CN111598366A - 一种实时钻井辅助决策方法及*** - Google Patents

Abstract

一种实时钻井辅助决策方法及***，其中，该方法包括：在钻井端获取待分析钻井的实测数据，并将实测数据传输至云端服务器；利用云端服务器根据实测数据实时计算影响钻井效率和风险的关键参数在井内分布数据和/或变化情况数据；利用云端服务器根据关键参数在井内分布数据和/或变化情况数据确定当前现场施工参数条件下的钻井风险状态；利用云端服务器根据当前现场施工参数条件下的钻井风险状态的不同，采用不同的风险识别分析模型确定不同的调参方案集，并将调参方案集发送至所述钻井端。本方法能够实时生成备选的提速/风控调参方案反馈传输至钻井现场，从而辅助钻井人员结合实际情况进行实时钻井决策，实现安全高效钻井。

Description

一种实时钻井辅助决策方法及***

技术领域

本发明涉及油气勘探开发技术领域，具体地说，涉及一种实时钻井辅助决策方法及***。

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风险情况越来越多，这样也就导致处理钻井风险和事故所需的成本越来越高，因此实现安全高效钻井是钻井行业的首要目标。

目前，与钻井效率和钻井风险直接相关的地层压力、井筒压力、摩阻扭矩等关键参数在钻井过程中无法应用传感器直接测量，只能应用传统计算方法基于钻井现场其他传感器数据进行计算。由于计算过程中涉及到大量数据交互及迭代计算，钻井现场工控机性能无法满足计算需求，也就无法实时计算获得这些关键参数变化趋势提供给钻井人员进行决策。因此，钻井现场施工及风险发生后的参数调控主要依靠现场司钻、钻井队长等少数人员以往的钻井经验，对于人员依赖性过强，难免在决策过程中出现失误。

目前专利和文献中所提供的技术和方法主要分为两种。一种是应用灰色关联、决策树等方法基于钻井现场传感器数据变化进行风险征兆识别，另一种则是通过对井筒压力或摩阻扭矩中的某一关键参数的计算对单一风险进行识别。总体而言，目前的方法和技术均集中于钻井风险的识别预测，但是却无法为现场人员提供高效钻进和风险防控所需的调参备选方案，无法直接帮助钻井人员进行决策。

