CN116955540A - 一种钻井事故处置方案的推荐方法和装置 - Google Patents
一种钻井事故处置方案的推荐方法和装置 Download PDFInfo
- Publication number
- CN116955540A CN116955540A CN202311204126.6A CN202311204126A CN116955540A CN 116955540 A CN116955540 A CN 116955540A CN 202311204126 A CN202311204126 A CN 202311204126A CN 116955540 A CN116955540 A CN 116955540A
- Authority
- CN
- China
- Prior art keywords
- accident
- drilling
- attributes
- treatment
- attribute
- 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.)
- Granted
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 329
- 238000000034 method Methods 0.000 title claims abstract description 259
- 239000011159 matrix material Substances 0.000 claims description 122
- 239000012530 fluid Substances 0.000 claims description 60
- 239000013598 vector Substances 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 38
- 230000002147 killing effect Effects 0.000 claims description 28
- 230000015572 biosynthetic process Effects 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 22
- 238000002372 labelling Methods 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000009545 invasion Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000002002 slurry Substances 0.000 description 29
- 238000005755 formation reaction Methods 0.000 description 25
- 238000005086 pumping Methods 0.000 description 23
- 239000003795 chemical substances by application Substances 0.000 description 15
- 239000007788 liquid Substances 0.000 description 14
- 239000003921 oil Substances 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 11
- 239000007789 gas Substances 0.000 description 11
- 230000003068 static effect Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 10
- 239000004568 cement Substances 0.000 description 9
- 238000002791 soaking Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 8
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 7
- 239000002283 diesel fuel Substances 0.000 description 7
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000000903 blocking effect Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004880 explosion Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 239000001257 hydrogen Substances 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 238000003801 milling Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 239000002253 acid Substances 0.000 description 4
- 238000011049 filling Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 239000000843 powder Substances 0.000 description 4
- 238000003825 pressing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 3
- 239000010426 asphalt Substances 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 239000007790 solid phase Substances 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 241000758789 Juglans Species 0.000 description 2
- 235000009496 Juglans regia Nutrition 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 238000009411 base construction Methods 0.000 description 2
- 230000005465 channeling Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 235000020234 walnut Nutrition 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 239000004677 Nylon Substances 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 229910000019 calcium carbonate Inorganic materials 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920001778 nylon Polymers 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 229920002401 polyacrylamide Polymers 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 235000011121 sodium hydroxide Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 239000010455 vermiculite Substances 0.000 description 1
- 229910052902 vermiculite Inorganic materials 0.000 description 1
- 235000019354 vermiculite Nutrition 0.000 description 1
- 238000004073 vulcanization Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种钻井事故处置方案的推荐方法和装置,所述方法包括:获取待处置钻井事故的一个或多个钻井事故的属性;根据待处置钻井事故的一个或多个钻井事故的属性、利用所述处置方案的推荐模型,得到待处置钻井事故的处置方法推荐结果;其中,所述处置方案的推荐模型是根据所述钻井事故知识本体建立的;所述钻井事故知识本体是根据钻井事故的相关理论知识和钻井事故的历史处置案例建立的。
Description
技术领域
本文涉及信息技术领域与石油工业技术领域,尤指一种钻井事故处置方案的推荐方法和装置。
背景技术
钻井是一项隐蔽的地下工程,存在大量的模糊性、随机性和不确定性,是一项真正的高风险作业。在钻井作业中,由于地质、工程、管理、人员等因素引起的钻井复杂与事故,约占钻井总时间的3%-8%,造成了巨大的经济损失。目前,钻井现场的事故处理仍以专家经验为主。一个经验丰富的钻井工程师可以及时识别事故象征,准确判断事故类型,果断采取有效处置措施。反之,事故研判不正确、事故处理不及时、处置方法不合理等,都会错失事故处理最佳时机,延长事故处理时间,轻则耗费大量人力物力,增加钻井施工周期,重则导致全井废弃。因此,建立钻井事故复杂知识本体管理与处置方案的推荐***,对保障安全钻井、提高钻井效率、节约钻井成本具有重要的作用。
发明内容
本申请提供了一种钻井事故处置方案的推荐方法和装置,该方法通过建立钻井事故知识本体;并根据钻井事故知识本体建立处置方案的推荐模型,利用该处置方案的推荐模型能够提升现场工程师的应急处置能力,缩短事故处理时间,提高事故处理效率,节约事故发生后的处理成本。
第一方面,本申请提供了一种钻井事故处置方案的推荐方法,所述方法包括:
获取待处置钻井事故的一个或多个钻井事故的属性;
根据待处置钻井事故的一个或多个钻井事故的属性、利用处置方案的推荐模型,得到待处置钻井事故处置方案的推荐结果;
