Architecture of Intelligent Early Warning System for Complex Drilling Risks Based on Digital Twin Technology
-
摘要:
为降低深部地层不确定地质条件诱发的钻井井下复杂风险,采用数字孪生技术,构建了基于物理模型与数据驱动模型融合的钻井复杂风险数字孪生智能预警体系。为满足随钻预警、降低风险等实际需求,提出了基于微服务的数据集成、孪生体智能感知、多模态融合预警、孪生体智能诊断等4项数字孪生预警系统支撑技术,建立了钻井数字孪生预警系统的整体架构,并详述了其功能及模型设计,涉及物理设备层、虚拟实体层、孪生体数据层、孪生体算法模型层及孪生体预警服务层5层交互系统,设计了钻前预演规避风险、钻中实时预警、钻后分析区块风险等3种区块钻井优化设计的应用场景,实现了对多源异构数据的数字化集成,传统物理模型与智能模型的多重融合,以及溢流、井漏、卡钻的预警与类型识别等功能,从而达到降低深部钻井作业风险、优快钻井的目的。研究结果表明,基于“模型+数据”的数字孪生预警架构具有提前识别钻井过程中的风险和快速诊断风险类型的潜力,为智能钻井风险预警提供了新的技术途径。
Abstract:To reduce the complex drilling risks induced by uncertain geological conditions in deep formations, the digital twin technology has been adopted to construct a digital twin intelligent risk early warning system for complex drilling risks based on the fusion of physical models and data-driven models. In order to meet the actual requirements of early warning while drilling and risk reduction, four supporting technologies of digital twin early warning system were proposed, including microservice-based data integration, intelligent perception of digital twins, multimodal fusion early warning, and intelligent diagnosis of digital twins. The overall architecture of the digital twin early warning system for drilling has been established, and its functions and model design were described in detail. The system involved a five-layer interaction system, including physical device layer, virtual entity layer, digital twin data layer, digital twin algorithm model layer, and digital twin early warning service layer. Three application scenarios have been designed, including pre-drilling risk avoidance rehearsal, real-time warning during drilling, and post-drilling analysis of block risk situations to optimize block drilling design. This system has achieved several functions, such as digital integration of multi-source heterogeneous data, multiple fusion of traditional physical