Research Status and Development Trend of Drilling Digital Twin Technology
-
摘要:
在第四次工业革命技术浪潮的推动下，油气钻井行业正朝着信息化、数字化、智能化方向快速发展，钻井数字孪生技术成为行业前沿与热点。钻井数字孪生技术是将真实钻井工程映射到虚拟空间，建立集成多学科、多物理量、多尺度的钻井过程全生命周期虚拟仿真模型，实现钻前演练、钻中优化、钻后分析等功能，保障安全、高效、低成本钻进，提高复杂油气储层钻井效率。在分析数字孪生技术在钻井工程中的应用现状的基础上，将钻井数字孪生分为钻机数字孪生和井筒数字孪生，并提出钻井数字孪生五维系统架构；同时，分析了钻井数字孪生未来发展趋势，包括钻井数据实时高效传输、地质模型精细表征、多领域一体化建模与仿真、仿真模型动态自适应更新、机理与数据融合建模、安全高效的人机交互及云边协同软件系统架构，并提出我国钻井数字孪生技术发展的相关建议。研究结果可为钻井数字孪生技术体系的构建提供参考，对于推动钻井行业智能化革新具有一定的指导意义。
Abstract:Driven by the technological impetus of the Fourth Industrial Revolution, the oil and gas drilling industry is rapidly advancing towards informatization, digitization, and intelligentization, with drilling digital twin technology emerging as a frontier and hotspot in the field. Drilling digital twin technology aims to map real drilling operations into virtual space and establish integrated, multi-disciplinary, multi-physical, and multi-scale virtual simulation models throughout the entire lifecycle of drilling. This enables functions such as pre-drilling rehearsal, in-drilling optimization, and post-drilling analysis, ensuring safe, efficient, and cost-effective drilling while enhancing the drilling efficiency of complex oil and gas formation. The current application status of digital twin technology in drilling engineering was introduced, and drilling digital twins were categorized into rig digital twins and wellbore digital twins. A five-dimensional system architecture for drilling digital twins was proposed. Furthermore, future development trends in drilling digital twins were analyzed, including real-time and efficient transmission of drilling data, refinement and quantification of geological models, multi-domain integrated modeling and simulation, dynamic adaptive updating of simulation models, the integration of mechanistic and data-driven modeling, safe and efficient human-machine interaction, and cloud-edge collaborative software system architecture. Relevant suggestions for the development of drilling digital twin technology in China were also proposed. The research findings could serve as a reference for establishing a drilling digital twin technology system and provide guidance for promoting intelligent innovation in the drilling industry.
-
