【技术实现步骤摘要】
本专利技术石油天然气钻井，具体涉及一种基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法。
技术介绍
1、钻柱扭摆系统的工作原理是通过控制顶驱运动，实现井口钻柱的顺时针和逆时针扭转运动，使上部钻柱的静摩擦力转变为动摩擦力，减少钻柱轴向摩擦力对钻柱传递钻压的损失。根据摩擦力分布情况，将钻柱分为3个区域：地面扭摆作用的“地面波及区”、保持钻柱周向静止的“静摩擦区”以及动力钻具反扭矩影响的“反扭矩区”。
2、钻柱扭摆系统主要包括软件和硬件两个部分。硬件部分为地面控制系统，该系统与司钻控制台相连接，通过司钻控制台对顶驱发出控制指令，控制顶驱顺时针、逆时针交替转动。同时，该系统需要接入立管压力、井口扭矩、工具面角、井斜角、方位角等信息。
3、控制系统软件部分包括人机交互软件和plc控制软件，人机交互软件用于设置控制系统的左摆和右摆的峰值扭矩、左撞和右撞的冲击扭矩、左摆和右摆的井口扭转角度和速度等控制参数，该系统还显示立管压力、井下工具面角度等钻井信息。
4、定向钻进时，钻柱扭摆系统与常规滑动钻进类似。首先，在施工前将钻柱扭摆系统与顶驱模块适配器连接，再用网线连接mwd，实现控制系统对立管压力和井下工具面的监测。然后，钻柱下钻到底、钻头还未接触井底时，开动顶驱旋转钻柱，测量钻柱空载扭矩和立管压力；打开控制系统人机交互软件，将不超过钻柱空载扭矩的50％设置为左摆极限扭矩、右摆极限扭矩，考虑平衡导向马达的反扭矩，右摆极限扭矩要大于左摆极限扭矩。再次，摆好工具面，开泵下钻到底，记录立管压力变化。最后，通过判断、调整
5、调整工具面时，钻柱扭摆系统与常规钻井不同。在钻进过程中，钻柱扭摆系统直接通过向左或者向右以大于极限扭矩值“撞击”工作面、无须停钻从而实现工具面角的调整，撞击工具面的扭矩数值依然根据工程师经验和试错确定。由于工具面是渐进调整的，因此钻柱扭摆系统实钻的井眼轨迹较传统定向钻井更加光滑。立管压力是了解钻柱扭摆系统钻头钻压的重要参数，立管压力信号的差值反应了井底的钻压变化，依据工程师经验转化后获取钻头钻压，立管压力的频谱数据可以辨识出立管压力与反扭矩无关的因素，比如：岩屑床堆积、喷嘴堵塞等原因。
6、现有扭摆定向钻井技术的扭摆策略和参数确定困难，在定向钻进过程中，井口的钻柱左摆和右摆的最大扭矩需要有经验的现场工程师反复调试才能确定；地面波及区的深度、井下钻柱反扭矩参数需要工程师依据经验去估计，无法做到钻井参数优选；工具面调整过程中，通过“撞”左右极限扭矩的控制策略过于保守，没有充分挖掘出该技术的潜力。
技术实现思路
1、本专利技术的目的在于提供一种基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，用以解决现有技术无法准确预测机械钻速的变化趋势导致扭摆定向钻井钻柱摩阻状态辨识困难、精度低的问题。
2、为解决上述技术问题，本专利技术所提供的技术方案以及技术方案对应的有益效果如下：
3、本专利技术的一种基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，包括以下步骤：
4、在扭摆定向钻井作业过程中，获取当前时刻和上n-1个时刻的井口扭矩，并将当前时刻和上n-1个时刻的井口扭矩转化为对应的井口扭矩序列输入到钻柱摩阻状态识别机器学习模型中进行识别，预测得到下一时刻机械钻速的变化趋势，以确定钻柱摩阻状态的变化情况，n大于1；
5、其中，所述钻柱摩阻状态识别机器学习模型是通过以下方式训练而获得：
6、s1.收集扭摆定向钻井作业中的井口扭矩数据，包括扭矩和采集时刻；
7、s2.从井口扭矩数据中提取若干井口扭矩序列，每个井口扭矩序列包含连续n个采集时刻的井口扭矩；
8、s3.对每个井口扭矩序列进行状态标注，包括对机械钻速的变化趋势进行标注，所述机械钻速的变化趋势包括上升趋势和下降趋势；
9、s4.将井口扭矩序列和对应的机械钻速的变化趋势的标注状态作为训练数据对构建好的机器学习模型进行训练，以得到所述钻柱摩阻状态识别机器学习模型。
10、上述技术方案的有益效果为：
11、将多个井口扭矩序列输入到构建好的机器学习模型中进行训练，得到钻柱摩阻状态识别机器学习模型；然后将当前时刻和上n-1个时刻对应的井口扭矩序列输入到钻柱摩阻状态识别机器学习模型中进行识别，预测得到机械钻速的变化趋势，根据机械钻速的变化趋势，确定钻柱摩阻的变化状态，即机械钻速上升则钻柱摩阻下降，机械钻速下降则钻柱摩阻上升，进而确定了钻柱摩阻状态；由此实现了对钻柱摩阻状态、机械钻速的变化趋势的准确识别，实现了对井口扭矩的实时监控与优化，解决了扭摆定向钻井钻柱摩阻状态辨识困难、精度低的难题，进一步实现辅助司钻人员调整扭摆策略以进行扭摆定向钻进。
