深水钻井井筒水合物生成风险评估研究进展

徐鹏， 张雨， 彭凯， 王新影， 任洁

(1.长江大学石油工程学院， 武汉 430100； 2.非常规油气省部共建协同创新中心， 武汉 430100；3.油气钻采工程湖北省重点实验室, 武汉 430100； 4.冀东油田南堡油田作业区， 唐山 063200)

随着全世界油气需求量的快速增长和中国石油勘探开采技术的不断进步，石油勘探开发从陆地到海洋再到海洋深水区不断推进，其中深水钻完井及油气开发过程中的天然气水合物(以下简称为“水合物”)生成堵塞风险是不可避免的挑战[1-3]。自深水钻井中发现水合物以来，天然气水合物的研究主要集中在如何利用化学方法抑制水合物的生成来减少深水钻井中水合物的生成堵塞风险，对深水钻井中的水合物具体的生成堵塞风险还处于初级阶段，研究成果还是无法满足深水钻井的需要。而中国南海存在着丰富的石油天然气资源，在深水海域含天然气地层钻井时由于温度和压力的变化易在浅层海底低温区生成水合物堵塞井筒。以南海莺琼盆地乐东组陵水区块井为例，在整个深水钻井的过程中，温度会随着钻进的深度不断变化：南海海平面的温度一般为27.5～29.5 ℃，在深水钻井钻到海底浅层1 000 m的温度会降到0～4 ℃[4]，深水海底井筒中的压力在10～15 MPa，此温压条件下进入井筒的天然气与自由水结合易形成水合物而堵塞井筒，造成钻井风险与事故。但继续钻进的时候井筒中的温度会随着深度的增加而增大，到达目的层时温度甚至会达到200 ℃以上。因此深水钻井的过程中水合物生成堵塞风险主要集中在海底浅层区域。目前中海油在陵水区块进行深水钻井时主要应用HEM型钻井液与PLUS/KCl钻井液等半防水合物钻井液来减少水合物的生成堵塞风险，考虑到经济效益和钻进速度等原因，深水钻井中预期利用海水/膨润土浆加快钻速，但生成堵塞风险评估缺乏制约了钻井液的更换。基于此，笔者从深水钻井中水合物生成堵塞机理、水合物生成风险成因及生成风险评估方法等多方面入手进行系统阐述，旨在为相关领域的研究人员提供一定的参考和借鉴[5-10]。

1 天然气水合物生成堵塞风险类型

天然气水合物是小的气体分子和水的固体，并非化学计量的化合物，易在低温和高压下接触时形成，深水钻井温度压力变化及钻井液循环见图1，当井筒内钻井循环过程中在钻井液循环在海底泥线附近时，其温度与压力正好符合天然气水合物生成所需要的低温高压条件，为水合物易生成区域。这些化合物的物理性质，最显著的是它们是非流动的结晶固体，比典型的流体碳氢化合物致密，其所包含的气体分子易被有效地压缩，因此在能源和气候影响的广泛领域中产生了许多应用[11]。特别是，它们对深水钻井风险评估具有重要影响。深水钻井中水合物的生成曲线如图2所示[12]，在温度下降得初始时期，井筒中的压力变化很小，当温度下降到一定程度的时候，压力会发生突降，之后温度下降但压力的下降速度会变得缓慢。在深水钻井的过程中天然气水合物的生成风险一般分为两种：①钻到含有水合物的地层的水合物生成风险；②深水钻井过程井筒中水合物生成风险。

图1 深水钻井温度变化及钻井液循环图Fig.1 Deepwater drilling temperature change and drilling fluid circulation diagram

图2 深水钻井中甲烷水合物压力-温度曲线[12]Fig.2 Methane hydrate pressure-temperature curves in deepwater drilling[12]

1.1 深水钻井水合物堵塞风险成因

天然气水合物是一种笼形结晶化合物，其结构图如图3所示，通常有三种基本晶体结构：Ⅰ型、Ⅱ型、H型[13-14]。

图3 天然气水合物结构图(据文献[14]修改)Fig.3 Structure diagram of natural gas hydrate (modified by ref.[14])

