袁本福 李 黔 梁海波 張繼軍

（1.西南石油大學(xué)石油工程學(xué)院，四川 成都 610500； 2.中國石油長城鉆探錄井公司，遼寧 盤錦 124010）

0 引言

井漏［1］是鉆井工程中最常發(fā)生的一種復(fù)雜情況，識別和預(yù)防井漏需要綜合考慮多方面的因素，現(xiàn)場技術(shù)人員一般依靠綜合錄井進行風(fēng)險預(yù)報，或者憑借經(jīng)驗直接判斷，由于綜合錄井和人為經(jīng)驗的局限性，往往不能及時有效地預(yù)防井漏。斯倫貝謝與BP石油公司聯(lián)合開發(fā)了比較成熟的、無意外風(fēng)險的鉆井技術(shù)決策系統(tǒng)［2-4］，能夠有效識別井漏風(fēng)險，該技術(shù)在塔里木油田迪那204井成功應(yīng)用，大幅度降低了井漏風(fēng)險的發(fā)生。筆者根據(jù)鉆井風(fēng)險實時診斷的特點，綜合應(yīng)用風(fēng)險評價方法、數(shù)據(jù)庫技術(shù)、程序開發(fā)語言等，開發(fā)了井漏風(fēng)險實時監(jiān)測與診斷系統(tǒng)，實現(xiàn)了對井隊錄井數(shù)據(jù)的實時采集、管理和井漏風(fēng)險的實時監(jiān)測與診斷等智能化流程，可以及時對井漏風(fēng)險進行預(yù)警，避免事故進一步擴大，有效地提高了鉆井效率。

1 系統(tǒng)主要特點

1.1 BP神經(jīng)網(wǎng)絡(luò)算法的原理

BP神經(jīng)網(wǎng)絡(luò)算法［5-6］是一種按誤差逆?zhèn)鞑ビ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入至輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)重值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)包括輸入層、隱含層和輸出層。運用BP神經(jīng)網(wǎng)絡(luò)實時診斷井漏風(fēng)險，是根據(jù)工程中預(yù)測出的一些鉆井風(fēng)險力學(xué)因素值和大腦中長期積累的經(jīng)驗而進行實時診斷的。井漏風(fēng)險的診斷推理過程是：先分別計算井底壓力和漏失壓力（或者破裂壓力）的值，再將兩者的值相比較，然后還需要觀察一些地面測量參數(shù)，如進出口流量、鉆井液總池體積、立管壓力變化等，最后根據(jù)自己長期積累的經(jīng)驗和知識來判斷是否會發(fā)生井漏（圖1）。

2 系統(tǒng)主要模塊的設(shè)計

2.1 井漏實時監(jiān)測與診斷流程

根據(jù)井漏風(fēng)險分析的特點，結(jié)合現(xiàn)場工藝，在對井漏風(fēng)險分析時，充分利用鄰井資料及目標井地質(zhì)設(shè)計資料建立風(fēng)險樣本，進行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，獲得可靠的網(wǎng)絡(luò)權(quán)重值，同時預(yù)測目標井的漏失壓力和破裂壓力，與實時計算的井底壓力比較。實時采集綜合錄井關(guān)鍵參數(shù)，通過關(guān)鍵參數(shù)的趨勢變化，進行風(fēng)險實時監(jiān)測。最后根據(jù)學(xué)習(xí)完成的BP神經(jīng)網(wǎng)絡(luò)推理分析模型，在綜合考慮和分析其他風(fēng)險力學(xué)因素的基礎(chǔ)上，實現(xiàn)對井漏風(fēng)險的實時監(jiān)測與診斷（圖2）。

圖1 鉆井過程井漏風(fēng)險實時監(jiān)測與診斷BP網(wǎng)絡(luò)圖

圖2 井漏實時監(jiān)測與診斷分析流程圖

2.2 系統(tǒng)模塊組成

通過調(diào)研國內(nèi)外井漏風(fēng)險實時監(jiān)測與診斷的相關(guān)資料，結(jié)合國內(nèi)生產(chǎn)實踐，以BP神經(jīng)網(wǎng)絡(luò)算法理論為基礎(chǔ)，基于Visual Basic語言與SQL Server 2000數(shù)據(jù)庫開發(fā)了一套井漏風(fēng)險實時監(jiān)測與診斷系統(tǒng)。主要功能模塊包括：實時數(shù)據(jù)采集與管理、地層與樣本數(shù)據(jù)管理、風(fēng)險因素識別與分析、井漏風(fēng)險實時監(jiān)測與診斷，并輔助有系統(tǒng)登陸、維護、查詢等功能模塊（圖3）。

圖3 系統(tǒng)主要功能模塊圖

2.2.1 實時數(shù)據(jù)采集與管理

以套接字理論為基礎(chǔ)，開發(fā)實時數(shù)據(jù)采集模塊，支持斷點續(xù)傳和歷史數(shù)據(jù)的補入，不需要改變數(shù)據(jù)采集儀器硬件的自身結(jié)構(gòu)就能完成實時數(shù)據(jù)的同步截取。實時數(shù)據(jù)管理提供對綜合錄井歷史、當前數(shù)據(jù)和曲線的實時回放與瀏覽，以及對井深結(jié)構(gòu)、鉆具組合、鉆井液性能、測井等基礎(chǔ)數(shù)據(jù)的錄入、編輯與修改等功能。

2.2.2 井漏風(fēng)險因素識別

優(yōu)選符合標準的或公認的風(fēng)險因素計算模型，對相關(guān)的鉆井風(fēng)險因素進行實時計算分析，包括巖石力學(xué)參數(shù)、地應(yīng)力、三壓力預(yù)測、鉆柱力學(xué)、水力學(xué)等鉆井風(fēng)險因素，為風(fēng)險診斷分析提供實時計算的鉆井風(fēng)險因素。

