一种基于井壁垮塌程度约束的安全钻井液密度确定方法技术

本发明专利技术公开一种基于井壁垮塌程度约束的安全钻井液密度确定方法，包括以下步骤：对钻井数据、录井数据和测井数据进行预处理，建立井壁垮塌程度的非线性定量预测模型，计算不同钻井液密度下井壁垮塌程度，建立井壁垮塌程度与钻井液密度的定量关系模型以及依据建井工程允许的最大扩径率确定安全钻井液密度；本发明专利技术利用钻、录、测多源数据，实现了以井壁垮塌程度为约束的安全钻井液密度的确定，为深部、页岩油气等复杂地层保持井壁稳定的安全高效钻井工程设计提供了必需的关键基础参数，对复杂地层、复杂结构井的钻井井下复杂情况预防具有重要意义。重要意义。重要意义。

【技术实现步骤摘要】
一种基于井壁垮塌程度约束的安全钻井液密度确定方法


[0001]本专利技术涉及油气开采
，尤其涉及一种基于井壁垮塌程度约束的安全钻井液密度确定方法。

技术介绍

[0002]安全钻井液密度的确定是钻井工程的关键设计与控制参数、是安全高效建井的重要基础，直接关系着钻井过程中能否有效预防井壁垮塌失稳、能否有效避免井漏、溢流、井喷等钻井井下复杂与事故，安全钻井液密度科学确定对安全高效钻井尤其是深层、页岩等复杂油气资源的绿色安全钻采具有重要意义。
[0003]目前，无论是学术领域，还是工程领域，普遍通过计算评价地层的坍塌压力、破裂压力来确定地层的安全钻井液密度，其中坍塌压力、破裂压力计算评价是确定安全钻井液密度的关键，但存在如下问题：
[0004](1)以岩石力学的极限平衡理论为基础，相关理论对复杂地层适用性差，且所需岩石力学强度、地应力等所必需的相关参数获取困难，不能较好指导复杂地层高效钻井；
[0005](2)主要通过测井信息获取地层自身的地质力学特性、建立地层坍塌压力与破裂压力剖面，不能较好反映钻压、机械钻速等钻井工程因素对井壁垮塌失稳的影响。
[0006]上述问题极大影响了地层坍塌压力、破裂压力计算评价结果的可靠性，限制了安全钻井液密度确定的科学性、合理性，增大了深部钻井井下复杂与事故发生风险，因此，本专利技术提出一种基于井壁垮塌程度约束的安全钻井液密度确定方法以解决现有技术中存在的问题。

技术实现思路

[0007]针对上述问题，本专利技术的目的在于提出一种基于井壁垮塌程度约束的安全钻井液密度确定方法，解决现有的地层的安全钻井液密度确定方法不能较好指导复杂地层高效钻井、不能较好反映钻压、机械钻速等钻井工程因素对井壁垮塌失稳的影响的问题。
[0008]为了实现本专利技术的目的，本专利技术通过以下技术方案实现：一种基于井壁垮塌程度约束的安全钻井液密度确定方法，包括以下步骤：
[0009]步骤一：先收集目标工区地层已钻井的钻井工程数据、录井数据以及测井数据，并剔除异常数据点，再基于分段线性插值与测井数据的采样间隔，对钻井数据、录井数据进行插值加密，获取与测井数据采样相同的包括钻井液密度MD、钻头直径BIT、钻压DP、钻时DT、机械转速DV和钻头尺寸BIT在内的钻录井工程参数的数据序列，然后统计获取各个钻井、录井工程参数以及各测井数据的最大值与最小值，并对各数据序列进行归一化标准处理；
[0010]步骤二：先根据钻头尺寸BIT、井径CAL计算扩径率RWE，再以井径扩径率RWE为输出参数，以钻录井工程参数以及测井参数为输入，构建人工神经网络模型，并选用循环神经网络进行计算，然后设定网络允许误差E
NET
，利用样本数据对人工神经网络模型进行训练学习，训练完成的人工神经网络模型即为井眼扩径率的非线性定量预测模型；
[0011]步骤三：先获取待分析井深处的钻录井工程参数和测井参数，并按照步骤一对获取的参数进行数据的预处理，再根据工区实际估测安全钻井液密度的范围[MD
mi
n，MD
max
]，并确定安全钻井液密度分析的精度MD
ac
，接着构建钻井液密度数据序列MD
i
＝[MD
min
，MD
min
+MD
ac
，。。。，MD
min
+iMD
ac
，。。。，MD
max
]，并对其进行归一化标准处理，然后在神经网络模型的神经网络输入层中保持待分析井深处的钻录井工程参数和测井参数不变，依次计算钻井液密度取值为MD
min
，MD
min
+MD
ac
，。。。，MD
min
+iMD
ac
，。。。，MD
max
时的扩径率归一值RWE
ni
；
[0012]步骤四：先通过扩径率计算公式计算由人工神经网络计算得到的扩径率归一值RWE
ni
，得到扩径率RWE
i
，再基于统计回归分析，建立所分析井深处扩径率与钻井液密度的定量关系，定量关系公式为：
[0013]MD
S
＝f(RWE
i
)
[0014]式中，MD
S
为所分析井深处钻井液密度，RWE
i
为所分析井深处扩径率，f(RWE
i
)为所分析井深处扩径率与钻井液密度的关系函数；
[0015]步骤五：先依据待分析井深处高效建井所允许的最大扩径率由定量关系公式确定安全钻井液密度临界值即保持井眼扩径率将小于时的安全钻井液密度下限，再重复步骤三至步骤五，确定分析井段各个深度点井壁不发生垮塌失稳的安全钻井液密度下限值。
[0016]进一步改进在于：所述步骤一中，插值加密的公式为：
[0017][0018]式中，Dep
‑1、Dep
+1
、L
delt
分别为插值起始深度、插值终止深度、插值深度间隔，i为插值起始深度Dep
‑1、插值终止深度Dep
+1
之间的插值点序，X
depi
、X
dep
‑1、X
dep+1
分别为第i个插值深度处的数据、插值起始深度处的数据、插值终止深度处的数据。
[0019]进一步改进在于：所述步骤一中，归一化标准处理公式为：
[0020][0021]式中，X
i
、X
in
分别为数据序列中的第i个数据、及其对应的归一化标准处理结果数据，X
max
、X
min
分别为数据序列中最大值、最小值。
[0022]进一步改进在于：所述步骤二中，钻录井工程参数包括钻井液密度MD、钻头尺寸BIT、钻压DP、钻时DT和机械转速ZR，测井参数包括自然伽马GR、体积密度DEN、声波时差AC、补偿中子孔隙度CNL和电阻率RT。
[0023]进一步改进在于：所述步骤二中，构建的人工神经网络模型的输入层节点数目不小于10且输出节点数为1，循环神经网络的基本算法为：
[0024]h
t
＝σ(W
xh
+W
hh
h
t
‑1+b
h
)
[0025]o
t+1
＝W
hy
+b
y
[0026]y
t
＝softmax(o
t
)
[0027]式中，W
xh
为输入到隐含层节点的参数矩阵，W
hh
为隐藏单元之间的参数矩阵，W
hy
为隐含层节点到输出节点的参数矩阵，b
h
和b
y
为偏置项，h
t
、h...

