数据，并计算出特征参数，通过异常识别模型，智能识别出溢流和井漏异常发生的概率，发出警报，现场钻井数据包括入口流速、出口流速、立管压压、地面背压、池体积量、钻速等。
若为溢流异常，参照溢流处理流程循环出溢流，并恢复钻进。针对每一个钻进异常，异常处理完毕后，进一步使用钻井异常数据和人工标记的异常值，迭代已有的控压钻井钻进异常识别模型，使得识别模型根据现场数据，具有自适应性。
Claims (8)
1.控压钻井智能钻进控制、钻进异常识别和处理方法，其特征在于，步骤包括：
S1，根据钻头压力损失值、管柱和环空压耗和井下工具压耗计算量表，计算实际的井底压力值；
S2，根据所述实际的井底压力值、井底压力安全余量值，计算待调整的地面背压值；
S3，根据所述待调整的地面背压值，提升或降低井底压力，实现控压钻井***的自动钻进控制；
步骤还包括：
a，将钻井现场的数据输入异常识别模型中，输出异常识别结果；
b，根据所述异常识别结果，识别出溢流异常；
c，当识别出溢流异常时，将实时获取的溢流量与预设的控压钻井***最大溢流量进行比较；
d，当所述实时获取的溢流量大于所述***最大溢流量时，开启二级井控模式；当所述实时获取的溢流量小于或等于所述控压钻井***最大溢流量时，控制节流阀开度，维持立压不变，自动循环处理溢流异常；
e，当现泥浆比重满足钻进要求时，维持立压不变，循环出溢流后，恢复钻进；当现泥浆比重不满足新的钻进要求时，改变泥浆比重，维持立压不变，循环出溢流后，调整地面背压，维持井底压力不变，用新泥浆替换所述现泥浆，恢复钻进。
2.如权利要求1所述的控压钻井智能钻进控制、钻进异常识别和处理方法，其特征在于，S1的具体步骤包括：
S11，获取钻井液密度、钻井液排量、钻头喷嘴流量系数和喷嘴面积；
S12，计算钻头压力损失值，所述钻头压力损失值根据伯努利方程建立；
S13，计算管柱和环空压耗，所述管柱和环空压耗根据范宁-达西公式建立；
S14，获取井下工具压耗计算量表；
S15，根据所述钻头压力损失值、管柱和环空压耗和井下工具压耗计算量表，计算实际的井底压力值。
3.如权利要求1所述的控压钻井智能钻进控制、钻进异常识别和处理方法，其特征在于，步骤S2中，待调整的地面背压值的计算公式为
ΔPsur＝BHPrq-BHPactual
其中，BHPrq＝P0+Psafe，ΔPsur为待调整的地面背压值；P0为地层孔隙压力，Psafe为井底压力安全余量值，根据实际钻井设计，可为负值；BHPactual为实际的井底压力值。
4.如权利要求1所述的控压钻井智能钻进控制、钻进异常识别和处理方法，其特征在于，步骤S3中，当所述待调整的地面背压值大于0时，减小节流阀开度，增加背压值；当所述待调整的地面背压值小于0时，增大节流阀开度，减小地面背压值；当所述待调整的地面背压值等于0时，节流阀开度保持不变，保持地面背压值不变，使得井底压力稳定。
5.如权利要求1所述的控压钻井智能钻进控制、钻进异常识别和处理方法，其特征在于，步骤c中，所述预设的***最大溢流量计算公式为：
其中，Vinf为溢流停止时的最大溢流量，单位bbl；SBP2为溢流到达地面时的地面背压，单位psi；SBP1为溢流动态停止时的地面背压，单位psi；Pf2为溢流到达地面时的环空压耗，单位psi；Pf1为溢流动态停止时的环空压耗，单位psi；D2＝ID22-OD22，其中，ID2和OD2分别为地面套管的内径和钻杆的外径，单位inch；D1＝ID12-OD12，其中，ID1为井筒内径，OD1为钻具组合在裸眼段内的外径，单位inch；MW为钻井泥浆比重，单位ppg；MWinf为溢流气体比重，单位ppg；Ts为地面循环温度，单位℉；Tb为井底循环温度，单位℉，θ为井斜，单位°。
6.如权利要求1所述的控压钻井智能钻进控制、钻进异常识别和处理方法，其特征在于，所述异常识别模型基于历史数据和异常标记，采用机器学习算法训练得到，所述机器学习算法包括但不限于深度神经网络模型，其他常用的模型包括决策树、朴素贝叶斯法、逻辑斯谛回归与最大熵模型、支持向量机和提升方法；所述异常识别模型实时对所述钻井现场的数据进行分析，计算钻进异常发生的概率，所述钻进异常发生的概率包括但不限于溢流发生的概率、井漏发生的概率、钻具堵塞或冲蚀、节流阀堵塞或冲蚀。
7.如权利要求1所述的控压钻井智能钻进控制、钻进异常识别和处理方法，其特征在于，输入所述异常识别模型的所述钻井现场的数据至少包括以下一种或几种的组合：入口流速、出口流速、出口泥浆比重、入口泥浆比重、立压、转速、扭矩、钻压、大勾悬重、钻速、池体积量、气测值、钻井液密度，钻井液排量，喷嘴面积、钻井液流速；根据所述钻井现场的数据计算出用于所述异常识别模型分析的特征参数，所述特征参数至少包括出入口流速差异、地面背压、立管压力、动态池体积、钻速。
8.控压钻井智能钻进控制、钻进异常识别和处理***，其特征在于，包括至少一个处理器，以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行权利要求1-7所述任一项的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010195078.9A CN111396025B (zh) | 2020-03-19 | 2020-03-19 | 控压钻井智能钻进控制、钻进异常识别和处理方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010195078.9A CN111396025B (zh) | 2020-03-19 | 2020-03-19 | 控压钻井智能钻进控制、钻进异常识别和处理方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111396025A CN111396025A (zh) | 2020-07-10 |
| CN111396025B true CN111396025B (zh) | 2022-11-01 |
Family