海底天然气水合物通常发育在水深超过1 000 m、泥线以下1 000 m以内的浅部沉积层[15]。水分子形成的空穴吸附以甲烷为主的小分子烃类气体形成水合物晶体，当深水钻井过程发生气体溢流时，地层内的浅层气、原生水合物分解气和油藏气通过压力气侵、置换气侵等方式进入井筒环空中，环空内便有了充足的烃类气源，水基钻井液提供了大量自由水，在循环期间，钻井液的流动和气侵压力下的气流扰动提供了压力波动辅助动力条件，在海底附近的高压低温井段，游离气体和水分子结合，在循环通道内气液界面和气泡表面形成水合物晶核，晶核成长为水合物颗粒管壁粗糙处和弯头等位置堆积并聚集形成堵塞如图4所示[16]。因此深水钻井水合物堵塞可以分为三个步骤：①水合物的生成；②水合物的受力聚集；③水合物的沉积堵塞。

图4 海底井筒水合物堵塞的多种机制的概念图[16]Fig.4 Conceptual diagram of the multiple mechanisms of hydrate plugging in subsea wellbore[16]

1.2 钻遇水合物地层的水合物生成堵塞风险

1.2.1 含有水合物的地层对钻井工程的影响

深水钻井过程中钻遇水合物地层时，由于钻井液的循环、钻头与水合物地层的摩擦等都会产生大量的热能，破坏了水合物存在的高压低温这一条件，导致水合物地层中的水合物不稳定而分解，分解后形成的天然气会随着钻井液的循环或者直接进入到井筒中，在井筒中的高压低温条件下重新生成水合物，水合物的不断运移沉积会对井筒、钻头等造成堵塞风险从而影响正常的钻井过程。而且钻进过程中钻具对海底地层进行破坏导致储层井壁和井底附近地层应力释放，海底地层压力降低[17]；影响钻井液性能。

1.2.2 钻井所诱发的地质灾害

根据Max[18]的海底天然气水合物的相图(图5)可以看出水合物地层在海底是处在特定的温度和压力的条件下稳定存在的。但是深水钻井过程中钻遇水合物地层时会使温度的升高和压力的减小破坏这种稳定性，导致水合物地层中的水合物分解产生大量的以CH4为主要成分的气体和少量的水，使得原本准胶结稳定态下的水合物地层失去原有的稳定性，吸引胶体粒子。这样会致使海底水合物沉积层有较大的偏移，而沉积层的偏移所带来的结果是引发各种自然灾害如海底地震、海啸等，也会对在海底建设的基础设备造成不可估量的损害，带来巨大的经济损失[19]。

图5 海底天然气水合物的相图(据文献[18]修改)Fig.5 Phase diagram of seafloor gas hydrate (modified by ref.[18])

1.3 深水钻井过程井筒中水合物生成堵塞风险

深水钻井时，井筒内会发生气体侵入，导致井筒环空出现气液两相混合流动。随着气液沿环空上升，在适宜的温度和压力条件下，水合物会不断形成和沉积[20]。环空水合物形成示意图如图6所示[21]。因此，为了评价井筒内的水合物风险，计算钻井过程中的温度场和压力场的分布，获得管柱内水合物形成区域具有重要意义。

而且在深水钻井中过程中水合物的生成堵塞风险会导致以下问题：①天然气水合物可导致井控问题；②天然气水合物导致钻井液性质改变；③天然气水合物导致的井壁失稳问题；④天然气水合物导致井口周围下沉；⑤天然气水合物导致的固井问题等[16,22-23]。这一系列的问题会对深水钻井安全产生极大的影响。

图6 环空气体侵入与水合物形成示意图[21]Fig.6 Schematic diagram of annular gas intrusion and hydrate formation[21]

2 深水钻井水合物生成风险评估方法

2.1 深水钻井井筒内水合物生成风险预测模型

2.1.1 基于V-P经典吸附理论的水合物生成风险预测模型

(1)基于V-P(Van der Waals-Platteeuw)经典吸附理论下的理论模型对于水合物的生成风险预测模型主要基于水合物生成相平衡理论。Van der Waals和Platteeuw[24-25]基于化学势理论[26-27]首先建立了计算水合物形成条件的模型(V-P模型)，即

(1)

