基于大数据分析的漏失压力预测技术研究.pdf

基于大数据分析的漏失压力预测技术研究郑卓，宋峙潮，和鹏飞，冯晟，郑勋（中海油能源发展股份有限公司工程技术分公司，天津300467）摘要：渤中油田沙河街组地层火成岩发育、地质情况复杂，钻遇该地层常会发生裂缝性漏失。学者结合本构模型和破坏准则建立了多种解析模型和数值模拟方法，但深部地层地质力学参数（地应力大小、方向等）及岩石力学参数（泊松比、弹性模量等）呈现出较强的波动性，地层漏失压力实时预测准确度低。本文结合多元时间序列回归算法，训练得出针对渤中区域测井数据的机器学习模型，以钻井参数反演测井数据，实现了钻头处岩石、地质力学参数实时求取，有效解决了漏失压力预测模型中输入端参数误差大的问题；同时从统计学角度出发，提出了火成岩地层漏失压力概率预测模型，辅助提高了地层漏失压力预测结果准确性，为钻井液阈值的选取提供了参考依据。同时可推广应用至其他存在裂缝性漏失风险的区块中，提高钻井液安全窗口上限预测准确率。关键词：渤中油田；火成岩；漏失压力；统计学；机器学习中图分类号：TE254.6文献标识码：A文章编号：1673-5285（2023）0苑-0026-06DOI:10.3969/j.issn.1673-5285.20圆3.0苑.006*收稿日期：圆园2圆原员园-圆怨作者简介：郑卓（1992），男，工程师，本科，毕业于中国地质大学，主要从事海上油气勘探开发的工程地质及数字化应用工作。E-mail：Research on 造eakage pressure prediction technologybased on big data analysisZ匀耘晕郧 Zhuo，SONG Zhichao，HE Pengfei，FENG Sheng，ZHENG Xun（CNOOC Energy Development Co.，Ltd.，Engineering Technology Branch，Tianjin 300467，China）Abstract:The formation of Shahejie formation in Bozhong oilfield is characterized by the de原velopment of igneous rocks and complex geological conditions.Fracture leakage often occurswhen drilling into the formation.The predecessor has established many analytical modelsand numerical simulation methods in combination with the constitutive model and failurecriteria.But the deep formation geomechanical parameters（in-situ stress size,direction,etc.）and rock mechanical parameters（Poissons ratio,elastic modulus,etc.）show strongvolatility,and the accuracy of real-time prediction of formation leakage pressure is low.Inthis paper,a machine learning model for logging data in Bozhong area is trained by combin原ing multiple time series regression algorithm.The logging data is inversed by drilling param原eters,and the real-time calculation of rock and geomechanical parameters at the drill bit isrealized,which effectively solves the problem of large input parameter error in the leakage石油化工应用PETROCHEMICAL INDUSTRY APPLICATION第 42 卷第 7 期2023 年 7 月Vol.42 No.7July.2023随着钻井技术的提高和钻井新工具的研发应用，深层海洋油气开发已成为国家油气发展的重要战略方向，渤海油田开发的主要层系随之转变为中深层的东营组、沙河街组，未来的趋势将是 4 000 m 以深的中生界层系。