models with intelligent models, warning and type identification of overflow, lost circulation, and pipe sticking, etc. Therefore, the risks associated with deep drilling operations have been reduced and drilling efficiency has been optimized. The study results indicate that the digital twin warning architecture based on “model + data” has the potential to identify drilling risks and diagnose risk types in advance during drilling, providing new technology approaches for intelligent drilling risk early warning.
-
Keywords:
- drilling /
- risks /
- intelligent early warning /
- architecture /
- digital twin
-
深层页岩气钻井面临高温高压、缝洞发育导致井漏事故频发、溢流和漏失同存、深部地层机械钻速低和井壁失稳等挑战,为提高深层页岩气钻进安全系数和效率,可采用欠平衡钻井技术实现井底压力精确控制和提速提效[1-8]。欠平衡钻井是一种将井筒压力保持在被钻地层压力以下,允许地层流体流入井筒并从地面循环出来的技术。使用低密度钻井液或注入惰性气体可以产生欠平衡状态。与常规钻井相比,欠平衡钻井可以减少地层损伤、提高钻速、降低漏失量、降低压差卡钻风险和快速显示产层等[9-14]。有效控制井底压力,避免大量地层流体侵入和地面环空压力过高是欠平衡钻井作业成功的关键。在欠平衡钻井时,注入液体、侵入气体和岩屑在井筒中共存,为了更好地表征流动特性和分析井下数据,需要建立钻杆内液相管流流动模型、储层侵入速率模型、环空内气液固流动模型和井筒与地层间的对流换热模型[15-17]。学者们研究了欠平衡钻井过程中的流型转变边界和不同流型下流动参数[18]、井底压力自动控制[19]、井眼清洁效率[20]、储层表征[21-22]等。然而,大多数研究忽略了岩屑对井筒多相流动的影响,直接应用气液两相流的均相模型[23]、漂移流模型[24]或双流体模型[25]模拟井筒内的多相流动特性和优化欠平衡钻井参数。欠平衡钻井技术已应用于陆上[26-27]和海上深层油藏[28-29]的开发,已经证实了流体温度沿井筒深度变化会影响流体性质(密度、黏度等),进而影响多相流动特性。因此,将环空流体与周围环境之间的对流换热嵌入多相流模型是非常重要的。
两相流模型在计算中浅层地层压力和温度时精度可满足工程需求,但随着深度和温度增加,计算精度会大幅度降低。当前模拟欠平衡钻井井筒中气液固三相流动传热特性的模型较少,且大多为等温稳态模型和不考虑岩屑的影响,影响了深部地层井底压力预测的准确性。此外,明确井筒多相流动动态演变特性,可以为现场作业者调整作业参数、实现欠平衡钻井作业性能最大化提供理论指导。因此,建立瞬态–非等温的气液固三相流动模型,可模拟欠平衡钻井作业过程中的压力、温度、相体积分数和流体性质变化规律,基于建立模型明确了关键参数对井筒中气液固三相流体动态流动和传热特性的影响规律,为控压钻井、欠平衡钻井在深层页岩油气中的高效应用提供了理论支撑。
1. 气液固三相瞬态流动传热模型的建立
欠平衡钻井过程中,环空中存在钻头破岩产生的岩屑、注入的钻井液和侵入的地层气体,因此,环空内为气–液–固三相流动状态。基于以下假设建立了控制方程:1)沿井筒一维流动;2)处于同一位置的气、液、固三相具有相同的压力和温度;3)忽略不同相之间的传质;4)岩屑对气液两相流型转换准则无影响;5)岩屑在液相中分布均匀,岩屑为球形且大小均匀;6)忽略钻杆运动对多相流特性的影响。
1.1 控制方程
气相、液相和岩屑的质量守恒方程为:
∂(ρmαmA)∂t+∂(ρmαmvmA)∂z=0 (1) 式中:ρ为密度,kg/m3;α为相体积分数;v为速度,m/s;A为环空截面积,m2;下标m=g,l,s,分别表示气相、液相和岩屑,且三者的相体积分数之和为1.0
(∑αm=1.0) 。气相、液相和岩屑的动量守恒方程为:
∂(ρmαmvm)∂t+∂(ρmαmv2m)∂z+∂(αmp)∂z+αmρmgcosθ+FWm+FIm=0 (2) 式中:p为压力,Pa;θ为井斜角,(°);g为重力加速度,m/s2;
FWm 为各相壁面剪切应力,Pa/m;FIm 为各相间的作用力,Pa/m,并且各相间的作用力之和为0(∑FIm=0) 。对于环空中向上流动的多相流,多相流温度由以下因素决定:1)沿环空向上运移的热量;2)环空流体与钻杆之间的热量交换;3)环空流体与生产套管(套管井段)或地层(裸眼段)之间的热量交换。因此,环空中混合物的能量守恒方程为[30]:
∂∂t{∑[ρmαm(um+12v2m)]}=∂∂z{∑[ρmαmvm(um+pρm+12v2m)]}+∑(ρmαmvmgcosθ)+QAan+∑˙Hm (3) 式中:
u 为内能,J/kg;Q 为环空流体与周围环境(包括钻杆和地层)之间的热交换,W/m;Aan 为环空截面积,m2;˙Hm 为各相单位体积的流入焓,W/m3。环空流体与周围环境的换热计算公式为:
Q=2πrdp,ohdp-an(Tdp−Tan)+2πrca3,ihan-ca3(Tca3−Tan) (4) 式中:
rdp,o 为钻杆外壁半径,m;hdp−an 为钻杆与环空流体间的对流换热系数,W/(m2·K);Tdp 为钻杆温度,K;Tan 为环空流体温度,K;rca3,i 为生产套管的内半径,m;han−ca3 为环空流体与生产套管之间的对流换热系数,W/(m2·K);Tca3 为生产套管温度,K。由于钻杆温度和生产套管温度也随时间和位置变化,因此需要额外的能量守恒方程来求解环空中混合物的能量守恒方程。钻杆内钻井液温度控制方程为:
−ρdvdπr2dp,icp,d∂Td∂z+2πrdp,ihd−dp(Tdp−Td)=ρdcp,dπr2dp,i∂Td∂t (5) 式中:
ρd 为钻杆内钻井液密度,kg/m3;vd 为钻杆内钻井液速度,m/s;cp,d 为钻杆内钻井液比热容,J/(kg·K);Td 为钻杆内钻井液温度,K;rdp,i 为钻杆内半径,m;hd−dp 为钻杆内钻井液与钻杆之间的对流换热系数,W/(m2·K)。钻杆的温度控制方程为:
ρdpcp,dpπ(r2dp,o−r2dp,i)∂Tdp∂t=λdpπ(r2dp,o−r2dp,i)∂2Tdp∂z2+2πrdp,ihd−dp(Td−Tdp)+2πrdp,ohdp-an(Tan−Tdp) (6) 式中:
ρdp 为钻杆密度,kg/m3;cp,dp 为钻杆比热容,J/(kg·K);λdp 为钻杆导热系数,W/(m·K)。地层的温度控制方程为:
λfr∂∂r(r∂Tf∂r)+λf∂2Tf∂z2=ρfcp,f∂Tf∂t (7) 式中:
λf 为地层导热系数,W/(m·K);Tf 为地层温度,K;cp,f 为地层比热容,J/(kg·K)。1.2 相间相互作用力
动量守恒方程中,
FIm 为各相单位体积承受的相间力,它控制着不同相之间的滑移,并高度依赖于流型。相间作用力包括虚拟质量力和拖曳力。拖曳力是由不同相之间的剪切力引起的;虚拟质量力是由不同相之间的相对加速度引起的,通常忽略虚拟质量力项,以简化计算。对于泡状流、分散气泡流和段塞流,液相作用于气相上的拖曳力
FIG 通常表示为[31]:FIg=18ρlaIgCdg|vg−vl|(vg−vl) (8) 式中:
FIg 为气相拖曳力,N;aIg 为气相的相间面积分数;Cdg 为气相的曳力系数。假设所有流型下,岩屑在液相中均匀分布,因此,液相对岩屑施加的拖曳力
FIs 可表示为:FIs=34αsdsρlCds|vs−vl|(vs−vl) (9) 式中:
FIs 为岩屑拖曳力,N;ds 为岩屑直径,m;Cds 为岩屑的曳力系数。由于本文液相为牛顿流体,岩屑均为球形,因此采用以下经验相关法计算岩屑曳力系数[32]:
Cds=24Res(1+0.27Res)0.43+0.47[1−exp(−0.04Re0.38s)] (10) 式中:
Res 为岩屑雷诺数。1.3 壁面摩擦力
对于泡状流、分散泡状流和搅拌流,将环空内气、液、固三相的混合物假设为均相流体来计算壁面摩擦力:
∑FWm=fMρMv2M4(rca3,i−rdp,o) (11) 式中:fM为三相混合物的摩擦系数;下标
M 表示环空气液固三相混合物。fM是相对粗糙度和雷诺数的函数[33]:
1√fM=4lg[ε3.7065×2(rca3,i−rdp,o)−5.0425lgA∗ReM] (12) 式中:
ReM 为环空混合物雷诺数;ε 为壁面绝对粗糙度,m;A∗ 为中间参数。1.4 边界条件
假设钻遇的地层都是含气层,即没有液体从储层侵入井筒,因此环空底部的液体质量流速与钻杆入口的液体质量流速相等。
该模型假设侵入气体为甲烷,根据径向流动方程[34]计算气体流入速率:
Qg=2.64×10−20Kh(p2r−p2b)(0.8+lntD)[(T+18.15)Zμg] (13) 式中:
Qg 为气体体积流量,m3/s;pr 为地层压力,Pa;pb 为井底压力,Pa;K 为地层渗透率,mD;h 为地层厚度,m;tD 为无因次时间。井底岩屑体积流量的计算公式为:
Qs=vpe3600πr2ca3,i (14) 式中:
Qs 为岩屑体积流量,m3/s;vpe为机械钻速,m/h。环空井口压力设定为定值。
2. 模型求解及验证
2.1 模型求解
流动方程(质量和动量守恒方程)与能量守恒方程解耦求解[35]。首先,利用上一时间步的温度剖面来更新流体性质,然后求解流动方程,得到当前时间步的相体积分数、相速度和压力;然后,利用新的流动参数更新能量守恒方程中的所有系数,求解整个井筒–地层系统的能量守恒方程,得到当前时间步的温度分布;最后,在流动方程和能量守恒方程之间进行迭代,直到满足收敛准则。
式(1)和式(2)可以表示为以下形式:
∂Wj∂t+∂Fj(Wj)∂z=Qj(Wj)(j=1,2,⋯,6) (15) 式中:
W 、F(W) 、Q(W) 为密度、速度、相体积分数和压力的函数,如表1所示。表 1 式(15)中的变量计算公式Table 1. Variables in Eq. (15)Wj Fj(Wj) Qj(Wj) W1=ρgαgA F1(W1)=ρgαgvgA Q1(W1)=0 W2=ρlαlA F2(W2)=ρlαlvlA Q2(W2)=0 W3=ρsαsA F3(W3)=ρsαsvsA Q3(W3)=0 W4=ρgαgvg F4(W4)=ρgαgv2g+αgp
F∗4(W4)=ρgαgv2gQ4(W4)=−αgρggcosθ−FWg−FIg W5=ρlαlvl F5(W5)=ρlαlv2l+αlp
F∗5(W5)=ρlαlv2lQ5(W5)=−αlρlgcosθ−FWl−FIl W6=ρsαsvs F6(W6)=ρsαsV2s+αsp
F∗6(W6)=ρsαsv2SQ6(W6)=−αsρsgcosθ−FWs−FIs 用有限差分法对式(15)进行离散化[36],得到如下方程:
{Wj|n+1i+1/2−Wj|ni+1/2Δt+Fj(Wj)|n+1i+1−Fj(Wj)|n+1iΔz=Qj(Wj)|n+1/2i+1/2(j=1,2,3)Wj|n+1i+1/2−Wj|ni+1/2Δt+F∗j(Wj)|n+1/2i+1−F∗j(Wj)|n+1/2iΔz+(αjp)|n+1i+1−(αjp)|n+1iΔz=Qj(Wj)|n+1/2i+1/2(j=4,5,6) (16) 采用有限差分法,求解整个井筒–地层系统的能量守恒方程。
2.2 模型验证
为了验证所提出的气–液–固三相流动模型的准确性,将计算结果与实验数据[37]进行了比较。采用空气和水作为实验工质,以陶瓷球为固体颗粒。空气的密度由理想气体的状态方程决定。实验过程中,圆管直径为0.026 m,圆管长度为6.74 m,固相密度为2 540 kg/m3,岩屑直径为6.1 mm,液相密度为1 000 kg/m3,液相黏度为1.0 mPa·s。计算结果与实测值的对比如图1所示。
由图1可知,平均相对误差为3.66%,最大误差为16.80%,计算得到的液相速度与实测值吻合较好。此外,还将预测的井筒压力与墨西哥Agave 301井的现场数据进行了比较。Agave 301井的压力计在井深2 259 m处,地表温度为20.85 ℃,氮气注入速率为10 m3/min,环空回压为0.069 MPa,钻井液密度为949 kg/m3,钻井液黏度为10.0 mPa·s,机械钻速为3.0 m/h,地温梯度为1.745 ℃/100 m,钻井液注入速率为0.45 m3/min,钻杆和环空压力的预测与现场测量的平均相对误差为1.76%和1.29%(见图2)。
3. 井筒多相流动特性影响因素分析
研究了岩屑及井筒与地层间对流换热对井筒流动传热特性的影响,利用控制变量法,分析了敏感性参数(欠平衡压差、机械钻速、地温梯度)的影响规律。模拟井的井深为7 000 m,钻杆内径为70.2 mm、钻杆外径为88.9 mm,钻头直径为152.4 mm,液相质量流量为9.0 kg/s,地层渗透率为60 mD,地层孔隙度为50%,地层厚度为50 m,地表温度为25 ℃,钻井液注入温度为10 ℃,液体黏度为10.0 mPa·s,节流阀压力为1.0 MPa,岩屑密度为2 650 kg/m3,液相注入压力为11.5 MPa。
