用于实时分析钻井机械钻速的实现方法及系统技术方案

本发明专利技术公开了一种用于实时分析钻井机械钻速的实现方法及系统，包括：获取历史的录井描述数据、钻井液数据和钻头数据，形成待分析数据集；对待分析数据集进行预处理；提取待分析数据集中的特征参数；按照预设字段，将特征参数进行融合；将融合后的数据集进行归一化处理，形成模型构建数据集；根据模型构建数据集，对多种预设的初始模型进行训练，生成多种机械钻速预测模型；优选机械钻速预测模型；利用最优机械钻速预测模型，由当前钻井实施过程中的录井实时描述数据、钻井液现场采集数据和钻头使用数据得到预测的机械钻速实时数据。本发明专利技术更加方便快捷，预测结果更精准。预测结果更精准。预测结果更精准。

【技术实现步骤摘要】
用于实时分析钻井机械钻速的实现方法及系统


[0001]本专利技术涉及油气钻井
，尤其是涉及一种用于实时分析钻井机械钻速的实现方法及系统。

技术介绍

[0002]钻井速率是指每单位时间的钻进深度，其主要影响因素分为以下五类：钻机效率、岩性和地质环境、力学参数、钻头水力因素和钻井液性质，这五类又可分为可控变量和环境变量，可控变量意味着可以通过自身调节来改变钻速，而由于客观条件的影响，环境变量如钻头直径却是无法轻易更改的。
[0003]现今许多数学模型都已经尝试通过可控钻参来解决机械速率的问题，然而这些变量在不同条件下差异非常大且呈现非线性形态，常规的数学模型难以精准、全面的对钻速做出预测。因此，通过机器学习算法进行建模便可以解决这些难题，机器学习算法通过筛选出的自变量，自动做出决策，相比传统方式，机器学习方式可以更加快速的分析历史数据并生成相应算法，另一方面，由于其基于更大的数据集，通过概率统计和经验反馈，能够生成更加准确地决策。
[0004]但现有基于机器学习方法所构建的钻速预测模型仍存在如下问题：(1)仅通过单一的神经网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于实时分析钻井机械钻速的实现方法，包括：待分析数据集获取步骤、获取历史的录井描述数据、钻井液数据和钻头数据，形成待分析数据集；预处理步骤、对所述待分析数据集进行预处理；特征参数提取步骤、提取所述待分析数据集中的特征参数；融合步骤、按照预设字段，将所述特征参数进行融合；归一化处理步骤、将融合后的数据集进行归一化处理，形成模型构建数据集；模型训练步骤、根据所述模型构建数据集，对多种预设的初始模型进行训练，生成多种机械钻速预测模型；模型优选步骤、优选所述机械钻速预测模型；实钻数据预测步骤、利用最优机械钻速预测模型，由当前钻井实施过程中的录井实时描述数据、钻井液现场采集数据和钻头使用数据得到预测的机械钻速实时数据。2.根据权利要求1所述的实现方法，其特征在于，在所述预处理步骤中，包括：将所述录井描述数据先按照数据取样时间排序，而后剔除取样时间为空的数据，最后将数据序列中的无效数据取均值替代；将所述钻井液数据按照所下入的井深进行排序；将所述钻头数据按照测量时间进行排序，而后去除采样时间重复的数据。3.根据权利要求2所述的实现方法，其特征在于，在所述特征参数提取步骤中，包括：从经过预处理的录井描述数据中，先提取机械钻速、转盘转速、钻压、大钩负荷、立压、套压、扭矩、总泵冲、入口流体密度和入口流体密度，而后计算钻井工况，最后进行非钻井数据筛选和机械钻速重计算处理，从而得到针对所述录井描述数据的第一类特征参数；从经过预处理的钻井液数据中，先提取漏斗粘度、塑性粘度、屈服值、钻头数据，钻头直径、钻头类型、入井新度和喷嘴总面积，而后将所提取的钻头类型信息和入井新度信息进行数值化处理，形成针对所述钻井液数据的第二类特征参数；根据经过预处理的所述待分析数据集，分别计算机械比特征数据、钻头压降特征数据、钻头水功率特征数据和钻头单位面积水功率特征数据，形成第三类特征参数。4.根据权利要求3所述的实现方法，其特征在于，在将融合后的数据集进行归一化处理之后，将当前数据集中的离群点进行剔除。5.根据权利要求1～4中任一项所述的实现方法，其特征在于，所述初始模型包括但不限于：LightGBM模型、XGBOOST模...

【专利技术属性】
技术研发人员：孙旭东，张词，
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：