劉偉 唐純靜 付加勝 宋先知 徐寶昌 計(jì)楊楊

(1. 中國(guó)石油集團(tuán)工程技術(shù)研究院有限公司 2. 中國(guó)石油大學(xué)(北京) )

0 引 言

我國(guó)深層超深層油氣資源達(dá)671 億t 油當(dāng)量,占總量的34%, 對(duì)筑牢我國(guó)能源安全具有重要的現(xiàn)實(shí)與戰(zhàn)略意義。 然而, 深部地層處于高溫高壓環(huán)境且壓力體系復(fù)雜, 鉆井時(shí)易引發(fā)溢流和漏失等復(fù)雜事故, 若不能及時(shí)發(fā)現(xiàn)和處置, 有可能引發(fā)井噴等重大事故, 導(dǎo)致嚴(yán)重的人員傷亡、 經(jīng)濟(jì)損失和惡劣的社會(huì)影響。 近些年, 幾次重大的井控險(xiǎn)情接連給人們敲響了安全警鐘。 據(jù)統(tǒng)計(jì),的井噴事故從發(fā)現(xiàn)溢流到井噴失控不足0.5 h, 地面工程師的響應(yīng)時(shí)間短。 隨著井深的增加, 井底壓力增大, 壓力系統(tǒng)變得復(fù)雜, 遇到斷層和裂縫的概率增大, 易發(fā)生溢漏轉(zhuǎn)換、 漏噴同存, 導(dǎo)致井下復(fù)雜工況更加難以識(shí)別與控制, 井控風(fēng)險(xiǎn)進(jìn)一步加大。 如何及時(shí)發(fā)現(xiàn)溢流與漏失并高效精準(zhǔn)恢復(fù)井筒壓力平衡是安全鉆井的關(guān)鍵。

現(xiàn)有的井噴風(fēng)險(xiǎn)監(jiān)測(cè)和預(yù)警技術(shù)的環(huán)境及工況適應(yīng)性差, 監(jiān)測(cè)結(jié)果的準(zhǔn)確性和時(shí)效性難以保證,早期預(yù)警精度低, 整體上與國(guó)際先進(jìn)水平差距明顯, 不能有效滿足日益增加的高溫高壓井安全鉆井和復(fù)雜工況對(duì)井控的要求。 因此, 為了提高鉆井現(xiàn)場(chǎng)溢流漏失早期識(shí)別的準(zhǔn)確性和有效性, 增強(qiáng)井筒壓力控制效果, 筆者開展了針對(duì)性研究, 經(jīng)過(guò)技術(shù)攻關(guān), 結(jié)合應(yīng)用技術(shù)和理論研究, 有效破解了制約復(fù)雜油氣鉆探重大安全難題。

1 國(guó)內(nèi)外研究現(xiàn)狀

國(guó)外對(duì)溢流漏失等鉆井風(fēng)險(xiǎn)的預(yù)測(cè)有著較為成熟的研究。 B.SHAHRIARI 等[1]提出一種流量估計(jì)器, 包括檢測(cè)和識(shí)別裂縫地層及井筒之間的流量。該估計(jì)器基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法, 使用各種鉆井案例中生成預(yù)標(biāo)記的數(shù)據(jù)集, 通過(guò)利用LSTM神經(jīng)網(wǎng)絡(luò), 分析現(xiàn)成的鉆井?dāng)?shù)據(jù), 學(xué)習(xí)井筒動(dòng)態(tài)參數(shù)變化, 以便盡早檢測(cè)到溢流。 C.E.OBI 等[2]提出一種基于深度學(xué)習(xí)的井筒內(nèi)部流體流動(dòng)動(dòng)態(tài)變化, 通過(guò)對(duì)動(dòng)態(tài)數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí), 從而確定井下流體的流動(dòng)狀態(tài)以及判斷是否發(fā)生溢流漏失。N.S.NOORI 等[3]利用淺層神經(jīng)網(wǎng)絡(luò)模型, 對(duì)具有時(shí)間序列性的鉆井?dāng)?shù)據(jù)進(jìn)行分析學(xué)習(xí), 計(jì)算流體流量, 根據(jù)鉆井液流量的變化進(jìn)行溢流漏失鉆井風(fēng)險(xiǎn)的識(shí)別判斷。 A.JINASENA 等[4]通過(guò)建立動(dòng)態(tài)數(shù)學(xué)模型來(lái)計(jì)算鉆井液循環(huán)過(guò)程中的流體損失, 以及向相關(guān)監(jiān)測(cè)系統(tǒng)及時(shí)傳輸流體損失量, 進(jìn)而進(jìn)行溢流漏失監(jiān)測(cè)預(yù)防。 同時(shí)各大公司也有著較為成熟的典型鉆井風(fēng)險(xiǎn)識(shí)別系統(tǒng), 如挪威eDrilling Solutions 公司開發(fā)的集實(shí)時(shí)鉆井仿真、 3D 可視化和遠(yuǎn)程專家控制為一體的eDrilling 系統(tǒng), 斯倫貝謝與BP 公司合作研發(fā)的無(wú)意外風(fēng)險(xiǎn)鉆井系統(tǒng) NDS[5], 均可鉆前預(yù)測(cè)鉆井風(fēng)險(xiǎn)并能夠?qū)崟r(shí)處理風(fēng)險(xiǎn)。

