萬 康 馬志超 郭青松 任忠宏 孟姝婳 施寶海
(①中國石油渤海鉆探第一錄井公司;②中國石油大港油田公司第一采油廠)
石油鉆井工程是石油、天然氣等資源勘探開發(fā)的主要手段,是一項復(fù)雜、風險高的地下工程,鉆井施工作業(yè)過程中伴隨著大量隨機、模糊、不確定和不可控因素[1]。由地質(zhì)構(gòu)造、地層結(jié)構(gòu)及水文、鉆井施工工藝及施工設(shè)備、油氣分布及鉆井環(huán)境等各種因素造成的鉆井事故,嚴重威脅著鉆井施工作業(yè)的安全,增大了施工作業(yè)的風險系數(shù)[2]。因此,快速高效精準預(yù)報鉆井施工作業(yè)過程中的事故事件,對于保障鉆井施工作業(yè)的安全、降低鉆井施工作業(yè)的成本、提高鉆井效率和效益具有重要意義。
人工智能技術(shù)的關(guān)鍵領(lǐng)域和產(chǎn)業(yè)鏈,涉及圖像識別、人臉識別、語音識別、大數(shù)據(jù)、模糊邏輯控制、神經(jīng)網(wǎng)絡(luò)、專家控制、模式識別移動機器人、智能視覺、無人駕駛、區(qū)塊鏈、人工智能風控、云計算、無人農(nóng)業(yè)、智能農(nóng)業(yè)機器人等。目前人工智能技術(shù)已經(jīng)開始在石油鉆井施工作業(yè)中應(yīng)用,可以對油氣田勘探開發(fā)過程中的大量原始數(shù)據(jù)進行快速的匯總、分析,為鉆井施工作業(yè)安全提供有力的技術(shù)支撐,提高施工作業(yè)效率。將人工智能技術(shù)用于石油鉆井工程施工作業(yè)預(yù)警中,可以更好地發(fā)揮人工智能技術(shù)在精準分析、快速高效判斷等方面的特點,快速超前地實現(xiàn)各種異常的超前預(yù)警,并有效防控,保障石油鉆井工程施工作業(yè)的安全,值得深入研究及推廣應(yīng)用。
鉆井作業(yè)過程中常發(fā)生鉆具刺漏、斷鉆具、鉆頭磨損、鉆頭泥包、水眼堵、掉水眼、蹩鉆、跳鉆、遇阻、卡鉆、井漏、井涌、井塌、溢流等事故。其中井漏型事故是鉆井液由井眼開始,逐漸地滲漏至地層的一種常見事故[3]。該事故一般是因為鉆井工程在施工過程中發(fā)生了不規(guī)范操作,或者是井底液柱壓力高于地層壓力導致的。若在事故出現(xiàn)后不及時使用對應(yīng)的技術(shù)進行科學規(guī)范的處理,很有可能讓事故損害進一步擴大化,甚至影響到鉆井施工作業(yè)的安全。溢流是在鉆井施工過程中,井筒的液柱壓力低于地層壓力的時候,鉆桿與井口發(fā)生不停噴出鉆井液的事故現(xiàn)象。若溢流不及時處理,鉆井液將會不斷地增加,直到形成井涌事故。井涌是由于鉆井溢流未能獲得及時處置而導致的事故[4]。井塌主要是地層的穩(wěn)定性遭遇到破壞所導致的事故。因為石油鉆井工程的頁巖地層里存在一定比例的可溶性鹽與黏土礦物質(zhì),該物質(zhì)與地層的水平應(yīng)力會形成一種相互影響的作用,很容易誘發(fā)地層穩(wěn)定性破壞,造成井塌事故[5]。另外,若在鉆井時遇到高壓油氣層或側(cè)壓力相對偏大的地層時容易發(fā)生垮塌情況,對施工安全與工期保障會帶來很大影響。
正常沉積條件下,地層壓力等于同一深度的地層水靜液柱壓力,鉆井過程中通過鉆井液來平衡地層壓力。在某些情況下,地層壓力高于或低于正常值,若鉆井液密度未及時調(diào)整,則會產(chǎn)生溢流、井涌、井噴、井漏等工程事故。在鉆井施工過程中,鉆具組合不合適、鉆井參數(shù)選擇不恰當,或長期連續(xù)工作帶來的鉆具疲勞損壞、腐蝕、機械損壞等,會導致鉆具斷裂、鉆頭磨損、鉆具刺漏等工程事故。鉆遇鹽層、頁巖等地層,井壁容易出現(xiàn)縮進、垮塌,會發(fā)生卡鉆、遇阻等工程事故。鉆遇含硫地層,腐蝕鉆具發(fā)生“氫脆”,會導致斷鉆具、刺鉆等工程事故。
在石油鉆井工程事故預(yù)警過程中,如果單純地依靠某一種參數(shù),難以全面地了解事故的類型以及形成的原因。目前較為普遍的石油鉆井工程事故預(yù)警方法,是通過鉆井工程參數(shù)異常變化綜合識別工程異常。技術(shù)原理以及具體過程如下:在鉆機不同部位安裝傳感器,對各傳感器進行校驗(確保傳感器的穩(wěn)定),對鉆機運行過程中的各種參數(shù)進行記錄,形成曲線,通過各項參數(shù)的趨勢變化,分析故障類型并進行處理,如表1所示[6]。