发明内容

为解决上述问题，本发明提供了一种实时钻井辅助决策方法，所述方法包括：

步骤一、在钻井端获取待分析钻井的实测数据，并将所述实测数据传输至云端服务器；

步骤二、利用云端服务器根据所述实测数据实时计算影响钻井效率和风险的关键参数在井内分布数据和/或变化情况数据；

步骤三、利用云端服务器根据所述关键参数在井内分布数据和/或变化情况数据确定当前现场施工参数条件下的钻井风险状态；

步骤四、利用云端服务器根据当前现场施工参数条件下的钻井风险状态的不同，采用不同的风险识别分析模型确定不同的调参方案集，并将所述调参方案集发送至所述钻井端。

根据本发明的一个实施例，所述影响钻井效率和风险的关键参数包括以下所列项中的任一项或几项：

地层压力、井筒压力、井眼清洁度、摩阻、扭矩和机械钻速。

根据本发明的一个实施例，在所述步骤四中，

如果当前现场施工参数条件下的钻进风险状态为正常状态，则采用提速调参分析模型根据所述关键参数确定提速调参方案集；

如果当前现场施工参数条件下的钻进风险状态为风险状态，则采用风控调参分析模型根据所述关键参数确定风控调参方案集。

根据本发明的一个实施例，确定提速调参方案集的步骤包括：

步骤a、利用调参方案生成模型生成第一预设数量的初始提速调参方案，得到初始提速调参方案集；

步骤b、基于所述初始提速调参方案集中的各个初始提速调参方案中调整后的参数，重新执行所述步骤三，确定各个初始提速调参方案下的钻井风险状态；

步骤c、根据所述各个初始提速调参方案下的钻井风险状态确定所述提速调参方案集。

根据本发明的一个实施例，在所述步骤c中，提取钻井风险状态为正常状态的初始提速调参方案，并利用所提取的初始提速调参方案形成所述提速调整方案集。

根据本发明的一个实施例，确定风控调参方案集的步骤包括：

步骤d、利用调参方案生成模型生成第二预设数量的风控调参方案，得到初始风控调参方案集；

步骤e、基于所述初始风控调参方案集中的各个初始风控调参方案中调整后的参数，重新执行所述步骤三，确定各个初始风控调参方案下的钻井风险状态；

步骤f、根据所述各个初始风控调参方案下的钻井风险状态确定所述风控调参方案集。

本发明还提供了一种实时钻井辅助决策***，所述***包括：

实测数据获取装置，其设置在钻井端，用于获取待分析钻井的实测数据；

云端服务器，其与所述实测数据获取装置通信连接，用于接收所述实测数据获取装置上传的实测数据，根据所述实测数据实时计算影响钻井效率和风险的关键参数在井内分布数据和/或变化情况数据，并根据所述关键参数在井内分布数据和/或变化情况数据确定当前现场施工参数条件下的钻井风险状态，进而根据当前现场施工参数条件下的钻井风险状态的不同，采用不同的风险识别分析模型确定不同的调参方案集。

根据本发明的一个实施例，所述***还包括：

人机交互装置，其设置在所述钻井端并与所述云端服务器通信连接，用于接收所述云端服务器发送来的调参方案集并输出给用户。

根据本发明的一个实施例，如果当前现场施工参数条件下的钻进风险状态为正常状态，所述云端服务器则配置为采用提速调参分析模型根据所述关键参数确定提速调参方案集；

如果当前现场施工参数条件下的钻进风险状态为风险状态，所述云端服务器则配置为采用风控调参分析模型根据所述关键参数确定风控调参方案集。

根据本发明的一个实施例，所述云端服务器配置为根据如下步骤确定所述提速调参方案集：

利用调参方案生成模型生成第一预设数量的初始提速调参方案，得到初始提速调参方案集；

基于所述初始提速调参方案集中的各个初始提速调参方案中调整后的参数，重新执行所述步骤三，确定各个初始提速调参方案下的钻井风险状态；

根据所述各个初始提速调参方案下的钻井风险状态确定所述提速调参方案集。

目前的方法和技术均集中于钻井风险的识别预测，但是却无法为现场人员提供高效钻进和风险防控所需的调参备选方案，无法直接帮助钻井人员进行决策的问题。本发明所提供的实时钻井辅助决策方法提供了一种新的技术思路，其基于云计算技术通过应用其分布式计算与并行计算的高效性，实时计算分析与钻井效率和风险直接相关的关键参数，实时生成备选的提速/风控调参方案反馈传输至钻井现场，从而辅助钻井人员结合实际情况进行实时钻井决策，实现安全高效钻井。

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

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的附图做简单的介绍：

图1是根据本发明一个实施例的实时钻井辅助决策***的结构示意图；

图2是根据本发明一个实施例的实时钻井辅助决策方法的实现流程示意图；

图3是根据本发明一个实施例的实时钻井辅助决策***的分布示意图；

图4是根据本发明一个实施例的确定提速调参方案集的实现流程示意图。

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。

同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。

另外，在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***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。

申请号为CN201610197209.0的专利文件公开了一种钻井风险预测方法。该方法首先会在原始数据获取步骤中获取待分析钻井的实测数据，其中实测数据包含多个影响参数的原始数据。随后，该方法会在特征向量确定步骤中对实测数据进行处理，从而得到实测数据的特征向量。在关联度系数确定步骤中，该方法会根据实测数据的特征向量和预设钻井风险判断矩阵，分别计算实测数据的特征向量的各个元素与各个故障类型的关联度系数。最后，在风险预测步骤中，该方法则会根据关联度系数计算实测数据与各个故障类型的关联度，并根据关联度判断待分析钻井是否存在风险。