國(guó)內(nèi)目前針對(duì)溢流漏失等鉆井風(fēng)險(xiǎn)的預(yù)測(cè)系統(tǒng)技術(shù)有著較大的發(fā)展, 但相對(duì)國(guó)外較為落后, 還沒(méi)有一套成熟的系統(tǒng)。 如馬鵬鵬等[6]結(jié)合鉆井遠(yuǎn)程數(shù)據(jù)采集與分析系統(tǒng), 實(shí)現(xiàn)了鉆井作業(yè)動(dòng)態(tài)模擬與井下復(fù)雜情況預(yù)測(cè)與控制, 研發(fā)了實(shí)時(shí)監(jiān)測(cè)與決策系統(tǒng)理論與方法。 楊傳書[7]研發(fā)了Drill Risk 風(fēng)險(xiǎn)評(píng)估系統(tǒng), 該系統(tǒng)構(gòu)建了“鉆前-鉆中-鉆后” 體系, 實(shí)現(xiàn)了鉆前階段對(duì)施工作業(yè)潛在風(fēng)險(xiǎn)的預(yù)測(cè)、鉆進(jìn)過(guò)程中風(fēng)險(xiǎn)的實(shí)時(shí)監(jiān)測(cè)以及鉆后風(fēng)險(xiǎn)總結(jié)。 岳家平等[8]綜合利用井下及地面監(jiān)測(cè)數(shù)據(jù), 將深度學(xué)習(xí)算法中的長(zhǎng)短期記憶網(wǎng)絡(luò)應(yīng)用于鉆井過(guò)程中溢漏風(fēng)險(xiǎn)的識(shí)別, 從信息全面利用、 智能建立模型2個(gè)方面提升溢漏風(fēng)險(xiǎn)識(shí)別的準(zhǔn)確性, 基于長(zhǎng)短期記憶網(wǎng)絡(luò)模型研發(fā)溢漏風(fēng)險(xiǎn)智能識(shí)別試驗(yàn)系統(tǒng)軟件平臺(tái)。 李皋等[9]研發(fā)了一套井下溫度、 壓力、 濕度等參數(shù)的隨鉆采集測(cè)量短節(jié), 并編制了相關(guān)軟件,實(shí)現(xiàn)了地面-井下數(shù)據(jù)的隨鉆監(jiān)測(cè), 根據(jù)所測(cè)得的數(shù)據(jù)建立概率數(shù)學(xué)模型, 進(jìn)行鉆井風(fēng)險(xiǎn)預(yù)測(cè)。 同時(shí)井底壓力的精確計(jì)算也是監(jiān)測(cè)溢流漏失發(fā)生的重要方法, 如張禾等[10]采用K-means 聚類的方法優(yōu)化樸素貝葉斯模型, 結(jié)合井底壓力監(jiān)測(cè)原理, 建立井底壓力計(jì)算模型, 以用來(lái)監(jiān)測(cè)井底壓力的變化。 但是純數(shù)據(jù)驅(qū)動(dòng)的溢流漏失監(jiān)測(cè)方法在預(yù)測(cè)過(guò)程中的特征值選取較為困難。 近年來(lái), 國(guó)內(nèi)也有部分專家進(jìn)行機(jī)理模型與數(shù)據(jù)驅(qū)動(dòng)相結(jié)合的預(yù)測(cè)方法研究,如孫偉峰等[11]將動(dòng)態(tài)鉆井物理模型與人工智能、數(shù)據(jù)挖掘算法相結(jié)合, 提出基于實(shí)時(shí)錄井?dāng)?shù)據(jù)的鉆井監(jiān)測(cè)及事故預(yù)警技術(shù)。 該技術(shù)以鉆井施工過(guò)程中的綜合錄井?dāng)?shù)據(jù)作為輸入, 利用模型算法來(lái)實(shí)時(shí)準(zhǔn)確呈現(xiàn)鉆井過(guò)程中的井下工況, 預(yù)測(cè)即將發(fā)生的復(fù)雜風(fēng)險(xiǎn)。 周家立[12]根據(jù)控壓鉆井動(dòng)態(tài)模型, 結(jié)合新的自適應(yīng)觀測(cè)理論, 構(gòu)建新的自適應(yīng)觀測(cè)器, 同時(shí)與深度置信網(wǎng)絡(luò)方法、 獨(dú)立成分分析法相結(jié)合,構(gòu)建鉆井過(guò)程智能工況診斷方法。

