勝亞楠

（中石化中原石油工程有限公司鉆井工程技術(shù)研究院，河南 濮陽 457001）

0 引言

近年來，中國石化加快了頁巖氣資源的勘探開發(fā)，并在川渝地區(qū)取得了重大突破，其中川南工區(qū)是我國頁巖氣資源最為豐富、最具開發(fā)潛力的地區(qū)之一。該工區(qū)地質(zhì)環(huán)境復(fù)雜苛刻、施工工藝尚未配套，導(dǎo)致鉆井復(fù)雜、故障頻發(fā)，其中卡鉆故障最為突出，占復(fù)雜、故障總時效的47.48%，嚴(yán)重制約了頁巖氣安全高效開發(fā)。目前解決此類問題最有效的方法是對鉆井過程中的卡鉆風(fēng)險進(jìn)行準(zhǔn)確預(yù)測分析，并及時采取風(fēng)險規(guī)避措施，避免卡鉆故障的發(fā)生。國內(nèi)外學(xué)者對于卡鉆的預(yù)測進(jìn)行了長期的研究，卡鉆預(yù)警方法多以區(qū)域井統(tǒng)計(jì)分析和基于傳統(tǒng)鉆井物理模型為主。對于前者來說，需要收集大量區(qū)域井資料和數(shù)據(jù)，通過對卡鉆原因和過程進(jìn)行分析，然后利用人工神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、層次分析法等方法建立卡鉆預(yù)測模型［1-3］。該類方法受限于數(shù)據(jù)難以準(zhǔn)確獲取，同時收集到的數(shù)據(jù)往往具有區(qū)域獨(dú)特性，這就使得通過該類方法建立的模型難以推廣到其他區(qū)域，不具有普適性。對于后一類方法來說，需要進(jìn)行摩阻扭矩的精確計(jì)算才能實(shí)現(xiàn)異常的有效監(jiān)測；但是傳統(tǒng)鉆井物理模型計(jì)算需要大量數(shù)據(jù)并且難以實(shí)時更新計(jì)算結(jié)果，這就限制了該類方法異常判斷的實(shí)時性［4-9］。目前鉆井現(xiàn)場的卡鉆故障識別仍然是依靠司鉆和技術(shù)人員，以個人經(jīng)驗(yàn)進(jìn)行異常判斷，缺乏配套軟件，降低了風(fēng)險識別的準(zhǔn)確度和效率?，F(xiàn)有卡鉆識別技術(shù)存在監(jiān)控信息綜合利用能力差、風(fēng)險預(yù)警不夠及時、主觀性太強(qiáng)等問題較為突出。本文通過分析鉆井作業(yè)過程中卡鉆故障的專家知識判斷，確定了卡鉆風(fēng)險對應(yīng)的關(guān)鍵表征參數(shù)，并研究了卡鉆發(fā)生位點(diǎn)的關(guān)鍵表征參數(shù)的變化趨勢，得到了相應(yīng)的變化規(guī)律；在此基礎(chǔ)上建立了基于工程參數(shù)變化趨勢異常診斷的卡鉆故障實(shí)時預(yù)警方法，實(shí)現(xiàn)了卡鉆故障的智能診斷，提高了異常工況的診斷準(zhǔn)確率。結(jié)合VDX 參數(shù)儀建立了卡鉆故障預(yù)警系統(tǒng)，對卡鉆故障進(jìn)行動態(tài)辨識與分析，選取已鉆井歷史復(fù)雜故障進(jìn)行模型驗(yàn)證與完善，實(shí)例分析驗(yàn)證了方法的可靠性。本文技術(shù)的攻關(guān)和應(yīng)用對于在川南工區(qū)深層頁巖氣鉆井降低復(fù)雜和故障損失、提高鉆井效率具有重要意義。

1 川南頁巖氣卡鉆故障專家知識總結(jié)