式(1)中：ΔμH为表空水合物晶格和填充晶格相态的化学位差，J/mol；R为状态参数常量，R=8.314 34 J/mol；T为温度，K；vi为i类孔隙的数目(结构Ⅰ，vi=1/23；结构Ⅱ,vi=2/17；结构H,vi=5/23);NC为天然气的组分数；Yki为i类孔隙被k类分子占据的概率。

此模型对于水合物生成风险评估具有计算简捷优点，因此十分适合矿场对水合物形成条件的初步估算；缺点是精度较低，理论十分复杂，但后续的系列研究都是建立在此基础之上的。大量学者对经典的V-P模型做了修正和改进以适应不同的应用场景，见表1所示。

表1 V-P经典吸附理论预测模型改进表Table 1 V-P classical adsorption theory prediction model improvement table

续表1

上述预测模型经过不断的修正，对于水合物的生成风险预测有了较高的精度，但是都未能很准确地描述其对于深水钻井的过程中井筒内水合物生成风险的预测。

(2)基于V-P经典吸附理论的理论模型在实际工况下的运用。

刘启鹏等[36]在V-P经典吸附理论的理论模型下结合传热学、流体力学等相关理论，提出了一个预测水合物在井筒中堵塞位置的预测模型。此模型相对于传统的V-P模型有更高的的精度和更简便的计算方法，在现场应用过程中能够基本满足工程要求。但其是在陕北气田高压气井中适配，其精度与适用性未能很好地在深水钻井中得到验证。

吴华等[37]考虑到深水钻井中具体复杂工况中钻井液的成分中盐离子、醇和水分子三者之间的相互作用会对水合物的生成有一定影响，应用UNIQUAC基团贡献法模型计算钻井液中的活度系数，UNIQUAC基团贡献法是推算组分活度系数应用最广泛的模型，并结合Van der Waals-Platteeuw模型[24-25]来预测天然气在井筒钻井液循环中水合物生成条件。通过现场的实验数据检验，具有较高的精度。井筒中温度-压力条件与钻井液中温度-压力条件会有相互影响，根据传热学理论结合井内热传递的特点，建立了有隔水管和无隔水管时井下循环温度的二维数学模型和静止温度的一维数学模型，针对两模型的特点，分别用有限差分法和数值解法进行求解，分析了各计算参数对水合物形成的影响。

图7 深水钻井井筒天然气水合物生成区域图[39]Fig.7 Deepwater drilling wellbore gas hydrate formation area map[39]

由于具体的深水钻井工况是非常复杂且需要考虑多方面影响因素的，王志远等[38-39]在V-P经典吸附理论的理论模型的基础上综合考虑天然气水合物生成热力学、温度和压力条件等，如图7预测深水钻井井筒中天然气水合物生成区域。针对深水钻井的工况中井筒内气、液、固等多种相态存在的特点建立了深水钻井水合物多相流生成预测模型，在考虑具体工况下的具体施工参数来确定预测模型的求解参数。将求解的参数用仿真软件进行检验模拟，以此在检验其水合物生成预测模型的可行性以及在钻井过程、起下钻过程、关压井过程中的各种相关参数的变化对于天然气水合物的生成堵塞风险的影响。仿真算例研究结果表明，循环流量越高，抑制剂浓度越大，停钻时间越短，压井节流管线尺寸越大，水合物的生成区域就越小。

V-P模型是传统的天然气水合物生成条件预测模型的基础，尽管其预测天然气水合物生成条件的理论基础强，但却存在模型计算复杂、难以进行推广的弊端。

2.1.2 基于络合溶解理论的水合物生成风险预测模型

由于基于经典的V-P模型和其改进模型计算复杂，Chen等[40]提出了一种新的水合物形成的过程。他们认为，水合物的形成首先是一个络合反应，其次才是溶解过程。在对水合物形成机理的更合理描述的基础上，开发了一种不同于众所周知的范德华-普拉特乌型模型的新水合物模型。提出的新概念包括：局部稳定性、连接空腔、碱性水合物和碱性水合物成分(用于混合物)能更好预测深水钻井中水合物的生成堵塞风险。相应的热力学模型已经通过预测纯气体和气体混合物的水合物形成进行了广泛的测试。不仅具有较高的精度，同时因为它避免了化学位的直接计算，同时计算误差也比较小。