3.1 岩屑
以前的欠平衡钻井模型,通常忽略岩屑的影响,而岩屑影响井筒中的压力分布,进而影响井筒多相流动特性。基于本文所建立的模型,比较了模型中考虑和不考虑岩屑存在时环空多相流动特性差异。欠平衡压差和地温梯度分别设定为1.0 MPa和2.0 ℃/100m。计算中考虑岩屑影响时,岩屑直径和机械钻速分别设为2.5 mm和15 m/h。考虑和不考虑岩屑存在时,利用所建模型计算出的井底压力曲线、岩屑体积分数/岩屑重力压降、气体侵入速率/气体侵入总质量、气相体积分数剖面如图3所示。从图3(a)可以看出,不考虑岩屑时,井底压力被低估了约2 MPa,60 000 s时,有岩屑存在时为57.043 MPa,无岩屑存在时为55.041 MPa,2种工况下的井底压力差为2.002 MPa,相对误差为3.64%。分析认为其原因是:首先,岩屑的存在增加了环空中混合物的重力压降,如60 000 s时井筒底部岩屑重力压降为1.219 MPa(见图3(b))。其次,由于井底压力升高,环空底部与储层之间的压差减小,从储层侵入井筒气体的速率减小,考虑和不考虑岩屑存在时,60 000 s时储层侵入井筒气体的速率分别为1.018 kg/s和1.137 kg/s(见图3(c));从储层侵入井筒的气体越少,井底压力降低程度越小。此外,井筒压力升高会使气体密度升高,从而进一步降低环空中的气相体积分数;考虑和不考虑岩屑存在时,60 000 s沿井筒的最大气体分数差为0.031 6(见图3(d))。
3.2 井筒–地层传热
井筒与地层间的传热影响井筒温度场,进而影响井筒中流体性质,最终影响井筒多相流动特性。为此,比较了考虑与不考虑井筒–地层间对流换热时的环空多相流动特性。欠平衡压差为1.0 MPa,岩屑直径为2.5 mm,机械钻速为15 m/h,地温梯度为2.0 ℃/100 m。在不考虑环空流体与周围环境之间换热的情况下,利用所建模型计算考虑与不考虑井筒–地层对流换热时的井底压力、温度、气体密度和岩屑体积分数,结果见图4。计算时将环空流体温度设为常数,并采用了2种环空流体温度分布方式:1)环空流体温度等于钻井液注入温度(条件1);2)随着井深的增加,环空流体温度从钻井液注入温度开始,随着地温梯度增大而升高。
从图4(a)可以看出,不考虑井筒–地层对流换热时,井底压力被高估了。在100 000 s时,考虑对流换热、条件1和条件2等3种条件下的井底压力分别为56.996,61.932和57.694 MPa。不考虑换热效应时井底压力的相对误差分别为8.66%和1.21%。图4(b)为不同工况下环空流体温度分布。考虑传热效应的情况下,环空流体温度随时间推移而升高。考虑换热效应、条件1和条件2等3种条件下,在100 000 s时,考虑换热效应的环空流体温度均大于条件1,而其先大于后小于条件2;与考虑换热效应的计算结果相比,条件1和条件2的最大温差分别为101.12和43.67 ℃。环空流体温度不同也会使气体密度等沿井筒流体性质的不同,从而使井筒压力也不同(见图4(c));在不考虑换热效应的情况下,井筒岩屑体积分数被高估(见图4(d))。
3.3 欠平衡压差
欠平衡压差影响气相进入井筒中的速率,进而影响井筒多相流动特性。岩屑直径为2.5 mm,机械钻速为15 m/h,地温梯度为2.0 ℃/100m,欠平衡压差分别为0.5,1.0和1.5 MPa,利用所建模型分别计算得到井筒压力随井深变化剖面和气体侵入速率随时间的变化,结果见图5。从图5可以看出,随着欠平衡压差增大,井筒压力升高。在60 000 s时,欠平衡压差为0.5,1.0和1.5 MPa时的井底压力分别为60.790,57.044和54.136 MPa,这主要是因为气体侵入速率随着欠平衡压差增大而升高(见图5(b))。
不同欠平衡压差条件下,利用所建模型分别计算得到9 520和60 000 s时气相体积分数随深度的变化关系,结果见图6。从图6可以看出,由于气体流入速率较高,沿井筒的气体分数随欠平衡压差增大而增大;60 000 s时,欠平衡压差为0.5 MPa与1.0 MPa和1.0 MPa与1.5 MPa的最大气相体积分数差分别为0.108 0和0.076 6。从图6(a)可以看出,由于气体速度较大,随着欠平衡压差增大,气相到达地面的时间会更早。
3.4 机械钻速