綜合考慮川南工區(qū)卡鉆故障的特殊性，通過整理分析工區(qū)內(nèi)已鉆井歷史復(fù)雜與故障，總結(jié)該區(qū)塊主要的卡鉆故障類型有：沉砂卡鉆、掉塊卡鉆、壓差卡鉆及泥包卡鉆。沉砂卡鉆一般發(fā)生在排量不足、攜砂不及時的嚴(yán)重漏失的井段。掉塊卡鉆往往發(fā)生在存在“大肚子”井眼，在鉆進(jìn)過程中或上提過程中存在掉塊卡鉆，或者是鉆遇破碎帶，在定向或上提過程中存在卡鉆風(fēng)險。壓差卡鉆一般發(fā)生在地層造漿、泥巖發(fā)育、易縮徑地層。泥包卡鉆一般發(fā)生在堵漏結(jié)束后井段和造漿地層、易縮徑地層。

川南工區(qū)典型卡鉆統(tǒng)計(jì)數(shù)據(jù)見表1。

表1 川南工區(qū)典型卡鉆故障井統(tǒng)計(jì)Table 1 Typical sticking wells in South Sichuan

由表1 可以看出：工區(qū)各區(qū)域水平段目的層龍馬溪組和五峰組均易發(fā)生卡鉆故障，卡鉆發(fā)生的主要原因是地層不穩(wěn)定，直接原因是鉆頭、扶正器和旋轉(zhuǎn)導(dǎo)向等大尺寸位置在井眼中通過阻力大，停泵、起鉆等操作易誘發(fā)卡鉆發(fā)生；卡鉆前工況多發(fā)生在接單根，上提鉆具、倒劃眼等鉆柱上提過程；掉塊卡鉆距離井底近（86%發(fā)生在立柱第一根），突發(fā)概率高、具有“秒殺”特征；沉砂卡鉆井底巖屑逐漸積累，具有“推土機(jī)”效應(yīng)。同時可以看出卡鉆危害較大，一旦發(fā)生卡鉆即使成功解卡，亦浪費(fèi)較長的時間，嚴(yán)重影響生產(chǎn)效率，如果解卡失敗，則會造成嚴(yán)重的經(jīng)濟(jì)損失。

結(jié)合傳統(tǒng)專家知識判斷方法，對卡鉆故障的定性識別方法進(jìn)行梳理和歸納，這也是進(jìn)行人工智能風(fēng)險預(yù)測重要的基礎(chǔ)工作之一。通過卡鉆故障的專家知識判斷［10-11］，能夠表征卡鉆故障的參數(shù)有：大鉤載荷、泵壓、扭矩、機(jī)械鉆速、轉(zhuǎn)盤轉(zhuǎn)速、鉆壓。

2 卡鉆故障關(guān)鍵表征參數(shù)變化規(guī)律探究

盡管卡鉆故障誘發(fā)的原因和卡鉆的類型不同，但是在卡鉆故障發(fā)生以后，最終造成的結(jié)果都是鉆頭或者鉆具在井下失去了自由活動的能力，卡鉆故障在綜合錄井的實(shí)測數(shù)據(jù)表現(xiàn)的規(guī)律是一致的。從鉆井過程中鉆進(jìn)、鉆具上下活動等工況下分析故障在發(fā)生以后對應(yīng)井下實(shí)測數(shù)據(jù)發(fā)生的變化：在鉆進(jìn)過程中發(fā)生卡鉆故障后，存在鉆時升高、轉(zhuǎn)盤扭矩升高、泵壓升高、轉(zhuǎn)速降低等參數(shù)變化規(guī)律；起鉆過程中發(fā)生卡鉆后，存在大鉤負(fù)荷升高、扭矩升高等參數(shù)變化規(guī)律；在下鉆過程中發(fā)生卡鉆后，存在大鉤負(fù)荷降低、扭矩升高、轉(zhuǎn)速升高等參數(shù)變化規(guī)律。