ID=71434361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010195078.9A Active CN111396025B (zh) | 2020-03-19 | 2020-03-19 | 控压钻井智能钻进控制、钻进异常识别和处理方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111396025B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111980688B (zh) * | 2020-09-01 | 2021-11-23 | 中国石油集团渤海钻探工程有限公司 | 一种基于集成学习算法的井斜角度预测方法 |
| CN112417778A (zh) * | 2020-11-18 | 2021-02-26 | 中国石油大学(华东) | 基于深层井筒水泥浆体系模拟的控压固井方法及*** |
| CN112431585B (zh) * | 2020-11-30 | 2023-09-29 | 西安石油大学 | 一种基于深度信念网络的自动送钻方法 |
| CN114991690A (zh) * | 2021-08-31 | 2022-09-02 | 中国石油天然气集团有限公司 | 一种随钻地层压力测试方法与装置 |
| CN114482885B (zh) * | 2022-01-25 | 2024-03-29 | 西南石油大学 | 一种控压钻井智能控制*** |
| CN115907236B (zh) * | 2023-02-17 | 2023-11-03 | 西南石油大学 | 基于改进决策树的井下复杂情况预测方法 |
| CN117725514B (zh) * | 2024-02-07 | 2024-05-17 | 成都维泰数智科技有限公司 | 一种溢流识别处理方法及溢流识别处理装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007124330A2 (en) * | 2006-04-20 | 2007-11-01 | At Balance Americas Llc | Pressure safety system for use with a dynamic annular pressure control system |
| CN104100259A (zh) * | 2013-04-03 | 2014-10-15 | 中国石油天然气集团公司 | 一种精细控压钻井稳定井壁的方法及*** |
| CN104213906A (zh) * | 2014-07-30 | 2014-12-17 | 中国石油集团钻井工程技术研究院 | 一种钻井井筒压力校正方法 |
| CN104533407A (zh) * | 2014-07-10 | 2015-04-22 | 中国石油天然气集团公司 | 一种确定井下状态的方法、装置及状态控制方法、装置 |
| CN105178943A (zh) * | 2015-09-08 | 2015-12-23 | 中国石油天然气集团公司 | 一种实时校正井筒压力的方法 |
| CA2963411A1 (en) * | 2014-10-03 | 2016-04-07 | Weatherford Technology Holdings, Llc | Integrated drilling control system and associated method |
| CN106014387A (zh) * | 2016-05-23 | 2016-10-12 | 中国石油集团川庆钻探工程有限公司 | 一种井底压力实时预测与控制方法 |
| CN106121621A (zh) * | 2016-07-15 | 2016-11-16 | 西南石油大学 | 一种智能钻井专家*** |
| CN107044263A (zh) * | 2017-06-21 | 2017-08-15 | 西南石油大学 | 一种控压钻井远程节流回压控制方法及*** |
| CN108388921A (zh) * | 2018-03-05 | 2018-08-10 | 中国石油集团工程技术研究院有限公司 | 一种基于随机森林的溢流漏失实时识别方法 |
| CN108756848A (zh) * | 2018-05-21 | 2018-11-06 | 北京四利通控制技术股份有限公司 | 一种智能钻井控制云平台及智能钻井控制*** |
| CN109441432A (zh) * | 2018-10-23 | 2019-03-08 | 西南石油大学 | 一种窄安全密度窗口地层钻井井筒循环压耗检测方法 |
| US10337267B1 (en) * | 2018-09-05 | 2019-07-02 | China University Of Petroleum (East China) | Control method and control device for drilling operations |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101696627A (zh) * | 2009-10-30 | 2010-04-21 | 湖北工业大学 | 一种钻井过程事故监测方法 |
| GB2540283B (en) * | 2014-05-27 | 2020-07-22 | Halliburton Energy Services Inc | Elastic pipe control and compensation with managed pressure drilling |
| US10077647B2 (en) * | 2014-07-24 | 2018-09-18 | Schlumberger Technology Corporation | Control of a managed pressure drilling system |