传统固井存在参与施工人员多、井场设备多、作业成本高、施工工序衔接紧密性不足、劳动强度大和高压区作业风险高等问题。自动化固井可减少高压区人工操作，降低勘探开发施工风险，提升作业精准度和施工的连续性，提高固井施工质量。近年来，随着计算机网络通讯技术及自动控制技术的发展，国内外固井公司、相关高校在自动控制混浆系统[1-3]、实时采集监测系统[4-6]等方面取得了一些研究成果，研发了系列自动混浆固井水泥车[7-11]和固井实时监测系统[12-16]，初步实现了水泥浆密度的自动控制。但是，截至目前，国内外尚未形成多装备、多参数、全流程一体化自动控制技术，仍无法解决井口高压作业区施工人员多、传统灰罐水泥输送不稳定致使水泥浆密度自动控制难度大和高压井口阀岛难以精准自动切换等技术难题。
在上述调研分析的基础上，笔者研究了多装备协同联动的控制方法，研制了自动化固井作业装备，开发了多功能、一体化的AnyCem®固井平台系统，形成了以自动化固井核心装备和AnyCem®固井平台系统为核心的自动化固井技术，具备供灰、泵注和井口作业等固井施工关键环节自动控制的能力，提高了固井装备的自动化程度和精准连续施工的水平，提高了固井施工精度，降低了施工人员的劳动强度及高压区的作业风险，保障了固井施工安全与固井质量。
1. 自动化固井技术的构成
基于AnyCem®固井平台系统的自动化固井技术整体框架如图1所示。
其中，自动化固井的核心装备包括自动监控固井水泥车、自动化稳定供灰系统、自动化水泥头及闸阀系统、自动化固井指挥车等；AnyCem®固井平台系统主要包括固井设计模拟与科学分析、自动化施工作业实时监控、固井工程生产组织与技术管理、固井数据平台等4大功能模块。AnyCem®固井平台系统的自动化施工作业实时监测与控制模块与自动化固井核心装备实时交互，实现自动化固井。
2. 自动化固井核心装备的研制
在研究形成固井装备自动化控制关键方法的基础上，研制了自动化固井成套装备，首次实现了装备操作无人化。
2.1 自动监控固井水泥车
研制自动监控固井水泥车时，按照固井泵注作业关键技术环节和参数实时监控要求，结合AnyCem®固井平台系统的实时监控功能，在常规固井水泥车的基础上，研究了水泥车上水、下灰、密度、排量等协同联动控制方法，制定了水泥车动力系统、压力系统、混拌系统、电路系统、气路系统和润滑系统等的改造升级方案，以实现上水自动监控、闸阀开关及开度自动调节、施工参数自动传输、施工指令自动接收及执行、排量密度自动控制和超压超限自动报警等功能。该自动监控固井水泥车的密度控制精度为±0.01 kg/L，排量控制精度为±0.01 m3/min，压力控制精度为±0.5 MPa，与斯伦贝谢、哈里伯顿等公司制造的水泥车处于同等水平。另外，该水泥车同时可与水泥头、供灰系统等自动化固井核心装备协同作业，这一点国内外其他固井水泥车暂不具备。
自动监控固井水泥车的设计原理与方法：1）设计了水泥车操控系统与控制面板，可远程控制发动机、离心泵启停，以及油门、变速箱档位、底盘车转速、水阀/灰阀开度、混浆搅拌转速，实现对水泥车各系统的全面监控；2）在柴油机及变速箱上增加动力系统相关参数传感器，可实现发动机油门、变速箱换挡的自动控制；3）可实时采集高能混合器、混浆罐及水罐的水阀/灰阀开度、混浆罐液位、柱塞泵排量压力、清水液位和水泥浆参数等数据，控制相关工作参数，实现自动监控混浆；4）将循环离心泵流量控制升级为自动电控，以配合不同工况，实现离心泵的自动启停控制；混浆罐搅拌使用PVG比例阀，实现搅拌的远程控制；在液压系统上配置压力传感器，将采集到的信号输送至控制系统，实现系统压力的远程监控。
2.2 自动化稳定供灰系统
自动化稳定供灰系统以灰量控制、气量压力控制为监控核心，解决了传统灰罐供灰量波动大导致水泥浆密度不易控制的难题，实现了供灰设备的远程自动操作。自动化稳定供灰系统可持续为自动化固井水泥车提供相对均匀稳定的干灰量供应，供灰速率波动量≤2.0%，罐余监测量≤1.5%，为水泥浆密度稳定控制提供了有利条件。
自动化稳定供灰系统的设计原理与方法：1）在立式灰罐中增加了重力和压力传感器，采集相关参数，为自动供灰提供判断依据；增加阀门开度检测功能，通过电磁阀岛控制气源的通断，实现各阀门的自动开关；2）在立式灰罐底橇上设置控制箱，利用测控系统采集灰罐所受重力、压力和蝶阀开度等状态参数，通过数据线连接空压机橇控制箱，实现对进气口及出灰口阀门的自动控制；3）在空压机橇上增加加载/卸载电磁阀及控制系统，进行信号控制，实现远程加载/卸载及采集数据等功能；4）在空压机橇上设置控制箱，利用测控系统实现空压机的自动启停、运行参数获取，空压机橇的控制箱与立式灰罐控制箱用组合电缆连接，与立式灰罐进行数据交换，通过数据线连接自动化固井指挥车，实现与AnyCem®固井平台系统的数据通信。
2.3 固井自动监控水泥头及闸阀系统
自动化固井水泥头及闸阀系统采用了自动控制系统、电控液机构、双保险指示器和快装短节等新设计，可实时监测固井工作液参数、控制固井工作液流道切换、控制水泥头胶塞释放，系统动作指令响应时间小于2 s，工序衔接紧密，实现了固井井口装备远程自动化控制。
固井自动监控水泥头及闸阀系统由自动水泥头、闸阀监控橇和自动控制系统组成。研制原理及方法为：1）自动水泥头将远程控制的挡销机构与传统水泥头有机结合，液压螺杆式挡销执行器和胶塞下落指示器可自动控制胶塞的投放，并将胶塞下落信号反馈给自动控制系统；2）闸阀监控橇集成高压质量流量计，具备固井工作液压力、密度、排量监测及工作流道的自动切换功能，为自动化固井作业提供数据支持；3）自动控制系统可远程控制闸阀监控橇和水泥头动作的执行，采集固井工作液性能参数，与AnyCem®固井平台系统远程对接，可实现远程自动监控固井水泥头作业。
2.4 自动化固井指挥车