通過研究卡鉆發(fā)生位點(diǎn)監(jiān)測數(shù)據(jù)的關(guān)鍵特征和變化趨勢，挖掘卡鉆故障發(fā)生前后的關(guān)鍵表征參數(shù)的變化特點(diǎn)及趨勢，剖析參數(shù)變化與卡鉆的關(guān)聯(lián)性，為后續(xù)卡鉆預(yù)警模型的構(gòu)建提供依據(jù)。

以壓差卡鉆為例：壓差卡鉆故障征兆及表征參數(shù)變化規(guī)律見圖1。

圖1 壓差卡鉆故障征兆及表征參數(shù)變化規(guī)律Fig.1 Pressure differential sticking risk sign and change law of the characterization parameters

3 基于參數(shù)變化趨勢異常診斷的卡鉆預(yù)警模型

在對卡鉆故障發(fā)生前后的工程監(jiān)測數(shù)據(jù)的變化特點(diǎn)及趨勢進(jìn)行總結(jié)分析的基礎(chǔ)上，建立和完善基于專家知識和數(shù)據(jù)智能算法的風(fēng)險評估算法，構(gòu)建卡鉆故障識別與診斷模型，對卡鉆故障的發(fā)生頻率及烈度進(jìn)行定量評估；基于構(gòu)建的卡鉆故障智能識別算法，實(shí)現(xiàn)井下復(fù)雜故障的智能定量診斷，把井下復(fù)雜故障從事后診斷升級為事前預(yù)警，并結(jié)合本院自研的VDX 參數(shù)儀建立井下卡鉆風(fēng)險預(yù)警機(jī)制，對卡鉆故障進(jìn)行動態(tài)辨識與分析，并選取已鉆井歷史復(fù)雜故障進(jìn)行模型驗(yàn)證與完善，最終將預(yù)警系統(tǒng)應(yīng)用于鉆井現(xiàn)場，提高異常工況的診斷準(zhǔn)確率、降低鉆井風(fēng)險。

卡鉆故障對應(yīng)故障征兆的變化趨勢需要通過對一定時間段內(nèi)的測量數(shù)據(jù)進(jìn)行分析才能確定，而不是當(dāng)前時間點(diǎn)的單一數(shù)值。參數(shù)的異常變化反映在曲線形態(tài)上即是曲線斜率的增大或減小。卡鉆發(fā)生時，突出表現(xiàn)為懸重、扭矩和泵壓發(fā)生浮動變化。通過自動監(jiān)測時間序列懸重、扭矩和泵壓變化，實(shí)現(xiàn)卡鉆故障實(shí)時預(yù)警。算法主要步驟如下。

3.1 野點(diǎn)剔除

工程參數(shù)曲線的毛刺或突變可能是異常跳動，也可能是井下工況突變。對異常跳動、毛刺或突變應(yīng)該剔除；對井下工況突變，則應(yīng)該保留。未確知有理數(shù)方法能夠很好地識別異常值和真值突變問題［12］。

假設(shè)某時刻工程參數(shù)響應(yīng)為未確知有理數(shù)A，如式（1）：

式中：Xi——某深度處的鉆井工程參數(shù)；p(x)——鉆井工程參數(shù)的可信度分布函數(shù)。

對比異常值和真值突變：如果Xi是異常值，則它是孤立的，在其鄰域內(nèi)與其數(shù)值相近的數(shù)據(jù)很少；如果是真實(shí)突變，則在Xi的鄰域內(nèi)與其數(shù)值相近的數(shù)據(jù)較多。由此認(rèn)為，Xi鄰域內(nèi)與其相近的數(shù)據(jù)越多，則Xi的可信度大，反之Xi的可信度小?？尚哦群瘮?shù)為：

