鄒德永, 孟祥雨, 袁 軍, 王 濱
(中國(guó)石油大學(xué)(華東)石油工程學(xué)院,山東青島 266580)
?
?鉆井完井?
基于模式識(shí)別的鉆頭選型新方法
鄒德永, 孟祥雨, 袁軍, 王濱
(中國(guó)石油大學(xué)(華東)石油工程學(xué)院,山東青島 266580)
摘要:針對(duì)目前鉆井過程中因鉆頭選型不合理、鉆頭與所鉆地層不匹配,導(dǎo)致鉆頭使用效果差的問題,建立了一種基于模式識(shí)別的鉆頭選型新方法。利用模式識(shí)別理論,對(duì)已鉆井地層及使用的鉆頭進(jìn)行聚類分析,建立了地層-鉆頭標(biāo)準(zhǔn)模式,然后利用K-NN算法對(duì)待鉆地層進(jìn)行識(shí)別歸類,通過地層-鉆頭標(biāo)準(zhǔn)模式即可選出最佳鉆頭。該方法在青海油田東坪、牛東區(qū)塊的2口井中進(jìn)行了鉆頭選型現(xiàn)場(chǎng)試驗(yàn),給出了鉆頭優(yōu)選方案,實(shí)鉆數(shù)據(jù)表明,與未使用推薦鉆頭的鄰井相比,2口井的鉆速和進(jìn)尺都有了很大提高,提速效果明顯。研究結(jié)果表明,基于模式識(shí)別的鉆頭選型新方法既考慮了地層多種抗鉆特性參數(shù),又考慮了鉆頭使用效果,鉆頭優(yōu)選方案更合理,可以更好地實(shí)現(xiàn)鉆井提速提效的目的。
關(guān)鍵詞:鉆頭選型;聚類分析;模式識(shí)別;標(biāo)準(zhǔn)模式;青海油田
目前常見的鉆頭選型方法可分為3類[1-2]:統(tǒng)計(jì)分析法(經(jīng)驗(yàn)法)、巖石力學(xué)參數(shù)法和人工神經(jīng)網(wǎng)絡(luò)法。統(tǒng)計(jì)分析法是在對(duì)已鉆井資料進(jìn)行統(tǒng)計(jì)分析的基礎(chǔ)上,建立某區(qū)塊地層與鉆頭類型的經(jīng)驗(yàn)關(guān)系,據(jù)此進(jìn)行鉆頭選型,如H.Rabia等人[3]的每米鉆井成本法和楊進(jìn)等人[4]的鉆頭效益指數(shù)法,選出的鉆頭只適用于特定地層,沒有普遍指導(dǎo)意義;巖石力學(xué)參數(shù)法是通過對(duì)地層巖性進(jìn)行定量評(píng)價(jià),建立某種巖石力學(xué)參數(shù)(抗壓強(qiáng)度或可鉆性級(jí)值)與鉆頭的對(duì)應(yīng)關(guān)系,據(jù)此選擇鉆頭,如J.R.Spaar等人[5]通過巖石內(nèi)摩擦角選擇鉆頭,但由于單一的巖石參數(shù)并不能全面反映地層的綜合抗鉆特性,因此其選型結(jié)果誤差較大;人工神經(jīng)網(wǎng)絡(luò)法綜合考慮地層各項(xiàng)力學(xué)參數(shù)和鉆頭使用效果,從而建立地層和鉆頭的對(duì)應(yīng)關(guān)系,如閻鐵等人[6]的人工神經(jīng)網(wǎng)絡(luò)鉆頭優(yōu)選方法,但該方法需要大量準(zhǔn)確的訓(xùn)練樣本,因此實(shí)用性不強(qiáng)。為此,筆者利用模式識(shí)別理論,在考慮多種地層抗鉆特性參數(shù)的情況下對(duì)現(xiàn)場(chǎng)已鉆地層和鉆頭資料進(jìn)行聚類分析,建立了合理的、具有普遍指導(dǎo)意義的地層-鉆頭標(biāo)準(zhǔn)模式,利用K-NN算法對(duì)待鉆地層進(jìn)行識(shí)別歸類,從而選出對(duì)應(yīng)的最優(yōu)鉆頭。