12、进一步地，采用如下方法获取所述井口扭矩：获取顶驱的变频器扭矩，对变频器扭矩进行修正以得到所述井口扭矩。
13、进一步地，步骤s4之前还需将每个井口扭矩序列进行归一化处理和对对应的井口扭矩序列的标注状态进行编码处理。
14、进一步地，步骤s3中所述机械钻速的变化趋势的判断方法为：
15、对机械钻速曲线进行线性表达式拟合，根据所述线性表达式的斜率得到机械钻速的变化趋势；线性表达式斜率大于0，则判定为上升趋势；线性表达式斜率小于0，则判定为下降趋势。
16、进一步地，机械钻速的上升趋势标注为1，机械钻速的下降趋势标注为0。
17、进一步地，步骤s3中所述对每个井口扭矩序列进行状态标注还包括对错误数据进行标注；错误数据的标注方法为：对每个井口扭矩序列进行错误数据判断，若不存在错误数据，则标记为0；若存在错误数据，则标记为错误数据在井口扭矩序列的序号。
18、进一步地，步骤s4中所述机器学习模型为bp神经网络模型。
19、进一步地，所述编码处理为onehot编码处理。
20、进一步地，所述归一化处理方式为：将井口扭矩除以稳定的井口扭矩；所述稳定的井口扭矩采用如下方法获得：
21、将钻头提离井底，旋转钻柱至变频器扭矩处于稳定状态，记录稳定的变频器扭矩；对稳定的变频器扭矩进行修正以得到所述稳定的井口扭矩。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，采用如下方法获取所述井口扭矩：获取顶驱的变频器扭矩，对变频器扭矩进行修正以得到所述井口扭矩。
3.根据权利要求1所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，步骤S4之前还需将每个井口扭矩序列进行归一化处理和对对应的井口扭矩序列的标注状态进行编码处理。
4.根据权利要求1所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，步骤S3中所述机械钻速的变化趋势的判断方法为：
5.根据权利要求4所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，机械钻速的上升趋势标注为1，机械钻速的下降趋势标注为0。
6.根据权利要求1或4所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，步骤S3中所述对每个井口扭矩序列进行状态标注还包括对错误数据进行标注；错误数据的标注方法为：对每个井口扭矩序列进行错误数据判断，若
7.根据权利要求1所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，步骤S4中所述机器学习模型为BP神经网络模型。
8.根据权利要求3所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，所述编码处理为Onehot编码处理。
9.根据权利要求3或8所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，所述归一化处理方式为：将井口扭矩除以稳定的井口扭矩；所述稳定的井口扭矩采用如下方法获得：
...【技术特征摘要】
1.一种基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，采用如下方法获取所述井口扭矩：获取顶驱的变频器扭矩，对变频器扭矩进行修正以得到所述井口扭矩。
3.根据权利要求1所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，步骤s4之前还需将每个井口扭矩序列进行归一化处理和对对应的井口扭矩序列的标注状态进行编码处理。
4.根据权利要求1所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，步骤s3中所述机械钻速的变化趋势的判断方法为：
5.根据权利要求4所述的基于机器学习的扭摆定向钻井钻柱摩阻状态识别方法，其特征在于，机械钻速的上升趋势标注为1，机械钻速的下降趋势标注为0。
<...【专利技术属性】
技术研发人员：李瑞刚，张家华，向幸运，温伟，郑威，刘阳，李红伟，刘明雷，杨海东，黄玲，
申请(专利权)人：中石化石油工程技术服务有限公司，
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。