[發明專利]利用非監督機器學習聲學數據來表征和評估井完整性的方法

在審

• 申請號: 201980048894.2
• 申請日: 2019-06-06
• 公開（公告）號: CN112654764A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 朱凌晨;S.博斯;S.澤魯格
• 申請（專利權）人: 斯倫貝謝技術有限公司
• 主分類號: E21B47/005
• 分類號: E21B47/005;E21B47/107
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 王增強

提供了使用聲學數據的無監督機器學習來表征和評估套管井的完整性的方法和系統。收集并處理由聲波測井工具的接收器陣列接收的聲學信號的聲波波形數據，以確定聲波波形數據的高維表示。高維表示被輸入到無監督的機器學習系統中，以確定聲波波形數據的低維表示。將聚類方法應用于低維表示以識別其中的一組聚類。基于該一組聚類，確定套管井的深度間隔的至少一個井的完整性特性。在實施例中，至少一個井完整性特性可以表征作為方位角和深度的函數的套管井的環空中的膠結物狀況，并且可以用于評估套管井的深度間隔中的膠結物完整性。

相關申請的交叉引用

本申請要求于2018年6月8日提交的美國臨時申請號62/682249的權益；其內容通過引用并入本文。

技術領域

本公開涉及油氣田中的測井。特別地，本公開涉及使用聲學數據表征和評估井完整性。

背景技術

隨著最近更嚴格的政府法規的出現，該法規要求石油和天然氣運營商交付和維護具有合格壓力密封的井，井的完整性的有效表征和評估變得重要。目的是要防止地下地層流體的不受控制的流動導致泄露到地面(例如，大氣或海洋)或其他地層。可以在固井工作之后或在井的使用壽命期間或在其堵塞和/或丟棄井之前的使用壽命結束時進行井完整性的表征和評估。

發明內容

提供該概述是為了介紹一些構思，這些構思將在下面的詳細描述中進一步描述。該概述不旨在標識所要求保護的主題的關鍵或必要特征，也不旨在用于幫助限制所要求保護的主題的范圍。

在一實施例中，描述了一種用于表征套管井的井完整性的方法。該方法包括：i)收集由聲學測井工具的接收器陣列針對套管井的深度間隔接收的聲學信號的聲波波形數據；ii)確定在i)中收集的聲波波形數據的高維表示；iii)將ii)的高維表示輸入到無監督的機器學習系統中，以確定聲波波形數據的低維表示；iv)將聚類方法應用于iii)的低維表示，以識別iii)的低維表示中的一組聚類；以及v)基于iv)中識別出的一組聚類，確定與套管井的深度間隔的井完整性有關的至少一個特性。

當結合附圖時，從以下詳細描述，本公開的其他特征和優點將變得更加顯而易見。

附圖說明

在下面的詳細描述中，通過本公開的非限制性示例，參考所提到的多個附圖，進一步描述本公開，其中，貫穿附圖的若干視圖，相似的附圖標記表示相似的部件，在附圖中：

圖1是聲學測井工具(例如SONICSCANNER^TM工具)的示意圖；

圖2是可由圖1的聲學測井工具執行的聲波測井測量的示意圖；

圖3是圖1和圖2的聲學測井工具的示意圖，該聲學測井工具部署在采用多管柱套管的套管井中；

圖4示出了用于表征和評估井完整性的工作流程，該工作流程采用了由聲學測井工具獲取的聲波數據的無監督的機器學習；工作流程可以確定套管井的井完整性，例如作為套管井的一部分的至少一個環空的固井特性；

圖5A-5C是從單個接收器結合不同中心頻率的帶通濾波獲得的聲波波形得出的慢度-時間-相干(STC)圖像；

圖6A-6H描繪了從由8個方位接收器結合中心頻率為20kHz的帶通濾波獲得的聲音波形得出的STC圖像；

圖7是用于二維自組織圖(SOM)機器學習系統的神經網絡結構的示意圖，該神經網絡結構可用于聲波數據壓縮，作為圖4的工作流程的一部分；

圖8描繪了由圖7的二維自組織圖(SOM)機器學習系統從由使用多管套管的套管井中的合成聲波波形獲取的1800個輸入STC圖像生成的1800張壓縮STC圖像的U矩陣，每個尺寸為72×240×3；

圖9和圖10是自動編碼器(AE)機器學習系統的示意圖，該系統可用于聲波數據壓縮，作為圖4工作流程的一部分；