1基于模式識(shí)別的鉆頭選型原理及方法
1.1基于模式識(shí)別的鉆頭選型原理
所謂模式識(shí)別,是根據(jù)研究對(duì)象的特征或?qū)傩?,運(yùn)用一定的分析算法認(rèn)定其類別[7]。一個(gè)完整的模式識(shí)別系統(tǒng)包括數(shù)據(jù)的采集、特征的提取、分類器的訓(xùn)練學(xué)習(xí)和未知對(duì)象的識(shí)別歸類,原理如圖1所示。其中:樣本數(shù)據(jù)的采集是將研究對(duì)象的重要特征或?qū)傩赃M(jìn)行量化,形成特征矢量或符號(hào)串,產(chǎn)生代表對(duì)象的模式;特征的提取及處理是為了簡(jiǎn)化計(jì)算,將對(duì)分類識(shí)別影響最大的特征提取出來,并進(jìn)行規(guī)格化處理;分類器是按照某種算法,以處理后的樣本數(shù)據(jù)為基礎(chǔ)進(jìn)行學(xué)習(xí),建立分類識(shí)別的規(guī)則;分類識(shí)別是按照所訓(xùn)練出的分類規(guī)則,對(duì)待識(shí)別對(duì)象進(jìn)行歸類。
圖1 模式識(shí)別原理示意Fig.1 Sketch of pattern recognition principle
目前模式識(shí)別技術(shù)已廣泛應(yīng)用于人工智能、生物醫(yī)學(xué)和地質(zhì)勘探等領(lǐng)域。在大量高維度樣本數(shù)據(jù)處理方面,模式識(shí)別具有數(shù)據(jù)結(jié)構(gòu)要求低、算法簡(jiǎn)單、學(xué)習(xí)速度快和識(shí)別歸類準(zhǔn)確的優(yōu)點(diǎn)。油田的歷史鉆井資料齊全,地層和鉆頭相關(guān)數(shù)據(jù)充足,可以作為模式識(shí)別的訓(xùn)練樣本,訓(xùn)練出地層-鉆頭標(biāo)準(zhǔn)模式,并指導(dǎo)待鉆地層的鉆頭選型。
1.2基于模式識(shí)別的鉆頭選型方法
基于模式識(shí)別的鉆頭選型方法主要包括2部分:1)訓(xùn)練模塊,建立地層-鉆頭標(biāo)準(zhǔn)模式;2)選型模塊,進(jìn)行待鉆地層的識(shí)別歸類及鉆頭選型。在訓(xùn)練模塊中,通過對(duì)歷史鉆井資料的統(tǒng)計(jì)處理,建立鉆頭使用數(shù)據(jù)庫(包括井位、井深、鉆井參數(shù)、鉆頭使用效果和地層抗鉆特性參數(shù)),通過地層聚類分析和鉆頭優(yōu)選,建立地層-鉆頭標(biāo)準(zhǔn)模式;在鉆頭選型模塊中,通過鄰井資料分析待鉆地層的抗鉆特性,然后利用K-NN識(shí)別模型對(duì)其進(jìn)行識(shí)別歸類,結(jié)合地層-鉆頭標(biāo)準(zhǔn)模式即可得到與待鉆地層最匹配的鉆頭。利用該方法進(jìn)行鉆頭選型的流程如圖2所示。
圖2 基于模式識(shí)別的鉆頭選型流程Fig.2 Flow chart of bit selection based on pattern recognition
在該方法中,標(biāo)準(zhǔn)模式建立模塊和鉆頭選型模塊既相對(duì)獨(dú)立,又通過地層-鉆頭類型標(biāo)準(zhǔn)模式相互關(guān)聯(lián)。不斷向鉆頭使用數(shù)據(jù)庫中錄入最新的鉆頭使用資料,通過聚類分析和鉆頭優(yōu)選實(shí)時(shí)更新地層-鉆頭標(biāo)準(zhǔn)模式,保證鉆頭選型的準(zhǔn)確性。