其中,所述处置方案的推荐模型是根据钻井事故知识本体建立的;所述钻井事故知识本体是根据钻井事故的相关理论知识和钻井事故的历史处置案例建立的。
一种示例性的实施例中,所述钻井事故知识本体,包括:理论知识类本体和处置案例类知识本体;
所述理论知识类本体包括以下一种或多种:事故复杂类型知识本体、事故现象知识本体、影响因素知识本体和处置方法知识本体;
所述处置案例类知识本体包括以下一种或多种:区块知识本体、井知识本体、地层知识本体和历史处置案例知识本体。
一种示例性的实施例中,所述事故复杂类型知识本体包括以下一种或多种属性:事故复杂原因属性、事故复杂现象属性、预防措施属性和处置方法属性;
所述事故现象知识本体包括以下一种或多种属性:现象说明属性、可能原因属性、检查项属性和措施属性;
所述影响因素知识本体包括以下一种或多种属性:因素说明属性、原因描述属性、可能复杂类型属性、可能事故类型属性;
所述处置方法知识本体包括以下一种或多种属性:方法定义属性、原理描述属性、实施步骤属性、优点属性、缺点属性、应用场景属性和注意事项属性;
所述区块知识本体包括以下一种或多种属性:区块名称属性、地质构造属性和地理环境属性;
所述井知识本体包括以下一种或多种属性:井号属性、井型属性、井别属性和坐标属性;
所述地层知识本体包括以下一种或多种属性:地层名称属性、地层顶深属性、地层底深属性和岩性属性;
所述历史处置案例知识本体包括以下一种或多种属性:发生日期属性、事故名称属性、基本情况属性、事故发生经过属性、事故处理过程属性、事故原因分析属性和总结与经验属性。
一种示例性的实施例中,所述处置方案的推荐模型建立过程,包括:
对所述钻井事故知识本体中每个属性进行标签化处理,建立钻井事故标签体系;
基于所述钻井事故标签体系中的理论知识标签生成理论知识特征矩阵;
基于所述钻井事故标签体系中的历史处置案例标签生成处置案例特征矩阵;
将所述理论知识特征矩阵和所述处置案例特征矩阵分别设置相应的权值,合并得到特征矩阵;
根据所述特征矩阵构建处置方案的推荐模型。
一种示例性的实施例中,所述钻井事故标签体系中的理论知识标签包括:事故复杂类型标签、事故现象标签、影响因素标签和处置方法标签;
其中,所述事故复杂类型标签包括以下一种或多种:钻井复杂类标签和钻井事故类标签;
所述钻井复杂类标签包括以下一种或多种:井漏、井侵、溢流、泥包、掉水眼、堵水眼和井壁坍塌;
所述钻井事故类标签包括以下一种或多种:卡钻事故、测井事故、固井事故、井控事故、断钻具和井下落物;
所述事故现象标签包括以下一种或多种:卡点位置、钻具活动情况、工程参数变化、井口显示情况、气测异常和钻井液性能变化;
所述影响因素标签包括以下一种或多种:地质因素、工程因素、管理和人为因素;
所述处置方法标签包括以下一种或多种:压井方法、井漏处理方法、测卡方法、解卡方法和井下落物处理方法;
一种示例性的实施例中,所述基于所述钻井事故标签体系中的理论知识标签生成理论知识特征矩阵,包括:
将所述事故复杂类型的数量作为矩阵行数,将所述理论知识标签的标签总数量作为矩阵列数,建立理论知识特征矩阵Mtheory;
其中,所述理论知识特征矩阵Mtheory中的元素Mi-theory,j,i-theory表示事故复杂类型编号,j表示标签编号;如果第i-theory个事故复杂类型存在第j个标签,则Mi-theory,j=1;如果第i-theory个事故复杂类型不存在第j个标签,则Mi-theory,j=0。
一种示例性的实施例中,所述基于所述钻井事故标签体系中的历史处置案例标签生成处置案例特征矩阵,包括:
将历史处置案例的数量作为矩阵行数,将所述理论知识标签的标签总数量作为矩阵列数,建立历史处置案例特征矩阵Mcase;
其中,Mi-case,j表示所述历史处置案例特征矩阵Mcase中的元素,i-case表示处置案例编号,j表示标签编号;如果第i-case个处置案例存在第j个标签,则Mi-case,j=1;如果第i-case个处置案例不存在第j个标签,则Mi-case,j=0。
一种示例性的实施例中,所述根据待处置钻井事故的一个或多个钻井事故的属性、利用所述处置方法推荐模型,得到待处置钻井事故的处置方法推荐结果,包括:
将待处置钻井事故的一个或多个钻井事故的属性转换为查询向量;
将所述处置方案的推荐模型所对应的特征矩阵转化为行向量;
计算所述查询向量与所述行向量中每个元素的相似度;
对相似度数值从大到小排列,确定相似度排在前TopN个的相似度数值所对应的行向量生成推荐结果。
一种示例性的实施例中,所述确定相似度排在前TopN个的相似度数值所对应的行向量生成推荐结果,包括:
确定相似度排在前TopN个的相似度数值所对应的特征向量,组成推荐结果矩阵MTopN;
根据所述查询向量分别设置事故复杂类型输入标记TypeFlag、事故现象输入标记SignFlag、事故影响因素输入标记FactorFlag;
根据所述事故复杂类型输入标记、所述事故现象输入标记、所述事故影响因素输入标记和所述推荐结果矩阵MTopN生成推荐结果。
一种示例性的实施例中,根据所述事故复杂类型输入标记TypeFlag生成可能事故类型MayTypes,包括:
从所述推荐结果矩阵MTopN中获取事故复杂类型的列所对应的特征向量;
针对每个事故复杂类型分别采用分值公式计算相应的分值;
对所得到的分值从大到小排序,确定排在前a个事故复杂类型作为MayTypes值;
其中,所述分值公式为:
上述公式中,表示事故复杂类型分值,i'表示推荐结果矩阵中的行,表示推荐
结果矩阵的列,0<≤K1;TopN表示推荐结果矩阵的行数,a为正整数。
一种示例性的实施例中,根据所述事故现象输入标记SignFlag生成可能事故现象MaySigns,包括:
从所述推荐结果矩阵MTopN中获取事故现象类型的列所对应的特征向量;
针对每个事故现象类型分别采用分值公式计算相应的分值;
对所得到的分值从大到小排序,确定排在前a个事故现象类型作为MaySigns值;
其中,所述分值公式为:
上述公式中,表示事故现象的分值,i'表示推荐结果矩阵中的行,表示推荐结
果矩阵的列,TopN表示推荐结果矩阵的行数,K1<≤(K1+K2)。
一种示例性的实施例中,根据所述影响因素输入标记FactorFlag生成可能事故现象MayFactors,包括:
从所述推荐结果矩阵MTopN中获取影响因素类的列对应的特征向量;
针对每个事故原因采用计算公式分别计算相应的分值;
对所得到的分值从大到小排序,确定排在前a个事故原因类型作为MayFactors值;
其中,所述分值公式为:
上述公式中, 表示事故原因的分值,i'表示推荐结果矩阵中的行,表示推荐
结果矩阵的列,TopN表示推荐结果矩阵的行数,(K1+K2)<≤(K1+K2+K3)。
一种示例性的实施例中,所述根据所述事故复杂类型输入标记、所述事故现象输入标记、所述事故影响因素输入标记和所述推荐结果矩阵MTopN生成推荐结果,包括:
从MTopN中获取处置方法类标签列对应的特征向量;
针对每个处置方法分别采用分值公式计算相应的分值;
对所得到的分值从大到小排序,确定排在前a个处置方法作为MayActions值;
根据所确定的MayTypes值、MaySigns值、MayFactors值和MayActions值生成推荐结果;
其中,
上述计算公式中,表示处置方法的分值,i'表示推荐结果矩阵中的行,表示推
荐结果矩阵的列,TopN表示推荐结果矩阵的行数,(K1+K2+K3)<≤(K1+K2+K3+K4)。
第二方面,本发明实施例提供一种钻井事故处置方案的推荐装置,所述装置包括:存储器和处理器;所述存储器用于保存进行钻井事故处置方案的推荐方法的程序,所述处理器用于读取执行所述用于进行钻井事故处置方案的推荐方法的程序,执行上述实施例中任一项所述的方法。
第三方面,本发明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上存储有数据处理程序,所述数据处理程序被处理器执行上述实施例中任一项所述的钻井事故处置方案的推荐方法。
与相关技术相比,一种钻井事故处置方案的推荐方法和装置,所述方法包括:获取待处置钻井事故的一个或多个钻井事故的属性;根据待处置钻井事故的一个或多个钻井事故的属性、利用处置方案的推荐模型,得到待处置钻井事故的处置方案的推荐结果;其中,所述处置方案的推荐模型是根据钻井事故知识本体建立的;所述钻井事故知识本体是根据钻井事故的相关理论知识和钻井事故的历史处置案例建立的。本申请通过建立钻井事故知识本体;并根据钻井事故知识本体建立处置方案的推荐模型,利用该处置方案的推荐模型能够提升现场工程师的应急处置能力,缩短事故处理时间,提高事故处理效率,节约事故发生后的处理成本。
本申请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,或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本申请实施例的钻井事故处置方案的推荐方法流程图;
图2是一些示例性实施例中的钻井事故知识本体示意图;
图3是一些示例性实施例中的基于理论知识生成特征矩阵示意图;
图4是一些示例性实施例中的基于处置案例生成特征矩阵示意图;
图5是一些示例性实施例中的特征矩阵合并示意图;
图6是一些示例性实施例中的Maction特征矩阵行向量示意图;
图7是一些示例性实施例中获取TopN对应的特征向量示意图;
图8为本申请实施例的钻井事故处置方案的推荐装置示意图。
具体实施方式
本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的,并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。
此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而,在该方法或过程不依赖于本文所述步骤的特定顺序的程度上,该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的,其它的步骤顺序也是可能的。因此,说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外,针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤,本领域技术人员可以容易地理解,这些顺序可以变化,并且仍然保持在本申请实施例的精神和范围内。
