随钻微型振动记录仪的数据分析及钻具状态识别
螺杆钻具是钻井领域使用最广泛的工具之一,对螺杆钻具进行高效的维护一直是行业内的热点问题。进行维护需获取螺杆钻具的地面操作和井下工况数据,然而维护人员难以获得地面记录,依靠工程师使用井下数据分析统计各状态持续时间,非常消耗时间与人力成本。本文使用课题组开发的随钻微型振动记录仪采集螺杆钻具的运行数据,对其进行状态识别、数据统计以及报表产生,为维护人员提供预测性维护的数据基础。 本文使用数据驱动的方法,对随钻微型振动记录仪数据进行研究,提出钻具状态分层识别模型,分辨出地面运输、井下非钻井、滑动钻井和旋转钻井4种钻具状态。首先介绍了螺杆钻具的结构和四种钻具状态,以及随钻微型振动记录仪的功能和数据采集方法;其次结合钻井日报和记录仪数据,使用可视化方法,分析对比了不同钻具状态下姿态、转速和振动数据的时域与统计特征;最后根据分析结果,使用阈值法基于螺杆钻具的姿态变化建立地面运输状态识别子模型,以及转速数据统计结果建立井下非钻井状态识别子模型;使用机器学习方法建立识别滑动钻井与旋转钻井状态的机器学习子模型。三个子模型采用树状结构组合,形成分层识别的模型结构。 经验证,钻具状态分层识别模型识别准确度达到95%以上且泛化性良好。在模型建立的基础上,针对随钻微型振动记录仪的上位机开发报表统计模块,实现了螺杆钻具全周期运行数据的统计,包括螺杆钻具运行中经历的最高温度与最大振动、安装与拆卸的关键时刻、4种钻具状态的持续时间、不同温度区间内各钻具状态的持续时间以及滑动钻井和旋转钻井状态下钻具的振动加速度分布。 本文实现了随钻微型振动记录仪的数据分析及钻具状态识别,创新点是该状态识别和数据统计方法,无需地面钻井数据以及钻井专业知识,即可产出螺杆钻具四种状态的自动化统计报表,为预测性维护提供相关数据。该方法为钻具的预防性维护和钻井操作优化提供了很大的突破空间。
油气井;随钻微型振动记录仪;数据分析;钻具状态识别
西安石油大学
硕士
仪器仪表工程
李飞
2022
中文
TE927.6
2023-05-23(万方平台首次上网日期,不代表论文的发表时间)