公开/公告号CN113236221A
专利类型发明专利
公开/公告日2021-08-10
原文格式PDF
申请/专利权人 中海油能源发展股份有限公司;
申请/专利号CN202110492313.3
申请日2021-05-06
分类号E21B44/00(20060101);E21B47/00(20120101);G06F30/27(20200101);
代理机构12214 天津创智天诚知识产权代理事务所(普通合伙);
代理人王秀奎
地址 100010 北京市东城区东直门外小街6号
入库时间 2023-06-19 12:10:19
技术领域
本发明涉及石油、天然气等钻井勘探开发技术领域,更具体的说涉及一种地质导向施工的钻井轨迹控制方法,应用于带地质导向技术服务的钻井工程施工。
背景技术
钻井轨迹精细控制是实现复杂油气藏勘探开发的关键技术之一,包括几何导向和地质导向两类。前人的研究大多集中在几何导向,对于地质导向研究较少。
地质导向钻井施工涉及随钻测量、定向井、地质、油藏等多个专业领域。当前地质导向钻井技术侧重于地质分析,描述地下目标地质体的形态、空间位置等特征的变化,对于分析成果的工程实现,缺少定量的钻井轨迹控制研究。常规作业过程中存在因跨专业信息交流导致的沟通效率低下,因技术人员经验差别影响对测量盲区轨迹参数的预测结果,最终影响轨迹控制精度。
该技术可以提高地质导向钻井的工作效率,是对前人几何导向钻井轨迹控制技术的延伸,对于薄层、复杂油水关系等轨迹控制精度要求高的油气藏地质工程一体化开发具有重要应用价值。
发明内容
本发明克服了现有技术中的不足,轨迹控制精度低,作业过程受人员经验影响预测误差大,跨专业信息沟通效率低下,提出了一种地质导向钻井的轨迹控制方法,该技术是基于地质导向钻井作业流程,构建了包括地质导向分析、几何导向指令、导向钻进参数和随钻测量监控四个模块,提取导向模型关键参数,将地质分析成果转换成定量的定向参数,并引入机器学习算法提高对导向钻井轨迹的控制精度,满足螺杆、旋转导向等主流导向动力工具使用环境下的轨迹控制实现。
本发明是通过以下技术方案实现的:
一种地质导向钻井的轨迹控制方法,按照下述步骤进行:
步骤1,进行地质导向分析,将导向模型关键参数和地质设计中轨迹位置摆放要求进行对比;
步骤2,将步骤1的分析结果转化为几何导向指令,包括目标井斜角、目标方位角、全角变化率;
步骤3,根据步骤2的几何导向指令计算导向钻进参数,包括定向工具面、定向段(力);
步骤4,进行随钻测量监控,获取随钻测量得到的实时轨迹参数,利用机器学习方法预测传感器测量盲区的轨迹参数,并将预测结果返回给步骤1、3调用。
在步骤1中,对比导向模型关键参数和轨迹位置摆放要求,判断如不符合要求,则继续进行步骤2。其中导向模型关键参数是从地质导向模型中提取,包括钻头井斜、地层倾角、地层厚度、钻头位置;轨迹位置摆放要求从地质设计中获取,常见的要求有三类:沿目的层中部、沿目的层顶部、沿特定物性属性。
在步骤2中,根据步骤1的分析结果进行转化,获取几何导向指令。几何导向指令包括目标井斜角、目标方位角、全角变化率。
目标井斜角和井斜变化率计算公式如下:
h=h
d=d
BR=57.296×(Sinα
BR=57.296×(Cosα
其中,
α
上式中,h为轨迹在导向剖面上的投影垂深变化,hB为导向目标深度,hA为钻头深度,d为轨迹在导向剖面上的投影位移变化,dB为导向目标位移,dA为钻头位移,BR为井斜变化率,αB为目标井斜角,αA为钻头井斜角,θ为地层倾角。θ通过步骤1的导向模型关键参数获取,αA通过步骤4预测得到。
方位变化率计算公式如下:
上式中,TR为方位变化率,ΦB为目标方位角,ΦA为钻头方位角,LB是导向目标的斜深,LA是钻头位置斜深。ΦB由钻井设计获得,ΦA通过步骤4预测得到。
全角变化率计算公式如下:
上式中,κ为全角变化率。
在步骤3中,根据几何导向指令计算导向钻进参数。导向钻进参数包括定向工具面、定向段(力)。定向工具面ω的计算公式如下:
另外,定向段是指代螺杆工具在定向过程中设置的滑动定向的位置和长度,力是指旋转导向工具在定向过程中设置的力强度值大小。定向段或力强度的调整取决于对实际施工效果的实时评估和预测,通过步骤4完成。
在步骤4中,进行随钻测量监控,根据随钻测量得到的实时轨迹参数,利用机器学习方法预测钻头位置轨迹参数。将预测结果返回给步骤1、3使用,用于更新步骤1中钻头处轨迹参数的预测值,以及步骤3中的钻进工程参数调整。
机器学习方法步骤:首先提取以定向工具面、定向段长(力)等工程参数向量作为输入特征数据,并结合已钻井段的轨迹参数作为输出目标整合生成训练样本数据集;然后利用高斯过程回归算法对数据集进行网格化训练获得机器学习模块;最后在此机器学习模块指导下,对步骤4随钻测量实时记录的传感器盲区的工程参数向量预测体进行非线性融合,获取钻头位置轨迹参数αA和ΦA。
