海上油气田智能化随钻辅助决策技术研究

秦磊，殷小琛，谭伟雄，郭喜佳，李琰

(1.中海油能源发展股份有限公司 工程技术分公司，天津 300452；2.中海石油(中国)有限公司 天津分公司，天津 300459)

随着智能化时代的到来，信息化、智能化也逐步成为生产力和油田核心竞争力之一[1]。智能化随钻决策是在智能化随钻技术研究与应用的基础上，通过覆盖随钻各专业的知识库和分析决策模型构建，为随钻管理和决策提供智能化的辅助手段[2]。智能化随钻决策技术研究及系统的实现，具有以下两个方面的意义：一方面，利用计算机并采用人工智能的方法为水平井随钻导向提供支持，减少技术人员重复性工作，避免人为判断失误，达到提升钻井效率的目的；另一方面，可将油田多年开发生产过程中积累的大量有关随钻的经验和教训加以总结并形成案例库、知识库，从而为解决新的问题提供决策支持。

1 整体流程

笔者通过对随钻技术系统研究，建立随钻案例库和知识库，将现代计算机技术和专家思维融为一体的设计思路实现随钻的自动化和智能化[3,4]。智能化随钻决策技术包括着陆段智能随钻技术、水平段智能随钻技术和智能随钻辅助决策三个部分。

2 智能化随钻技术支持

2.1 智能识别标志层/目的层及判断着陆

智能标志层/目的层识别技术是利用计算机快速准确地识别标志层或目的层，打破以往依靠人工进行地层对比识别标志层的模式。标志层识别所使用的测井曲线是一段连续的测点数据，同时更多关注测井数据的变化趋势[5]。本文采用动态弯曲距离函数模型计算正钻井与邻井的测井曲线相似度大小来识别标志层/目的层。两段数据流间的动态扭曲距离是一种累加距离，即是从距离矩阵的元素(1,1)到元素(n，m)之间的所有矩阵元素之和，两段数据流间的相似性即最小的累加距离[6]，见公式(1)：

(1)

式中：A1、B1表示两段数据流；DTW表示两段数据流A1、B1间的动态扭曲距离；xi为第i条规整路径；N为路径数量。钻前阶段，优选能够识别待钻井标志层的特征参数，然后用邻井的标志层参数特征建立数据库。实钻阶段，接入随钻测井实时数据，利用检索模型计算正钻井与数据库中每一口邻井特征参数的相似度；然后，对各参数相似度综合分析并赋予相应权重，从而得到最终相似度曲线。最后，分析最终相似度曲线是否有异常大峰值或者较高值，从而可判断是否钻遇标志层或目的层。

测井曲线相似度计算模块见图1。在“读入模式数据文件”处导入邻井的标志层参数特征值，在“读入预测数据文件”处导入随钻测井数据，系统根据动态弯曲距离函数模型自动计算两组数据的相似度，并生成各参数的相似度曲线和整体相似度曲线。通过分析，相似度曲线存在较明显的峰值，峰值对应的深度即为目的层所在层位，由此实现了自动识别标志层或目的层的功能。

图1 测井曲线相似度计算模块

2.2 水平段井轨迹与地层界面相对关系自动更新与定量评价

传统随钻测井资料仅能提供地层电阻率信息，无法确定井眼与地层相对位置关系，水平段主要依靠人工根据测、录井响应来判断是否出层。基于随钻测井资料进行实时地质导向与地层界面反演所构建的地质导向模型，可更真实地反映目标层段的地质构造与测井信息[7](图2)。该导向模型中虚线为地层界面，可清晰刻画出地层的展布特征和构造信息；实线为实钻井轨迹，可明确仪器与地层界面的相对位置关系以指导钻进方向。比较地层对比等传统方法，该技术降低了不确定性及风险，可提升作业效率。

图2 水平井地质导向模型

地层界面反演流程见图3。钻前利用井区地质、地震资料建立地层模型作为反演初值。实钻过程中，充分利用正演模拟计算随钻测井响应，并与实钻测井资料进行对比，通过多次反演和迭代不断调整地层模型，最终使得模拟曲线能与实测曲线很好地吻合，从而确定地层最佳参数。该技术能够实时获取随钻测井资料，自动并直观地展示出地层展布特征和构造起伏，并定量地描述出井轨迹和地层界面间的相对位置关系，极大地提升水平段随钻作业的自动化程度。

2.2.1 二维模型引入地质约束条件

根据邻井及其他已知信息建立好地质模型后，在三维地质模型中规划好井眼轨迹，通过向XZ平面进行地质信息投影，从而把三维模型转化为沿井轨迹的二维模型。

图3 地层界面反演流程

2.2.2 钻前地质建模与测井响应模拟

为在钻前了解可能遇到的地质问题与测井响应，建立井眼钻遇目标层的判断标准，应进行钻前地质建模与测井响应正演模拟。沿井眼轨迹采用正演算法可以获得钻前测井响应曲线，方便与实钻测井曲线对比，为下一步的地层界面反演提供数据基础。

根据伽马探头探测范围与地层界面的不同空间关系，将不同位置地层在探头处的伽马射线通量贡献分别进行积分，得出不同空间关系下的自然伽马测井响应正演算法[8]，见公式(2)：

(2)

式中：rR表示探测器到伽马射线源的距离，m；E表示伽马射线的能量，MeV；Nref(rR,E) 表示探测器最终记录的伽马计数；Фref(rR,E)表示探测器位置处的伽马射线通量，m-2；r表示地层到探测器的距离，m；Ω表示地层与探测器之间的方位角，(°)；Ф(r，E，Ω)表示与探测器距离为r、方位角为Ω的放射性地层处产生的能量为E的自然伽马射线空间通量函数；R(r，E，Ω)表示与探测器距离为r、方位角为Ω的放射性地层处产生的能量为E的自然伽马射线空间灵敏度函数。