2 技術(shù)研究進(jìn)展

本文從環(huán)空氣液固三相變質(zhì)量流動(dòng)以及受模糊信息、 慢反饋信號(hào)耦合作用下環(huán)空壓力控制理論方法等方面開展研究, 形成溢流漏失自動(dòng)識(shí)別、 氣侵自動(dòng)處理、 多工況井筒壓力閉環(huán)控制等關(guān)鍵核心技術(shù), 豐富了井筒安全監(jiān)控技術(shù)內(nèi)涵, 是向自動(dòng)化、智能化井控風(fēng)險(xiǎn)監(jiān)控邁出的關(guān)鍵一步。

2.1 多類型地層溢漏識(shí)別及井筒壓力演變

2.1.1 多類型地層溢流判別和漏失壓力計(jì)算

根據(jù)施加回壓后溢流后續(xù)發(fā)展情況, 提出欠平衡溢流與重力置換溢流2 種溢流類型判別方法[13],若施加回壓后溢流量減少, 則是欠平衡溢流類型;若施加回壓后溢流量反而增加, 則是重力置換溢流類型。 通過(guò)本判別方法, 有效解決了碳酸鹽巖儲(chǔ)層溢流識(shí)別難題。 針對(duì)井壁不可滲濾假設(shè)和Terzaghi有效應(yīng)力模型框架約束, 考慮漏失壓力與孔隙壓力和破裂壓力的關(guān)系, 基于孔隙壓力預(yù)測(cè)方法, 建立了砂巖和碳酸鹽巖2 類地層的極小漏失壓力計(jì)算模型[14], 可有效預(yù)防井漏的發(fā)生。 碳酸鹽巖地層極小漏失壓力等于自然漏失壓力。 砂巖地層極小漏失壓力等于壓裂漏失壓力。

2.1.2 氣侵條件下巖屑-鉆井液的復(fù)雜滑移特性

針對(duì)深部復(fù)雜地層存在井筒溫壓場(chǎng)計(jì)算精度低等難題, 考慮巖屑沉降方位的影響, 通過(guò)數(shù)千組橢圓、 棒狀、 桿狀等非球形巖屑沉降試驗(yàn), 得到了氣相、 巖屑形狀和沉降方位對(duì)巖屑沉降特性的影響規(guī)律, 闡明了環(huán)空壁面效應(yīng)及氣相滑移對(duì)巖屑沉降過(guò)程的微觀作用機(jī)制, 建立了非球形巖屑曳力系數(shù)(見圖1) 和復(fù)雜巖屑沉降末速統(tǒng)一模型[15], 為精確處理固-液滑移特性和建立環(huán)空多相流動(dòng)傳熱模型提供了理論依據(jù)。 圖1 中φ為球形度。

