人工智能技術(shù)在石油鉆井工程事故預(yù)警中的應(yīng)用

萬(wàn) 康 馬志超 郭青松 任忠宏 孟姝婳 施寶海

(①中國(guó)石油渤海鉆探第一錄井公司；②中國(guó)石油大港油田公司第一采油廠)

0 引 言

石油鉆井工程是石油、天然氣等資源勘探開(kāi)發(fā)的主要手段，是一項(xiàng)復(fù)雜、風(fēng)險(xiǎn)高的地下工程,鉆井施工作業(yè)過(guò)程中伴隨著大量隨機(jī)、模糊、不確定和不可控因素[1]。由地質(zhì)構(gòu)造、地層結(jié)構(gòu)及水文、鉆井施工工藝及施工設(shè)備、油氣分布及鉆井環(huán)境等各種因素造成的鉆井事故,嚴(yán)重威脅著鉆井施工作業(yè)的安全，增大了施工作業(yè)的風(fēng)險(xiǎn)系數(shù)[2]。因此,快速高效精準(zhǔn)預(yù)報(bào)鉆井施工作業(yè)過(guò)程中的事故事件,對(duì)于保障鉆井施工作業(yè)的安全、降低鉆井施工作業(yè)的成本、提高鉆井效率和效益具有重要意義。

人工智能技術(shù)的關(guān)鍵領(lǐng)域和產(chǎn)業(yè)鏈，涉及圖像識(shí)別、人臉識(shí)別、語(yǔ)音識(shí)別、大數(shù)據(jù)、模糊邏輯控制、神經(jīng)網(wǎng)絡(luò)、專(zhuān)家控制、模式識(shí)別移動(dòng)機(jī)器人、智能視覺(jué)、無(wú)人駕駛、區(qū)塊鏈、人工智能風(fēng)控、云計(jì)算、無(wú)人農(nóng)業(yè)、智能農(nóng)業(yè)機(jī)器人等。目前人工智能技術(shù)已經(jīng)開(kāi)始在石油鉆井施工作業(yè)中應(yīng)用，可以對(duì)油氣田勘探開(kāi)發(fā)過(guò)程中的大量原始數(shù)據(jù)進(jìn)行快速的匯總、分析，為鉆井施工作業(yè)安全提供有力的技術(shù)支撐，提高施工作業(yè)效率。將人工智能技術(shù)用于石油鉆井工程施工作業(yè)預(yù)警中，可以更好地發(fā)揮人工智能技術(shù)在精準(zhǔn)分析、快速高效判斷等方面的特點(diǎn)，快速超前地實(shí)現(xiàn)各種異常的超前預(yù)警，并有效防控，保障石油鉆井工程施工作業(yè)的安全，值得深入研究及推廣應(yīng)用。

1 石油鉆井施工事故的常見(jiàn)類(lèi)型及原因分析

鉆井作業(yè)過(guò)程中常發(fā)生鉆具刺漏、斷鉆具、鉆頭磨損、鉆頭泥包、水眼堵、掉水眼、蹩鉆、跳鉆、遇阻、卡鉆、井漏、井涌、井塌、溢流等事故。其中井漏型事故是鉆井液由井眼開(kāi)始，逐漸地滲漏至地層的一種常見(jiàn)事故[3]。該事故一般是因?yàn)殂@井工程在施工過(guò)程中發(fā)生了不規(guī)范操作，或者是井底液柱壓力高于地層壓力導(dǎo)致的。若在事故出現(xiàn)后不及時(shí)使用對(duì)應(yīng)的技術(shù)進(jìn)行科學(xué)規(guī)范的處理，很有可能讓事故損害進(jìn)一步擴(kuò)大化，甚至影響到鉆井施工作業(yè)的安全。溢流是在鉆井施工過(guò)程中，井筒的液柱壓力低于地層壓力的時(shí)候，鉆桿與井口發(fā)生不停噴出鉆井液的事故現(xiàn)象。若溢流不及時(shí)處理，鉆井液將會(huì)不斷地增加，直到形成井涌事故。井涌是由于鉆井溢流未能獲得及時(shí)處置而導(dǎo)致的事故[4]。井塌主要是地層的穩(wěn)定性遭遇到破壞所導(dǎo)致的事故。因?yàn)槭豌@井工程的頁(yè)巖地層里存在一定比例的可溶性鹽與黏土礦物質(zhì)，該物質(zhì)與地層的水平應(yīng)力會(huì)形成一種相互影響的作用，很容易誘發(fā)地層穩(wěn)定性破壞，造成井塌事故[5]。另外，若在鉆井時(shí)遇到高壓油氣層或側(cè)壓力相對(duì)偏大的地層時(shí)容易發(fā)生垮塌情況，對(duì)施工安全與工期保障會(huì)帶來(lái)很大影響。

