油气井钻井施工作业现场的风险预测系统及方法技术方案

本发明专利技术公开了一种油气井钻井施工作业现场的风险预测系统及方法，系统包括数据采集模块，用于采集现场作业的数据；数据管理模块用于对现场采集的数据以及样本数据进行存储；数据应用模块用于实现信息发布、数据查询、数据统计和报表输出；决策支持模块用于根据样本数据，对现场采集的数据进行风险分析并预警；方法：采集作业现场的数据；根据样本数据，对采集的监督数据进行风险分析，得到风险分析结果；结合预设的预警阀值，确定预警等级，做出相应的风险预警动作。本发明专利技术针对钻井现场采集的数据，将风险贝叶斯网络与ARIMA模型结合在一起，实现事故风险概率的有效分析与预测，分析准确度高、真实性强。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，系统包括数据采集模块，用于采集现场作业的数据；数据管理模块用于对现场采集的数据以及样本数据进行存储；数据应用模块用于实现信息发布、数据查询、数据统计和报表输出；决策支持模块用于根据样本数据，对现场采集的数据进行风险分析并预警；方法：采集作业现场的数据；根据样本数据，对采集的监督数据进行风险分析，得到风险分析结果；结合预设的预警阀值，确定预警等级，做出相应的风险预警动作。本专利技术针对钻井现场采集的数据，将风险贝叶斯网络与ARIMA模型结合在一起，实现事故风险概率的有效分析与预测，分析准确度高、真实性强。【专利说明】
本专利技术涉及一种。
技术介绍
油气钻井是一个多工序、多工种、连续作业、立体交叉的系统工程。钻井工程是一项隐蔽性很强的地下工程。它拥有资金投入大、作业风险高和操作技术复杂等特征。一口井的整个钻井活动包括建立钻井平台，安装钻机设备，钻进施工，下套管固井，测井，试油以及完井等一系列作业。在钻井生产过程中，钻井作业受岩石地质条件、钻井装备质量、操作人员技术能力、管理能力与规范、现场作业者作业心理以及施工经验等因素的影响可能引发钻井事故。除此之外，钻井管理体制和钻井运行机制等因素制约着钻井工程项目作业的各个阶段和环节，人员、设施和环境等对钻井均存在不同程度和不同形式的影响，即存在不同程度、形式的风险。事故的突然发生很有可能导致全井报废，以致大量的物力和财力损失，甚至造成重大的人员伤亡事故。油气钻井工程是油气勘探开发中最直接最有效的手段，是油田建设的必不可少的一部分。先进新颖的钻井技术将会引领世界石油与天然气勘探开发市场，它是占领此市场的主要竞争手段。油气钻井是以岩石地层为工作对象，需要多环节、多部门协作的系统工程。此外，它还是一项规模庞大、技术要求高、风险性极大和资金密集型工程。油气钻井取得的效果好坏与地质属性、开发技术、机械设备，人员管理以及生产和自然环境等大量不确定性因素有关。简而言之，油气钻井所处的每一阶段、每一时段都可能遇到大量的不确定性现象，即油气钻井的高风险性。如果发生诸如井喷失控着火这类重大事故，那么造成的人员伤亡、钻机设备的毁坏、环境的污染以及其带来的经济损失和影响将是无法估量的。因此，有效的预防、控制与处置风险，降低油气钻井成本、提高钻井投资的经济效益始终是油气钻井工程界乃至石油行业所追求的目标之一。国内外相关人士最初主要研究危险源的辨识方法，预测可能发生的事故。采用的技术主要有故障树、事件树等分析事故产生的原因，从而进行系统安全评价，为事故预防工作提供指向。目前，学者所研究的系统几乎都是非线性产系统，因此要对系统进行安全预测必然要采用非线性预测方法或者把非线性问题转化为线性问题来解决。最新兴起的非线性预测方法有:非线性/混沌时间序列方法、人工神经网络方法、遗传算法、灰色理论等。这些预测方法既可以单独使用又可以结合使用。其中，人工神经网络预测模型在非线性映射、泛化和容错等方面拥有较强的能力。灰色预测系统理论是在研究对象历史数据较少的情况下，利用灰色微分方程对事物的长期发展规律做出预测，适用于数据量较少的研究对象。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种，从人的不安全行为和物的不安全状态两大子系统方面，分析钻井作业事故的影响因素以及各影响因素对造成钻井事故的轻重程度，运用事故影响因素指标体系构建钻井风险贝叶斯网络，运用贝叶斯网络概率推理计算出风险概率值，建立ARIMA风险预测模型，对事故发生的风险概率进行有效的分析和预测，最终实现风险的及时预警。