一种基于地质和工程参数的钻井漏失速率预测方法及系统技术方案

本发明专利技术提供了一种基于地质和工程参数的钻井漏失速率预测方法及系统，属于石油天然气勘探开发钻井领域。该方法包括：步骤一：获取影响井下漏失速率的参数，并采集钻井漏失速率；步骤二：对影响井下漏失速率的参数进行处理获得处理后的参数；步骤三：建立神经网络；步骤四：利用所述处理后的参数和钻井漏失速率对神经网络进行训练和验证得到钻井漏失速率预测模型；步骤五：利用漏失速率预测模型对待预测钻井进行预测得到待预测钻井的钻井漏失速率。利用本发明专利技术实现了基于地质和工程参数的钻井漏失速率人工智能预测，解决了钻井现场漏失速率预测仅凭专家经验法和理论计算法误差较大的问题，降低了钻井井漏风险，达到了安全高效钻井的目的。钻井的目的。钻井的目的。

【技术实现步骤摘要】
一种基于地质和工程参数的钻井漏失速率预测方法及系统


[0001]本专利技术属于石油天然气勘探开发钻井领域，具体涉及一种基于地质和工程参数的钻井漏失速率预测方法及系统。

技术介绍

[0002]石油天然气钻井是一个高投入、高风险的作业过程，其中井下钻井液的漏失是一种常见的钻井风险。钻井过程中常钻遇裂缝、溶洞或者高孔隙度的地层，常常发生程度不同的井下钻井液漏失。井漏不仅增加钻井成本，而且是制约安全快速钻井的主要因素。减少井漏发生率和井漏复杂处理时间的关键是井下漏失速率的准确预测。如果能够基于已知的地层信息、钻井参数准确预测井下漏失的速率，则可以提前采取防漏措施，例如调整钻井液密度、增加钻井液中堵漏材料加量等方法，可以降低漏失风险。如果无法准确预测井下漏失速率，则可能因为误判发生严重井漏，影响钻井安全，或者盲目增加堵漏材料加量，增加钻井液成本。
[0003]中国专利公开文献CN110766192A公开了基于深度学习的钻井井漏预测系统及方法，其采用VGG卷积神经网络模型进行深度学习，其包括：1)获取钻井生产运行数据；2)对获取的数据进行预处理，获取进行深度学习的样本数据；3)特征提取和分类训练；采用VGG卷积神经网络模型进行深度学习，通过特征提取和分类训练，获得训练完成的钻井井漏预测模型。4)结果输出和结果确认：使用训练完成的钻井井漏预测模型对实时验证数据作验证，给出井漏判断结果；中国专利公开文献CN110439534A公开了一种地震资料井漏预测方法，其涉及油气田勘探开发的地震资料应用
，包括以下步骤：a、高分辨率处理；b、精细层位对比；c、褶皱自动识别：沿地震层位求取地层曲率；d、褶皱性质判断：根据曲率正负变化判断是背斜还是向斜；e、提取振幅差异：以微幅褶皱中心计算目的层范围内各个方向振幅差异；f、计算微幅褶皱量：根据曲率正负符号、曲率大小和振幅差异值三个参数，综合计算微幅褶皱量；g、微幅褶皱分级：根据计算的微幅褶皱量，对微幅褶皱进行分级；h、井漏点预测：根据井轨迹坐标，从微幅褶皱分布数据中拾取可能的井漏点位置；中国专利公开文献CN111191836A公开了一种井漏预测方法、装置及设备，其方法包括：获取待预测数据；待预测数据包括任一钻井的入口流量、出口流量、总池体积、立管压力和钻头扭矩中的至少两个；将待预测数据输入至第一特征提取模型中，经过处理后得到待预测数据的第一特征向量；第一特征提取模型为利用具有标签的历史数据对非对称卷积神经网络模型进行训练得到；基于待预测数据的第一特征向量与每条历史数据的第一特征向量，分别计算待预测数据与每条历史数据之间的第一相似度；基于第一相似度最高的前N条历史数据分别对应的标签，确定待预测数据对应的井漏预测结果。
[0004]传统的井漏风险的预测方法有2种：(1)专家经验法，专家通过观察地层、钻井参数通过经验进行预测；(2)通过岩石力学、流体力学公式根据少量参数进行理论计算。
[0005]传统方法的局限性如下：(1)因为井漏的影响因素众多，涉及地层、钻井、钻井液等大量参数，这些参数的变化存在随机性和偶然性，专家经验法难以准确预测；(2)理论公式
计算法难以考虑了影响因素，但是部分参数如地层渗漏率、地层裂缝宽度等的获取存在误差，计算结果的准确性难以保证。
[0006]已有的方法局限性很大，难以准确预测钻井漏失速率，造成井漏复杂情况发生，增加堵漏时间，浪费钻井液堵漏材料，增加钻井成本，极易引起井下复杂情况的发生。

