System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 钻压和转盘转速的推荐方法、系统、存储介质和电子设备技术方案_技高网

钻压和转盘转速的推荐方法、系统、存储介质和电子设备技术方案

技术编号:41729914 阅读:3 留言:0更新日期:2024-06-19 12:52
本发明专利技术涉及油气钻井工程技术领域,尤其涉及一种钻压和转盘转速的推荐方法、系统、存储介质和电子设备,方法包括:采集并对距井眼的底部预设距离范围内的实时录井工程数据进行二次筛选,基于二次筛选后的数据对预设深度学习模型进行训练,根据当前时刻的钻压和转盘转速,并利用训练好的深度学习模型,得到当前时刻的机械钻速的预测值,计算当前时刻的机械钻速的实际值与当前时刻的机械钻速的预测值的绝对误差,并判断绝对误差是否大于预设误差阈值,得到判断结果;当判断结果为是时,得到机械钻速的最大预测值,将机械钻速的最大预测值以及机械钻速的最大预测值对应的钻压和转盘转速进行推荐,精度高。

【技术实现步骤摘要】

所属的技术人员知道,本专利技术可以实现为系统、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“系统”。此外,在一些实施例中,本专利技术还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram),只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本专利技术的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本专利技术的限制,本领域的普通技术人员在本专利技术的范围内可以对上述实施例进行变化、修改、替换和变型。


技术介绍

1、能源生产的重点正逐步向深层、超深层及非常规发展,随着井深不断加深,钻遇地层更加复杂,岩石压实程度高,研磨性强,可钻性更低,工程难度大,导致钻井速度慢、周期长、成本居高不下。钻速预测与优化的总体目标是利用地质、工程多源异构数据,采用机器学习算法,融合物理模型,对机械钻速进行准确预测,达到提质增效的目的,为优化钻井技术提供技术支撑。

2、现阶段,钻井工程设计工程师基于邻井与地质数据设计钻井工程参数,现场钻井工程师根据工程设计文件中对应地层相关工程参数,设置钻井装备参数,并结合个人经验与现场测量数据适当调整机械钻速、钻压和转盘转速等,主观性强,调整精度差。


技术实现思路

1、本专利技术所要解决的技术问题是针对现有技术的不足,提供了一种钻压和转盘转速的推荐方法、系统、存储介质和电子设备

2、本专利技术的一种钻压和转盘转速的推荐方法的技术方案如下:

3、采集距井眼的底部预设距离范围内的实时录井工程数据;

4、对所述实时录井工程数据进行二次筛选,得到二次筛选后的数据;

5、以所述二次筛选后的数据中的钻压、转盘转速、钻压的平方值、转盘转速的平方值、钻压与转盘转速的乘积为数据输入项,机械钻速为输出值,对预设深度学习模型进行训练,得到训练好的深度学习模型;

6、根据当前时刻的钻压和转盘转速,并利用所述训练好的深度学习模型,得到当前时刻的机械钻速的预测值,计算当前时刻的机械钻速的实际值与当前时刻的机械钻速的预测值的绝对误差,并判断所述绝对误差是否大于预设误差阈值,得到判断结果;

7、当所述判断结果为是时,将在当前时刻的钻压的波动范围内的每个钻压、在当前时刻的转盘转速的波动范围内的每个转盘转速分别一一带入所述训练好的深度学习模型,得到机械钻速的最大预测值,当所述机械钻速的最大预测值大于所述当前时刻的机械钻速的实际值时,将所述机械钻速的最大预测值以及所述机械钻速的最大预测值对应的钻压和转盘转速进行推荐。

8、本专利技术的一种钻压和转盘转速的推荐方法的有益效果如下:

9、基于当前正在钻的井眼中的底部预设距离范围内的实时录井工程数据进行模型训练,以进行机械钻速的预测,并推荐相应的钻压和转盘转速,精度高。

10、本专利技术的一种钻压和转盘转速的推荐系统的技术方案如下:

11、包括采集模块、筛选模块、训练模块、预测判断模块和推荐模块;

12、所述采集模块用于:采集距井眼的底部预设距离范围内的实时录井工程数据;

13、所述筛选模块用于:对所述实时录井工程数据进行二次筛选,得到二次筛选后的数据;

14、所述训练模块用于:以所述二次筛选后的数据中的钻压、转盘转速、钻压的平方值、转盘转速的平方值、钻压与转盘转速的乘积为数据输入项,机械钻速为输出值,对预设深度学习模型进行训练,得到训练好的深度学习模型;

15、所述预测判断模块用于:根据当前时刻的钻压和转盘转速,并利用所述训练好的深度学习模型,得到当前时刻的机械钻速的预测值,计算当前时刻的机械钻速的实际值与当前时刻的机械钻速的预测值的绝对误差,并判断所述绝对误差是否大于预设误差阈值,得到判断结果;

16、所述推荐模块用于:当所述判断结果为是时,将在当前时刻的钻压的波动范围内的每个钻压、在当前时刻的转盘转速的波动范围内的每个转盘转速分别一一带入所述训练好的深度学习模型,得到机械钻速的最大预测值,当所述机械钻速的最大预测值大于所述当前时刻的机械钻速的实际值时,将所述机械钻速的最大预测值以及所述机械钻速的最大预测值对应的钻压和转盘转速进行推荐。

17、本专利技术的一种钻压和转盘转速的推荐系统的有益效果如下:

18、基于当前正在钻的井眼中的底部预设距离范围内的实时录井工程数据进行模型训练,以进行机械钻速的预测,并推荐相应的钻压和转盘转速,精度高。

19、本专利技术的一种存储介质,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行上述任一项所述的一种钻压和转盘转速的推荐方法。

20、本专利技术的一种电子设备,包括处理器和上述的存储介质,所述处理器执行所述存储介质中的指令。

本文档来自技高网...

【技术保护点】

1.一种钻压和转盘转速的推荐方法,其特征在于,包括:

2.根据权利要求1所述的一种钻压和转盘转速的推荐方法,其特征在于,对所述实时录井工程数据进行二次筛选,得到二次筛选后的数据,包括:

3.根据权利要求2所述的一种钻压和转盘转速的推荐方法,其特征在于,所述预设井深间隔不大于0.1米。

4.根据权利要求2所述的一种钻压和转盘转速的推荐方法,其特征在于,所述设深度学习模型为神经网络。

5.一种钻压和转盘转速的推荐系统,其特征在于,包括采集模块、筛选模块、训练模块、预测判断模块和推荐模块;

6.根据权利要求5所述的一种钻压和转盘转速的推荐系统,其特征在于,所述筛选模块具体用于:

7.根据权利要求6所述的一种钻压和转盘转速的推荐系统,其特征在于,所述预设井深间隔不大于0.1米。

8.根据权利要求6所述的一种钻压和转盘转速的推荐系统,其特征在于,所述设深度学习模型为神经网络。

9.一种存储介质,其特征在于,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如权利要求1至4中任一项所述的一种钻压和转盘转速的推荐方法。

10.一种电子设备,其特征在于,包括处理器和权利要求9所述的存储介质,所述处理器执行所述存储介质中的指令。

...

【技术特征摘要】

1.一种钻压和转盘转速的推荐方法,其特征在于,包括:

2.根据权利要求1所述的一种钻压和转盘转速的推荐方法,其特征在于,对所述实时录井工程数据进行二次筛选,得到二次筛选后的数据,包括:

3.根据权利要求2所述的一种钻压和转盘转速的推荐方法,其特征在于,所述预设井深间隔不大于0.1米。

4.根据权利要求2所述的一种钻压和转盘转速的推荐方法,其特征在于,所述设深度学习模型为神经网络。

5.一种钻压和转盘转速的推荐系统,其特征在于,包括采集模块、筛选模块、训练模块、预测判断模块和推荐模块;

6.根据权利要求5所述的一...

【专利技术属性】
技术研发人员:于洋黄凯赵飞崔奕丁燕史肖燕
申请(专利权)人:中国石油天然气集团有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1