海上油氣田智能化隨鉆輔助決策技術(shù)研究

秦磊，殷小琛，譚偉雄，郭喜佳，李琰

(1.中海油能源發(fā)展股份有限公司 工程技術(shù)分公司，天津 300452；2.中海石油(中國(guó))有限公司 天津分公司，天津 300459)

隨著智能化時(shí)代的到來(lái)，信息化、智能化也逐步成為生產(chǎn)力和油田核心競(jìng)爭(zhēng)力之一[1]。智能化隨鉆決策是在智能化隨鉆技術(shù)研究與應(yīng)用的基礎(chǔ)上，通過(guò)覆蓋隨鉆各專業(yè)的知識(shí)庫(kù)和分析決策模型構(gòu)建，為隨鉆管理和決策提供智能化的輔助手段[2]。智能化隨鉆決策技術(shù)研究及系統(tǒng)的實(shí)現(xiàn)，具有以下兩個(gè)方面的意義：一方面，利用計(jì)算機(jī)并采用人工智能的方法為水平井隨鉆導(dǎo)向提供支持，減少技術(shù)人員重復(fù)性工作，避免人為判斷失誤，達(dá)到提升鉆井效率的目的；另一方面，可將油田多年開(kāi)發(fā)生產(chǎn)過(guò)程中積累的大量有關(guān)隨鉆的經(jīng)驗(yàn)和教訓(xùn)加以總結(jié)并形成案例庫(kù)、知識(shí)庫(kù)，從而為解決新的問(wèn)題提供決策支持。

1 整體流程

筆者通過(guò)對(duì)隨鉆技術(shù)系統(tǒng)研究，建立隨鉆案例庫(kù)和知識(shí)庫(kù)，將現(xiàn)代計(jì)算機(jī)技術(shù)和專家思維融為一體的設(shè)計(jì)思路實(shí)現(xiàn)隨鉆的自動(dòng)化和智能化[3,4]。智能化隨鉆決策技術(shù)包括著陸段智能隨鉆技術(shù)、水平段智能隨鉆技術(shù)和智能隨鉆輔助決策三個(gè)部分。

2 智能化隨鉆技術(shù)支持

2.1 智能識(shí)別標(biāo)志層/目的層及判斷著陸

智能標(biāo)志層/目的層識(shí)別技術(shù)是利用計(jì)算機(jī)快速準(zhǔn)確地識(shí)別標(biāo)志層或目的層，打破以往依靠人工進(jìn)行地層對(duì)比識(shí)別標(biāo)志層的模式。標(biāo)志層識(shí)別所使用的測(cè)井曲線是一段連續(xù)的測(cè)點(diǎn)數(shù)據(jù)，同時(shí)更多關(guān)注測(cè)井?dāng)?shù)據(jù)的變化趨勢(shì)[5]。本文采用動(dòng)態(tài)彎曲距離函數(shù)模型計(jì)算正鉆井與鄰井的測(cè)井曲線相似度大小來(lái)識(shí)別標(biāo)志層/目的層。兩段數(shù)據(jù)流間的動(dòng)態(tài)扭曲距離是一種累加距離，即是從距離矩陣的元素(1,1)到元素(n，m)之間的所有矩陣元素之和，兩段數(shù)據(jù)流間的相似性即最小的累加距離[6]，見(jiàn)公式(1)：

(1)

式中：A1、B1表示兩段數(shù)據(jù)流；DTW表示兩段數(shù)據(jù)流A1、B1間的動(dòng)態(tài)扭曲距離；xi為第i條規(guī)整路徑；N為路徑數(shù)量。鉆前階段，優(yōu)選能夠識(shí)別待鉆井標(biāo)志層的特征參數(shù)，然后用鄰井的標(biāo)志層參數(shù)特征建立數(shù)據(jù)庫(kù)。實(shí)鉆階段，接入隨鉆測(cè)井實(shí)時(shí)數(shù)據(jù)，利用檢索模型計(jì)算正鉆井與數(shù)據(jù)庫(kù)中每一口鄰井特征參數(shù)的相似度；然后，對(duì)各參數(shù)相似度綜合分析并賦予相應(yīng)權(quán)重，從而得到最終相似度曲線。最后，分析最終相似度曲線是否有異常大峰值或者較高值，從而可判斷是否鉆遇標(biāo)志層或目的層。

