一種鑽井風險的預測方法與流程
2023-05-28 01:09:06 3
本發明涉及地質勘探技術領域，具體地說，涉及一種鑽井風險的預測方法。
背景技術：
隨著油氣資源勘探開發的日益深入，鑽井施工難度也越來越大，很多情況下油氣埋藏較深，相關地層的屬性複雜，鑽井過程中極易發生井漏、井湧及卡鑽等各類複雜情況，令非生產時間佔總鑽井時間的比例較高，井下故障處理費用佔鑽井總費用的比例也較大，嚴重影響勘探開發進度和總體經濟效益。因此，如何安全有效地管理和控制井下風險，已經成為石油公司和鑽井承包商的核心問題和主要難題之一。
現有技術中的鑽井風險的預測方法或是通過傳感器觀察現場現象，或是在井漏發生之後根據井漏的各種特性來確定，或是對引起井漏發生的地質特徵進行這家模糊評價宏觀得到某地區的潛在井漏風險，或是利用待預測井的部分參數同鄰井井漏的一些「特徵值」相匹配。但這些方法不可避免地存在預測精度低、實現成本高等技術問題。
技術實現要素：
為解決以上問題，本發明提供一種鑽井風險的預測方法，用以在鑽井施工階段對井下風險進行提前預知和識別，進而控制隱患，給出風險提示。
根據本發明的一個實施例，提供了一種鑽井風險的預測方法，包括：
獲取目標井當前深度的實時數據向量；
建立時間窗，並在所述時間窗內建立指定時間間隔的實時數據向量集合；
處理所述實時數據向量集合，並作為待預測案例向量；
根據所述目標井的各臨近井，獲取與所述待預測案例向量的地理特徵相符的各現有案例向量；
獲取與所述待預測案例向量匹配的各現有案例向量；
根據與所述待預測案例向量匹配的現有案例向量對應的臨近井，預測所述目標井的鑽井風險。
根據本發明的一個實施例，處理所述實時數據向量集合，並作為待預測案例向量包括：
計算所述實時數據向量集合的平均值；
計算所述實時數據向量與所述實時數據向量集合的平均值的差值，並將所述差值作為待預測案例向量。
根據本發明的一個實施例，根據所述目標井的各臨近井，獲取與所述待預測案例向量的地理特徵相符的各現有案例向量包括：
根據與所述目標井的距離由近至遠，對各臨近井進行排序；
按照所述排序，獲取與所述待預測案例向量的地理特徵相符的各現有案例向量。
根據本發明的一個實施例，按照所述排序，獲取與所述待預測案例向量的地理特徵相符的各現有案例向量之後，還包括：
獲取待匹配的現有案例向量的特徵分量權值數組；
判斷所述待預測案例向量與待匹配的現有案例向量的維數是否相等，若不相等，則調整所獲取的現有案例向量的特徵分量權值數組。
根據本發明的一個實施例，調整所獲取的現有案例向量的特徵分量權值數組包括：
基於下式調整現有案例向量的特徵分量權值數組中的每個權值：
其中，j∈[1,m]，weightj表示調整前的現有案例向量的特徵分量權值數組中的每個權值，wj表示調整後的現有案例向量的特徵分量權值數組中的每個權值，如果第j個權值對應的特徵fj∈{xi}，xi表示待預測案例向量中的特徵分量，i∈[1,n]，則pj＝1，否則pj＝0，m、n表示權值數量；
刪除調整後的現有案例向量的特徵分量權值數組中為零的權值，使現有案例向量的特徵分量權值數組的權值數量從m降到n。
根據本發明的一個實施例，獲取與所述待預測案例向量匹配的現有案例向量之前，還包括：
利用特徵分量權值數組，匹配所述待預測案例向量與每一現有案例向量；
獲取所述待預測案例向量與每一現有案例向量的相似度，並將相似度由大至小進行排序。
根據本發明的一個實施例，獲取所述待預測案例向量與每一現有案例向量的相似度包括：
基於下式計算所述待預測案例向量與每一現有案例向量的相似度：
其中，表示相似度，wi表示調整後的現有案例向量的特徵分量權值數組中的特徵分量權值，xi表示待預測案例向量中的特徵分量,yki表示現有案例向量中的特徵分量，x表示待預測案例向量，yk表示現有案例向量。
根據本發明的一個實施例，獲取與所述待預測案例向量匹配的現有案例向量包括：
獲取用戶輸入的相似度閾值或獲取數量，由相似度排序中獲取對應的現有案例向量及所屬臨近井。
根據本發明的一個實施例，建立時間窗包括：