构建智能推荐***的关键技术包括知识库建设技术、文本特征提取技术和稀疏向量处理技术。在知识库建设方面,一般采用知识抽取技术从结构化、半结构化和非结构化数据源中抽取出领域知识。面向非结构化数据的知识抽取主要采用信息抽取技术从自然语言文本中自动抽取出实体、属性、关系及事件等事实信息。信息抽取是自然语言处理的重要研究方向,包括命名实体识别、关系抽取和事件抽取三个子任务。命名实体识别(NamedEntity Recognition,NER)一直是NLP领域中的研究热点,主要目的是从非结构化文本中识别出实体和实体类型,属于序列标注范畴。随着人工智能技术的发展,NER从早期基于词典和规则的方法发展到基于传统机器学习的方法,近些年又发展到基于深度学习的方法和基于Attention的方法。在文本特征提取方面,一般采用One-Hot、TF-IDF、word2vec等方法生成文本向量。在处理稀疏特征向量方面,一般采用简单填充、标签化、聚类、奇异值分解、特征值分解、降维、Embedding等方法将稀疏矩阵转换为稠密矩阵。
虽然智能推荐技术在医疗、餐饮、出行、购物等领域应用广泛,但是在钻井工程领域,仍存在以下技术问题:
(1)钻井事故复杂知识库建设问题。国内外诸多学者和研究机构在理论和实践中总结了大量的钻井事故与复杂问题的理论知识,包括不同事故复杂的原因、象征、预防、处理方法;同时,各个钻探公司在数十年的钻井施工过程中,也积累了大量的技术措施、成功经验以及失败教训。这些理论知识、处置案例和经验教训主要以非结构化文档形式存储在企业内部,资料获取难,未建立统一的知识分类体系,人工整理费时费力。
(2)钻井处置案例主要以非结构文档存储,基于传统的文本特征提取技术无法有效获取钻井案例中原因、现象、处置方法等信息。
(3)钻井事故处置方案推荐的特征维度包括影响因素、事故表征等,特征维度大,处置案例少,数据稀疏问题严重。
针对上述问题,提出一种钻井事故处置方案的推荐方法与装置,通过将理论知识和钻井事故的历史处置案例融合,建立钻井事故知识本体,并进一步建立处置方案的推荐模型以解决上述问题。
本发明实施例提供一种钻井事故处置方案的推荐方法,如图1所示,方法包括步骤S100- S110,具体如下:
S100:获取待处置钻井事故的一个或多个钻井事故的属性;
S110:根据待处置钻井事故的一个或多个钻井事故的属性、利用处置方案的推荐模型,得到待处置钻井事故处置方案的推荐结果。
在本实施例中,处置方案的推荐模型是根据钻井事故知识本体建立的;钻井事故知识本体是根据钻井事故的相关理论知识和钻井事故的历史处置案例建立的。
知识本体定义了特定领域内的核心概念、概念属性、概念之间的关系以及概念实例。钻井事故知识本体主要包括区块、井、地层、处置案例、事故复杂类型、事故现象、影响因素和处置方法等核心概念。钻井事故知识本体如图2所示,约8个核心概念、11类关系和50个属性。
所述钻井事故知识本体,包括:理论知识类本体和处置案例类知识本体;
所述理论知识类本体包括以下一种或多种:事故复杂类型知识本体、事故现象知识本体、影响因素知识本体和处置方法知识本体;
所述处置案例类知识本体包括以下一种或多种:区块知识本体、井知识本体、地层知识本体和历史处置案例知识本体。
一种示例性实施例中,所述事故复杂类型知识本体包括以下一种或多种属性:事故复杂原因属性、事故复杂现象属性、预防措施属性和处置方法属性;
所述事故现象知识本体包括以下一种或多种属性:现象说明属性、可能原因属性、检查项属性和措施属性;
所述影响因素知识本体包括以下一种或多种属性:因素说明属性、原因描述属性、可能复杂类型属性、可能事故类型属性;
所述处置方法知识本体包括以下一种或多种属性:方法定义属性、原理描述属性、实施步骤属性、优点属性、缺点属性、应用场景属性和注意事项属性;
所述区块知识本体包括以下一种或多种属性:区块名称属性、地质构造属性和地理环境属性;
所述井知识本体包括以下一种或多种属性:井号属性、井型属性、井别属性和坐标属性;
所述地层知识本体包括以下一种或多种属性:地层名称属性、地层顶深属性、地层底深属性和岩性属性;
所述历史处置案例知识本体包括以下一种或多种属性:发生日期属性、事故名称属性、基本情况属性、事故发生经过属性、事故处理过程属性、事故原因分析属性和总结与经验属性。
一种示例性实施例中,理论知识类本体和处置案例类知识本体中所包括属性具体如下:
1、事故复杂类型知识本体
钻井复杂与钻井事故之间并没有清晰的界限,如果复杂情况没有得到及时有效的处理,可能会引发钻井事故。针对每一类钻井复杂与钻井事故,其理论知识包括事故复杂原因、事故复杂现象、预防措施、处置方案等属性。
(1)钻井复杂类型
钻井复杂包括井漏、井侵、溢流、泥包、掉水眼、堵水眼、井壁坍塌等。
(2)钻井事故类型
钻井事故包括卡钻事故、测井事故、固井事故、井控事故、断钻具、井下落物等,其中,卡钻事故又包括吸附卡钻、坍塌卡钻、砂桥卡钻、缩径卡钻、键槽卡钻、水泥卡钻等;井控事故又包括井涌、井喷、井喷失控等。
2、事故现象知识本体
事故现象主要划分为卡点位置、钻具情况、测井仪器情况、工程参数变化情况、井口显示情况、气测异常、钻井液变化等。针对每一类事故现象,其理论知识包括现象说明、可能原因、检查项、措施等属性。
(1)卡点位置
卡点位置主要划分为在钻头附近、在钻铤或钻杆上、在钻铤顶部、未测等。
(2)钻具情况
①钻具活动情况:上提钻具时超拉、上提有阻、上提无阻、下放有阻、下放无阻、上下活动时遇卡、无阻力时转动不正常等。
②钻具故障:公扣断开等。
(3)测井仪器情况
测井仪器情况主要划分为测井仪器损坏、测井仪器遇阻、遇卡、电缆跳槽、测井仪器可以下放但不能上提等。
(4)工程参数变化
工程参数变化主要划分为转盘转动情况、扭矩、泵压、机械钻速、悬重、立压、套压等。
①转盘转动情况:快钻时或钻进放空、钻时突然变大等。
②扭矩:扭矩突然增大、扭矩逐渐增大、扭矩突然下降、扭矩正常等。
③泵压:泵压波动、泵压缓慢下降、泵压突然下降、泵压突然升高、泵压缓慢上升、憋泵等。
④机械钻速:机械钻速加快、机械钻速减慢等。
⑤悬重:悬重波动、悬重下降、悬重增加等。
⑥立压:立压升高、立压波动、立压降低等。
⑦套压:套压波动、套压降低、套压升高等。
(5)井口显示情况
井口显示情况主要划分为泥浆池液面变化量、钻屑显示等。
①泥浆池液面变化量:溢流量、漏失量、泥浆喷高、钻井液上涌至转盘面等。
②钻井液循环情况:可以正常循环、可以小排量循环、失去循环、钻柱上起环空液面不下降、钻井液随钻柱上起返出井口、钻柱内孔反喷钻井液、进口正常出口减少等。
③钻屑显示: 返出量增多有大量坍塌物、返出量减少、返出片状掉块、返出块状掉块等。
(6)气测异常
①全烃及组分变化:背景气、热导全烃的负值、接单根气、起下钻气、没有接单根气、H2S传感器报警等。
②油气上窜:上窜高度变化、上窜速度变化等。
(7)钻井液性能变化
钻井液性能变化主要划分为钻井液密度变化、钻井液电导率变化、钻井液温度变化、钻井液粘度变化、固相含量变化、PH值变化等。
①钻井液密度变化:不稳定的入口密度、不稳定的出口密度、出口密度突然降低、入口密度下降、入口密度增大等。
②钻井液电导率变化:入口电导率增加、入口电导率下降、出口电导率增加、钻井液电导率无变化(零或正值)、钻井液电导率突然变化等。
③钻井液温度变化:入口或出口温度无变化、入口温度快速递减、入口温度梯度递减等。
④钻井液粘度变化:钻井液粘度变大、钻井液粘度变小等。
⑤固相含量变化:固相含量变多等。
⑥PH值变化:PH值上升、PH值下降等。
3、事故影响因素知识本体
事故影响因素主要划分为地质因素、工程因素、管理和人为因素。针对每一类影响因素,其理论知识包括因素说明、原因描述、可能复杂类型、可能事故类型等属性。
(1)地质因素
地质因素又可以划分为不稳定岩层、异常地层压力、特殊地质构造、特殊地层流体、其他特殊地层等。
①不稳定岩层:碳酸岩层、盐岩层、膏盐层、煤层、沥青层、泥页岩、粉砂岩、砂岩、砂砾岩等。
②异常地层压力:高孔隙压力(异常高压)、低破裂压力(异常低压)、应力释放、坍塌压力。
③特殊地质构造:褶皱、断层、裂缝、溶洞、不整合接触面等。
④特殊地层流体:高含硫化氢、浅层气、含二氧化碳。
⑤其他特殊地层:高渗透层、易漏地层、地层承压能力低等。
(2)工程因素
地质因素又可以划分为设备因素、设计因素、处置措施、压井因素、固井因素、工艺缺陷等。
①设备因素:井控设备、压井装备、钻井设备、测井设备等。
②设计因素:钻井液设计问题、钻头选择不当、没有进行地层压力预测或预测误差大、钻具组合设计不合理等。
③处置措施:应急或处理措施不合理。
④压井因素:压井液等。
⑤固井因素:固井质量差、固井水泥浆等。
⑥工艺缺陷。
(3)管理与人为因素
①管理因素:现场管理存在不足、地质工程一体化施工管理的结合不强等。
②人为因素:操作规范问题、经验不足、岗位责任制和安全意识淡薄、设计执行问题、缺乏技术指导、井眼情况掌握不充分等。
4、处置方法知识本体
处置方法主要划分为溢流处置方法、井漏处理方法、测卡方法、解卡方法、井下落物处理方法等。针对每一类处置方法,其理论知识包括方法定义、原理描述、实施步骤、优点、缺点、应用场景、注意事项等。
(1)溢流处置方法
溢流处置方法主要划分为关井方法、压井方法、压井工具等。
①关井方法:软关井、硬关井等。
②压井方法
常规压井方法:司钻法压井(二次循环法)、工程师法压井(一次循环法或等待加重法)、边循环边加重法压井等。
非常规压井方法:平衡点法压井、置换法压井、压回法压井、低节流压井方法、反循环法压井、正循环法压井、节流循环压井等。
特殊情况下压井方法:浅井段溢流、同层又喷又漏的压井、井内无钻具的空井压井、上喷下漏的压井、下喷上漏的压井、起下钻中发生溢流后的压井(暂时压井后下钻的方法)、起下钻中发生溢流后的压井(等候循环排溢流法)、起下钻中发生溢流后的压井等。
③压井工具
钻具内防喷工具:方钻杆上旋塞、下旋塞等。
钻具回压阀:碟形回压阀、箭形回压阀、投入式止回阀、球形回压阀、投入式球形止回阀、休斯钻柱内防喷器等。
(2)井漏处理方法
①大漏处理方法:大漏时静止堵漏、微细颗粒和纤维物质堵漏、单向压力封闭剂堵漏、桥接剂堵漏、高失水浆液堵漏、酸溶性堵漏剂、水泥浆堵漏等。
②大裂缝大溶洞堵漏方法:充填与堵剂复合堵漏、采用钻井液-胶质水泥浆和水泥浆配制的堵漏混合物堵漏、用尼龙袋堵漏、用网套式封堵工具堵漏等。
③降低井底压力进行钻井方法:这种情况是指不着眼于堵漏,而在使钻井液液柱压力与地层压力相平衡的情况下进行钻进,例如:泡沫钻井液、低密度油包水钻井液、氧化聚丙烯酰胺水溶液等。
(3)测卡方法
主要划分为计算法、测卡仪测卡法等。
(4)解卡方法
主要划分为解卡工具和解卡方法。
①解卡工具
解卡工具包括震击解卡工具、倒扣工具等。
震击解卡工具:YSJ 液压上击器、随钻上击器、超级液压震击器、液压补偿式上击器、双作用液压震击器、闭式下击器等。
倒扣工具:换向器、倒扣接头、倒扣捞矛、倒扣打捞筒等。
②解卡方法:活动钻具解卡、震击器解卡、降压法解卡、憋压循环法、倒扣套铣解卡、侧钻、***松扣等。
(5)井下落物体处理方法
主要划分为打捞工具和打捞方法。
①打捞工具:卡瓦打捞筒、打捞矛、公母锥、切割打捞工具、辅助打捞工具等。