【技术保护点】

【技术特征摘要】
1.一种基于井壁垮塌程度约束的安全钻井液密度确定方法，其特征在于，包括以下步骤：步骤一：先收集目标工区地层已钻井的钻井工程数据、录井数据以及测井数据，并剔除异常数据点，再基于分段线性插值与测井数据的采样间隔，对钻井数据、录井数据进行插值加密，获取与测井数据采样相同的包括钻井液密度MD、钻头直径BIT、钻压DP、钻时DT、机械转速DV和钻头尺寸BIT在内的钻录井工程参数的数据序列，然后统计获取各个钻井、录井工程参数以及各测井数据的最大值与最小值，并对各数据序列进行归一化标准处理；步骤二：先根据钻头尺寸BIT、井径CAL计算扩径率RWE，再以井径扩径率RWE为输出参数，以钻录井工程参数以及测井参数为输入，构建人工神经网络模型，并选用循环神经网络进行计算，然后设定网络允许误差E
NET
，利用样本数据对人工神经网络模型进行训练学习，训练完成的人工神经网络模型即为井眼扩径率的非线性定量预测模型；步骤三：先获取待分析井深处的钻录井工程参数和测井参数，并按照步骤一对获取的参数进行数据的预处理，再根据工区实际估测安全钻井液密度的范围[MD
min
，MD
max
]，并确定安全钻井液密度分析的精度MD
ac
，接着构建钻井液密度数据序列MD
i
＝[MD
min
，MD
min
+MD
ac
，。。。，MD
min
+iMD
ac
，。。。，MD
max
]，并对其进行归一化标准处理，然后在神经网络模型的神经网络输入层中保持待分析井深处的钻录井工程参数和测井参数不变，依次计算钻井液密度取值为MD
min
，MD
min
+MD
ac
，。。。，MD
min
+iMD
ac
，。。。，MD
max
时的扩径率归一值RWE
ni
；步骤四：先通过扩径率计算公式计算由人工神经网络计算得到的扩径率归一值RWE
ni
，得到扩径率RWE
i
，再基于统计回归分析，建立所分析井深处扩径率与钻井液密度的定量关系，定量关系公式为：MD
S
＝f(RWE
i
)式中，MD
S
为所分析井深处钻井液密度，RWE
i
为所分析井深处扩径率，f(RWE
i
)为所分析井深处扩径率与钻井液密度的关系函数；步骤五：先依据待分析井深处高效建井所允许的最大扩径率由定量关系公式确定安全钻井液密度临界值即保持井眼扩径率将小于时的安全钻井液密度下限，再重复步骤三至步骤五，确定分析井段各个深度点井壁不发生垮塌失稳的安全钻井液密度下限值。2.根据权利要求1所述的一种基于井壁垮塌程度约束的安全钻井液密度确定方法，其特征在于：所述步骤一中，插值加密的公式为：式中，Dep
‑1、Dep
+1
、L
delt
分别为插值起始深度、插值终止深度、插值深度间隔，i为插值起始深度Dep
‑1、插值终止深度Dep
+1
之间的插值点序，X
depi
、X
dep
...

【专利技术属性】
技术研发人员：梁利喜，何坷培，刘向君，丁乙，张文，熊健，杜京珊，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：