獲取用戶輸入的時間窗寬度；
根據所述時間窗寬度與所述當前時刻建立所述時間窗。
根據本發明的一個實施例，所述時間窗的終點為當前時刻。
本發明帶來了以下有益效果：
本發明基於隨時間推移的時間窗口來篩選數據，結合動態權值調整策略，對目標井的實時鑽井過程進行風險監控，提取臨近井的歷史數據，通過比對實時鑽井工程參數和井筒周遭地質情況參數，最大限度提前推理預估前方井段的井下風險，及時識別風險隱患並給出提示，從而最大限度避免鑽井作業中風險的發生。
本發明的其它特徵和優點將在隨後的說明書中闡述，並且，部分地從說明書中變得顯而易見，或者通過實施本發明而了解。本發明的目的和其他優點可通過在說明書、權利要求書以及附圖中所特別指出的結構來實現和獲得。
附圖說明
為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要的附圖做簡單的介紹：
圖1是本發明實施例提供的鑽井風險的預測方法的流程示意圖。
具體實施方式
以下將結合附圖及實施例來詳細說明本發明的實施方式，藉此對本發明如何應用技術手段來解決技術問題，並達成技術效果的實現過程能充分理解並據以實施。需要說明的是，只要不構成衝突，本發明中的各個實施例以及各實施例中的各個特徵可以相互結合，所形成的技術方案均在本發明的保護範圍之內。
本發明實施例提供了鑽井風險的預測方法，如圖1所示，該鑽井風險的預測方法包括如下步驟：
步驟s101、獲取目標井當前深度的實時數據向量。
具體的，獲取目標井當前深度的各項參數，形成n維實時數據向量：
rt0＝{rt01,rt02,...,rt0n}(1)
其中，t0為當前時刻。
步驟s102、建立時間窗，並在該時間窗內建立指定時間間隔的實時數據向量集合。
具體的，本發明實施例中，時間窗的終點為當前時刻。而時間窗的時間窗寬度可以由用戶輸入。實際應用時，可以取時間窗寬度為10-25分鐘左右。時間窗內包含了指定時間間隔的數據向量：
其中，w∈[t0-q+1,t0]，rw是w時刻的實時數據向量，q為時間窗口寬度。
顯然，在現場實時檢測數據進行風險識別的時候，把時間窗的終點作為當前時刻，隨時間的增加，則時間窗會相應向前推移。根據時間窗口的寬度，將會丟棄已超出時間窗寬度的數據。
步驟s103、處理實時數據向量集合，並作為待預測案例向量。
具體的，將r和w中實時數據向量的平均值的差作為待預測案例向量x，即：
其中：xi表示待預測案例向量中的各個特徵分量，i∈[1，n]。
步驟s104、根據目標井的各臨近井，獲取與待預測案例向量的地理特徵相符的各現有案例向量。
一口目標井的周圍通常設置有很多的臨近井，在獲取臨近井的現有案例向量進行匹配時，應當有先後順序，這樣能夠提高分析速度和分析的準確程度。
因此，在本發明的實施例中，首先調取目標井的井口地面坐標，從目標井與其他臨近井的位置表中，得到其他各臨近井與目標井之間的距離，按照距離由近至遠排序各臨近井，得到臨近井的井號順序數組well[o]，該數組中包括o口臨近井。
由於不同地方的同一深度的地層情況是不同的，而地層情況具有一定的延續性，因此距離目標井越近的臨近井，其地層結構、情況、性質可能與目標井越接近。所以，在本發明的實施例中，得到臨近井的井號順序數組well[o]之後，設定井號索引p＝0，按序依次查看井號順序數組well[o]中的各臨近井是否存在與待預測案例向量的地理特徵相符的各現有案例向量。
之後，井號索引p增加1，從well[o]中順序提取井號wnp，並且設案例索引k＝0。
案例索引k增加1，從案例表中取出wnp井的一個已有案例，同時查詢米數據表和地層壓力表的數據，根據當前x中對應的特徵，提取已有案例中的數據形成現有案例向量yk＝(yk1,yk2,…,ykm)，其中m為任意正整數。而如果wnp已經沒有已有案例，則更換下一口臨近井繼續迭代，直至p>o。