机械钻速影响岩屑进入井筒的速率,因此分析机械钻速对井筒多相流动特性影响规律。在欠平衡压差1.0 MPa、岩屑直径2.5 mm、地温梯度2.0 ℃/100 m,机械钻速分别为10,15和20 m/h的条件下,利用所建模型计算井底压力随时间的变化,结果见图7。
从图7可以看出,井筒压力随着机械钻速增大而升高。60 000 s时,机械钻速为10,15和20 m/h时的井底压力分别为56.320,57.044和57.811 MPa。这是因为机械钻速越大,环空混合物的静液柱压力也越大。
绘制不同机械钻速下环空流体温度分布曲线,结果如图8所示。由图8可以看出,空流体温度随着机械钻速增大而升高。随着机械钻速增大,环空中的岩屑体积分数也随之增大。由于岩屑比热容小于液相和气相比热容,环空流体的比热容随着岩屑体积分数增大而减小。因此,由于混合物的比热容较小,环空流体温度随着机械钻速增大而升高。
3.5 地温梯度
地温梯度是影响井筒温度的重要因素。在欠平衡压差1.0 MPa,岩屑直径2. 5 mm,机械钻速15 m/h,地温梯度分别为1.0,2.0和3.0 ℃/100m的条件下,利用所建模型计算60 000 s时的环空流体温度分布,结果见图9。从图9可以看出,环空流体温度随着地温梯度增大而升高。这是因为随着地温梯度增大,环空流体与周围环境的温差增大,可以从周围环境吸收更多的热量。此外,环空流体的最高温度并不出现在井底。这种情况下,环空流体最高温度出现在井深5 795 m处,是井底以上井深的六分之一。这种现象的原因可以从环空流体与周围环境的热交换来解释:首先,钻杆中的钻井液吸收环空流体的热量,其温度在井底达到最高;然后,钻井液随岩屑和侵入气体沿环空向上流动,由于环空中混合物的温度低于地层温度,混合物继续从地层中吸收热量;在环空下部,从储层吸收的热量大于钻杆流体损失的热量,因此环空流体温度升高;当环空流体的净换热为零时,环空流体温度达到最高。
绘制不同地温梯度下井底压力随时间变化的曲线和气相密度随深度的变化曲线,如图10所示。从图10可以发现,地温梯度增大会导致沿井筒气体的密度降低,从而导致井底压力降低。
综合上述研究结果可以看出,考虑岩屑影响时,井筒中的气体侵入速率和气相体积分数都会相应降低;不考虑井筒–地层对流换热时,井筒压力会被高估。随着机械钻速增大,井筒压力、井筒温度和岩屑体积分数都会相应增大;且随着机械钻速增大,欠平衡钻井过程中气相和岩屑到达地面的时间会更早。
4. 结 论
1)针对深层页岩欠平衡钻井过程,建立了井筒内气–液–固三相瞬态流动传热模型;与欠平衡钻井作业的现场数据进行了对比验证,验证了模型的可靠性和准确性。
2)欠平衡钻井过程中不考虑岩屑影响时,井底压力被低估。这是因为岩屑会产生额外的岩屑重力压降,使井底压力升高,从而导致侵入气体速率减小,并且进一步降低环空中的气相体积分数。
3)欠平衡钻井过程中不考虑井筒–地层对流换热影响时,井底压力被高估,因此需要准确预测井筒温度场及其对井筒流体性质和压力分布的影响。
4)本文所建立的气–液–固三相流动模型拓展了传统的气–液两相流动模型,为页岩欠平衡钻井过程中井筒压力准确预测和高效调控提供了理论基础。
-
表 1 复杂风险预警参数表征规律
Table 1 Characterization laws of early warning parameters for complex risks
风险类型 实测参数表征规律 实时计算参数 实时预测参数 溢流 钻时变短悬重降低
总池液面逐渐升高
出口流量逐渐升高
立压逐渐降低然后升高
气测全烃逐渐升高实测立压小于计算立压
井底压力小于孔隙压力实测立压小于预测立压
高压地层识别井漏 总池液面逐渐降低
出口流量逐渐降低
立压逐渐降低实测立压小于计算立压
井底压力大于漏失压力实测立压小于预测立压
井漏曲线案例推理识别井塌卡钻 立压突然升高
扭矩逐渐或突然升高
钻时突然增大实测立压大于计算立压
实测扭矩大于计算扭矩实测立压大于预测立压
易塌地层识别压差卡钻 立压不变
扭矩逐渐升高
起钻悬重升高
下钻悬重降低实测起钻悬重大于计算起钻悬重
实测下钻悬重小于计算下钻悬重实测起钻悬重大于预测起钻悬重
实测下钻悬重小于预测下钻悬重 -
[1] 蒋希文. 钻井事故与复杂问题[M]. 2版. 北京:石油工业出版社,2006:1-9. JIANG Xiwen. Drilling accidents and complex problems[M]. 2nd ed. Beijing: Petroleum Industry Press, 2006: 1-9.