正常沉積條件下，地層壓力等于同一深度的地層水靜液柱壓力，鉆井過(guò)程中通過(guò)鉆井液來(lái)平衡地層壓力。在某些情況下，地層壓力高于或低于正常值，若鉆井液密度未及時(shí)調(diào)整，則會(huì)產(chǎn)生溢流、井涌、井噴、井漏等工程事故。在鉆井施工過(guò)程中，鉆具組合不合適、鉆井參數(shù)選擇不恰當(dāng)，或長(zhǎng)期連續(xù)工作帶來(lái)的鉆具疲勞損壞、腐蝕、機(jī)械損壞等，會(huì)導(dǎo)致鉆具斷裂、鉆頭磨損、鉆具刺漏等工程事故。鉆遇鹽層、頁(yè)巖等地層，井壁容易出現(xiàn)縮進(jìn)、垮塌，會(huì)發(fā)生卡鉆、遇阻等工程事故。鉆遇含硫地層，腐蝕鉆具發(fā)生“氫脆”，會(huì)導(dǎo)致斷鉆具、刺鉆等工程事故。

2 常見(jiàn)的石油鉆井工程事故預(yù)警方法

2.1 鉆井工程參數(shù)異常變化識(shí)別

在石油鉆井工程事故預(yù)警過(guò)程中，如果單純地依靠某一種參數(shù)，難以全面地了解事故的類(lèi)型以及形成的原因。目前較為普遍的石油鉆井工程事故預(yù)警方法，是通過(guò)鉆井工程參數(shù)異常變化綜合識(shí)別工程異常。技術(shù)原理以及具體過(guò)程如下：在鉆機(jī)不同部位安裝傳感器，對(duì)各傳感器進(jìn)行校驗(yàn)(確保傳感器的穩(wěn)定)，對(duì)鉆機(jī)運(yùn)行過(guò)程中的各種參數(shù)進(jìn)行記錄，形成曲線，通過(guò)各項(xiàng)參數(shù)的趨勢(shì)變化，分析故障類(lèi)型并進(jìn)行處理，如表1所示[6]。

通過(guò)鉆井工程參數(shù)異常變化識(shí)別工程異常，需要隨時(shí)跟蹤各項(xiàng)參數(shù)的變化，工作中對(duì)各項(xiàng)參數(shù)變化的細(xì)節(jié)認(rèn)真觀察、分析，要求操作人員要有高度的責(zé)任心，有一定的專(zhuān)業(yè)知識(shí)及工作經(jīng)驗(yàn)，要熟悉事故的類(lèi)型，排除干擾因素。

2.2 遠(yuǎn)程作業(yè)支持系統(tǒng)

利用信息技術(shù)將數(shù)據(jù)異常推送給后方專(zhuān)家，結(jié)合專(zhuān)家經(jīng)驗(yàn)，針對(duì)反饋的信息作出科學(xué)的推斷，不但可以做到對(duì)故障進(jìn)行快速、精準(zhǔn)識(shí)別，還可以結(jié)合豐富的故障處理經(jīng)驗(yàn)，自動(dòng)形成故障解決方案，而這些都為事故的快速處理提供了重要的支持。

表1 鉆井工程參數(shù)異常變化

通過(guò)遠(yuǎn)程作業(yè)支持系統(tǒng)，能夠切實(shí)提高現(xiàn)場(chǎng)工程事故預(yù)警的水平。做到前后方地質(zhì)工程一體化運(yùn)行，需要構(gòu)建前后方一體化平臺(tái)[7]，雖然此方式方便快捷、準(zhǔn)確率高，但依然對(duì)操作人員的經(jīng)驗(yàn)要求較高。

3 模糊神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用

基于上述兩種預(yù)警方法的優(yōu)缺點(diǎn)，構(gòu)建一套人工智能石油鉆井工程事故預(yù)警系統(tǒng)是大勢(shì)所趨。如果利用人工智能技術(shù)，實(shí)時(shí)地對(duì)海量數(shù)據(jù)進(jìn)行快速高效處理，對(duì)異常事故作出快速精準(zhǔn)的判斷，不斷總結(jié)人為判斷經(jīng)驗(yàn)，減少誤報(bào)，提高預(yù)報(bào)準(zhǔn)確率，將是今后石油鉆井工程事故智能預(yù)警的重要課題，下面主要探討基于人工智能技術(shù)的模糊神經(jīng)網(wǎng)絡(luò)在石油鉆井工程事故預(yù)警中的應(yīng)用情況[8]。