与浅层钻井相比，渤海油田中深部地层岩性条件及油藏环境复杂，井壁易出现失稳破坏的现象，对钻井作业的安全和经济造成了不利影响1-3。在海洋石油钻井费用高昂的背景下，钻井液漏失对钻井作业的成本及安全控制造成了严重影响，针对渤海油田渤中区块火成岩地层地质情况复杂、井漏风险高的问题，本文结合多元时间序列回归算法，训练得出针对渤中区域测井数据的机器学习模型，以钻井参数反演测井数据，实现了钻头处岩石、地质力学参数实时求取；同时基于统计学方法形成了裂缝性地层漏失压力辅助预测模型，对降低渤中区块火成岩地层井漏风险具有重要意义。1火成岩地层井漏风险控制难点分析渤中油田群位于渤海湾盆地东南部黄河口凹陷，紧邻郯庐断裂渤南段中支，构造活动强烈，中深部地层形成了大型复杂低序级断块圈闭群，地质风险尤为突出。其中沙河街组地层火成岩发育，钻遇该地层常会发生裂缝性漏失4-6。钻井过程中井底 ECD 通常介于漏失压力与破裂压力之间，导致钻井液循环时渗漏进入地层中，停泵接立柱等 ECD 下降工况下，又从地层回吐返回井筒中，此类呼吸效应会进一步扩大火成岩地层的裂缝开度及孔洞直径，导致漏失现象逐渐严重7。国内外对漏失压力的研究普遍基于完整性地层，假设漏失压力近似等于破裂压力，但裂缝性地层的漏失机理不同于完整性地层，其漏失压力远小于裂缝性地层的破裂压力。目前学者对地层漏失压力研究的焦点主要集中于本构模型和破坏准则，建立了多种解析模型和数值模拟方法，但由于深部地层地质条件具有复杂性，地质力学参数（地应力大小、方向等）及岩石力学参数（泊松比、弹性模量等）呈现出较强的波动性，难以进行准确的量化。进行地层漏失压力实时预测时，模型输入端参数出现误差可能会导致分析结果出现严重错误，预测难度较大8-10。2火成岩地层漏失压力预测技术2.1基于大数据分析的测井参数实时反演模型由于钻遇不同岩性地层会导致钻井参数发生不同程度改变，而测井参数又是判定岩性的重要依据，故认为钻井参数与测井数据间具有强相关性，具备利用机器学习模型进行测井参数实时反演回归的条件。集成学习模型可以同时利用多个监督学习模型达到更好的模型学习效果，其中 Rocket，Inceptiontime，Xgboost 等多元时间序列回归算法均为该模型的代表性算法。针对某一应用环境，目前暂无较好的算法优选方法，完全依靠测试集训练回归的准确率作为模型核心算法的选取标准。通过审核渤中区块已钻历史井测井、钻井等数据资料的适用性及完整性，总结整理了 20 口井的钻井参数以及测井数据。首先使用移动窗口程序生成数据集，确定数据集输入、输出维度（样本个数、变量种类）。根据井史资料寻找发生井眼坍塌或漏失的层位，每口井按照不同深度生成独立样本数据集。分析钻井参数特征值随岩性变化情况选取 4 个节点作为输入维度，分别为钻压、钻速、扭矩、泵压，可以用 X1、X2、X3、X4 表示网格输入；选取能够直接反映岩性特征的 3 项测井参数作为输出维度，分别为伽马值、密度、声波，可以用y1、y2、y3 表示网格输出。然后对数据进行清洗，由于不同动态参数的量纲pressure prediction model.At the same time,from the statistical point of view,the probabili原ty prediction model of formation leakage pressure in igneous rock is proposed,which helps toimprove the accuracy of formation leakage pressure prediction results and provides a refer原ence for the selection of drilling