[發(fā)明專利]鉆進(jìn)過程故障診斷方法、系統(tǒng)及設(shè)備

有效

• 申請?zhí)枺?/td>: 202011308717.4
• 申請日: 2020-11-20
• 公開（公告）號: CN112434930B
• 公開（公告）日: 2023-08-08
• 發(fā)明（設(shè)計(jì)）人: 賴旭芝;張正;吳敏;陳略峰;陸承達(dá);杜勝
• 申請（專利權(quán)）人: 中國地質(zhì)大學(xué)（武漢）
• 主分類號: G06F18/2321
• 分類號: G06F18/2321;G06F18/2415;E21B47/06;E21B47/00;E21B44/04;G06Q10/0639
• 代理公司: 武漢知產(chǎn)時代知識產(chǎn)權(quán)代理有限公司 42238
• 代理人: 王佩

本發(fā)明涉及地質(zhì)鉆探工程領(lǐng)域，提供一種鉆進(jìn)過程故障診斷方法，包括步驟：通過鉆機(jī)傳感器獲取鉆進(jìn)過程數(shù)據(jù)集，對鉆進(jìn)過程數(shù)據(jù)集進(jìn)行預(yù)處理，獲得預(yù)處理后的鉆進(jìn)過程數(shù)據(jù)集；通過距離相關(guān)性分析方法對預(yù)處理后的鉆進(jìn)過程數(shù)據(jù)集進(jìn)行鉆進(jìn)過程參數(shù)的選擇與合并，獲得k個參數(shù)組合；根據(jù)Mann?Kendall趨勢檢驗(yàn)和近似熵對各參數(shù)組合進(jìn)行時間序列特征提取，獲得各參數(shù)組合對應(yīng)的特征組合；通過密度峰值搜索聚類算法對各特征組合進(jìn)行聚類，獲得各參數(shù)組合的聚類結(jié)果；根據(jù)各參數(shù)組合的聚類結(jié)果，通過樸素貝葉斯分類器進(jìn)行故障診斷，獲得鉆進(jìn)過程故障診斷結(jié)果。能夠有效地實(shí)現(xiàn)鉆進(jìn)過程的故障診斷，保障鉆進(jìn)過程的安全性，減少故障發(fā)生造成的經(jīng)濟(jì)和環(huán)境損失。

技術(shù)領(lǐng)域

本發(fā)明涉及地質(zhì)鉆探工程領(lǐng)域，尤其涉及一種鉆進(jìn)過程故障診斷方法、系統(tǒng)及設(shè)備。

背景技術(shù)

鉆進(jìn)過程是進(jìn)行資源能源勘探及開采的重要工業(yè)過程。隨著信息技術(shù)的發(fā)展，鉆進(jìn)過程可以實(shí)時采集多種反映鉆進(jìn)過程狀態(tài)的過程參數(shù)。但在鉆進(jìn)過程中，由于地質(zhì)環(huán)境的復(fù)雜性、司鉆操作的不確定性等問題，井漏、井涌等鉆進(jìn)過程故障的發(fā)生通常無法避免。若不能及時發(fā)現(xiàn)并處理，將可能演化為重大安全生產(chǎn)事故，造成嚴(yán)重的經(jīng)濟(jì)和環(huán)境損失。據(jù)統(tǒng)計(jì)，鉆進(jìn)過程故障導(dǎo)致的非生產(chǎn)時間占整個鉆進(jìn)工程周期的20％左右。因此，開展鉆進(jìn)過程故障診斷的研究，對保障鉆進(jìn)過程的安全性，較少經(jīng)濟(jì)和環(huán)境損失，具有重要意義。

鉆進(jìn)過程具有強(qiáng)非線性和強(qiáng)耦合性，使得很難建立精確的鉆進(jìn)過程數(shù)學(xué)模型。由于高溫高壓的復(fù)雜地質(zhì)環(huán)境，在鉆進(jìn)過程中存在很強(qiáng)的固-液-熱相互作用，導(dǎo)致很難基于人工經(jīng)驗(yàn)對鉆進(jìn)過程故障進(jìn)行診斷。同時，鉆進(jìn)過程的不確定性也對故障診斷提出了挑戰(zhàn)。此外，目前對于鉆進(jìn)過程故障診斷的研究，對鉆進(jìn)參數(shù)間的時間關(guān)聯(lián)性考慮較少，診斷結(jié)果的可信度較低。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于，提供一種鉆進(jìn)過程故障診斷方法、系統(tǒng)及設(shè)備，旨在解決現(xiàn)有技術(shù)中對鉆進(jìn)參數(shù)間的時間關(guān)聯(lián)性考慮較少，診斷結(jié)果的可信度較低的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供鉆進(jìn)過程故障診斷方法，包括以下步驟：

通過鉆機(jī)傳感器獲取鉆進(jìn)過程數(shù)據(jù)集，對所述鉆進(jìn)過程數(shù)據(jù)集進(jìn)行預(yù)處理，獲得預(yù)處理后的鉆進(jìn)過程數(shù)據(jù)集；

通過距離相關(guān)性分析方法對所述預(yù)處理后的鉆進(jìn)過程數(shù)據(jù)集進(jìn)行鉆進(jìn)過程參數(shù)的選擇與合并，獲得k個參數(shù)組合；

根據(jù)Mann-Kendall趨勢檢驗(yàn)和近似熵對各所述參數(shù)組合進(jìn)行時間序列特征提取，獲得各所述參數(shù)組合對應(yīng)的特征組合；

通過密度峰值搜索聚類算法對各所述特征組合進(jìn)行聚類，獲得各所述參數(shù)組合的聚類結(jié)果；

根據(jù)各所述參數(shù)組合的聚類結(jié)果，通過樸素貝葉斯分類器進(jìn)行故障診斷，獲得鉆進(jìn)過程故障診斷結(jié)果。

優(yōu)選地，所述通過鉆機(jī)傳感器獲取鉆進(jìn)過程數(shù)據(jù)集，對所述鉆進(jìn)過程數(shù)據(jù)集進(jìn)行預(yù)處理，獲得預(yù)處理后的鉆進(jìn)過程數(shù)據(jù)集，包括：

通過鉆機(jī)傳感器，每隔預(yù)設(shè)時間t采集一次原始鉆進(jìn)過程數(shù)據(jù)；

收集所有原始鉆進(jìn)過程數(shù)據(jù)，獲得鉆進(jìn)過程數(shù)據(jù)集；

剔除所述鉆進(jìn)過程數(shù)據(jù)集中所有原始鉆進(jìn)過程數(shù)據(jù)的零檢測數(shù)據(jù)，獲得預(yù)處理后的鉆進(jìn)過程數(shù)據(jù)集。

優(yōu)選地，所述收集所有原始鉆進(jìn)過程數(shù)據(jù)，獲得鉆進(jìn)過程數(shù)據(jù)集后，還包括：

對所述鉆進(jìn)過程數(shù)據(jù)集中鉆井液遲到時間進(jìn)行統(tǒng)計(jì)分析，獲得所述鉆進(jìn)過程數(shù)據(jù)集中各鉆進(jìn)過程參數(shù)的時間序列，其中，各所述時間序列的長度為T分鐘，各所述鉆進(jìn)過程參數(shù)包含T/t個鉆進(jìn)過程數(shù)據(jù)點(diǎn)。