[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

本發明公開了一種機械鉆速預測方法、裝置、存儲介質以及設備，通過獲取目標井眼的特征數據和理論機械鉆速，基于預先構建的機器學習模型對特征數據進行處理，獲取目標井眼的鉆速比值，基于理論機械鉆速和鉆速比值得到機械鉆速的預測值。該方法通過將理論機械鉆速和機器學習模型進行融合，可以有效解決鉆速預測難度大的問題，同時提高了機械鉆速預測的精確度，有利于為決策者提供可靠的依據，實現鉆井作業的實時優化。

技術領域

本發明涉及勘探技術領域，尤其涉及一種機械鉆速預測方法、裝置、存儲介質以及設備。

背景技術

隨著油田勘探開發領域正在由常規油氣資源向低滲透、深層、超深層、海洋深水、頁巖油、頁巖氣等非常規油氣資源拓展，面臨著資源劣質化、勘探多元化、開發復雜化、環境惡劣化等挑戰，鉆井是油氣資源發現、探明和開采的關鍵環節，隨著鉆遇地質環境越來越復雜、鉆井條件越來越苛刻，亟需發展新一代變革性鉆井技術。智能鉆井是未來鉆井工程領域一大發展趨勢，智能鉆井技術是融合了大數據、人工智能、信息工程、井下控制工程學等理論與技術的一項變革性鉆井技術，通過應用地面自動化鉆機、井下智能執行機構、智能監控與決策技術等，實現鉆井作業的超前探測、閉環調控、精準制導和智能決策，能大幅度提高鉆井效率和儲層鉆遇率，顯著提高復雜油氣藏單井產量和采收率，并降低鉆井成本。

機械鉆速預測是智能鉆井領域的重要研究方向之一，作為鉆井作業的重要技術指標，機械鉆速的精準預測可以科學指導鉆井參數設計和優化、鉆井提速工具優選、鉆井周期和成本預測、協助優化井眼軌跡和井身結構等。現有方法中有提出基于經典機械比能模型的理論鉆速預測方法，該方法假設鉆進時，鉆頭破巖是一個能量平衡的過程，通過檢測機械比能、鉆壓、轉速、扭矩等參數反算鉆速，但，鉆井過程是一個動態過程，影響鉆速的因素眾多，任何參數的細微變化都會影響機械鉆速，該方法考慮的參數有限且模型維度較低，非線性映射能力弱，無法精確預測動態變化的鉆速。

發明內容

本發明要解決的技術問題是：如何解決鉆速預測難度大、精度低的問題，以實現精準預測機械鉆速。

為解決上述技術問題，本發明提供了一種機械鉆速預測方法，其包括：

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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，所述機械比能模型包括：