2地層-鉆頭標(biāo)準(zhǔn)模式的建立
2.1地層抗鉆特性參數(shù)的提取及計(jì)算
描述地層抗鉆特性的參數(shù)眾多,考慮的因素過多會(huì)增加數(shù)據(jù)處理的負(fù)擔(dān),考慮過少又會(huì)影響結(jié)果的準(zhǔn)確性。鉆井實(shí)踐表明,影響鉆頭使用效果的主要地層抗鉆特性參數(shù),包括地層巖性、巖石可鉆性級(jí)值、巖石研磨性指數(shù)和地層非均質(zhì)系數(shù)[8]。
1) 地層巖性劃分。鉆井中鉆遇的地層巖性種類繁多,為了研究方便,在不影響鉆頭選型的前提下,參考石油地質(zhì)和測(cè)井分類結(jié)果,將巖性相近的地層合并,對(duì)地層進(jìn)行分類并編號(hào),結(jié)果見表1。
表1 地層巖性分類
2) 巖石可鉆性級(jí)值和研磨性指數(shù)計(jì)算。關(guān)于巖石可鉆性級(jí)值和研磨性指數(shù)的預(yù)測(cè)方法,國(guó)內(nèi)外學(xué)者進(jìn)行了系統(tǒng)研究并取得了很好的效果[9-13]。巖石可鉆性預(yù)測(cè)模型表示為[9]:
(1)
式中:Kd為標(biāo)準(zhǔn)巖石可鉆性級(jí)值;Δt為縱波時(shí)差,μs/m;a,b為回歸系數(shù),與地層有關(guān)。
利用采集的現(xiàn)場(chǎng)巖心進(jìn)行了大量試驗(yàn),采用試驗(yàn)數(shù)據(jù)擬合出了巖石研磨性預(yù)測(cè)模型:
R=0.91
(2)
式中:AI為巖石研磨性指數(shù);σc為巖石抗壓強(qiáng)度,MPa;Vsh為巖石泥質(zhì)含量。
3) 地層非均質(zhì)系數(shù)計(jì)算。鉆頭在地層中鉆進(jìn)時(shí),由于巖性、地質(zhì)結(jié)構(gòu)等因素的變化,導(dǎo)致地層抗鉆特性參數(shù)也在變化??广@特性參數(shù)波動(dòng)越大,說明地層越不均質(zhì),反之則表示地層越均質(zhì)。用地層可鉆性級(jí)值的離散性程度來表示地層的非均質(zhì)性。離散系數(shù)的計(jì)算式為:
(3)
式中:ξ為離散系數(shù);S(i)為第i層段地層可鉆性級(jí)值的均方差;m為目標(biāo)地層的分段數(shù),一般以10~100 m為一段進(jìn)行劃分,地層可鉆性級(jí)值的變化梯度越大,劃分應(yīng)越細(xì),以提高計(jì)算精度。
2.2地層的K均值聚類分析
利用地層抗鉆特性參數(shù)對(duì)地層進(jìn)行定量描述后發(fā)現(xiàn),即使是相同層位的地層,其巖石力學(xué)性質(zhì)差別也可能很大,導(dǎo)致同一鉆頭鉆進(jìn)效果差異很大。因此,只有結(jié)合多種地層抗鉆特性參數(shù)才能對(duì)地層進(jìn)行更準(zhǔn)確的聚類分析[14-16]。K均值聚類[17]是模式識(shí)別中運(yùn)用最廣泛的方法之一,其基本原理就是取k個(gè)對(duì)象作為初始類心,按照最小距離原則將各對(duì)象歸類,之后通過迭代計(jì)算不斷改進(jìn)類型和各對(duì)象類別,最終使類內(nèi)平方和最小。如圖3所示:取k=2,算法就會(huì)通過迭代計(jì)算將性質(zhì)相似的對(duì)象聚在一起,最終聚為2類;取k=3,最終就會(huì)聚為3類(其中紅點(diǎn)為聚類中心)。
圖3 聚類分析示意Fig.3 Sketch of cluster analysis