式中：ni——Xi鄰域內(nèi)(i-δ＜j＜i+δ)中包含Xj的個數(shù)。

這樣就可以采用未確知有理數(shù)A的期望來代替，實(shí)現(xiàn)異常值剔除。

3.2 參數(shù)歸一化

本文采用最大最小法對工程參數(shù)進(jìn)行歸一化處理［13］：

式中：xmin、xmax——序列中的最小值和最大值。

3.3 基于參數(shù)變化趨勢異常診斷的卡鉆預(yù)警算法

對于工程參數(shù)所顯示的增長趨勢，引入移動平均值的偏差，計(jì)算公式為：

式中：Mα、Mβ——t時刻的移動平均值；α、β——滑動窗口長度；ΔM——t時刻移動平均值的插值。

上述技術(shù)僅適用于量化數(shù)據(jù)的增加和降低趨勢，為了量化數(shù)據(jù)變化趨勢的異常，將線性回歸應(yīng)用于實(shí)時數(shù)據(jù)分析，將時刻t處回歸的斜率值記為Ki，t，正值為正趨勢，負(fù)值為負(fù)趨勢。平均局部斜率的計(jì)算公式為：

式中：wi——一個邏輯函數(shù)，表示從0～1 的指數(shù)轉(zhuǎn)換，公式為：

式中：λ1、λ2——分別為控制過渡的位置和銳度，λ1=0.5-α，λ2=0.1；wi——時間步驟t之前數(shù)據(jù)點(diǎn)i的加權(quán)因子，當(dāng)i=t-α?xí)r，加權(quán)因子接近0，當(dāng)tα＜i≤t時，接近1。

分別選取t時刻之前0.5、1、1.5、2、2.5、3 min（時間間距可調(diào)整）做參數(shù)變化趨勢分析，如果斜率一直增加，并且t時刻之前0.5 min 之內(nèi)數(shù)據(jù)回歸斜率＞0，則表明該工程參數(shù)有異常增大趨勢。如：當(dāng)起鉆過程中，懸重測量參數(shù)t時刻之前0.5、1、1.5、2、2.5、3 min，6 個時間段內(nèi)數(shù)據(jù)回歸斜率一直增加，并且t時刻之前0.5 min 之內(nèi)數(shù)據(jù)回歸斜率＞0，則發(fā)生卡鉆預(yù)警。同理，根據(jù)扭矩、泵壓變化規(guī)律也可判斷卡鉆故障?？ㄣ@風(fēng)險指數(shù)可以通過將不同的加權(quán)因子分配給懸重監(jiān)測指標(biāo)、扭矩監(jiān)測指標(biāo)和泵壓監(jiān)測指標(biāo)的概率值來計(jì)算，公式為：

式中：Rsk——卡鉆風(fēng)險指數(shù)；PD、PT、PP——分別為懸重、扭矩和泵壓監(jiān)測指標(biāo)風(fēng)險概率；wD、wT、wP——加權(quán)因子，根據(jù)專家經(jīng)驗(yàn)或已鉆井歷史數(shù)據(jù)確定加權(quán)因子。

卡鉆自動監(jiān)測算法流程如圖2 所示，過程如下：

圖2 基于參數(shù)變化趨勢異常診斷的卡鉆實(shí)時預(yù)警流程Fig.2 Real?time warning flow of the sticking based on the abnormal diagnose of the parameter change trend

（1）首先在使用卡鉆監(jiān)測算法之前對實(shí)時數(shù)據(jù)進(jìn)行異常點(diǎn)剔除，通過實(shí)時鉆井參數(shù)對鉆井狀態(tài)進(jìn)行工況識，并判斷操作是否屬于任何瞬態(tài)活動；上述預(yù)處理過程可以為風(fēng)險預(yù)警建立一個合理的起點(diǎn)，并避免由于瞬態(tài)操作或異常點(diǎn)引起的誤報(bào)警。

（2）基于當(dāng)前和先前時間步驟的數(shù)據(jù)計(jì)算卡鉆關(guān)鍵表征參數(shù)：懸重、扭矩、泵壓移動平均值的偏差和t時刻之前0.5、1、1.5、2、2.5、3 min 局部趨勢特征。如果平均移動偏差值指示局部增加趨勢，同時6 個時間段內(nèi)數(shù)據(jù)回歸斜率絕對值一直增加，則根據(jù)不同工況下卡鉆故障判斷準(zhǔn)則做出卡鉆預(yù)警。

