[发明专利]钻井溢流漏失工况预测方法及装置

说明书

本发明提供了一种钻井溢流漏失工况预测方法及装置，该方法包括：获取待预测工况的钻井数据；利用所述待预测工况的钻井数据及预先建立的深度信念网络模型进行钻井溢流漏失工况预测。本发明能够建立可以提供一种及时发现溢流、漏失钻井工况的方法，从而在实际生产中提前采取应对和处理溢流、漏失复杂工况的有效措施，降低复杂工况造成的钻井损失。

技术领域

本发明涉及石油天然气领域，尤其是钻探领域的危险工况的预测方法，具体涉及一种钻井溢流漏失工况预测方法及装置。

背景技术

随着石油勘探开发向深部复杂地层发展，窄密度窗口钻井安全问题愈发显著，钻井风险，特别是溢流、井漏发生频繁，井控的要求也随之增高，因此对溢流、漏失等风险的及时预警就显得至关重要。从四川地区百余口井的资料统计中发现，从溢流发现到井喷之间的时间非常短，在30分钟之内的占67％，其中又有50％的在10分钟之内，可以理解的是，一旦发生钻井事故，需花费大量时间进行处理，严重影响钻井周期和经济效益，有时处理钻井事故时效甚至占总钻井时间的15％，在此过程中耗费了大量人力、物力和时间，严重事故的发生甚至会威胁到施工人员的人身安全。这使得自钻井工程出现以来，钻井事故的监测和预防就受到了高度重视。能否在钻井事故发生的早期，给出某种程度、某种意义上的预警，对于预防和控制事故，并最大限度地减少损失，具有重大意义。

随着信息网络技术的发展，国内外许多专家、学者将人工智能技术应用到石油钻井过程中，采用计算机实时分析钻井现场实测数据，实时监控风险参数的变化，利用人工智能分析方法对风险进行实时分析和预警。可以理解的是，采用人工智能方法能够降低工作量，极大程度上避免了人为主观性判断带来的错误，提高预警准确度。

人工智能预警方法主要有贝叶斯方法、人工神经网络法、专家系统、模糊推理等方法。Hargreaves(2001)采用贝叶斯概率对深海钻井溢流进行了监测，其通过分析声波数据采用贝叶斯模型对溢流发生的概率进行计算，得出可能发生溢流的概率。Nybo(2008)，建立BP神经网络预测模型，通过对出口流量的预测值和实际数据值对比，对溢流情况进行实时预警，但不是对数据进行实时动态计算。Moazzeni(2012)采用神经网络对钻井作业参数和地质数据进行计算，对钻井井漏进行预测计算。蔡汉君(2014)采用神经网络融合技术对井漏诊断进行了研究。司孟菡(2016)采用BP神经网络构建了基于征兆参数的实时预警模型。史玉升(1999)提出了将专家系统与人工智能相结合的实时监测和故障检测方法，着重分析如何建立专家知识库。韩朝晖(2008)对钻井事故领域的知识构建的应用进行了研究。吴俊杰(2006)提出采用模糊理论对钻井工程异常进行预警，并设计了相关技术方法和思想路线。王杰(2008)针对钻井过程中风险种类多、测量参数多、主要判断参数难确定等困难，开发了基于分层模糊推理的钻井风险预瞥系统。郭建明(2012)引入本体和贝叶斯网络融合方法对钻井风险进行分析。李璐(2015)采用核主元分析方法对井漏风险进行预警。通过调研国内外在溢流及其他钻井风险预警方面的研究发现，一方面现场溢流漏失监测需要依靠现场工程师人工分析；另一方面国内外专家、学者在人工智能引入到钻井风险分析的研均处于探索阶段，具有较大的研究空间。

因此，如何发现并预警溢流、漏失工况，是亟待解决的问题。

发明内容

针对现有技术中的问题，本发明能够建立可以提供一种及时发现溢流、漏失钻井工况的方法。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种钻井溢流漏失工况预测方法，包括：

获取待预测工况的钻井数据；

利用待预测工况的钻井数据及预先建立的深度信念网络模型进行钻井溢流漏失工况预测。

一实施例中，钻井溢流漏失工况预测方法还包括：根据钻井历史数据建立深度信念网络模型。