地層的K均值聚類有5個(gè)步驟:
1)數(shù)據(jù)統(tǒng)計(jì)整理,規(guī)格化。假設(shè)通過統(tǒng)計(jì)現(xiàn)場(chǎng)資料得到m個(gè)鉆頭,每個(gè)鉆頭所鉆遇的地層為一個(gè)聚類對(duì)象,得到m個(gè)地層層段,對(duì)每個(gè)地層層段進(jìn)行抗鉆特性參數(shù)描述(地層巖性、可鉆性級(jí)值、研磨性指數(shù)和非均質(zhì)系數(shù)),最終得到m行4列的地層聚類樣本矩陣:
(4)
式中:m為樣本中地層對(duì)象總數(shù);xij為第i個(gè)地層的抗鉆特性參數(shù),i=1,2,…,m;j=1,2,3,4,分別對(duì)應(yīng)地層巖性、可鉆性級(jí)值、研磨性指數(shù)和非均質(zhì)系數(shù)。
為了消除特性指標(biāo)單位的差別和量級(jí)不同的影響,需對(duì)各指標(biāo)值實(shí)行數(shù)據(jù)規(guī)格化處理,筆者采用了極差規(guī)格化法:
(5)
式中:Mj和mj分別為第j個(gè)參數(shù)的最大值和最小值。
2) 用戶給定聚類數(shù)目k,隨機(jī)選取k個(gè)對(duì)象作為初始聚類中心。
3) 計(jì)算每個(gè)對(duì)象與k個(gè)初始聚類中心的距離,將其分配到最近的聚類中,最終將樣本分為k類;常用的Euclid距離計(jì)算模型的表達(dá)式為:
(6)
式中:ωk為各特征參數(shù)的權(quán)重。
歷史鉆井資料的統(tǒng)計(jì)分析結(jié)果表明,巖石可鉆性對(duì)鉆頭使用效果的影響最大,研磨性和非均質(zhì)性次之,巖性最弱,因此筆者將可鉆性級(jí)值、研磨性指數(shù)、非均質(zhì)系數(shù)和巖性的權(quán)重分別定為0.5、0.2、0.2和0.1。
4) 對(duì)每一聚類體,采用均值算法計(jì)算新的聚類中心。
5) 如果新的聚類中心與初始聚類中心不相等,則將新的聚類中心作為初始聚類中心,重復(fù)步驟3)、4),直至聚類中心不再變化。
完成迭代后,即得到k類地層和對(duì)應(yīng)的聚類中心,每一類地層的聚類中心可作為該類地層的代表,從而得到k類地層的抗鉆特性參數(shù)向量:
(7)
2.3鉆頭使用效果評(píng)價(jià)
每一類地層所對(duì)應(yīng)的鉆頭,需要對(duì)其使用效果進(jìn)行合理的評(píng)價(jià),以優(yōu)選出效果最好的鉆頭。在鉆井作業(yè)現(xiàn)場(chǎng),鉆頭的進(jìn)尺和機(jī)械鉆速僅與所鉆地層性質(zhì)、鉆頭品質(zhì)和鉆井液性能有關(guān),能夠真實(shí)地反映出鉆頭性能的優(yōu)劣,并且容易獲得。因此,筆者采用機(jī)械鉆速與鉆頭進(jìn)尺的乘積來評(píng)價(jià)鉆頭的使用效果,定義為鉆頭使用效果指數(shù)(簡(jiǎn)稱效果指數(shù)):
(8)
式中:P為鉆頭使用效果指數(shù);v為機(jī)械鉆速,m/h;ΔD為鉆頭進(jìn)尺,m。
對(duì)每一類地層中的鉆頭計(jì)算其效果指數(shù),效果指數(shù)最大的鉆頭即為最適合該類地層的鉆頭。
3待鉆地層識(shí)別歸類