測(cè)井曲線相似度計(jì)算模塊見(jiàn)圖1。在“讀入模式數(shù)據(jù)文件”處導(dǎo)入鄰井的標(biāo)志層參數(shù)特征值，在“讀入預(yù)測(cè)數(shù)據(jù)文件”處導(dǎo)入隨鉆測(cè)井?dāng)?shù)據(jù)，系統(tǒng)根據(jù)動(dòng)態(tài)彎曲距離函數(shù)模型自動(dòng)計(jì)算兩組數(shù)據(jù)的相似度，并生成各參數(shù)的相似度曲線和整體相似度曲線。通過(guò)分析，相似度曲線存在較明顯的峰值，峰值對(duì)應(yīng)的深度即為目的層所在層位，由此實(shí)現(xiàn)了自動(dòng)識(shí)別標(biāo)志層或目的層的功能。

圖1 測(cè)井曲線相似度計(jì)算模塊

2.2 水平段井軌跡與地層界面相對(duì)關(guān)系自動(dòng)更新與定量評(píng)價(jià)

傳統(tǒng)隨鉆測(cè)井資料僅能提供地層電阻率信息，無(wú)法確定井眼與地層相對(duì)位置關(guān)系，水平段主要依靠人工根據(jù)測(cè)、錄井響應(yīng)來(lái)判斷是否出層。基于隨鉆測(cè)井資料進(jìn)行實(shí)時(shí)地質(zhì)導(dǎo)向與地層界面反演所構(gòu)建的地質(zhì)導(dǎo)向模型，可更真實(shí)地反映目標(biāo)層段的地質(zhì)構(gòu)造與測(cè)井信息[7](圖2)。該導(dǎo)向模型中虛線為地層界面，可清晰刻畫出地層的展布特征和構(gòu)造信息；實(shí)線為實(shí)鉆井軌跡，可明確儀器與地層界面的相對(duì)位置關(guān)系以指導(dǎo)鉆進(jìn)方向。比較地層對(duì)比等傳統(tǒng)方法，該技術(shù)降低了不確定性及風(fēng)險(xiǎn)，可提升作業(yè)效率。

圖2 水平井地質(zhì)導(dǎo)向模型

地層界面反演流程見(jiàn)圖3。鉆前利用井區(qū)地質(zhì)、地震資料建立地層模型作為反演初值。實(shí)鉆過(guò)程中，充分利用正演模擬計(jì)算隨鉆測(cè)井響應(yīng)，并與實(shí)鉆測(cè)井資料進(jìn)行對(duì)比，通過(guò)多次反演和迭代不斷調(diào)整地層模型，最終使得模擬曲線能與實(shí)測(cè)曲線很好地吻合，從而確定地層最佳參數(shù)。該技術(shù)能夠?qū)崟r(shí)獲取隨鉆測(cè)井資料，自動(dòng)并直觀地展示出地層展布特征和構(gòu)造起伏，并定量地描述出井軌跡和地層界面間的相對(duì)位置關(guān)系，極大地提升水平段隨鉆作業(yè)的自動(dòng)化程度。

2.2.1 二維模型引入地質(zhì)約束條件

根據(jù)鄰井及其他已知信息建立好地質(zhì)模型后，在三維地質(zhì)模型中規(guī)劃好井眼軌跡，通過(guò)向XZ平面進(jìn)行地質(zhì)信息投影，從而把三維模型轉(zhuǎn)化為沿井軌跡的二維模型。

圖3 地層界面反演流程

2.2.2 鉆前地質(zhì)建模與測(cè)井響應(yīng)模擬

為在鉆前了解可能遇到的地質(zhì)問(wèn)題與測(cè)井響應(yīng)，建立井眼鉆遇目標(biāo)層的判斷標(biāo)準(zhǔn)，應(yīng)進(jìn)行鉆前地質(zhì)建模與測(cè)井響應(yīng)正演模擬。沿井眼軌跡采用正演算法可以獲得鉆前測(cè)井響應(yīng)曲線，方便與實(shí)鉆測(cè)井曲線對(duì)比，為下一步的地層界面反演提供數(shù)據(jù)基礎(chǔ)。

根據(jù)伽馬探頭探測(cè)范圍與地層界面的不同空間關(guān)系，將不同位置地層在探頭處的伽馬射線通量貢獻(xiàn)分別進(jìn)行積分，得出不同空間關(guān)系下的自然伽馬測(cè)井響應(yīng)正演算法[8]，見(jiàn)公式(2)：