上述方法基于关联度来对钻进是否存在风险进行分析预测，但无法为现场工程人员提供风险控制所需的具体调参方案，也无法提供无风险状态下的高效钻进方案。

申请号为CN201410005736.8的专利文件公开了一种钻井参数与效率实时优化方法。该方法在实施过程中，首先会进行钻井取芯，利用所建立的岩石强度模型，根据钻井液密度、性质及地层孔隙压力，判断为哪一种钻井方式。如果为气体钻井则可以直接使用单轴抗压强度，否则计算井底围压条件下岩石强度，利用录井资料计算钻头机械比能，并将计算得到的钻头机械比能与井底围压下岩石强度作对比。

上述方法只能对钻压和转速两个工程参数进行优化，并基于参数的临界失效点判断钻井事故，其适应的风险范围有限且无法针对风险情况给出优化调参方案。

针对现有技术中所存在的问题，本发明提供了一种新的实时钻井辅助决策方法及***，该方法以及***通过应用云计算技术，在后方云服务平台对直接影响钻井效率和风险的关键参数进行高效实时同步计算，随后再基于风险识别规则通过并行计算形成多种调参备选方案，以帮助现场人员进行钻井施工决策。

图1示出了本实施例所提供的实时钻井辅助决策***的结构示意图，图2示出了本实施例所提供的实时钻井辅助决策方法的实现流程示意图。以下结合图1和图2来对该***的结构、工作原理以及工作过程作进一步的阐述。

如图1所示，本实施例所提供的实时钻井辅助决策***优选地包括：实测数据获取装置101、云端服务器102以及人机交互装置103。其中，实测数据获取装置101设置在钻井端，其能够在步骤S201中获取待分析钻井的实测数据，并在步骤S202中将获取到的实测数据传输至与之通信连接的云端服务器102。

具体地，如图3所示，本实施例中，实测数据获取装置101可以集成在现场工控机中，由于现场工控机与现场传感器连接，因此施工过程中，现场工控机也就可以接收现场传感器所传输来的相关信号。现场工控机根据实际需要对传感器所传输来的信号进行数据采集，也就可以得到上述实测数据。

例如，实测数据获取装置101所获取到的传感器数据可以包括：扭矩数据、总池体积数据、流量数据、钩载数据、钻具裸眼静止时间、钻压、机械比能值和井下循环当量密度等。当然，在本发明的其他实施例中，根据实际需要，实测数据获取装置101所获取到的传感器数据既可以仅包含以上所列项中的某一项或某几项，也可以包含其他未列出的合理项，抑或是以上所列项中的某一项或某几项与其他未列出的合理项的组合，本发明不限于此。

此外，本实施例中，根据实际需要，实测数据获取装置101所获取的实测数据除了传感器数据外，还以包含诸如钻具组合数据、钻井液流变性数据等静态数据。

云端服务器102与实测数据获取装置101通信连接，以接收实测数据获取装置101上传的实测数据。具体地，本实施例中，实测数据获取装置101与云端服务器102优选地通过卫星无线网络进行数据通信。

当然，在本发明的其他实施例中，实测数据获取装置101与云端服务器102之间的数据通信方式还可以采用其他合理方式。例如，在本发明的一个实施例中，实测数据获取装置101还采用移动通信网络(例如3G网络或是4G网络)或互联网来与云端服务器102进行数据通信。

本实施例中，云端服务器102在接收到实测数据获取装置101所传输来的实测数据后，能够在步骤S203中根据上述实测数据实时计算影响钻井效率和风险的关键参数在井内分布数据和/或变化情况数据，并在步骤S204中根据计算得到的关键参数在井内分布数据和/或变化情况数据确定当前现场施工参数条件下的钻井风险状态。在得到当前现场施工参数条件下的钻井风险状态后，云端服务器102则会在步骤S205中根据当前现场施工参数条件下的钻井风险状态的不同，采用不同的风险识别分析模型确定不同的调参方案集。

