本技术介绍了一种智能钻井溢流预警系统,该系统通过以下步骤实现:(1)收集与立管压力变化相关的录井数据;(2)运用EMD分解技术处理录井数据,提取IMF分量;(3)结合K-means聚类算法对IMF分量进行分析,以实现对钻井早期溢流的智能预警。
背景技术
随着我国油气田开发的力度不断加大,开发范围也不断扩大。开发的环境也更加恶劣,地层条件更加复杂,钻井过程中发生溢流越发频繁。溢流如果不能及时发现并进行控制,可能会进一步发展成井涌甚至井喷,造成严重的安全事故。在溢流发生早期,通过智能技术及时发现溢流能够很大程度上提升钻井安全,进一步保障油气安全高效开发。
早期溢流发生时,地层压力大于井底压力,地层气体进入井筒,一般存在立管压力先突然升高后逐渐降低现象。而其他表征参数存在延迟,不会同时响应,这种变化规律不明显的问题,会影响地面人员对溢流的推理判断。同时,立管压力受偏心环空,井下动力钻具,岩屑上返,钻压扭矩,钻井排量等因素的影响,时刻处于波动状态,具有复杂的时频信号特征,导致现场人员不易识别早期溢流导致的立管压力异常,极大增加了钻井作业的风险。此外,由于井下气侵参数无法确定,基于纯数据驱动的溢流预警模型忽略了多相流气侵机理模型的表征规律,易产生误报。
实现思路