石油行業錄井技術發展中的問題和解決方法

陳朋飛

中法渤海地質服務有限公司 天津 300450

眾所周知，錄井與鉆井是石油鉆探和井場工作中緊密聯系的兩個步驟，相互促進，共同發展。如果將鉆井看做是石油鉆探和井場工作的主體工程，那么錄井就是鉆井工作的“參謀”，在石油鉆探作業中具有發現油氣、實時監測、提供鉆井信息服務的作用；是及時發現工程事故隱患，實現安全鉆井，保證鉆井任務順利完成的關鍵。時至今日，錄井技術得到了穩步發展，穩定性和精度進一步提高，信息化錄井技術在這樣的背景下已初具雛形，極大地提升了錄井技術水平和錄井工作效率。然而，受限于研發投入和評價體系等因素限制，現階段石油行業錄井技術發展中暴露出許多問題，既不利于錄井技術功能的發揮，也不利于錄井技術的長期發展。為此，有必要探究錄井技術發展中的問題并提出切實有效的解決方法。

1 石油行業錄井技術現狀及發展趨勢

1.1 石油行業錄井技術現狀

鉆井過程中需要使用大量的測量系統和傳感器，以期對鉆井過程中產生的工程、地質、井底圖像等重要數據進行分析，預測儲層特征，模擬鉆井作業，提高鉆井過程安全性?？梢姡@井作業的優化在石油和天然氣行業中極為重要。實際作業中鉆井作業時經常會遇到許多井下問題，例如卡鉆、管道故障、頁巖問題和井漏問題。這些問題會導致井身周圍的土壤張力中斷，進而打破井眼泥漿壓力、孔隙壓力與土壤壓力之間的平衡，最終釀成安全事故[1]。因此，必須給予應有的重視。傳統的常規錄井包括深度測量、地質描述以及氣測，輔以小項目如同位素、核磁、數字巖心等，共同為現場提供服務。在吸收國際先進錄井技術的基礎上，我國的錄井技術有了很大的進步，形成了具有中國特色的錄井系列。時至今日，我國錄井已從傳統的地質錄井、綜合錄井發展成包括地化和定量熒光錄井等為代表的錄井新技術的三大錄井技術體系，以及小項目并行發展的態勢。同時，以三大錄井技術體系為基礎配合使用多種錄井軟件，通過對各項錄井資料的綜合分析，實現安全生產和對油氣水層的評價。

1.2 石油行業錄井技術趨勢

隨著新型技術的引入，石油錄井行業從硬件設施到軟件系統，都取得了長足的發展，并且向著綜合性和信息化的方向發展。硬件設施方面，諸如CMS、PM、Geonext等綜合錄井儀在內的多種國有知識產權的錄井系統或設備的出現，為錄井行業的技術發展提供了必要的設施基礎。軟件系統方面，傳統的石油行業錄井系統所收集的錄井數據中只有 5% 的數據被有效利用，但隨著石油行業錄井軟件技術發展，這一比例急劇上升。在這樣的背景下，大數據處理技術能夠快速準確地分析錄井數據，有助于解決復雜問題。大數據技術通過錄井技術實時記錄海量數據，并從中發現、檢驗、提取重要信息，有助于確定預期趨勢并幫助現場工程師預見潛在問題。有數據顯示，最近5年內石油錄井相關軟件的推出數量，遠超5年前石油錄井相關軟件的推出數量[2]。不僅如此，光纖在非常規油藏錄井中的應用范圍和普及率相對較低。究其原因，是因為鉆井中安裝光纖的成本相對較高。隨著技術的進步非常規油氣藏通過永久安裝的分布式光纖傳感器（DOFS），可以優先處理 DAS 和 DTS 反向散射信號實現錄井。從長遠來看，這種技術可與微震監測共同用于錄井開發采油壓裂優化。未來石油行業錄井技術將向著數字化和綜合化的方向發展。