本专利技术的目的是通过以下技术方案来实现的:油气井钻井施工作业现场的风险预测系统，它包括数据采集模块、数据管理模块、数据应用模块和决策支持模块，数据采集模块用于采集现场作业的数据；数据管理模块用于对现场采集的监督数据以及样本数据进行存储；数据应用模块用于实现信息的发布、数据的查询、数据的统计和报表的输出；决策支持模块包括风险分析单元和风险预警单元，所述的风险分析单元用于根据样本数据，对现场采集的监督数据进行风险分析，所述的风险预警单元用于根据分析结果进行风险预警。油气井钻井施工作业现场的风险预测方法，它包括如下步骤:Sll:采集作业现场数据，形成监督数据；S12:根据样本数据，对采集的监督数据进行风险分析，得到风险分析结果，其中，所述的风险分析包括如下子步骤:S121:利用贝叶斯网络计算风险概率；S122:利用ARIMA模型建立风险预测模型；S123:对风险预测模型进行检验，若所构建的风险预测模型的拟合精度达到预设精度，则说明所建的风险预测模型符合要求，进入步骤S24 ;否则，利用监督数据对模型进行修改，返回步骤S22，重新建立风险预测模型；S124:利用风险预测模型对作业现场风险概率进行预测，得出风险预测结果；S13:根据风险分析结果，结合预设的预警阀值，确定预警等级，做出相应的风险预警动作。所述的风险概率计算包括如下子步骤:S21:确定风险贝叶斯网络的变量集和变量域；将安全事故影响因素作为贝叶斯网络的节点，即变量集，所有节点变量包括以下两种状态:发生状态和未发生状态，将发生状态记为1，未发生状态记为0，则变量域均为{0,1}；S22:根据安全事故影响因素，构建钻井施工作业现场的表示节点变量之间相互关系的风险贝叶斯网络结构；S23:通过数据统计分析得出一级节点的先验概率表；在现场作业采集的监督数据中，统计一段日期内每天人的不安全行为和物的不安全状态因素的记录数，求出各一级因素记录数占当天所有因素记录数的百分比，即为一级因素的先验概率；S24:利用贝叶斯网络计算发生事故的风险概率；根据风险贝叶斯网络结构图的因果关系层级推理计算出一段日期内每天的风险概率值。所述的风险贝叶斯网络主要包括人的不安全行为A1和物的不安全状态A2两大子系统，每个子系统由多个节点变量通过概率理论聚合而成，每个节点变量又由多个子节点变量通过概率理论聚合而成，两个子系统聚合到总风险指标R。所述每天的风险概率值的推理过程如下:(I)计算人的不安全行为A1当天的风险概率P(A1),^ι)=ΣμΡ(Α.|4>(4,) ,其中m为不安全行为A1中节点的个数，Ali表示不安全行为A1中的第i个节点变量，，这里的k视不安全行为A1中子节点的个数而定，A⑴表示Ali中的第j个子节点变量，条件概率P (Ali I Alij)和先验概率Aiu均能从先验概率表中查得，物的不安全状态A2当天的风险概率P (A2)采用同样的计算方法得到；(2)计算当天的总风险概率 P(R)，P(R) = P(R| A1)P(A1)+P(R| A2)P(A2)。所述风险预测模型建立包括如下子步骤:S31:风险概率数据的分析与处理:①风险概率序列的平稳性分析，根据风险概率做出风险概率折线图，以判断风险概率序列的平稳性；②风险概率序列的纯随机性检验，即白噪声检验；③风险概率序列平稳化并检验，对风险概率序列进行一阶差分平稳处理，得到处理后的风险概率序列折线图；S32:根据一阶差分的风险概率序列建立ARIMA模型。本专利技术的有益效果是:本专利技术从人的不安全行为和物的不安全状态两大子系统方面，分析钻井作业事故的影响因素以及各影响因素对造成钻井事故的轻重程度，运用本文档来自技高网...

【技术保护点】
油气井钻井施工作业现场的风险预测系统，它包括数据采集模块、数据管理模块和数据应用模块模块，数据采集模块用于采集现场作业的数据；数据管理模块用于对现场采集的监督数据以及样本数据进行存储；数据应用模块用于实现信息的发布、数据的查询、数据的统计和报表的输出；其特征在于：还包括决策支持模块，所述的决策支持模块包括风险分析单元和风险预警单元，所述的风险分析单元用于根据样本数据，对现场采集的监督数据进行风险分析，所述的风险预警单元用于根据分析结果进行风险预警。

【技术特征摘要】

【专利技术属性】
技术研发人员：李建，王兵，赵春兰，肖斌，汪敏，李嘉迪，李庭轲，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51