圖1 不同球形度下巖屑沉降的曳力系數(shù)試驗(yàn)結(jié)果Fig.1 Measured drag coefficients during cutting settlement with varied degrees of sphericity

2.1.3 井筒-地層耦合的非等溫氣液固瞬態(tài)流動(dòng)

耦合非球形巖屑沉降特性和井筒-地層對(duì)流換熱機(jī)理, 利用非等溫瞬態(tài)井筒氣-液-固三相流動(dòng)傳熱模型[16], 實(shí)現(xiàn)井筒-地層傳熱快速計(jì)算、 溫度實(shí)時(shí)動(dòng)態(tài)計(jì)算, 為井筒壓力計(jì)算提供數(shù)據(jù)基礎(chǔ), 從而有效提高模型精度。 計(jì)算結(jié)果闡明了井筒-地層換熱對(duì)井筒多相流動(dòng)的影響機(jī)制, 揭示了復(fù)雜流動(dòng)傳熱條件下井筒溫壓動(dòng)態(tài)演化特性(見圖2), 為準(zhǔn)確描述高溫高壓井氣侵多相流動(dòng)演化特性和精確預(yù)測(cè)井筒壓力奠定了理論基礎(chǔ)。

圖2 深井氣侵條件下氣液固三相流溫壓演化特性Fig.2 Temperature-pressure evolution of the gas-liquid-solid triple-phase flow in deep wells with gas kick

2.2 溢漏早期自動(dòng)識(shí)別與多源參數(shù)定量表征

2.2.1 環(huán)空氣液固三相流動(dòng)傳熱模型高效求解

耦合固-液漂移流模型和井筒-地層對(duì)流換熱模型, 結(jié)合隱式有限差分法, 建立了環(huán)空氣-液-固三相流動(dòng)傳熱模型的高效求解方法[16], 實(shí)現(xiàn)了出入口流量變化精細(xì)描述, 在保證計(jì)算精度的同時(shí)提升了求解效率, 為優(yōu)化氣侵預(yù)警模型性能和井底壓力實(shí)時(shí)預(yù)測(cè)提供了理論支撐。2.2.2 漏失量、 速度和井深等關(guān)鍵參數(shù)精確計(jì)算

根據(jù)壓差漏失機(jī)理, 融合漏失壓力與漏失量的非線性關(guān)系, 突破傳統(tǒng)方法中漏失速度與壓差的線性制約, 針對(duì)穩(wěn)定與非穩(wěn)定狀態(tài)下漏失量、 漏失速度、 漏失井深等關(guān)鍵參數(shù)[17]進(jìn)行精確反演, 井深反演值在預(yù)設(shè)值上下波動(dòng), 漏失井深反演值平均誤差僅為井深的3%, 漏失井深的精確定位能夠大幅提高防漏堵漏的有效性。 圖3 為漏失反演結(jié)果。

圖3 漏失反演結(jié)果曲線Fig.3 Lost circulation inversion results

2.2.3 基于出入口流量的多策略動(dòng)態(tài)自動(dòng)校核

針對(duì)壓力波傳播至井底時(shí)間及井底壓力響應(yīng)特性的定量分析難題, 根據(jù)井底壓力與地層壓力差導(dǎo)致循環(huán)鉆井液總體積變化, 建立了井底壓力變化與鉆井液進(jìn)出口流量差之間的關(guān)系。 根據(jù)鉆井液出入口瞬時(shí)流量差(微分量) 進(jìn)行信號(hào)分析, 利用一定時(shí)間內(nèi)鉆井液出入口流量平均量(平衡量) 來(lái)校正鉆井泵上水效率; 在此基礎(chǔ)上, 采用鉆井液出入口的累積量(積分量) 來(lái)校正流量累計(jì), 真實(shí)反映溢流和漏失量。 現(xiàn)場(chǎng)實(shí)時(shí)采集流量、 工況及參數(shù)動(dòng)態(tài)變化, 進(jìn)而實(shí)時(shí)驗(yàn)算、 給定目標(biāo)壓力, 最后進(jìn)行閉環(huán)壓力控制, 形成一套多策略動(dòng)態(tài)自動(dòng)校核及壓力控制策略方法。