（3）通過為得到的概率值分配不同的加權(quán)因子，可以獲得最終的卡鉆風(fēng)險指數(shù)。如果風(fēng)險指數(shù)等于1，算法給出報(bào)警信號。

4 實(shí)例應(yīng)用與分析

為驗(yàn)證算法的可靠性，選取WY-XX 井為實(shí)例進(jìn)行分析。WY-XX 井是布置于四川盆地鐵山—威遠(yuǎn)構(gòu)造帶白馬鎮(zhèn)向斜上的一口開發(fā)井。設(shè)計(jì)井深：5670 m；目的層：龍馬溪組一段2-3①小層；完鉆原則：鉆至設(shè)計(jì)水平段長完鉆。該井于2020 年2 月8日16：00 導(dǎo)眼開鉆；2 月17 日18：00 一開開鉆；3 月1日10：00 二開開鉆；4 月21 日4：00 三開開鉆；5 月9日18：40 鉆進(jìn)至4956.28 m，循環(huán)30 min 后，倒劃眼至井深4937.3 m 時發(fā)生遇阻復(fù)雜。遇阻卡層位：龍馬溪組3-1 小層，巖性：頁巖。

卡鉆發(fā)生過程：2020 年05 月09 日18：40 正常鉆完立柱至井深4956.28 m，至19：11 循環(huán)31 min。按照操作規(guī)程，看好懸重、每次上提幾厘米、倒劃眼清砂，倒劃至井深4937.3 m，扭矩由15 kN·m 上升至20 kN·m，頂驅(qū)憋停（頂驅(qū)力限設(shè)置20 kN·m），排量29 L/s，泵壓31 MPa，立即下壓鉆具，懸重由1100 kN 下壓至200 kN（游動系統(tǒng)懸重200 kN），多次上提下放活動、憋扭矩未能活動鉆具。鉆進(jìn)參數(shù)：鉆壓120～140 kN，排量29 L/s，扭矩力限25 kN·m；倒劃前降低扭矩力限至20 kN·m。

井內(nèi)鉆具組合：?215.9 mm PDC 鉆頭×0.33 m+?172 mm 貝克旋轉(zhuǎn)導(dǎo)向工具×11.50 m（自身最大外徑?212.0 mm 螺旋扶正器，距離鉆頭2.19 m）+?172 mm 無磁承壓鉆桿×9.18 m+?127 mm加重鉆桿×9.27 m+?172 mm 濾網(wǎng)接頭×1.7 m+127 mm 回壓閥×0.50 m（外徑168 mm）+?127 mm加重鉆桿×18.31 m+?158.8 mm 隨鉆震擊器×9.78 m+?127 mm 加重鉆桿×55.37 m+?127 mm鉆桿×2079.64 m。

清砂接頭位置：

①號4697.28～4698.37 m；

②號4582.73～4583.82 m；

③號4468.05～4469.14 m；

④號4353.38～4354.47 m；

⑤號4238.22～4239.31 m；

⑥號4123.35～4124.44 m。

鉆井液性能：密度2.35 g/cm3、粘度74 s、高溫高壓濾失量1.8 mL、泥餅厚度1 mm、含砂量0.1%、塑性粘度78 mPa·s、動切力8.5 Pa、初/終切力4/8 Pa、破乳電壓1669 V、含水率6%，含油率49%，油水比90∶10、固相含量45%、PH2.0、鉆井液六速旋轉(zhuǎn)粘度計(jì)600 r/300 r=173/95、200 r/100 r=65/36、6 r/3 r=12/7。

選取WY-XX 井卡鉆前一段時間內(nèi)工程參數(shù)進(jìn)行分析（見圖3），通過做平均移動偏差值（見圖4），可以看出：8000 s 時刻之后，長短窗口滑動平均值出現(xiàn)明顯偏差，表明工程參數(shù)發(fā)生波動。

