一种基于知识图谱的井下复杂工况识别方法技术

本发明专利技术公开了一种基于知识图谱的井下复杂工况识别方法，利用模型与数据双驱动，通过形态符号聚合近似算法实时分析出不同钻机状态下的各项随钻监测参数的变化趋势，结合计算与实测参数的偏离程度，准确提取综合录井实时参数、工程模型计算参数趋势特征，通过整理井下复杂工况的参数表征规律，建立复杂工况的关系，并建立井下复杂工况识别知识图谱，将提取的趋势特征转化成对应的事故复杂特征查询语句，在建成的井下工况随钻智能识别知识图谱中进行匹配识别，通过对随钻录井数据的监测与分析，实现井下复杂工况随钻智能识别。本发明专利技术解决了当前井下复杂工况监测方法存在的实时性及可靠性差的问题。及可靠性差的问题。及可靠性差的问题。

【技术实现步骤摘要】
一种基于知识图谱的井下复杂工况识别方法


[0001]本专利技术涉及石油开发
，尤其是一种基于知识图谱的井下复杂工况识别方法。

技术介绍

[0002]在钻井过程中，因三压力预测不准，地质情况复杂，导致溢、漏、塌、卡等井下复杂工况时有发生，如地层压力大于井底压力则会发生溢流，气侵，若发现不及时，极易造成人员中毒，井场失火等事故；若井底压力大于地层漏失压力，则会发生井漏，若不及时堵漏，则易漏失大量钻井液，造成巨大经济损失；若钻柱在运行过程中偏离正常悬重变化趋势而未及时采取调控措施，则易发生卡钻事故，而解卡轻则一周，重则几个月，会耗费大量作业时间。综上可知，井下复杂工况严重影响着钻井作业的安全，成本与效率，准确发现和识别井下复杂情况，对减小钻井作业风险，降低作业成本，提高钻井效率具有重要意义。
[0003]目前应用的井下复杂情况识别方法，主要是利用录井信息，井下随钻测量设备，来识别井下复杂情况。例如：分析钻井液入口流量和出口流量的变化，或通过随钻测量的井底压力，温度的变化来识别井涌风险；通过分析大钩负荷的变化情况，来识别卡钻风险。
[0004]现有识别方法的主要问题是：(1)识别准确性不高，未应用数据与模型双驱动进行复杂工况识别。在排除地面仪器测量不准确的情况下，常规的依据录井数据进行溢流，井漏的预警方法仅考虑地面的流量参数，未考虑反应地层变化的计算参数，如悬重，dc指数，MSE等计算没有考虑在内，易造成预警不及时；卡钻的预警方法尚未结合摩阻扭矩的计算结果，仅对实测悬重变化趋势进行分析，易造成误报。(2)数据趋势识别不准确，在识别井下复杂工况时，一些智能识别方法没有考虑不同钻机状态下以及不同钻机状态下井下复杂工况的不同表征规律，就对事故发生前的数据全部进行学习与预测，没有按钻机状态对随钻录井数据进行批量的分类处理，直接进行事故复杂规律的学习易导致误报以及漏报。(3)随钻测量设备监测深度有限，随钻测量设备常因深井而无法上传信号，导致无法在深井进行随钻监测，且井下流体，岩性等外部环境复杂，加上钻柱剧烈振动等影响，随钻测量仪器上传数据也会不准确，导致误报。(4)复杂工况识别软件展示的曲线规律依旧需要现场人员通过观察大量的参数变化曲线，并结合事故复杂工况的表征规律才能进行辅助判断，不能实现智能化的自动判断。