固井指挥车搭载AnyCem®固井平台系统，与自动监控固井水泥车、稳定供灰系统、水泥头及闸阀系统等装备高质量对接，能够在施工过程中实时掌握各项参数和各关键环节的工作状况，可准确发出控制指令，自动控制自动化装备各部件、机构的动作，实现施工中各环节的统一指挥，确保固井施工顺利进行，更好地规避施工风险，提高固井服务能力和水平。数据传输时差小于0.01 ms，准确率100%。与国内外其他指挥车相比，该自动化固井指挥车实现了多装备联同协作及软硬件一体化对接，是全流程自动化固井作业实施的有效保障。
自动化固井指挥车的工作原理为：车载中央控制系统可对接收的施工数据进行对比分析，结合实际施工压力、密度和排量等参数实时发出控制指令，对作业装备阀门的开闭或开度、作业流道切换、不同装备间联调作业等进行自动调节和控制；当自动化作业出现突发状况时，中央控制系统会发出警报，并改为本地操作控制；自动化固井指挥车对接自动化核心装备作业数据的接收与传输系统，能够实现固井施工现场作业数据（施工流体密度、压力、排量、用量、实时视频等）的实时采集，借助搭载的AnyCem®固井平台系统，技术人员和专家可实时掌握现场施工情况，为现场出现的各类复杂情况提供解决方案。
3. AnyCem®固井平台系统的开发
AnyCem®固井平台系统包括固井设计模拟、自动化固井施工作业实时监控、固井工程生产组织与技术管理、固井数据管理等4个功能模块，框架结构设计如图2所示。其中，固井设计模拟模块是自动化固井施工参数设计的数据来源，自动化固井施工作业实时监控模块是与自动化固井装备交互的关键模块，固井数据管理模块是固井施工参数数字化管理与分析利用的重要基础。因此，下面重点阐述上述3个模块的功能特性、数据交互及存储方法。
3.1 固井设计模拟模块
在分析固井技术难点的基础上，综合考虑井下复杂情况，构建了套管强度校核、居中设计、下套管、冲洗顶替、浆柱结构设计、平衡压力固井及施工参数的优化设计模型，并开发了相应的模拟软件模块。该模拟软件模块主要包括基础数据、固井设计和固井模拟模块。
基础数据包含井的基本数据、地质数据、井身结构数据、测斜数据、井径数据和钻井液数据等。基础数据模块相关数据，可自动传值于后续套管柱设计、注水泥设计等固井设计模块，以及套管下入模拟、注水泥过程动态模拟、顶替效率模拟等固井模拟模块。基础数据模块可辅助完成各类固井设计，实现设计、仿真模拟和科研分析功能。
固井设计数据包含套管数据、居中分析结果、施工流体用量、流体返深、流体流变参数和流变学设计相关结果等。这些数据可自动传值于注水泥过程中的动态模拟、顶替效率模拟等固井模拟模块，辅助实现仿真模拟功能。
固井模拟模块中的施工流体密度、注入量和泵入排量等设计数据，可自动传值于自动化固井施工作业实时监控模块。通过将密度、排量、注入量等设计值自动传输至固井自动监控水泥车等自动化固井装备，实时对比设计值与从固井自动监控水泥车及自动化水泥头远程采集的监测值，根据对比结果，向自动化固井装备发送控制指令，实现软硬件一体化协同自动化固井作业。
3.2 自动化固井施工作业实时监控模块
为了更好地满足固井施工作业要求，确保固井高质量进行，开发了自动化固井施工作业实时监控功能模块。
该模块解决了水泥浆密度快速、精确自动控制计算，多装备、多参数、全流程自动控制，高压井口阀岛精准切换等技术难题，全面设计了固井水泥车自动上水、预混、泵注浆体、阶段自动切换、停泵、泄压和停止泄压等功能，实现了水泥浆快速、精准和自动混配与泵注；设计了稳定供灰系统进气口、出灰口阀门比例控制功能，实现了施工过程中灰量与气量压力全程稳定控制，保障了固井施工灰量供应稳定；设计了固井胶塞自动控制、闸阀流道自动切换等功能，实现了对井口压力、泵注排量、流体密度等施工参数的精准连续监测与采集，结合现场实际工况，通过实时对比、优化调整设计值，实现了对固井施工全流程各阶段的自动化控制；设计了视频信号采集与存储功能，实现了对固井施工关键位置（如施工现场、循环出口、计量罐、混浆罐等）的实时视频监视与远程传输，可进行事故预警。
该模块可搭载于施工现场自动化固井指挥车，基于施工现场网络通讯设备，实现施工参数采集与传输，并与设计值进行对比分析，根据现场施工情况实时控制固井作业，实现试压–泵注–胶塞释放–替浆–碰压等固井全流程多工序自动化作业。也可通过“启动服务”，采用连接服务的方式，实现固井远程监控指挥总部对现场作业的远程监测与高效指导。
3.3 固井数据管理模块
固井数据管理模块是针对固井施工区域广、工作量大，固井技术人员在获取施工参数、固井施工设计、固井质量分析和固井工作液实验报告等资料时存在搜集资料繁琐、耗时长、人工成本高、数据缺失或不全等问题而开发。具体而言，固井数据管理模块具有固井设计模拟、固井自动监控、固井测井解释及分析、固井试验数据自动采集与管理等功能，主要用于固井施工前、施工中和施工后分析与管理固井全过程数据。固井施工前，综合多因素进行设计分析、模拟；固井施工中，采用自动控制方式作业，减少人为因素影响，保证固井质量。
固井设计模拟结果、自动化固井施工数据及视频、固井质量解释、试验数据等原始资料可自动存储于该模块，实现单井固井全过程资料信息的数据存储与管理功能。同时，根据关键词分类，可快速筛选不同作业时间、不同作业区块、不同井型井别、不同套管固井类型和不同项目部等条件的已固井全过程数据信息，为后续同区块、同类型井的固井设计与高质量施工提供优化方案。
4. 自动化固井技术现场施工措施
4.1 施工准备
固井设备到达施工现场后，自动化固井指挥车需摆放在高压区域外。井口安装自动化固井水泥头时，应采取合理的吊装方式，避免磕碰。从自动化固井水泥头、自动化稳定供灰系统连接至自动监控固井水泥车的管线应短且直。