具体地，本实施例中，当前现场施工参数条件下的钻进风险状态优选地包括正常状态和风险状态。其中，正常状态表示按照当前现场施工参数继续进行钻进施工不会发生钻井风险，而风险状态则表示按照当前现场施工参数继续进行钻进施工会发生钻井风险。

本实施例中，云端服务器102所计算得到的影响钻井效率和风险的关键参数优选地包括：地层压力、井筒压力、井眼清洁度、摩阻、扭矩和机械钻速。当然，在本发明的其他实施例中，根据实际需要，云端服务器102所计算得到的影响钻井效率和风险的关键参数既可以仅包含以上所列项中的某一项或某几项，也可以包含其他未列出的合理项，本发明并不对此进行限定。

云端服务器102优选地利用自身部署的实时计算程序来根据实测数据获取装置101所传输来的实测数据实时计算影响钻井效率和风险的关键参数在井内分布数据和/或变化情况数据，并利用自身部署的风险识别程序来根据计算得到的关键参数在井内分布数据和/或变化情况数据确定当前现场施工参数条件下的钻井风险状态。

需要指出的是，云端服务器102确定钻井风险状态时所使用到的关键参数计算方法以及风险识别规则可以是现有技术中所使用的成熟技术，故在此不再对云端服务器102确定钻进风险状态的具体原理以及过程进行赘述。

本实施例所提供的实时钻井辅助决策***利用云端服务器的高效计算效率来实现关键参数计算过程中涉及的大量数据交互及迭代计算量，其能够有效弥补现有技术由于单台计算机计算效率过低无法满足实时性需求的问题。

本实施例中，如果当前现场施工参数条件下的钻进风险状态为正常状态，云端服务器102则配置为采用提速调参分析模型根据计算得到的关键参数确定提速调参方案集。而如果当前现场施工参数条件下的钻进风险状态为风险状态，云端服务器102则配置为采用风控调参分析模型根据计算得到的关键参数确定风控调参方案集。

图4示出了本实施例中确定提速调参方案集的实现流程示意图。

如图4所示，本实施例中，云端服务器102优选地会在步骤S401中利用调参方案生成模型生成第一预设数量的初始提速调参方案，从而得到初始提速调参方案集。随后，云端服务器102会在步骤S402中基于步骤S401中所生成的初始提速调参方案集中的各个初始提速调参方案中调整后的参数，重新执行所述步骤S203和步骤S204，从而重新确定各个初始提速调参方案下的钻井风险状态。最后，云端服务器102会在步骤S403中根据步骤S402中所确定出的各个初始提速调参方案下的钻井风险状态来确定所述提速调参方案集。

具体地，在步骤S403中，云端服务器102优选地会提取钻井风险状态为正常状态的初始提速调参方案，并利用所提取的初始提速调参方案来形成所述提速调整方案集。

例如，如果按照当前施工参数仍可正常钻进(当前现场施工参数条件下的钻进风险状态为正常状态)，云端服务器102则会调用云计算服务器自身所配备的并行计算服务，并利用通过调参方案生成程序生成N个调参方案(即初始提速调参方案集)。在得到并行1-N个参数调整方案后，云端服务器102中配备的并行计算服务仍将调用实时计算程序，从而基于每个初始提速调参方案调整相应的参数项。基于调整后的参数项，云端服务器102会重新对井筒压力、机械钻速等关键参数进行计算分析。

云端服务器102会分别确定重新得到的各个初始提速调参方案所对应钻井风险状态，并提取钻井风险状态为正常状态的初始提速调参方案，这样也就可以得到所需要的提速调参方案集。此时，提速调参方案集中所包含的提速调参方案的数量可以指1至N的特定值。本实施例中，提速调参方案优选地包括：调整钻井参数项、调整值以及调整后井筒压力等各项关键参数的分布与变化情况。

