數(shù)據(jù)科學(xué)在鉆井工程防漏堵漏技術(shù)中的應(yīng)用

肖劍 任勝利 王偉 余林鋒 徐同臺(tái)(.中海油田服務(wù)股份有限公司油田化學(xué)事業(yè)部，河北 廊坊 0650；.北京石大胡楊石油科技發(fā)展有限公司，北京 000)

0 引言

長(zhǎng)期以來，各行各業(yè)在科學(xué)研究、實(shí)驗(yàn)、生產(chǎn)實(shí)踐中，均積累了大量數(shù)據(jù)。隨著計(jì)算機(jī)的運(yùn)用，數(shù)據(jù)庫/信息系統(tǒng)的的建立，這些數(shù)據(jù)被存儲(chǔ)的上述系統(tǒng)中。如何去發(fā)掘并充分利用數(shù)據(jù)，獲取有價(jià)值的信息，創(chuàng)造有價(jià)值的認(rèn)知與結(jié)論，為各項(xiàng)技術(shù)決策提供依據(jù)。數(shù)據(jù)科學(xué)就是實(shí)現(xiàn)上述理念的一門科學(xué)。

井漏是制約安全、快速、高效鉆井的技術(shù)瓶頸，會(huì)導(dǎo)致非生產(chǎn)時(shí)間和成本的急劇增加，但由于井漏問題的復(fù)雜性和差異性，常規(guī)治理措施很難達(dá)到預(yù)期效果。隨著大數(shù)據(jù)技術(shù)和計(jì)算機(jī)科學(xué)的發(fā)展，近年來有學(xué)者開始將數(shù)據(jù)科學(xué)引入到井漏的預(yù)防與治理之中，運(yùn)用機(jī)器學(xué)習(xí)、線性回歸和案例推理等算法分析處理數(shù)據(jù)庫中大量的歷史數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)預(yù)測(cè)井漏、監(jiān)測(cè)井漏和治理井漏的目的。

1 數(shù)據(jù)科學(xué)在井漏預(yù)測(cè)與監(jiān)測(cè)中的應(yīng)用

目前，國(guó)內(nèi)外在漏失監(jiān)測(cè)方面展開了較多研究，形成的技術(shù)主要有： 井口監(jiān)測(cè)技術(shù)和井下隨鉆監(jiān)測(cè)技術(shù)。井口監(jiān)測(cè)技術(shù)存在一定滯后性，隨鉆監(jiān)測(cè)成本較高且儀器存在失效風(fēng)險(xiǎn)[1]。井漏風(fēng)險(xiǎn)預(yù)測(cè)的研究較少，常規(guī)的井漏預(yù)測(cè)方法主要是通過地震方法識(shí)別井眼和裂縫體系，或根據(jù)鄰井資料預(yù)測(cè)可能發(fā)生井漏的位置和構(gòu)造，但這些方法缺乏準(zhǔn)確性和細(xì)節(jié)性。

近年來，隨著機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)的發(fā)展，研究人員發(fā)展了一些基于統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)的智能井漏預(yù)測(cè)和監(jiān)測(cè)模型。Jahanbakhshi[2]、Alkinani[3]、和鵬飛[4]等均利用人工神經(jīng)網(wǎng)絡(luò)建立井漏預(yù)測(cè)模型；Li[5]、Al-Hameedi[6]等采用多種機(jī)器學(xué)習(xí)方法建立并比較了井漏預(yù)測(cè)模型；蔡汶君[7]、謝平[8]、史肖燕[1]和涂曦予[9]等都研究過機(jī)器學(xué)習(xí)在井漏實(shí)時(shí)監(jiān)測(cè)中的應(yīng)用。利用這些模型可以確定井漏主控因素、實(shí)時(shí)監(jiān)測(cè)井漏、預(yù)測(cè)井漏和漏失速度。

Jahanbakhshi 等(2014)[2]利用人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了考慮地質(zhì)力學(xué)參數(shù)和不考慮地質(zhì)力學(xué)參數(shù)的兩種模型來預(yù)測(cè)天然裂縫性儲(chǔ)層的井漏。通過比較兩種模型預(yù)測(cè)結(jié)果的準(zhǔn)確性，研究了地質(zhì)力學(xué)參數(shù)對(duì)井漏的影響。此外基于敏感性分析，來明確不同地質(zhì)力學(xué)參數(shù)對(duì)井漏的影響。結(jié)果表明，考慮地層力學(xué)參數(shù)的人工神經(jīng)網(wǎng)絡(luò)模型能夠成功地進(jìn)行井漏預(yù)測(cè)，且相關(guān)系數(shù)高，誤差小。最小地應(yīng)力、裂縫方向、單軸抗壓強(qiáng)度、抗拉強(qiáng)度和楊氏模量是影響天然裂縫性儲(chǔ)層井漏的有效地質(zhì)力學(xué)參數(shù)，其中最小地應(yīng)力和裂縫方向是主要地質(zhì)力學(xué)參數(shù)。

