基于機器學習與態勢感知技術的鉆井液大數據分析與智能決策 支持平臺建設

劉勝娃 孫俊明 高 翔 王敏

摘 要：如何科學地管理和使用鉆井液對提高鉆井效率，降低鉆井成本具有重要意義。長期以來，國內鉆井企業在施工中使用鉆井液主要依靠專家的個人經驗知識，缺乏數據支撐。長慶鉆井進行了長期的信息化建設，收集并積累了海量的鉆井液使用歷史數據，這些數據中隱藏著豐富的指導鉆井液科學管理和使用知識。文中項目的目標是建設國內首創的鉆井液大數據分析與智能決策支持平臺，利用當前新興的物聯網通信、智能終端、云計算與大數據分析處理技術，收集、挖掘、整理出數據中隱藏的知識，結合態勢感知和人工智能方法為井隊提供科學準確使用鉆井液，規避與處理風險的輔助決策功能。經試點單位實際使用后，實踐結果表明，該平臺功能豐富，操作方便，人機界面效果良好，數據分析結果準確可靠，自動化和智能化水平較高，能切實為鉆井人員提供科學的技術支持及優秀的方案建議，可有效預測、解決生產現場的問題，較顯著地節約了鉆井成本。

關鍵詞：鉆井液;大數據;機器學習;智能平臺;云計算;APP

中圖分類號：TP309 文獻標識碼：A 文章編號：2095-1302（2019）05-00-03

0 引 言

鉆井液是鉆井過程中使用的循環流體，是液體與化學處理劑的混合物，更是鉆井工程的血液，在鉆井過程中起著護壁防塌、攜砂防卡、潤滑防粘等諸多功能。鉆井作業中鉆井液的性能與主要處理方法不同，直接關系著鉆井過程的成敗，通過及時、準確地觀察分析鉆井液量及性能變化、鉆井液參數變化以及及時收集鉆井液數據資料并對異常情況及時進行報警、處置，可降低及至消滅井漏、井塌、井涌等井下事故。

川慶一體化平臺[1]進行了2年的開發建設，建立了比較完整的系統架構、數據庫、ipad平板數據采集和分析系統。信息技術和鉆井液技術的發展對信息系統提出了新的需求，數據的采集要更簡潔、快捷、方便，同時對鉆井液數據的應用分析要求也更高。

鉆井液大數據分析與智能決策支持平臺將設計與川慶一體化平臺相結合，將無線傳輸數據源接入鉆井數據庫管理系統，進行統一管理，作為實時分析的數據來源，使用多維分析工具、大數據分析工具和人工智能分析工具等多種工具對各影響因素進行組合分析，通過自定義的分析規則模型將專家理論知識、技術標準、經驗、實踐轉換成計算機自動調用的分析判斷規則，提供預警、分析結論和推薦方案，從而為企業提高效率和提升管理水平提供支持。

1 相關工作

國內外已有許多著名專家學者研究了鉆井液的智能化管理和應用工作。康力等[2]設計了一種鉆井液專家智能系統模型，可分析不同區塊、不同地質環境下鉆井液使用實例的眾多數據，給現場作業提供指導。徐超[3]研究出基于范例推理的鉆井液配方專家系統，該系統根據對油井各階段的地層特點、井身結構、鉆井措施等具體條件的分析，為現場鉆井提供可靠的設計參數，方便技術人員正確地選擇鉆井液類型，同時能夠通過多維分析工具和智能分析工具為提高鉆井液配制效率、改進鉆井措施、節約鉆井時間等提供強有力的決策支持。李柏岐等[4]通過單片機控制超聲波的發射與接收，測量已知參數超聲波衰減值，通過計算機計算出當前位置鉆井液泥漿的實時密度，間接計算泥漿黏度，同時測量當前測量點泥漿溫度與泥漿流速。Ye等[5]建立了鉆井液侵入單裂縫預測模型，利用該模型預測塔里木盆地某區塊碳酸鹽巖儲層目前所用鉆井液的侵入程度，并對其相關性進行預測。雖然國內外關于鉆井液智能研究的課題和項目較多，但是目前還沒有一個鉆井液智能平臺能夠集合并實現諸如：鉆井液性能、處理劑使用、重點維護措施、井下事故復雜的統一管理;對以往海量歷史數據所蘊藏的規律進行知識挖掘，通過機器學習的方法給技術人員提供安全可靠的建議和決策;存儲近年所發生的電測遇阻、井塌、溢流和井漏等井下復雜情況和各類事故處理的相關資料，為現場事故復雜的預防和處置提供依據與參考;顯示豐富的鉆井液相關數據圖標，給各級管理人員提供方便、簡單、快捷、直觀、準確的信息展示等功能。因此，本文提出的國內首創的鉆井液態勢感知精準分析智能決策平臺彰顯出其重要的實用性與應用性，同時對推進“數字化油田建設”具有重大意義。