fluid threshold.At the same time,it can be applied to otherblocks with fracture leakage risk to improve the prediction accuracy of the upper limit of thedrilling fluid safety window.Keywords：Bozhong oilfield；igneous rock；leakage pressure；statistics；machine learning郑卓等基于大数据分析的漏失压力预测技术研究第 7 期27不同，数值大小差距很大。为了消除量纲对数据的影响，同时固定数据的取值范围，需要对数据进行标准化处理。将原始数据缩放到某一特定小区间内的一种方法，本文采用的方法是最小-最大标准化，其计算方法见式（员）。x*=2 x-xmin蓸蔀xmax-xmin-1（1）式中：x*-标准化后的数据；x-未标准化数据；xmin-x 的最小值；xmax-x 的最大值。最后使用处理后的数据与期望输出值进行学习训练，其目标函数为：Obj=ni=1移yiln1+e-y赞i蓸蔀+1-yi蓸蔀ln1+ey赞i蓸蔀（2）集成学习模型经过学习和训练后，其训练误差随着训练次数的增加而降低，当 Obj 达到设定误差值时，学习和训练会立即停止。本文使用多元时间序列回归算法 Rocket，Inceptiontime，Xgboost 分别对数据进行训练回归，测试集的误差值大小分别为 0.108 6，0.054 7，0.135 1，结果得出 Inceptiontime 算法最适用于钻井参数实时回归测井数据的情景。Inceptiontime 是由 5 个深度学习模型组成的集合模型，每个模型由 Inception 模块堆叠而成，每个模型见图 1。每个单独的模型由相同的结构组成，但是随机生成的权重初始值不同。Inception模块（图 2）的核心思想是对输入时间序列同时应用多个过滤器。通过使用不同长度的过滤器，使得网络可以同时提取到包含长时间序列和短时间序列在内的相关变化特征，具有较好的实时回归效果。2.2基于可信度理论的火成岩漏失压力预测模型由于目前渤中区块已钻井资料丰富，可以避开通过复杂的岩石、地质力学参数建模，通过分析该区域邻井资料，统计钻遇火成岩地层发生漏失时的钻井液密度，建立基于可信度理论的渤中区块火成岩漏失压力预测模型。首先引入变异系数计算公式：酌 凿蓸蔀越员圆晕 凿蓸蔀晕 凿蓸 蔀蚤越员移孕啄噪郧蚤蓸蔀原孕啄噪郧蚤垣凿蓸蔀圆蓘蓡（猿）式中：酌 凿蓸蔀原地层漏失压力变异系数；郧蚤原渤中区块平面坐标系中的某一井位（X，Y）；啄噪原发生漏失层位的对应深度；凿原两口井之间的距离；晕 凿蓸蔀原距离为 d 的井数；孕啄噪郧蓸蔀原渤中区块某一口井在某一深度钻遇火成岩时发生漏失的钻井液密度。根据现有资料计算不同井距 凿躁下的变异系数 酌 凿躁蓸蔀，根据散点凿躁，酌 凿躁蓸蔀（躁越员，圆，皂）拟合变异系数计算模型的参数。将火成岩地层发生漏失的钻井液密度作为随机变量 籽，则随机变量 籽 的概率分布函数 f 籽蓸蔀和累计概率分布函数 F 籽蓸蔀可以用小样本的正态信息扩散估计方法确定，见式（4）、式（5）：图 2单个 Inception 模块结构图 1Inception 网络结构输入时间序列卷积神经网络运输出类别全连接全局平均池化残差连接输入时间序列卷积神经瓶颈结构卷积神经输出时间序列卷积神经（瓶颈结构）最大池化石油化工应用2023 年第 42 卷28f 籽蓸蔀=12仔nhni=1移exp-籽-籽i蓸蔀22h2蓸蔀嗓瑟（4）F 籽蓸蔀=12仔nhni=1移籽-肄乙exp-t-籽i蓸蔀22h2蓸蔀dt（5）式中：h-概率模型中的扩散系数，计算公式见式（6）：h=酌 籽max-籽min蓸蔀n-1（6）式中：籽max-渤中区块已钻井资料中火成岩发生漏失时的最大钻井液密度；籽min-火成岩发生漏失时的最小钻井液密度；n-样本数量；酌-变异系数，通过式（3）计算。根据统计结果，可以得到该裂缝性漏失地层附近区域邻井的最小钻井液密度 籽min和相应的累计漏失概率 F（籽min）。