技术实现思路

[0005]针对当前井下复杂工况监测方法存在的实时性及可靠性差的问题，本专利技术提供一种基于知识图谱的井下复杂工况识别方法。
[0006]本专利技术提供的基于知识图谱的井下复杂工况识别方法，利用模型与数据双驱动，通过形态符号聚合近似算法实时分析出不同钻机状态下的各项随钻监测参数的变化趋势，结合计算与实测参数的偏离程度，准确提取综合录井实时参数、工程模型计算参数趋势特征，通过整理井下复杂工况的参数表征规律，建立复杂工况的关系，并建立井下复杂工况识
别知识图谱，将提取的趋势特征转化成对应的事故复杂特征查询语句，在建成的井下工况随钻智能识别知识图谱中进行匹配识别，通过对随钻录井数据的监测与分析，实现井下复杂工况随钻智能识别。
[0007]本专利技术提供的基于知识图谱的井下复杂工况识别方法，步骤如下：
[0008]S1、选择提前获取的并能够反映事故复杂井下工况初期的随钻录井实时监测参数。
[0009]随钻录井实时监测参数为通过综合录井仪根据井下复杂工况表征规律实时获取的监测参数，包括悬重、扭矩、立管压力、钻时、总池体积、出口流量、入口流量、泵冲数1、泵冲数2、泵冲数3以及转盘转速。
[0010]S2、将实时监测数据输入到已建立的钻机状态模型，得到钻机实时状态数据。
[0011]所述钻机状态模型是指以钻井随钻录井数据建立的钻机状态识别模型，钻机状态识别模型能够识别的工况包括旋转钻进、滑动钻进、划眼、正划眼、倒划眼、起钻、下钻、空转、坐卡，循环以及接单根这些钻机状态。
[0012]所选钻机实时状态数据包括以下监测参数：悬重、扭矩、泵冲1、泵冲2、泵冲3、转盘转速、立管压力、出口流量、入口流量、以及衍生参数；所述衍生参数包括大钩高度变化参数、井深变化参数、钻头深度变化参数、钻头与井深距离参数、钻头井深是否相等、前一秒泵冲1、前一秒泵冲2、前一秒泵冲3以及前一秒转盘转速。
[0013]S3、选择提前获取的并能够反映事故复杂井下工况初期的实时计算参数。
[0014]所述实时计算参数包括计算悬重、计算扭矩、计算立管压力、dc指数、机械比能MSE、可钻性级值kd、岩屑床厚度以及钻井液循环当量密度ECD。
[0015]对所选实时计算监测参数进行计算需提前输入钻井静态数据，钻井静态数据包括钻井液数据，钻具组合数据，钻井井身结构数据，套管数据，井眼轨迹数据，并对以上数据进行实时更新。
[0016]S4、实时对比计算参数与录井数据的偏差情况；对比的参数为计算悬重与实测悬重，计算扭矩与实测扭矩，计算立管压力与实测立管压力；获得实测参数与计算参数的实际偏离情况。
[0017]具体包括以下计算步骤：
[0018]S41、根据步骤S2的空转工况，读取空转工况下的实测悬重，实测扭矩和实测立管压力。
[0019]S42、根据空转工况下实测的悬重和实测扭矩计算摩擦系数；根据摩擦系数计算得到计算悬重、计算扭矩。
[0020]S43、对空转工况下的计算立管压力进行计算。
[0021]S44、将实测悬重与计算悬重的差值除以计算悬重，实测扭矩与计算扭矩的差值除以计算悬重，实测立管压力与计算立管压力的差值除以计算立管压力；即得到实测参数与计算参数的实际偏离情况。
[0022]S5、采用形态符号聚合近似算法以及数据标准化方法对所选事故复杂监测参数进行处理，得到不同钻机状态下的随钻录井数据以及随钻工程计算数据变化趋势。
[0023]具体包括以下计算步骤：
[0024]S51、对所选事故复杂录井监测参数进行实时监测，监测参数包括悬重、扭矩、泵冲
1、泵冲2、泵冲3、转盘转速、立管压力、出口流量、入口流量、总池体积和钻时，由WITSML标准封装后通过TCP/IP协议接入计算机；
[0025]S52、对所选事故复杂监测计算参数进行实时监测，计算参数包括计算悬重、计算扭矩、计算立管压力、机械比能、dc指数、可钻性级值、岩屑床厚度及钻井液循环当量密度ECD；
[0026]S53、采用移动窗口方法分析步骤S51和S52实时采集的所选事故复杂监测参数；