2.1.3 基于智能算法的水合物生成风险预测模型

随着计算机技术的不断发展，人工智能的不断进步与完善，人工智能算法逐渐能自动学习数据特征和挖掘大数据隐藏的信息，且其预测结果具有极高的准确度和可靠性。

(1)基于神经网络的水合物生成风险预测模型。Olabisi等[41]将人工神经网络(artificial neural network，ANN)预测深水钻井水合物形成温度的有效性与其他水合物温度预测相关性的有效性进行了比较，例如，Towler和Mokhtab相关性、Hammerschmidt相关性以及Bahadori和Vuthalaru相关性。ANN使用来自Katz图和Wilcox等[42]图的459个水合物形成实验数据点进行训练。ANN准确预测了深水钻井水合物形成温度，回归系数大于0.98。此外，误差分析表明，ANN的表现优于Towler和Mokhtab相关、Hammerschmidt相关以及Bahadori和Vuthalaru相关。因为与其他相关相比，它的平均绝对百分比误差最小，表明人工神经网络是一种可行的深水钻井水合物预测工具，可以通过在人工神经网络中包含更多实验数据来改进当前模型。Babakhani等[43]采用多层神经网络的方法来预测至少含有一种烃类的二元混合物的深水钻井水合物生成压力。从文献中引用的不同研究中收集了895个实验数据，这些数据涵盖了广泛的温度和成分。为了找到最优的模型，通过绝对平均相对偏差百分比(absolute average relative deviation percent, AARD)、均方误差(mean square error, MSE)和回归系数R2对不同的ANN类型进行检验，选择最优配置。结果表明，选择的人工神经网络模型是基于统计分析的，具有极好的一致性。结果表明，所建立的MLPNN模型是一种适用的、可行的工具，可用于科罗拉多矿山学院水合物项目进行高精度的水合物生成压力预测。而Soroush等[44]提出了一种改进的ANN方法来预测各种气体混合物的深水钻井水合物形成温度(hydrate formation temperature, HFT)。这种方法产生了一个具有精确预测的强大网络，尤其是在酸性气体的情况下。详细比较了该ANN模型预测的结果与其他相关性和基于热力学的模型的结果，以估计HFT。结果表明，与现有模型和相关性相比，所提出的ANN模型预测与实验数据的一致性要好得多。

(2)基于SVM(support vector machines)和CV(cross validation)的水合物生成风险预测模型。宫清君等[45]基于支持向量机理论，结合实验数据，建立支持向量机预测模型来进行深水钻井天然气水合物生成时的相平衡压力预测，采用平均平方误差、平方相关系数，以及平方绝对百分比误差和平均绝对误差等四种误差公式对预测精度进行评估。对源数据进行了归一化预处理以及利用交叉验证方法对核参数和惩罚因子进行了优化。模拟结果显示，由支持向量机预测模型得到的相平衡压力与实际实验获得的相平衡压力基本一致，预测效果较理想,证明该模型具有较高的准确性和可靠性。Cao等[46]为了快速准确地预测天然气水合物的形成条件，开发了一种新的混合遗传算法-支持向量机(genetic algorithm-support vector machine，GA-SVM)模型。模型的输入变量是天然气的相对分子质量M和水合物形成压力P，输出变量是水合物形成温度T。所提出的GA-SVM模型在气体相对分子质量15.64～28.97 g/mol和天然气压力范围367.65～33 948.90 kPa内预测气体水合物形成条件的异常值最少，稳定性最好。为准确预测天然气水合物形成条件提供了一种新方法。