模式識(shí)別是在已有的分類模式下,根據(jù)待識(shí)別對(duì)象的特征,運(yùn)用一定的算法認(rèn)定其類別。模式識(shí)別有多種方法,其中K-NN法[7]原理簡(jiǎn)單、可靠度高,且對(duì)數(shù)據(jù)結(jié)構(gòu)無特殊要求。K-NN法的基本原理為:有一堆已知分類的數(shù)據(jù),然后當(dāng)一個(gè)新數(shù)據(jù)進(jìn)入時(shí),計(jì)算新數(shù)據(jù)與已分類數(shù)據(jù)的距離,然后挑選離這個(gè)新數(shù)據(jù)最近的k個(gè)點(diǎn),查看這k個(gè)點(diǎn)所屬分類,然后用少數(shù)服從多數(shù)的原則,給新數(shù)據(jù)歸類。因此,當(dāng)訓(xùn)練數(shù)據(jù)較大時(shí),該方法計(jì)算量也會(huì)增大。
為了簡(jiǎn)化計(jì)算,筆者以每類的類心代表該類所有地層。因此,當(dāng)待鉆地層加入時(shí),不再需要和所有對(duì)象進(jìn)行計(jì)算,只需和各類心進(jìn)行計(jì)算,然后按照最小距離原則歸類即可,如圖4所示。
圖4 簡(jiǎn)化的模式識(shí)別原理示意Fig.4 Sketch of a simplified pattern recognition principle
設(shè)對(duì)待鉆地層進(jìn)行抗鉆特性預(yù)測(cè)后得到的抗鉆特性參數(shù)向量為:
(9)
K-NN模式識(shí)別模型:
(10)
式中:Z為待鉆地層的抗鉆特性參數(shù)向量;di為待鉆地層與分類地層的相似度;Yi為鉆頭選型標(biāo)準(zhǔn)模式中的地層抗鉆特性參數(shù)向量;w(i)為特征參數(shù)的權(quán)重。
4現(xiàn)場(chǎng)試驗(yàn)
4.1青海油田地層-鉆頭標(biāo)準(zhǔn)模式的建立
收集青海油田東坪、牛東、扎哈泉3個(gè)區(qū)塊的地質(zhì)資料、鉆井報(bào)告和測(cè)井資料等,共計(jì)23口井208只鉆頭,進(jìn)行地層抗鉆特性評(píng)價(jià)、地層模糊聚類分析和鉆頭優(yōu)選,建立了地層-鉆頭標(biāo)準(zhǔn)模式(見表2)。
表2 青海油田地層-鉆頭標(biāo)準(zhǔn)模式
4.2現(xiàn)場(chǎng)試驗(yàn)效果分析
東坪區(qū)塊某預(yù)鉆井(記為A井)位于柴達(dá)木盆地阿爾金山前東段,是東坪斜坡東坪1區(qū)塊的一口開發(fā)直井,設(shè)計(jì)井深3 650.00 m,完鉆層位為基巖。其中預(yù)鉆地層為路樂河組和基巖地層,屬于難鉆地層。先利用鄰井測(cè)井資料對(duì)其進(jìn)行了抗鉆特性評(píng)價(jià),然后結(jié)合該井地質(zhì)分層和井身結(jié)構(gòu)設(shè)計(jì),給出了鉆頭優(yōu)選方案,實(shí)鉆數(shù)據(jù)見表3,鄰井所用鉆頭及鉆進(jìn)效果見表4。
表3 東坪區(qū)塊A井推薦鉆頭使用效果
表4東坪區(qū)塊A井鄰井所用鉆頭及鉆進(jìn)效果
Table 4The adopted bit and its drilling effects in the offset well of Well A in the Dongping Block
入井深度/m出井深度/m鉆頭型號(hào)鉆速/(m·h-1)進(jìn)尺/m效果指數(shù)3196.863207.36BR1376WA-60.7210.501.503207.363235.17HL5131.3427.812.063235.173278.47HL5131.2543.302.223278.473360.00BR1376WA-60.6881.532.23