| CN105672997A (zh) * | 2016-03-18 | 2016-06-15 | 西南石油大学 | 钻井液地层漏失量监测方法 |
| CN109184674A (zh) * | 2018-10-23 | 2019-01-11 | 西南石油大学 | 一种新型地层漏失压力随钻测量的方法 |
| CN109736772B (zh) * | 2018-11-21 | 2022-12-02 | 长江大学 | 一种基于环空返出监测的简易控压钻进方法及*** |
| CN110388189B (zh) * | 2019-05-15 | 2024-03-19 | 西南石油大学 | 一种高温高压深井钻井溢流智能化节流压井方法及装置 |
-
2020
- 2020-03-19 CN CN202010195078.9A patent/CN111396025B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007124330A2 (en) * | 2006-04-20 | 2007-11-01 | At Balance Americas Llc | Pressure safety system for use with a dynamic annular pressure control system |
| CN104100259A (zh) * | 2013-04-03 | 2014-10-15 | 中国石油天然气集团公司 | 一种精细控压钻井稳定井壁的方法及*** |
| CN104533407A (zh) * | 2014-07-10 | 2015-04-22 | 中国石油天然气集团公司 | 一种确定井下状态的方法、装置及状态控制方法、装置 |
| WO2016015655A1 (zh) * | 2014-07-30 | 2016-02-04 | 中国石油集团钻井工程技术研究院 | 一种钻井井筒压力校正方法 |
| CN104213906A (zh) * | 2014-07-30 | 2014-12-17 | 中国石油集团钻井工程技术研究院 | 一种钻井井筒压力校正方法 |
| CA2963411A1 (en) * | 2014-10-03 | 2016-04-07 | Weatherford Technology Holdings, Llc | Integrated drilling control system and associated method |
| CN105178943A (zh) * | 2015-09-08 | 2015-12-23 | 中国石油天然气集团公司 | 一种实时校正井筒压力的方法 |
| CN106014387A (zh) * | 2016-05-23 | 2016-10-12 | 中国石油集团川庆钻探工程有限公司 | 一种井底压力实时预测与控制方法 |
| CN106121621A (zh) * | 2016-07-15 | 2016-11-16 | 西南石油大学 | 一种智能钻井专家*** |
| CN107044263A (zh) * | 2017-06-21 | 2017-08-15 | 西南石油大学 | 一种控压钻井远程节流回压控制方法及*** |
| CN108388921A (zh) * | 2018-03-05 | 2018-08-10 | 中国石油集团工程技术研究院有限公司 | 一种基于随机森林的溢流漏失实时识别方法 |
| CN108756848A (zh) * | 2018-05-21 | 2018-11-06 | 北京四利通控制技术股份有限公司 | 一种智能钻井控制云平台及智能钻井控制*** |
| US10337267B1 (en) * | 2018-09-05 | 2019-07-02 | China University Of Petroleum (East China) | Control method and control device for drilling operations |
| CN109441432A (zh) * | 2018-10-23 | 2019-03-08 | 西南石油大学 | 一种窄安全密度窗口地层钻井井筒循环压耗检测方法 |
Non-Patent Citations (14)
| Title |
|---|
| ""液量稳定"控压钻井方法";张桂林;《石油钻探技术》;20130725;第41卷(第4期);全文 * |
| "Analysis of the Pressure Response of Kick Control in MPD";pu liu;《Advanced Materials Research》;20141015;第3356卷(第997期);全文 * |
| "Design and calculation of a MPD model with constant bottom hole pressure";wang guo;《Petroleum Exploration and Development Online》;20110615;第38卷(第1期);全文 * |
| "Early kick detection and well control decision-making for managed pressure drilling automation M";Ali Karimi Vajargah;《Journal of Natural Gas Science and Engineering》;20151115;第27卷;全文 * |
| "Risk analysis of well blowout scenarios during managed pressure drilling operation";Idris Sule;《Journal of Petroleum Science and Engineering》;20190723;第182卷;全文 * |