通過鉆井工程參數(shù)異常變化識別工程異常,需要隨時跟蹤各項參數(shù)的變化,工作中對各項參數(shù)變化的細節(jié)認真觀察、分析,要求操作人員要有高度的責任心,有一定的專業(yè)知識及工作經(jīng)驗,要熟悉事故的類型,排除干擾因素。
利用信息技術(shù)將數(shù)據(jù)異常推送給后方專家,結(jié)合專家經(jīng)驗,針對反饋的信息作出科學的推斷,不但可以做到對故障進行快速、精準識別,還可以結(jié)合豐富的故障處理經(jīng)驗,自動形成故障解決方案,而這些都為事故的快速處理提供了重要的支持。
表1 鉆井工程參數(shù)異常變化
通過遠程作業(yè)支持系統(tǒng),能夠切實提高現(xiàn)場工程事故預(yù)警的水平。做到前后方地質(zhì)工程一體化運行,需要構(gòu)建前后方一體化平臺[7],雖然此方式方便快捷、準確率高,但依然對操作人員的經(jīng)驗要求較高。
基于上述兩種預(yù)警方法的優(yōu)缺點,構(gòu)建一套人工智能石油鉆井工程事故預(yù)警系統(tǒng)是大勢所趨。如果利用人工智能技術(shù),實時地對海量數(shù)據(jù)進行快速高效處理,對異常事故作出快速精準的判斷,不斷總結(jié)人為判斷經(jīng)驗,減少誤報,提高預(yù)報準確率,將是今后石油鉆井工程事故智能預(yù)警的重要課題,下面主要探討基于人工智能技術(shù)的模糊神經(jīng)網(wǎng)絡(luò)在石油鉆井工程事故預(yù)警中的應(yīng)用情況[8]。
石油鉆井工程是一個動態(tài)性的過程,而施工作業(yè)過程中地質(zhì)條件復(fù)雜多變,讓事故的發(fā)生存在很強的不確定性。為提高預(yù)警工作的效果,需要對鉆井施工各項參數(shù)進行動態(tài)實時監(jiān)控。
在進行入井參數(shù)監(jiān)控設(shè)置的時候,必須要考慮下面兩個因素。第一,必須要保障數(shù)據(jù)能夠?qū)崿F(xiàn)動態(tài)獲取,這就要確保前端傳感器性能穩(wěn)定,數(shù)據(jù)采集精準,同時可以持續(xù)地捕捉鉆井設(shè)備運行過程中實時產(chǎn)生的各項參數(shù);第二,必須要保證數(shù)據(jù)在傳輸過程中,能夠進行穩(wěn)定傳輸,不丟包,差錯率低。由于石油鉆井施工作業(yè)現(xiàn)場離基地大都比較偏遠,確保施工作業(yè)區(qū)域信號的穩(wěn)定性是關(guān)鍵。
傳感器信號在傳輸過程中容易出現(xiàn)異常和缺失的情況,必須采用適當?shù)姆椒ǎ瑯?gòu)建數(shù)據(jù)模型,對傳感器信號進行預(yù)處理,同時還要構(gòu)建預(yù)警模型數(shù)據(jù)庫,將有關(guān)預(yù)處理后的數(shù)據(jù)存儲于數(shù)據(jù)庫中,對比預(yù)處理數(shù)據(jù),判斷傳感器是否工作異常,從而實現(xiàn)對工程參數(shù)異常情況進行正確地診斷[9]。
模糊數(shù)據(jù)處理是實踐應(yīng)用過程中,效果比較好的智能預(yù)警技術(shù)[10]。模糊數(shù)據(jù)是一種基于計算機技術(shù),運用模糊化的理論使人工智能更為高效、快速的方法。數(shù)據(jù)采集是進行模糊數(shù)據(jù)處理的關(guān)鍵與前提,數(shù)據(jù)本身的準確性以及全面性,將會給模糊數(shù)據(jù)處理的結(jié)果帶來直接的制約。在獲取相關(guān)設(shè)備參數(shù)時,通過人為設(shè)定程序,明確參數(shù)采集的指標,系統(tǒng)就可以對相關(guān)數(shù)據(jù)進行采集。
