基于SVM和D-S证据理论的早期溢流智能识别方法

早期溢流监测是预防井喷事故发生的重要手段。目前的溢流识别方法大多基于单一的监测手段,可靠性不高,现场需要结合多种监测手段对溢流发生进行综合研判。直接应用多种手段监测溢流时,存在由于各种手段监测结果不一致甚至出现矛盾冲突的问题。为此,提出了一种基于支持向量机后验概率模型和D-S证据理论的早期溢监测方法,结合钻井液微流量参数、综合录井参数、井底随钻测量参数对溢流发生进行综合判别;有效解决应用各类监测参数识别溢流时出现溢流识别结果矛盾冲突的问题。采用仿真及现场实测数据进行了溢流识别实验,结果表明,该方法能有效处理多源信息间矛盾冲突,提高溢流监测的可靠性具有较高的现场应用价值。

EKM溢流预警智能系统及其应用

及时识别溢流是防止井喷的关键技术。目前,钻井现场主要是通过专人坐岗观察井口和循环池液面变化来识别溢流,存在无法监测微小溢流及监测滞后等不足。EKM溢流预警系统可实时采集进出口流量、井筒液面深度、常用录井参数、井底压力等数据,通过无线或网络传输至工控机,结合智能管理系统实现对不同工况溢流和漏失的监测,并自动预警和报警。现场应用表明,该系统稳定可靠,能及时发现溢流、井漏,有利于降低井控风险。