2 石油行業錄井技術發展存在的問題

2.1 對石油錄井技術研發投入不足

現階段，石油行業錄井技術最大的挑戰是人工主導參與井況異常判定和決策，該工作的質量取決于錄井人員的專業知識和相關領域知識儲備情況。為此，國外錄井行業開發出基于物理的機器學習技術，其中具有海量異常工況訓練和規則問題約束的 ML 模型，可以在鉆井任務中提供準確和一致的預測，并且對錄井數據集中的并行問題保持敏捷[3]。與國外錄井同行相比，我國錄井技術數十年如一日的關注實際生產，這就導致我國錄井技術的發展始終停留在物探、地質等學科的實踐研究，缺乏創新意識和前瞻研究。我國的石油鉆探起步較晚，為了能在建設初期趕上世界領先水平，并滿足我國對石油的生產需求，早期的石油行業中“重生產、輕科研”、“拿來主義”成了常態現象。這種歷史遺留導致在很長一段時間內，我國石油行業更加看重井場的實踐工作而忽視與之相關的錄井工作，也就沒有對錄井技術進行深入研究，沒有意識到錄井技術在提升井場效率、保證井場安全等方面的重要價值，導致了研發和投入不夠。

2.2 現行錄井定性評價體系準確度不高

一般來說，現行錄井是通過應用多種錄井系統和分析儀器，例如可收集分布式聲學傳感（DAS）、分布式溫度傳感 （DTS） 和分布式應變傳感（DSS）等，采集隨鉆錄井 （LWD） 聲學圖像和加速度數據，繪制完整的錄井曲線。在此過程中，現行錄井多采取單項定性評價體系。例如，儲集層熱解氣相色譜評價、快速色譜評價、油層熒光顯微圖像特征評價等。這些評價方法或基于氣相色譜技術、或基于快速色譜儀、或基于熒光顯微鏡技術，在某一方面能夠表現出較為準確的評價和分析結果。然而，井下環境的復雜性，例如強烈的磨蝕性發展、超過 207MPa 的壓力、高于 200°C 的溫度、高于 15 G 的沖擊和振動水平、返屑不足等等，都會對錄井設備的操作可靠性產生不利影響，進而影響評價和分析結果。此外，錄井過程重點在于采集鉆井過程中的現場數據，結合現場地質情況，解釋鉆井現場巖性用于確定含油、氣、水產狀；繪制錄井圖；矯正鉆井與電纜誤差；處理巖層圖形編輯；回收鉆井現場數據等服務。然而，傳統的錄井定性評價體系，由于資料采集方式和表現形式不一樣，只有 5% 的數據用于模型訓練、驗證和測試[4]，因此，現行錄井定性評價體系準確度不高。

3 石油行業錄井技術問題的解決方法

3.1 加大對錄井技術的研發投入

由于鉆井技術的改進，目前在數百米的巖石深度進行石油和天然氣作業的勘探比以往任何時候都更加頻繁。其中，最典型的問題是卡鉆、管道故障、頁巖問題和井漏問題等。這種情況下，采取更加科學、完善和準確的錄井技術，能夠及時發現井下問題或者預測可能存在的井下問題，進而提出應急策略和方案，以此確保石油鉆探和井場工作的正常運行，保障石油井下生產計劃的順利實施。

此外，數字化油田過程需要大量傳感器通過建模、監控系統、實時數據優化和控制鉆井來收集數據。對許多特性進行監控，包括振動、壓力、流體流速、溫度、密度等。通過管道建模和可視化評估實時性能，并記錄參數。例如，錄井利用安裝在鉆桿和設備上的傳感器收集大量數據，例如聲學傳感器、溫度傳感器和壓力傳感器。這些復雜的傳感器用于捕獲、測量和收集各種各樣的井下鉆井作業、環境數據和動態數據。其中，聲學傳感器具有更廣泛的功能，它的作用早已超出了僅檢測聲波的范圍，用于感測固體中機械振動和表面聲波 （SAW） 的傳感設備越來越受歡迎，應用越來越廣泛[5]。這些新的探索和嘗試，無疑需要來自頂層的全力支持，需要加大對錄井實際工作開展中的資金投入力度，優化錄井工藝的服務功能。然而，長期以來，我國的石油行業在研究和生產中，一直沒有形成對技術科研的正確認知，對于技術科研和技術層面的研究始終落后于生產實踐成果研究。為此，需要加大對錄井技術的研發投入，例如，在公司甚至是母公司、集團公司內部成立錄井技術研究機構等。這種研發機構的設立，能夠促進研究人員更好的投入到相關研究和實踐當中，為推動錄井技術的更新發展，提供必要的物質環境和研究條件。同時，依托這些錄井研究機構，還能夠滿足石油勘探的各種實際需求。

