[发明专利]实时优化钻井作业参数的方法及装置、电子设备在审
申请号: | 201910011079.0 | 申请日: | 2019-01-07 |
公开(公告)号: | CN109753729A | 公开(公告)日: | 2019-05-14 |
发明(设计)人: | 龙威;昝成;程浩然;孟惠婷 | 申请(专利权)人: | 清能艾科(深圳)能源技术有限公司;深圳清华大学研究院 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/00 |
代理公司: | 深圳市隆天联鼎知识产权代理有限公司 44232 | 代理人: | 刘抗美 |
地址: | 518000 广东省深圳市南山区粤*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 破岩 效率模型 钻井数据 作业参数 地质参数 电子设备 泥浆参数 实时优化 数值组合 钻井工具 钻井作业 自变量 邻近 粒子群算法 存储介质 大小优化 实时计算 实时作业 因变量 申请 应用 | ||
1.一种实时优化钻井作业参数的方法,其特征在于,所述方法包括:
获取邻近井的钻井数据,所述钻井数据包括作业参数数据、钻井工具参数数据、地质参数数据、泥浆参数数据;
通过所述钻井数据训练以破岩效率为因变量、以作业参数、钻井工具参数、地质参数、泥浆参数为自变量的破岩效率模型;
通过所述破岩效率模型计算不同作业参数组合对应的破岩效率,通过粒子群算法根据破岩效率的大小优化作业参数,使破岩效率达到最大。
2.根据权利要求1所述的方法,其特征在于,获取邻近井的钻井数据之前,所述方法还包括:
获取邻近井的钻井原始数据,所述钻井原始数据包括作业参数原始数据、钻井工具参数原始数据、地质参数原始数据、泥浆参数原始数据;
对所述钻井原始数据进行清洗、降噪、标准化,得到标准化数据;
根据所述标准化数据之间的相关性,以及所述标准化数据与破岩效率之间的相关性,从所述标准化数据中选出所述钻井数据。
3.根据权利要求2所述的方法,其特征在于,根据所述标准化数据之间的相关性,以及所述标准化数据与破岩效率之间的相关性,从所述标准化数据中选出所述钻井数据,包括:
计算所述标准化数据中不同参数之间的相关系数,参数之间的相关系数大于指定的上限时,随机选择其中一个参数作为预选变量参数;
计算所述预选变量参数与破岩效率之间的相关系数,所述预选变量参数与破岩效率之间的相关系数大于指定的下限时,将所述预选变量参数选为变量参数;
将所述标准化数据中所述变量参数所对应数据选为所述钻井数据。
4.根据权利要求3所述的方法,其特征在于,通过所述钻井数据训练以破岩效率为因变量、以作业参数、钻井工具参数、地质参数、泥浆参数为自变量的破岩效率模型之前,所述方法还包括:
根据所述变量参数与所述破岩效率的关系建立以所述破岩效率为因变量的所述破岩效率模型,所述变量参数包括所述作业参数、钻井工具参数、地质参数、泥浆参数。
5.根据权利要求1所述的方法,其特征在于,通过所述破岩效率模型计算不同作业参数组合对应的破岩效率,通过粒子群算法根据破岩效率的大小优化作业参数,使破岩效率达到最大包括:
通过所述破岩效率模型计算作业参数取不同值时的破岩效率,所述作业参数在指定范围内取值;
在所述指定范围内,通过粒子群算法寻找破岩效率的最大值,根据该最大值对应的作业参数值更新作业参数。
6.一种实时优化钻井作业参数的装置,其特征在于,所述装置包括:
数据获取模块,用于获取邻近井的钻井数据,所述钻井数据包括作业参数数据、钻井工具参数数据、地质参数数据、泥浆参数数据;
模型训练模块,用于通过所述钻井数据训练以破岩效率为因变量、以作业参数、钻井工具参数、地质参数、泥浆参数为自变量的破岩效率模型;
优化模块,用于通过所述破岩效率模型计算不同作业参数组合对应的破岩效率,通过粒子群算法根据破岩效率的大小优化作业参数,使破岩效率达到最大。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
获取模块,用于获取邻近井的钻井原始数据,所述钻井原始数据包括作业参数原始数据、钻井工具参数原始数据、地质参数原始数据、泥浆参数原始数据;
处理模块,用于对所述钻井原始数据进行清洗、降噪、标准化,得到标准化数据;
选择模块,用于根据所述标准化数据之间的相关性,以及所述标准化数据与破岩效率之间的相关性,从所述标准化数据中选出所述钻井数据。
8.根据权利要求6所述的装置,其特征在于,所述优化模块包括:
计算单元,用于通过所述破岩效率模型计算作业参数取不同值时的破岩效率,所述作业参数在指定范围内取值;
寻找单元,用于在所述指定范围内,通过粒子群算法寻找破岩效率的最大值,根据该最大值对应的作业参数值更新作业参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清能艾科(深圳)能源技术有限公司;深圳清华大学研究院,未经清能艾科(深圳)能源技术有限公司;深圳清华大学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910011079.0/1.html,转载请声明来源钻瓜专利网。