深水井氣侵監(jiān)測預(yù)警智能技術(shù)研究

摘 要： 針對深水井開采中氣侵溢流監(jiān)測技術(shù)的預(yù)警滯后、虛警率高和準(zhǔn)確率低等問題，提出一種早期監(jiān)測與錄井監(jiān)測相結(jié)合的氣侵預(yù)警智能模型。比較分析基于超聲波的隔水管早期監(jiān)測方法和基于神經(jīng)網(wǎng)絡(luò)的錄井監(jiān)測方法的優(yōu)缺點，優(yōu)選有效特征，作為模型訓(xùn)練的基礎(chǔ)數(shù)據(jù)集；通過工況識別規(guī)則及標(biāo)簽處理方法，實現(xiàn)兩種監(jiān)測數(shù)據(jù)之間的氣侵事件標(biāo)簽匹配；基于神經(jīng)網(wǎng)絡(luò)設(shè)計智能模型的訓(xùn)練方法，并研究預(yù)警分析軟件的架構(gòu)和工作流程。利用實際案例數(shù)據(jù)進(jìn)行驗證，試驗結(jié)果表明，新模型相比于傳統(tǒng)錄井監(jiān)測方法，預(yù)警時間提前；與早期監(jiān)測方法相比能顯著減少誤報概率，且氣侵量級的預(yù)報準(zhǔn)確性也有大幅提升。因此早期監(jiān)測與錄井監(jiān)測方法相結(jié)合的氣侵預(yù)警智能技術(shù)，可以有效提高深水井開采過程中氣侵預(yù)警的準(zhǔn)確性和及時性，為深水鉆井安全提供一種創(chuàng)新的技術(shù)支持。

關(guān)鍵詞： 深水井; 氣侵; 風(fēng)險預(yù)警; 早期監(jiān)測; 錄井監(jiān)測

中圖分類號： TB9; X937; TE249 文獻(xiàn)標(biāo)志碼： A 文章編號： 1674–5124（2024）09–0083–08

0 引 言

一直以來，井噴事故都是鉆井安全領(lǐng)域關(guān)注的重點。2003 年重慶開縣12·23 井噴、2006 年四川宣漢縣的清溪1 井井噴以及2010 年墨西哥灣深水鉆井井噴事故都造成了重大的生命財產(chǎn)損失。尤其在深水井的鉆井過程中，做好氣侵監(jiān)測預(yù)警，將井噴處理控制在前期階段，是井控安全的關(guān)鍵。氣侵監(jiān)測是在鉆進(jìn)過程中，持續(xù)不斷地監(jiān)控井下狀況，實時收集并追蹤記錄相關(guān)參數(shù)的變化情況；氣侵預(yù)警是結(jié)合多種實時數(shù)據(jù)和歷史數(shù)據(jù)，識別風(fēng)險模式，對氣侵發(fā)生的概率進(jìn)行分析評估，提前發(fā)現(xiàn)異常征兆并發(fā)出警告，以便采取預(yù)防措施。監(jiān)測能夠為預(yù)警提供實時變化的數(shù)據(jù)，以提高預(yù)警的時效性和準(zhǔn)確度。針對侵入氣體流動的不同階段，主要有以下三類監(jiān)測預(yù)警方法，它們各有優(yōu)缺點。

平臺監(jiān)測方法以錄井?dāng)?shù)據(jù)為監(jiān)測對象，通過分析井口位置鉆井液流量、流速、壓力等參數(shù)的變化情況，利用專家系統(tǒng)或人工智能方法，推斷是否發(fā)生氣侵[1-6]。優(yōu)勢在于可監(jiān)控的參數(shù)多，傳感器安裝簡便，共享數(shù)據(jù)方便；缺點在于參數(shù)與氣侵量之間沒有直接的對應(yīng)關(guān)系，評判規(guī)則復(fù)雜，對技術(shù)人員的經(jīng)驗水平要求較高，氣侵預(yù)警的時間窗口過窄，能夠?qū)嵤┑念A(yù)防措施有限。

海水段監(jiān)測方法是在海水段（水面以下泥線以上）區(qū)域的隔水管外布設(shè)傳感器，通過監(jiān)控隔水管內(nèi)鉆井液相關(guān)參數(shù)的變化，判斷氣侵狀態(tài)[7-12]。優(yōu)點是氣侵發(fā)現(xiàn)較早，安全性較高，安裝簡便無破壞性；缺點在于數(shù)據(jù)傳輸有延遲，靈敏度與鉆井液介質(zhì)成分的關(guān)系復(fù)雜，受工況影響大，易出現(xiàn)虛警誤判。

井下隨鉆監(jiān)測方法是在隨鉆工具上加裝傳感器，監(jiān)測外環(huán)空壓力、井底鉆井液當(dāng)量循環(huán)密度、壓差等參數(shù)的變化，對氣侵風(fēng)險進(jìn)行預(yù)警[13-16]。優(yōu)點是最早發(fā)現(xiàn)氣侵，準(zhǔn)確度和靈敏度高；缺點是安裝難度極大，數(shù)據(jù)回傳帶寬受限延遲較大。因此相關(guān)技術(shù)還處于實驗室階段，尚無法應(yīng)用在實際生產(chǎn)中。

綜合考慮技術(shù)成熟度、數(shù)據(jù)質(zhì)量、布設(shè)難度、經(jīng)濟(jì)性等多方面因素，前兩類方法都具有一定的實用性。因此本文從基于超聲波的隔水管早期監(jiān)測方法（以下簡稱早期監(jiān)測）與基于人工智能的錄井監(jiān)測方法（以下簡稱錄井監(jiān)測）出發(fā)，研究氣侵監(jiān)測預(yù)警智能方法，構(gòu)建氣侵預(yù)警模型，并結(jié)合實際案例，驗證模型有效性。

1 深水井氣侵監(jiān)測預(yù)警智能模型

深水鉆井過程中，將超聲波氣侵監(jiān)測設(shè)備安裝在隔水管外部，利用超聲波的多普勒效應(yīng)監(jiān)測鉆井液中的含氣率、流體相態(tài)及速度等參數(shù)，可以獲知氣侵發(fā)生的情況。雖然能夠在實驗室中通過實驗測算和推導(dǎo)得出多普勒信號與鉆井液成分含量以及氣侵量之間的關(guān)聯(lián)關(guān)系。但在實際應(yīng)用時，由于難以實時獲取海水段鉆井液中油、水與泥漿的精確混合濃度，故無法計算準(zhǔn)確的氣體含量。并且受到工況等外界因素的干擾，多普勒信號易產(chǎn)生波動，監(jiān)測過程常常出現(xiàn)奇異值，造成虛警。因此需要與錄井監(jiān)測數(shù)據(jù)進(jìn)行比對印證，并進(jìn)行相應(yīng)的預(yù)處理，以確定其是否表征了真實的氣侵。

錄井方面，基于人工智能的氣侵分析方法能夠融合多源數(shù)據(jù)，針對不同鉆井平臺的設(shè)備、實施環(huán)境、工況階段進(jìn)行深入分析，得到與之匹配的預(yù)警模型。但模型用來預(yù)警的提前量不夠，時效性不高。因此，引入早期監(jiān)測數(shù)據(jù)集，能夠前置預(yù)警時機，為應(yīng)急處置創(chuàng)造足夠的時間窗口。