[2] 张好林,杨传书,李昌盛,等. 钻井数字孪生系统设计与研发实践[J]. 石油钻探技术,2023,51(3):58–65. ZHANG Haolin, YANG Chuanshu, LI Changsheng, et al. Design and research practice of a drilling digital twin system[J]. Petroleum Drilling Techniques, 2023, 51(3): 58–65.
[3] KANEKO T, INOUE T, NAKAGAWA Y, et al. Hybrid approach using physical insights and data science for stuck-pipe prediction[J]. SPE Journal, 2024, 29(2): 641–650. doi: 10.2118/218013-PA
[4] 胜亚楠. 基于工程参数变化趋势异常诊断的卡钻实时预警方法[J]. 钻探工程,2024,51(1):68–74. SHENG Yanan. Real-time early warning of pipe sticking based on abnormal diagnosis of engineering parameter change trend[J]. Drilling Engineering, 2024, 51(1): 68–74.
[5] 姜杰,霍宇翔,张颢曦,等. 基于数字孪生的智能钻探服务平台架构[J]. 煤田地质与勘探,2023,51(9):129–137. JIANG Jie, HUO Yuxiang, ZHANG Haoxi, et al. Architecture of intelligent service platform for drilling based on digital twin[J]. Coal Geology & Exploration, 2023, 51(9): 129–137.
[6] 苏晓眉,张涛,李玉飞,等. 基于K-Means聚类算法的沉砂卡钻预测方法研究[J]. 钻采工艺,2021,44(3):5–9. SU Xiaomei, ZHANG Tao, LI Yufei, et al. Research on the sticking prediction method based on K-Means clustering algorithm[J]. Drilling & Production Technology, 2021, 44(3): 5–9.
[7] 晏琰,段慕白,黄浩. 基于趋势线法的钻井风险预警技术研究[J]. 钻采工艺,2023,46(2):170–174. YAN Yan, DUAN Mubai, HUANG Hao. Research on drilling risk early warning technology based on trend line method[J]. Drilling & Production Technology, 2023, 46(2): 170–174.
[8] 王钰豪,郝家胜,张帆,等. 钻井溢流风险的自适应LSTM预警方法[J]. 控制理论与应用,2022,39(3):441–448. WANG Yuhao, HAO Jiasheng, ZHANG Fan, et al. Adaptive LSTM early warning method for kick detection in drilling[J]. Control Theory & Applications, 2022, 39(3): 441–448.
[9] 胡万俊,夏文鹤,李永杰,等. 气体钻井随钻安全风险智能识别方法[J]. 石油勘探与开发,2022,49(2):377–384. HU Wanjun, XIA Wenhe, LI Yongjie, et al. An intelligent identification method of safety risk while drilling in gas drilling[J]. Petroleum Exploration and Development, 2022, 49(2): 377–384.
[10] GRIEVES M. Digital twin: manufacturing excellence through virtual factory replication[R]. White Paper, 2014.
