【技术实现步骤摘要】
本专利技术属于油气藏勘探开发过程中的井漏控制，又称漏失控制，也涉及数据驱动的机器学习，具体为一种超深裂缝性储层承压堵漏体系智能设计方法。
技术介绍
1、在深井和超深井钻探中，井漏是一个主要的工程技术挑战，尤其在储层段发生时，它可以严重阻碍油气藏的发现、评价和高效利用，从而显著减少油气产量。在钻探深部裂缝性储层时，钻井液的丢失通常会导致钻井过程中最严重的储层损害，因为工作液中的固体和液体会大量渗入储层，这可能会触发多种类型的储层损害，如固体堵塞、流体和应力敏感损害以及液相圈闭损害。堵漏配方是能否有效封堵储层裂缝关键。当前堵漏配方设计常采用经验或者半经验的方法，该方法缺乏科学依据，导致出现堵漏材料大量浪费、裂缝封堵质量不理想等问题，堵漏配方设计方法亟待完善，此外，漏失开始发生到形成堵漏配方反应不够迅速，耽误工作时间。因此，根据储层裂缝特征，设计具有高封堵质量的堵漏配方具有重要意义。
技术实现思路
1、为解决上述问题，本专利技术的目的在于提供一种超深裂缝性储层承压堵漏体系智能设计方法，其使用多任务学习和机器学习建立高精度的堵漏配方预测模型，然后建立以承压能力和累计漏失量为目标函数的数学优化模型，通过求解该数学优化模型得到堵漏配方的特征参数，最后，根据堵漏配方的特征参数筛选堵漏材料。
2、本专利技术是通过以下技术方案实现的：
3、一种超深裂缝性储层承压堵漏体系智能设计方法，包括如下步骤：
4、s1、确定堵漏配方封堵性能的评价指标和与该评价指标相关的特征参
5、在一些实施例中，将堵漏配方的组成分为架桥材料、填充材料和变形拉筋材料三类，根据各类组分的功能差异分别为其确定不同的特征参数，即堵漏配方特征参数还包括架桥材料的特征参数、填充材料的特征参数和变形拉筋材料的特征参数，比如，在一些实施例中，所述架桥材料的特征参数包括架桥材料的数量以及各种架桥材料的含量(架桥材料占堵漏配方总量的比例)、摩擦系数、d90(体系中累积分布占比达到90％时对应的粒度)、抗高温性能、酸溶性和抗压性能；
6、所述填充材料的特征参数包括填充材料的数量以及各种填充材料的含量、摩擦系数、d90、抗高温性能和酸溶性；
7、所述变形拉筋材料的特征参数包括变形拉筋材料的数量以及各种变形拉筋材料的含量、摩擦系数、纤维长径比、抗高温性能和酸溶性。
8、s2、收集各配方的评价指标和特征参数作为数据集，基于多任务学习的机器学习模型训练得到堵漏配方预测模型，所述堵漏配方预测模型用于通过堵漏配方的特征参数预测配方的评价指标，即通过特征参数预测配方的承压能力和累计漏失量；
9、s3、确定漏失井的漏失类型，以承压能力和累计漏失量为目标建立堵漏配方特征参数筛选数学模型；
10、所述堵漏配方特征参数筛选数学模型的目标函数为
11、f＝max(w1y1-(1-w1)y2)
12、式中，f为目标值，max()表示对括号中的函数取最大值；y1为承压能力；y2为累计漏失量；w1为承压能力的评价权重，诱导破裂型漏失取0.4，裂缝扩延型漏失取0.5，天然裂缝型漏失取0.7；
13、所述堵漏配方特征参数筛选数学模型的约束条件为
14、y1,y2＝m(x)
15、xi(min)≤xi≤xi(max),xi∈x
16、其中，m()为堵漏配方预测模型；xi为堵漏配方x中第i特征参数的数值，x为堵漏配方x的特征参数的集合；xi(max)、xi(min)分别为第i特征参数的上限和下限，具体取值时可以人为预设范围，或者从步骤s2中数据集中取极值。
17、s4、将漏失井的裂缝宽度代入所述堵漏配方特征参数筛选数学模型并求解该数学模型，获得堵漏配方特征参数；
18、本专利技术的所述堵漏配方特征参数筛选数学模型是一种涉及优化问题的数学模型，对于这种优化问题，传统算法求解较为困难，可以使用启发式算法对该优化问题进行求解，以获取稳定可靠的优化结果。在一些实施例中，可以使用现有技术中的改进粒子群算法对所述堵漏配方特征参数筛选数学模型进行求解，具体求解过程可以参考李洪亮所著《一种高效的改进粒子群优化算法》。
19、作为本专利技术的一种具体实施方式，所述堵漏配方特征参数筛选数学模型的约束条件还包括：
20、y＝aebm
21、其中，m为架桥材料粒径d90与裂缝宽度之比；y为架桥材料含量；a、b均为与摩擦系数相关的常数，其取值可通过高效架桥堵漏材料加量设计图版(图5)获取；进一步，可以对该图版进行数值化处理，以便计算机处理数据。
22、s5、基于堵漏配方特征参数确定堵漏配方。
23、在一些实施例中，可以人工根据特征参数确定堵漏配方，但这需要借助经验才能得到比较好的结果，在另一些实施例中，可以通过相似度的计算模型来进行匹配，以确定堵漏配方的组分，比如，以数据集中各堵漏配方的各组分为个体，建立堵漏材料性能参数数据库，根据余弦相似度为从堵漏材料性能参数数据库筛选个体作为堵漏配方的组分，具体筛选时，余弦相似度越高则表示两个组分的相似度越高，可以选择与步骤s4确定的堵漏配方特征参数相似度最高的个体作为堵漏配方的组成，当然还可以考虑经济性等问题，从而从相似度较高的多个个体中筛选理想的堵漏配方的组分。
24、所述余弦相似度的计算式为：
25、
26、式中，ai为堵漏配方某一组分中第i特征参数的数值，a为堵漏配方某一组分的特征参数的集合，a＝(a1,a2,…,an)，n为特征参数的总数量；bi为堵漏材料性能参数数据库中某一个体第i特征参数的数值，b为堵漏材料性能参数数据库中某一个体的特征参数的集合，b＝(b1,b2,…,bn)。
27、与现有技术相比，本专利技术的至少一个实施例中具有如下有益效果：
28、(1)本专利技术基于机器学习来设计堵漏配方，有助于提高决策的准确性和速度，提高了堵漏效率。
29、(2)本专利技术的预测模型中考虑裂缝宽度对堵漏效果的影响，具有很强的适应性和广泛的应用范围。
30、(3)本专利技术对堵漏配方的组成进行分类并分别进行表征，提高了模型预测的精度。
本文档来自技高网...【技术保护点】
1.一种超深裂缝性储层承压堵漏体系智能设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种超深裂缝性储层承压堵漏体系智能设计方法，其特征在于，步骤S1中，所述堵漏配方的组成分为架桥材料、填充材料和变形拉筋材料三类，所述堵漏配方特征参数包括所述架桥材料的特征参数、所述填充材料的特征参数和所述变形拉筋材料的特征参数。
3.根据权利要求2所述的一种超深裂缝性储层承压堵漏体系智能设计方法，其特征在于：
4.根据权利要求2所述的一种超深裂缝性储层承压堵漏体系智能设计方法，其特征在于，步骤S5中，以所述数据集中各堵漏配方的各组分为个体，建立堵漏材料性能参数数据库，根据余弦相似度从所述堵漏材料性能参数数据库筛选个体作为堵漏配方的组分；
5.根据权利要求1所述的一种超深裂缝性储层承压堵漏体系智能设计方法，其特征在于，步骤S4中，使用改进粒子群算法对所述堵漏配方特征参数筛选数学模型进行求解。
【技术特征摘要】
1.一种超深裂缝性储层承压堵漏体系智能设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种超深裂缝性储层承压堵漏体系智能设计方法，其特征在于，步骤s1中，所述堵漏配方的组成分为架桥材料、填充材料和变形拉筋材料三类，所述堵漏配方特征参数包括所述架桥材料的特征参数、所述填充材料的特征参数和所述变形拉筋材料的特征参数。
3.根据权利要求2所述的一种超深裂缝性储层承压堵漏体系智能设计方法，其...
【专利技术属性】
技术研发人员：许成元，周杰，康毅力，白英睿，郭昆，刘凡，谢军，郝克桃，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：
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。