连接好设备管线与相关电缆后，为相关设备供电，并打开供电开关，本地或远程启动自动监控固井水泥车底盘车，并挂取底盘取力器，确保所有可编程控制器（PLC）或其他控制硬件模块处于开启状态，将控制模式切换至远程状态。
4.2 作业流程
1）自动化固井成套装备摆放在施工现场指定位置，自动监控固井水泥车计量罐内预装1.5～2.0 m3清水，安放隔离带。
2）连接设备线缆，测试软件与相关设备的通信状态，成功建立通信后，进行设备阀门动作执行测试，通过软件对设备的阀门逐一进行开启/关闭远程控制，确认阀门动作执行正常。
3）进行固井作业前，技术员在软件上设置循环、试压、注前置液、水泥浆预混、注水泥浆、投胶塞、注顶替液等流程作业参数。自动化固井作业流程及监控的作业参数见表1。
表 1 自动化固井作业流程及监控的作业参数Table 1. Process of automatic cementing operation and monitoring parameters序号 固井流程 监控的作业参数 1 循环 排量 2 管汇试压 试压压力、稳压时间 3 注前置液 上水流程、用量、排量 4 预混水泥浆 预混液位、预混密度、预混水阀开度、预混灰阀开度 5 注水泥浆 上水流程、用量、排量、密度 6 投胶塞 7 注顶替液 上水流程、用量、排量 8 胶塞碰压 4）开始固井作业后，技术人员在固井指挥车内通过软件自动启动各作业流程，实时查看现场作业视频、数据及相关曲线，确保自动化作业各阶段的控制指令均能正确实施。
4.3 作业要求
1）管汇试压应在注前置液、预混、注水泥浆及顶替流程前完成，预混应在注水泥浆流程前完成，注顶替液流程应在自动投放胶塞之后启动；
2）启动软件，执行已设置的作业工序，监测施工状态是否正常、作业参数与设定参数是否一致；
3）作业过程中，可根据施工需求对作业参数及工序进行调整，并继续实施自动作业；
4）作业过程中，管线及设备的清洗需由现场作业人员手动完成；
5）进行试压及碰压操作时，必须使用超压保护模式，降低排量，以防压力突升；
6）作业过程中，出现井下复杂情况或仪器仪表和设备发生故障时，需第一时间切换为手动操作，保证固井施工顺利进行。
5. 现场应用
基于AnyCem®系统的自动化固井技术已在辽河油田、长庆油田、西南油气田和华北油田等油气田应用85井次，应用范围涵盖表层套管、技术套管及生产套管、尾管回接固井，涉及直井、定向井和水平井等井型，固井施工各阶段监控作业成功率及远程传输准确率100%，水泥浆密度控制精度由0.06 kg/L提升至0.01 kg/L，作业精准度整体提升80%以上，水泥头倒闸阀、开挡销时间由5 min缩短至2 s以内，大幅提升了固井作业的连续性和施工质量，降低了现场劳动强度及高压区作业风险。
以辽河油田某井
ϕ 244.5 mm技术套管固井为例，该井井深为1 384 m，井眼直径ϕ 311.1 mm，利用AnyCem®固井平台系统及自动化固井成套装备，进行管线试压、预混、前置液及水泥浆注替、开挡销下胶塞、注压塞液、替浆阀位倒换和碰压等作业流程自动化施工。5.1 自动化固井作业施工参数设计
基于AnyCem®固井平台系统开展固井设计与模拟分析，合理设计固井施工参数。设计的自动化固井作业参数见表2。
表 2 自动化固井作业参数设计结果Table 2. Design parameters of automatic cementing operation施工内容 流体名称 设计密度/
（kg·L−1）注入量/m³ 排量/
（m³·min−1）管线试压 注冲洗液 前置液 1.00 8.0 1.0 注领浆 水泥浆 1.75 9.0 1.0 注中间浆 水泥浆 1.85 27 1.0 注尾浆 水泥浆 1.90 9.6 1.0 冲洗管线 后置液 1.00 0.2 0.5 停泵摇挡销 替压塞液 顶替液 1.00 2.0 1.0 顶替碰压 顶替液 1.00 1.0 0.8 5.2 自动化固井作业的实施
1）自动化固井装备到达现场后，按施工要求完成摆放及通讯线路连接，然后进行调试，并均切换为自动控制模式。
2）采用AnyCem®固井平台系统，测试施工过程中自动化固井装备各部件、各机构的动作执行得是否准确。
3）施工前，采用AnyCem®固井平台系统的试压模块，对入井管线进行试压。
4）基于AnyCem®固井平台系统提前做好固井施工设计。阶段设计参数自动导入固井实时监控模块。作业开始后，浆体泵注、水泥浆预混、水泥头倒闸阀、胶塞释放及稳定供灰系统阀门开闭均按表2的设计流程自动完成。整个作业过程中，可实现对浆体密度、水泥车混浆罐/计量罐液位、水阀/灰阀开度、浆体用量、各阶段排量、出灰口开度、胶塞投递状态等施工参数的实时监测与自动控制。
5.3 自动化作业效果
该井自动化固井施工顺利，软硬件一体化交互、多参数实时采集、多装备协同监控实施效果较好。管线试压阶段，软件设计最大压力16.0 MPa，水泥车实测压力达到16.3 MPa稳定3 min然后自动泄压，再次设计最大压力20 MPa，水泥车实测压力达到20.2 MPa稳定1 min然后自动泄压；水泥浆预混、浆体泵注阶段，AnyCem®固井平台系统自动控制装备各阀、泵作业指令执行准确；停泵摇挡销阶段，AnyCem®固井平台系统自动控制水泥头投递胶塞指令执行准确；注压塞液、替浆阀位倒换、顶替液碰压均按照AnyCem®固井平台系统的设计正确执行。AnyCem®固井平台系统的设计与监测结果对比见表3。
