溢流工况预测模型训练方法、装置及溢流工况预测方法制造方法及图纸

本文涉及溢流工况预测模型训练方法、装置及溢流工况预测方法。包括根据泵的多个状态将预设时间内的历史钻井数据划分为历史停泵钻井数据、历史启泵钻井数据、历史泵工作钻井数据；确定预设时间窗口大小及窗口滑动步长，将预设时间划分为多个时间窗口；分别将多个时间窗口的历史停泵钻井数据、历史启泵钻井数据、历史泵工作钻井数据构建为时间样本矩阵；根据不同时间窗口的时间样本矩阵及溢流结果标签，分别确定与泵的状态对应的训练样本数据集；利用训练样本数据集、启停泵特征参数，训练神经网络模型中的参数，得到与泵的状态对应的溢流工况预测模型。本文结合溢流的关键参数变化，融合多参数数据尽早识别溢流征兆，从而实现溢流工况早期预测。流工况早期预测。流工况早期预测。

【技术实现步骤摘要】
溢流工况预测模型训练方法、装置及溢流工况预测方法


[0001]本文涉及石油勘探领域，尤其是溢流工况预测模型训练方法、装置及溢流工况预测方法。

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，钻井过程中面临的溢流风险越来越大。油溢流是在钻井过程中常见的井下复杂工况事件，如果不能得到及时的发现和控制，将极有可能造成井控险情，甚至发生井喷等严重的事故，带来不必要的生命财产损失。
[0003]传统的钻井技术通过人为的跟踪综合录井仪获取的特征参数，分析出入口流量差和地面总池体积变化等来分析判断溢流工况的发生。常规监测的方法包括泥浆罐体积监测法、出口流量监测法、进出口流量差法等。但需依赖于钻井人员的经验与意识，易导致误判等情况，且发现溢流时间严重滞后，严重依赖监测人员的经验、责任与意识。目前，已提出的如人工神经网络、贝叶斯网络等方法在进行自动判断参数变化、复杂识别无法在连续长时间工作中有效识别复杂特征，准确早期识别溢流。
[0004]针对现有技术中发现溢流时间滞后、容易误判的问题，需要一种溢流工况预测模型训练方法、装置及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种溢流工况预测模型训练方法，其特征在于，所述方法包括：根据泵的多个状态将预设时间内的历史钻井数据划分为历史停泵钻井数据、历史启泵钻井数据、历史泵工作钻井数据；确定预设时间窗口大小及窗口滑动步长，将所述预设时间划分为多个时间窗口；分别将多个时间窗口的历史停泵钻井数据、历史启泵钻井数据、历史泵工作钻井数据构建为时间样本矩阵，所述时间样本矩阵具有对应的下一时间窗口的溢流结果标签；根据不同时间窗口的时间样本矩阵及所述溢流结果标签，分别确定与泵的状态对应的训练样本数据集；利用所述训练样本数据集分别训练神经网络初始模型，输出初始预测结果；根据所述初始预测结果、启停泵特征参数，计算与泵的状态相关的损失函数；利用所述损失函数，训练所述神经网络初始模型中的参数，将训练得到的神经网络模型作为与泵的状态对应的溢流工况预测模型。2.根据权利要求1所述的溢流工况预测模型训练方法，其特征在于，所述泵的多个状态通过如下步骤确定：根据预设时间内的历史钻井数据中的入口流量数据中非零数据的个数、所述非零数据线性回归拟合直线的斜率，确定所述泵的状态为停泵状态、启泵状态、工作状态。3.根据权利要求2所述的溢流工况预测模型训练方法，其特征在于，启停泵特征参数的获取包括：根据如下公式确定启泵阶段的启动时间差、增长斜率比：其中，DST为启动时间差，T
q
为泵压启动时刻，T
p
为出口流量返出的时刻，UK为增长斜率比，SP为立管压力，Q
out
为出口流量，t1为泵压到泵压正常的时间段，t2为到出口流量到出口流量正常的时间段；根据如下公式确定泵工作阶段的幅值比、乘积值；RA＝SP/Q
out
，PV＝SP
×
Q
out
，其中，RA为幅值比，PV为乘积值，SP为立压，Q
out
为出口流量；根据如下公式确定停泵阶段的停止时间差、降低斜率比：其中，DET为停止时间差，DK为降低斜率比，T
′
q
为到出口流量消失时刻，T
′
p
为到泵压消失时刻，d(SP
′
)为停泵时监测到泵压降低到泵压消失的差值；d(Q
′
out
)为停泵时监测到出口流量降低到出口流量消失的差值，t1
′
为泵压降低到泵压消失的时间段，t2
′
为出口流量降低到出口流量消失的时间段。4.根据权利要求3所述的溢流工况预测模型训练方法，其特征在于，计算与泵的状态对应的损失函数包括：根据所述停止时间差、降低斜率比，确定所述历史停泵钻井数据是...

【专利技术属性】
技术研发人员：付加胜，刘伟，韩霄松，李牧，金有为，张瑞凇，王振，翟小强，唐雷，蒋宏伟，刘增，
申请(专利权)人：中国石油集团工程技术研究院有限公司北京石油机械有限公司，
类型：发明
国别省市：