(3)基于深度学习的水合物生成风险预测模型。Qin等[47]使用了几个独立的输入变量(特征)，如含水率、气油比、水合物颗粒黏结力、流体速度、油黏度、比重、界面张力、水合物稳定带时间等，来预测深水钻井中水合物含量及水合物堵塞概率。根据现场数据(包括含水率、关井时间、气油比)，采用半监督收益模型，以确定重启期间水合物的流动阻力水平或关停生产后的死油驱替。基于流体循环的深度学习模型在测试和验证过程中显示出良好的预测精度，并被用于实际油田的深水钻井水合物风险评估。基于现场数据的深度学习模型展示了构建现场风险图的能力深度学习技术有可能应用于水合物生成堵塞预测风险管理，以评估水合物的风险。作为更复杂的瞬态多相流模拟的补充，这种机器学习方法可以帮助开发先进的水合物管理策略。Monday等[48]在开发动力抑制剂后的机器学习模型，以预测天然气流线内的天然气水合物形成和压力变化来解决天然气生产和运输存在天然气水合物堵塞的风险，尤其是在温度低、压力高的海上环境中。将监督学习算法和深度学习算法的输出结果在预测天然气流线内水合物形成和压力的准确性方面进行了比较。所有模型的准确率均大于 90%。结果表明，应用机器学习算法解决流量保障问题、分析数据和获取报告是可行的，可以提高现场决策过程的准确性和速度。

虽然用智能算法模型对于天然气水合物生成风险影响深水钻井解决了一些复杂问题，同时也具有较好的推广性，但是利用其预测天然气水合物生成条件研究较少，必须是在有大量训练样本的情况下才有效，且方法本身极容易出现局部最优、泛化能力较差等问题。

2.2 深水钻井井筒内水合物生成风险实验评估

2.2.1 深水钻井天然气水合物生成风险基础检测方法

由以上井筒内的天然气水合物生成预测模型可知，虽然经过多年的发展，各种预测模型的精度与推广性都有一定的发展。但是对深水钻井中水合物生成风险都有相当大的局限性。因此进行天然气水合物的模拟实验研究是非常有必要的。天然气水合物的生成风险检测方法主要有以下6种，如表2所示。

深水钻井中天然气水合物生成风险的实验评估方法很多，但是深水钻井中天然气水合物的参数包括声学、电阻率、力学、热物性、渗透率等。由于实际地质条件下数据采集困难，实验模拟是研究这些物理参数最有效的方法。结合各种探测技术，研制了专门的模拟装置，对天然气水合物储层物性参数进行了实验研究。深水钻井天然气的水合物生成风险实验评估的原理一般主要包括以下几个系统：计算机作为PC端处理和接收数据，反应釜用来作为水合物生成分解的反应场所，高压系统与冷却系统为水合物的生成提供需要的条件，辅助系统为整个水合物实验系统提供其他的检测辅助方法以提高检测的精确度，测试系统为水合物的生成分解以及对井筒的堵塞实验测试其相平衡曲线等基本规律从而对水合物的生长沉积模型提供支撑数据。

2.2.2 模拟实际工况下水合物生成堵塞风险实验

青岛海洋地质研究所建立了一系列实验装置，研究含水合物沉积物的声学特征。结合超声和TDR(time domain reflectometry)探测技术，可以测量固结和松散沉积物中天然气水合物形成和分解过程中的声学参数和水合物沉积物的饱和度。Ren等[56]进行了实验，实验仪器如图8所示，以测量在模拟海底沉积条件下形成甲烷水合物沙堆的声P波速度。结果表明，随着水合物的形成，声波的声速和振幅增加。对各种装置中天然气水合物的形成进行了类似的实验模拟来研究深水钻井中天然气水合物的生成风险，Wu等[57]研究了声波速度与水合物饱和度Sh之间的关系，对深水钻井过程井筒中水合物生成风险评估提供了可靠依据。图9所示为天然气水合物形成过程中声速的变化[56]。从图9中可以看出在水合物形成的第一阶段，主要的水合物胶结形态导致速度显著增加；在第二阶段，占主导地位的漂浮水合物形态导致速度缓慢增加；水合物饱和度高于 60% 后，主要的水合物胶结形态使纵波波速Vp和横波波速Vs均出现较大的增加。但由于反应器内水合物的分布难以控制，在实际物理模型下很难准确建立水合物的声学响应特性。出于同样的原因，尚未完全了解不同水合物类型对水下复合体声学特性的影响。

表2 深水钻井天然气水合物生成风险检测方法表Table 2 Form of risk detection method for gas hydrate formation in deepwater drilling

