川渝地区防漏堵漏智能辅助决策平台研究与应用

来源 :石油钻采工艺 | 被引量 : 0次 | 上传用户:protosser
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对川渝地区井漏严重、井漏治理主要以经验为主、一次堵漏成功率低等问题,提出了采用大数据/人工智能技术,对漏失特征、裂缝性质进行大数据分析诊断,对正钻井漏失风险几率及漏失分布进行井漏预判,并智能推送防漏堵漏方案.为此,研发了基于大数据挖掘技术的防漏堵漏智能辅助决策平台.首先将大量已钻井漏失数据按聚类和关联规则算法进行自主聚类、关联、分析,同时根据挖掘出的规律对钻井漏失进行诊断,获取真实漏失关键参数,并对正钻井同一类井段的井漏倾向提出风险预测和预警,对堵漏施工提出针对性处理方案,从而提高防漏堵漏效果.使用防漏堵漏智能辅助决策平台对5口已完钻井和3口正钻井进行堵漏方案推送验证,其中推送方案与完钻井实际堵漏方案符合率60%,与正钻井实际堵漏方案符合率50%,表明推送的堵漏方案对实际堵漏方案制定具有一定的指导性.该软件在页岩气、高磨区块累计应用17井次,一次堵漏成功率达52.9%,未使用该软件时的一次堵漏成功率仅39.1%,取得了良好的应用效果.
其他文献
据报道,意大利Enapter近期在德国Saerbeck新工厂建设生产大规模电解槽装置.8.2万平米的生产装置将使公司电解槽生产能力提高至1万台/月.Enapter表示,电解槽自动化大规模生产将使装置成本降低,使绿氢能与化石燃料竞争.北莱茵-威斯特伐利亚经济事务、创新、数字化和能源部出资约936万欧元支持开发大规模生产所需机械.
金属行业两大巨头公司Umicore和AngloAmerican合作成立了一家研发企业,将共同推进液态有机氢载体(LOHC)技术发展,解决氢燃料压缩需求.LOHC技术目标是将氢通过化学键与稳定液体载体结合,可使氢像传统液体燃料一样,储存在常规燃料箱内,无需在燃料运输管线和车辆内进行压缩.
期刊
据报道,Honeywell研发了Upcycle工艺,扩大了可回收废弃塑料种类,可用于制造回收塑料的原料,碳排放更低.Honeywell表示,Upcycle工艺利用行业领先的分子转化、热解和污染物管理技术,将有色、柔性、多层包装和聚苯乙烯等废弃塑料转化为可回收聚合物原料,可以替代化石燃料原料生产塑料.与由化石原料生产的原始塑料相比,生产可回收塑料可减少57%的二氧化碳排放.与焚烧和填埋等传统处理废弃塑料工艺相比,Upcycle工艺能减少77%的二氧化碳排放.Honeywell表示,将Upcycle工艺与其它
据报道,化工公司致力于尽可能减少温室气体排放,其中首要目标之一是减少蒸汽裂解装置产生的二氧化碳.蒸汽裂解炉通过燃烧大量天然气和其它燃料,加热至约900℃,断裂乙烷、石脑油和其它原料中的碳氢键和碳碳键,生产乙烯和丙烯.业内人士表示,蒸汽裂解装置每生产1吨乙烯将排放约1.2吨的二氧化碳.
据报道,Clariant和林德正开发用于乙烷氧化脱氢(ODH-E)生产乙烯的新催化剂,可降低工艺碳排放.Clariant表示,林德EDHOXTM催化剂具有更高选择性(高达93%的乙烯和乙酸)和产量(副产物最小化).该工艺在400℃以下运行,与900℃的传统蒸汽裂解炉相比,二氧化碳排放相对较低.林德表示,EDHOXTM可利用电气化和碳捕集与封存(CCS)进一步降低碳排放.
为了提高渤海油田的钻井效率、保障作业安全,建立了数据准备、数据处理、数据可视化及深度分析为一体的钻完井大数据分析平台,选取渤海P油田首批作业井录井参数,自动判别13种钻井作业工况,并与日报系统结合制作工况及3D井轨迹等可视化面板.结合数据关系与最小二乘法预测模型深度分析,优选钻井参数并进行实时监测,提高了第2批次井的钻井效率,实现了大数据分析与钻完井作业的深度融合.由于平台自身的可扩展性及搭建后使用者的易操作性,该技术推广性较强,可为钻完井工程的智能化转型提供宝贵经验.
钻井复杂的准确识别是钻井工程顺利开展的保障,现有基于机器学习的钻井复杂诊断方法未考虑钻井资料数据不平衡的特点,可能导致将钻井复杂误判为正常工况.基于决策树分类模型,建立了考虑数据不平衡影响的钻井复杂诊断方法:从录井资料、工程异常记录等现场资料中收集原始数据,提取钻压、钩载、排量等钻井参数,并以波动值构建样本集;引入错误分类成本以修正数据不平衡的影响,建立以最小错误分类成本期望值为分类目标的决策树模型,取代以最高准确率为目标的分类模型.将新模型应用于某页岩气水平井卡钻复杂诊断,结果表明:考虑数据不平衡后,模
钻柱摩阻扭矩的实时分析对提高钻井效率、规避钻井卡钻风险具有重要作用,目前摩阻扭矩分析以钻前预测为主,但钻井过程中摩阻扭矩的实时分析尚不成熟.针对当前井底钻压扭矩预测不准、钻柱摩阻系数的确定存在盲目性等问题,提出一种钻柱摩阻扭矩智能实时分析方法.该方法利用神经网络模型实时计算井底钻压扭矩,结合摩阻扭矩刚杆模型采用二分法实时反演摩阻系数,准确分析钻柱受力.考虑到钻柱摩阻系数在一定程度上表征钻柱卡钻趋势,进一步利用该方法对钻井卡钻趋势进行预测.将该方法应用于现场数据,发现某井钻柱摩阻系数在6000~6100 m
海上钻井作业日费高昂,因此如何利用大数据及人工智能技术提高钻速,从而缩短作业工期、降低作业成本,是重要的研究课题之一.首先通过收集钻井现场的大数据信息,将录井数据、测井数据、钻井液性能等参数输入神经网络计算得到初次预测钻速,然后由最优化算法计算出实时全局最优解,从而建立基于机器学习方法和最优化算法的钻速实时优化模型,最后将模型嵌入可视化系统进行现场作业指导,从而提高钻井速度.以南海PY油田A井为试验井,进行了实时钻进过程的应用.实践表明,应用该技术不仅可有效提高钻速,并且对油田数字化发展具有借鉴意义.
高温高压井钻井过程中溢流未及时发现将引起严重后果,现有溢流监测手段依赖井下或地面工具,存在一定的时间滞后性,为此创建了基于朴素贝叶斯算法和钻井大数据的溢流实时预警方法.在具备一定已钻井规模的区域内,分析历史井溢流发生与地质资料、随钻测录井数据的概率联系,分别建立溢流的先验概率计算模型和包含了区域、地层、岩性、扭矩、泵压、机械钻速共6项属性的条件概率计算模型,基于贝叶斯理论计算溢流的后验概率,实现实时预警功能.研究表明,基于朴素贝叶斯的溢流预警方法在可靠性、传输时效性、资料可获得性等方面存在较大优势,结合实