基于近钻头测量数据的异常振动预警方法研究.pdf

钻井技术与装备基于近钻头测量数据的异常振动预警方法研究张 涛 刘岱轩 刘 伟 李玉梅(北京信息科技大学高动态导航技术北京市重点实验室 现代测控技术教育部重点实验室 中国石油集团工程技术研究院有限公司)张涛 刘岱轩 刘伟 等.基于近钻头测量数据的异常振动预警方法研究.石油机械 ():.():.摘要:钻井过程中 时常由于钻井参数、钻具组合与地层之间不匹配等因素 导致底部钻具异常振动 进而导致钻具损坏、钻井效率降低、井眼质量不合格等 为此 建立基于 时间序列的井下异常振动预警模型 基于近钻头振动数据时频域特征 标注正常振动和异常振动数据集 将井下振动经过小波变换后的均值和均方根值作为输入量进行预警模型训练 利用测试集数据测试预警模型的有效性 研究结果表明:在长序列预测结果上 该模型的建立相较于 模型 降低了 预测精度提高 同时针对井下振动均值的长序列预测 可提前 判断黏滑振动的发生 该预警模型的建立可以有效识别和预警井下异常振动 降低钻井风险 为进一步建立先进的智能钻井系统提供一定的技术基础关键词:近钻头测量 异常振动预警 井下振动分析 时间序列 中图分类号:文献标识码:/():.石 油 机 械 年 第 卷 第 期基金项目:国家自然科学基金重大科研仪器研制项目“钻井复杂工况井下实时智能识别系统研制”()国家自然科学基金面上项目“底部钻具高频扭转振动响应机理及识别方法研究”()北京信息科技大学重点研究培育项目“基于人工智能方法的近钻头高频扭转振动状态识别研究”()中国石油天然气集团有限公司中国石油大学(北京)战略合作科技专项().:引 言钻井过程中钻柱的振动可分为纵向、扭转和横向振动 这 种振动模式相互耦合 会导致跳钻、黏滑、高频扭转振动和涡动等异常振动的产生如果不加以控制 异常振动会导致钻头过度磨损、钻具过早失效、钻井效率降低 并延长非生产时间 在钻井作业中实时监测和识别异常振动的发生有助于缓解因异常振动所引发的钻井问题 等建立了仅从地面数据预测井下功能障碍的贝叶斯网络模型 以实时检测黏滑、跳钻和涡动现象 等利用地面数据基于支持向量机方法 实时监测钻柱的黏滑和横向冲击 但由于井下振动在到达地面传感器时存在衰减和延迟 所以仅从地面数据中监测钻井问题的发生存在较高误报率 等基于钻柱的物理模型和数据驱动的机器学习模型 建立了混合模型预测黏滑混合模型的建立克服了物理模型的局限性 但多种状态空间模型的建立使预测黏滑过程变得复杂 等利 用 长 短 期 记 忆()建立了递归神经网络 预测钻井作业期间未来 的振动 判断井下黏滑工况的发生 但 模型在长时间序列预测中 如果预测序列越长 求解梯度也越困难即越难收敛 从而预测效果变差针对地面测量数据的衰减性和延迟性以及模型长时间序列预测效果差的问题 本文采用新型井下近钻头测量工具采集的井下振动数据 提出一种基于 的井下异常振动预警模型 实现对井下振动的长序列预测 并对异常振动发出预警 模型近钻头测量短节采集的井下振动数据为时间序列数据 因此 基于井下振动的历史数据 即可利用时间序列模型预测未来的振动变化 以此来预警异常振动的发生 时间序列即时间间隔不变的情况下收集的不同时间点的数据集合 利用这些数据集合来分析长期发展趋势 目前、深度学习等方法已经成功应用于时间序列的预测 但 方法只能捕捉线性关系 且时序数据必须稳定 不适合长期预测 深度学习算法具有很强的非线性拟合能力 其中 模型更是弥补了 的梯度爆炸问题 能更有效地应用于长期预测 但 模型在长序列预测中预测效果较差 本文采用 