利用人工智能改造完井作业

井下人工智能为满足页岩开发需求提供了一个转折点。其统计和隐式物理驱动方法将逐渐取代为储层物理建模而进行的昂贵且耗时的井下直接测量。当与传统地球物理约束相结合并适当实施时,井下人工智能提供了基于储层内在物理的精确统计解,无需花费经典确定性方法的费用或时间。

Quantico公司于2012年开始应用井下人工智能从现有数据流程中生成声波和密度测井曲线。这些基于AI的测井曲线被实时利用,以提高钻井和地质导向效率,并在钻井后进行完井。在深水中与LWD重复测量相同层段,可以产生相同精度。公司还为地震数据开发了先进的AI工作流程,以展示高分辨率静态模型,以便在地震体中绘制测井属性。

Quantico公司已经在100多口美国陆上油井上使用了人工智能技术,而且在任何有可供比较的补偿井的情况下,都显示出优化布置可以提高产量、产生其他的裂缝作业并降低总体运营成本。在这种情况下,从二叠纪盆地和Bakken页岩,完井优化获得了10%和40%的产率提升。

Quantico的XAI可以利用来自公共数据库的100多万条测井曲线以及专有测井曲线、钻井数据、压力泵送数据和来自运营商的地震数据来预测产量。与经验观察一致,XAI发现井位是二叠纪盆地中更重要的参数,而在Bakken页岩中裂缝的设计更为重要。储层特性和裂缝设计都是待优化的重要决策,但是XAI工作流程可以揭示各种参数的相对重要性。人工智能项目最重要的是能够确定裂缝项目的主要价值驱动因素,以尽快获得成本效益。替代方案是开放式数据科学实验。

下一代井下人工智能工具是从传统的集群分析到更强大的预测模型的自然演变,这将有助于业界分配裂缝预算,同时,帮助完井工程师确定最有影响力和可塑性的参数最大限度地提高完井效率。