對(duì)比表3和表4可知,非均質(zhì)性較強(qiáng)的砂礫巖地層(埋深3 140.00~3 510.00 m)不宜選用PDC鉆頭,應(yīng)選擇抗沖擊振動(dòng)能力更好的MD517型牙輪鉆頭;而在硬質(zhì)的變質(zhì)砂巖和火成巖地層(埋深3 510.00~3 650.00 m)中,由于地層研磨性較高,PDC鉆頭的效果同樣不理想,宜選用抗研磨性的HJ517G型鑲齒牙輪鉆頭??傮w來看,相比未使用推薦鉆頭的鄰井,A井的鉆速和進(jìn)尺都有明顯提高。
牛東區(qū)塊某井(記為B井)位于柴達(dá)木盆地西部北區(qū)阿爾金山前牛東鼻隆構(gòu)造高點(diǎn),設(shè)計(jì)井深2 480.00 m,在小煤溝組地層完鉆。該區(qū)塊地層巖性復(fù)雜,夾層較多,地層非均質(zhì)性強(qiáng)。為提高該井的鉆井速度,結(jié)合鄰井資料,對(duì)路樂河組及小煤溝組地層進(jìn)行了抗鉆特性分析,結(jié)合該井地質(zhì)分層和井身結(jié)構(gòu)設(shè)計(jì),給出了鉆頭優(yōu)選方案,實(shí)鉆數(shù)據(jù)見表5,鄰井所用鉆頭及其鉆進(jìn)效果見表6。
表5 牛東區(qū)塊B井推薦鉆頭使用效果
表6牛東區(qū)塊B井鄰井所用鉆頭及鉆進(jìn)效果
Table 6The adopted bit and its drilling effects in the offset well of Well B in the Niudong Block
入井深度/m出井深度/m鉆頭型號(hào)鉆速/(m·h-1)進(jìn)尺/m效果指數(shù)2072.922137.55HJ517G1.5664.632.522137.552274.32HJ517G1.27136.772.812274.322300.00HJ517G1.7725.682.15
對(duì)比表5和表6可知,雖然該層段非均質(zhì)性較強(qiáng),但總體可鉆性級(jí)值和研磨性指數(shù)都不高,采用具有抗沖擊性的PDC鉆頭要比牙輪鉆頭的效果更好。
綜合而言,相比未使用推薦鉆頭的鄰井,A井和B井的鉆速及進(jìn)尺都有很大提高,可見推薦鉆頭選型方案更合理、更有針對(duì)性。
5結(jié)論
1) 提取了地層巖性、可鉆性級(jí)值、研磨性指數(shù)和非均質(zhì)系數(shù)等4個(gè)抗鉆特性參數(shù)作為地層聚類分析和識(shí)別歸類的特征值,既能全面反映地層的抗鉆特性,又簡(jiǎn)化了計(jì)算。
2) 聚類分析有效地解決了復(fù)雜地層分類與鉆頭優(yōu)選的問題,建立的地層-鉆頭標(biāo)準(zhǔn)模式具有普遍指導(dǎo)意義,K-NN模型能夠準(zhǔn)確地對(duì)待鉆地層進(jìn)行識(shí)別歸類。
3) 現(xiàn)場(chǎng)試驗(yàn)結(jié)果表明,利用基于模式識(shí)別的鉆頭選型新方法優(yōu)選的鉆頭選型方案更合理,可以更好地實(shí)現(xiàn)鉆井提速提效的目的。
4) 基于模式識(shí)別的鉆頭選型新方法為一套既考慮地層多種抗鉆特性參數(shù)又考慮鉆頭使用效果的通用性鉆頭選型方法。
參考文獻(xiàn)
References
[1]白萍萍,步玉環(huán),李作會(huì).鉆頭選型方法的現(xiàn)狀及發(fā)展趨勢(shì)[J].西部探礦工程,2013,25(11):79-82.
