APP下载

基于大数据分析技术的钻井提效实践研究

2023-05-08李晓明范玉岳苏兴华詹胜胡刚何以晴

电脑知识与技术 2023年9期
关键词:大数据分析

李晓明 范玉岳 苏兴华 詹胜 胡刚 何以晴

关键词:钻井实践;大数据分析;提效

大数据分析技术在金融、现代医疗、信息传播等多个领域已经实现了广泛且深入的应用,大幅提高了相应领域的数据分析效率和数据使用效益。但从实际应用情况来看,石油钻井作业对于大数据分析技术的应用还处于初期阶段,但已经有越来越多的石油企业意识到,大数据分析技术和智能化、现代化、数字化新兴科学技术对于钻井作业具有积极影响和促进作用,并且大数据分析技术在当前有了一定数量和规模的应用成果。这些对于在当前及未来一段时间内,加快钻井作业智能发展、持续提升钻井效率,以及依托大数据分析技术作出更全面、更可靠的辅助决策都有着不可忽视的关键作用。因此,以大数据分析技术为切入点,针对相关系统架构进行实例分析具有显著的现实意义。

1 钻井大数据分析系统架构分析

1.1 主平台架构分析

现阶段,基于大数据分析技术的钻井系统主要有主平台(主服务系统)、数据层面、工作情况识别、大数据分析、用户终端5部分架构组成。主平台的数据资料来源有录井witsml流和WellView钻井完井日报系统中的结构数据。采用自行开发的数据插件,将录井witsml 数据自动保存到钻井参数数据库中;读取从WellView数据库中返回的结构化数据的预写SQL语句。另外,根据数据库操作的效率,将状态识别模块添加到数据层次,并在数据库中对录井witsml流进行了预处理。在大数据分析层面,重点关注了钻井和完井过程中的各个主题模块,利用Spotfire软件生成可视化的面板进行分析;钻井作业管理人员可以通过公司内部网络计算机,通过Spotfire网站查看、分析、交流各个显示面板。在平台内部,采用了一个成熟的大数据分析平台体系结构,包括数据层面、分析层面和用户层面,以及Spotfire数据分析工具用于分析和处理钻井作业各项决策[1]。

1.2 数据层面架构分析

钻井和完井的各项数据资料是实现大数据分析平台远程运行与决策的重要依据。利用WellView软件对钻井和完井作业进行数据采集与管理,采用结构数据库进行人工填写、存储、录入,数据填写的最短时间维度为15分钟,输入数据间隔24小时。该系统采用SQL语句实现了对WellView数据库的实时存取,并将数据与平台数据库进行了连接。石油钻井公司利用在平台上预先安装的传感器对钻井和完井的作业工艺参数进行实时存储,并对数据库中的GeoservicesD Rec 12 log进行了24项操作参数的访问,如泵压、扭矩、钻压等,按录井记录的时间维度和间隔自动讀取和储存。

1.3 工作情况识别架构分析

在数据层中嵌入工作状态判定模块,通过设置不同的参数阈值来消除记录数据中的极值和噪声,从而提高了测量精度。目前,在钻机工作中,共有十余种工作情况的自动识别:旋转、滑动、起钻、下钻、倒划眼、下划眼、上洗井、下洗井、静循环、旋转循环、坐卡瓦、静止等。录井数据被自动存储到实时钻井参数数据库中,状态识别模块根据录井数据的运行状态,建立运行状态的可视化模型,将其直接呈现在钻井平台上[2]。在录井资料上标注了不同的工作状态,并根据工期的变化、测深的变化分布,自动识别出井下的工作状态。

Spotfire软件具备快速过滤功能,在工作状态可视化面板中,通过选择旋转钻井条件,可以迅速地选择出该工作状态下的钻井参数。录井资料主要有:钻头深度、大钩高度、大钩悬重量、钻井压力和排量。通过对以往多口钻井的记录资料进行分析,并将其应用人工校准的方法进行验证,结果表明,该方法的正确性达到83%-88%。利用状态判定模块对录井资料进行二次处理和二次分类,为下一步的分析模块提供了先决条件,并为建立分析平台打下了坚实基础。当前状态判定模块在井下复杂环境中存在较大的误判,后期会根据WellView中所填的井下复杂环境,自动将录井数据标记为复杂的状态,便于后续人工分析[3]。

1.4 大数据分析层面架构分析

根据钻井和完井作业所关心的各种问题,例如:单根作业效率、实时摩擦阻力、大钩悬重、设计轨道、实际钻井跟踪等,制作相应的模型在分析层面上予以显示,便于用户端工作人员查阅[4]。如图1所示,通过使用JavaScript开放源码库Echarts,实时地进行实钻轨迹跟踪,并通过最小曲率方法实时地进行实钻轨迹跟踪,并与设计轨迹进行对比分析,摆脱了专业石油软件如Compass的局限性和难操作性,方便用户端人员多点监测实钻轨迹与设计轨迹的偏差,以及是否达到达靶点等信息。

1.5 用户终端架构分析

Spotfire拥有BI系统所独有的交互、多维度的功能,使管理者、施工设计人员、钻井和完井作业管理人员可以根据不同内容,通过网站上的图表显示与交互功能,帮助自身了解作业数据资料的实际情况。可随时查询、汇总、过滤各种钻井作业资料,按任意大小分类、扩展或缩小[5]。Spotfire Web的工具包括了一个可以让管理者和专业技术人员在网站上就特定数据进行讨论的会话模块。该系统采用了设置内部网络的方式,确保系统的数据安全性,便于工作人员加强用户端管理。