(2)

式中：rR表示探測(cè)器到伽馬射線源的距離，m；E表示伽馬射線的能量，MeV；Nref(rR,E) 表示探測(cè)器最終記錄的伽馬計(jì)數(shù)；Фref(rR,E)表示探測(cè)器位置處的伽馬射線通量，m-2；r表示地層到探測(cè)器的距離，m；Ω表示地層與探測(cè)器之間的方位角，(°)；Ф(r，E，Ω)表示與探測(cè)器距離為r、方位角為Ω的放射性地層處產(chǎn)生的能量為E的自然伽馬射線空間通量函數(shù)；R(r，E，Ω)表示與探測(cè)器距離為r、方位角為Ω的放射性地層處產(chǎn)生的能量為E的自然伽馬射線空間靈敏度函數(shù)。

根據(jù)層狀各向異性介質(zhì)偶極子源電磁場(chǎng)遞推算法，采用時(shí)域有限差分亞網(wǎng)格和共形網(wǎng)格技術(shù)正演隨鉆電磁波測(cè)井響應(yīng)[9]。首先將地層設(shè)置為電性各向同性的有耗介質(zhì)，其本構(gòu)方程為公式(3)：

D=ε·E，J=σ·E

(3)

地層磁性為公式(4)：

B=μ·H，Jm=σm·H

(4)

此時(shí)，在無(wú)源區(qū)Maxwell方程微分形式見(jiàn)公式(5)、公式(6)：

(5)

(6)

式中：D為電場(chǎng)感應(yīng)強(qiáng)度，V/m；ε為地層介電常數(shù)，C2/(N·M2)；E為電場(chǎng)強(qiáng)度，V/m；J為電流密度，A/m2；σ為地層電導(dǎo)率，S/m；B為磁場(chǎng)感應(yīng)強(qiáng)度，A/m；μ為地層磁導(dǎo)率，H/m；H為磁場(chǎng)強(qiáng)度，A/m；Jm為磁通密度，Wb/m2；σm為地層磁導(dǎo)率，H/m；為電場(chǎng)或磁場(chǎng)的變化梯度；t為時(shí)間，s。

2.2.3 實(shí)時(shí)地層界面反演

沿著設(shè)計(jì)的井眼軌跡計(jì)算隨鉆電磁波測(cè)井儀器在初始地質(zhì)模型下的模擬測(cè)井曲線。將實(shí)測(cè)曲線與模擬曲線進(jìn)行對(duì)比，判斷當(dāng)前的地質(zhì)模型及井眼軌跡是否與最初設(shè)定的相匹配，并對(duì)之后的曲線形態(tài)做出預(yù)測(cè)。不斷迭代調(diào)整模型，最終使模擬曲線能與實(shí)測(cè)曲線很好地吻合，從而構(gòu)建出地質(zhì)導(dǎo)向模型，見(jiàn)圖3。

利用線性轉(zhuǎn)換的方法，重構(gòu)后的自然伽馬值可采用公式(7)計(jì)算[10]：

G1=b+(a-b)Vsh

(7)

式中：G1為重構(gòu)后的自然伽馬值；a為設(shè)定的重構(gòu)后目的層段純泥巖所對(duì)應(yīng)的自然伽馬值，API；b為目的層段純砂巖所對(duì)應(yīng)的自然伽馬值；Vsh為采用測(cè)井解釋方法得到的泥質(zhì)的體積分?jǐn)?shù)。

隨鉆電磁波測(cè)井反演可轉(zhuǎn)換為求實(shí)測(cè)資料Ra與模擬響應(yīng)S的最小二乘問(wèn)題，反演目標(biāo)函數(shù)滿足公式(8)[11]：

(8)

為獲取目標(biāo)函數(shù)的最小值，采用正則化Gauss-Newton 方法求取。在第t次迭代時(shí)，儀器附近的地層界面位置可用公式(9)確定：

(9)

式中：m為待反演的參數(shù)矢量；mref為已知參考模型；t為迭代次數(shù)；J為雅可比矩陣；S(mt)為迭代t次后的正演響應(yīng)；Ra為實(shí)測(cè)視電阻率數(shù)據(jù)；Xt為迭代t次后的正則化系數(shù)；I為單位矩陣。