BAI Pingping,BU Yuhuan,LI Zuohui.The present situation and development of bit selection[J].West-China Exploration Engineering,2013,25(11):79-82.
[2]張輝,高德利.鉆頭選型方法綜述[J].石油鉆采工藝,2005,27(4):1-5.
ZHANG Hui,GAO Deli.Review on drill bit selection methods[J].Oil Drilling & Production Technology,2005,27(4):1-5.
[3]RABIA H,F(xiàn)ARRELLY M,BARR M V,et al.A new approach to drill bit selection[R].SPE 15894,1986.
[4]楊進(jìn),高德利,劉書杰,等.一種鉆頭選型新方法研究[J].石油鉆采工藝,1998,15(5):38-40.
YANG Jin,GAO Deli,LIU Shujie,et al.Research on a new method for type-selection of bit[J].Oil Drilling & Production Technology,1998,15(5):38-40.
[5]SPAAR J R,LEDGERWOOD L W,GOODMAN H,et al.Formation compressive strength estimates for predicting drillability and PDC bit selection[R].SPE 29397,1995.
[6]閻鐵,劉春天,畢雪亮,等.人工神經(jīng)網(wǎng)絡(luò)在大慶深井鉆頭優(yōu)選中的應(yīng)用[J].石油學(xué)報(bào),2002,23(4):102-106.
YAN Tie,LIU Chuntian,BI Xueliang,et al.Application of artificial neural network on optimizing bit type in Daqing deep wells[J].Acta Petrolei Sinica,2002,23(4):102-106.
[7]孫即祥.現(xiàn)代模式識(shí)別[M].長(zhǎng)沙:國(guó)防科技大學(xué)出版社,2001:1-8.
SUN Jixiang.Modern pattern recognition[M].Changsha:University of National Defence Technology Press,2001:1-8.
[8]張輝,高德利.鉆頭選型通用方法研究[J].石油大學(xué)學(xué)報(bào)(自然科學(xué)版),2005,29(6):45-49.
ZHANG Hui,GAO Deli.Study on universal method of bit selection[J].Journal of the University of Petroleum,China(Edition of Natural Science),2005,29(6):45-49.
[9]高德利,潘起峰,張武輦.南海西江大位移井鉆頭選型技術(shù)研究[J].石油鉆采工藝,2004,26(1):1-4.
GAO Deli,PAN Qifeng,ZHANG Wunian.Study on drill bit selections for Xijiang extended-reach wells in South China Sea[J].Oil Drilling & Production Technology,2004,26(1):1-4.
[10]MENSA-WILMOT G,F(xiàn)EAR M J.The effects of formation hardness,abrasiveness,heterogeneity and hole size on PDC bit performance[R].SPE 67698,2001.
[11]鄒德永,程遠(yuǎn)方,查永進(jìn),等.利用巖屑波速隨鉆檢測(cè)地層可鉆性及優(yōu)選鉆頭類型[J].石油大學(xué)學(xué)報(bào)(自然科學(xué)版),2005,29(1):37-40.
ZOU Deyong,CHENG Yuanfang,ZHA Yongjin,et al.Rock-drillability evaluation and bit selection through ultrasonic velocity measurement on cuttings[J].Journal of the University of Petroleum,China(Edition of Natural Science),2005,29(1):37-40.
[12]梁?jiǎn)⒚?,鄒德永,張華衛(wèi),等.利用測(cè)井資料綜合預(yù)測(cè)巖石可鉆性的試驗(yàn)研究[J].石油鉆探技術(shù),2006,34(1):17-19.
LIANG Qiming,ZOU Deyong,ZHANG Huawei,et al.Predicting rock drillability by well logging:an experimental research[J].Petroleum Drilling Techniques,2006,34(1):17-19.
[13]鄒德永,王瑞和.PDC鉆頭的巖石研磨性試驗(yàn)研究[J].石油大學(xué)學(xué)報(bào)(自然科學(xué)版),2003,27(2):41-43.
