鉆井工況智能識(shí)別與時(shí)效分析技術(shù)

胡志強(qiáng) 楊進(jìn) 王磊 侯緒田 張楨翔 姜萌磊

1.中國(guó)石油化工股份有限公司石油工程技術(shù)研究；2.頁(yè)巖油氣富集機(jī)理與有效開(kāi)發(fā)國(guó)家重點(diǎn)試驗(yàn)室；3.中國(guó)石油大學(xué)(北京)安全與海洋工程學(xué)院

隨著大數(shù)據(jù)分析、人工智能決策技術(shù)在石油行業(yè)的應(yīng)用，數(shù)字化油氣勘探開(kāi)發(fā)技術(shù)顯著提高了現(xiàn)場(chǎng)施工作業(yè)效率［1-3］。目前鉆井施工作業(yè)平均時(shí)效僅70%，現(xiàn)場(chǎng)無(wú)法大規(guī)模利用錄井?dāng)?shù)據(jù)實(shí)時(shí)監(jiān)測(cè)鉆井作業(yè)工況，鉆井時(shí)效分析主要依賴(lài)于現(xiàn)場(chǎng)儀器的傳輸效率和作業(yè)人員的經(jīng)驗(yàn)診斷，存在無(wú)法處理大量實(shí)時(shí)施工數(shù)據(jù)、決策反饋機(jī)制慢、預(yù)測(cè)精度低等問(wèn)題［4-6］。許多學(xué)者針對(duì)利用綜合錄井?dāng)?shù)據(jù)輔助施工決策進(jìn)行了大量研究，吳俊杰等［7］提出利用模糊理論構(gòu)建多事故知識(shí)庫(kù)，從而實(shí)現(xiàn)對(duì)鉆井工程事故進(jìn)行預(yù)警的新設(shè)計(jì)思路；徐術(shù)國(guó)等［8］總結(jié)了大量油田現(xiàn)場(chǎng)數(shù)據(jù)資料，編制了基于錄井?dāng)?shù)據(jù)的鉆井事故專(zhuān)家預(yù)測(cè)系統(tǒng)；孫挺等［9］建立了一種基于支持向量機(jī)的鉆井工況識(shí)別方法，優(yōu)化模型參數(shù)；但目前由于缺乏鉆井?dāng)?shù)據(jù)的實(shí)時(shí)反饋，導(dǎo)致鉆井工況識(shí)別、時(shí)效分析精度差，因此有必要利用鉆井過(guò)程記錄的大量錄井?dāng)?shù)據(jù)，開(kāi)展鉆井作業(yè)工況自動(dòng)識(shí)別和鉆井時(shí)效智能分析，實(shí)現(xiàn)錄井資料與后臺(tái)服務(wù)器數(shù)據(jù)實(shí)時(shí)傳輸和反饋，完成現(xiàn)場(chǎng)鉆井?dāng)?shù)據(jù)的自動(dòng)識(shí)別與采集，協(xié)助鉆井工程人員優(yōu)化施工方案。

1 標(biāo)準(zhǔn)數(shù)據(jù)傳輸接口開(kāi)發(fā)

在油氣井場(chǎng)信息數(shù)據(jù)服務(wù)領(lǐng)域，各大石油服務(wù)廠商開(kāi)發(fā)了大量不同標(biāo)準(zhǔn)的數(shù)據(jù)傳輸與轉(zhuǎn)換格式。國(guó)際鉆井承包商協(xié)會(huì)(簡(jiǎn)稱(chēng)IADC)規(guī)定了統(tǒng)一的井場(chǎng)數(shù)據(jù)傳輸格式來(lái)解決傳輸標(biāo)準(zhǔn)問(wèn)題，定義為井場(chǎng)信息傳輸規(guī)范(簡(jiǎn)稱(chēng)WITS)［10］；隨著技術(shù)的發(fā)展，在WITS技術(shù)的基礎(chǔ)上又發(fā)展出了井場(chǎng)信息傳遞標(biāo)準(zhǔn)標(biāo)記語(yǔ)言(簡(jiǎn)稱(chēng)WITSML)［11］。目前，各大石油公司均開(kāi)發(fā)了基于WITS和WITSML兩個(gè)傳輸標(biāo)準(zhǔn)的井場(chǎng)數(shù)據(jù)傳輸通訊系統(tǒng)。

