[發明專利]工具面狀態的預測方法和系統、滑動定向鉆井方法和系統

有效

• 申請號: 202111035640.2
• 申請日: 2021-09-06
• 公開（公告）號: CN113464120B
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 劉偉;陳東;馮思恒;連太煒;白璟;寇明;肖占朋;廖沖;曾敏偲;王平安
• 申請（專利權）人: 中國石油集團川慶鉆探工程有限公司;中國石油天然氣集團有限公司
• 主分類號: E21B47/02
• 分類號: E21B47/02;E21B7/04;G06N3/04;G06N3/08
• 代理公司: 成都中璽知識產權代理有限公司 51233
• 代理人: 邢偉

1.一種滑動定向鉆井方法，其特征在于，所述滑動定向鉆井方法采用未來3個時刻的工具面狀態的預測結果來預測未來時刻扭擺系統的控制參數，并根據未來時刻扭擺系統的控制參數的預測結果來控制扭擺系統，其中，所述扭擺系統的控制參數包括正向扭矩和反向扭矩，

所述未來時刻扭擺系統的控制參數的預測結果采用如下方式獲得：

結合當前時刻的實際工具面、目標工具面、正向扭矩和反向扭矩，利用強化學習算法給出對應控制參數正向扭矩、反向扭矩，同時工具面狀態預測方法給出下一時刻的工具面角度，將所述下一時刻的工具面角度與強化學習算法給出對應控制參數正向扭矩、反向扭矩、以及此時的目標工具面組合重新作為強化學習算法的輸入，完成數據的閉環反饋；

所述未來3個時刻的工具面狀態的預測結果采用工具面狀態的預測方法得到，

所述預測方法包括：

步驟S1、采集滑動定向鉆井作業的扭擺系統數據、隨鉆測量系統數據、錄井系統數據和井身數據；

步驟S2、選擇扭擺系統數據錄井系統數據和井身數據中的至少一類數據、以及隨鉆測量系統數據作為數據特征，并按時間戳進行融合，形成時間序列數據集；

步驟S3、使用時間序列數據集逐個訓練LSTM神經網絡模型，獲得基于LSTM的工具面狀態預測模型；

步驟S4、滑動定向鉆井作業過程中，以當前時刻和前4個時刻的實際工具面、目標工具面、正向扭矩和反向扭矩作為輸入數據序列，獲得未來3個時刻的工具面狀態的預測結果。

2.根據權利要求1所述的滑動定向鉆井方法，其特征在于，所述扭擺系統數據包括正向扭矩、反向扭矩、正向轉速、反向轉速、正向保持時間和反向保持時間；所述隨鉆測量系統數據包括目標工具面和實際工具面；所述錄井系統數據包括鉆壓和排量；所述井身數據包括井深、水平段長和井斜角。

3.根據權利要求2所述的滑動定向鉆井方法，其特征在于，所述扭擺系統數據的采集頻率為30s/次～1200s/次；所述隨鉆測量系統數據的采集頻率為20s/次～180s/次；所述錄井系統數據的采集頻率為4s/次～5s/次。

4.根據權利要求1所述的滑動定向鉆井方法，其特征在于，步驟S2包括：對時間序列數據集進行數據清洗，以去除無效數據和冗余數據。

5.根據權利要求4所述的滑動定向鉆井方法，其特征在于，所述無效數據和冗余數據包括：扭擺定向過程中發生工況變化時所采集的數據、扭擺定向過程中操作失誤時所采集的數據和扭擺定向過程中出現了與基本規律或預期不一致的情況所采集的數據。

6.根據權利要求4所述的滑動定向鉆井方法，其特征在于，步驟S2還包括分井分時段處理：將清洗后的時間序列數據集按照每次定向鉆井作業的時間段進行劃分，形成若干子數據集，以作為LSTM神經網絡模型的訓練數據基礎。

7.根據權利要求6所述的滑動定向鉆井方法，其特征在于，步驟S2還包括數據預處理：將若干子數據集進行標準化，以避免不同量級的數據特征間相互干擾。

8.根據權利要求1所述的滑動定向鉆井方法，其特征在于，所述使用時間序列數據集逐個訓練LSTM神經網絡模型的具體方法如下：搭建至少一層LSTM神經網絡模型，后端拼接全連接神經網絡，再使用數據集逐個訓練LSTM神經網絡模型，同時進行超參數調節、優化與評估，獲得基于LSTM的工具面狀態預測模型。

9.一種滑動定向鉆井系統，其特征在于，所述滑動定向鉆井系統包括數據采集單元、時間序列數據集輸出單元、神經網絡訓練單元、工具面狀態預測單元以及扭擺系統控制單元，其中，

數據采集單元被配置為能夠采集滑動定向鉆井作業的扭擺系統數據、隨鉆測量系統數據、錄井系統數據和井身數據；

時間序列數據集輸出單元與數據采集單元連接，并被配置為能夠選擇扭擺系統數據、錄井系統數據和井身數據中的至少一類數據、以及隨鉆測量系統數據作為數據特征，經融合后輸出時間序列數據集；

神經網絡訓練單元與時間序列數據集輸出單元連接，并被配置為能夠使用時間序列數據集逐個訓練LSTM神經網絡模型，獲得基于LSTM的工具面狀態預測模型；

工具面狀態預測單元與神經網絡訓練單元連接，并被配置為能夠將當前時刻和前4個時刻的實際工具面、目標工具面、正向扭矩和反向扭矩作為輸入數據序列輸入至基于LSTM的工具面狀態預測模型，并輸出未來3個時刻的工具面狀態的預測結果；

扭擺系統控制單元與工具面狀態預測單元連接，并被配置為能夠根據如權利要求1至8中任意一項所述的滑動定向鉆井方法獲得的未來3個時刻的工具面狀態的預測結果調整未來時刻扭擺系統的控制參數。