ZOU Deyong,WANG Ruihe.Experimental study on rock abrasiveness with PDC bit[J].Journal of the University of Petroleum,China(Edition of Natural Science),2003,27(2):41-43.
[14]王克雄,魏鳳奇.測(cè)井資料在地層抗鉆特性參數(shù)預(yù)測(cè)中的應(yīng)用研究[J].石油鉆探技術(shù),2003,31(5):61-62.
WANG Kexiong,WEI Fengqi.Applications of logging information in predicting formation anti-drilling parameters[J].Petroleum Drilling Techniques,2003,31(5):61-62.
[15]周德勝,夏宇文.為鉆頭選型的地層模糊聚類研究[J].西南石油學(xué)院學(xué)報(bào),1994,16(4):74-78.
ZHOU Desheng,XIA Yuwen.The fuzzy cluster analysis of formation for the bit selection[J].Journal of Southwest Petroleum Institute,1994,16(4):74-78.
[16]張鵬,張?jiān)诿?,楊宇?等.模糊聚類在地層分析中的應(yīng)用[J].巖土力學(xué),2009,30(8):2348-2352.
ZHANG Peng,ZHANG Zaiming,YANG Yuyou,et al.Application of fuzzy cluster to geotechnical stratum analysis[J].Rock and Soil Mechanics,2009,30(8):2348-2352.
[17]邵峰晶,于忠清.數(shù)據(jù)挖掘原理與算法[M].北京:中國(guó)水利水電出版社,2003:219-224.
SHAO Fengjing,YU Zhongqing.Principle and algorithm of data mining[M].Beijing:China Waterpower Press,2003:219-224.
[編輯令文學(xué)]
A New Method for Bit Selection Based on Pattern Recognition
ZOU Deyong, MENG Xiangyu, YUAN Jun, WANG Bin
(SchoolofPetroleumEngineering,ChinaUniversityofPetroleum(Huadong),Qingdao,Shandong, 266580,China)
Abstract:In drilling engineering, poor bit performance often results from unreasonable bit selections and mechanical properties that are unsuitable for certain formations. Therefore, a new method for selecting bit types based on the pattern recognition method was established. First, a cluster analysis was performed on the drilled strata and bits were adopted according to pattern recognition theory, and then a stratum-bit standard or guide was constructed. Second, the strata to be drilled were identified and classified by means of K-NN algorithm, and the optimum bit was selected on the basis of the stratum-bit standard mode. Finally, the bit selection scheme was provided and applied to two wells in Dongping and Niudong Blocks, Qinghai Oilfield. Practical drilling data showed that drilling rate and footage in the two wells improved when the recommendations were followed. It is indicated that new bit selection method based on pattern recognition not only considered various drilling resistant parameters of strata, but also focused on bit performance. So, the new bit selection scheme is considered to be more reasonable that earlier approaches, and it is possible to significantly improve the drilling rate and efficiency.
Key words:bit selection;cluster analysis;pattern recognition;standard mode;Qinghai Oilfield
中圖分類號(hào):TE921+.1
文獻(xiàn)標(biāo)志碼:A
文章編號(hào):1001-0890(2016)02-0040-06
doi:10.11911/syztjs.201602007
基金項(xiàng)目:國(guó)家科技重大專項(xiàng)“薄互層低滲透油藏水平井優(yōu)快鉆井技術(shù)”子課題“薄互層水平井導(dǎo)向PDC鉆頭優(yōu)化設(shè)計(jì)及導(dǎo)向特性研究”(編號(hào):2011ZX05051)資助。
作者簡(jiǎn)介:鄒德永(1962—),男,山東威海人,1984年畢業(yè)于華東石油學(xué)院鉆井工程專業(yè),2004年獲石油大學(xué)(華東)油氣井工程專業(yè)博士學(xué)位,教授,博士生導(dǎo)師,主要從事油氣井工程方面的教學(xué)與科研工作。系本刊審稿專家。E-mail:zouyan@upc.edu.cn。
收稿日期:2015-11-09;改回日期:2016-02-19。