1.1 基于TCP/IP協(xié)議的Socket通信方式

基于TCP/IP協(xié)議的Socket通信方式具有性能穩(wěn)定、傳輸功能完善等優(yōu)勢(shì)，能滿(mǎn)足井場(chǎng)數(shù)據(jù)傳輸?shù)男枨蟆ocket通信方式采用客戶(hù)端/服務(wù)端模型實(shí)現(xiàn)進(jìn)程間的通信，建立遵循TCP/IP協(xié)議的“三次握手”雙向通信模式，其建立過(guò)程包括客戶(hù)端建立初始連接、監(jiān)聽(tīng)客戶(hù)連接請(qǐng)求并進(jìn)行確認(rèn)、確認(rèn)報(bào)文、客戶(hù)端與服務(wù)器端進(jìn)入連接狀態(tài)。

1.2 WITS 標(biāo)準(zhǔn)

WITS在石油行業(yè)中是應(yīng)用最為廣泛的傳輸協(xié)議。在WITS預(yù)定義數(shù)據(jù)中使用鉆機(jī)動(dòng)作和頻率產(chǎn)生間距兩個(gè)標(biāo)準(zhǔn)，將每種工況進(jìn)行組合，共定義了24個(gè)記錄，如表1所示。記錄1以時(shí)間為基礎(chǔ)，可以根據(jù)實(shí)際需求調(diào)整時(shí)間間隔；記錄2以井深為基礎(chǔ)，頻率為每米產(chǎn)生一個(gè)數(shù)據(jù)。

表1 WITS 預(yù)定義數(shù)據(jù)描述Table 1 Data description pre-defined in WITS

1.3 WITSML標(biāo)準(zhǔn)

WITSML在WITS標(biāo)準(zhǔn)的基礎(chǔ)上，融合了可擴(kuò)展標(biāo)記語(yǔ)言(簡(jiǎn)稱(chēng)XML)在數(shù)據(jù)通信上的優(yōu)點(diǎn)，其核心包括數(shù)據(jù)架構(gòu)和應(yīng)用程序接口兩個(gè)部分。現(xiàn)場(chǎng)錄井?dāng)?shù)據(jù)通過(guò)WITSML標(biāo)準(zhǔn)封裝成XML文檔，每個(gè)數(shù)據(jù)都具備相關(guān)對(duì)象屬性。開(kāi)發(fā)了基于WITSML標(biāo)準(zhǔn)的井場(chǎng)數(shù)據(jù)傳輸軟件，其開(kāi)發(fā)流程見(jiàn)圖1。

圖1 基于WITSML標(biāo)準(zhǔn)的井場(chǎng)數(shù)據(jù)傳輸流程Fig.1 Wellsite data transfer flow based on WITSML

2 鉆井工況智能識(shí)別算法

2.1 鉆井工況選取

在開(kāi)發(fā)完成滿(mǎn)足WITS和WITSML標(biāo)準(zhǔn)數(shù)據(jù)接口后，通過(guò)軟件實(shí)時(shí)獲取現(xiàn)場(chǎng)井場(chǎng)錄井資料。常規(guī)鉆井施工主要包括組合鉆具、下鉆、鉆進(jìn)、循環(huán)、短起、劃眼、起鉆、下套管、固井、電測(cè)、下防噴器、安裝井口等工序，本文主要針對(duì)錄井系統(tǒng)能監(jiān)測(cè)的11個(gè)鉆井主要工況進(jìn)行研究分析，其余工況歸入其他，鉆井工況選取如表2所示。

表2 鉆井工況識(shí)別Table 2 Drilling operation condition identification

2.2 閾值法工況識(shí)別模型

目前鉆井工況識(shí)別主要依靠人工經(jīng)驗(yàn)結(jié)合錄井?dāng)?shù)據(jù)變化趨勢(shì)進(jìn)行判斷，識(shí)別效率不高，采用閾值法預(yù)先設(shè)定判斷數(shù)值診斷錄井傳輸?shù)膶?shí)時(shí)數(shù)據(jù)，提高工況識(shí)別精度。閾值法工況識(shí)別模型首先需要確定診斷的錄井實(shí)時(shí)參數(shù)，保障工況識(shí)別的精度，排除多工況下參數(shù)冗余的情況；其次需要確定閾值范圍，由于井場(chǎng)傳輸數(shù)據(jù)存在波動(dòng)誤差，閾值需要根據(jù)實(shí)際錄井參數(shù)確定；最后根據(jù)選取的錄井參數(shù)和閾值范圍確定所需采用的條件判斷樹(shù)。本文采用霍夫曼樹(shù)優(yōu)化判斷流程，確定各個(gè)節(jié)點(diǎn)的權(quán)重，構(gòu)造鉆井工況識(shí)別的霍夫曼樹(shù)(圖2)。

