【技术实现步骤摘要】
本专利技术属于油气勘探开发故障预警，具体涉及一种石油天然气开采故障预测方法、系统及存储介质。
技术介绍
1、在石油，天燃气的开采过程中，钻井是必不可少的一项工作，其是一项复杂的地下工程过程，伴随着大量随机、模糊、不确定和不可控因素，且会因地层结构及水文、钻井工艺及设备、油气分布及钻井环境等各种原因造成钻井事故，从而严重威胁着钻井安全；因此，实时监测钻井状态，准确预报钻井故障，对于保障钻井安全，降低钻井成本和提高钻井效益具有重要意义。
2、现有的钻井故障识别以及预测，主要是依靠专家知识系统，或利用常规录井资料对工程异常进行分析，其中，仅有少量测量和运算工作由计算机自动完成，大多数的分析和判断仍然依靠人工完成，同时，由于个体知识、经验以及责任心差异等原因，往往会导致不能及时发现和处理钻井异常，增加了开采风险，而事实上要求工作人员全神贯注地观察监测数据的变化并迅速判明事故，在实际应用中也是不现实的；因此，现有石油天然气在开采过程中的钻井故障预测与识别存在故障预测主观性强、准确率较低以及效率低的问题；基于此，如何提供一种不依赖于人工，且准确率以及效率高的石油天然气开采故障预测方法，已成为一个亟待解决的问题。
技术实现思路
1、本专利技术的目的是提供一种石油天然气开采故障预测方法、系统及存储介质，用以解决现有技术在进行石油天然气开采过程中的钻井故障预测所存在的主观性强、准确率较低以及效率低的问题。
2、为了实现上述目的，本专利技术采用以下技术方案：
3、第
4、获取石油天然气开采过程中的钻井数据，并按照钻井故障类别对所述钻井数据进行数据分类，得到n个数据集合，其中，每个数据集合分别对应一钻井故障类别，任一数据集合包含多个钻井数据序列，各个钻井数据序列分别对应一类钻井数据，任一钻井数据序列中的各个钻井数据按照采样时刻从先至后的顺序进行排列，且n为正整数；
5、基于各个数据集合中每个钻井数据序列内的钻井数据，计算出在目标时刻时，各个数据集合中每个钻井数据序列对应类别的钻井数据的变化趋势特征向量，其中，所述目标时刻为处于所述任一钻井数据序列中最后一个钻井数据对应采样时刻之后的时刻；
6、获取各个钻井故障类别对应的故障预测模型库，其中，任一钻井故障类别对应的故障预测模型库中包括多个故障预测模型集，每个故障预测模型集分别与该任一钻井故障类别对应故障数据集合中的钻井数据类别一一对应，任一故障预测模型集中的各个故障预测模型是以故障样本数据集合中属于同一类的故障钻井数据所组成的各个故障钻井数据序列的样本变化趋势特征向量为输入，各个故障钻井数据序列对应类别的钻井数据在样本目标时刻时的数据异常概率值为输出而训练得到的，且任一故障预测模型为隐马尔科夫模型；
7、对于n个数据集合中的第i个数据集合，将所述第i个数据集合中各个钻井数据序列对应类别的钻井数据的变化趋势特征向量，按照钻井数据的类别，输入至对应指定故障预测模型集内的各个故障预测模型中，以分别得到所述第i个数据集合中各类钻井数据在目标时刻时的数据异常概率值，其中，指定故障预测模型集为指定故障类别对应故障预测模型库中的故障预测模型集，且所述指定故障类别为所述第i个数据集合对应的钻井故障类别；
8、根据所述第i个数据集合中各类钻井数据在目标时刻时的数据异常概率值，得到在所述目标时刻开采石油天然气时的指定故障类别预警结果；
9、将i自加1，并重新将所述第i个数据集合中各个钻井数据序列对应类别的钻井数据的变化趋势特征向量，按照钻井数据的类别，输入至对应指定故障预测模型集内的各个故障预测模型中，直至i等于n时，得到n个指定故障类别预警结果，其中，i的初始值为1；
10、基于n个指定故障类别预警结果，得到在目标时刻时的石油天然气开采故障预警结果。
11、基于上述公开的内容，本专利技术预先根据故障类别来进行隐马尔可夫模型的训练，其中，先利用每个故障类别所关联的故障钻井数据来组成故障钻井数据序列（每个故障钻井数据序列对应一类钻井数据）；然后，本专利技术按照钻井数据的类别，并利用故障钻井数据序列对应类别的钻井数据的变化趋势特征向量，为每一类的钻井数据训练一个隐马尔可夫模型集（如卡钻故障，其关联的钻井数据为钻压、泵压、转速、扭矩等等，那么则使用在出现卡钻故障时所对应的故障钻压组成多个故障钻井数据序列，然后基于该故障钻压组成的故障钻井数据序列，来得出钻压的变化趋势特征向量，并以此来进行隐马尔可夫模型的训练，得到钻压对应的隐马尔可夫模型集；同理，以相同方法即可得到泵压、转速、扭矩所对应的隐马尔可夫模型集）；基于此，即可得到不同钻井故障类别的故障预测模型库。