2 平臺的設計與實現

2.1 設計目標

本文鉆井液大數據分析與智能決策支持平臺的目標是：建設具有鉆井液技術數據采集、分析的應用手機APP[6];建設井下事故復雜鉆井液技術共享庫，實現鉆井液技術指導方案的分析應用;進一步優化鉆井液數據庫和鉆井液技術的分析功能等。鉆井液信息技術一體化平臺建設一期系統的功能需要進行補充、完善及擴展，具體包括以下幾個方面：

（1）以已建成的鉆井液數據庫為基礎，集成無線傳輸系統數據源，結合川慶一體化平臺，建立鉆井液信息技術一體化平臺數據中心和相關APP的開發應用，實現鉆井液性能監控[7]、鉆井液處理劑使用、重點維護措施、井下事故復雜的統一管理;

（2）通過多維分析與智能分析工具的開發應用，實現對海量歷史數據信息中隱藏的、潛在的、規律性的、有價值的信息的知識挖掘，方便靈活地借助分析工具對鉆井液相關數據進行分析統計，從而達到讓數據說話的目的，更好地輔助各級管理人員科學地工作;

（3）以各項技術方案標準和內部專業團隊的專業知識經驗為基礎，采用數學方法將文字信息進行數學化處理，達到通過規則對實時調用采集的各系統數據信息的自動計算，產生分析結論與預警提醒，從而達到風險預控與知識共享的目的;

（4）將近年所發生的各類事故信息（如事故類型、區塊、井型等）以及對電測遇阻、井塌等井下復雜情況處理的相關資料進行整合，建立鉆井液事故案例信息共享庫，通過對關鍵字段進行信息智能搜索，獲取相關資料信息，從而達到為現場施工中復雜事故的預防和處置提供依據與參考的目的;

（5）為各級管理人員提供一個方便、簡單、快捷、直觀、準確的信息展示平臺，使用豐富的圖表直觀地顯示各種分析結果，方便決策者找出問題關鍵，制定相應的管控措施，及時做出正確決策。

2.2 平臺的實現

本文平臺研發智能鉆井液數據采集體系，開發手持式數據采集終端，支持數據、文本、語音識別、圖像、視頻等多種形式內容的數據采集，改變了井場數據的采集模式，既有大數據分析、人工智能[8]決策功能，又能實際有效地解決生產現場問題，是國內首創、國際領先的鉆井液決策平臺，實現了跨平臺開發，不僅完成了桌面端的開發，又可在移動端使用具有相同功能的APP。手機APP端模塊全面，功能豐富，具有注冊/登錄界面、用戶授權、身份驗證、數據錄入、記錄查詢、基礎配置、危險預警、鉆井液小助手、鉆井數據分析、鉆井液案例分析庫、視頻通話、公式計算、趨勢分析、參考值推薦、在線數據上傳等功能。同時，該平臺能提供鉆井液匯報表、鉆井液事故復雜地圖、鉆井液綜合查詢、數據統計圖表分析、用料分析、鉆井液成本分析、鉆井液井史、信息設置、鉆井液技術方案維護等模塊，方便用戶使用。在數據處理分析方面，建立鉆井液數據處理、統計、分析架構，采用SVM（支持向量機）、人工神經網絡、馬爾科夫模型、線性回歸、樸素貝葉斯、Aprior關聯分析、K-means聚類分析等機器學習方法，對鉆井液性能與處理劑用量等數據進行分析，為現場技術人員提供了可靠的數據支持。平臺還具有翔實的技術方案知識庫，實現了技術方案智能推送以及在線比對、評價、預警等功能，同時該知識庫能自動優化更新，為推動鉆井液技術提升提供數據支撐。平臺還建立了鉆井液事故案例信息共享庫，包含近年所發生的各類事故信息以及對電測遇阻、井塌、溢流、井漏等井下復雜情況處理的相關資料。方便現場施工中對復雜事故的預防與處置，實現了事故文字、照片、視頻上傳功能。