②打捞方法:套铣打捞、磨铣打捞、切割打捞、卡瓦打捞、穿心打捞法、公锥打捞、母锥打捞等。
(6)划出新井眼处理方法
划出新井眼处理方法主要包括找老井眼方案、重新设计井眼轨迹。
5、处置案例知识本体
主要包括区块、井号、地层、发生日期、事故复杂名称、基本情况、事故发生经过、事故处理过程、事故原因分析、总结与经验等属性。
处置案例知识实例主要采用自然语言处理技术从事故钻井工程设计、事故总结报告等非结构化文档中自动抽取。
6、区块知识本体
主要包括区块名称、上级区块等属性。
区块知识实例主要来源于企业关系数据库,可以直接通过本体映射技术获取。本体映射技术可以采用本领域常用的技术,对此并不进行具体限定。
7、井知识本体
主要包括井号、所属区块、井型、井别、井位坐标等属性。
井知识实例主要来源于企业关系数据库,可以直接通过本体映射技术获取。本体映射技术可以采用本领域常用的技术,对此并不进行具体限定。
8、地层知识本体
主要包括井号、地层编码、地层名称、顶深、地深、岩性等属性。
地层知识实例主要来源于企业关系数据库,可以直接通过本体映射技术获取。本体映射技术可以采用本领域常用的技术,对此并不进行具体限定。
一种示例性实施例中,根据所述钻井事故知识本体建立处置方案的推荐模型,包括:
第一步、对所述钻井事故知识本体中每个属性进行标签化处理,建立钻井事故标签体系;
第二步、基于所述钻井事故标签体系中的理论知识标签生成理论知识特征矩阵;
第三步、基于所述钻井事故标签体系中的历史处置案例标签生成处置案例特征矩阵;
第四步、将所述理论知识特征矩阵和所述处置案例特征矩阵分别设置相应的权值,合并得到特征矩阵M;
第五步、根据所述特征矩阵M构建处置方案的推荐模型。
在第一步中,对所述钻井事故知识本体中每个属性进行标签化处理,建立钻井事故标签体系的具体实现过程包括:
对事故复杂理论知识和处置案例的相关属性值进行拆分、标注,形成理论知识与案例关键信息的标签体系;标签化可以采用人工标注方法,也可以采用自动文本分类方法。
1、人工标注方法
人工标注方法主要是采用人工方式,对事故复杂理论知识和处置案例相关属性值进行分析,并从对应的知识本体中选择分类节点作为其标签。
(1)标签化事故复杂理论知识
针对事故复杂类型知识本体中的每一类型的理论知识,对事故复杂原因、事故复杂现象、处置方案等属性值进行分析,并从影响因素知识本体、事故现象本体、处置方法知识本体中选择匹配的节点作为其标签。
(2)标签化处置案例
对每一个处置案例的事故复杂名称、事故发生经过、事故处理过程、事故原因分析等属性值进行分析,并从对应的知识本体中选择分类节点作为该案例的标签。
①标签化事故复杂名称:提取处置案例的“事故复杂名称”属性值,从“事故复杂类型知识本体”中选择对应的分类节点,作为该案例的事故复杂类型标签。一个处置案例可以有多个事故复杂类型标签。
②标签化事故发生经过:提取处置案例的“事故发生经过”属性值,分析与事故现象相关的内容,从“事故现象知识本体”中选择对应的分类节点,作为该案例的事故现象标签。一个处置案例可以有多个事故现象标签。
③标签化事故原因:提取处置案例的“事故原因分析”属性值,分析与事故影响因素相关的内容,从“影响因素知识本体”中选择对应的分类节点,作为该案例的影响因素标签。一个处置案例可以有多个影响因素标签。
④标签化事故处理过程:提取处置案例的“事故处理过程”属性值,分析与事故处置方法相关的内容,从“处置方法知识本体”中选择对应的分类节点,作为该案例的事故处置方法标签。一个处置案例可以有多个事故处置方法标签。
2、自动文本分类方法
自动文本分类方法是指将一段文本映射到预先给定的某一个或某几个标签的过程。
(1)数据集构建
提取每一个处置案例的事故发生经过、事故处理过程、事故原因属性值,并对进行人工标注,生成训练数据集。训练数据集中的每个样本包括文本和标签两部分。
(2)文本预处理
针对数据集中的每一个文本,对其进行分词、去停用词等操作。
(3)文本特征提取与向量化
对文本预处理之后,可以采用One-Hot、TF-IDF、word2vec等方法生成文本向量,本申请采用word2vec方法生成文本特征向量。
(4)构建分类模型
生成文本特征向量之后,可以采用支持向量机、随机森林、神经网络等方法训练文本特征向量,生成文本分类模型。
(5)模型应用
将训练好的分类模型应用到尚未标注的文本中,获取分类结果,并将该分类结果作为该文本的标签。
(6)分类结果审核
为了确保标签的正确性,可以对分类结果进行人工审核和验证。
采用任一种方法,对钻井事故知识本体中每个属性进行标签化处理,建立了钻井事故标签体系。
其中,钻井事故标签体系中的理论知识标签包括:事故复杂类型标签(K1)、事故现象标签(K2)、影响因素标签(K3)和处置方法标签(K4);
所述事故复杂类型标签包括以下一种或多种:钻井复杂类标签和钻井事故类标签;
所述钻井复杂类标签包括以下一种或多种:井漏、井侵、溢流、泥包、掉水眼、堵水眼和井壁坍塌;
所述钻井事故类标签包括以下一种或多种:卡钻事故、测井事故、固井事故、井控事故、断钻具和井下落物;
所述事故现象标签包括以下一种或多种:卡点位置、钻具活动情况、工程参数变化、井口显示情况、气测异常和钻井液性能变化;
所述影响因素标签包括以下一种或多种:地质因素、工程因素、管理和人为因素;
所述处置方法标签包括以下一种或多种:压井方法、井漏处理方法、测卡方法、解卡方法和井下落物处理方法。
一种示例性实施例中,第二步中基于所述钻井事故标签体系中的理论知识标签生成理论知识特征矩阵,包括:
将所述事故复杂类型的个数(K1)作为矩阵行数,将所述理论知识标签的标签总数量(K)作为矩阵列数,建立理论知识特征矩阵Mtheory;
其中,K表示理论知识标签的标签总数量,K1表示事故复杂类型标签数量,K2表示事故现象标签数量,K3表示影响因素标签数量和K4表示处置方法标签数量;K=K1+K2+K3+K4。
所述理论知识特征矩阵Mtheory中的元素Mi-theory,j,i-theory表示事故复杂类型编号,j表示标签编号;如果第i-theory个事故复杂类型存在第j个标签,则Mi-theory,j=1;如果第i-theory个事故复杂类型不存在第j个标签,则Mi-theory,j=0。本实施例中,理论知识特征矩阵构建过程如图3所示:
对事故复杂理论知识进行标签化之后,可以生成理论知识特征矩阵,采用理论知识特征矩阵Mtheory1=事故复杂类型理论知识个数Ntheory×Ktheory表示,其中Ntheory表示事故复杂类型理论知识个数,Ktheory表示每一个理论知识的特征个数。由于理论知识主要由不同事故复杂类型的理论知识构成,因此,Ntheory=K1,Ktheory=K2+K3+K4,此时,理论知识特征矩阵又可表示为
Mtheory1=Ntheory×Ktheory=K1×(K2+K3+K4)。
如图3所示,将每一个事故复杂类型理论知识依次编号为理论知识1、知识知识2......理论知识n,则理论知识特征矩阵可变形为:
Mtheory2=Ntheory×K=Ntheory×(K1+K2+K3+K4)。对于理论知识特征矩阵的每一个元素Mij,i表示理论知识编号,j表示标签编号,如果第i个理论知识存在第j个标签,则Mij=1;如果第i个理论知识不存在第j个标签,则Mij=0。
一种示例性实施例中,第三步中基于所述钻井事故标签体系中的历史处置案例标签生成处置案例特征矩阵,包括:
将历史处置案例的数量作为行数,将所述理论知识标签的标签总数量(K,K=K1+K2+K3+K4)作为矩阵列数,建立历史处置案例特征矩阵Mcase;
其中,所述历史处置案例特征矩阵Mcase中的元素Mi-case,j,i-case表示处置案例编号,j表示标签编号;如果第i-case个处置案例存在第j个标签,则Mi-case,j=1;如果第i-case个处置案例不存在第j个标签,则Mi-case,j=0。本实施例中,基于处置案例生成特征矩阵,如4图所示:
对处置案例进行标签化之后,可以生成案例知识特征矩阵,案例知识特征矩阵采用Mcase=Ncase×Kcase表示,其中,Ncase表示案例个数(1口井几次事故),每一行表示一个案例,每个案例是Kcase维向量,Kcase=K=K1+K2+K3+K4,即K个特征。此时处置案例特征矩阵又可表示为Mcase=Ncase×Kcase=Ncase×K=Ncase×(K1+K2+K3+K4)。
将所有的案例依次编号为1、2、......n,对于特征矩阵的每一个元素Mij,i表示案例编号,j表示标签编号,如果第i个案例存在第j个标签,则Mij=1,;如果第i个案例不存在第j个标签,则Mij=0。
一种示例性实施例中,第四步中将所述理论知识特征矩阵和所述处置案例特征矩阵分别设置相应的权值,合并得到特征矩阵M,实现过程如下:
1、设置理论知识权值和处置案例权值
理论知识是基础,案例知识来源于生产实践。通过设置理论知识权值和案例知识权值体现不同类型知识在推荐过程中的重要性。在本实施例中理论知识特征矩阵权值使用w1表示,处置案例特征矩阵权值采用w2表示,w1和w2权值可以根据具体情况进行设定;w1权值和w2权值和为1。
2、合并理论知识特征矩阵和处置案例特征矩阵
如图5所示,将理论知识特征矩阵Mtheory乘以权值w1,案例知识特征矩阵Mcase乘以权值w2,然后按行合并,表示为M=N×K,其中N表示知识总数,N=K1+Ncase,K表示特征总数,K=K1+K2+K3+K4。合并后特征矩阵中的每一个元素Mij,i表示知识编号(理论知识+案例知识),j表示标签编号。
一种示例性实施例中,根据待处置钻井事故的一个或多个钻井事故的属性、利用所述处置方法推荐模型,得到待处置钻井事故的处置方法推荐结果,包括:
第一步、将待处置钻井事故的一个或多个钻井事故的属性转换为查询向量Q;
第二步、将所述处置方法推荐模型所对应的特征矩阵M转化为行向量;
第三步、计算查询向量与特征矩阵所转化的行向量中每个元素的相似度;
第四步、对所得到的相似度数值进行排序,确定预定的TopN行生成推荐结果。
在本实施例中,生成特征矩阵的过程如下:
(1)根据推荐目标选择特征列
钻井事故复杂特征矩阵M由事故复杂类型、事故现象、影响因素和处置方法构成,特征个数K=K1+K2+K3+K4。如果选择处置方案为推荐目标,则选择事故复杂类型、事故现象和影响因素生成处置方法特征矩阵,采用Maction=N×Kaction表示,其中Kaction表示特征个数,Kaction=K1+K2+K3。
(2)根据用户输入生成查询向量
用户可以从“事故复杂类型知识本体”、“事故现象知识本体”、“影响因素知识本体”中选择一个或者多个属性作为该方法的输入。***自动将用户输入转换为Kaction维查询向量Q=(q1,q2,q3,...,qkaction),如果用户选择了第j个标签,则qj=1,否则qj=0。