[11] HADJIDEMETRIOU L, STYLIANIDIS N, ENGLEZOS D, et al. A digital twin architecture for real-time and offline high granularity analysis in smart buildings[J]. Sustainable Cities and Society, 2023, 98: 104795. doi: 10.1016/j.scs.2023.104795
[12] AVANZINI G B, ERIKSSON K E. Quality assurance framework of digital twins for the oil and gas industry[R]. OMC 2021-157, 2021.
[13] YANG Chao, CAI Baoping, ZHANG Rui, et al. Cross-validation enhanced digital twin driven fault diagnosis methodology for minor faults of subsea production control system[J]. Mechanical Systems and Signal Processing, 2023, 204: 110813. doi: 10.1016/j.ymssp.2023.110813
[14] 陶飞,刘蔚然,张萌,等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统,2019,25(1):1–18. TAO Fei, LIU Weiran, ZHANG Meng, et al. Five-dimension digital twin model and its ten applications[J]. Computer Integrated Manufacturing Systems, 2019, 25(1): 1–18.
[15] 苏兴华,詹胜,胡刚. 石油钻井数字孪生架构设计[J]. 信息系统工程,2021(11):26–30. SU Xinghua, ZHAN Sheng, HU Gang. Design of digital twin architecture for oil drilling[J]. China CIO News, 2021(11): 26–30.
[16] 杨传书. 数字孪生技术在钻井领域的应用探索[J]. 石油钻探技术,2022,50(3):10–16. YANG Chuanshu. Exploration for the application of digital twin technology in drilling engineering[J]. Petroleum Drilling Techniques, 2022, 50(3): 10–16.
[17] 陆剑锋,张浩,赵荣泳. 数字孪生技术与工程实践:模型+数据驱动的智能系统[M]. 北京:机械工业出版社,2022:219-226. LU Jianfeng, ZHANG Hao, ZHAO Rongyong. Digital twin technology and engineering practice: model+data-driven intelligent system[M]. Beijing: China Machine Press, 2022: 219-226.
[18] REGIS A, ARROYAVE-TOBON S, LINARES J M, et al. Physic-based vs data-based digital twins for bush bearing wear diagnostic[J]. Wear, 2023, 526/527: 204888. doi: 10.1016/j.wear.2023.204888
[19] 陶飞,马昕,胡天亮,等. 数字孪生标准体系[J]. 计算机集成制造系统,2019,25(10):2405–2418. TAO Fei, MA Xin, HU Tianliang, et al. Research on digital twin standard system[J]. Computer Integrated Manufacturing Systems, 2019, 25(10): 2405–2418.
[20] 朱硕,宋先知,李根生,等. 钻柱摩阻扭矩智能实时分析与卡钻趋势预测[J]. 石油钻采工艺,2021,43(4):428–435. ZHU Shuo, SONG Xianzhi, LI Gensheng, et al. Intelligent real-time drag and torque analysis and sticking trend prediction of drill string[J]. Oil Drilling & Production Technology, 2021, 43(4): 428–435.
[21] 李紫璇,张菲菲,祝钰明,等. 钻井模型与机器学习耦合的实时卡钻预警技术[J]. 石油机械,2022,50(4):15–21. LI Zixuan, ZHANG Feifei, ZHU Yuming, et al. Real-time pipe sticking early warning technology based on coupling of drilling model and machine learning[J]. China Petroleum Machinery, 2022, 50(4): 15–21.
[22] 尹虎,王海彪. 基于CBR的井漏复杂事故的智能预警方法研究[J]. 科技通报,2018,34(4):195–199. YIN Hu, WANG Haibiao. Intelligent research of complex loss circulation’ warning based on CBR[J]. Bulletin of Science and Technology, 2018, 34(4): 195–199.
-
期刊类型引用(3)
1. 王思维,何淼,许明标,戴白妹. 高温高压气井测试井筒温度应力场耦合分析. 断块油气田. 2024(01): 168-176 . 百度学术
2. 戴一凡,侯冰,廖志豪. 基于相场法的深层干热岩储层水力压裂模拟研究. 石油钻探技术. 2024(02): 229-235 . 本站查看
3. 蒋振新,李军,郭勇,吴德胜,时培忠,杨宏伟,张更. 井下双梯度控压钻井井筒多相流动规律. 断块油气田. 2024(05): 936-944 . 百度学术
其他类型引用(0)