2.2.1 技術與功能特點

（1）平臺技術架構

平臺由三個層次、兩套系統構成。平臺的三個層次如圖1所示，其構成為：

①數據采集與集成管理。設計該層能夠實現數據的采集工作，將所利用到的結構化（數字信息等）或者非結構化（文字、圖片信息等）數據統一集成管理，以便找尋其中關聯的、隱藏的、有價值的信息，滿足對數據分析的需要。

②數據分析。本層設計的目的是方便利用各種分析工具對采集到的數據進行有價值的挖掘，發現隱藏在數據中的知識;同時使用形式多樣的數圖分析軟件，使數據成圖，讓數據“活”起來，從而達到讓數據說話的目的。

③數據服務。通過充分利用企業現有數據信息與各種規律、規則信息為分析結論、預警、推薦方案及管理決策提供數據支持。

分層設計的原則是各層有各層的職責，各層實現各層規定的功能，同時各層間又有緊密的聯系（通過接口），使系統結構清晰、有條理，方便管理。如果某一層出現問題，直接在該層修改即可，大大降低了對其他層的影響，能夠有效實現“高內聚、低耦合”的效果。

平臺的兩套系統分別為鉆井液信息一體化平臺手機APP端與鉆井液信息技術一體化平臺電腦端。

總體技術架構采用軟件分層設計的方法與SOA架構，中間層采用流行的Spring+Mybatis，Web層MVC框架采用Spring MVC，業務邏輯層采用DAO組件，數據服務層采用MyBatis，將原有系統兼容性較好的SOA技術架構作為滿足客戶數據服務響應需求的技術解決方案。采用ETL與數據倉庫技術實現已有的異構信息系統數據集成，立足現有云平臺建立能夠接入各已有異構信息系統的數據總線，定義各信息系統的數據服務，建立服務目錄，使授權用戶可獲取所需的數據服務。

（2）平臺移動端解決方案

以已有鉆井液數據庫為基礎，采用數據集成ETL技術，在不影響原系統數據安全的前提下接入無線傳輸系統數據源，同時結合已建成的川慶一體化平臺，按照約定的數據規范與接口，建立鉆井液信息技術一體化平臺數據中心。移動端選擇業內最新、與平臺無關、支持包括Android移動設備在內各種設備的HTML5+css3.0+bootstrap技術作為人機交互前端的開發方案。采用業內最新的Cordova+ionic+angularjs技術方案作為基層井隊開發移動設備上使用的Web APP，該APP具有良好的兼容性，同時支持iOS和Android操作系統，安全可靠，可擴展性好。

