用于井筒操作中定向钻井的基于模型的参数估计制造技术

提供了用于井筒操作中定向钻井的基于模型的参数和状态估计的技术的示例。在根据本公开的各方面的一个示例具体实施中，计算机实现的方法包括由处理装置从井筒操作接收测量数据。该方法还包括由处理装置执行用于生成估计参数的参数和用于生成估计状态的状态中的至少一者的在线估计，该在线估计至少部分地基于测量数据。该方法还包括由处理装置至少部分地基于估计参数和估计状态中的至少一者来生成控制输入以控制井筒操作中的方面。该方法还包括基于控制输入执行控制动作以控制井筒操作的方面。

【技术实现步骤摘要】
【国外来华专利技术】用于井筒操作中定向钻井的基于模型的参数估计相关申请的交叉引用本申请要求于2018年3月26日提交的美国专利申请号15/935659的权益，该申请全文以引用方式并入本文。
技术介绍
本文所述的实施方案整体涉及井下勘探和生产努力，并且更具体地讲，涉及用于井筒操作中定向钻井的基于模型的参数估计的技术。井下勘探和生产努力涉及多种传感器和工具的部署。传感器例如通过提供对温度、密度和电阻率的测量以及许多其他参数来提供关于井下环境的信息。其他工具(例如诸如顶部驱动器或泵)可位于地表处。该信息可用于控制位于底孔组件中、沿着钻柱或在地表上钻井和工具或系统的各方面。
技术实现思路
根据本专利技术的一个实施方案，提供了用于井筒操作中定向钻井的基于模型的参数和状态估计的计算机实现的方法。该方法包括由处理装置从井筒操作接收测量数据。该方法还包括由处理装置执行用于生成估计参数的参数和用于生成估计状态的状态中的至少一者的在线估计，该在线估计至少部分地基于测量数据。该方法还包括由处理装置至少部分地基于估计参数和估计状态中的至少一者来生成控制输入以控制井筒操作中的方面。该方法还包括基于控制输入执行控制动作以控制井筒操作的方面。根据本公开的另一个实施方案，提供了用于井筒操作中定向钻井的基于模型的参数估计的系统。该系统包括存储器和处理装置，该存储器包括计算机可读指令，该处理装置用于执行计算机可读指令以用于执行方法。该方法包括由处理装置从井筒操作接收测量数据。该方法还包括由处理装置执行在线估计，以至少部分地基于测量数据并且至少部分地基于离线估计来估计参数和状态中的至少一者。该方法还包括由处理装置实施控制输入以控制井筒操作的方面，其中控制输入至少部分地基于估计参数和估计状态。附图说明现在参见附图，其中在若干附图中类似的元件具有类似的编号：图1示出了根据本公开的各方面的井下系统的剖视图；图2示出了图1的处理系统的框图，该处理系统可用于实现根据本公开的各方面的本文所述的技术；图3A示出了根据本公开的各方面的用于井筒操作中直接钻井的基于模型的参数估计的系统的框图；图3B示出了根据本公开的各方面的图3A的控制器的示例的框图；图3C示出了根据本公开的各方面的图3A的控制器的另一示例的框图；图4示出了根据本公开的各方面的多弯梁模型；图5示出了根据本公开的各方面的BHA岩石相互作用模型；图6示出了根据本公开的各方面的钻头的倾斜角和方位角；图7示出了根据本公开的各方面的使用基于模型的参数估计器的转向力计算器的框图；图8示出了根据本公开的各方面的使用基于模型的参数估计器的模型参数变化检测器计算器的框图；图9示出了根据本公开的各方面的模型参数变化事件；图10示出了根据本公开的各方面的用于计算井眼路径的钻进模型；图11示出了根据本公开的各方面的预测的井眼路径的三维曲线图；并且图12示出了根据本公开的各方面的用于井筒操作中定向钻井的基于模型的参数估计的方法的流程图。具体实施方式本专利技术技术涉及用于井筒操作中定向钻井的基于模型的参数估计。这提高了效率和一致性，并在井筒操作中提供钻井服务的自动化。BHA岩石相互作用(即，井筒操作中钻的钻头与地层之间的相互作用)目前不可以充分用于计算定向钻井作业的控制动作。因此，定向钻井系统的转向控制效果不理想。这可导致难以沿预定井眼路径转向和难以实现一致的井筒质量。BHA岩石相互作用取决于地层和钻头类型。在实施过程中，未验证的经验系数(fudgefactor)用于描述地层对底部孔组件(BHA)的可操纵性的影响。BHA岩石相互作用的模型是可用的，但难以事先知道参数，因为准确的位型信息和地层特性是未知的。此外，由于钻头磨损，钻头特性可在钻井操作期间改变。考虑到BHA岩石相互作用和BHA模型改善了确定要选择哪个控制动作并结合钻进模型，这使得能够开发虚拟传感器。通过估计作用于钻头的未知力和其他模型参数，可以最佳方式(例如，遵循预定义的井眼计划)调整转向力、钻压(WOB)等。本公开提供了描述如何使用基于模型的学习方法来估计模型的参数的技术。这些参数可连同地层而改变。因此，可利用所估计的参数的突变来确定地层变化事件。当在同一地理区域钻多个井眼时，可根据从偏置井眼收集的数据来确定地层。如果使用相同的BHA和类似的钻头，则从偏置井眼收集的数据可用于估计BHA岩石相互作用参数。BHA岩石相互作用是考虑到钻头的切削特性，在BHA和岩石的接触点处的力和力矩的交换。回归或机器学习技术可用于估计，其中机器学习是一种类型的人工智能，其使得计算装置能够学习而无需明确编程。具体地讲，本公开利用在线参数估计和离线机器学习来将BHA岩石相互作用模型与实际钻井情况相匹配。术语“在线”反映了连接到井筒操作301的条件，这意味着每当至少新的测量(或新的信息)变得可用时或当需要更新控制动作时，算法均得到解析。术语“离线”是指仅在收集一定量的测量结果或数据之后求解算法的事实。本技术提供许多优点，包括例如：BHA和BHA岩石相互作用的自适应参数识别，作为实时计算定向钻井中的最佳控制动作的基础；使用实时数据和偏置井眼数据的自动“在线”和“离线”参数估计；状态和参数的实时估计；使用简化模型的快速“在线”估计；利用过去(历史)的测量数据来估计参数；以及减少叠加在测量数据上的噪声。本技术可以多种不同的方式使用，包括例如：考虑到BHA和BHA岩石相互作用，自动计算转向力和转向方向以实现期望的构建速率和转向速率；检测地层变化；预测井眼路径；以及虚拟传感器。本公开的实施方案基于对BHA岩石相互作用和BHA建模。一般来讲，模型可以是物理模型或数据驱动模型。此外，模型可以是动态的或静态的。动态模型描述表征BHA的某些变量的时间(或深度)变化。这些变量被称为“状态”。此类动态模型可以数学方式表示为“状态空间形式”，如下所示：其中(·)表示时间(或深度)导数，x(t)表示时变状态的向量，u(t)表示输入的向量，p(t)表示参数的向量，f(·)表示描述模型动态特性的方程组，并且t表示时间。参数通常被认为是恒定的或随时间缓慢变化，但是如果它们确实随时间变化，则模型可能不可用于描述它们的动态特性。静态模型没有描述动态特性，而是在考虑到被称为特征的输入的一些测量集的情况下关联、分类和预测系统的输出。静态模型由以下符号表示：hθ(z)＝0，其中z表示特征向量并且(·)θ表明假设h是参数向量θ的函数，该参数向量相对于动态模型的向量p通常具有更高的维度。机器学习方法可使用静态模型hθ(z)，而无需或很少了解所考虑的系统背后的物理学。目标是在可用时使用第一原理模型作为假设函数。当此类模型不可用时，hθ(z)表示数据驱动模型(例如，神经网络)。动态模型和静态模型各自取决于大多数时候不可能以足够的准确度知晓先验的参数。因此，估计这些参数以便可靠地将模型用于系统控制目的是有用的。该问题被称为参数识别问题。模本文档来自技高网...