本发明的有益效果为:本发明提出了从地质导向分析结果到几何导向指令的转换方法,融合地质分析和钻井工程两个专业领域,方便非地质油藏专业人员理解导向指令含义;本发明提出了从几何导向指令到导向钻进参数的计算方法,提高导向钻进的作业效率;本发明可以预测传感器测量盲区的轨迹参数;本发明可以提高地质导向钻井轨迹控制精度。
附图说明
图1为本发明的流程图。
图2为本发明的一具体实施例中的地质导向模型关键参数示意图。
图3为本发明的一具体实施例中的地质导向轨迹位置摆放要求示意图。
图4为本发明的一具体实施例中的导向钻进参数换算示意图。
图5为本发明的一具体实施例中的随钻测量监控示意图(一)井斜预测对比。
图6为本发明的一具体实施例中的随钻测量监控示意图(二)方位预测对比。
对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据以上附图获得其他的相关附图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合具体实施例进一步说明本发明的技术方案。
实施例1
下面通过具体的实例对本发明的技术方案作进一步的说明。
某海上深井,设计水平段井深5300~5900m,该水平段目的层厚度5m,地层倾角约1deg上倾,沿水平段方向受构造和物性变化等影响目的层倾角、厚度等发生变化。作业者采用了地质导向钻井方法确保水平段钻遇率达到90%以上,并要求将轨迹摆放在目的层中间位置。
常规的动力工具在本井无法正常实施定向。由于顶驱扭矩受井壁摩阻等影响不能正常传送至井底钻头处,使得钻进过程中出现了严重的钻铤粘滑现象,导致旋转导向和螺杆工具都无法正常定向。最终作业者将螺杆接在旋转导向工具后端解决了定向控制问题。但是,作为辅助动力的螺杆工具使得轨迹测量盲区达到15~20m,增加了轨迹控制难度。通过应用本发明可以实现对钻井轨迹的精确控制,步骤如下:
a、地质导向分析
通过分析随钻测井曲线、邻井曲线、地震资料、轨迹位置等建立地质导向模型。地质导向模型关键参数如图2所示,包括钻头井斜、地层倾角、地层厚度、钻头位置。其中钻头井斜通过步骤d随钻测量监控预测得到,其余参数通过建模分析获取。
提取地质导向模型关键参数与地质设计中轨迹位置摆放要求进行对比。判断模型参数是否符合设计要求,若不符合则需要进入下一步骤。
b、获取几何导向指令
将步骤a的分析结果转化为几何导向指令,包括目标井斜角、目标方位角、全角变化率;
目标井斜角和井斜变化率计算公式如下:
h=h
d=d
BR=57.296×(Sinα
BR=57.296×(Cosα
其中,
α
上式中,h为轨迹在导向剖面上的投影垂深变化,h
方位变化率计算公式如下:
上式中,TR为方位变化率,Φ
全角变化率计算公式如下:
上式中,κ为全角变化率。
c、计算导向钻进参数
根据几何导向指令计算导向钻进参数。导向钻进参数包括定向工具面、定向力。定向工具面ω的计算公式如下:
另外,定向力是指旋转导向工具在定向过程中设置的力强度值大小,取值范围[0%,100%]。100%力是表示旋转导向工具的最大定向能力。力强度的调整取决于步骤d对实际施工效果的实时评估和预测。
d、随钻测量监控
进行随钻测量监控,根据随钻测量得到的实时轨迹参数,利用机器学习方法预测传感器测量盲区的轨迹参数,并将预测结果返回给步骤a、c调用。用于更新步骤a中钻头处轨迹参数预测,以及步骤c中的定向力参数调整。
提取以定向工具面、定向力等工程特征向量数据集,结合已钻井队的轨迹参数(包括连续井斜、方位)整合生成训练样本数据集进行网格化训练,由此生成机器学习训练模块;在此机器学习模块指导下,对随钻测量实时记录的传感器盲区的工程参数向量预测体进行非线性融合,获取钻头位置轨迹参数α
最终在该案例中,如图5、图6所示,统计预测井斜与实际测量井斜值的对比结果,决定系数99.7%,最大绝对误差1.405deg,均方根误差0.169;统计预测方位与实际测量方位值的对比结果,决定系数99.1%,最大绝对误差3.719deg,均方根误差0.066。该精度满足轨迹精确控制的作业需求。
以上对本发明做了示例性的描述,应该说明的是,在不脱离本发明的核心的情况下,任何简单的变形、修改或者其他本领域技术人员能够不花费创造性劳动的等同替换均落入本发明的保护范围。
机译: 一种单平面多自由度SCARA机器人的轨迹控制装置和轨迹控制方法,以及其中轨迹控制程序为一维的单平面多自由度SCARA机器人计算机可读记录介质记录的
机译: 用于地下储罐勘探和生产领域的钻孔轨迹优化方法,包括确定是否使用地质演化方案修改了钻孔轨迹,并在需要时修改了轨迹
机译: 轨迹计划方法,轨迹控制方法,轨迹计划系统以及轨迹计划和控制系统