現(xiàn)場(chǎng)應(yīng)用結(jié)果表明, 該方法發(fā)現(xiàn)溢流漏失時(shí)間較傳統(tǒng)錄井警報(bào)可提前10 min, 實(shí)現(xiàn)了早預(yù)警、 早控制, 有效提升了井控事故的地面響應(yīng)時(shí)間。

2.3 基于非線性估計(jì)的井筒壓力閉環(huán)控制方法

2.3.1 融合多變量的井筒壓力控制3 階動(dòng)態(tài)模型

針對(duì)井下信息源不清晰、 高精度壓力控制難等難題, 提出了耦合水力學(xué)-管柱力學(xué)-機(jī)械鉆速的多變量非線性動(dòng)態(tài)模型(見圖4), 井筒壓力控制融合多變量, 以高效調(diào)控井底壓力與提升機(jī)械鉆速為目標(biāo), 揭示了多個(gè)操控變量之間的關(guān)聯(lián)耦合機(jī)理。

圖4 模型耦合框架Fig.4 Model coupling framework

2.3.2 自適應(yīng)井下不確定參數(shù)的非線性觀測(cè)器

利用地面可測(cè)工程參數(shù), 結(jié)合水力學(xué)模型實(shí)現(xiàn)井下不確定參數(shù)(環(huán)空摩擦因數(shù)、 密度) 和變量(井底流量)聯(lián)合在線估計(jì), 利用立壓、 回壓及出口流量等測(cè)量數(shù)據(jù), 對(duì)建模參數(shù)進(jìn)行辨識(shí)校正, 提高自適應(yīng)觀測(cè)器估計(jì)精度, 準(zhǔn)確預(yù)測(cè)井底壓力和流量, 為閉環(huán)調(diào)控提供準(zhǔn)確及時(shí)的反饋信息[18]。

估計(jì)不確定參數(shù)的計(jì)算結(jié)果表明, 即使建模誤差達(dá)到20%, 觀測(cè)器仍可對(duì)井下鉆頭流量和壓力進(jìn)行快速、 實(shí)時(shí)、 準(zhǔn)確估計(jì), 真實(shí)反映兩者變化的趨勢(shì), 已成為井下工況快速判斷依據(jù)。

2.3.3 一定超前量的井筒壓力閉環(huán)控制方法

基于非線性多變量耦合模型和非線性估計(jì)方法, 以保證井下安全為前提, 以減少非生產(chǎn)時(shí)間為目標(biāo), 協(xié)調(diào)地面轉(zhuǎn)速、 鉆壓、 節(jié)流閥開度及泵流量等多源操控變量, 強(qiáng)化學(xué)習(xí), 明確操作特性、 超前修正綜合目標(biāo)函數(shù), 形成了具有一定超前量的井筒壓力閉環(huán)控制方法。

2.4 溢流漏失隨鉆實(shí)時(shí)識(shí)別、 監(jiān)測(cè)方法與系統(tǒng)

人工智能的快速發(fā)展, 使其在石油鉆井領(lǐng)域的應(yīng)用也愈發(fā)廣泛, 如基于事故樹或神經(jīng)網(wǎng)絡(luò)建立的溢流漏失判別系統(tǒng), 但是這些系統(tǒng)都是純機(jī)器學(xué)習(xí), 其預(yù)測(cè)精確度取決于學(xué)習(xí)樣本, 這就會(huì)造成一定誤差。

因此, 為降低該誤差, 建立基于機(jī)理與數(shù)據(jù)復(fù)合驅(qū)動(dòng)井下復(fù)雜診斷方法以及深度置信神經(jīng)網(wǎng)絡(luò)的工況判別與分類模型, 進(jìn)一步研發(fā)了井下溢流漏失隨鉆實(shí)時(shí)識(shí)別與檢測(cè)系統(tǒng)。