将该模型应用于火成岩漏失压力预测，钻遇火成岩地层时，当钻井液密度 籽i约籽min，几乎不存在发生漏失的可能性；当钻井液密度 籽i逸籽min时，发生漏失的概率为 F（籽i）。结合井漏防治需要，优化了渤中区块火成岩地层钻井液密度上限，具体见式（7）：H h蓸蔀=籽minR=0籽iR=F 籽i蓸蔀，籽min约籽i约min籽max，H h蓸蔀j=j0蓸蔀嗓（7）与常规三压力预测模型相比，基于可信度理论的火成岩漏失压力预测模型通过工程统计的方法规避了地质、岩石力学参数的不确定性，辅助提高了地层漏失压力预测结果准确性。3现场应用情况3.1井底测井参数反演以 BZ-X 井为例，根据该井现场地质分层资料显示，垂深 3 691耀3 739 m 沙三段岩性为灰质泥岩夹火成岩，灰质泥岩呈灰褐色，灰质局部较重、性硬，火成岩性硬且微裂缝发育。对应层段测井资料见图 3。在该垂深范围内，选取渤中油田 4 口测井资料完整的井（A、B、C、D）作为研究对象，使用实钻参数反演地层测井数据，反演值与实际值对比见表 员。对比输出端数据与实际测井数据发现，本文提出的基于多元时间序列回归算法的测井参数实时反演模型，反演结果与实际测井数据误差率低于 8.46%，能够准确评估钻头处地质情况。通过相关测井参数计算得到的岩石、地质力学参数相对准确，有效解决了漏失压力预测模型中输入端参数误差大的问题。3.2火成岩地层钻井液阈值预测渤中区块火成岩钻井过程中井漏事故频繁发生，本文统计了该区块邻井火成岩地层钻进时使用的钻井液密度，具体见图 4。根据统计结果，结合式（3）计算漏失压力预测模型中的变异系数 酌，得到邻井样本数量与变异系数 酌 之间的关系，见表 圆。计算可知，在当前样本容量下，渤中区块火成岩地层钻进时使用的钻井液密度在 1.24耀1.40 g/cm3，发生漏失时的最小钻井液密度为 1.35 g/cm3，累计漏失概率为图 3X 井沙河街组地层测井数据分析员猿员员怨愿1201008060110100908070602.82.52.21.91.6327033003330336033903420345034803510 3540357036003630 3660369037203750井深/m郑卓等基于大数据分析的漏失压力预测技术研究第 7 期29井名深度/m输入端参数输出端参数实际测井数据ROPWOBTQSPPGRRHOBDTGRRHOBDTA3 46535.068.524.3320.69121.502.498 893.46114.962.495 088.923 54019.648.925.1221.67111.872.511 291.07117.732.507 494.933 60125.418.824.9822.13119.652.570 483.21116.382.568 981.94B3 35439.687.922.5821.33115.432.500 195.77112.162.496 394.503 49631.568.023.6321.89128.352.566 596.18125.082.565 293.913 65313.548.824.8823.11123.062.549 685.42128.922.542 888.28C3 00144.366.520.1620.15101.932.536 3103.82107.792.532 0105.683 16935.127.321.9820.96108.362.529 694.83100.142.525 891.613 30136.917.521.6821.55115.872.570 190.63107.652.571 487.41D3 22129.687.125.3623.69119.362.561 292.75102.442.557 486.833 32920.397.726.6424.11120.422.559 989.54126.282.556 192.403 58125.738.124.4424.89121.762.573 681.24104.842.574 975.32表 1测井参数反演与真实值对比表48.52%，为火成岩地层中钻井液阈值的选取提供了参考依据。图4渤中区块火成岩地层钻井液密度统计4结论（1）渤中油田沙河街组地层火成岩发育、地质情况复杂，钻遇该地层常会发生裂缝性漏失。