2 基于大数据分析技术的钻井提效实践案例分析

2.1 案例介绍

选取某A油田的4口开发井为案例,具体数据如表1所示。A油田油藏数据资料掌握较为完善,1#井、2#井为该平台钻井作业的首批井,3#井、4#井为第二批次。4口井的二开段作业基本情况一致,钻具组合相同,井型、完钻井深、最大井斜等多项数据均相似。

2.2 机械钻速分析

1#井、2#井完成钻井后,利用模组面板和记录资料对作业状况进行可视化处理,并根据可视化面板对钻井参数进行二三次分析。在二开Ø311mm井段,2#井的顶驱速度在650m 左右上升到95-100 转/分钟,850m到完钻时,顶驱的旋转速度为105-110转/分钟;1#井在钻井到1300m以后,顶驱的速度仅达到100转/分钟。在800-1900m井段,因其开始倾斜深度和速度的差异,2#井的机械钻速比1号井要大得多。通过L1#n4#m1#rk的水力学参数仿真,确认了高速下的施工安全,建议在3#、4#井下,在二开Ø311mm井段钻进到800m后,将顶驱转速维持在105-120转/分钟,并保持到完钻。具体数据统计如表2所示,由数据可知机械钻速的平均值已有明显提升[6]。

在3#井、4#井钻井结束后,利用斯皮尔曼分析法对4口井的转速、排量、平均钻压和钻速之间的关系进行了分析。以机械钻速为变量,以转速、排量、平均钻压作为自变量[7]。P 表示出现概率,P<0.01则极具统计学意义。相关系数表示自变量与因变量之间的关系,而在相关计算中,该矩阵的行数是钻探参数组的个数。由表3的分析结果可以看出,转速与机械钻速之间的关系最大,相关系数为0.37,说明了提高机械钻速的重要意义。在本区块井轨道基本相同的情况下,采用相同的钻具,二开Ø311mm井段在保证钻井安全的情况下,应尽可能地提高顶驱速度,提高钻速。

2.3 钻进阶段的扭矩监控分析

在3#井钻井结束后,利用作业状态辨识模块,对二开Ø311mm井段的旋转式钻进工作情况进行了最小二乘拟合,得出了二开钻进时扭矩与测量深度的关系。在4#井二开施工过程中,把力矩拟合的预报曲线引入到钻井参数可视化图板中。如图2可以看出,在4#井的转动钻机工作状态下,散点是沿着斜井深度方向上的转矩数值分布,而实际的钻进扭矩曲线可见图2。由该图可知,采用最小二乘方法对实际钻机的转矩进行拟合,结果表明:实际钻机的转矩和预计转矩是一致的,具有很好的预报精度。

引入类似相邻井的纯数学拟合曲线,一方面可以方便监控力矩变化,另一方面通过对力矩的实时监控,可以大大降低复杂事故的发生概率。案例的2批4口井采用此方法,都没有出现较大错位。在钻井过程中,有许多因素会对扭矩产生影响,如最大井斜、地层物质情况、井深等。该方法能在多个参数基本相同的情况下,迅速发现扭矩随井深的变化趋势,方便现场钻探人员实时监测。另外,加强钻进扭矩监测可以在一定程度上防范作业安全事故发生,由此切实保障现场作业人员的人身安全。

3 大数据分析技术对实现钻井提效的积极作用分析

第一,建立了拥有大量钻井数据资料的数据库,使工程人员能够对钻井、完井作业进行实时查询和分析,大幅缩短了资料采集和处理的时限。根据钻井和完井数据采集系统的扩充能力,进一步开发了更多的物理模型和钻井轨迹修正模型,并根据实际需要进行相应拓展。

第二,应用大数据分析技术对钻探工艺进行科学监测,采用最小二乘方法进行钻头钻进力值与测量深度的关系分析,使某A油气田多井的钻速得到提高。同时,能够实时监控钻井施工中的扭矩变化,并与以往类似的钻井进行比较,减少了钻井中出现复杂性事故的几率。

第三,大数据分析系统易于使用,便于工程人员根据不同的区块进行快速分析,为石油企业的钻井作业决策提供依据,该技术具备通俗化和适应性。在资料来源中,由于记录资料有一定的噪声,因此,必须在资料的处理过程中,进一步提高资料品质,并采用深度学习方法,以提高作业结果的正确率。

4 结束语

综上所述,大数据分析技术属于当前较为先进的科学技术之一,因其在数据分析、数据统计、数据监测、数据整合等方面具有显著优势,得到了多个领域的广泛应用。就石油钻井领域来看,文章基于大数据分析技术,对该技术下的钻井分析系统及相关案例进行了分析,通过系统分析和案例分析得知,要想有效運用大数据分析技术,需要在主系统、数据存储、数据分析、可视化等多方面做好相应的支撑和保障,一方面是支撑大数据分析技术对于钻井作业的数据采集、存储、分析、可视化处理高效准确,由此展现大数据分析技术的实际应用价值和积极影响;另一方面是便于钻井作业管理人员全方位、多维度掌握实时钻井情况,实现随时发现问题随时处理问题,使钻井效率得到可靠保障,从而为推动石油钻井领域实现智能技术、现代技术的有效应用奠定坚实基础,促进我国现代化生产技术水平持续提高。

猜你喜欢

大数据分析
基于大数据分析的电力通信设备检修影响业务自动分析平台研究与应用
传媒变局中的人口电视栏目困境与创新