2.2.3 樣本數(shù)據(jù)管理

根據(jù)區(qū)塊地質(zhì)特征，按井深建立地層分層數(shù)據(jù)，在建立的地層分層數(shù)據(jù)的基礎(chǔ)上，分別導(dǎo)入或者錄入鄰井風(fēng)險因素樣本數(shù)據(jù)，建立風(fēng)險學(xué)習(xí)樣本，并保存到實時風(fēng)險數(shù)據(jù)庫，為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)提供可靠的樣本數(shù)據(jù)。

2.2.4 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)

展開風(fēng)險理論及井漏風(fēng)險發(fā)生機理研究，總結(jié)井漏風(fēng)險發(fā)生時的表征現(xiàn)象及規(guī)律，確定關(guān)鍵的表征參數(shù)。利用BP神經(jīng)網(wǎng)絡(luò)風(fēng)險評價模型對建立的樣本數(shù)據(jù)進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練和自主學(xué)習(xí)，從而獲得合適的神經(jīng)網(wǎng)絡(luò)權(quán)重值和閾值。

2.2.5 井漏風(fēng)險實時監(jiān)測與診斷

實時監(jiān)測主要是對錄井工程、鉆井液和氣測參數(shù)以及計算的井底壓力、環(huán)空壓降、鉆柱內(nèi)壓降等水力學(xué)參數(shù)進行實時監(jiān)測，根據(jù)實時監(jiān)測參數(shù)的變化趨勢，識別潛在的井漏風(fēng)險。實時診斷的實現(xiàn)必須具備兩個基本條件，首先是學(xué)習(xí)鄰井風(fēng)險樣本數(shù)據(jù)，得到可靠的權(quán)重值。其次是對正鉆井綜合錄井測量數(shù)據(jù)進行實時采集，以及實時井底壓力的計算。具備以上兩個條件后，就可利用設(shè)定數(shù)據(jù)輸入項的神經(jīng)網(wǎng)絡(luò)模型對正鉆開地層處的井漏風(fēng)險進行實時診斷，診斷結(jié)果可以為現(xiàn)場施工起到預(yù)警的作用。

3 現(xiàn)場應(yīng)用

某油田興古區(qū)塊A井位于該油田斷陷盆地西部凹陷興隆臺潛山興古七斷塊，設(shè)計井深為4 661 m，該區(qū)塊斷裂發(fā)育，太古界潛山埋深2 335～4 680 m，鄰井風(fēng)險信息提示需做好防漏、防塌。經(jīng)過收集與篩選，將與當前井距離最近且具有相似地質(zhì)構(gòu)造特征的一口鄰井作為樣本井，分別把樣本井全部錄井、測井等數(shù)據(jù)導(dǎo)入風(fēng)險數(shù)據(jù)庫，定量計算相關(guān)風(fēng)險力學(xué)因素值，根據(jù)區(qū)塊地層特征，建立風(fēng)險樣本，進而對風(fēng)險樣本進行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，保存權(quán)重值。

在鉆至井深2 824 m時，系統(tǒng)診斷出有井漏風(fēng)險的跡象。根據(jù)軟件對錄井數(shù)據(jù)的實時監(jiān)測顯示，實際總池體積由144.04 m3突然下降為141.32 m3，相對流量由4.7%下降到0.7%，系統(tǒng)自動發(fā)出報警，提示有井漏風(fēng)險，起到了井漏風(fēng)險早期預(yù)警的作用（圖4）。

4 結(jié)論

1）采用基于鄰井資料為樣本的BP神經(jīng)網(wǎng)絡(luò)算法建立的井漏風(fēng)險推理分析模型適用于具有復(fù)雜非線性的井漏風(fēng)險分析，滿足了鉆井工程風(fēng)險分析的需要。

2）根據(jù)井漏風(fēng)險分析的特點，結(jié)合現(xiàn)場工藝，設(shè)計了井漏實時監(jiān)測與診斷系統(tǒng)的分析流程，并且構(gòu)建了各子模塊，系統(tǒng)邏輯架構(gòu)清晰，易于實現(xiàn)。

3）某油田興古區(qū)塊A井現(xiàn)場應(yīng)用測試表明，系統(tǒng)能夠?qū)崿F(xiàn)對井漏風(fēng)險的實時監(jiān)測與診斷，診斷結(jié)果為鉆井過程起到了預(yù)警作用，具有一定的現(xiàn)場應(yīng)用價值。

圖4 井漏風(fēng)險實時監(jiān)測與診斷結(jié)果圖

［1］蔣希文.鉆井事故與復(fù)雜問題［M］.北京：石油工業(yè)出版社，2006.

［2］WALT Aldred，IAIN Cooper，CENGIZ Esmersoy，et al.Avoiding drilling problems［J］.Oilfield Review，2001，13（2）：32-51.

［3］連志龍，周英操.無意外風(fēng)險鉆井（NDS）技術(shù)探討［J］.石油鉆采工藝，2009，31（1）：90-94.

［4］USMAN Ahmed，KAREN Glaser，EDUARD Siebrits，et al.Watching rocks change-mechanical earth modeling［J］.Oilfield Review，2003，15（2）：22-39.

［5］樂守群，梁海波，趙慶，等.鉆井風(fēng)險實時診斷技術(shù)概念設(shè)計［J］. 鉆采工藝，2011，34（1）：7-10.

［6］袁曾任.人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用［M］.北京：清華大學(xué)出版社，2003.