12、如此，在实际使用时，即可先获取石油天然气开采过程中的钻井数据，然后按照故障类别，将前述钻井数据进行分类，得到多个数据集合；而后，基于每个数据集合内各个钻井数据序列中的钻井数据，来得到在目标时刻时，各个数据集合中每个钻井数据序列对应类别的钻井数据的变化趋势特征向量；接着，按照故障类别所关联的数据集合，确定出每个数据集合对应的故障预测模型库；最后，将每个数据集合对应的变化趋势特征向量，按照钻井数据类别，输入对应故障预测模型库中的各个故障预测模型集内的故障预测模型中，即可得到每个数据集合中的各类钻井数据在目标时刻时的数据异常概率值（如卡钻故障对应的数据集合，则将钻压数据对应的特征向量，输入至钻压对应的隐马尔可夫模型集中的各个模型内，将泵压数据对应的特征向量，输入至泵压对应的隐马尔可夫模型集中的各个模型内等）；而基于前述各个数据异常概率值，则可得到出现每种故障类别的预测结果，从而得到整个开采过程中的故障预警结果。
13、通过上述设计，相较于传统的钻井故障预测方法过分依赖于专家的主观判断，预测结果大多是定性或半定量的，本专利技术创建了不同钻井故障类别对应的故障预测模型，实现了钻井故障预测的智能化、实时性的定量判断，解决了传统预测方法所存在的主观性强、准确率较低以及效率低的问题，适用于在石油天然气开采过程中的故障预测领域的大规模应用与推广。
14、在一个可能的设计中，基于各个数据集合中每个钻井数据序列内的钻井数据，计算出在目标时刻时，各个数据集合中每个钻井数据序列对应类别的钻井数据的变化趋势特征向量，包括：
15、对于n个数据集合中的任一数据集合，对所述任一数据集合内各个钻井数据序列中的钻井数据进行变化趋势特征提取，以分别得到所述任一数据集合中各个钻井数据序列对应类别的钻井数据，在目标时刻时的第一变化趋势特征、第二变化趋势特征和第三变化趋势特征；
16、利用各个钻井数据序列对应类别的钻井数据，在目标时刻时的第一变化趋势特征、第二变化趋势特征和第三变化趋势特征，组成各个钻井数据序列对应类别的钻井数据的变化趋势特征向量。
17、在一个可能的设计中，所述任一钻井数据序列中包含的钻井数据的个数为目标钻井参数序列中一个长期趋势变化周期内的数据个本文档来自技高网...
【技术保护点】
1.一种石油天然气开采故障预测方法，其特征在于，包括：
2.根据权利要求1所述的一种石油天然气开采故障预测方法，其特征在于，基于各个数据集合中每个钻井数据序列内的钻井数据，计算出在目标时刻时，各个数据集合中每个钻井数据序列对应类别的钻井数据的变化趋势特征向量，包括：
3.根据权利要求2所述的一种石油天然气开采故障预测方法，其特征在于，所述任一钻井数据序列中包含的钻井数据的个数为目标钻井参数序列中一个长期趋势变化周期内的数据个数，且所述目标钻井参数序列为海量历史钻井数据组成的非平稳时间数据序列；
4.根据权利要求3所述的一种石油天然气开采故障预测方法，其特征在于，基于变化均值差和目标变化趋势特征，计算出所述任一钻井数据序列对应类别的钻井数据，在目标时刻时的第一变化趋势特征，包括：
5.根据权利要求3所述的一种石油天然气开采故障预测方法，其特征在于，获取所述任一钻井数据序列对应类别的钻井数据，在指定时刻至所述目标时刻之间的动态均值，包括：
6.根据权利要求5所述的一种石油天然气开采故障预测方法，其特征在于，根据所述任一钻井数
7.根据权利要求1所述的一种石油天然气开采故障预测方法，其特征在于，根据所述第i个数据集合中各类钻井数据在目标时刻时的数据异常概率值，得到在所述目标时刻开采石油天然气时的指定故障类别预警结果，包括：
8.一种石油天然气开采故障预测系统，其特征在于，包括：
9.一种石油天然气开采故障预测系统，其特征在于，包括：依次通信相连的存储器、处理器和收发器，其中，存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1～7任意一项所述的石油天然气开采故障预测方法。
10.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～7任意一项所述的石油天然气开采故障预测方法。
...【技术特征摘要】
1.一种石油天然气开采故障预测方法，其特征在于，包括：
2.根据权利要求1所述的一种石油天然气开采故障预测方法，其特征在于，基于各个数据集合中每个钻井数据序列内的钻井数据，计算出在目标时刻时，各个数据集合中每个钻井数据序列对应类别的钻井数据的变化趋势特征向量，包括：
3.根据权利要求2所述的一种石油天然气开采故障预测方法，其特征在于，所述任一钻井数据序列中包含的钻井数据的个数为目标钻井参数序列中一个长期趋势变化周期内的数据个数，且所述目标钻井参数序列为海量历史钻井数据组成的非平稳时间数据序列；
4.根据权利要求3所述的一种石油天然气开采故障预测方法，其特征在于，基于变化均值差和目标变化趋势特征，计算出所述任一钻井数据序列对应类别的钻井数据，在目标时刻时的第一变化趋势特征，包括：
5.根据权利要求3所述的一种石油天然气开采故障预测方法，其特征在于，获取所述任一钻井数据序列对应类别的钻井数据，在指定时刻至所述目标时刻之间的动态均值，包括：
6.根据权利要求5所述的一...
【专利技术属性】
技术研发人员：何彦强，山波，范晓红，邬谷永，胡绍平，代云，
申请(专利权)人：成都时代慧道科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。