云端服务器102在确定风控调参方案集时，其优选地会首先利用调参方案生成模型生成第二预设数量的风控提速调参方案，从而得到初始风控调参方案集。随后，云端服务器102会基于所得到的初始风控调参方案集中的各个初始风控调参方案中调整后的参数，重新确定各个初始风控调参方案下的钻井风险状态。然后，云端服务器102则会根据各个初始风控调参方案下的钻井风险状态确定所述提速调参方案集。

本实施例中，云端服务器102确定风控调参方案集的实现原理以及实现过程与其确定提速调参方案集的内容类似，故在此不再对该部分内容进行赘述。

人机交互装置103同样设置在钻井端，其与云端服务器102通信连接。云端服务器102会在步骤S206中将自身所生成的调参方案集传输至人机交互装置103，从而由人机交互装置103在步骤S207中将接收到的调参方案集输出给用户。这样钻井现场人员也就可以根据实际情况来对钻井施工进行决策。

需要指出的是，在本发明的其他实施例中，根据实际需要，实施钻井辅助决策***还可以不配置人机交互装置，本发明不限于此。

为了验证本实施例所提供的实时钻井辅助决策方法以及***的可用性和可靠性，将该方法在西北油田托普台区块某井钻井作业中进行了试验应用，同时，该井的钻井队是首次在该区块进行钻井作业，钻井人员对区块各类情况掌握的经验较少。

在实施过程中，在后方信息中心搭建了云计算服务平台(即云端服务器)，应用现有的服务器构建形成了分布式计算与并行计算能力，并在此基础上部署井筒压力等关键参数的实时计算程序、风险识别程序以及调参方案生成程序。

在该井钻井作业中，实时采集了现场传感器数据及钻井液参数等部分静态数据，并由现场安装部署的卫星网络传输至数据库内。随后经由数据服务与数据接口将所得到的实测数据发送至云计算服务平台。

实测数据进入云计算服务平台后，云计算服务器平台会调用实时计算程序，以基于云计算服务平台高效计算能力来实时计算井筒压力、摩阻、扭矩等关键参数在井内分布与变化情况。计算结果经风险识别程序判别后，云计算服务器平台会根据具体钻井状态调用调参方案生成程序形成N个备选调参方案。云计算服务平台会基于自身的并行计算能力，对N个备选调参方案同时进行实时计算与分析，最终形成N个提速或风控调参方案，并将方案传输至井场工控机，从而给现场人员提供直观的调参项、调参值及关键参数变化趋势，进而辅助现场人员结合实际情况进行钻井决策。

在该井钻井作业完成后，通过统计发现虽然钻井队缺少托普台区块钻井经验，但通过应用本方法，该井未出现钻井风险(周边邻井钻井风险统计结果为1.7次/井)，钻井时间127天(周边邻井钻井时间统计结果为146天/井)，钻井效率显著提升，证明该技术方法应用效果良好，起到了实时辅助决策的作用。

目前的方法和技术均集中于钻井风险的识别预测，但是却无法为现场人员提供高效钻进和风险防控所需的调参备选方案，无法直接帮助钻井人员进行决策的问题。本发明所提供的实时钻井辅助决策方法提供了一种新的技术思路，其基于云计算技术通过应用其分布式计算与并行计算的高效性，实时计算分析与钻井效率和风险直接相关的关键参数，实时生成备选的提速/风控调参方案反馈传输至钻井现场，从而辅助钻井人员结合实际情况进行实时钻井决策，实现安全高效钻井。

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或处理步骤，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。

虽然上述示例用于说明本发明在一个或多个应用中的原理，但对于本领域的技术人员来说，在不背离本发明的原理和思想的情况下，明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此，本发明由所附的权利要求书来限定。

Claims (10)