（3）使用人工智能輔助智能決策

本文項目使用基于機器學習與數據挖掘技術助力決策系統，具體如圖2所示。平臺依靠多年來積累的鉆井數據，采用算法擬合生成單井單因素、多因素及多井單因素、多因素條件下的趨勢分析曲線，向用戶更直觀地反映各因素對鉆井效果的影響變化趨勢。同時，采用人工神經網絡，SVM，CNN等深度學習方法，利用各區塊鉆井記錄作為訓練數據，建立鉆井液性能與機械鉆速、鉆井周期的關聯模型，為新井開鉆提供鉆速預測與科學方案推薦;利用支持向量機和神經網絡等機器學習與知識發現的方法，采用Web GIS技術在地圖上顯示異常井的分布坐標、區間、異常類型、發生頻度與建議處理預案，利用現有異常井歷史數據，通過數理統計與數據挖掘方法總結出特定異常發生閾值，并自動在移動終端與桌面終端上向用戶預警。通過多維分析與智能分析工具的開發應用，實現對海量歷史數據信息所蘊藏的規律信息的知識挖掘，確立分析模型;以各項技術方案標準與內部專業團隊的專業知識經驗為基礎，采用統計學與語義處理方法將文字信息進行量化處理，建立可被計算機執行的分析規則，實現分析結論與預警提醒功能。

（4）穩定的系統

為了保證系統的穩定性與持久性，開發過程中對系統進行多層次、全方位、多角度的測試與bug處理工作。對手機APP進行安全測試，包括軟件權限、安裝與卸載安全性、數據安全性、通信安全性、人機接口安全性測試;對手機APP進行UI測試，用戶界面（如菜單、對話框、窗口及其他控件）布局、風格是否滿足要求，文字是否正確，頁面是否美觀，文字、圖片組合是否完美，操作是否友好等;完善匯報功能，根據日期與項目部抽取早晚數據生成鉆井液匯報表、每天鉆井液班報信息;增加早晚抽取數據存儲過程，增加語音、視頻、圖片查看，優化SQL查詢性能與系統界面，修復bug;整合鉆井液信息技術一體化平臺，充分結合一期、二期項目，增加項目的連結性、兼容性。

3 結 語

本文介紹了國內業界首創的鉆井液大數據分析與智能決策支持平臺的設計與實現。該平臺完成了桌面端與移動端的建設，方便辦公室與現場人員迅速處理鉆井液等相關情況;底層方面采用先進科學的技術架構，為系統的穩定持久提供支持;功能上豐富完善鉆井液相關功能，尤其是其中大數據與機器學習技術下的多維分析與智能分析工具的開發應用，更使工作人員受益良多;平臺中大量使用圖表，這種可視化操作將數據從多個視角與維度進行展現，為不同的用戶提供個性化、自動化及智能化程度較高、方便快捷的輔助決策功能。實踐結果表明，該平臺完整地實現了預期的設計目標，其投入使用可為公司顯著地節約成本，提高工作效率，是不可多得的優秀平臺。

參 考 文 獻

[1]劉勝娃，李衛，張越.長慶鉆井公司統一通信平臺的設計與實現[J].物聯網技術， 2017，7（4）：68-69.

[2]康力，鮮明，廖孝元，等.鉆井液專家智能系統的模型與設計[J].石油工業計算機應用，2016（2）：12-15.

[3]徐超.基于范例推理的鉆井液配方專家系統的研究[J].石油工業計算機應用， 2015（1）：35-37.

[4]李柏岐，白忠飛，李彥秋.鉆井液泥漿參數監測系統的研究[J].機械工程師， 2016（4）：185-186.

[5] YE Y，AN W，TENG X，et al.The prediction model for the drilling fluid invasion in fractured carbonate reservoirs[J].Acta petrolei sinica，2011，32（3）：504-508.

[6]劉勝娃，蘇興華，詹勝.基于安卓的鉆井液班報系統的設計與實現[J].物聯網技術，2017，7（4）：114-116.

[7]霍東媛，高凌云，劉晗.高清數字視頻監控系統在鉆井現場的研究與應用[J].物聯網技術，2014，4（3）：28-30.

[8]張放.人工智能的發展之路[J].物聯網技術，2017，7（1）：10-11.

[9]李大奇，曾義金，劉四海，等.基于分形理論的粗糙裂縫鉆井液漏失模型研究[J].石油鉆探技術，2017，45（4）：46-52.

[10]張蔚，蔣官澄，王立東，等.無黏土高溫高密度油基鉆井液[J].斷塊油氣田，2017，24（2）：277-280.