3.1 對(duì)入井各項(xiàng)參數(shù)進(jìn)行動(dòng)態(tài)監(jiān)控

石油鉆井工程是一個(gè)動(dòng)態(tài)性的過(guò)程，而施工作業(yè)過(guò)程中地質(zhì)條件復(fù)雜多變，讓事故的發(fā)生存在很強(qiáng)的不確定性。為提高預(yù)警工作的效果，需要對(duì)鉆井施工各項(xiàng)參數(shù)進(jìn)行動(dòng)態(tài)實(shí)時(shí)監(jiān)控。

在進(jìn)行入井參數(shù)監(jiān)控設(shè)置的時(shí)候，必須要考慮下面兩個(gè)因素。第一，必須要保障數(shù)據(jù)能夠?qū)崿F(xiàn)動(dòng)態(tài)獲取，這就要確保前端傳感器性能穩(wěn)定，數(shù)據(jù)采集精準(zhǔn)，同時(shí)可以持續(xù)地捕捉鉆井設(shè)備運(yùn)行過(guò)程中實(shí)時(shí)產(chǎn)生的各項(xiàng)參數(shù)；第二，必須要保證數(shù)據(jù)在傳輸過(guò)程中，能夠進(jìn)行穩(wěn)定傳輸，不丟包，差錯(cuò)率低。由于石油鉆井施工作業(yè)現(xiàn)場(chǎng)離基地大都比較偏遠(yuǎn)，確保施工作業(yè)區(qū)域信號(hào)的穩(wěn)定性是關(guān)鍵。

3.2 對(duì)傳感器信號(hào)進(jìn)行預(yù)處理

傳感器信號(hào)在傳輸過(guò)程中容易出現(xiàn)異常和缺失的情況，必須采用適當(dāng)?shù)姆椒?，?gòu)建數(shù)據(jù)模型，對(duì)傳感器信號(hào)進(jìn)行預(yù)處理，同時(shí)還要構(gòu)建預(yù)警模型數(shù)據(jù)庫(kù)，將有關(guān)預(yù)處理后的數(shù)據(jù)存儲(chǔ)于數(shù)據(jù)庫(kù)中，對(duì)比預(yù)處理數(shù)據(jù)，判斷傳感器是否工作異常，從而實(shí)現(xiàn)對(duì)工程參數(shù)異常情況進(jìn)行正確地診斷[9]。

3.3 對(duì)模糊數(shù)據(jù)進(jìn)行處理

模糊數(shù)據(jù)處理是實(shí)踐應(yīng)用過(guò)程中，效果比較好的智能預(yù)警技術(shù)[10]。模糊數(shù)據(jù)是一種基于計(jì)算機(jī)技術(shù)，運(yùn)用模糊化的理論使人工智能更為高效、快速的方法。數(shù)據(jù)采集是進(jìn)行模糊數(shù)據(jù)處理的關(guān)鍵與前提，數(shù)據(jù)本身的準(zhǔn)確性以及全面性，將會(huì)給模糊數(shù)據(jù)處理的結(jié)果帶來(lái)直接的制約。在獲取相關(guān)設(shè)備參數(shù)時(shí)，通過(guò)人為設(shè)定程序，明確參數(shù)采集的指標(biāo)，系統(tǒng)就可以對(duì)相關(guān)數(shù)據(jù)進(jìn)行采集。

模糊邏輯(FL)、神經(jīng)網(wǎng)絡(luò)理論(NN)相結(jié)合，形成了一種協(xié)作體，這種融合是通過(guò)各種方法解決本領(lǐng)域的問(wèn)題并相互取長(zhǎng)補(bǔ)短，從而形成各種方法的協(xié)作。通過(guò)這種協(xié)作產(chǎn)生了混合智能系統(tǒng)，模糊邏輯和神經(jīng)網(wǎng)絡(luò)都是重要的智能控制方法，將模糊邏輯和神經(jīng)網(wǎng)絡(luò)這兩種軟計(jì)算方法相結(jié)合,形成一種協(xié)作體——模糊神經(jīng)網(wǎng)絡(luò)(圖1)。

圖1 模糊神經(jīng)網(wǎng)絡(luò)模型

3.4 智能動(dòng)態(tài)診斷

對(duì)以往石油鉆井施工中出現(xiàn)的各種事故的原因進(jìn)行綜合分析，通過(guò)數(shù)據(jù)篩選、數(shù)據(jù)定位、數(shù)據(jù)特征提取等功能，利用人工智能推演、機(jī)器學(xué)習(xí)技術(shù)，建立異常識(shí)別模型，不斷通過(guò)數(shù)據(jù)分析迭代優(yōu)化、完善異常識(shí)別模型，減少漏報(bào)，降低誤報(bào)率，從而形成一套與生產(chǎn)實(shí)際高度吻合的人工智能預(yù)警系統(tǒng)，實(shí)時(shí)對(duì)鉆井過(guò)程中的設(shè)備故障、視頻監(jiān)控、地質(zhì)和工程復(fù)雜情況進(jìn)行智能預(yù)警。針對(duì)石油鉆井工程事故異常實(shí)現(xiàn)同步數(shù)據(jù)反饋、精準(zhǔn)的預(yù)報(bào)警。