圖2 鉆井工況識(shí)別的霍夫曼樹(shù)Fig.2 Huffman tree for drilling operation condition identification

2.3 神經(jīng)網(wǎng)絡(luò)法工況識(shí)別模型

目前，利用BP神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性映射屬性能較好地對(duì)鉆井工況進(jìn)行區(qū)分識(shí)別，其主要運(yùn)算程序包括樣本數(shù)據(jù)讀取、樣本數(shù)據(jù)標(biāo)記、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、數(shù)據(jù)樣本識(shí)別、結(jié)果精度校對(duì)。圖3為采用神經(jīng)網(wǎng)絡(luò)測(cè)試的一組鉆進(jìn)工況識(shí)別數(shù)據(jù)，可以看出該段鉆頭位置經(jīng)歷了多次上提、下放乃至停止?fàn)顟B(tài)，說(shuō)明鉆進(jìn)過(guò)程不通暢，頻繁劃眼、循環(huán)，判斷鉆遇復(fù)雜地層或者出現(xiàn)卡鉆事故。相比于閾值法“非黑即白”的邏輯樹(shù)判斷，神經(jīng)網(wǎng)絡(luò)通過(guò)多層次節(jié)點(diǎn)的工況識(shí)別，可以輸出最大概率的工況特征，提高非常規(guī)錄井參數(shù)的識(shí)別度。

圖3 神經(jīng)網(wǎng)絡(luò)工況識(shí)別結(jié)果Fig.3 Operation condition identification results, based on the neural network method

2.4 鉆井工況智能識(shí)別算法融合

為進(jìn)一步提高鉆井工況的識(shí)別精度，充分發(fā)揮上述兩類(lèi)算法模型的優(yōu)勢(shì)，采取算法融合的方式進(jìn)行鉆井工況智能識(shí)別。首先采用兩種方法分別對(duì)錄井?dāng)?shù)據(jù)進(jìn)行工況識(shí)別，當(dāng)兩者識(shí)別結(jié)果1和2相同時(shí)，直接輸出識(shí)別結(jié)果；而當(dāng)兩者結(jié)果不一致時(shí)，需要判斷識(shí)別結(jié)果1是否為“其他”，如果是，則直接輸出識(shí)別結(jié)果2；如果判斷識(shí)別結(jié)果1不為“其他”，則需要判斷識(shí)別結(jié)果2的概率是否大于0.5，如果是，則直接輸出識(shí)別結(jié)果2，如果不是，直接輸出識(shí)別結(jié)果1。其算法融合邏輯如圖4所示。

圖4 算法邏輯圖Fig.4 Algorithm logic

3 鉆井時(shí)效歷史數(shù)據(jù)分析

目前鉆井時(shí)效分析主要依靠錄井?dāng)?shù)據(jù)和鉆井日?qǐng)?bào)進(jìn)行人工計(jì)算，效率低下，精度欠缺。通過(guò)鉆井工況的智能識(shí)別，建立包含井場(chǎng)信息數(shù)據(jù)和單井工況識(shí)別結(jié)果的歷史數(shù)據(jù)表(見(jiàn)表3)。

表3 鉆井時(shí)效分析歷史數(shù)據(jù)Table 3 Historic data for drilling time-efficiency analysis

編制軟件對(duì)錄井歷史數(shù)據(jù)進(jìn)行劃分，統(tǒng)計(jì)鉆井總工作時(shí)間和單項(xiàng)工況耗時(shí)，從而計(jì)算鉆井時(shí)效

式中，η為鉆井時(shí)效，無(wú)因次；Tr為旋轉(zhuǎn)鉆進(jìn)時(shí)間，h；Ts為滑動(dòng)鉆進(jìn)時(shí)間，h；Tc為循環(huán)時(shí)間，h；Tm為接單根時(shí)間，h；Tt為起下鉆時(shí)間，h；Tn為非生產(chǎn)時(shí)間，h。