查詢現有案例向量yk所在臨近井的特徵分量權值數組weight[m]。一般來說，已有案例是事後分析整理形成的，收集的數據參數較多，現場情況由於各種條件限制，有可能無法獲取到m個數據參數。因此，一般m大於等於n，需要進行特徵分量權值數組的降維。當m>n時，需要生成一個新的權值數組weight[n]。在實際環境有所限制，獲取參數不足，此方法通過動態權值調整，也可以在實際生產中應用，給出預測結果，擴大應用範圍。
具體的，當m>n時，使用下式調整weight[m]中的每個權值：
其中，j∈[1,m]，weightj表示調整前的現有案例向量的特徵分量權值數組中的每個權值，wj表示調整後的現有案例向量的特徵分量權值數組中的每個權值，如果第j個權值對應的特徵fj∈{xi}，則pj＝1，否則pj＝0。
接著，刪除調整後的現有案例向量的特徵分量權值數組中為零的權值，使現 有案例向量的特徵分量權值數組的權值數量從m降到n。
當m＝n時，則無需對特徵分量權值數組weight[m]進行降維調整。
之後，利用降維後的特徵分量權值數組weight[m]對x和y計算案例相似度值相似度計算如下：
其中，表示相似度，wj表示調整後的現有案例向量的特徵分量權值數組中的特徵分量權值，xi表示待預測案例向量中的特徵分量,yki表示現有案例向量中的特徵分量。將存儲到相似度數組s中。之後，提取下一個現有案例向量案例yk+1，繼續迭代。
步驟s105、獲取與待預測案例向量匹配的各現有案例向量。
即對相似度數組s中的各元素進行由大至小排序，根據由用戶指定的相似度閾值或者檢索數量要求取相應的記錄，作為檢索結果返回。
步驟s106、根據與待預測案例向量匹配的現有案例向量對應的臨近井，預測目標井的鑽井風險。
用戶可根據反饋的檢索結果，獲取對應的臨近井，並參考臨近井的數據，以預測目標井是否會產生鑽井風險，預測結果準確、可靠性較高。
顯然，本發明可用於鑽井施工階段對井下風險進行提前預估和識別，進而控制隱患，並給出風險提示；在施工過程中，對實時工程數據和井筒周遭地質數據進行有序採集和實時監測，通過提出的方法步驟，提取已有的信息，計算、識別和預測前方井下風險情況，彌補人為監測的疏漏，提高鑽井過程風險預測能力，有效保障鑽井施工的安全。
為了更好地說明本發明實施例的有益效果，現提供倆具體實施場景如下：
實施場景1：
針對元壩**2井的相關風險段，讀取構建好的案例資料庫，裝載相應地層的地質信息和當時的工程信息數據，應用案例推理算法，開始循環迭代，進行案例檢索，當迭代至井深約22米處時，案例檢索算法發現與案例庫中存在的元壩**1井在41.73米處發生的井漏案例的相似度超過預設閾值，經分析，元壩102井22米處與11井同處劍門關組，各項工程參數波動趨勢相同，因此具有很高的提示作用。後經記錄驗證，發現元壩**2井在同年7月25日4時許，鑽第二層導眼至井深22.50m時發生井漏，鑽井液失返，排量80l/s。
實施場景2：
針對元壩**2井進行迭代預測，發現迭代至約為井深5982米處，各項參數變化趨勢與案例庫中元壩**1井相關案例相似，識別為井湧風險，經分析，案例涉及鑽進地層同屬嘉陵江組，特徵參數相似度超過預設閾值，後經現場記錄驗證，元壩222井於同年10月13日1:04複合鑽進至井深5985.96m，當時井內泥漿密度1.54g/(cm)3，層位：嘉陵江組(二段)，發現液面上漲0.72m3，靜止觀察泥漿累計溢流1.67m3，立即關井。
顯然，上述兩實施場景均驗證了本方法的有效性。
綜上所述，本發明設計了一種基於時間窗口和動態權值調整的井下複雜情況案例推理方法，其基於隨時間推移的時間窗口來篩選數據，結合動態權值調整策略，對目標井的實時鑽井過程進行風險監控，提取臨近井的歷史數據，通過比對實時鑽井工程參數和井筒周遭地質情況參數，最大限度提前推理預估前方井段的井下風險，及時識別風險隱患並給出提示，從而最大限度避免鑽井作業中風險的發生。
雖然本發明所公開的實施方式如上，但所述的內容只是為了便於理解本發明而採用的實施方式，並非用以限定本發明。任何本發明所屬技術領域內的技術人員，在不脫離本發明所公開的精神和範圍的前提下，可以在實施的形式上及細節上作任何的修改與變化，但本發明的專利保護範圍，仍須以所附的權利要求書所界定的範圍為準。