表 3 自动化固井作业监测结果Table 3. Monitoring results of automatic cementing operation施工内容 流体
名称流体密度/（kg·L−1） 注入量/m3 泵注排量/（m3·min−1） 泵压/MPa 井口 水泥车监测 设计 水泥车监测 设计 井口 水泥车监测 设计 水泥车监测 设计 管线试压 16.3
20.216.0
20.0注冲洗液 前置液 1.00 1.00 1.00 8.04 8.00 0.99 0.99 1.00 注领浆 水泥浆 1.75 1.74 1.75 9.00 9.00 0.99 0.99 1.00 注中间浆 水泥浆 1.84 1.84 1.85 27.00 27.00 1.00 1.00 1.00 注尾浆 水泥浆 1.91 1.90 1.90 9.58 9.60 1.00 1.00 1.00 冲洗管线 后置液 1.01 1.00 1.00 0.22 0.20 0.50 0.50 0.50 停泵摇挡销 1.01 替压塞液 顶替液 1.01 1.00 1.00 2.00 2.00 1.00 1.00 1.00 顶替碰压 顶替液 1.01 1.00 1.00 1.00 1.00 0.80 0.80 0.80 根据监测采集的流体密度、泵压、注入量和泵注排量数据，绘制了实时施工曲线，如图3所示。
自动化固井作业施工流体密度、泵注排量、注入量等参数及施工装备各部件及阀门开闭的监控成功率100%，数据及视频远程传输准确率100%，监测数据与设计数值误差小于2%，水泥浆密度控制精度0.01 kg/L，排量控制精度0.01 m3/min，水泥头倒闸阀、开挡销时间小于2 s。与常规固井技术相比，基于AnyCem®系统的自动化固井技术提高了固井设计模拟结果与施工参数实测值的符合率，提升了固井施工作业精准度与施工的连续性，保障了固井施工质量。
6. 结论与建议
1）针对我国现有固井软件存在的不足和问题，研究了多装备协同控制方法、全工艺流程自动监控方法，研制了自动监控固井装备，开发了多功能、一体化的AnyCem®固井平台系统，形成了基于AnyCem®系统的自动化固井技术。
2）基于AnyCem®系统的自动化固井技术现场应用85井次，实现了固井装备操作无人化，提高了固井施工作业效率，降低了高压作业风险，改善了高空、高寒等环境下的作业模式，固井作业精准度整体提升80%以上。
3）现有技术基于固井软件开展设计与模拟分析，指导自动化固井施工，但无法根据现场实测施工参数变化而实时智能优化控制。因此，固井自动实时优化作业与智能决策技术将是未来的研究方向之一，建议对此开展研究，以进一步降本增效，保障和提升井筒封固质量。
致谢：中国石油集团工程技术研究院有限公司固井研究所所长靳建洲，在基于AnyCem®系统的自动化固井技术研发思路定型、现场实施方案优化方面提供了专业指导和无私帮助，为本文的撰写奠定了良好的基础，在此表示感谢。
-
[1] 门相勇,王陆新,王越,等. 新时代我国油气勘探开发战略格局与2035年展望[J]. 中国石油勘探,2021,26(3):1–8. MEN Xiangyong, WANG Luxin, WANG Yue, et al. Strategic pattern of China’s oil and gas exploration and development in the new era and prospects for 2035[J]. China Petroleum Exploration, 2021, 26(3): 1–8.
[2] 邹才能,赵群,王红岩,等. 非常规油气勘探开发理论技术助力我国油气增储上产[J]. 石油科技论坛,2021,40(3):72–79. ZOU Caineng, ZHAO Qun, WANG Hongyan, et al. Theory and technology of unconventional oil and gas exploration and development helps China increase oil and gas reserves and production[J]. Petroleum Science and Technology Forum, 2021, 40(3): 72–79.
[3] 袁光杰,付利,王元,等. 我国非常规油气经济有效开发钻井完井技术现状与发展建议[J]. 石油钻探技术,2022,50(1):1–12. YUAN Guangjie, FU Li, WANG Yuan, et al. The up-to-date drilling and completion technologies for economic and effective development of unconventional oil & gas and suggestions for further improvements[J]. Petroleum Drilling Techniques, 2022, 50(1): 1–12.
[4] 邹才能,杨智,张国生,等. 非常规油气地质学理论技术及实践[J]. 地球科学,2023,48(6):2376–2397. ZOU Caineng, YANG Zhi, ZHANG Guosheng, et al. Theory, technology and practice of unconventional petroleum geology[J]. Earth Science, 2023, 48(6): 2376–2397.