Li 等(2018)[5]考慮鉆井液參數(shù)、鉆井工程參數(shù)和地質(zhì)參數(shù)，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量機(jī)(SVM)和隨機(jī)森林(RF)三種機(jī)器學(xué)習(xí)方法對(duì)伊拉克油田17口井6979組鉆井?dāng)?shù)據(jù)進(jìn)行分析，建立井漏風(fēng)險(xiǎn)預(yù)測(cè)模型。模型預(yù)測(cè)結(jié)果顯示，隨機(jī)森林方法預(yù)測(cè)精度最高，三種方法總體預(yù)測(cè)結(jié)果都比較準(zhǔn)確，對(duì)于未漏點(diǎn)預(yù)測(cè)精度高，但漏點(diǎn)預(yù)測(cè)精度一般。

Al-Hameedi 等(2018、2019)[6]對(duì)Rumaila 油田300多口井的井漏情況進(jìn)行了綜合統(tǒng)計(jì)和敏感性分析，使用統(tǒng)計(jì)軟件和自建統(tǒng)計(jì)模型分析關(guān)鍵鉆井參數(shù)(鉆井液密度、當(dāng)量循環(huán)密度、鉆速、鉆壓、噴嘴過流面積等)，并確定了它們與井漏之間的關(guān)系。參數(shù)敏感性分析顯示，鉆井液密度、動(dòng)切力和當(dāng)量循環(huán)密度對(duì)漏失影響最顯著，轉(zhuǎn)速和鉆速對(duì)該井漏模型的影響很小。

劉彪等(2019)基于支持向量回歸(SVR)的方法對(duì)井漏進(jìn)行預(yù)測(cè)。SVR 是支持向量機(jī)的重要技術(shù)分支，依靠小型訓(xùn)練樣本即可得出結(jié)果是該方法的主要優(yōu)點(diǎn)。通過整理一口井的錄井、測(cè)井和地質(zhì)等方面的資料，選擇井深、孔隙度、破裂壓力、鉆井液密度、塑性粘度、原生裂縫方向、最小水平主應(yīng)力等13項(xiàng)參數(shù)并對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，基于支持向量回歸算法構(gòu)建井漏預(yù)測(cè)模型。結(jié)果顯示使用基于高斯核函數(shù)的SVR 方法，具有更高的精確度，相關(guān)系數(shù)為0.9851，能有效地預(yù)測(cè)鉆井過程中的井漏風(fēng)險(xiǎn)，且能對(duì)漏失量進(jìn)行定量預(yù)測(cè)。

史肖燕等[1]使用立管壓力、井深、入口流量、出口流量、鉆速和大鉤載荷等14個(gè)鉆井實(shí)時(shí)測(cè)量參數(shù)，采用隨機(jī)森林的方法進(jìn)行建模。通過隨機(jī)森林對(duì)初選的14個(gè)變量進(jìn)行了重要性分析，剔除了鉆壓、轉(zhuǎn)速、泵沖變化和出口溫度這四個(gè)對(duì)模型幾乎無影響的變量。通過大量歷史數(shù)據(jù)對(duì)隨機(jī)森林進(jìn)行訓(xùn)練，進(jìn)而通過現(xiàn)場(chǎng)實(shí)時(shí)鉆井參數(shù)對(duì)漏失進(jìn)行監(jiān)測(cè)識(shí)別。參數(shù)分析結(jié)果顯示，進(jìn)出口流量差對(duì)模型影響最大，這與現(xiàn)場(chǎng)井漏判別依據(jù)相符。現(xiàn)場(chǎng)應(yīng)用中，隨機(jī)森林模型比傳統(tǒng)的總池體積減少法來判斷漏失提早了23min。

Alkinani 等(2019)[3]收集了全球發(fā)生誘導(dǎo)裂縫性漏失的1500口井的10000組關(guān)鍵鉆井參數(shù)數(shù)據(jù)，通過統(tǒng)計(jì)學(xué)分析和專家意見，選出8個(gè)參數(shù)：泥漿密度、當(dāng)量循環(huán)密度、塑性粘度、動(dòng)切力、排量、轉(zhuǎn)速、鉆壓和噴嘴總過流截面積，利用人工神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練、驗(yàn)證和測(cè)試，建立了用于預(yù)測(cè)誘導(dǎo)裂縫井漏的智能模型。結(jié)果表明，該人工神經(jīng)網(wǎng)絡(luò)的回歸平方和為0.925，能夠較精準(zhǔn)的預(yù)測(cè)裂縫地層的井漏。這是第一個(gè)能在全球范圍內(nèi)使用的井漏預(yù)測(cè)模型。