(3)计算相似度
1.采用行向量表示处置方法特征矩阵Maction,如图6所示,其中mi是一个Kaction维列向量,mi =(mi1,mi2,...,.mij,...,mik)。
2.计算查询向量Q与处置方法特征矩阵Maction行向量中每一个元素mi 的相似度ρi,如下所示:
3.通过上述步骤,共获取N个相似度值,分别是ρ1、ρ2……ρi……ρn,将其按照相似度大小进行排序,获取前TopN个值。
(4)生成推荐结果
1.对相似度序列中前TopN个相似度值对应的行编号,并从合并后特征矩阵M中获取相应行的特征向量,如图7所示获取TopN对应的特征向量,采用MTopN表示TopN行特征向量组成的矩阵。
2.根据用户查询向量Q设置TypeFlag、SignFlag和FactorFlag
TypeFlag:事故复杂类型输入标记。如果用户没有选择任何事故复杂类标签,则TypeFlag=false,否则TypeFlag=true。
SignFlag:事故现象输入标记。如果用户没有选择任何事故现象类标签,则SignFlag=false,否则SignFlag= true。
FactorFlag:事故影响因素输入标记。如果用户没有选择任何影响因素类标签,则FactorFlag=false,否则FactorFlag=true。
①根据TypeFlag生成可能事故类型
采用MayTypes表示可能事故类型,如果TypeFlag=true,则MayTypes为空;如果TypeFlag=false,则推荐结果中会给出对可能事故类型的推断,如下所示:
a:从MTopN中获取事故复杂类型标签列对应的特征向量;
b:针对每一个事故复杂类型记为,通过如下公式计算得分,其中,所述分值公
式为:
上述公式中,表示事故复杂类型分值,i'表示推荐结果矩阵中的行,表示推荐
结果矩阵的列,0<≤K1;TopN表示推荐结果矩阵的行数。
c:对所得到的分值从大到小排序,确定排在前a个事故现象类型作为MayTypes值;比如:对K1个得分进行排序后,选择得分较高的3个类型作为MayTypes值。
②根据SignFlag生成可能事故现象
采用MaySigns表示可能事故现象,如果SignFlag=true,则MaySigns为空;如果SignFlag=false,则推荐结果中会给出对可能事故现象的推断,如下所示:
a:从MTopN中获取事故现象类型标签列对应的特征向量;
b:针对每个事故现象类型分别采用分值公式计算相应的分值;
其中,所述分值公式为:
上述公式中,表示事故现象的分值,i'表示推荐结果矩阵中的行,表示推荐结
果矩阵的列,TopN表示推荐结果矩阵的行数,K1<≤(K1+K2)。
c:对所得到的分值从大到小排序,确定排在前a个事故现象类型作为MaySigns值;比如:对K2个得分进行排序后,选择得分较高的3个事故现象作为MaySigns值。
③根据FactorFlag生成可能事故原因
采用MayFactors表示可能事故原因,如果FactorFlag=true,则MayFactors为空;如果FactorFlag=false,则推荐结果中会给出对可能事故原因的推断,如下所示:
a:从MTopN中获取影响因素类标签列对应的特征向量;
b:针对每个事故原因采用计算公式分别计算相应的分值;
其中,所述分值公式为:
上述公式中, 表示事故原因的分值,i'表示推荐结果矩阵中的行,表示推荐
结果矩阵的列,TopN表示推荐结果矩阵的行数,(K1+K2)<≤(K1+K2+K3)。
c:对所得到的分值从大到小排序,确定排在前a个事故原因类型作为MayFactors值;例如:对K3个得分进行排序后,选择得分较高的3个事故原因作为MayFactors值。
④生成推荐方法
采用MayActions表示推荐处置方法,计算流程如下所示:
a:从MTopN中获取处置方法类标签列对应的特征向量;
b:针对每个处置方法分别采用分值公式计算相应的分值;
其中, 分值公式为:
上述计算公式中,表示处置方法的分值,i'表示推荐结果矩阵中的行,表示推
荐结果矩阵的列,TopN表示推荐结果矩阵的行数,(K1+K2+K3)<≤(K1+K2+K3+K4)。
c:对所得到的分值从大到小排序,确定排在前a个处置方法作为MayActions值;例如:对K4个得分进行排序后,选择得分较高的3个处置方法作为MayActions值。
⑤生成推荐结果
通过以上步骤,生成最终推荐结果RecResult,RecResult=MayTypes值+MaySigns值+MayFactors值+MayActions值。
本申请的实施例,首先建立了钻井事故复杂知识本体;然后对历史案例进行拆分、标注,形成案例关键信息的标签体系,并结合理论知识,构建钻井事故处置方案特征矩阵;最后根据案例标签生成特征向量,建立处置方案推荐模型。基于所建立的钻井事故处置方案推荐模型,根据用户输入属性,智能分析出事故可能类型、可能原因,并推荐出事故处置方法和相关案例,为事故现场的分析研判以提供及时、有效的数据支持,提高事故处置效率。
本发明实施例还提供一种钻井事故的处置装置,如图8所示,所述装置包括:存储器800和处理器810;存储器用于保存进行钻井事故处置的程序,处理器用于读取执行用于进行钻井事故处置的程序,执行上述实施例中任一项的方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有数据处理程序,所述数据处理程序被处理器执行上述实施例中任一项所述的方法。
示例一
针对用户输入事故现象,钻井事故的处置方法确定推荐结果,实现过程如下:
输入“上提遇阻”属性、利用处置方法推荐模型,得到待处置钻井事故的处置方法推荐结果,包括可能复杂类型、可能原因和推荐方法。
(1)可能复杂类型
序号 | 复杂名称 | 该类型关联案例 |
1 | 卡钻 | 【1】XX1 卡钻【2】XX2 卡钻 【3】XX3 卡钻 【4】XX4 卡钻 【5】XX5 卡钻 【6】XX6 卡钻 【7】XX7 卡钻 |
2 | 缩径卡钻 | 【1】B油田 YY1 缩径卡钻 【2】B油田 YY2 缩径卡钻【3】C油田 YY3 缩径卡钻 |
3 | 坍塌卡钻 | 【1】A油田 ZZ1 坍塌卡钻 【2】A油田 ZZ2 坍塌卡钻 |
(2)可能原因
序号 | 因素名称 | 产生原因 | 主要复杂类型 | 可能产生事故 | 关联案例 |
1 | 应急或处理措施不合理 | 井下情况判断不准确,处置措施制定不正确,应急手段少,处理方案分析修正地不及时 | 发现井下复杂情况处理不及时,把本来不复杂的问题弄的复杂化,把本来不应该发生的事故却人为地造成了 | 使井下情况复杂化 | (1) A油田XXX11 键槽卡钻 在起第三十三柱时已有阻卡现象,起第三十四柱时就不应该由400kN提至1000kN。可见工作人员的思想上就没有键槽卡钻这个概念。(2) C油田XXX12 缩径卡钻本井没有采取堵漏措施(3) D油田XXX13 泥包卡钻 处理措施不合理(1)发现有泥包拔活塞的现象,不应继续上起,应下放至不遇阻井段,开泵循环,设法消除泥包。(4) A油田 XXX14坍塌卡钻 没有用技术套管封隔开、贸然填井侧钻(5) C油田 XXX15 缩径卡钻 处理措施不合理。起钻遇阻,根本就不应该硬提。若采用循环钻井液、轻提慢转的办法加以处理,是不会造成事故的。(6) A油田XXX16 干钻卡钻没有立即起钻检查钻具,而是继续钻进在泵量不减的情况下,泵压由18MPa降到14MPa,又继续下降到9MPa,是明显的短路循环现象。(7) XXX17 断钻具 到划眼过程中打倒车未控制好起钻遇阻,倒划眼过程中,打倒车未控制好,造成钻具脱扣落井。(8)XXX18卡钻采取措施不当井下遇阻,采取措施不当,在复杂井段,风险认识不清,倒划眼时采用三凡尔,排量偏大,造成坍塌聚集憋泵。(9)XXX19卡钻 未及时采取应对措施中途注堵漏浆出现不连续性问题,未及时采取应对措施。 |
2 | 钻井液设计问题 | 钻井液体系和流变性与地层特性不相适应 | 易冲蚀井壁岩石,引起坍塌;易引起松软地层缩径 | 裸眼井段中某些地层缩径或坍塌,造成井喷、井漏或井塌 | (1) XXX21卡钻 钻井液性能无法达到要求钻井液性能无法达到条湖组井壁稳定要求。(2)XXX22卡钻 泥浆性能不能满足井下防塌要求沥青量跟进略有滞后。泥浆性能不能满足井下防塌要求。(3)XXX23卡钻 泥浆携带能力差泥浆携带能力差,岩屑在水平段不能及时运移,形成岩屑床,也是造成上提钻具蹩泵、卡钻的主要原因。 |
3 | 操作规范问题 | 技术素质低,操作技术不当、失误、违规,司钻操作不规范、不严格、不熟练,送钻不均匀 | 钻机操作人员对关键部位和装置缺乏严细的要求和检验手段,使井下情况复杂化或造成更大事故 | 使井下情况复杂化,存在严重的井控隐患 | (1) XXX31 断钻头(2) XXX32卡钻 刹把操作人员操作不当,上提过多,在泵压上升过程中未及时摘泵导致蹩泵、卡死。(3) XXX33卡钻 施工预案不完善,注堵漏浆施工不连续。 |
(3)推荐方法 浴井解卡(泡解卡剂)
案例1.AAA11
处置方法:
【1】注解卡剂、泡柴油、注清水【失败】均无效果
注解卡剂、泡柴油、注清水均无效果,泵压由16MPa上升至22MPa,井漏。
【2】打水泥塞开始侧钻【成功】
用转盘倒扣,从4763.80m处倒开,落鱼128.48m(包括83/8in三牙轮钻头0.24m+430×4A10接头0.63m+61/4in钻铤9.11m+81/8in扶正接头0.38m+61/4in钻铤118.12m)。打水泥塞从4289.20m开始侧钻。
案例2.AAA12
处置方法:
【1】泡解卡剂【失败】无效
泡解卡剂量3次,淡水钻井液1次无效。
【2】套铣解卡【成功】
将钻井液密度提至1.92g/cm3,爆松倒扣,套铣解卡。损失28.5天。
案例3.AAA13
处置方法:
【1】震击器下击【失败】无效
接地面震击器下击,无效。
【2】注柴油浸泡【失败】无效
注柴油浸泡,并从地面下击,无效。
【3】倒扣套铣【失败】
用原钻具倒扣,从井深952.02m处倒开。鱼长135.25m。
下左旋螺纹钻杆倒扣二次,公锥滑扣。
下Φ193.67mm套铣筒,套铣10m。
下左旋螺纹公锥倒扣,仍然滑扣。
【4】填井侧钻【成功】
案例4.AAA14
处置方法:
【1】上提下方活动钻具【失败】
采用逐渐增大排量、保持泵压不超过15MPa的方式循环,循环至6月27日1:00左右,排量增至36L/s,泵压20MPa,恢复至正常钻进时的排量、泵压。期间连续上提下放活动钻具,最大上提1800KN,下压至1000KN,坐卡瓦间歇强转钻具20圈,回20圈。
【2】混原油浸泡;混柴油浸泡【失败】
混原油浸泡6月27日9:00至14:30循环活动钻具,最大上提至1800KN,下压至800KN,强转钻具20圈,回20圈。