技术实现思路

[0007]本专利技术的目的在于解决上述现有技术中存在的难题，提供一种基于地质和工程参数的钻井漏失速率预测方法及系统，利用油田地质信息、已钻井钻井参数和已钻井的井漏数据，建立待预测钻井的钻井漏失速率预测模型，实现对井下漏失速率更加精确的预测和判断，解决钻井现场专家经验法和理论公式法误差较大的问题，提高井下漏失速率的预测精度，有利于提前采取合理的防漏措施，可以降低漏失风险。满足安全高效钻井的要求并降低钻井成本。
[0008]本专利技术是通过以下技术方案实现的：
[0009]本专利技术的第一个方面，提供了一种基于地质和工程参数的钻井漏失速率预测方法，所述方法包括：
[0010]步骤一：获取影响井下漏失速率的参数，并采集钻井漏失速率；
[0011]步骤二：对影响井下漏失速率的参数进行处理获得处理后的参数；
[0012]步骤三：建立神经网络；
[0013]步骤四：利用所述处理后的参数和钻井漏失速率对神经网络进行训练和验证得到钻井漏失速率预测模型；
[0014]步骤五：利用漏失速率预测模型对待预测钻井进行预测得到待预测钻井的钻井漏失速率。
[0015]本专利技术的进一步改进在于，所述步骤一中的获取影响井下漏失速率的参数的操作包括：
[0016]获取19个影响井下漏失速率的参数，具体如下：
[0017]从测井资料中采集以下数据：垂深TVD、最大水平主应力SH、最小水平主应力Sh、破裂压力Pf、孔隙压力Pp、钻压WOB、转速RPM、钻速ROP、立压SP、钻井液排量FR、钻井液密度RHO、钻井液塑性粘度PV、钻井液动切力YP、钻井液失水FV、钻井液固含SC、钻井液堵漏材料含量LCMC、岩性LITH，其中岩性LITH为枚举类型；
[0018]利用下式计算获得单轴抗压强度USC：
[0019][0020]利用下式计算获得抗拉强度TSTR：
[0021][0022]上述两式中的V
cl
为测井得到的地层泥质含量比，ρ为测井得到的地层岩石密度，V
p
为测井得到的纵波速度，V
s
为测井得到的横波速度。
[0023]本专利技术的进一步改进在于，所述步骤二的操作包括：
[0024]分别利用下式对影响井下漏失速率的参数进行平滑处理：
[0025][0026]其中，x
t
为处理前原数据，X
t
为平滑处理后的数据，N为步长，N取值范围3
‑
10；
[0027]对平滑处理后的数据进行归一化处理，使每个参数的值的范围均在0到1之间。
[0028]本专利技术的进一步改进在于，所述步骤三的操作包括：
[0029]建立多层BP神经网络：多层BP神经网络包括一层输入层、2
‑
6层隐含层、一层输出层；
[0030]设置多层BP神经网络中的神经元的个数如下：
[0031]输入层的神经元的个数为19个；
[0032]隐藏层的最后一层的神经元的个数为1个，其它每层隐藏层的神经元个数由公式确定，其中，i为输入层的神经元的个数，j为输出层的神经元的个数，a为1
‑
10之间的常数；
[0033]输出层的神经元的个数为1个。
[0034]本专利技术的进一步改进在于，所述多层BP神经网络包括1层输入层、3层隐藏层和1层输出层。
[0035]本专利技术的进一步改进在于，所述k取值为10。
[0036]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地质和工程参数的钻井漏失速率预测方法，其特征在于：所述方法包括：步骤一：获取影响井下漏失速率的参数，并采集钻井漏失速率；步骤二：对影响井下漏失速率的参数进行处理获得处理后的参数；步骤三：建立神经网络；步骤四：利用所述处理后的参数和钻井漏失速率对神经网络进行训练和验证得到钻井漏失速率预测模型；步骤五：利用漏失速率预测模型对待预测钻井进行预测得到待预测钻井的钻井漏失速率。2.根据权利要求1所述的基于地质和工程参数的钻井漏失速率预测方法，其特征在于：所述步骤一中的获取影响井下漏失速率的参数的操作包括：获取19个影响井下漏失速率的参数，具体如下：从测井资料中采集以下数据：垂深TVD、最大水平主应力SH、最小水平主应力Sh、破裂压力Pf、孔隙压力Pp、钻压WOB、转速RPM、钻速ROP、立压SP、钻井液排量FR、钻井液密度RHO、钻井液塑性粘度PV、钻井液动切力YP、钻井液失水FV、钻井液固含SC、钻井液堵漏材料含量LCMC、岩性LITH，其中岩性LITH为枚举类型；利用下式计算获得单轴抗压强度USC：利用下式计算获得抗拉强度TSTR：上述两式中的V
cl
为测井得到的地层泥质含量比，ρ为测井得到的地层岩石密度，V
p
为测井得到的纵波速度，V
s
为测井得到的横波速度。3.根据权利要求2所述的基于地质和工程参数的钻井漏失速率预测方法，其特征在于：所述步骤二的操作包括：分别利用下式对影响井下漏失速率的参数进行平滑处理：其中，x
t
为处理前原数据，X
t
为平滑处理后的数据，N为步长，N取值范围3
‑
10；对平滑处理后的数据进行归一化处理，使每个参数的值的范围均在0到1之间。4.根据权利要求3所述的基于地质和工程参数的钻井漏失速率预测方法，其特征在于：所述步骤三的操作包括：建立多层BP神经网络：多层BP神经网络包括一层输入层、2
‑
6层隐含层、一层输出层；
设置多层BP神经网络中的神经元的个数如下：输入层的神经元的个数为19个；隐藏层的最后一层的神经...

【专利技术属性】
技术研发人员：陈曾伟，李大奇，林永学，金军斌，刘金华，李凡，宋碧涛，
申请(专利权)人：中国石油化工股份有限公司石油工程技术研究院，
类型：发明
国别省市：