一种钻井工况智能标定方法和系统技术方案

本发明专利技术公开了一种钻井工况智能标定方法和系统，涉及石油天然气钻探领域。该方法包括：通过钻井日志对数据进行自动标定，利用机器学习模型对标定的数据进行第一次修正，通过专家利用图形化工具对钻井数据进行第二次修正，再通过机器学习模型利用修正的数据进行更新增加预测精度，通过本方案对钻井数据进行自动工况标定，提高工况标定的效率与准确率，快速地标定钻井工况，从而可以精确识别历史数据的工况以处分析历史数据，还可以准确、快速地实时识别钻井工况，从而为优化钻井、复杂预防打下坚实基础。坚实基础。坚实基础。

【技术实现步骤摘要】
一种钻井工况智能标定方法和系统


[0001]本专利技术涉及石油天然气钻探领域，尤其涉及一种钻井工况智能标定方法和系统。

技术介绍

[0002]随着油气勘探开发逐渐向深部、复杂地层进军发展，钻井过程中面临的风险越来越大。如果事故(如溢流)恶化之前能够及时预警，为井控措施争取时间，排除威胁，从而保障钻井安全。而它的前提在于，每条数据的具体工况要尽可能地描述准确。在以往的工作中，注明工况主要是人工利用经验知识，通过观察数据特征乃至一段时间内数据图像的曲线变化来手工标定，这样不仅工作量大，费时费力，效率低下，而且也可能造成标定偏差。