【3】***松扣【失败】
7月8日7:20测卡车测卡点至3690m,在3711.25m处***松扣。14:40至15:00起出5个单根开泵顶通、替解卡剂。单凡尔排量11L/s,泵压3MPa,循环至16:00 泵压突然上升至9MPa,井口失返。上提下放活动钻具,最大上提至2600KN,下放至400KN,活动至18:00,起出5个单根。18:00卸掉方钻杆开始起钻,起出19柱。20:30接方钻杆开泵,泵压升至8MP未顶通,20:30带出5个单根,开泵顶通正常,泵压2.5MPa。开始替解卡剂、循环至7月9日5:40开始正常起钻。
【4】侧钻【成功】
案例5.AAA15
处置方法:
【1】泡酸【失败】
泡酸两次:经过浸泡2次酸活动钻具未解卡,分析酸不能有效泡至卡点。
【2】震击【失败】
测卡、设孔:测得卡点2350m,于井深2385.72m射孔成功。震击、复测卡点:震击未解卡,复测卡点,未测出卡点,测卡点时转盘转动四圈后无反扭距,上提钻具悬重减少,原悬重54吨,现在悬重46吨,钻具可以上下活动,分析判断钻具已断起钻检查,鱼顶位置:2154.70m,落鱼长337.74m。
【3】下仪器***松扣【失败】
造扣、***松扣:下反扣造扣成功悬重涨至520KN,下仪器***松扣,经研究讨论,决定打塞侧钻。
示例二
针对用户输入事故类型,钻井事故的处置方法确定推荐结果,实现过程如下:
用户输入“断钻具”属性、利用处置方法推荐模型,得到待处置钻井事故的处置方法推荐结果,包括可能原因、可能现象和推荐方法。
(1)可能原因
序号 | 因素名称 | 产生原因 | 主要复杂类型 | 可能产生事故 | 关联案例 |
1 | 高含硫化氢 | 在钻井过程中,硫化氢随井筒工作流体或产出流体进入地面,其具有强腐蚀性。硫化氢会使钻井液粘度大幅度提升,造成钻井液流动性变差;也会强烈腐蚀损坏钻具;在钻井液出口槽面检测不到硫化氢,具有较大的“隐蔽性”,容易给井控带来风险,控制不好容易造成人员伤亡。 | 致使钻具发生氢鼓泡产生裂纹,使钢材变脆,得不到及时控制会造成严重的事故。 | 硫化氢的扩散对人体有重要伤害,严重会导致人员伤亡。 | (1) XXX1 溢流、断钻具 对本区块存在高浓度硫化氢的危害认识不清对本区块存在高浓度硫化氢的危害认识不清,没有及时采用压加回法把硫化氢压回地层,在地面监测到硫化氢浓度 46ppm,而井下实际浓度更高的情况下造成钻具出现严重的腐蚀现象,井下钻具提前损坏,造成严重的钻具事故。 |
2 | 钻井液设计问题 | 钻井液体系和流变性与地层特性不相适应 | 易冲蚀井壁岩石,引起坍塌;易引起松软地层缩径 | 裸眼井段中某些地层缩径或坍塌,造成井喷、井漏或井塌 | (1) XXX2 溢流、断钻具 钻井液密度不能满足井下压井的需要发现溢流关井后根据关井立压测算的最低压井钻井液密度应为1.22g/cm3,而在具体的压井施工中,由于塔中下部钻进的地层为奥陶系的灰岩地层,根据邻井经验,密度过高,可能在压井过程中出现大的井漏,所以前两次的工程师法压井采用了密度1.17 g/cm3 的无固相钻井液压井,密度不能满足井下压井的需要。 |
3 | 应急或处理措施不合理 | 井下情况判断不准确,处置措施制定不正确,应急手段少,处理方案分析修正地不及时 | 发现井下复杂情况处理不及时,把本来不复杂的问题弄的复杂化,把本来不应该发生的事故却人为地造成了 | 使井下情况复杂化 | (1) XXX3 断钻具到划眼过程中打倒车未控制好起钻遇阻,倒划眼过程中,打倒车未控制好,造成钻具脱扣落井。 |
(2)可能现象
序号 | 现象名称 | 产生原因 | 检查项 | 处置措施 | 该现象关联案例 |
1 | 公扣断开 | 12月21日12:20提出后发现非磁钻铤公扣处断开XXX井 断钻具公扣折断起钻检查,3:00起钻完,发现30根钻杆弯曲,最后一根公扣端1.86m处折断。 | |||
2 | 溢流量 | 地层压力掌握不准确;起钻时井内未灌满组那劲也;过大的抽吸压力;钻井液密度低;钻井液漏失;地层压力异常 | 检查钻井液返出量、钻井液池中钻井液量;检查停泵后井内钻井液是否外溢 | 发现溢流后要立即关井;在井口造成一定的局部阻力来增大环形空间的压力,即井口加回压。 | XXX井 溢流、断钻具溢流量溢流 0.6m3 |
3 | 上提遇阻 | XXX井 断钻具起钻遇阻22:00开始起钻,22:30起钻至1030m遇阻,接方钻杆开泵循环倒划 | |||
4 | 悬重下降 | 指重表坏;钻具断了;泵压下降;井漏、井喷 | 检查指重表的传压器、胶皮管好坏、表内是否有液体以及表内零件有无损坏,然后重新校对悬重,如指重表完好,立即起钻检查钻具,根据钻具折断情况决定处理办法。 | 钻具已断的话应立即起钻,根据钻具折断情况决定打捞办法 | XXX井 断钻具悬重下降23:05倒划至井深1027m,钻具脱扣,悬重由550KN降至60KN |
(3)推荐方法 活动钻具解卡
案例1.XXXX卡钻、断钻具
处置方法为:
【1】解卡剂浸泡井段,裸眼段泡油基泥浆【失败】
【2】震击器震击【失败】
【3】活动钻具【失败】
2021年8月19日00:00~8:00活动钻具、解卡(悬重130T,加扭矩20KN·m,下压到悬重28T,观察30分钟10分钟活动一次
【4】***松扣【失败】
2021年8月26日0:20加重杆在4420米位置遇阻,~1:20起出电缆,接顶驱原悬重加扭矩25KN·m下放至28T静止30min,原悬重释放扭矩上提至200T静止1小时~9:50重复此操作~13:00***松扣、提电缆(预计松扣位置4400m)扣未松开~14:30组装火药、下仪器~18:00***松扣、提电缆(预计松扣位置4381m)扣未松开~20:00泵压憋至25MPa,上提200T-210T下放28T活动30min,放至原悬重160T顶驱加扭30KN·m,下压28T,观察30min重复上述操作。
示例三
用户输入“裂缝、溶洞”属性、利用处置方法推荐模型,得到待处置钻井事故的处置方法推荐结果,包括可能事故类型、可能现象和推荐方法。
(1)可能事故类型
序号 | 复杂名称 | 该类型关联案例 |
1 | 井漏 | 【1】XXX井 井漏【2】XXX井 井漏【3】XXX 井漏【4】XXX井 井漏【5】XXX井井漏【6】XXX井 井漏【7】XXX井 井漏【8】XXX井 井漏【9】XXX井 井漏【10】XXX井 井漏【11】XXX井 井漏 |
2 | 溢流 | 【1】 XXX井 溢流、钻具氢脆断裂【2】XXX井 溢流【3】XXX井 溢流【4】 XXX井 溢流 |
3 | 井喷 | 【1】XXX井 井喷【2】Ⅰ号气田XXX井井喷 |
(2)可能现象
序号 | 现象名称 | 产生原因 | 检查项 | 处置措施 | 该现象关联案例 |
1 | 漏失量 | 钻井液漏失 | 无 | 降低钻井液密度;改变钻井液粘度和切力;调整钻井工程措施 | (1) XXX井 井漏工作液(包括泥浆、水泥浆、完井液及其他液体等)在压差作用下漏进地层钻进至井深4636m发生漏失1m31、降低钻井液密度。2、改变钻井液粘度和切力。3、调整钻井工程措施(2) XXX井 井漏工作液(包括泥浆、水泥浆、完井液及其他液体等)在压差作用下漏进地层共计漏失7m31、降低钻井液密度。2、改变钻井液粘度和切力。3、调整钻井工程措施(3)XXX井 井漏工作液(包括泥浆、水泥浆、完井液及其他液体等)在压差作用下漏进地层本次复杂共计漏失钻井液30m31、降低钻井液密度。2、改变钻井液粘度和切力。3、调整钻井工程措施 |
2 | 套压升高 | 地面设备异常;井下工具异常;地层情况变化;套管之间窜压;完井管柱泄露 | 检查地面设备、井下工具有无异常情况;套管间有无窜压现象发生 | 更换新油管和井下工具,提高施工质量;在顶封之上增加顶部封隔器 | XXX井 溢流、钻具氢脆断裂关井套压升高套压2.3 ↗ 8.6MPaXXX井溢流关井套压升高关井2 分钟后套压升至11MPa库车 XXX井 溢流关井套压升高关井套压7.4MPa,5分钟后涨至7.7MPa产生波动,根据地面设备异常、井下工具异常、地层情况变化采取处理措施 |
3 | 溢流量 | 地层压力掌握不准确;起钻时井内未灌满组那劲也;过大的抽吸压力;钻井液密度低;钻井液漏失;地层压力异常 | 检查钻井液返出量、钻井液池中钻井液量;检查停泵后井内钻井液是否外溢 | 发现溢流后要立即关井;在井口造成一定的局部阻力来增大环形空间的压力,即井口加回压。 | (1) XXX井 溢流 溢流量0.4m3(2) XXX井 溢流溢流量关井过程 6 分钟内溢流 24m3 |
(3)推荐方法 静止堵漏
案例1.XXXX井 井漏
处置方法为:
配堵漏泥浆(随钻堵漏剂)【失败】
15:00-20:00配浓度为9%的堵漏泥浆70m3(随钻堵漏剂6T,KH-n 3t,烧碱0.5T,SP-8 0.3T),期间吊罐泥浆,漏失29方。静止堵漏【成功】复杂解除。
案例2.XXXX井 井漏
处置方法为:
静止堵漏【成功】复杂解除
12:00-19:00静止堵漏期间共向环空吊灌25m3,配15%的堵漏浆60m3,(核桃壳粉:3t,综合堵漏剂:3t,超细碳酸钙:2t,随钻堵漏剂3t,天然沥青粉2t),19:00下钻至3470m以9L/s的排量泵入堵漏浆。
案例3.XXXX井 井漏
处置方法为:
【1】用堵漏浆桥堵【失败】
使用15%和20%密度1.55g/m3堵漏浆桥堵不成功
【2】止堵漏【成功】复杂解除
起钻至1900米静止堵漏,配20%密度1.55g/m3堵漏浆60方,分别在2200m和2000m承压无果;分段循环下钻至2393米静止堵漏后,使用20%堵漏浆分段到底,大排量洗井未漏,复杂解除。
案例4.XXXX井 井漏
【1】地面补充随钻堵漏剂【失败】地面补充密度1.31g/cm3浓度6%随钻堵漏剂40m3;地面补充浓度10%随钻堵漏剂。
【2】静止堵漏【失败】2:00提钻至2170m静止堵漏,地面补充密度1.30g/cm3堵漏浆泥浆40m3。
【3】注灰【失败】试钻13:40提完钻下光钻杆。6月4日8:00下钻至井深2440米。11:30注灰结束,漏失4.5m3,(灰18t,前置液11.3m³,水泥浆15.1m³、密度1.73g/cm3,后置液2.7m³,替浆15.6m³密度1.30g/cm3)13:30提钻至1700m做承压,蹩入泥浆2m3,最高压力1.6mpa,稳压0.6mpa,提钻侯凝。
示例四
针对用户输入影响因素和事故现象,钻井事故的处置方法确定推荐结果,实现过程如下:
输入影响因素“断层”属性、事故现象“泵压波动”属性,利用处置方法推荐模型,得到待处置钻井事故的处置方法推荐结果,包括可能事故类型和推荐方法。
(1)可能事故类型
序号 | 复杂名称 | 该类型关联案例 |
1 | 井漏 | 【1】XXX井 井漏【2】XXX油区 XX1井 井漏、溢流 |