1.一种实时钻井辅助决策方法，其特征在于，所述方法包括：

步骤一、在钻井端获取待分析钻井的实测数据，并将所述实测数据传输至云端服务器；

步骤二、利用云端服务器根据所述实测数据实时计算影响钻井效率和风险的关键参数在井内分布数据和/或变化情况数据；

步骤三、利用云端服务器根据所述关键参数在井内分布数据和/或变化情况数据确定当前现场施工参数条件下的钻井风险状态；

步骤四、利用云端服务器根据当前现场施工参数条件下的钻井风险状态的不同，采用不同的风险识别分析模型确定不同的调参方案集，并将所述调参方案集发送至所述钻井端。

2.如权利要求1所述的方法，其特征在于，所述影响钻井效率和风险的关键参数包括以下所列项中的任一项或几项：

地层压力、井筒压力、井眼清洁度、摩阻、扭矩和机械钻速。

3.如权利要求1或2所述的方法，其特征在于，在所述步骤四中，

如果当前现场施工参数条件下的钻进风险状态为正常状态，则采用提速调参分析模型根据所述关键参数确定提速调参方案集；

如果当前现场施工参数条件下的钻进风险状态为风险状态，则采用风控调参分析模型根据所述关键参数确定风控调参方案集。

4.如权利要求3所述的方法，其特征在于，确定提速调参方案集的步骤包括：

步骤a、利用调参方案生成模型生成第一预设数量的初始提速调参方案，得到初始提速调参方案集；

步骤b、基于所述初始提速调参方案集中的各个初始提速调参方案中调整后的参数，重新执行所述步骤三，确定各个初始提速调参方案下的钻井风险状态；

步骤c、根据所述各个初始提速调参方案下的钻井风险状态确定所述提速调参方案集。

5.如权利要求4所述的方法，其特征在于，在所述步骤c中，提取钻井风险状态为正常状态的初始提速调参方案，并利用所提取的初始提速调参方案形成所述提速调整方案集。

6.如权利要求3～5中任一项所述的方法，其特征在于，确定风控调参方案集的步骤包括：

步骤d、利用调参方案生成模型生成第二预设数量的风控调参方案，得到初始风控调参方案集；

步骤e、基于所述初始风控调参方案集中的各个初始风控调参方案中调整后的参数，重新执行所述步骤三，确定各个初始风控调参方案下的钻井风险状态；

步骤f、根据所述各个初始风控调参方案下的钻井风险状态确定所述风控调参方案集。

7.一种实时钻井辅助决策***，其特征在于，所述***包括：

实测数据获取装置，其设置在钻井端，用于获取待分析钻井的实测数据；

云端服务器，其与所述实测数据获取装置通信连接，用于接收所述实测数据获取装置上传的实测数据，根据所述实测数据实时计算影响钻井效率和风险的关键参数在井内分布数据和/或变化情况数据，并根据所述关键参数在井内分布数据和/或变化情况数据确定当前现场施工参数条件下的钻井风险状态，进而根据当前现场施工参数条件下的钻井风险状态的不同，采用不同的风险识别分析模型确定不同的调参方案集。

8.如权利要求7所述的***，其特征在于，所述***还包括：

人机交互装置，其设置在所述钻井端并与所述云端服务器通信连接，用于接收所述云端服务器发送来的调参方案集并输出给用户。

9.如权利要求7或8所述的***，其特征在于，

如果当前现场施工参数条件下的钻进风险状态为正常状态，所述云端服务器则配置为采用提速调参分析模型根据所述关键参数确定提速调参方案集；

如果当前现场施工参数条件下的钻进风险状态为风险状态，所述云端服务器则配置为采用风控调参分析模型根据所述关键参数确定风控调参方案集。

10.如权利要求9所述的***，其特征在于，所述云端服务器配置为根据如下步骤确定所述提速调参方案集：

利用调参方案生成模型生成第一预设数量的初始提速调参方案，得到初始提速调参方案集；

基于所述初始提速调参方案集中的各个初始提速调参方案中调整后的参数，重新执行所述步骤三，确定各个初始提速调参方案下的钻井风险状态；

根据所述各个初始提速调参方案下的钻井风险状态确定所述提速调参方案集。

Images