的 基 于 架 构 改 进 模型在捕获长序列特性上表现出优于 模型的性能 但存在高时间复杂度和高内存使用率的问题 长序列时间序列预测()要求模型具有很高的预测能力 的提出专门用于解决时序预测问题 对 原有的自注意力机制进行了概率稀疏化 降低了计算复杂度 并有效提高了序列预测的准确度 模型框架如图 所示 整体由多层编码器()和解码器()构成 并且提出了稀疏自注意力()机制 有效地降低模型计算复杂度图 模型框架 经典的自注意力机制根据 个输入查询向量、键向量、值向量 使用缩放点积计算注意力矩阵:()()式中:为输入维度令、分别表示、中的第 个数据 即第 个 的注意力系数为:()()()()()年 第 卷 第 期张 涛 等:基于近钻头测量数据的异常振动预警方法研究 由于经典的自注意力矩阵存在稀疏性 即较少的点积对注意力计算起主要作用 所以为了度量 的稀疏性 定义第 个 的稀疏性的评价公式为:()()针对经典自注意力机制的高时间复杂度问题 提出稀疏自注意力机制:()()其中稀疏矩阵 与 大小相同 但只包含经过稀 疏 性 评 价 后 保 留 的 计 算 复 杂 度 则 由()降到了 ()基于 的预警模型建立 数据来源本文使用的数据来自塔里木油田富满区块某井实际钻井期间的测量数据 试验井段三开 累计进尺 纯钻 试验中采用扭冲工具与近钻头测量工具组合使用的自监测系统 现场试验底部钻具组合如图 所示 该近钻头测量工具配置有三轴加速度计、陀螺仪、温度传感器等 可测量并连续存储井下三轴振动(为重 力 加 速 度)、转 速(/)、钻 压()、扭矩()、温度()等时间序列数据 其中三轴加速度计为偏心安装根据加速度计的安装方式 加速度传感器的测量值表达式为:()式中:、分别为切向、径向和轴向加速度/、为测量工具中心的横向加速度分量/为测量工具中心的轴向加速度/为偏心距 为角速度/图 近钻头测量工具 现场试验测量工具采样频率 连续工作 记录近钻头处转速、三轴振动、钻压、扭矩等参数 而且测量工具距离钻头很近 因此 可用测量工具所测得的数据来近似代替钻头处的工作状态 进而进一步分析井下数据 以识别井下工况 数据标注 轴向振动轴向振动即钻柱沿其纵向运动 钻压变化、钻井液压力变化以及钻头对地层的相互作用是轴向振动产生的主要原因 轴向振动的加剧会导致钻头与井底岩石瞬间失去接触 发生跳钻现象 造成钻头牙齿过早磨损 并且出现崩齿、断齿、掉齿等严重现象 大大缩短钻头使用寿命 对于跳钻现象可通过地表振动、钻柱的轴向运动来监测 同时利用近钻头测量工具可发现高能量的轴向振动信号由于跳钻是钻柱的轴向谐波共振 此时 钻柱的轴向振动信号的幅值相比正常钻进较大 信号冲击明显 且频域上出现与共振频率相近的频率 所以当发生跳钻现象时钻柱轴向振动最为剧烈 通过分析轴向振动信号即可识别跳钻现象 扭转振动在钻井过程中钻头与岩石或钻柱与井壁之间的相互作用会激发扭转振动 这些扭转振动可根据振型和频率分为低频黏滑振动(通常小于 )和高频扭转振动()在黏滑振动过程中井下钻柱的扭矩波动大 不仅会降低钻井效率 也会影响钻井安全 钻柱的黏滑振动主要包括黏滞和滑脱 个阶段 而钻柱与井壁、钻头与岩石间的摩擦是黏滑振动的直接原因 为此 利用近钻头测量短节对 石 油 机 械 年 第 卷 第 期钻井过程中钻头的振动进行测量分析 以识别黏滑振动的特征 并有助于确定采取何种措施来缓解黏滑振动问题 利用测量短节测得井下发生黏滑振动时近钻头处的三轴加速度如图 所示由图 可知 当发生黏滑振动时 三轴加速度呈现同步周期性波动 轴和 轴加速度的振幅变化大 