基于人工智能石油鉆井工程事故診斷系統(tǒng)，對(duì)過(guò)往的事故進(jìn)行診斷、記錄以及經(jīng)驗(yàn)處理，不但能夠做到快速、準(zhǔn)確地預(yù)報(bào)工程異常，還能為異常的快速處理提供處理方案，實(shí)現(xiàn)對(duì)事故進(jìn)行快速地響應(yīng)，及時(shí)處理故障，將損失降至最低。

4 應(yīng)用效果

通過(guò)探索和實(shí)踐，將鉆井工程的參數(shù)監(jiān)測(cè)、數(shù)據(jù)處理、模型建立、智能動(dòng)態(tài)診斷集成到智能預(yù)警軟件后，在石油鉆井施工作業(yè)現(xiàn)場(chǎng)進(jìn)行了應(yīng)用，預(yù)警準(zhǔn)確率高、誤報(bào)率低，效果良好。表2為智能工程事故預(yù)警系統(tǒng)預(yù)警統(tǒng)計(jì)表，該系統(tǒng)對(duì)大量的實(shí)時(shí)鉆井工程參數(shù)進(jìn)行分析、判斷，依據(jù)疑似的異常參數(shù)進(jìn)行實(shí)時(shí)預(yù)警，并按照發(fā)生的先后時(shí)間進(jìn)行分類(lèi)統(tǒng)計(jì)。圖2是長(zhǎng)A井工程參數(shù)實(shí)時(shí)監(jiān)測(cè)圖，其中包括大鉤高度、鉆時(shí)、大鉤負(fù)荷、鉆壓、扭矩、轉(zhuǎn)速、立管壓力、泵沖、套壓，以及鉆井液出入口流量、電導(dǎo)率、密度、池體積等數(shù)據(jù)和曲線，從圖中指示位置可以看出，18∶19當(dāng)大鉤下放時(shí)，大鉤負(fù)荷增加，通過(guò)人工識(shí)別很難發(fā)現(xiàn)，該系統(tǒng)準(zhǔn)確地判斷出事故情況并進(jìn)行了預(yù)警，為鉆井施工作業(yè)下一步工序提供了保障。圖3是新X井工程參數(shù)實(shí)時(shí)監(jiān)測(cè)圖，18∶01總池體積由139.07 m3增至139.47 m3，疑似發(fā)生溢流，但該智能預(yù)警系統(tǒng)對(duì)1#-5#池體積進(jìn)行分析，發(fā)現(xiàn)僅2#池體積增加，其他池體積無(wú)明顯變化，故判斷為施工方進(jìn)行倒?jié){作業(yè)。經(jīng)現(xiàn)場(chǎng)證實(shí)當(dāng)時(shí)工況為倒?jié){作業(yè)，與實(shí)際相符合，此次異常預(yù)報(bào)準(zhǔn)確無(wú)誤，有效降低了溢流誤報(bào)情況的發(fā)生。

表2 智能工程事故預(yù)警系統(tǒng)預(yù)警統(tǒng)計(jì)

圖2 長(zhǎng)A井工程參數(shù)實(shí)時(shí)監(jiān)測(cè)圖

圖3 新X井工程參數(shù)實(shí)時(shí)監(jiān)測(cè)圖

5 結(jié)束語(yǔ)

在石油鉆井施工過(guò)程中實(shí)現(xiàn)零事故，一直是每一個(gè)石油技術(shù)服務(wù)企業(yè)都在努力追求的目標(biāo)，也是保證鉆井工程施工作業(yè)高質(zhì)量、高效率完成的重要前提。人工智能技術(shù)在石油鉆井工程事故預(yù)警方面的研究與運(yùn)用，能夠極大地提高鉆井施工過(guò)程中各種參數(shù)異常預(yù)警的效率，有效保障鉆井施工中人員和設(shè)備的安全，確保企業(yè)健康可持續(xù)發(fā)展。本文探討了一種基于人工智能模糊神經(jīng)網(wǎng)絡(luò)的預(yù)警技術(shù)，具體地介紹了預(yù)警系統(tǒng)的原理與實(shí)踐運(yùn)用方法，希望借此技術(shù)的運(yùn)用可以有效地預(yù)防鉆井施工作業(yè)過(guò)程中各類(lèi)鉆井工程事故的發(fā)生，減少因事故給企業(yè)帶來(lái)的損失。