2.4.1 基于機(jī)理與數(shù)據(jù)復(fù)合驅(qū)動(dòng)的井下復(fù)雜診斷方法

利用動(dòng)態(tài)機(jī)理模型估計(jì)井下不可測(cè)變量(井底流量), 揭示其動(dòng)態(tài)估計(jì)機(jī)理, 精確預(yù)測(cè)動(dòng)態(tài)演化趨勢(shì), 形成受機(jī)理約束、 融合數(shù)據(jù)驅(qū)動(dòng)的井下復(fù)雜診斷方法[19]。 在非線性動(dòng)態(tài)估計(jì)算法的基礎(chǔ)上,利用獨(dú)立主元分析方法對(duì)立壓、 回壓、 出口流量及出入口流量差等鉆井?dāng)?shù)據(jù)進(jìn)行處理, 其中出入口流量差等于實(shí)際出口流量減去井底流量估算值。

圖5 為出入口流量與鉆井液池體積變化曲線。

圖5 出入口流量與鉆井液池體積參數(shù)變化曲線Fig.5 Variation curves of outlet/inlet flow rate and mud pit volume

圖5 包括正常工況和異常工況, 其中正常工況共有2 段: 0～650 s 以及900～2600 s, 異常工況存在4 段: 660～900 s、 2 600～5 700 s、 5 700～5 870 s 以及5 870～7 600 s。

2.4.2 基于深度置信網(wǎng)絡(luò)的工況判別與分類

相對(duì)于傳統(tǒng)的判別模型, 深度置信網(wǎng)絡(luò)是一個(gè)概率生成模型, 是建立一個(gè)觀察數(shù)據(jù)與標(biāo)簽之間的聯(lián)合分布。 通過(guò)訓(xùn)練其神經(jīng)元間的權(quán)重, 可以讓整個(gè)神經(jīng)網(wǎng)絡(luò)按照最大概率來(lái)生成訓(xùn)練數(shù)據(jù)。 同時(shí)利用獨(dú)立主元分析提取識(shí)別的特征數(shù)據(jù), 提高對(duì)噪聲等干擾的抑制能力, 降低診斷誤報(bào)率。 如圖6 所示, 實(shí)際出入口流量與立壓、 回壓、 出口流量以及流量差等數(shù)據(jù)經(jīng)過(guò)獨(dú)立主元處理后得到4 個(gè)獨(dú)立元向量。 4 個(gè)獨(dú)立元向量分別為S1、S2、S3 及S4。

圖6 獨(dú)立主元處理前和處理后數(shù)據(jù)Fig.6 Data before and after processing via independent component analysis

本文在前述研究的基礎(chǔ)上提出“獨(dú)立主元分析-粒子群算法-深度置信網(wǎng)絡(luò)” 的自動(dòng)化、 智能化溢流漏失診斷模型。

經(jīng)現(xiàn)場(chǎng)應(yīng)用驗(yàn)證, 工況判斷正確率可達(dá)95%,真正實(shí)現(xiàn)了復(fù)雜油氣鉆井多工況自動(dòng)化準(zhǔn)確判別,工況分類結(jié)果如圖7 所示。

圖7 訓(xùn)練數(shù)據(jù)、 測(cè)試數(shù)據(jù)與 PSO 優(yōu)化前后工況分類結(jié)果Fig.7 Training data, testing data, and operation condition classification results before and after PSO

2.4.3 井下溢流漏失隨鉆實(shí)時(shí)識(shí)別、 監(jiān)測(cè)系統(tǒng)

集成上述研究成果, 研制了井下溢流漏失復(fù)雜實(shí)時(shí)識(shí)別和監(jiān)測(cè)系統(tǒng), 實(shí)現(xiàn)了無(wú)人工干預(yù)下, 溢流或漏失量小于0.2 m3時(shí), 自動(dòng)判斷準(zhǔn)確率大約80%。 該系統(tǒng)具有鉆進(jìn)、 循環(huán)、 起鉆及下鉆等鉆井工況自動(dòng)標(biāo)定功能, 能夠自動(dòng)檢測(cè)溢流漏失[20-21]。