Liu等[58]设计了一种全可视化的摇床实验系统，如图10所示，该实验系统包括全视觉单元、气液进放系统、摇摆系统、温度控制系统和数据采集系统。通过摇床可以实现井筒多相流动，操作方便。研究了多相流条件下含水率、表面润湿性和新型抑制剂对水合物生长和堵塞的影响，水合物的生长是在流动状态和杂质条件下的非均相形核过程。通过含水率为50%、55%、60%、65%和70%的对比实验发现，含水率在60%左右时，转化为水合物的水量最高。井壁上水合物沉积演化过程包括初始生长、水膜凝结、形成水合物床和顶部堵塞4个阶段，通过CCD(charge coupled device)摄像机捕捉到这4个阶段。在含水率为60%的条件下，研究了亲水界面和疏水界面对水合物诱导时间、水合物生长时间和水合物转化水量的影响。结果表明，亲水界面可以在一定程度上降低水合物的成核速率，但不会降低最终水合物的产量和转化成水合物的水量。疏水界面可以缩短水合物的诱导时间，提高水合物成核速率，大大增加转化为水合物的水量，大大提高最终水合物的产量。但与此同时，它改变了井壁性质，使水合物难以粘附在井壁上，不会造成井筒堵塞。Lü等[59]也研究了多相输送系统中天然气水合物的形成和水合物浆流，利用聚焦光束反射率测量和颗粒视频显微镜，观察了水合物颗粒的分布，并对其聚结和破碎进行了表征。首先提出了多相输送系统中水合物浆流安全的“最小安全流量”。然后，将实验数据与mandhanflow流型图进行比较，揭示了水合物颗粒对水合物浆体流型的影响。

图8 超声波和电阻率测量水合物实验装置图[56]Fig.8 Diagram of experimental setup for measuring hydrate by ultrasonic and resistivity[56]

图9 水合物形成过程中的声速和相应的水合物形态[57]Fig.9 Sound velocity and corresponding hydrate form during hydrate formation[57]

图10 全可视化的摇床实验系统[57]Fig.10 Fully visualized shaker experiment system[57]

图11 新型高压装置示意图[60]Fig.11 Schematic diagram of the new high-voltage device[60]

Ghavipour等[60]设计、研制了一种适用于水合物研究领域的新型高压装置如图11所示。用六种不同的气体混合物进行了一系列的实验室实验，并在3.1～20.7 MPa的压力范围内记录了130多个水合物平衡点。对不同的水合物生成预测方法进行了讨论，最后采用了一种有前景的神经网络预测方法。针对神经网络在准确预测水合物形成方面存在的缺陷，提出了一种新的应用方法。实验和验证表明，该神经网络方法可以准确预测广义气体系统的水合物生成条件，可用于未来的自动抑制剂加药装置。

3 深水钻井井筒天然气水合物生成风险评价方法

井筒内的水合物生成风险评价的关键是了解水合物生长并最终堵塞的因素，水合物生成风险评价方法对于深水钻井至关重要，让其在水合物堵塞风险较低时，允许在水合物领域内进行作业。Kinnari等[61]介绍了挪威国家石油公司天然气和石油生产系统中的水合物生成风险评价方法。挪威国家石油公司根据拥有500多口海底油井和100多条海底管线。其水合物生成风险评价方法利用了流体系统的固有特性、流体动力学和与生产系统不同部分中存在的水量相关的堵塞风险。这种方法基于挪威国家石油公司进行的大量研究和广泛的现场经验，介绍了挪威国家石油公司目前在不同生产系统中的最佳实践，并提供了野外作业的相关示例。由于挪威国家石油公司提出的深水钻井井筒天然气水合物生成风险评价方法需要依靠自己积累的大量原始数据，对于其他研究不具备可复制性。

许玉强等[62-64]提出了两种更为普适性的水合物生成风险评价方法。

(1)基于过冷度的天然气水合物定量风险评价方法。过冷度[65]是天然气水合物形成过程的主要驱动力之一，其生成过程主要分为气体溶解、成核、生长和稳定4个阶段。溶解的天然气与水分子成核需要在一定过冷度和压力条件下经历一定的诱导时间形成，一旦形成水合物核，在压力、温度适宜的条件下，经历一定生长时间便会生成天然气水合物。在天然气水合物生成区域预测的基础上，基于过冷度引入过冷度密度，对一口井的井深方向进行天然气水合物生成风险的定量评价，找出水合物生成风险较大的区域。