3 智能化隨鉆輔助決策

水平井隨鉆分為著陸段和水平段兩個(gè)階段，自動(dòng)識(shí)別標(biāo)志層/目的層和地層界面自動(dòng)更新技術(shù)分別實(shí)現(xiàn)和提升了其自動(dòng)化和智能化水平。但是，水平井實(shí)施過(guò)程中難免會(huì)遇到地質(zhì)油藏、工程等不確定性，非結(jié)構(gòu)性、非數(shù)值化的“黑箱”難題，需要進(jìn)一步集成處理地質(zhì)、工程和井眼信息以及智能案例推理，為隨鉆決策提供智能化的輔助和建議[12]。

智能化的隨鉆輔助決策主要是采用基于案例推理技術(shù)將油田建設(shè)過(guò)程中積累的豐富知識(shí)和專家經(jīng)驗(yàn)通過(guò)更為便捷的案例庫(kù)和知識(shí)庫(kù)形式來(lái)管理，當(dāng)隨鉆過(guò)程遇到一個(gè)新的隨鉆問(wèn)題需要解決時(shí)，系統(tǒng)根據(jù)關(guān)鍵的特征在隨鉆案例庫(kù)中進(jìn)行檢索，找出與隨鉆遇到問(wèn)題最相近的候選案例，并借鑒和重用此候選案例的解決方法和專家經(jīng)驗(yàn)，在隨鉆的關(guān)鍵決策環(huán)節(jié)和疑難問(wèn)題處理上為工程師提供輔助決策和參考。

基于上述理論實(shí)現(xiàn)隨鉆輔助決策，主要解決案例特征提取、表示結(jié)構(gòu)及匹配檢索等關(guān)鍵問(wèn)題。

(1)隨鉆案例特征提取。圍繞油田開(kāi)發(fā)過(guò)程中應(yīng)對(duì)儲(chǔ)層實(shí)鉆變化的分析決策和后續(xù)方案的優(yōu)化調(diào)整實(shí)現(xiàn)產(chǎn)能目標(biāo)這條主線，從隨鉆管理和技術(shù)應(yīng)用入手，對(duì)隨鉆遇見(jiàn)問(wèn)題進(jìn)行了全面和細(xì)致分析，歸納和總結(jié)出了隨鉆問(wèn)題類型的劃分方案，可概括為“二段三級(jí)四主控因素”分類法(見(jiàn)圖4)。該分類方案以地質(zhì)條件、油藏條件、技術(shù)條件和工程條件變化為主控因素，再基于隨鉆技術(shù)和管理特點(diǎn)進(jìn)行了三級(jí)細(xì)分，把著陸段和水平段兩個(gè)關(guān)鍵階段遇到的問(wèn)題劃分出了一級(jí)八個(gè)大類，二級(jí)十六個(gè)關(guān)鍵問(wèn)題，三級(jí)四十余個(gè)具體問(wèn)題。該分類方案既能覆蓋絕大部分隨鉆問(wèn)題，又能展現(xiàn)出各類型間的差異性。該方法可為智能化隨鉆決策支持系統(tǒng)中案例庫(kù)和知識(shí)庫(kù)的建立提供數(shù)據(jù)基礎(chǔ)，也可為基于案例推理人工智能的實(shí)現(xiàn)構(gòu)建出必需的業(yè)務(wù)邏輯關(guān)系。

圖4 隨鉆影響因素分類

(2)隨鉆案例表示結(jié)構(gòu)。基于案例推理依托于對(duì)案例庫(kù)的構(gòu)建，此案例表現(xiàn)形式的選擇十分重要。在對(duì)收集到的隨鉆案例詳細(xì)分析后，選取利用提取實(shí)例特征來(lái)表示案例的框架表示法，將一個(gè)個(gè)隨鉆案例表示成一組特征信息。框架表示法是以框架理論為基礎(chǔ)、將陳述性和過(guò)程性知識(shí)相結(jié)合的一種結(jié)構(gòu)化的知識(shí)表示方法[13]。框架是一種描述對(duì)象屬性的數(shù)據(jù)結(jié)構(gòu)，其中的框架、槽、側(cè)面可以描述各種各樣的信息。由于隨鉆案例主要由描述性知識(shí)構(gòu)成，因此可以采用框架表示隨鉆案例，如圖5所示。隨鉆案例的框架模型包含Mark標(biāo)志、問(wèn)題描述、特征、解決方案和結(jié)果描述5個(gè)槽名。以槽1為例，它又由案例名稱、油田名稱等側(cè)面組成；類似的，其他幾個(gè)槽也包含多個(gè)側(cè)面。這樣一種案例框架表示法，能夠把隨鉆案例主要信息和特征很好地呈現(xiàn)出來(lái)，是后續(xù)案例檢索、匹配得以實(shí)現(xiàn)的基礎(chǔ)。

