[發明專利]一種鉆井工具壽命大數據預測及分析方法

在審

• 申請號: 202111117794.6
• 申請日: 2021-09-24
• 公開（公告）號: CN114462662A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 陳勝宏;李寧;郝宙正;左凱;蔣暢;黨萬恒;柴希偉
• 申請（專利權）人: 中國海洋石油集團有限公司;中海油能源發展股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 天津創智天誠知識產權代理事務所(普通合伙) 12214
• 代理人: 王秀奎

1.一種鉆井工具壽命大數據預測及分析方法，其特征在于：按照下述步驟進行：

步驟1，利用現有的鉆井報告建設數據庫，使用完全互連的前饋隱藏層的網絡，即反向傳播學習規則，基于鉆井參數建立鉆井工具壽命大數據預測模型；

其中，模型建立過程：

首先，輸入數據樣本，便于卷積操作的應用。輸入的尺寸為Ntw×Nft，其中Ntw表示時間序列尺寸，nft為選定特征的數量。原始特征通常是從多個傳感器測量中獲得，接下來，在網絡中堆疊4層卷積層以進行特征提取，這4層的配置與使用的FN濾波器相同，濾波器尺寸為FL×1，過濾器尺寸為3×1，然后，二維特征圖被扁平，并與一個全連接的層連接，Dropout是在上一個特征圖上使用的，即扁平層，以緩解過度配合，最后，在該網絡的末端附加了一個神經元來進行RUL估計，所有的層都使用tanh作為激活函數，Xavier正常初始化器用于權重初始化，為了進一步提高預后性能，采用的反向傳播(BP)算法進行微調，更新了模型的參數，將訓練誤差最小到最低；

步驟2，利用步驟1建立得到的基于鉆井參數建立鉆井工具壽命大數據預測模型自動追蹤鉆井工具關注的參數，將現有的理論模型和現有的現場經驗數據進行擬合，基于可靠的實際數據進行工具壽命預測；

步驟3，通過人工神經網絡算法(ANN)，自動檢測鉆井工具缺陷和異常情況，提供潛在故障的早期預警，根據風險制定檢測計劃，避免不必要的常規周期檢測維修；

其中，預警評估過程為選擇多條數據進行歸一化，使用滑動窗口生成訓練、測試數據。構建深度神經網絡，并確定隱藏層數、卷積濾波器數和長度，CNN以標準化訓練數據為輸入，并將訓練樣本的標記RUL值作為網絡的目標輸出，損失函數使用RMSE，優化函數采用Adam，對于從一開始的前200個，快速優化的學習率是0.001，然后用0.0001的學習率進行穩定收斂，最后，將測試數據樣本輸入到訓練后的網絡中進行RUL估計，并得到預后精度。

2.根據權利要求1所述的一種鉆井工具壽命大數據預測及分析方法，其特征在于：在步驟1中，現有的鉆井報告包括日常鉆井報告(DDRS)、井段完鉆報告(EORS)和完井報告(EOWR)。

3.根據權利要求1所述的一種鉆井工具壽命大數據預測及分析方法，其特征在于：在步驟1中，完全互連的前饋隱藏層的網絡的數量為2-3個。

4.根據權利要求1所述的一種鉆井工具壽命大數據預測及分析方法，其特征在于：在步驟1中，鉆井參數包括：鉆壓、轉速、洗井凈度、鉆進速度。

5.根據權利要求1所述的一種鉆井工具壽命大數據預測及分析方法，其特征在于：在步驟2中，鉆井工具關注的參數包括：外徑、內徑、扣型、長度、壁厚、規格、型號，鉆井工具關注的參數能夠人工進行調整。

6.根據權利要求1所述的一種鉆井工具壽命大數據預測及分析方法，其特征在于：在步驟2中，現有的現場經驗數據包括鉆鋌外徑磨損允許值和鉆鋌允許彎曲值。