[5] 苏义脑,路保平,刘岩生,等. 中国陆上深井超深井钻完井技术现状及攻关建议[J]. 石油钻采工艺,2020,42(5):527–542. SU Yinao, LU Baoping, LIU Yansheng, et al. Status and research suggestions on the drilling and completion technologies for onshore deep and ultra deep wells in China[J]. Oil Drilling & Production Technology, 2020, 42(5): 527–542.
[6] 汪海阁,黄洪春,毕文欣,等. 深井超深井油气钻井技术进展与展望[J]. 天然气工业,2021,41(8):163–177. WANG Haige, HUANG Hongchun, BI Wenxin, et al. Deep and ultra-deep oil/gas well drilling technologies: progress and prospect[J]. Natural Gas Industry, 2021, 41(8): 163–177.
[7] 李根生,宋先知,田守嶒. 智能钻井技术研究现状及发展趋势[J]. 石油钻探技术,2020,48(1):1–8. LI Gensheng, SONG Xianzhi, TIAN Shouceng. Intelligent drilling technology research status and development trends[J]. Petroleum Drilling Techniques, 2020, 48(1): 1–8.
[8] LI Gensheng, SONG Xianzhi, TIAN Shouceng, et al. Intelligent drilling and completion: a review[J]. Engineering, 2022, 18(11): 33–48.
[9] 李根生,宋先知,祝兆鹏,等. 智能钻完井技术研究进展与前景展望[J]. 石油钻探技术,2023,51(4):35–47. LI Gensheng, SONG Xianzhi, ZHU Zhaopeng, et al. Research progress and the prospect of intelligent drilling and completion technologies[J]. Petroleum Drilling Techniques, 2023, 51(4): 35–47.
[10] 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.
[11] 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.
[12] SUGIURA J, SAMUEL R, OPPELT J, et al. Drilling modeling and simulation: current state and future goals[R]. SPE 173045, 2015.
[13] MAYANI M G, ROMMETVEIT R, OEDEGAARD S I, et al. Drilling automated realtime monitoring using digital twin[R]. SPE 192807, 2018.
[14] LAGRANGE E. Developing a digital twin: the roadmap for oil and gas optimization[R]. SPE 195790, 2019.
[15] THORESEN K E, KYLLINGSTAD Å, HOVLAND S, et al. Using an advanced digital twin to improve downhole pressure control[R]. SPE 194088, 2019.
[16] VARADARAJAN P A, ROGUIN G, ABOLINS N, et al. A digital twin for real-time drilling hydraulics simulation using a hybrid approach of physics and machine learning[R]. OTC 31278, 2021.
[17] SHATIRY M S A, HARUN F, HUSNI Z H, et al. A review of the digital twin technology application in energy industry for performance improvement[J]. AIP Conference Proceedings, 2023, 2827(1): 040012.
[18] 张霖. 关于数字孪生的冷思考及其背后的建模和仿真技术[J]. 系统仿真学报,2020,32(4):1–10. ZHANG Lin. Cold thinking on digital twins and the modeling and simulation techniques behind them[J]. Journal of System Simulation, 2020, 32(4): 1–10.
[19] TAO Fei, LIU Ang, HU Tianliang, et al. Digital twin driven smart design[M]. London: Academic Press, 2020.
[20] 庄存波,刘检华,熊辉,等. 产品数字孪生体的内涵、体系结构及其发展趋势[J]. 计算机集成制造系统,2017,23(4):753–768. ZHUANG Cunbo, LIU Jianhua, XIONG Hui, et al. Connotation, architecture and trends of product digital twin[J]. Computer Integrated Manufacturing Systems, 2017, 23(4): 753–768.
[21] 张霖,陆涵. 从建模仿真看数字孪生[J]. 系统仿真学报,2021,33(5):995–1007. ZHANG Lin, LU Han. Discussing digital twin from of modeling and simulation[J]. Journal of System Simulation, 2021, 33(5): 995–1007.
[22] 王巍,刘永生,廖军,等. 数字孪生关键技术及体系架构[J]. 邮电设计技术,2021(8):10–14. WANG Wei, LIU Yongsheng, LIAO Jun, et al. Key technology and architecture of digital twin[J]. Designing Techniques of Posts and Telecommunications, 2021(8): 10–14.
[23] 本刊编辑部. 美欧军工领域发力数字孪生技术应用[J]. 国防科技工业,2019(2):36–37. Editorial Department of This Magazine. The US and Europe are making efforts to apply digital twin technology in the military industry[J]. Defence Science & Technology Industry, 2019(2): 36–37.
[24] 方伟光,聂兆伟,刘宸宁,等. 数字孪生驱动的武器装备智能保障技术研究[J]. 系统工程与电子技术,2023,45(4):1247–1260. FANG Weiguang, NIE Zhaowei, LIU Chenning, et al. Research on digital twin driven intelligent weaponry support technology[J]. Systems Engineering and Electronics, 2023, 45(4): 1247–1260.
[25] 胡权. 数字孪生体:第四次工业革命的通用目的技术[M]. 北京:人民邮电出版社,2021. HU Quan. Digital twin: general-purpose technologies (GPT) of the fourth industrial revolution[M]. Beijing: Posts and Telecommunications Press, 2021.
