基于测井大数据实时驱动的在役油套管缺陷自动判定方法技术

本发明专利技术公开了一种基于测井大数据实时驱动的在役油套管缺陷自动判定方法，通过确定出在役油套管的最小壁厚阈值和最大深度、测井仪记录的深度增量和圆周角度增量以及油套管壁厚大数据，再对油套管壁厚大数据进行补值和平滑处理，然后确定出油套管的缺陷区域，定量计算出油套管缺陷区域的基本参数，最后采用定量分析的方法确定出油套管缺陷的定性类型。本发明专利技术能根据测井大数据实时进行数据处理和分析，不仅能有效的检测出油套管的缺陷区域，而且能通过定量地计算出油套管缺陷基本参数来实现缺陷区域的准确定位，还能通过定量方法准确地判定出油套管缺陷的定性类型；本发明专利技术具有实时性好、精确度高、可靠性强、信息全面和自动化程度高等诸多优点。

【技术实现步骤摘要】

本专利技术属于油井管安全工程
，具体涉及一种基于测井大数据实时驱动的在役油套管缺陷自动判定方法。
技术介绍
在油气井实际使用过程中，油套管不仅承受着拉伸、内压和外挤压力等复合载荷作用，而且极易受地层水、储层介质和酸化等腐蚀性介质的化学作用，因而经常会出现孔洞、裂纹、腐蚀坑和均匀减薄等缺陷。据油田现场统计数据表明，因油套管缺陷造成的油气井损坏数量约占总油气井数量的20％，而在特殊工况油井中这一数值甚至可达30％～40％。因此，准确地判定出油套管的缺陷，不仅能及时减少油气井损坏，而且能合理控制油套管质量，还能有效避免生产事故和环境污染。在申请号为03128759的专利技术创造中公开了一种套管损坏地面振动检测方法。本专利技术在井口平稳处放置传感器，并用敲击器敲击套管上端平整处的正平面产生振动波，然后利用电脑解释软件对反馈振动波进行计算，通过计算得到的反馈时间来确定套损点。本专利技术的缺点是只能确定套管损伤的大致深度，而不能获得损伤的严酷程度和缺陷类型等精确信息。在申请号为200910307425的专利技术创造中公开了一种油田井下套管损坏方位的检测方法。本专利技术将套管检测仪与陀螺测斜仪连接(或者是在套管检测仪内安装方位测量机构)，通过测量陀螺测斜仪的斜度或方位测量机构的位置计算出套管检测仪的探头的位置，从而计算出套管损伤部位的具体方位。本专利技术的缺点是
只能计算出套管损伤部位的具体方位，不能检测出井下套管的缺陷情况以及缺陷类型。在申请号为201110216831的专利技术创造中公开了一种油套管用缺陷定量无损检测设备。该设备由探头、探头机架、信号无线传输及信号放大系统、滚珠、定子、动子、支架和滚轮构成，然后利用电磁无损探伤原理获取缺陷的长度、深度和位置信息。但本专利技术的缺点是仅限于井口及地面检测，且只能检测出缺陷而不能实现缺陷类型的自动判定。有鉴于此，本专利技术提供了一种基于测井大数据实时驱动的在役油套管缺陷自动判定方法。该方法不仅准确获得缺陷的基本信息，而且能自动判定缺陷的类型，还能为油套管的质量控制提供精准的定性定量信息。
技术实现思路
为克服上述现有技术的不足，本专利技术的目的在于提供一种基于测井大数据实时驱动的在役油套管缺陷自动判定方法，该方法具有实时性好、精确度高和可靠性强等优点。为达到上述目的，本专利技术采用以下技术方案予以实现：基于测井大数据实时驱动的在役油套管缺陷自动判定方法，包括如下步骤：步骤一，根据油井装备信息确定出在役油套管的最小壁厚阈值D1和最大深度H；步骤二，根据测井仪装备确定出测井仪记录的深度增量ΔH和圆周角度增量ΔA；步骤三，根据测井仪情况实时读取出油套管壁厚大数据，并存储为二维矩阵D；D＝[Dij]N×M (1)在式(1)中，Dij表示第i行第j列的壁厚数据，其中1≤i≤N，1≤j≤M，N表示油套管壁厚大数据矩阵的最大行数，且其数值按式(2)进行计算；M表示油套管壁厚大数据矩阵列数，且其数值按式(3)进行计算； N = H Δ H - - - ( 2 ) ]]> M = 360 Δ A - - - ( 3 ) ]]>步骤四，判定壁厚大数据矩阵D是否存在缺失值，若存在缺失值则进行补值处理；按从上到下、从左到右的顺序遍历油套管壁厚大数据矩阵D的每一列，即i＝1,2,…,N，j＝1,2，…,M；观察壁厚大数据矩阵D中的每个值Dij是否存在缺失值；若Dij存在缺失值，则按式(4)对缺失值Dij进行补值处理； D i j = D 12 + D 21 + D 22 3 i = 1 , j = 1 D ( i - 1 ) 1 + D ( i - 1 ) 2 + D i 2 + D ( i + 1 ) 1 本文档来自技高网...

【技术保护点】
基于测井大数据实时驱动的在役油套管缺陷自动判定方法，其特征在于，包括如下步骤：步骤一，根据油井装备信息确定出在役油套管的最小壁厚阈值D1和最大深度H；步骤二，根据测井仪装备确定出测井仪记录的深度增量ΔH和圆周角度增量ΔA；步骤三，根据测井仪情况实时读取出油套管壁厚大数据，并存储为二维矩阵D；D＝[Dij]N×M   (1)在式(1)中，Dij表示第i行第j列的壁厚数据，其中1≤i≤N，1≤j≤M，N表示油套管壁厚大数据矩阵的最大行数，且其数值按式(2)进行计算；M表示油套管壁厚大数据矩阵列数，且其数值按式(3)进行计算；N=HΔH---(2)]]>M=360ΔA---(3)]]>步骤四，判定壁厚大数据矩阵D是否存在缺失值，若存在缺失值则进行补值处理；按从上到下、从左到右的顺序遍历油套管壁厚大数据矩阵D的每一列，即i＝1,2,…,N，j＝1,2，…,M；观察壁厚大数据矩阵D中的每个值Dij是否存在缺失值；若Dij存在缺失值，则按式(4)对缺失值Dij进行补值处理；Dij=D12+D21+D223i=1,j=1D(i-1)1+D(i-1)2+Di2+D(i+1)1+D(i+1)25i∈[2,N-1],j=1D(i-1)1+D(i-1)2+Di23i=N,j=1D(i-1)(j-1)+Di(j-1)+Di(j+1)+D(i+1)j4i∈[2,N-1],j∈[2,M-1]D1(M-1)+D2(M-1)+D2M3i=1,j=MD(i-1)(M-1)+D(i-1)M+Di(M-1)+D(i+1)(M-1)+D(i+1)M5i∈[2,N-1],j=MD(i-1)(M-1)+D(i-1)M+Di(M-1)3i=N,j=M---(4)]]>步骤五，判定补值化后的壁厚大数据矩阵D是否存在异常值，若存在异常值则进行平滑处理；步骤六，确定出油套管的缺陷区域；步骤七，定量计算出油套管缺陷区域的基本参数，油套管缺陷区域的基本参数包括缺陷区域的平均深度值HD、缺陷区域的平均角度值AD、缺陷区域的周长LD和缺陷区域的截面积SD；步骤八，采用定量分析的方法确定出油套管缺陷的定性类型。...

【技术特征摘要】
1.基于测井大数据实时驱动的在役油套管缺陷自动判定方法，其特征在于，包括如下步骤：步骤一，根据油井装备信息确定出在役油套管的最小壁厚阈值D1和最大深度H；步骤二，根据测井仪装备确定出测井仪记录的深度增量ΔH和圆周角度增量ΔA；步骤三，根据测井仪情况实时读取出油套管壁厚大数据，并存储为二维矩阵D；D＝[Dij]N×M (1)在式(1)中，Dij表示第i行第j列的壁厚数据，其中1≤i≤N，1≤j≤M，N表示油套管壁厚大数据矩阵的最大行数，且其数值按式(2)进行计算；M表示油套管壁厚大数据矩阵列数，且其数值按式(3)进行计算； N = H Δ H - - - ( 2 ) ]]> M = 360 Δ A - - - ( 3 ) ]]>步骤四，判定壁厚大数据矩阵D是否存在缺失值，若存在缺失值则进行补值处理；按从上到下、从左到右的顺序遍历油套管壁厚大数据矩阵D的每一列，即i＝1,2,…,N，j＝1,2，…,M；观察壁厚大数据矩阵D中的每个值Dij是否存在缺失值；若Dij存在缺失值，则按式(4)对缺失值Dij进行补值处理； D i j = D 12 + D 21 + D 22 3 i = 1 , j = 1 D ( i - 1 ) 1 + D ( i - 1 ) 2 + D i 2 + D ( i + 1 ) 1 + D ( i + 1 ) 2 5 i ∈ [ 2 , N - 1 ] , j = 1 D ( i - 1 ) 1 + D ( i - 1 ) 2 + D i 2 3 i = N , j = 1 D ( i - 1 ) ( j - 1 ) + D i ( j - 1 ) + D i ( j + 1 ) + D ( i + 1 ) j 4 i ∈ [ 2 , N - 1 ] , j ∈ [ 2 , M - 1 ] D 1 ( M - 1 ) + D 2 ( M - 1 ) + D 2 M 3 i = 1 , j = M D ( i - 1 ) ( M - 1 ) + D ( i - 1 ) M + D i ( M - 1 ) + D ( i + 1 ) ( M - 1 ) + D ( i + 1 ) M 5 i ∈ [ 2 , N - 1 ] , j = M D ( i - 1 ) ( M - 1 ...

【专利技术属性】
技术研发人员：王鹏，胡美娟，韩礼红，冯耀荣，
申请(专利权)人：中国石油天然气集团公司，中国石油天然气集团公司管材研究所，
类型：发明
国别省市：北京;11