技术实现思路

[0003]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种钻井工况智能标定方法和系统。
[0004]本专利技术解决上述技术问题的技术方案如下：
[0005]一种钻井工况智能标定方法，包括：
[0006]通过标定工况标签的历史工况数据对用于判断钻井工况的智能标定模型进行第一次修正；
[0007]根据预设标定结果对经第一次修正后的所述智能标定模型进行第二次修正；
[0008]通过第二次修正后的所述智能标定模型对实时钻井工况数据进行自动标定。
[0009]本专利技术的有益效果是：本方案通过标定工况标签的历史工况数据对智能标定模型进行第一次修正，根据预设标定结果对经第一次修正后的所述智能标定模型进行第二次修正，通过第二次修正后的所述智能标定模型对实时钻井工况数据进行自动标定，替代手工标定，可以精确识别历史数据的钻井工况，同时还可以处理实时数据，钻井现场操作人员运用该方法可以准确及时了解钻井状态，有利于钻井相关作业安排以及复杂工况的发现。
[0010]通过本方案对钻井数据进行自动工况标定，提高工况标定的效率与准确率，快速地标定钻井工况，从而可以精确识别历史数据的工况以处分析历史数据，还可以准确、快速地实时识别钻井工况，从而为优化钻井、复杂预防打下坚实基础。
[0011]进一步地，还包括：
[0012]对历史工况数据进行初步工况标定，将标定工况标签的历史工况数据存入数据库。
[0013]采用上述进一步方案的有益效果是：本方案将大量历史数据与人工记录钻井工况快速准确匹配，将匹配后的历史数据和工况标签一并存入数据库系统，为后续自动标定提供基础训练集，在对钻井数据进行工况标定时提高工况标定的效率与准确率。
[0014]进一步地，还包括：
[0015]基于钻井参数构建判断钻井工况的智能标定模型。
[0016]采用上述进一步方案的有益效果是：本方案通过采用机器学习方法准确、快速地
标定钻井工况，从而可以精确识别历史数据的工况以处分析历史数据，还可以准确、快速地实时识别钻井工况，从而为优化钻井、复杂预防打下坚实基础。
[0017]进一步地，还包括：
[0018]获取钻井参数和钻井工况之间的关联规则，根据所述关联规则获得钻井工况类别的关键特征；
[0019]将所述关键特征按时间序列进行图形化显示；
[0020]按照时间段对包含所述关键特征的钻井数据进行工况标定，获得所述预设标定结果。
[0021]采用上述进一步方案的有益效果是：本方案基于物理模型与人工智能来创建机器学习的模型，结合基于专家校正的结果对模型进行修正，实现准确、快速校正工况标定。
[0022]通过对钻井工况使用图形化形式结合机器学习方法模型进行智能化标定，可以精确识别历史数据的工况，还可以应用于实时数据以获得实时钻井工况，有利于对钻井相关作业安排与调度以及对复杂工况的处理。
[0023]进一步地，所述基于钻井参数构建判断钻井工况的智能标定模型具体包括：
[0024]根据工况参数的取值范围直接判定钻井工况；
[0025]或，根据工况参数的组合特征进行判定钻井工况，完成构建智能标定模型。
[0026]采用上述进一步方案的有益效果是：通过不同工况参数的组合方式，实现判断不同类型的钻井工况，能够快速地实时识别钻井工况。
[0027]本专利技术解决上述技术问题的另一种技术方案如下：
[0028]一种钻井工况智能标定系统，包括：第一修正模块、第二修正模块和自动标定模块；
[0029]所述第一修正模块用于通过标定工况标签的历史工况数据对用于判断钻井工况的智能标定模型进行第一次修正；
[0030]所述第二修正模块用于根据预设标定结果对经第一次修正后的所述智能标定模型进行第二次修正；
[0031]所述自动标定模块用于通过第二次修正后的所述智能标定模型对实时钻井工况数据进行自动标定。
[0032]本专利技术的有益效果是：本方案通过标定工况标签的历史工况数据对智能标定模型进行第一次修正，根据预设标定结果对经第一次修正后的所述智能标定模型进行第二次修正，通过第二次修正后的智能标定模型对实时钻井工况数据进行自动标定，替代手工标定，可以精确识别历史数据的钻井工况，同时还可以处理实时数据，钻井现场操作人员运用该方法可以准确及时了解钻井状态，有利于钻井相关作业安排以及复杂工况的发现。
[0033]在对钻井数据进行工况标定时提高工况标定的效率与准确率，从而实现采用机器学习方法准确、快速地标定钻井工况，从而可以精确识别历史数据的工况以处分析历史数据，还可以准确、快速地实时识别钻井工况，从而为优化钻井、复杂预防打下坚实基础。
[0034]进一步地，还包括：初步标定模块，用于对历史工况数据进行初步工况标定，将标定工况标签的历史工况数据存入数据库。
[0035]采用上述进一步方案的有益效果是：本方案将大量历史数据与人工记录钻井工况快速准确匹配，将匹配后的历史数据和工况标签一并存入数据库系统，为后续自动标定提
供基础训练集，在对钻井数据进行工况标定时提高工况标定的效率与准确率。
[0036]进一步地，还包括：模型构建模块，用于基于钻井参数构建判断钻井工况的智能标定模型。
[0037]采用上述进一步方案的有益效果是：本方案通过采用机器学习方法准确、快速地标定钻井工况，从而可以精确识别历史数据的工况以处分析历史数据，还可以准确、快速地实时识别钻井工况，从而为优化钻井、复杂预防打下坚实基础。
[0038]进一步地，还包括：标定结果获取模块，用于获取钻井参数和钻井工况之间的关联规则，根据所述关联规则获得钻井工况类别的关键特征；
[0039]将所述关键特征按时间序列进行图形化显示；
[0040]按照时间段对包含所述关键特征的钻井数据进行工况标定，获得所述预设标定结果。
[0041]采用上述进一步方案的有益效果是：本方案基于物理模型与人工智能来创建机器学习的模型，结合基于专家校正的结果对模型进行修正，实现准确、快速校正工况标定。
[0042]通过对钻井工况使用图形化形式结合机器学习方法模型进行智能化标定，可以精确识别历史数据的工况，还可以应用于实时数据以获得实时钻井工况，有利于对钻井相关作业安排与调度以及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钻井工况智能标定方法，其特征在于，包括：通过标定工况标签的历史工况数据对用于判断钻井工况的智能标定模型进行第一次修正；根据预设标定结果对经第一次修正后的所述智能标定模型进行第二次修正；通过第二次修正后的所述智能标定模型对实时钻井工况数据进行自动标定。2.根据权利要求1所述的一种钻井工况智能标定方法，其特征在于，还包括：对历史工况数据进行初步工况标定，将标定工况标签的历史工况数据存入数据库。3.根据权利要求2所述的一种钻井工况智能标定方法，其特征在于，还包括：基于钻井参数构建用于判断钻井工况的智能标定模型。4.根据权利要求1
‑
3任一项所述的一种钻井工况智能标定方法，其特征在于，还包括：获取钻井参数和钻井工况之间的关联规则，根据所述关联规则获得钻井工况类别的关键特征；将所述关键特征按时间序列进行图形化显示；按照时间段对包含所述关键特征的钻井数据进行工况标定，获得所述预设标定结果。5.根据权利要求3所述的一种钻井工况智能标定方法，其特征在于，所述基于钻井参数构建判断钻井工况的智能标定模型具体包括：根据工况参数的取值范围直接判定钻井工况；或，根据工况参数的组合特征进行判定钻井工况，完成构建智能标定模型。6.一种钻井工况智能标定系统，其特征在于，包括：第一修正模块、第二修正模...

【专利技术属性】
技术研发人员：付加胜，刘伟，韩霄松，李牧，赵庆，朱志放，张瑞凇，王振，翟小强，唐雷，
申请(专利权)人：中国石油集团工程技术研究院有限公司，
类型：发明
国别省市：