[26] 王林,乔建梅. 国外数字孪生技术发展及对我国的启示[J]. 上海信息化,2021(11):52–55. WANG Lin, QIAO Jianmei. The development of digital twin technology abroad and its implications for China[J]. Shanghai Informatization, 2021(11): 52–55.
[27] 陶飞,程颖,程江峰,等. 数字孪生车间信息物理融合理论与技术[J]. 计算机集成制造系统,2017,23(8):1603–1611. TAO Fei, CHENG Ying, CHENG Jiangfeng, et al. Theories and technologies for cyber-physical fusion in digital twin shop-floor[J]. Computer Integrated Manufacturing Systems, 2017, 23(8): 1603–1611.
[28] 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.
[29] 杨少龙,孙延浩,向先波,等. 船舶数字孪生及其服务全生命周期研究综述[J]. 舰船科学技术,2020,42(21):1–8. YANG Shaolong, SUN Yanhao, XIANG Xianbo, et al. Ship digital twin and a review of life-cycle service[J]. Ship Science and Technology, 2020, 42(21): 1–8.
[30] 陶飞,刘蔚然,刘检华,等. 数字孪生及其应用探索[J]. 计算机集成制造系统,2018,24(1):1–18. TAO Fei, LIU Weiran, LIU Jianhua, et al. Digital twin and its potential application exploration[J]. Computer Integrated Manufacturing Systems, 2018, 24(1): 1–18.
[31] ROMMETVEIT R, BJØRKEVOLL K S, HALSEY G W, et al. eDrilling: a system for real-time drilling simulation, 3D visualization, and control[R]. SPE 106903, 2007.
[32] MAYANI M G, SVENDSEN M, OEDEGAARD S I. Drilling digital twin success stories the last 10 years[R]. SPE 191336, 2018.
[33] ROMMETVEIT R, GHOLAMI MAYANI M, NABAVI J, et al. Automatic realtime monitoring of drilling using digital twin technologies enhance safety and reduce costs[R]. SPE 197465, 2019.
[34] KEMAJOU V, SAMUEL R. Real-time well monitoring and engineering analysis of drilling activities: Intelligent rig state detection and prediction with uncertainty[C]//ASME 2020 39th International Conference on Ocean, Offshore and Arctic Engineering. New York: ASME, 2020: V011T11A001.
[35] ISLAM N, ROSENER A, SOUZA W, et al. Smarter well engineering concepts aid in reducing planning time and increasing ROP[C]//First EAGE Digitalization Conference and Exhibition. Odijk: European Association of Geoscientists & Engineers, 2020: 1–5.
[36] BIMASTIANTO P, KHAMBETE S, ALSAADI H, et al. Digital twin implementation on current development drilling, benefits and way forward[R]. SPE 202795, 2020.
[37] 井玉霏. 石油钻机提升系统的数字孪生模型构建[D]. 西安:西安石油大学,2023. JING Yufei. Construction of digital twin model for lifting system of oil drilling rig[D]. Xi'an: Xi'an Shiyou University, 2023.
[38] SRIKONDA R, RASTOGI A, OESTENSEN H. Increasing facility uptime using machine learning and physics-based hybrid analytics in a dynamic digital twin[R]. OTC 30723, 2020.
[39] WU Bo, KOU Yufeng, LIU Jun, et al. Research on the application of digital twin technology in the structural safety assessment of deep-water semi-submersible platforms[R]. ISOPE-I 22-296, 2022.
[40] MURRAY P, WATTIS Z, BAIN B, et al. Towards a digital twin supporting risk based decision making for offshore installations[R]. SPE 195717, 2019.
[41] 蒋爱国,王金江,谷明,等. 数字孪生驱动半潜式钻井平台智能技术应用[J]. 船海工程,2019,48(5):49–52. JIANG Aiguo, WANG Jinjiang, GU Ming, et al. Application of intelligent technology of semi-submersible drilling platform driven by digital twin[J]. Ship & Ocean Engineering, 2019, 48(5): 49–52.
[42] STRAW M, MISTRY R, LEWIS S, et al. Predictive digital twin for performance and integrity[R]. OTC 31863, 2022.
[43] 刘文岭,韩大匡. 数字孪生油气藏:智慧油气田建设的新方向[J]. 石油学报,2022,43(10):1450–1461. LIU Wenling, HAN Dakuang. Digital twin system of oil and gas reservoirs: a new direction for smart oil and gas field construction[J]. Acta Petrolei Sinica, 2022, 43(10): 1450–1461.
[44] SHIRANGI M G, FURLONG E, SIMS K S. Digital twins for well planning and bit dull grade prediction[R]. SPE 200740, 2020.
[45] SHI Jibin, DOURTHE L, LI D, et al. Real-time reamer vibration predicting, monitoring, and decision-making using hybrid modeling and a process digital twin[R]. SPE 208795, 2022.
[46] BOUKREDERA F S, HADJADJ A, YOUCEFI M R. Drill string torsional vibrations modeling with dynamic drill pipe properties measurement and field validation[J]. Journal of Energy Resources Technology, 2022, 144(2): 024502. doi: 10.1115/1.4051299
[47] SHIRANGI M G, ETTEHADI R, ARAGALL R, et al. Digital twins for drilling fluids: advances and opportunities[R]. SPE 199681, 2020.