(3)隨鉆案例的檢索。隨鉆案例檢索主要是研究?jī)蓚€(gè)不同隨鉆案例之間的相似性，即計(jì)算隨鉆案例采用框架結(jié)構(gòu)表示之后各個(gè)特征參數(shù)

隨鉆案例NO.××槽1:Mark標(biāo)志 側(cè)面1:案例名稱 側(cè)面2:油田名稱 側(cè)面3:區(qū)塊名稱 側(cè)面4:油層組 側(cè)面5:小層號(hào) 側(cè)面6:代表井號(hào)槽2:Question問(wèn)題描述為文本型文字說(shuō)明,可添加附件槽3:Feature特征圖5 隨鉆案例的框架結(jié)構(gòu)模型

之間的相似度[14]。首先將待解決隨鉆問(wèn)題提取特征參數(shù)作為隨鉆案例檢索計(jì)算的初值，再利用相似度計(jì)算函數(shù)計(jì)算初值和隨鉆案例庫(kù)中每一條案例的對(duì)應(yīng)參數(shù)的相似度，見(jiàn)公式(10)：

(10)

式中：X(xi)為目標(biāo)案例(第i個(gè))特征參數(shù)；Y(yi)為源案例的(第i個(gè))特征參數(shù)；Simnum(X，Y)為相似度計(jì)算函數(shù)；f(xi,yi)為向量之間的距離函數(shù)；Wi為權(quán)重。

(4)隨鉆案例的修正與重用。當(dāng)完成一口新井的隨鉆后，應(yīng)及時(shí)錄入隨鉆案例庫(kù)以保持?jǐn)?shù)據(jù)不斷更新。若已存在類似案例，則無(wú)須重復(fù)添加。當(dāng)檢索出的相似案例僅能滿足實(shí)際隨鉆中的部分要求，需要對(duì)案例進(jìn)行補(bǔ)充或修改，再錄入案例庫(kù)。

4 實(shí)施效果

該成果依托渤海油田B區(qū)塊綜合調(diào)整項(xiàng)目實(shí)施和應(yīng)用并取得初步成效。在復(fù)雜儲(chǔ)層段，著陸段目標(biāo)儲(chǔ)層深度預(yù)測(cè)平均誤差控制在1.6 m左右，水平段油層平均鉆遇率超過(guò)90%(見(jiàn)圖6)。同時(shí)，區(qū)塊內(nèi)的6個(gè)井區(qū)的單井日產(chǎn)油均超過(guò)油田開(kāi)發(fā)方案的設(shè)計(jì)標(biāo)準(zhǔn)(見(jiàn)圖7)。整體上，可降低井下復(fù)雜情況和鉆井事故的發(fā)生概率，縮短隨鉆人員面臨復(fù)雜問(wèn)題的決策時(shí)間，避免人為錯(cuò)誤的出現(xiàn)，提升鉆井效率。

圖6 水平段油層鉆遇率統(tǒng)計(jì)

5 結(jié)論

(1)通過(guò)曲線相似度的計(jì)算實(shí)現(xiàn)對(duì)標(biāo)志層及目的層的自動(dòng)識(shí)別，能夠提升水平井著陸段作業(yè)的效率和效果。(2)基于隨鉆測(cè)井響應(yīng)反演可實(shí)現(xiàn)井眼軌跡和地層界面位置關(guān)系的隨鉆分析，有效提升水平井水平段的儲(chǔ)層鉆遇率。(3)基于案例推理的隨鉆輔助決策技術(shù)有助于規(guī)避地質(zhì)油藏風(fēng)險(xiǎn)、提高鉆井時(shí)效，對(duì)于油田智能化的相關(guān)研究具有借鑒意義。

圖7 投產(chǎn)初期單井日產(chǎn)量和油田開(kāi)發(fā)方案(ODP)對(duì)比