[發明專利]一種卡鉆預警和類型診斷方法

在審

• 申請號: 201911014951.3
• 申請日: 2019-10-24
• 公開（公告）號: CN110778307A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 張金科;李黔
• 申請（專利權）人: 西南石油大學
• 主分類號: E21B47/00
• 分類號: E21B47/00;E21B44/00;G06F30/20;G06F111/10
• 代理公司: 11640 北京中索知識產權代理有限公司
• 代理人: 房立普

本發明公開了一種卡鉆預警和類型診斷方法，包括以下步驟：S1、使用鄰井鉆井參數的歷史數據對PSO?SVM模型進行訓練；S2、獲取實時鉆井參數的時間序列；S3、對鉆井參數時間序列進行平穩化檢驗和平穩化處理；S4、建立鉆井參數的時間序列模型；S5、利用建立好的時間序列模型預測鉆井參數在后續時間段內的數據，將預測值輸入訓練好的PSO?SVM模型，得到卡鉆的預警信息及卡鉆類型診斷結果；S6、根據實時測量數據重新訓練PSO?SVM模型，采用最新模型實時更新卡鉆預警和卡鉆類型診斷結果。本發明實現了在鉆井施工過程中能夠及時地對卡鉆做出預警，并確定相應的卡鉆類型，為現場鉆井人員提供解卡依據，減少卡鉆事故帶來的經濟損失和安全隱患。

技術領域

本發明涉及石油開發技術領域，具體涉及一種卡鉆預警和類型診斷方法。

背景技術

在鉆井過程中，卡鉆事故是最多的井下事故，且卡鉆事故的處理過程相對復雜，一旦發生卡鉆會造成鉆井周期延長，增加鉆井成本，處理卡鉆的過程中還可能引發坍塌、鉆具掉落等其他井下事故，甚至造成井眼報廢，帶來巨大的經濟損失。

目前，在油田通常采用綜合錄井儀采集井下實時數據，通過人工設定卡鉆相關參數的閾值，當實時采集的參數超出設定閾值便進行卡鉆報警，卡鉆的類型診斷還是依靠錄井數據分析人員的工作經驗給出初步判斷。然而此種預警方法還是與事故發生時間相差無幾，并沒有達到通過卡鉆預警，來避免嚴重卡鉆事故發生的目的。而且卡鉆類型的診斷有一定人為因素，極有可能造成誤判。減小卡鉆損失的最好方法就是提前對卡鉆事故做出預警，并對卡鉆類型做出合理診斷，為解卡作業提供決策依據。

如申請號為CN201811425245.3的中國專利，提供了一種基于錄井大數據的卡鉆事故檢測預警方法，涉及工程異常檢測，包括將錄井數據與管理人員的日志數據進行預處理，實現鉆井事故自動標注，并對原始數據進行了重新采樣和平滑處理，之后根據隨機森林模型來處理卡鉆數據，最終利用交叉驗證方法對學習模型進行調參，從而生成卡鉆檢測模型。該專利雖然能夠對卡鉆事故實現較為準確的預警，但是存在無法判斷卡鉆類型的缺陷。再如申請號為CN201510222418.1的中國專利，提供了一種卡鉆的監測系統、方法及裝置，它將實測錄井數據中的轉盤扭矩和大鉤負荷與有限元法得到的預測值進行比較，當超出預測值一定范圍時，觸發卡鉆報警，卡鉆類型的診斷則是根據事先錄入的卡鉆分析模型及各底層元素的隸屬度來計算各卡鉆類型的發生概率。該發明雖然同時實現了卡鉆的預警及類型診斷，但是由于它是根據實測值和預測值之間的誤差范圍來對卡鉆做出預警，故此范圍的設定對預警精度有極大的影響，造成卡鉆誤報的概率較大。

發明內容

針對上述問題，本發明提供一種卡鉆預警和類型診斷方法,提前對卡鉆事故做出預警，并對卡鉆類型做出合理診斷，為解卡作業提供決策依據。

本發明采用下述的技術方案：

一種卡鉆預警和類型診斷方法，包括以下步驟：

S1、使用鄰井鉆井參數的歷史數據對PSO-SVM模型進行訓練；

S2、獲取實時鉆井參數，并將獲取的鉆進參數按獲取時間先后順序排列，得到時間序列；

S3、對鉆井參數時間序列進行平穩化檢驗和平穩化處理；

S4、建立鉆井參數的時間序列模型，對模型參數及模型的有效性進行檢驗，對時間序列模型進行優選；

S5、利用建立好的時間序列模型預測鉆井參數在后續時間段內的數據，將預測值輸入訓練好的PSO-SVM模型，得到卡鉆的預警信息及卡鉆類型診斷結果；

S6、利用后續時間段采集的鉆井參數數據更新時間序列模型，并基于本井卡鉆發生前后各鉆井參數序列，重新訓練PSO-SVM模型，采用最新模型實時更新卡鉆預警和卡鉆類型診斷結果。

優選的，所述鄰井鉆井參數包括卡鉆事故發生與否和發生的各種卡鉆類型。