[0027]S54、对所选事故复杂录井监测参数和计算参数进行Z
‑
Score标准化处理；
[0028]S55、将标准化处理后的数据进行符号聚合近似算法处理。
[0029]S6、将步骤S5对数据的处理方法实时转化为对各项事故复杂监测参数变化趋势的诊断结果，对步骤S55得到的聚合近似符号化表示结果与给定的缓慢增加，连续增加，缓慢降低，连续降低，持续平稳的五个时间序列进行相似性度量计算，根据计算结果，判断该移动窗口内的随钻录井数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的井下复杂工况识别方法，其特征在于，步骤如下：S1、选择提前获取的并能够反映事故复杂井下工况初期的随钻录井实时监测参数；S2、将实时监测数据输入到已建立的钻机状态模型，得到钻机实时状态数据；所选钻机实时状态数据包括以下监测参数：悬重、扭矩、泵冲1、泵冲2、泵冲3、转盘转速、立管压力、出口流量、入口流量、以及衍生参数；所述衍生参数包括大钩高度变化参数、井深变化参数、钻头深度变化参数、钻头与井深距离参数、钻头井深是否相等、前一秒泵冲1、前一秒泵冲2、前一秒泵冲3以及前一秒转盘转速；S3、选择提前获取的并能够反映事故复杂井下工况初期的实时计算参数；所述实时计算参数包括计算悬重、计算扭矩、计算立管压力、dc指数、机械比能MSE、可钻性级值kd、岩屑床厚度以及钻井液循环当量密度ECD；S4、实时对比计算参数与录井数据的偏差情况；对比的参数为计算悬重与实测悬重，计算扭矩与实测扭矩，计算立管压力与实测立管压力；获得实测参数与计算参数的实际偏离情况；S5、采用形态符号聚合近似算法以及数据标准化方法对所选事故复杂监测参数进行处理，得到不同钻机状态下的随钻录井数据以及随钻工程计算数据变化趋势；S6、将步骤S5对数据的处理方法实时转化为对各项事故复杂监测参数变化趋势的诊断结果，对步骤S5得到的聚合近似符号化表示结果与给定的缓慢增加，连续增加，缓慢降低，连续降低，持续平稳的五个时间序列进行相似性度量计算，根据计算结果，判断该移动窗口内的随钻录井数据以及计算监测参数的变化趋势；S7、根据S2、S4和S5的分析结果，将判断结果通过实时转化成事故复杂特征查询语句；S8、根据井下事故复杂工况特征建立知识图谱关系；S9、将步骤S8所建立的图谱关系用neo4j建成井下工况随钻智能识别知识图谱；S10、将步骤S7的特征查询语句实时输入步骤S9所建立的井下复杂工况的智能识别知识图谱中进行查询，是否有对应存在的复杂工况规律，若有，则识别到井下复杂工况；若无，则报告工况正常，无井下风险。S11、重复执行步骤S2至S10，得到随钻井下复杂工况识别结果。2.如权利要求1所述的基于知识图谱的井下复杂工况识别方法，其特征在于，步骤S1中，随钻录井实时监测参数为通过综合录井仪根据井下复杂工况表征规律实时获取的监测参数，包括悬重、扭矩、立管压力、钻时、总池体积、出口流量、入口流量、泵冲数1、泵冲数2、泵冲数3以及转盘转速。3.如权利要求2所述的基于知识图谱的井下复杂工况识别方法，其特征在于，步骤S2中，所述钻机状态模型是指以钻井随钻录井数据建立的钻机状态识别模型，钻机状态识别模型能够识别的工况包括旋转钻进、滑动钻进、划眼、正划眼、倒划眼、起钻、下钻、空转、坐卡，循环以及接单根这些钻机状态。4.如权利要求1所述的基于知识图谱的井下复杂工况识别方法，其特征在于，步骤S3中，对所选实时计算监测参数进行计算需提前输入钻井静态数据，钻井静态数据包括钻井液数据，钻具组合数据，钻井井身结构数据，套管数据，井眼轨迹数据，并对以上数据进行实时更新。5.如权利要求1所述的基于知识图谱的井下复杂工况识别方法，其特征在于，步骤S4具
体包括以下计算步骤：S41、根据步骤S...

【专利技术属性】
技术研发人员：李黔，王钧泽，蒋建华，尹虎，高佳佳，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：