圖3 WY-XX 井卡鉆前一段時間內(nèi)工程參數(shù)監(jiān)測數(shù)據(jù)Fig.3 Monitoring data of the engineering parameters within a period of time before WY-XX sticked

圖4 WY-XX 井卡鉆前一段時間內(nèi)工程參數(shù)平均移動偏差值Fig.4 Average moving deviation value of the engineering parameters within a period of time before Well WY-XX sticked

進(jìn)一步利用構(gòu)建的卡鉆預(yù)警模型，實(shí)時計(jì)算懸重、扭矩監(jiān)測參數(shù)每一時刻之前30、60、90、120、150、180 s 時間段內(nèi)局部斜率，當(dāng)懸重和扭矩的變化趨勢滿足6 個時間段內(nèi)數(shù)據(jù)回歸斜率一直增加，并且該時刻之前30 s 之內(nèi)數(shù)據(jù)回歸斜率＞0，則發(fā)出卡鉆預(yù)警，結(jié)果如圖5 所示。可以看出：在8000 s 時刻發(fā)生卡鉆前，該軟件有2 次上提遇阻和一次憋扭矩預(yù)警（卡鉆風(fēng)險指數(shù)達(dá)到1），如果在遇阻報(bào)警發(fā)出后及時地采取相應(yīng)的卡鉆風(fēng)險規(guī)避措施，就可以規(guī)避后續(xù)卡鉆故障的發(fā)生。

圖5 WY-XX 井卡鉆故障預(yù)警結(jié)果Fig.5 Warning result of the sticking risk for Well WY-XX

查閱井史報(bào)告，在8000 s 時刻（2020 年5 月9 日19：28）倒劃眼遇阻，繼而發(fā)生卡鉆故障。軟件預(yù)警結(jié)果與實(shí)際井下風(fēng)險相吻合，驗(yàn)證了模型的準(zhǔn)確性和可靠性，實(shí)現(xiàn)了卡鉆故障的智能診斷，提高了異常工況的診斷準(zhǔn)確率。

自2021 年8 月起至今在川南頁巖氣工區(qū)推廣應(yīng)用卡鉆風(fēng)險預(yù)警軟件30 余井次，監(jiān)控井日均報(bào)警2.23 次/井·日，運(yùn)行期間共報(bào)警8917 次，其中準(zhǔn)報(bào)6852 次，誤報(bào)2065 次，去掉誤報(bào)較多的數(shù)據(jù)異常提醒550 條后，準(zhǔn)確率達(dá)83%。

5 結(jié)論

（1）在鉆井作業(yè)過程中，井下風(fēng)險發(fā)生之前都會有一定的征兆，如果能在風(fēng)險發(fā)生的早期對于可能發(fā)生的風(fēng)險進(jìn)行預(yù)警，可以及時對風(fēng)險進(jìn)行調(diào)控。

（2）通過卡鉆故障的專家知識總結(jié)，能夠表征卡鉆故障的工程參數(shù)有：大鉤載荷、泵壓、扭矩、機(jī)械鉆速、轉(zhuǎn)盤轉(zhuǎn)速、鉆壓。地質(zhì)參數(shù)有：巖性、地質(zhì)構(gòu)造、地層壓力、鉆井液性能等。

（3）本文研究了卡鉆發(fā)生位點(diǎn)的關(guān)鍵表征參數(shù)的變化趨勢，得到了相應(yīng)的變化規(guī)律；在此基礎(chǔ)上建立了基于工程參數(shù)變化趨勢異常診斷的卡鉆實(shí)時預(yù)警方法，WY-XX 井實(shí)例分析驗(yàn)證了本文構(gòu)建方法的可靠性，實(shí)現(xiàn)了卡鉆故障的智能診斷，把井下復(fù)雜故障從事后診斷升級為實(shí)時預(yù)警判斷，提高了異常工況的診斷準(zhǔn)確率，準(zhǔn)確率達(dá)83%。