Распознавание ошибочных показаний датчиков станции ГТИ

Год публикации
Страницы
394–402
Аннотация

Получение точной и своевременной информации о процессе строительства скважин является неотъемлемой частью безаварийной проводки скважины. Одним из основных источников информации являются данные станции геолого-технологических исследований (ГТИ). В рамках работы над проектом по созданию системы предупреждения аварийности при строительстве нефтегазовых скважин был получен в пользование массив данных ГТИ по 25 скважинам. Общая продолжительность строительства 25 скважин составила более 1300 суток. Было проанализировано более 31,2 тысячи часов технологических операций, выполняемых при бурении скважин. Количество параметров, измеряемых на каждой скважине, варьировалось от 21 до 55. Данный массив данных был проверен на наличие осложнений. Среди всего перечня осложнений были выбраны следующие: прихваты из-за некачественной очистки забоя от выбуренной породы, поглощения и газонефтеводопроявления (ГНВП). Среди всех технологических операций для первого этапа анализа была выбрана только технологическая операция механического бурения. В процессе анализа полученных данных было установлено наличие аномальных показаний датчиков. Данные аномалии были вызваны различными причинами, в том числе и некорректной работой датчиков. С целью распознавания аномальных параметров был разработан специальный алгоритм. Алгоритм осуществляет идентификацию и обработку аномальных значений соответствующим образом перед загрузкой блока данных, содержащего аномальные значения, в программный модуль, использующийся для прогнозирования ГНВП, поглощений и прихватов при бурении скважины с применением методов машинного обучения. Созданная система позволила повысить точность моделей для прогнозирования вышеуказанных осложнений.Результаты работы:Все рассмотренные примеры отклонений от критерия равенства расходов на входе и выходе были проанализированы для иллюстрации сложности анализа реальных данных и были использованы для создания алгоритмов их предобработки и дальнейшей загрузки в нейросетевую модель для прогнозирования осложнений и аварий. Был разработан перечень рекомендаций для дифференциации погрешностей датчиков от реальных осложнений.

(III Международная научно-практическая конференция Актуальные вопросы исследования нефтегазовых пластовых систем (SPRS-2020), 23–24 сентября 2020 г. ) 

Abstract

Getting accurate and timely information about the well construction process is an integral part of trouble-free well placement. One of the main sources of information is the data of the geological and technological research station. As part of the work on the project to create a system for preventing accidents during the construction of oil and gas wells, an array of geological and technological research station data for 25 wells was obtained for use. The total duration of construction of 25 wells was more than 1,300 days. More than 31.2 thousand hours of technological operations performed while drilling wells were analyzed. The number of parameters measured at each well varied from 21 to 55. This dataset was checked for complications. Among the entire list of complications, the following were selected: stuck-in due to poor-quality cleaning of the bottom from cuttings, mud loss and gas-oil-water show (kick). Among all technological operations for the first stage of the analysis, only mechanical drilling technological operation was selected. In the process of analyzing the data obtained, the presence of abnormal sensor readings was established. These anomalies were caused by various reasons, including incorrect operation of the sensors. In order to recognize abnormal parameters, a special algorithm was developed. The algorithm identifies and processes anomalous values appropriately before loading a data block containing anomalous values into a software module used to predict kicks, losses and stuck while drilling a well using machine learning methods. The created system made it possible to increase the accuracy of models for predicting the above complications.