本研究形成的鉆井全過(guò)程閉環(huán)安全控制方法,核心為基于深度置信網(wǎng)絡(luò)的溢流漏失井下復(fù)雜工況的自動(dòng)識(shí)別模型, 具有向智能化發(fā)展的潛力。 通過(guò)“多變量閉環(huán)控制器協(xié)同多源變量” 高效精準(zhǔn)控制井筒壓力, 利用“穩(wěn)態(tài)水力學(xué)模型+單操控變量調(diào)控” 的手段, 為深層、 非常規(guī)、 深水、 極地等戰(zhàn)略資源的安全高效勘探開發(fā)提供了先進(jìn)的解決方案。

3 試驗(yàn)與應(yīng)用

本項(xiàng)研究技術(shù)在塔里木碳酸鹽地層、 庫(kù)車山前、 新疆南緣及海洋等勘探開發(fā)重點(diǎn)地區(qū)開展推廣應(yīng)用, 有效解決了塔里木克深10-2 井、 新疆南緣高泉6 井等高溫高壓井由于啟停泵超大吞吐量、 零密度窗口長(zhǎng)程起下鉆等導(dǎo)致溢流漏失隱蔽、 控制滯后等難題, 現(xiàn)場(chǎng)多井次應(yīng)用證明, 溢流漏失發(fā)現(xiàn)時(shí)間較傳統(tǒng)錄井警報(bào)提前10 min, 最大程度降低了作業(yè)風(fēng)險(xiǎn), 平均復(fù)雜處理時(shí)間降低66%, 有效提升了我國(guó)復(fù)雜壓力體系安全高效鉆井能力。

3.1 克深10-2 井應(yīng)用分析

3.1.1 復(fù)雜井筒環(huán)境

克深10-2 井是塔里木盆地庫(kù)車坳陷開發(fā)井, 井底為超高壓、 高溫環(huán)境, 采用密度2.25 g/cm3的超高油基鉆井液鉆進(jìn)至中完, 使用尾管封固裸眼地層,采用密度2.18 g/cm3的鉆井液進(jìn)行固井作業(yè), 因此現(xiàn)場(chǎng)鉆完井情況復(fù)雜。

鉆進(jìn)時(shí)在井深6 349.25 m 時(shí)發(fā)生漏失, 通過(guò)測(cè)試得到漏失壓力當(dāng)量密度2.28 g/cm3; 鉆進(jìn)過(guò)程中出現(xiàn)地層出水情況, 判斷水層位置在5 700 m 以上,測(cè)試得到折合5 700 m 處鹽水層壓力當(dāng)量密度2.26g/cm3。 因此, 該井鉆進(jìn)過(guò)程中安全密度為2.26 ～ 2.28 g/cm3, 只有0.02 g/cm3的安全密度窗口。

3.1.2 施工過(guò)程分析

克深10-2 井由于超高壓、 高溫環(huán)境及超高鉆井液密度條件, 井筒呼吸效應(yīng)及鉆井液彈性較大,開泵流量返出及停泵斷流嚴(yán)重滯后, 極易導(dǎo)致溢流漏失誤判和漏判。 由于安全密度窗口極窄, 導(dǎo)致鉆井液密度過(guò)高則井漏, 過(guò)低則出鹽水或蠕變, 存在嚴(yán)重井控風(fēng)險(xiǎn)。

在現(xiàn)場(chǎng)平衡壓力控制固井試驗(yàn)施工中, 建立鉆井液出入口精確計(jì)量及多策略處理機(jī)制, 特別考慮鉆井液、 水泥漿、 隔離液密度對(duì)裂縫開啟壓力以及圈閉壓力的影響, 采用以下多種措施, 圓滿實(shí)現(xiàn)“嚴(yán)控水層, 兼顧漏層”, 全過(guò)程不溢不漏, 高效完成大排量平衡壓力控制固井作業(yè)。

(1) 逐步摸索地層安全密度窗口, 通過(guò)臨界漏失排量、 臨界漏失壓力(固井時(shí)不同排量條件下)、 臨界溢流排量及臨界溢流壓力測(cè)算地層安全密度窗口, 形成不同工況下控壓探索地層承壓操作窗口的新方法。