不同于完整性地层，裂缝性地层的漏失压力远小于破裂压力。目前学者结合本构模型和破坏准则，建立了多种解析模型和数值模拟方法，但深部地层地质力学参数（地应力大小、方向等）及岩石力学参数（泊松比、弹性模量等）呈现出较强的波动性，地层漏失压力实时预测准确度低。（2）基于多元时间序列回归算法的测井参数实时反演模型，反演结果准确度高，实现了钻头处岩石、地质力学参数的准确计算，有效解决了漏失压力预测模型中输入端参数误差大的问题。（3）从统计学角度出发，提出了火成岩地层漏失压力概率预测模型，辅助提高了地层漏失压力预测结果准确性，为钻井液阈值的选取提供了参考依据。同时可推广应用至其他存在裂缝性漏失风险的区块中，提高钻井液安全窗口上限预测准确率。参考文献：1 王学成.减少区域性地层坍塌、钻完井液漏失“试错”成本的方法 J.天然气工业，2022，42（5）：10.2 王伟吉，李大奇，金军斌，等.顺北油气田破碎性地层井壁稳定技术难题与对策 J.科学技术与工程，2022，22（13）：5205-5212.n酌n酌n酌30.849 321 80081.395 189 816131.420 698 79541.273 982 78291.422 962 345141.420 669 67151.698 643 675101.416 278 786151.420 693 32161.336 252 561111.420 835 443161.420 692 22671.445 461 208121.420 269 570逸171.420 693 101表 2漏失概率分布模型变异系数计算表（下转第 46 页）石油化工应用2023 年第 42 卷1.00.90.80.70.60.50.40.30.20.101.241.261.281.301.321.341.361.381.40钻井液密度/（g cm-3）0.20.10未漏失漏失1.35303 马天寿，张赟，邱艺，等.基于可靠度理论的斜井井壁失稳风险评价方法 J.石油学报，2021，42（11）：1486-1498.4 唐得勇.钻井工程中井漏预防及堵漏技术 J.西部探矿工程，2022，34（6）：95-97.缘 谭忠健，李辉，尚锁贵，等.渤中 34-9 油田火成岩发育区地质工程一体化评价与应用J.石油地质与工程，2022，36（3）：45-50.6 张欣，田英英，韩泽龙，等.基于机器学习算法的井漏预测与诊断理论模型研究 J.钻探工程，2022，49（2）：58-66.7 罗伟，李大伟，向良炜，等.渤海油田火成岩地层呼吸效应钻井措施的探讨 J.科学技术创新，2022，（7）：113-116.8 许成元，张洪琳，康毅力，等.深层裂缝性储层物理类堵漏材料定量评价优选方法J.天然气工业，2021，41（12）：99-109.9 杨虎，薛晓军，陈向辉，等.基于测井数据反演火成岩力学参数模型的建立及其工程应用J.天然气工业，2021，41（5）：101-109.10 谭忠健，胡云，袁亚东，等.渤海海域裂缝性地层井漏机理研究以渤中 34-9 油田为例 J.中国石油勘探，2021，26（2）：127-136.加药罐流量计计量注入装置配水间单注水管线压力表取样阀水表图 8表面活性剂驱工艺流程示意图3结论（1）本论文围绕表面活性剂关键技术指标，开展界面张力、乳化性能、驱油效率等综合评价，筛选出适合L1C8 油藏驱油表面活性剂，探索出姬塬油田超低渗透油藏“微球+表面活性剂”提高采收率工艺技术。（2）微球+表面活性剂先堵后驱技术思路，通过 PEG或聚合物微球堵优势水驱通道，扩大波及体积；再利用表面活性剂通过降低界面张力、改变岩石润湿性，改善驱油效率技术思路，实现“堵+驱”改善水驱、提高驱油效率技术，是未来姬塬油田超/特低渗透油藏稳产的方向。参考文献：1 杨金峰，徐琳，杨飞涛，等.超低渗透油藏微纳米胶囊驱油技术研究与应用 允.石油化工应用，2023，42（4）：80-82，88.2 刘述忍.裂缝性油藏凝胶颗粒表活剂调驱机理研究D.青岛：中国石油大学（华东），2013.3 刘卫东.聚合物/表活剂二元驱提高采收率技术研究 D.北京：中国科学院研究生院（渗流流体力学研究所），2010.（上接第 30 页）石油化工应用2023 年第 42 卷46