基于长短期记忆神经网络的深水钻井工况实时智能判别模型

深水钻井具有高投入、高风险等特点,其工况实时判别是提高钻井时效、减少复杂事故的基础和前提。传统深水钻井作业中,钻井工况主要通过基于编程方式的物理模型与经验模型进行判别,难以保证时效性和正确率。为此,创新性地将机器学习引入深水钻井工况判别全流程,考虑综合录井数据的长时间序列特征,基于长短期记忆神经网络建立了深水钻井工况实时智能判别机器学习模型。通过对29856140行深水综合录井数据预处理,选取钻头深度、井深、大钩高度、钻压、悬重、扭矩、转速、立管压力,共计8个综合录井参数作为输入特征,建立了20隐藏层×70节点的长短期记忆神经网络模型,实现了旋转钻进、滑动钻进、接单根、静止、循环、向下洗井、划眼、向上洗井、倒划眼、起钻、下钻及“其他”,共计12种常见深水钻井工况的实时智能判别,测试集上正确率高达94.09%,满足深水现场作业需求。该模型可实时智能地判别钻井工况,充分验证了长短期记忆神经网络用于钻井工况实时智能判别的可行性与时效性,为钻井时效分析和复杂事故预警提供了机器学习模型基础,并将进一步拓展机器学习在石油工程领域的应用范围。

深水水下井口弯矩能力有限元分析

为确定水下井口的抗弯能力,通过对影响水下井口弯矩能力的各种因素进行有限元敏感性分析,获取各种因素对井口弯矩能力影响的规律,进而提取出各因素对弯矩能力影响的保守值,并把各保守值作为弯矩能力确定计算的输入,最后用ANSYS有限元分析软件计算出水下井口的最终弯矩能力。结果显示,在刚性锁紧预紧力作用下,水下井口的抗弯能力可达到5.89 Mft·lbf,与国际主流水下井口厂商的抗弯能力相当。

土质环境对固井水泥环胶结强度与密封性的影响

在固井作业过程中,水泥环胶结质量的好坏将直接影响井口的环空带压,从而对井筒安全性产生影响,破坏井筒完整性。为探究固井水泥环在不同的土质条件下胶结强度和密封性的变化,本文进行了模拟实验,探究土质环境与固井水泥环胶结强度、密封性的关系。结果表明:土质条件相同的情况下,套管尺寸增大会使在胶结面处发生气窜需要的气压增加;套管尺寸相同时,气密性最好的黏土,互层土次之,砂土的气密性最差,胶结强度也有类似的规律。