李紫璇 张菲菲 祝钰明 吴墨染 刘泳敬 于 琛

(1.长江大学石油工程学院 2.油气钻井技术国家工程实验室防漏堵漏研究室 3.油气钻采工程湖北省重点实验室4.青海油田分公司 5.渤海钻探第一钻井分公司 6.渤海钻探第三钻井分公司 7.渤海钻探工程技术研究院)

0 引言

统计数据表明[1]，钻进过程中大约有70%的时间损失与钻具阻卡有关。如不能及时发现，一旦发生卡钻事故，往往需要停钻处理，将会花费大量的时间及处理成本，并有可能引起更为严重的次生危害[2]。目前解决此类问题最有效的方法是对钻井过程中的卡钻风险进行准确预测分析，并对风险的处理提供合理的决策方案以规避卡钻，缩短非作业时间[3]。

目前，卡钻预警方法多以基于大数据的统计分析预警方法和基于钻井模型的分析模型为主。前者主要分为判别分析法和模式识别法。该方法以收集大量有效数据为前提，通过对卡钻发生原因、卡钻时的作业状况等进行分析，利用神经网络、多元统计分析、模糊逻辑及层次分析法等方法建立模型或专家系统判断是否发生卡钻[4－7]。要想实现实时卡钻预测，还需建立时间序列ARMA 模型[8]。用于统计分析方法的数据多来自于地层信息和邻井的卡钻事故，若缺乏邻井资料，则难以建立有效的卡钻检测系统和方法。同时，收集到的数据往往受地域限制，使得利用统计分析的卡钻预警模型难以进行大范围推广[9]。卡钻预警方法使用的物理模型多为摩阻扭矩模型，使用摩阻扭矩模型对摩阻系数进行反算，将摩阻系数随深度的异常变化作为卡钻风险监测的指标[10]；……