【技术保护点】
1.一种用于井筒操作(100、301)中定向钻井的基于模型的参数和状态估计的计算机实现的方法(1200)，所述方法包括：/n由处理装置(21)从所述井筒操作(100、301)接收测量数据；/n由所述处理装置(21)执行用于生成估计参数的参数和用于生成估计状态的状态中的至少一者的在线估计(302)，所述在线估计(302)至少部分地基于所述测量数据；/n由所述处理装置(21)至少部分地基于所述估计参数和所述估计状态中的所述至少一者生成控制输入以控制所述井筒操作(100、301)中的方面；以及/n基于所述控制输入执行控制动作以控制所述井筒操作(100、301)的所述方面。/n

【技术特征摘要】
【国外来华专利技术】20180326 US 15/935,6591.一种用于井筒操作(100、301)中定向钻井的基于模型的参数和状态估计的计算机实现的方法(1200)，所述方法包括：
由处理装置(21)从所述井筒操作(100、301)接收测量数据；
由所述处理装置(21)执行用于生成估计参数的参数和用于生成估计状态的状态中的至少一者的在线估计(302)，所述在线估计(302)至少部分地基于所述测量数据；
由所述处理装置(21)至少部分地基于所述估计参数和所述估计状态中的所述至少一者生成控制输入以控制所述井筒操作(100、301)中的方面；以及
基于所述控制输入执行控制动作以控制所述井筒操作(100、301)的所述方面。


2.根据权利要求1所述的计算机实现的方法(1200)，其中所述在线估计(302)选自由移动地平线估计、扩展卡尔曼滤波器估计和最小二乘估计组成的组。


3.根据权利要求1所述的计算机实现的方法(1200)，其中执行所述参数和所述状态中的所述至少一者的所述在线估计(302)至少部分地基于在离线估计(304)期间生成的约束、参数和初始条件。


4.根据权利要求3所述的计算机实现的方法(1200)，其中在离线估计(304)期间生成的所述约束、参数和初始条件是使用机器学习技术生成的。


5.根据权利要求4所述的计算机实现的方法(1200)，其中所述机器学习技术接收来自多个作业的作业数据作为输入，并且至少部分地基于所述作业数据(322)生成所述约束、参数和初始条件。


6.根据权利要求5所述的计算机实现的方法(1200)，其中所述作业数据(322)包括渗透速率数据、钻压数据、每分钟旋转数数据、流体压力数据和伽马射线数据。


7.根据权利要求3所述的计算机实现的方法(1200)，其中通过使来自井筒操作(100、301)的测量结果与来自基础模型的计算的测量结果之间的误差最小化，从一组井筒操作(100、301)模型中选择用于执行所述在线估计(302)和所述离线估计(304)的所述基础模型。
<...

【专利技术属性】
技术研发人员：弗朗西斯科·奎特隆，克里斯蒂安·汉森，奥利弗·赫恩，约恩·科内克，布鲁诺·莫拉比托，罗尔夫·芬代森，
申请(专利权)人：贝克休斯控股有限责任公司，
类型：发明
国别省市：美国;US