轴在 附近波动 呈现为直井段重力加速度的特征 计算黏滑振动时的三轴加速度的均值和均方根值 结果如图 所示 由图 可知 在黏滑过程中 轴加速度均值明显小于 轴加速度均值 在均方根值上 轴和 轴加速度波动剧烈峰值较大图 黏滑振动 图 黏滑振动的时域特征 高频扭转振动是钻柱的自激扭转振动 与黏滑现象相似 然而高频扭转振动可从频率和模态上与黏滑区分 高频扭转振动的频率通常超过 模态振型局限于底部钻具组合 高频扭转振动主要由钻头与岩石的切割作用引起 一般发生在坚硬致密地层中 因为高频扭转波在沿钻柱传播时会快速衰减 所以 高频扭转振动可能被错误地理解为平滑的钻井过程 直到钻具发生故障或损坏 对于高频扭转振动的分析需要高采样率的测量工具连续采集井下振动和转速 进一步对井下高频数据进行分析后确定高频扭转振动的特征 如图 所示 当发生高频扭转振动时 在时域上 轴振动剧烈、幅值高 且 轴加速度的均方根值冲击明显 振动幅值突出 如图 所示 对 轴数据进行 频谱分析 可观察到在高频范围内出现强烈的振动 并且有明显的 的高频分量 且对应的幅值较高 横向振动在 种振动模式中 横向振动是最具破坏性的振动模式 大多数井下故障和钻具损坏多是由于钻井时存在横向振动而引发的 在垂直井中当钻柱从图 高频扭转振动 井眼的几何中心偏心旋转时 就会发生横向振动 通常横向振动由底部钻具组合中的高弯曲应力引起 导致钻具撞击井壁 从而对井底钻具造成严重损坏 图 为横向振动特征 由图 可知由于加速度的均方根值可以反映钻柱的振动能量所以 根据近钻头测量数据分析可知 当发生横向振动时 在时域上 轴和 轴的加速度波动剧烈且在均方根值上呈现长时间的高幅值特性 同时在钻进过程中 该阶段机械钻速慢 钻井效率低 年 第 卷 第 期张 涛 等:基于近钻头测量数据的异常振动预警方法研究 图 高频扭转振动的特征 图 横向振动特征 数据预处理由于井下振动的复杂性 实际测量的井下振动数据存在噪声的影响 所以 在训练模型前应对井下振动数据进行去噪 本文对井下振动数据进行三层小波分解 并利用小波函数 进行信号重构去噪后的数据如图 所示 由图 可知 轴加速度和 轴加速度经小波阈值去噪后变得更加平滑 轴加速度去噪后所包含的主要信息与原始数据相符图 小波降噪后的振动数据 模型训练为有效预测不同特征的异常振动 选用塔里木油田富满区块某井三开试验井段近钻头测量数据进行模型训练 共建立 组数据集:数据集 为井下振动的均值 数据集 为井下振动的均方根值 数据集中包含正常振动数据和异常振动数据 如黏滑振动、高频扭转振动、横向振动 分别将 组数据集以 分为训练集、验证集和测试集进行模型训练 采用平均绝对误差()和均方误差()指标来评估模型性能 模型训练输入时间序列长度为 并选用 模型针对预测不同序列长度的 轴加速度进行对比 结果如图 所示 由图 可知 随着预测序列长度增加 模型预测效果越来越差 然而 对比 模型 模型预测结果的 平均降低 在长序列预测问题上表现出相对优异的结果 随后 利用 模型采用多变量输入、多变量输出的预测方式 对数据集 和数据集 进行模型训练 图 为 输出不同序列长度预测结果下的模型指标对比 由图 可知:当输入序列长度固定时 预测步长越大预测效果越差 且对于长序列预测结果 预测井下振动均值的 平均为 变化波动小 预测效果要比预测均方根值效果好 石 油 机 械 年 第 卷 第 期图 模型和 模型对比 图 预测模型指标评估 结果与分析针对数据集 和数据集 训练模型的结果进一步具体分析 图 显示了训练模型对未来 井下振动均方根值的横向振动预测结果 