(2)基于施工参数无因次化的天然气水合物风险评价方法。由于影响天然气水合物生成的因素很多[66](如钻井液盐度、固相含量、诱导时间、生成时间和过冷度等，引入专家打分法与层次分析法[67]的进行定性或半定量分析消除无关因素，通过改变不同施工参数计算分析水合物生成区域，针对风险较大区域计算过冷度密度，并利用无因次化消除不同参数之间的不可比性，得到各施工参数的敏感因子，从而可以对各施工参数对水合物生成的风险进行定量评价，有利于采取必要措施减小或避免风险。

4 展望

深水钻井是一个复杂多工况的系统，天然气水合物的生成堵塞多发生在停钻、起下钻以及关压井过程中。一旦水合物的生成造成堵塞风险，会给深水钻井带来严重影响。本文综述了深水钻井天然气水合物的生成堵塞风险预测模型与天然气水合物生成堵塞风险实验两类评估方法来评估水合物的生成堵塞风险。生成堵塞预测模型有待考虑更加完善的深水钻井井下工况继续优化；智能算法对于井下数据的处理，不同工况的识别有待加强；深水钻井水合物生成堵塞风险实验方法对于深水钻井具体复杂工况还原有待提高。未来的工作重点如下。

(1)将现代分析仪器和技术(如光学检测、超声波检测和电学检测)引入井筒水合物生成堵塞检测，与传统检测手段相结合，测量值从传统单一扭矩和粘度等参数变为直接可视水合物、声学频率波动和电压与电流的脉冲信号波动等多种参数相结合，有利于水合物生成堵塞检测的准确性。将智能算法与现代分析仪器相结合，利用智能算法处理测得的声学频率波动和电压与电流的脉冲信号波动等，将其转化为可表征水合物生成堵塞的数值，形成新的分析体系。

(2)发展与高端分析技术(如MRI和X-CT)相结合的微尺度器件，形成可视化技术，能够精确检测井筒内水合物生成堵塞过程，这对获取含天然气水合物沉积物的物理性质是有用的。

(3)为了在更接近实际水合物沉积运移环境下进行实验，需要研制大型水合物模拟装置，模拟深水钻井过程中钻井循环、起下钻和关压井等各种复杂工况下水合物的生成堵塞条件，得到更为契合深水钻井水合物生成堵塞数据。

(4)当前的水合物防治方法缺乏针对性，过于保守，成本高，不环保，现有的水合物生成风险评价方法现场实用性差，操作复杂，需研究更为合理的水合物生成风险评价方法，让其在水合物堵塞风险较低时，允许在水合物领域内进行作业。

5 结语

(1)V-P模型是传统的天然气水合物生成条件预测模型的基础，尽管其预测天然气水合物生成条件的理论基础强，但却存在模型计算复杂、难以进行推广的弊端。而在智能算法方面，利用其预测深水钻井天然气水合物生成条件研究较少，目前虽有一些模型解决了复杂性问题，同时也具有较好的推广性，但必须是在有大量训练样本的情况下才有效，且方法本身极容易出现局部最优、泛化能力较差等问题。因此提出一种契合深水钻井下水合物生成风险预测模型是很有必要的。

(2)天然气水合物作为一种新的矿物种类，与其他常见矿物相比，研究较少。因此，需要对分析技术和模拟实验进行系统的研究。为了在更接近实际水合物积累环境下进行实验，需要研制符合实际深水钻井工况的水合物模拟装置。因此，得到的水合物物理参数更适合实际应用。然而，符合实际深水钻井工况的水合物模拟装置必然造价昂贵，体积巨大，操作复杂，会给实验带来一定的困难、安全性和耗时性。因此，需要适当的设备用于不同的实验目的。

(3)结合琼东南深水气田群开发钻完井关键技术研究子课题深水钻井多边界条件下水合物生成风险评估与处理方法研究项目，对现存的深水钻井天然气水合物的生成堵塞风险预测模型与天然气水合物生成堵塞风险实验评估进行展望，提出未来深水钻井天然气水合物生成风险的研究重点。