隨著時代的發展和技術的迭代，近幾年國際國內大廠相繼推出顛覆認知的AI產品，如chatGPT、文心一龍等，開啟了人工智能的新篇章，顛覆了人類的認知和理解范疇。這為未來人工智能在錄井作業現場中的應用深度，留下了許多的可能和豐富的想象空間，探究機器學習、投喂數據訓練，勢必更依賴公司加大錄井技術的投入和支持，為錄井技術實際作用的充分發揮提供可靠地保障。

3.2 錄井評價體系從定性向智能化轉變

現行的常規錄井評價體系，大部分還是基于泥漿攜帶的鉆屑來分析和化驗，得出結論，用于指導后期的作業和開采，它有一個循環等待返屑時間，以及根據測遲到時間判定實際對應關系的歸位問題，該工作極度依賴泥漿性能、取樣手法和人工經驗，并且無法及時判定井下的實時地質情況和工程情況，給鉆井作業帶來了大量的不可知性和安全風險。為此，在保有現有錄井手段外，探究工具應向井下和機器學習延伸。

隨著 MWD 和隨鉆錄井 （LWD） 工具的進步，錄井可以通過分析時域傳感器測量值的平均值、均方根值和峰值量化鉆頭所經歷的振動。通常，鉆頭在鉆井過程中會發生四種不同類型的振動：橫向振動、扭轉振動、旋轉振動和軸向振動。鉆頭振動數據可用于估算巖石地質力學特性，例如單軸抗壓強度 （UCS）、抗拉強度（BTS）、施密特回彈數 （SRN） 和巖石密度等。此外，在過去幾年中，不同機器學習技術在錄井中的應用引起了人們的關注，顯示出很大的潛力，可以提供有關不同巖性和巖石強度以及斷層存在的信息以及巖石的地質力學特性，例如楊氏模量和泊松比。因此，石油錄井的綜合評價體系可以使用監督機器學習法，將其中一組輸入特征，例如，行程時間 （UT）、機械鉆速（ROP）、每分鐘轉數 （RPM）、振動 （VIBR）（x，方向）、沖擊（x，方向）、伽馬射線（GR）和從聲學圖像日志解釋的輸出，例如裂縫強度，用于鉆井訓練、測試和驗證。此外，還可使用分類和回歸方法來預測裂縫強度[6]。

例如，在地質條件差的地方部署高壓深井，卡鉆是很常見的問題。基本上，卡鉆主要分為三種類型：因機械因素而卡鉆，因差速器粘附卡鉆，因管道故障卡鉆。針對上述問題，在錄井中實施以大數據為基礎的定量綜合評價體系，有助于預測分析以找到檢測井下問題的最佳方法，將有助于現場在整個作業過程中識別趨勢和預測事件，以快速響應干擾并提高運營效率。

人工智能的機器學習還可以用以巖屑歸位和提高剖面符合率。通過大量的返屑和工程、氣測參數的機器學習，結合井下的震動和熱成像技術，便可以達到自動歸位深度和調整遲到時間的目的。

地質錄井過程中可發現許多油氣顯示層，但并非每個油氣顯示層都具備工業價值。因此必須對顯示層進行綜合評價，為完井決策及試油層位優選提供可靠依據。影響油氣層評價的主要因素有三項：a.油氣豐度；b.油氣性質；c.儲集層物性。只有各項參數達到一定標準且各項參數配伍適當時，油氣顯示層才能達到工業油氣層價值。因此，油氣層評價的重點在于對油氣豐度油氣性質儲集層物性及其配伍進行評價。

使用基于大數據技術為基礎的錄井技術，需將重點放在分析現有數據從而準確預測未來事件發展趨勢。

該過程可以分為五個步驟：

（1）使用傳感器收集井下鉆井數據；

（2）數據的提取、處理、加載、清理和存儲，以及其他數據收集預處理程序；

（3）對獲取的數據進行額外的計算、分析和數據挖掘；

（4）利用大數據技術智能建模預測未來井下問題；

（5）利用風險預測窗口實現早期安全預警和基于關聯關系的井下問題識別。

4 結束語

綜上所述，本文從石油行業錄井技術現狀及發展趨勢出發，指出現階段石油行業錄井技術發展存在的問題，并針對問題提出切實科學的解決方法。本文研究結果顯示，石油行業錄井技術是現代石油鉆探中十分關鍵的部分，其發展與石油鉆探工作效率和安全水平有著直接關系。為此，要在持續加大對石油行業錄井技術研發投入的同時，還要積極引入新的技術，實現石油行業錄井技術創新。