2 | 溢流 | 【1】XXX油区 XX1井井漏、溢流 |
(2)推荐方法 静止堵漏
案例1.XXX井 井漏
处置方法为:
提钻至技套内静止堵漏【失败】复杂未解除提钻12柱至技套内,静止堵漏,同时地面配浓度8%堵漏泥浆40m³(综堵1t 核桃壳1t 蛭石 2t),期间吊灌泥浆10m³。
20:30开始提钻至技套内静止堵漏,补充泥浆40m³(工厂浆1.50g/cm3 PMHA-20.3t JT8880.4t 烧碱 0.2t HY-2 0.4t ),期间吊灌泥浆6m³,21:30关井憋压。
案例2.XXX井 井漏、溢流
处置方法为:
从环空泵入压井液把进入井筒的溢流压回地层【成功】
11月9日1:30压回法压井,23:10-0:30用泥浆泵反挤2.25g/cm3×64m3,排量3↗6↗9↗20l/s,套压7.5↗14↘2MPa,泵压9↗12↘4MPa,停泵后套压降至0;0:45-10日1:20正挤2.23g/cm3×24m3,排量9l/s,立压20↘18.5MPa,停泵后立压0。环空液面682-642m,开井观察,每30min环空吊灌1.97g/cm3×0.5m3,每1h水眼吊灌1.97g/cm3×0.5m3,环空液面507-309m,水眼液面199-355m。起钻时堵水眼,憋压不通。
案例3.XXX井 井漏、溢流
处置方法:
通过调节节流管汇阀门来控制关井套压在要求范围内的钻井液循环【成功】
19:15 节流循环,排量8-9l/s,泵压19-20MPa,入口密度2.10g/cm3,出口密度2.03↘1.96↗2.07g/cm3,14:40-17:22点火筒点火,火焰4-5m,泵入2.10g/cm3×238m3,返出203m3,停泵,压力0,开井。
上述示例说明,基于所建立的钻井事故处置方案推荐模型,根据用户输入属性,智能分析出事故可能类型、可能原因,并推荐出事故处置方法和相关案例,为事故现场的分析研判以提供及时、有效的数据支持,提高事故处置效率。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于 RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (15)
1.一种钻井事故处置方案的推荐方法,其特征在于,所述方法包括:
获取待处置钻井事故的一个或多个钻井事故的属性;
根据待处置钻井事故的一个或多个钻井事故的属性、利用处置方案的推荐模型,得到待处置钻井事故处置方案的推荐结果;
其中,所述处置方案的推荐模型是根据钻井事故知识本体建立的;所述钻井事故知识本体是根据钻井事故的相关理论知识和钻井事故的历史处置案例建立的。
2.根据权利要求1所述的钻井事故处置方案的推荐方法,其特征在于,
所述钻井事故知识本体,包括:理论知识类本体和处置案例类知识本体;
所述理论知识类本体包括以下一种或多种:事故复杂类型知识本体、事故现象知识本体、影响因素知识本体和处置方法知识本体;
所述处置案例类知识本体包括以下一种或多种:区块知识本体、井知识本体、地层知识本体和历史处置案例知识本体。
3.根据权利要求2所述的钻井事故处置方案的推荐方法,其特征在于,
所述事故复杂类型知识本体包括以下一种或多种属性:事故复杂原因属性、事故复杂现象属性、预防措施属性和处置方法属性;
所述事故现象知识本体包括以下一种或多种属性:现象说明属性、可能原因属性、检查项属性和措施属性;
所述影响因素知识本体包括以下一种或多种属性:因素说明属性、原因描述属性、可能复杂类型属性、可能事故类型属性;
所述处置方法知识本体包括以下一种或多种属性:方法定义属性、原理描述属性、实施步骤属性、优点属性、缺点属性、应用场景属性和注意事项属性;
所述区块知识本体包括以下一种或多种属性:区块名称属性、地质构造属性和地理环境属性;
所述井知识本体包括以下一种或多种属性:井号属性、井型属性、井别属性和坐标属性;
所述地层知识本体包括以下一种或多种属性:地层名称属性、地层顶深属性、地层底深属性和岩性属性;
所述历史处置案例知识本体包括以下一种或多种属性:发生日期属性、事故名称属性、基本情况属性、事故发生经过属性、事故处理过程属性、事故原因分析属性和总结与经验属性。
4.根据权利要求3所述的钻井事故处置方案的推荐方法,其特征在于,
所述处置方案的推荐模型建立过程,包括:
对所述钻井事故知识本体中每个属性进行标签化处理,建立钻井事故标签体系;
基于所述钻井事故标签体系中的理论知识标签生成理论知识特征矩阵;
基于所述钻井事故标签体系中的历史处置案例标签生成处置案例特征矩阵;
将所述理论知识特征矩阵和所述处置案例特征矩阵分别设置相应的权值,合并得到特征矩阵;
根据所述特征矩阵构建处置方案的推荐模型。
5.根据权利要求4所述的钻井事故处置方案的推荐方法,其特征在于,
所述钻井事故标签体系中的理论知识标签包括:事故复杂类型标签、事故现象标签、影响因素标签和处置方法标签;
其中,所述事故复杂类型标签包括以下一种或多种:钻井复杂类标签和钻井事故类标签;
所述钻井复杂类标签包括以下一种或多种:井漏、井侵、溢流、泥包、掉水眼、堵水眼和井壁坍塌;
所述钻井事故类标签包括以下一种或多种:卡钻事故、测井事故、固井事故、井控事故、断钻具和井下落物;
所述事故现象标签包括以下一种或多种:卡点位置、钻具活动情况、工程参数变化、井口显示情况、气测异常和钻井液性能变化;
所述影响因素标签包括以下一种或多种:地质因素、工程因素、管理和人为因素;
所述处置方法标签包括以下一种或多种:压井方法、井漏处理方法、测卡方法、解卡方法和井下落物处理方法。
6.根据权利要求5所述的钻井事故处置方案的推荐方法,其特征在于,所述基于所述钻井事故标签体系中的理论知识标签生成理论知识特征矩阵,包括:
将所述事故复杂类型的数量作为矩阵行数,将所述理论知识标签的标签总数量作为矩阵列数,建立理论知识特征矩阵Mtheory;
其中,所述理论知识特征矩阵Mtheory中的元素Mi-theory,j,i-theory表示事故复杂类型编号,j表示标签编号;如果第i-theory个事故复杂类型存在第j个标签,则Mi-theory,j=1;如果第i-theory个事故复杂类型不存在第j个标签,则Mi-theory,j=0。
7.根据权利要求4所述的钻井事故处置方案的推荐方法,其特征在于,所述基于所述钻井事故标签体系中的历史处置案例标签生成处置案例特征矩阵,包括:
将历史处置案例的数量作为矩阵行数,将所述理论知识标签的标签总数量作为矩阵列数,建立历史处置案例特征矩阵Mcase;
其中,Mi-case,j表示所述历史处置案例特征矩阵Mcase中的元素,i-case表示处置案例编号,j表示标签编号;如果第i-case个处置案例存在第j个标签,则Mi-case,j=1;如果第i-case个处置案例不存在第j个标签,则Mi-case,j=0。
8.根据权利要求1所述的钻井事故处置方案的推荐方法,其特征在于,所述根据待处置钻井事故的一个或多个钻井事故的属性、利用所述处置方法推荐模型,得到待处置钻井事故的处置方法推荐结果,包括:
将待处置钻井事故的一个或多个钻井事故的属性转换为查询向量;
将所述处置方案的推荐模型所对应的特征矩阵转化为行向量;
计算所述查询向量与所述行向量中每个元素的相似度;
对相似度数值从大到小排列,确定相似度排在前TopN个的相似度数值所对应的行向量生成推荐结果。
9.根据权利要求8所述的钻井事故处置方案的推荐方法,其特征在于,所述确定相似度排在前TopN个的相似度数值所对应的行向量生成推荐结果,包括:
确定相似度排在前TopN个的相似度数值所对应的特征向量,组成推荐结果矩阵MTopN;
根据所述查询向量分别设置事故复杂类型输入标记TypeFlag、事故现象输入标记SignFlag、事故影响因素输入标记FactorFlag;
根据所述事故复杂类型输入标记、所述事故现象输入标记、所述事故影响因素输入标记和所述推荐结果矩阵MTopN生成推荐结果。
10.根据权利要求9所述的钻井事故处置方案的推荐方法,其特征在于,根据所述事故复杂类型输入标记TypeFlag生成可能事故类型MayTypes,包括:
从所述推荐结果矩阵MTopN中获取事故复杂类型的列所对应的特征向量;
针对每个事故复杂类型分别采用分值公式计算相应的分值;
对所得到的分值从大到小排序,确定排在前a个事故复杂类型作为MayTypes值;
其中,所述分值公式为:
;
上述公式中,表示事故复杂类型分值,i'表示推荐结果矩阵中的行,/>表示推荐结果矩阵的列,0 < /> ≤ K1;TopN表示推荐结果矩阵的行数。
11.根据权利要求10所述的钻井事故处置方案的推荐方法,其特征在于,根据所述事故现象输入标记SignFlag生成可能事故现象MaySigns,包括:
从所述推荐结果矩阵MTopN中获取事故现象类型的列所对应的特征向量;
针对每个事故现象类型分别采用分值公式计算相应的分值;
对所得到的分值从大到小排序,确定排在前a个事故现象类型作为MaySigns值;
其中,所述分值公式为:
;
上述公式中,表示事故现象的分值,i'表示推荐结果矩阵中的行,/>表示推荐结果矩阵的列,TopN表示推荐结果矩阵的行数,K1 < />≤ (K1+K2),a为正整数。
12.根据权利要求11所述的钻井事故处置方案的推荐方法,其特征在于,根据所述影响因素输入标记FactorFlag生成可能事故现象MayFactors,包括:
从所述推荐结果矩阵MTopN中获取影响因素类的列对应的特征向量;
针对每个事故原因采用计算公式分别计算相应的分值;
对所得到的分值从大到小排序,确定排在前a个事故原因类型作为MayFactors值;
其中,所述分值公式为:
;
上述公式中, 表示事故原因的分值,i'表示推荐结果矩阵中的行,/>表示推荐结果矩阵的列,TopN表示推荐结果矩阵的行数,(K1+K2) < /> ≤ (K1+K2+K3)。
13.根据权利要求12所述的钻井事故处置方案的推荐方法,其特征在于,所述根据所述事故复杂类型输入标记、所述事故现象输入标记、所述事故影响因素输入标记和所述推荐结果矩阵MTopN生成推荐结果,包括:
从MTopN中获取处置方法类标签列对应的特征向量;
针对每个处置方法分别采用分值公式计算相应的分值;
对所得到的分值从大到小排序,确定排在前a个处置方法作为MayActions值;
根据所确定的MayTypes 值、MaySigns值、MayFactors 值和 MayActions值生成推荐结果;
其中,
;
上述计算公式中, 的分值,i'表示推荐结果矩阵中的行,/>表示推荐结果矩阵的列,TopN表示推荐结果矩阵的行数,(K1+K2+K3)< /> ≤ (K1+K2+K3+K4)。
14.一种钻井事故处置方案的推荐装置,其特征在于,所述装置包括:存储器和处理器;所述存储器用于保存进行钻井事故处置方案的推荐方法的程序,所述处理器用于读取执行所述用于进行钻井事故处置方案的推荐方法的程序,执行权利要求1-13任一项所述的方法。