2 數(shù)據(jù)科學(xué)在堵漏決策中的應(yīng)用

井漏處理是鉆井過程中一個(gè)獨(dú)特的挑戰(zhàn)，由于易漏失地層的性質(zhì)和漏失類型的變化十分復(fù)雜，這一挑戰(zhàn)沒有普遍適用的解決辦法。目前現(xiàn)場(chǎng)堵漏多依靠經(jīng)驗(yàn)決策，缺乏系統(tǒng)的理論指導(dǎo)。一些研究人員嘗試?yán)脭?shù)據(jù)科學(xué)方法，模擬工程師基于經(jīng)驗(yàn)制定堵漏方案的過程。案例推理算法是目前比較常見的用于堵漏決策的人工智能方法，張學(xué)宏[7]、王海彪[8]和Reedy 等都對(duì)該算法進(jìn)行研究。

Reedy 等(2018)都建立了基于案例推理算法的系統(tǒng)來輔助現(xiàn)場(chǎng)堵漏施工。首先建立案例數(shù)量合適的井漏數(shù)據(jù)庫，系統(tǒng)搜索井漏數(shù)據(jù)庫中相似的案例，確定性質(zhì)最相似的案例，并根據(jù)歷史案例處理效果提供合理建議。系統(tǒng)主要由相似案例檢索、案例再利用、案例加工和信息保留四部分組成。其中相似案例檢索和再利用是核心，通過制定判定標(biāo)準(zhǔn)和規(guī)則選擇最相似的案例。但案例加工和信息保留仍需工程師完成，工程師需根據(jù)實(shí)際情況接受、修改或拒絕系統(tǒng)推薦的方案，并將最終結(jié)果作為一個(gè)案例保存到數(shù)據(jù)庫中。系統(tǒng)的測(cè)試結(jié)果顯示，推薦的井漏補(bǔ)救措施與實(shí)際運(yùn)用的成功方法的匹配度為81%，具有較高的準(zhǔn)確性。

Alkinani 等(2019) 從不同來源和報(bào)告中收集了伊拉克Dammam 油田2000口井的數(shù)據(jù)，根據(jù)堵漏案例的漏失程度(部分、嚴(yán)重和完全漏失)、地層類型、堵漏成本和堵漏成功率，對(duì)井漏處理措施進(jìn)行分類。針對(duì)每種類型井漏的數(shù)千種處理方案，計(jì)算了所有方案的期望貨幣值(EMV，定義為一個(gè)隨機(jī)實(shí)驗(yàn)進(jìn)行多次的平均結(jié)果)。對(duì)于每種類型的損失，選擇在現(xiàn)場(chǎng)實(shí)際適用且有最低EMV 的處理策略來處理每種類型的井漏問題，以使非生產(chǎn)時(shí)間(NPT)和成本最小化。基于概率、期望貨幣值和決策樹分析(DTA)為不同漏失類型推薦最佳處理措施。這是第一個(gè)詳細(xì)考慮概率和成本來處理井漏問題的研究。

3 結(jié)語

數(shù)據(jù)科學(xué)通過數(shù)據(jù)和算法建立合適的數(shù)學(xué)模型，利用計(jì)算機(jī)快速處理復(fù)雜問題的能力，能夠考慮所有相關(guān)變量之間的相互作用，設(shè)計(jì)出能準(zhǔn)確高效的系統(tǒng)程序。在井漏問題的預(yù)測(cè)和防治中已經(jīng)體現(xiàn)出其獨(dú)特的優(yōu)勢(shì)，尤其是在預(yù)測(cè)井漏方面，使用井漏歷史數(shù)據(jù)，通過機(jī)器學(xué)習(xí)建立預(yù)測(cè)模型，去提前判斷井漏是否發(fā)生以及井漏嚴(yán)重程度，這使得井漏變成一個(gè)能夠積極預(yù)防，而非被動(dòng)解決的問題。

現(xiàn)階段數(shù)據(jù)科學(xué)在井漏中的應(yīng)用仍然存在一些亟待解決的問題：

目前的應(yīng)用大多基于特定的地區(qū)和案例，且用于驗(yàn)證模型準(zhǔn)確性的案例幾乎都是完鉆案例，現(xiàn)場(chǎng)應(yīng)用效果并不明朗。

數(shù)據(jù)科學(xué)需要高質(zhì)量的數(shù)據(jù)支撐，數(shù)據(jù)的獲取和整理至關(guān)重要。目前關(guān)于井漏數(shù)據(jù)挖掘、處理和利用的信息很少，且缺乏系統(tǒng)性和整體性。因此建立一個(gè)豐富準(zhǔn)確的井漏數(shù)據(jù)庫，對(duì)現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行篩選、分類和標(biāo)準(zhǔn)化處理，將進(jìn)一步推動(dòng)數(shù)據(jù)科學(xué)在防漏堵漏中的應(yīng)用。