(2) 固井前最后一趟鉆(通井) 充分循環(huán),分別在井底、 套管鞋處關(guān)井求壓; 固井前最后一趟鉆起鉆到漏層或高壓水層上(套管鞋處或以上),采用多種壓重漿帽方式, 下套管過(guò)程根據(jù)情況考慮分段注替的可能性, 形成適應(yīng)高壓鹽水層下套管前控壓通井起鉆注鉆井液帽新方法。

(3) 按照“微過(guò)平衡, 防止漏失” 的設(shè)計(jì)要求開展控壓固井作業(yè)施工, 固井中控制井底ECD保持穩(wěn)定, 從而壓穩(wěn)水層、 不溢不漏; 充分分析控壓固井施工流程中的關(guān)鍵風(fēng)險(xiǎn)點(diǎn), 通過(guò)精細(xì)化控壓操作等手段, 循環(huán)、 停泵、 注水泥、 替鉆井液、 控壓起鉆、 候凝各個(gè)階段精細(xì)控制井口回壓, 保證固井質(zhì)量, 形成微過(guò)平衡控壓固井多工況全過(guò)程壓力安全控制新方法等技術(shù)。

在施工全過(guò)程中, 采用“井底恒壓+微流量監(jiān)測(cè)” 方式進(jìn)行控壓通井及擴(kuò)眼, 根據(jù)不同工況,精準(zhǔn)調(diào)整控壓值, 起下鉆4 ～7 MPa、 循環(huán)排混漿3 ～10 MPa、 候凝憋壓12 MPa, 精度高達(dá)±0.2 MPa, 全程無(wú)溢流和漏失, 有效減少漏失, 節(jié)約鉆井成本, 保障了完井期間作業(yè)及井控安全, 實(shí)現(xiàn)了塔里木山前高壓鹽水層大排量控壓固井。 固井質(zhì)量測(cè)試結(jié)果表明, 該井創(chuàng)造固井質(zhì)量合格率100%、優(yōu)質(zhì)率85.5%的施工紀(jì)錄。

3.2 漏失復(fù)雜降低效果

此外, 該技術(shù)在現(xiàn)場(chǎng)應(yīng)用時(shí)有效減少了復(fù)雜時(shí)效, 減小了鉆井液漏失量。 以塔里木塔中與塔北區(qū)塊應(yīng)用成效為例, 與常規(guī)鉆井相比, 平均漏失量下降82%, 復(fù)雜時(shí)率下降54%, 平均日進(jìn)尺提高94%, 目的層鉆井周期縮短42%。

4 結(jié)論與認(rèn)識(shí)

本文研究成果極大豐富了井筒安全監(jiān)控技術(shù)內(nèi)涵, 將環(huán)空氣液固三相變質(zhì)量流動(dòng)以及受模糊信息、 慢反饋信號(hào)耦合作用下環(huán)空壓力控制理論方法研究推向新高度, 由此形成溢流漏失自動(dòng)識(shí)別、 氣侵自動(dòng)處理、 多工況井筒壓力閉環(huán)控制等關(guān)鍵核心技術(shù), 推動(dòng)井控安全向本質(zhì)安全邁出關(guān)鍵一步。 得出如下結(jié)論:

(1) 建立了井控安全屏障的系統(tǒng)方法, 及時(shí)、有效識(shí)別甚至準(zhǔn)確預(yù)測(cè)溢漏復(fù)雜工況, 更好地解讀工況變化, 更早預(yù)警、 更高效控制井下復(fù)雜情況。

(2) 推動(dòng)了新一代井筒安全預(yù)警技術(shù)發(fā)展,實(shí)現(xiàn)了在無(wú)人工干預(yù)下, 微小溢流/漏失量(＜0.2 m3) 準(zhǔn)確的自動(dòng)診斷與識(shí)別, 縮短了大量人工時(shí)間。

(3) 支撐創(chuàng)立了PCDS 中國(guó)石油控壓鉆井高端技術(shù)裝備品牌, 推動(dòng)集團(tuán)公司鉆井綜合效率與井筒安全水平邁向新臺(tái)階, 具有廣闊的應(yīng)用前景。