| "动态环空压力控制***应用技术研究";高磊;《中国优秀硕士论文全文库工程科技I辑》;20100415(第4期);全文 * |
| "动态环空压力控制***研究与仿真";陈尚周;《中国优秀硕士论文全文库工程科技I辑》;20111015(第10期);全文 * |
| "控制压力钻井新技术及其应用";辜志宏，等;《石油机械》;20071130(第11期);全文 * |
| "控压钻井分级智能控制***设计与室内试验";杨雄文，等;《石油钻探技术》;20110725;第39卷(第4期);全文 * |
| "控压钻井工具接头对环空压力影响分析及计算";李延军;《中国石油和化工标准与质量》;20160423;第36卷(第8期);全文 * |
| "控压钻井技术在海上超高温高压井中的应用";黄熠，等;《石油钻采工艺》;20181130;第40卷(第6期);全文 * |
| "精细控压钻井工艺在龙女寺构造的应用";王松涛;《中国优秀硕士论文全文库工程科技I辑》;20180615(第6期);全文 * |
| "精细控压钻井工艺设计及其在牛东102井的应用";王凯，等;《石油机械》;20130210;第41卷(第2期);全文 * |
| "钻井过程实时状态监测与诊断技术研究";廖明燕;《中国优秀博士论文全文库工程科技I辑》;20110115(第1期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111396025A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111396025B (zh) | 控压钻井智能钻进控制、钻进异常识别和处理方法及*** | |
| CN112943181B (zh) | 智能气井阀门调节*** | |
| US10657441B2 (en) | Model generation for real-time rate of penetration prediction | |
| CN108388921B (zh) | 一种基于随机森林的溢流漏失实时识别方法 | |
| US7775297B2 (en) | Multiple input scaling autodriller | |
| US8684078B2 (en) | System and method for controlling fluid pumps to achieve desired levels | |
| EP1507955B1 (en) | Automated method and system for determining the state of well operations | |
| US20080257544A1 (en) | System and Method for Crossflow Detection and Intervention in Production Wellbores | |
| US20180096277A1 (en) | Method for standardized evaluation of drilling unit performance | |
| AU2011372537B2 (en) | Well drilling methods with automated response to event detection | |
| WO2016108908A1 (en) | Real-time control of drilling fluid properties using predictive models | |
| WO2021046221A1 (en) | Systems and methods for operating downhole inflow control valves to provide sufficient pump intake pressure | |
| CN117287188A (zh) | 基于井下压力数据流的钻井井漏监测方法 | |
| WO2019018292A1 (en) | METHODS AND SYSTEMS FOR AUTOMATED LOST COLUMN SUSPENSION AND SUSPENSION | |
| CN114482885B (zh) | 一种控压钻井智能控制*** | |
| US20210115779A1 (en) | Autodriller Utilizing Intermediate ROP Setpoint | |
| US11649705B2 (en) | Oil and gas well carbon capture system and method | |
| CN114611748A (zh) | 一种基于录井数据的钻井风险趋势线预警方法 | |
| AU2014233548A1 (en) | Method of removing wellbore fluid from well and water removal well | |
| AU2005334540B2 (en) | Method and associated system for setting downhole control pressure | |
| CN115726764A (zh) | 基于模糊逻辑的电泵井故障诊断***和方法 | |
| CA2874695A1 (en) | Plunger lift systems and methods | |
| CN112882381B (zh) | 一种潜油电泵的自寻优决策控制*** | |
| US11739740B2 (en) | Active accumulator | |
| CN109185145B (zh) | 一种基于有效功率的螺杆泵生产***设计方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |