一种钻井液大数据分析与决策支持系统及方法

技术领域

本发明属于油、气井领域，具体涉及一种钻井液大数据分析与决策支持系统及方法。

背景技术

钻井液是钻井过程中使用的循环流体，它是液体和化学处理剂的混合物。是钻井工程的血液。钻井液在钻井过程中，起着护壁防塌、携砂防卡、润滑防粘等诸多功能，钻井作业中钻井液的性能和主要处理方法不同，直接关系着钻井过程的成败。在钻井过程中通过及时、准确的观察分析钻井液量及性能的变化，钻井液参数的变化，及时收集钻井液数据资料并对异常及时报警和处置，有效预防井漏、井塌、井涌等井下事故复杂的发生。

国内外有许多著名专家学者在研究钻井液的智能化管理和应用工作。康力等设计了一种钻井液专家智能系统的模型，可以分析不同区块、不同地质环境下钻井液使用实例的众多数据，给现场作业提供指导；徐超研究出基于范例推理的钻井液配方专家系统，根据对油井各阶段的地层特点、井身结构、钻井措施等具体条件的分析,为钻井工作提供非常科学的设计参数,以便正确选择钻井液类型,决定相应合理的钻井措施,提高钻井液配制效率；李柏岐等通过单片机控制超声波的发射和接收,测量已知参数超声波的衰减值。然后通过计算机计算出当前位置钻井液泥浆的实时密度,间接计算泥浆的粘度,同时测量当前测量点泥浆温度和泥浆的流速；Ye等专家建立了钻井液侵入单裂缝的预测模型，利用该模型预测了塔里木盆地某区块碳酸盐岩储层目前所用钻井液的侵入程度，并对其相关性进行了预测。

虽然国内外关于钻井液智能研究的课题和项目很多，但是目前还没有一个钻井液智能平台能够集合并实现诸如：钻井液性能、处理剂使用、重点维护措施、井下事故复杂的统一管理，也无法从以往海量历史数据中给技术人员提供安全可靠的建议和决策，无法为现场复杂事故的预防和处置提供依据和参考，无法将大量的数据直观、准确、简单、方便、快捷地展示给各级管理人员。

发明内容

本发明的目的是提供一种钻井液大数据分析与决策支持系统及方法，以对现有数据进行统一管理、知识挖掘、分析统计和量化计算得到所需要的分析结论，实现钻井液的事故预警提醒，达到风险预控及信息共享的目的，为决策和管理提供依据和参考。

本发明的目的是通过以下技术手段实现的，一种钻井液大数据分析与决策支持系统，

包括数据采集与集成管理层，用于采集已建成的钻井液数据库中的结构化数据，以及录入非结构化数据，并对以上数据建立数据关联，完成对结构化和非结构化数据的统一管理；

数据分析管理层，对所述数据采集与集成管理层中统一管理的数据进行知识挖掘及数据分析统计；

数据服务管理层，对所述数据分析管理层得出的数据进行量化计算处理，以得到分析结论，当结论超出预设预警阈值时进行预警提醒；

数据发送层，用于将数据服务管理层得到的分析结论及预警提醒发送到应用端供技术人员查询。

所述数据分析管理层对所述数据采集与集成管理层中统一管理的数据进行知识挖掘及数据分析统计的具体过程包括：利用多维分析工具对所述数据采集与集成管理层中统一管理的历史数据的规律进行知识挖掘；采用算法拟合生成不同因素条件下的数据趋势分析曲线。

采用算法拟合生成不同因素条件下的数据趋势分析曲线具体为，采用算法拟合生成单井单因素、多因素及多井单因素，多因素条件下的趋势分析曲线，以向用户直观反映各因素对钻井效果的影响变化趋势。

所述数据服务管理层对所述数据分析管理层得出的数据进行量化计算处理，以得到分析结论，当结论超出预设预警阈值时进行预警提醒的过程具体包括：采用统计学和语义处理方法对知识挖掘得到数据中的文字信息进行量化处理，建立可被计算机执行的分析规则得到分析结论；利用支持向量机和神经网络结合钻井液异常历史数据，确定对应异常情况发生的预警阈值，根据采集到的实时数据与预警阈值的比较差值确定是否发出预警提醒。

支持向量机和神经网络机器学习和知识发现的方法，采用WebGIS技术在地图上显示异常井的分布坐标、区间、异常类型、发生频度和建议处理预案，利用异常井历史数据，通过数理统计和数据挖掘方法总结出对应异常发生的阈值。

所述数据服务管理层对所述数据分析管理层得出的数据进行量化计算处理时，还采用深度学习方法，利用各区块的钻井记录为训练数据，建立钻井液性能与机械钻速，钻井周期的关联模型。

所述数据服务管理层得到及数据发送层发送的分析结论及预警提醒，包括钻井液汇报表、钻井液事故复杂地图、钻井液综合查询、数据统计图表分析、用料分析、钻井液成本分析、钻井液井史、信息设置和钻井液技术方案维护信息。

一种钻井液大数据分析与决策支持方法，

获取模块,用于采集已建成的钻井液数据库中的数据，以及录入数据；

关联模块，用于对获取模块获取的数据建立数据关联；

数据分析模块，用于对关联模块中建立数据关联的数据进行知识挖掘及数据分析统计；

数据服务模块，用于对数据分析模块得出的知识挖掘及数据分析统计结果进行量化计算处理，以得到分析结论，当结论超出预设预警阈值时进行预警提醒；

数据发送模块，将数据服务模块得到的分析结论及预警提醒发送到应用端。

所述数据分析模块利用多维分析工具对所述数据采集与集成管理层中统一管理的历史数据的规律进行知识挖掘；以及采用算法拟合生成不同因素条件下的数据趋势分析曲线，来对关联模块中建立数据关联的数据进行知识挖掘及数据分析统计。

本发明的有益效果在于：基于已建成的平台系统和钻井液数据库，利用数据分析工具、知识挖掘工具、数据分析统计工具和量化计算工具实现对数据的统一管理、知识挖掘、分析统计和量化计算，得到所需要的分析结论，实现钻井液的事故预警提醒，达到风险预控及信息共享的目的，为决策和管理提供依据和参考。

附图说明

图1为本发明流程示意图；

图2为本发明平台架构示意图；

图3为钻井液全性能动态信息示意图；

图4为井眼净化能力变化趋势示意图；

图5为ECD智能分析及建议示意图；

图6为钻井诊断分析示意图；

图7为处理剂用量标准与实际对比示意图；

图8为钻井液性能标准与实际对比示意图；

图9为成本分析示意图；

图10为邻井复杂情况分析示意图。

以下将结合附图及实施例对本发明做进一步详细说明。

具体实施方式

【实施例1】

如图1和图2所示，一种钻井液大数据分析与决策支持系统，

包括数据采集与集成管理层，用于采集已建成的钻井液数据库中的结构化数据，以及录入非结构化数据，并对以上数据建立数据关联，完成对结构化和非结构化数据的统一管理；

数据包括但不限于以下内容：

/>

/>

/>

/>

/>

/>

/>

/>

/>

数据分析管理层，对所述数据采集与集成管理层中统一管理的数据进行知识挖掘及数据分析统计；

数据服务管理层，对所述数据分析管理层得出的数据进行量化计算处理，以得到分析结论，当结论超出预设预警阈值时进行预警提醒；

数据发送层，用于将数据服务管理层得到的分析结论及预警提醒发送到应用端供技术人员查询。

钻井液大数据分析与决策支持系统通过数据采集与集成管理层，获取已有数据库中的信息，或人工输入非结构化的信息。再通过数据分析管理层对这些信息进行处理，采用了SVM(支持向量机)、人工神经网络、马尔科夫模型、线性回归、朴素贝叶斯、Aprior关联分析、kmeans聚类分析等机器学习的方法，对钻井液性能和处理剂用量等数据进行分析，得到：钻井液汇报表、钻井液事故复杂地图、钻井液综合查询、数据统计图表分析、用料分析、钻井液成本分析、钻井液井史、信息设置、钻井液技术方案维护等信息。最终根据应用端技术人员的需要，将所需信息发送至应用端，为现场技术人员提供可靠的数据支持。期间根据得到分析数据，与特定异常情况发生的预警阈值对比，根据采集到的实时数据与预警阈值的比较差值确定是否向应用端发出预警提醒。

结构化数据也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。与结构化数据相对的是不适于由数据库二维表来表现的非结构化数据，包括所有格式的办公文档、XML、HTML、各类报表、图片和音频、视频信息等。将未录入数据库的纸面记录等的非结构化数据，也录入到数据采集与集成管理层内。

【实施例2】

在实施例1的基础上，所述数据分析管理层对所述数据采集与集成管理层中统一管理的数据进行知识挖掘及数据分析统计的具体过程包括：利用多维分析工具对所述数据采集与集成管理层中统一管理的历史数据的规律进行知识挖掘；采用算法拟合生成不同因素条件下的数据趋势分析曲线。

采用算法拟合生成不同因素条件下的数据趋势分析曲线具体为，采用算法拟合生成单井单因素、多因素及多井单因素，多因素条件下的趋势分析曲线，以向用户直观反映各因素对钻井效果的影响变化趋势。

所述数据服务管理层对所述数据分析管理层得出的数据进行量化计算处理，以得到分析结论，当结论超出预设预警阈值时进行预警提醒的过程具体包括：采用统计学和语义处理方法对知识挖掘得到数据中的文字信息进行量化处理，建立可被计算机执行的分析规则得到分析结论；利用支持向量机和神经网络结合钻井液异常历史数据，确定特定异常情况发生的预警阈值，根据采集到的实时数据与预警阈值的比较差值确定是否发出预警提醒。

支持向量机和神经网络等机器学习和知识发现的方法，采用WebGIS技术在地图上显示异常井的分布坐标、区间、异常类型、发生频度和建议处理预案，利用异常井历史数据，通过数理统计和数据挖掘方法总结出特定异常发生的阈值。当实时数据超过预警阈值时，报警发出预警提醒。

钻井数据库中包括，钻井液事故案例信息共享库，包含有近年所发生的各类事故信息以及对电测遇阻、井塌、溢流、井漏等井下复杂情况处理的相关资料，方便现场施工中对复杂事故的预防和处置；以便现场技术人员通过应用端调用所需信息。

数据服务管理层以各项技术方案标准和内部专业团队的专业知识经验为基础，采用数学方法将文字信息进行量化处理，达到通过规则实时调用所采集的各系统数据信息进行自动计算，产生分析结论和预警提醒，从而达到风险预控和知识共享的目的。具体的，以近年所发生的各类事故信息(例如事故类型、区块、井型等)以及对电测遇阻、井塌、等井下复杂情况处理的相关资料进行整合，建立钻井液事故案例信息共享库，通过对关键字段进行信息智能搜索，获取相关资料信息，从而达到为现场施工中复杂事故的预防和处置提供依据和参考的目的。

具体功能例如：1、事故复杂省区分析，根据事故复杂所在省区智能绘图，并且显示各地区复杂事故统计以及事故复杂详细信息；可在事故复杂详细信息中点击某口井查阅该井的资料，为保证快速安全钻井做好预警提示。

2、事故复杂区块分析，根据井坐标智能绘图，给出风险提示，并且显示各区块复杂事故统计、复杂类型分布以及事故复杂详细信息；可在事故复杂详细信息中点击某口井查阅该井的详细事故处理情况，为保证快速处理事故提供建议解决方案。

3、事故复杂预警，对同一复杂类型或邻井施工数据进行GIS分析，在地图上直观展示事故分布动态信息，绿色表示正常，洋红色表示溢流，黑色表示井漏，橙色表示卡钻，红色表示其他。及时监测事故的处理情况和处理效果。

1、单井单性能趋势分析，直观呈现钻井液性能随井深、地层变化的趋势，使用回归算法对实测数据进行拟合模型，可查看单项性能的离中趋势；井号的超级链接可查看该井数据明细；查询条件里钻井液八项主要性能并排罗列，既方便用户选择也使得趋势图更直观。

2、单井多性能趋势分析，通过将各性能的原值放大或者缩小X倍或使用归一算法，使其在同一区域内显示趋势的方法解决了数值范围相差较大的几种性能趋势同时显示在一个图中的矛盾，使趋势图看上去更直观明了；井号超级链接可查看该井数据明细；方便井队或项目部管理人员对单井的钻井液多性能随井深变化所产生的趋势进行分析。

所述数据服务管理层对所述数据分析管理层得出的数据进行量化计算处理时，还采用深度学习方法，利用各区块的钻井记录为训练数据，建立钻井液性能与机械钻速，钻井周期的关联模型，为新井开钻提供钻速预测和科学方案推荐。具体例如人工神经网络、SVM、CNN等深度学习方法。

所述数据服务管理层得到及数据发送层发送的分析结论及预警提醒，包括钻井液汇报表、钻井液事故复杂地图、钻井液综合查询、数据统计图表分析、用料分析、钻井液成本分析、钻井液井史、信息设置和钻井液技术方案维护信息。

靠多年来积累的钻井数据，采用算法拟合生成单井单因素、多因素及多井单因素，多因素条件下的趋势分析曲线，向用户更直观的反映各因素对钻井效果的影响变化趋势。还采用人工神经网络、SVM、CNN等深度学习方法，利用各区块的钻井记录为训练数据，建立钻井液性能与机械钻速，钻井周期的关联模型，为新井开钻提供钻速预测和科学方案推荐；利用支持向量机和神经网络等机器学习和知识发现的方法，采用WebGIS技术在地图上显示异常井的分布坐标、区间、异常类型、发生频度和建议处理预案，利用异常井历史数据，通过数理统计和数据挖掘方法总结出特定异常发生的阈值，并自动在移动终端和桌面终端上向用户预警。通过多维分析和智能分析工具的开发应用，实现对海量历史数据信息所蕴藏的规律信息进行知识挖掘，确立了分析模型；以各项技术方案标准和内部专业团队的专业知识经验为基础，采用统计学和语义处理方法将文字信息进行量化处理，建立起可以被计算机执行的分析规则，实现了分析结论和预警提醒功能。

数据服务管理层的动态预警等功能同时运用了专家规则及数据挖掘分析规则，对钻井液技术数据进行实时诊断分析预警，及时为井场施工智能提醒和技术指导，是对钻井液技术数据实时诊断分析与预警技术研究的主要成果。

如图3至图5所示，具体的，例如分类井

实时展示井队钻井液全性能动态信息，自动计算环空返速、有效视粘度、岩屑滑落速度、井眼净化能力，及主要指标的变化趋势，同时进行ECD智能分析并提供改进建议。

如图6至10所示，单井诊断分析

单井诊断分析，如图6所示，通过井深，工况，排量等参数，诊断什么时候地层发生泥浆转换和侧钻，什么材料使用超标，如图7和图8所示，处理剂用量和钻井液性能标准与实际对比，对比技术方案标准预警情况。如图9和图10所示，对成本及邻井情况进行进一步分析。来得到什么地层钻井液性能指标不符合规范，什么地层发生事故复杂，单井成本是否过高及时跟踪的分析。

【实施例3】

在实施例2的基础上，如图2所示，一种钻井液大数据分析与决策支持方法，其特征在于：

数获取模块,用于采集已建成的钻井液数据库中的数据，以及录入数据；

关联模块，用于对获取模块获取的数据建立数据关联；

数据分析模块，用于对关联模块中建立数据关联的数据进行知识挖掘及数据分析统计；

数据服务模块，用于对数据分析模块得出的知识挖掘及数据分析统计结果进行量化计算处理，以得到分析结论，当结论超出预设预警阈值时进行预警提醒；

数据发送模块，将数据服务模块得到的分析结论及预警提醒发送到应用端。

所述数据分析模块利用多维分析工具对所述数据采集与集成管理层中统一管理的历史数据的规律进行知识挖掘；以及采用算法拟合生成不同因素条件下的数据趋势分析曲线，来对关联模块中建立数据关联的数据进行知识挖掘及数据分析统计。

基于已建成的钻井液数据库和新录入的数据，利用数据分析工具、知识挖掘工具、数据分析统计工具和量化计算工具实现对数据的统一管理、知识挖掘、分析统计和量化计算，

得到了所需要的分析结论，并通过特定异常情况发生的预警阈值，根据采集到的实时数据与预警阈值的比较差值确定是否发出预警提醒。

及时向应用端，即移动终端应用端和桌面电脑应用端等设备，发送所需信息及预警信息，达到了风险预控及信息共享的目的，为技术人员决策和管理提供了依据和参考。

移动终端应用端和桌面电脑应用端包括钻井液汇报表、钻井液事故复杂地图、钻井液综合查询、数据统计图表分析、用料分析、钻井液成本分析、钻井液井史、信息设置和钻井液技术方案维护等的应用模块，而数据发送模块则将分析出的钻井液汇报表、钻井液事故复杂地图、钻井液综合查询、数据统计图表分析、用料分析、钻井液成本分析、钻井液井史、信息设置和钻井液技术方案维护等信息发送至移动终端应用端和桌面电脑应用端供技术人员决策和参考。