15.一种计算机可读存储介质,所述计算机可读存储介质上存储有数据处理程序,所述数据处理程序被处理器执行权利要求1-13任一项所述的钻井事故处置方案的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311204126.6A CN116955540B (zh) | 2023-09-19 | 2023-09-19 | 一种钻井事故处置方案的推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311204126.6A CN116955540B (zh) | 2023-09-19 | 2023-09-19 | 一种钻井事故处置方案的推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116955540A true CN116955540A (zh) | 2023-10-27 |
CN116955540B CN116955540B (zh) | 2024-02-09 |
Family
ID=88460490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311204126.6A Active CN116955540B (zh) | 2023-09-19 | 2023-09-19 | 一种钻井事故处置方案的推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116955540B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506480A (zh) * | 2017-09-13 | 2017-12-22 | 浙江工业大学 | 一种基于评论挖掘与密度聚类的双层图结构推荐方法 |
CN108897750A (zh) * | 2018-04-28 | 2018-11-27 | 中国地质大学(武汉) | 融合多元上下文信息的个性化地点推荐方法及设备 |
CN112883473A (zh) * | 2021-02-25 | 2021-06-01 | 中国石油天然气集团有限公司 | 一种钻井工程设计生成装置及方法 |
US20210381362A1 (en) * | 2020-06-04 | 2021-12-09 | Sk Innovation Co., Ltd. | Method and apparatus for estimating lithofacies by learning well logs |
CN115204752A (zh) * | 2022-09-13 | 2022-10-18 | 深圳市城市公共安全技术研究院有限公司 | 突发事件应急处置方案生成方法、***、装置及存储介质 |
-
2023
- 2023-09-19 CN CN202311204126.6A patent/CN116955540B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506480A (zh) * | 2017-09-13 | 2017-12-22 | 浙江工业大学 | 一种基于评论挖掘与密度聚类的双层图结构推荐方法 |
CN108897750A (zh) * | 2018-04-28 | 2018-11-27 | 中国地质大学(武汉) | 融合多元上下文信息的个性化地点推荐方法及设备 |
US20210381362A1 (en) * | 2020-06-04 | 2021-12-09 | Sk Innovation Co., Ltd. | Method and apparatus for estimating lithofacies by learning well logs |
CN112883473A (zh) * | 2021-02-25 | 2021-06-01 | 中国石油天然气集团有限公司 | 一种钻井工程设计生成装置及方法 |
CN115204752A (zh) * | 2022-09-13 | 2022-10-18 | 深圳市城市公共安全技术研究院有限公司 | 突发事件应急处置方案生成方法、***、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
张欣: "基于案例推理的井漏诊断与决策***研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑 (月刊) 2021 年 第02期, pages 5 * |
Also Published As
Publication number | Publication date |
---|---|
CN116955540B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200240243A1 (en) | Method for intelligently determining hydrate drilling and production risks based on fuzzy judgment | |
Brown et al. | Mining the earth's heat: hot dry rock geothermal energy | |
Tao et al. | Law and countermeasures for the casing damage of oil production wells and water injection wells in Tarim Oilfield | |
CN106250984A (zh) | 油井的油水关系模式的判断方法及装置 | |
Abdali et al. | Petroleum well blowouts as a threat to drilling operation and wellbore sustainability: causes, prevention, safety and emergency response | |
Hogarth et al. | Lessons learned from the Habanero EGS Project | |
Smith et al. | Man-made geothermal reservoirs | |
Stiles et al. | Reservoir management in the means San Andres Unit | |
CN116955540B (zh) | 一种钻井事故处置方案的推荐方法和装置 | |
Murphy et al. | Pin-Point Sandfracturing-A Method of Simultaneous Injection into Selected Sands | |
DiPietro et al. | Taking CO2 enhanced oil recovery to the offshore Gulf of Mexico: A screening-level assessment of the technically and economically recoverable resource | |
Raabe et al. | Universal Well Control | |
Willhite et al. | A pilot carbon dioxide test, Hall-Gurney Field, Kansas | |
US4279307A (en) | Natural gas production from geopressured aquifers | |
Duguid et al. | CO2 well construction: Lessons learned from United States Department of Energy sponsored projects | |
Bujok et al. | Possibilities of open eruption elimination by drilling tools | |
Snider et al. | Experiences with high energy stimulations for enhancing near-wellbore conductivity | |
Abou-Sayed et al. | Safe injection pressures for disposing of liquid wastes: A case study for deep well injection | |
Anshary | HYDRAULIC FRACTURING ANALYSIS OF LOW PERMEABILTY, HEAVY OIL RESERVOIR TELISA FORMATION, BENTAYAN FIELD | |
Mathias | Successful stimulation of a thick, low-pressure, water-sensitive gas reservoir by pseudolimited entry | |
Shan et al. | Research and Application of Special Completion Technology in Complex Wellbore Conditions of Ultra-Deep Carbonate Reservoirs | |
Kasi et al. | Multi-Stage Hydraulic Fracturing Completion Design Based on Ball-and-Sleeve Method | |
Khan | Identification of Water production causes in oil reservoir; A comparative analysis using Chan´ s Diagnostic Plot Technique | |
CN117988820A (zh) | 钻井期间高压定容体辨识及处置方法 | |
Maier | Production Performance Analysis of Horizontal Infill Wells in a Mature Field |
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 |