[48] SAINI G S, ASHOK P, VAN OORT E. Predictive action planning for hole cleaning optimization and stuck pipe prevention using digital twinning and reinforcement learning[R]. SPE 199548, 2020.
[49] ANJOS J L, ARANHA P E, MARTINS A L, et al. Digital twin for well integrity with real time surveillance[R]. OTC 30574, 2020.
[50] KARPOV R B, ZUBKOV D Y, MURLAEV A V, et al. Drilling performance and data quality control with live digital twin[R]. SPE 206527, 2021.
[51] 张鑫鑫,梁博文,张晓龙,等. 智能钻井装备与技术研究进展[J]. 煤田地质与勘探,2023,51(9):20–30. doi: 10.12363/issn.1001-1986.23.06.0324 ZHANG Xinxin, LIANG Bowen, ZHANG Xiaolong, et al. Research progress of intelligent drilling equipment and technology[J]. Coal Geology & Exploration, 2023, 51(9): 20–30. doi: 10.12363/issn.1001-1986.23.06.0324
[52] 赵恩普,刘晓晨. 浅析井场数据远程传输系统的设计与实现[J]. 中国管理信息化,2018,21(18):66–67. ZHAO Enpu, LIU Xiaochen. Design and implementation of remote transmission system for well site data[J]. China Management Informationization, 2018, 21(18): 66–67.
[53] 何治亮,赵向原,张文彪,等. 深层–超深层碳酸盐岩储层精细地质建模技术进展与攻关方向[J]. 石油与天然气地质,2023,44(1):16–33. HE Zhiliang, ZHAO Xiangyuan, ZHANG Wenbiao, et al. Progress and direction of geological modeling for deep and ultra-deep carbonate reservoirs[J]. Oil & Gas Geology, 2023, 44(1): 16–33.
[54] 叶新,潘清,董正宏. 多领域建模仿真方法综述[J]. 软件,2014,35(3):233–236. YE Xin, PAN Qing, DONG Zhenghong. Comparison of multi-domain modeling and simulation technology[J]. Software, 2014, 35(3): 233–236.
[55] ZHANG Chengkai, SONG Xianzhi, SU Yinao, et al. Real-time prediction of rate of penetration by combining attention-based gated recurrent unit network and fully connected neural networks[J]. Journal of Petroleum Science and Engineering, 2022, 213: 110396. doi: 10.1016/j.petrol.2022.110396
[56] 祝兆鹏,张瑞,宋先知,等. 数据拓展和增量更新的井底压力实时预测方法[J]. 石油机械,2023,51(6):1–10. ZHU Zhaopeng, ZHANG Rui, SONG Xianzhi, et al. Real-time prediction of bottom hole pressure based on data expansion and incremental update[J]. China Petroleum Machinery, 2023, 51(6): 1–10.
[57] 肖立志. 机器学习数据驱动与机理模型融合及可解释性问题[J]. 石油物探,2022,61(2):205–212. doi: 10.3969/j.issn.1000-1441.2022.02.002 XIAO Lizhi. The fusion of data-driven machine learning with mechanism models and interpretability issues[J]. Geophysical Prospecting for Petroleum, 2022, 61(2): 205–212. doi: 10.3969/j.issn.1000-1441.2022.02.002
[58] KARNIADAKIS G E, KEVREKIDIS I G, LU Lu, et al. Physics-informed machine learning[J]. Nature Reviews Physics, 2021, 3(6): 422–440. doi: 10.1038/s42254-021-00314-5
[59] CURINA F, TALAT QUSHCHI A, ALDANY A. A case study for the development and use of a well control simulator as a digital twin of a real scenario[R]. SPE 206530, 2021.
[60] FERRARA P, RICCI MACCARINI G, POLONI R, et al. Virtual reality: new concepts for virtual drilling environment and well digital twin[R]. IPTC 20267, 2020.
[61] CHATAR C, LOKESH R, KAMBOJ V, et al. Extended reality and gamification for drilling[R]. SPE 212532, 2023.
[62] 王文明,侯春来,武振宇,等. 海洋无隔水管修井的数字孪生框架与可视化交互[J]. 计算机集成制造系统,2021,27(2):423–431. WANG Wenming, HOU Chunlai, WU Zhenyu, et al. Frame and visualization for digital twin of marine riserless well intervention[J]. Computer Integrated Manufacturing Systems, 2021, 27(2): 423–431.
[63] 李浩,刘根,文笑雨,等. 面向人机交互的数字孪生系统工业安全控制体系与关键技术[J]. 计算机集成制造系统,2021,27(2):374–389. LI Hao, LIU Gen, WEN Xiaoyu, et al. Industrial safety control system and key technologies of digital twin system oriented to human-machine interaction[J]. Computer Integrated Manufacturing Systems, 2021, 27(2): 374–389.
[64] 金镭,秦雪伦,江如意,等. 油气行业数字孪生研究述评与展望[J]. 世界石油工业,2022,29(5):17–25. JIN Lei, QIN Xuelun, JIANG Ruyi, et al. Review and prospect of digital twin research in oil and gas industry[J]. World Petroleum Industry, 2022, 29(5): 17–25.
下载:
计量
- 文章访问数: 541
- HTML全文浏览量: 104
- PDF下载量: 227