模糊邏輯(FL)、神經(jīng)網(wǎng)絡(luò)理論(NN)相結(jié)合,形成了一種協(xié)作體,這種融合是通過各種方法解決本領(lǐng)域的問題并相互取長補短,從而形成各種方法的協(xié)作。通過這種協(xié)作產(chǎn)生了混合智能系統(tǒng),模糊邏輯和神經(jīng)網(wǎng)絡(luò)都是重要的智能控制方法,將模糊邏輯和神經(jīng)網(wǎng)絡(luò)這兩種軟計算方法相結(jié)合,形成一種協(xié)作體——模糊神經(jīng)網(wǎng)絡(luò)(圖1)。
圖1 模糊神經(jīng)網(wǎng)絡(luò)模型
對以往石油鉆井施工中出現(xiàn)的各種事故的原因進行綜合分析,通過數(shù)據(jù)篩選、數(shù)據(jù)定位、數(shù)據(jù)特征提取等功能,利用人工智能推演、機器學習技術(shù),建立異常識別模型,不斷通過數(shù)據(jù)分析迭代優(yōu)化、完善異常識別模型,減少漏報,降低誤報率,從而形成一套與生產(chǎn)實際高度吻合的人工智能預(yù)警系統(tǒng),實時對鉆井過程中的設(shè)備故障、視頻監(jiān)控、地質(zhì)和工程復(fù)雜情況進行智能預(yù)警。針對石油鉆井工程事故異常實現(xiàn)同步數(shù)據(jù)反饋、精準的預(yù)報警。
基于人工智能石油鉆井工程事故診斷系統(tǒng),對過往的事故進行診斷、記錄以及經(jīng)驗處理,不但能夠做到快速、準確地預(yù)報工程異常,還能為異常的快速處理提供處理方案,實現(xiàn)對事故進行快速地響應(yīng),及時處理故障,將損失降至最低。
通過探索和實踐,將鉆井工程的參數(shù)監(jiān)測、數(shù)據(jù)處理、模型建立、智能動態(tài)診斷集成到智能預(yù)警軟件后,在石油鉆井施工作業(yè)現(xiàn)場進行了應(yīng)用,預(yù)警準確率高、誤報率低,效果良好。表2為智能工程事故預(yù)警系統(tǒng)預(yù)警統(tǒng)計表,該系統(tǒng)對大量的實時鉆井工程參數(shù)進行分析、判斷,依據(jù)疑似的異常參數(shù)進行實時預(yù)警,并按照發(fā)生的先后時間進行分類統(tǒng)計。圖2是長A井工程參數(shù)實時監(jiān)測圖,其中包括大鉤高度、鉆時、大鉤負荷、鉆壓、扭矩、轉(zhuǎn)速、立管壓力、泵沖、套壓,以及鉆井液出入口流量、電導率、密度、池體積等數(shù)據(jù)和曲線,從圖中指示位置可以看出,18∶19當大鉤下放時,大鉤負荷增加,通過人工識別很難發(fā)現(xiàn),該系統(tǒng)準確地判斷出事故情況并進行了預(yù)警,為鉆井施工作業(yè)下一步工序提供了保障。圖3是新X井工程參數(shù)實時監(jiān)測圖,18∶01總池體積由139.07 m3增至139.47 m3,疑似發(fā)生溢流,但該智能預(yù)警系統(tǒng)對1#-5#池體積進行分析,發(fā)現(xiàn)僅2#池體積增加,其他池體積無明顯變化,故判斷為施工方進行倒?jié){作業(yè)。經(jīng)現(xiàn)場證實當時工況為倒?jié){作業(yè),與實際相符合,此次異常預(yù)報準確無誤,有效降低了溢流誤報情況的發(fā)生。
表2 智能工程事故預(yù)警系統(tǒng)預(yù)警統(tǒng)計
圖2 長A井工程參數(shù)實時監(jiān)測圖
圖3 新X井工程參數(shù)實時監(jiān)測圖
在石油鉆井施工過程中實現(xiàn)零事故,一直是每一個石油技術(shù)服務(wù)企業(yè)都在努力追求的目標,也是保證鉆井工程施工作業(yè)高質(zhì)量、高效率完成的重要前提。人工智能技術(shù)在石油鉆井工程事故預(yù)警方面的研究與運用,能夠極大地提高鉆井施工過程中各種參數(shù)異常預(yù)警的效率,有效保障鉆井施工中人員和設(shè)備的安全,確保企業(yè)健康可持續(xù)發(fā)展。本文探討了一種基于人工智能模糊神經(jīng)網(wǎng)絡(luò)的預(yù)警技術(shù),具體地介紹了預(yù)警系統(tǒng)的原理與實踐運用方法,希望借此技術(shù)的運用可以有效地預(yù)防鉆井施工作業(yè)過程中各類鉆井工程事故的發(fā)生,減少因事故給企業(yè)帶來的損失。