4 實(shí)例應(yīng)用

根據(jù)上述研究成果，開(kāi)發(fā)了多個(gè)模塊處理的鉆井工況智能識(shí)別和鉆井時(shí)效分析的軟件，其總體設(shè)計(jì)采用底層數(shù)據(jù)庫(kù)、中間邏輯層和頂層操作層的3層結(jié)構(gòu)，如圖5所示。數(shù)據(jù)層是整個(gè)軟件的基礎(chǔ)，主要包括錄井?dāng)?shù)據(jù)庫(kù)、時(shí)效結(jié)果庫(kù)、地層參數(shù)庫(kù)、賬號(hào)信息庫(kù)和井場(chǎng)信息庫(kù)等；邏輯層是整個(gè)軟件的核心，主要包括錄井?dāng)?shù)據(jù)實(shí)時(shí)傳輸模塊、原始數(shù)據(jù)處理模塊和數(shù)據(jù)結(jié)果輸出模塊；操作層是整個(gè)軟件的可視化界面，主要包括數(shù)據(jù)傳輸界面、工況識(shí)別界面、時(shí)效分析界面以及系統(tǒng)管理界面等。

圖5 軟件總體設(shè)計(jì)圖Fig.5 Overall software design

利用研發(fā)軟件對(duì)我國(guó)渤海某一口海上油井進(jìn)行測(cè)試應(yīng)用。首先需要將軟件中的錄井?dāng)?shù)據(jù)實(shí)時(shí)傳輸模塊與中海油研發(fā)的DiscoveryWeb系統(tǒng)進(jìn)行調(diào)試連接，配置好相對(duì)應(yīng)的數(shù)據(jù)參數(shù)，查看讀取后的錄井?dāng)?shù)據(jù)格式，并繪制錄井鉆頭位置、大鉤高度、扭矩、鉆壓等參數(shù)的圖像曲線(xiàn)，圖6為鉆頭位置與時(shí)間關(guān)系曲線(xiàn)。

圖6 鉆頭位置隨時(shí)間變化關(guān)系曲線(xiàn)Fig.6 Bit location vs.time

其次進(jìn)行鉆井工況的智能識(shí)別，其分析結(jié)果如圖3所示。現(xiàn)場(chǎng)鉆井工程師根據(jù)錄井智能識(shí)別曲線(xiàn)進(jìn)行工況分析與判斷，再讀取鉆井日?qǐng)?bào)中的鉆井真實(shí)工況和時(shí)間占比，進(jìn)而判斷智能識(shí)別的預(yù)測(cè)精度，如表4所示。

表4 鉆井工況識(shí)別精度結(jié)果Table 4 Identification accuracy for drilling operation conditions

分析完鉆井工況后，進(jìn)入軟件鉆井時(shí)效分析界面，統(tǒng)計(jì)該井當(dāng)前所有工況下的時(shí)間占比。同時(shí)數(shù)據(jù)庫(kù)中收錄該區(qū)塊其他井次相同工況下的鉆井時(shí)效，便于工程人員對(duì)比分析，如圖7所示，結(jié)果顯示鉆井單個(gè)時(shí)效統(tǒng)計(jì)誤差在5%以?xún)?nèi)，鉆井時(shí)效誤差為0.27%，驗(yàn)證了智能算法的準(zhǔn)確率。

圖7 鉆井時(shí)效分析結(jié)果Fig.7 Drilling time-efficiency analysis results

5 結(jié)論

(1)開(kāi)發(fā)了基于WITS標(biāo)準(zhǔn)和WITSML兩個(gè)標(biāo)準(zhǔn)的數(shù)據(jù)傳輸模塊，針對(duì)錄井系統(tǒng)能監(jiān)測(cè)的11個(gè)鉆井主要工況進(jìn)行研究，創(chuàng)建了將閾值法和神經(jīng)網(wǎng)絡(luò)法相結(jié)合的融合算法模型，提高了工況識(shí)別精度。

(2)研發(fā)了具有錄井?dāng)?shù)據(jù)傳輸、鉆井工況識(shí)別、鉆井時(shí)效分析等功能的鉆井工況識(shí)別和時(shí)效分析軟件，應(yīng)用結(jié)果顯示鉆井工況智能識(shí)別與實(shí)際工況情況基本符合，平均預(yù)測(cè)精度大于95%，鉆井時(shí)效統(tǒng)計(jì)誤差在1%以?xún)?nèi)，應(yīng)用效果良好。

(3)鉆井工況識(shí)別和時(shí)效分析軟件實(shí)現(xiàn)鉆井?dāng)?shù)據(jù)的實(shí)時(shí)反饋、有效地提高了工況識(shí)別的效率，能夠更好地幫助施工人員優(yōu)化鉆井參數(shù)、合理安排進(jìn)度，對(duì)實(shí)現(xiàn)鉆井?dāng)?shù)據(jù)的自動(dòng)采集、遠(yuǎn)程傳輸和智能決策具有重要意義。