[發明專利]一種機械鉆速預測方法、裝置、存儲介質以及設備

在審

• 申請號: 202110067990.0
• 申請日: 2021-01-19
• 公開（公告）號: CN114818451A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 路保平;王果;許博越;臧艷彬;張建龍;孫連忠;周號博;劉勁歌
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司石油工程技術研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N20/00;G06F113/08;G06F113/28
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 吳大建;陳敏

1.一種機械鉆速預測方法，其特征在于，包括：

獲取目標井眼的特征數據和理論機械鉆速，所述特征數據包括地層性質參數、鉆井參數、流體參數和鉆頭參數；

基于預先構建的機器學習模型對所述特征數據進行處理，獲取所述目標井眼的鉆速比值；

基于所述理論機械鉆速和所述鉆速比值得到所述機械鉆速的預測值。

2.根據權利要求1所述的方法，其特征在于，所述機器學習模型通過以下步驟構建：

獲取所述目標井眼的多組所述特征數據作為訓練樣本集；

基于所述訓練樣本集中的每一組樣本數據，對所述機器學習模型進行訓練；

當所述機器學習模型輸出的鉆速比值的精確度大于預設閾值時，得到訓練好的所述機器學習模型。

3.根據權利要求1或2所述的方法，其特征在于，所述地層性質參數包括：層位、巖性、伽馬值、聲波時差、彈性模量、泊松比、粘聚力、內摩擦角和抗壓強度；所述鉆井參數包括：大鉤負荷、鉆壓、轉速、排量和泵壓；所述流體參數包括：鉆井液密度、第一靜切力、第二靜切力、濾失量、總固相量、漏斗粘度、比水功率和射流沖擊力；所述鉆頭參數包括鉆頭型號、鉆頭磨損量和鉆頭直徑。

4.根據權利要求1所述的方法，其特征在于，獲取所述理論機械鉆速，包括：

獲取所述目標井眼的鉆進機械參數、螺桿作用參數、沖擊器作用參數、鉆頭作用參數、水力作用參數和機械比能；

基于所述鉆進機械參數、所述螺桿作用參數、所述沖擊器作用參數、所述鉆頭作用參數、所述水力作用參數和所述機械比能，利用機械比能模型確定所述理論機械鉆速。

5.根據權利要求4所述的方法，其特征在于，所述機械比能模型包括：

其中，E_MMF代表機械比能，所述鉆進機械參數包括WOB鉆壓、門限鉆壓W_bs、門限扭矩T_bs和轉盤轉速N；所述螺桿作用參數包括螺桿轉速K_N、螺桿額定排量q_PDM和螺桿壓降ΔP_PDM；所述沖擊器作用參數包括沖擊器速度T_SF、為沖擊器質量m_FT和沖擊速度v_FT；所述鉆頭作用參數包括：鉆頭壓降ΔP_b和鉆頭截面積A_b；所述水力作用參數包括：鉆井液排量Q和水功率利用率η。

6.根據權利要求4所述的方法，其特征在于，獲取所述目標井眼的機械比能包括：

獲取所述目標井眼的抗壓強度和破巖能量效率；

基于所述抗壓強度和所述破巖能量效率確定所述目標井眼的所述機械比能。

7.根據權利要求1所述的方法，其特征在于，基于K近鄰算法、支持向量機、神經網絡算法、隨機森林算法或極端梯度提升算法構建所述機器學習模型。

8.一種機械鉆速預測裝置，其特征在于，包括：

數據獲取模塊，所述數據獲取模塊用于獲取目標井眼的特征數據和理論機械鉆速，所述特征數據包括地層性質參數、鉆井參數、流體參數和鉆頭參數；

比值確定模塊，所述比值確定模塊用于基于預先構建的機器學習模型對所述特征數據進行處理，獲取所述目標井眼的鉆速比值；

鉆速預測模塊，所述鉆速預測模塊用于基于所述理論機械鉆速和所述鉆速比值得到所述機械鉆速的預測值。

9.一種存儲介質，其特征在于，所述存儲介質中存儲有計算機程序，所述計算機程序被執行時能夠實現如上權利要求1至7中任意一項所述的機械鉆速預測方法。

10.一種設備，其特征在于，包括：存儲器和處理器，所述存儲器中存儲有計算機程序，所述計算機程序被所述處理器執行時能夠實現如上權利要求1至7中任意一項所述的機械鉆速預測方法。