由于 轴振动幅度较小 预测结果与真实数据更加符合 虽然 轴和 轴加速度的预测结果与真实值出现不同水平的偏高或偏低 但趋势相同 与真实值比较发现 轴加速度和 轴加速度的预测值都为高幅振动 表明该钻井阶段出现了横向振动的影响 同时由于横向振动持续时间长 振动发生期间均方根值波动小 所以 预测结果与真实值趋势相近图 横向振动预测结果 对于高频扭转振动 实际 轴加速度为高幅剧烈振动 对应其均方根值为尖峰响应 因此 在模型训练过程中数据归一化处理会对非平稳数据的异常值分布造成退化 所以在数据集 中 轴加速度均方根值预测结果的 要远大于 轴和 轴加速度均方根值的预测结果 图 为高频扭转振动预测结果 由图 可知 在连续多步预测过程中 针对异常尖峰值 短序列比长序列预测的 要小 预测效果要好 同时 对于井下振动的尖峰响应预警 预测结果不能准确表达振动的能量幅值 但当 轴加速度均方根值与正常振动有明显突变时 可根据阈值来对井下高频扭转振动做出预警针对井下黏滑振动 由于发生黏滑时 轴加速度均值大于 轴加速度均值 所以 根据该标准可判断井下是否发生黏滑振动 图 为连续预测未来 的井下振动均值结果 由图 可知 轴加速度均值的预测结果与真实值间的 为 预测结果符合黏滑振动特征 对应实际钻井阶段真实值特征确实发生了黏滑振动 同时 根据预测结果发现 当 轴加速度均值出现规律性周期性波动时 预示后续钻井过程可能发生黏滑振动 因此 在实际钻井过程中 当发现黏滑初始征 年 第 卷 第 期张 涛 等:基于近钻头测量数据的异常振动预警方法研究 图 高频扭转振动预测结果 兆时 应提前采取预防措施 降低黏滑振动进一步加剧的风险图 黏滑振动预测结果 结 论()利用 建立的预警模型 相较于 模型 在长序列预测结果上 平均降低 预测精度提高()高频扭转振动发生时 在时域上 轴加速度波幅大 均方根值存在尖峰响应 由于数据归一化处理会造成尖峰值的退化 所以 对于异常尖峰值的预测 该模型连续预测 与 的结果在上相差 在幅值上 短序列预测结果有更好的一致性()本文建立的预警模型可依据 轴加速度均值逐渐增大的周期性波动规律 提前 判断井下黏滑振动的发生 从而在实际作业中即可提前采取预防措施 防止黏滑进一步加剧参 考 文 献 伍喆.钻柱扭转振动特性研究及钻井参数优化.北京:中国石油大学(北京).:()./.:/:./.:./.:/:./.:/:./.:/:./.:.:().:(下转第 页)石 油 机 械 年 第 卷 第 期 .():./.:.:.孙训方 方孝淑 关来泰.材料力学.版.北京:高等教育出版社:.:.胡仁喜 龙凯 康士廷 等.与 有限元分析从入门到精通.版.北京:机械工业出版社:.:.李保国 黄晓铭 裴延军 等.动力分析指南.版.北京:中国水利水电出版社:.:第一作者简介:秦才会 高级工程师 生于 年 年毕业于机械设计及理论专业 获硕士学位 现从测井仪器研发与推广工作 地址:()河北省三河市:收稿日期:(本文编辑 宋治国)(上接第 页).:.:.:.王珍应 林建 施太和 等.钻柱轴向振动仿真与井底状态监测方法探讨.石油机械 ():.():滕学清 狄勤丰 李宁 等.超深井钻柱黏滑振动特征的测量与分析.石油钻探技术 ():.():.:./.:.:第一作者简介:张 涛 副教授 生于 年 年毕业于中国石油大学(北京)油气井工程专业 获博士学位 现从事复杂环境工程参数测量与控制系统开发、智能钻井技术研究工作 地址:()北京市海淀区:.收稿日期:(本文编辑 南丽华)石 油 机 械 年 第 卷 第 期