根据层状各向异性介质偶极子源电磁场递推算法，采用时域有限差分亚网格和共形网格技术正演随钻电磁波测井响应[9]。首先将地层设置为电性各向同性的有耗介质，其本构方程为公式(3)：

D=ε·E，J=σ·E

(3)

地层磁性为公式(4)：

B=μ·H，Jm=σm·H

(4)

此时，在无源区Maxwell方程微分形式见公式(5)、公式(6)：

(5)

(6)

式中：D为电场感应强度，V/m；ε为地层介电常数，C2/(N·M2)；E为电场强度，V/m；J为电流密度，A/m2；σ为地层电导率，S/m；B为磁场感应强度，A/m；μ为地层磁导率，H/m；H为磁场强度，A/m；Jm为磁通密度，Wb/m2；σm为地层磁导率，H/m；为电场或磁场的变化梯度；t为时间，s。

2.2.3 实时地层界面反演

沿着设计的井眼轨迹计算随钻电磁波测井仪器在初始地质模型下的模拟测井曲线。将实测曲线与模拟曲线进行对比，判断当前的地质模型及井眼轨迹是否与最初设定的相匹配，并对之后的曲线形态做出预测。不断迭代调整模型，最终使模拟曲线能与实测曲线很好地吻合，从而构建出地质导向模型，见图3。

利用线性转换的方法，重构后的自然伽马值可采用公式(7)计算[10]：

G1=b+(a-b)Vsh

(7)

式中：G1为重构后的自然伽马值；a为设定的重构后目的层段纯泥岩所对应的自然伽马值，API；b为目的层段纯砂岩所对应的自然伽马值；Vsh为采用测井解释方法得到的泥质的体积分数。

随钻电磁波测井反演可转换为求实测资料Ra与模拟响应S的最小二乘问题，反演目标函数满足公式(8)[11]：

(8)

为获取目标函数的最小值，采用正则化Gauss-Newton 方法求取。在第t次迭代时，仪器附近的地层界面位置可用公式(9)确定：

(9)

式中：m为待反演的参数矢量；mref为已知参考模型；t为迭代次数；J为雅可比矩阵；S(mt)为迭代t次后的正演响应；Ra为实测视电阻率数据；Xt为迭代t次后的正则化系数；I为单位矩阵。

3 智能化随钻辅助决策

水平井随钻分为着陆段和水平段两个阶段，自动识别标志层/目的层和地层界面自动更新技术分别实现和提升了其自动化和智能化水平。但是，水平井实施过程中难免会遇到地质油藏、工程等不确定性，非结构性、非数值化的“黑箱”难题，需要进一步集成处理地质、工程和井眼信息以及智能案例推理，为随钻决策提供智能化的辅助和建议[12]。

智能化的随钻辅助决策主要是采用基于案例推理技术将油田建设过程中积累的丰富知识和专家经验通过更为便捷的案例库和知识库形式来管理，当随钻过程遇到一个新的随钻问题需要解决时，系统根据关键的特征在随钻案例库中进行检索，找出与随钻遇到问题最相近的候选案例，并借鉴和重用此候选案例的解决方法和专家经验，在随钻的关键决策环节和疑难问题处理上为工程师提供辅助决策和参考。

基于上述理论实现随钻辅助决策，主要解决案例特征提取、表示结构及匹配检索等关键问题。

(1)随钻案例特征提取。围绕油田开发过程中应对储层实钻变化的分析决策和后续方案的优化调整实现产能目标这条主线，从随钻管理和技术应用入手，对随钻遇见问题进行了全面和细致分析，归纳和总结出了随钻问题类型的划分方案，可概括为“二段三级四主控因素”分类法(见图4)。该分类方案以地质条件、油藏条件、技术条件和工程条件变化为主控因素，再基于随钻技术和管理特点进行了三级细分，把着陆段和水平段两个关键阶段遇到的问题划分出了一级八个大类，二级十六个关键问题，三级四十余个具体问题。该分类方案既能覆盖绝大部分随钻问题，又能展现出各类型间的差异性。该方法可为智能化随钻决策支持系统中案例库和知识库的建立提供数据基础，也可为基于案例推理人工智能的实现构建出必需的业务逻辑关系。

图4 随钻影响因素分类

(2)随钻案例表示结构。基于案例推理依托于对案例库的构建，此案例表现形式的选择十分重要。在对收集到的随钻案例详细分析后，选取利用提取实例特征来表示案例的框架表示法，将一个个随钻案例表示成一组特征信息。框架表示法是以框架理论为基础、将陈述性和过程性知识相结合的一种结构化的知识表示方法[13]。框架是一种描述对象属性的数据结构，其中的框架、槽、侧面可以描述各种各样的信息。由于随钻案例主要由描述性知识构成，因此可以采用框架表示随钻案例，如图5所示。随钻案例的框架模型包含Mark标志、问题描述、特征、解决方案和结果描述5个槽名。以槽1为例，它又由案例名称、油田名称等侧面组成；类似的，其他几个槽也包含多个侧面。这样一种案例框架表示法，能够把随钻案例主要信息和特征很好地呈现出来，是后续案例检索、匹配得以实现的基础。

(3)随钻案例的检索。随钻案例检索主要是研究两个不同随钻案例之间的相似性，即计算随钻案例采用框架结构表示之后各个特征参数

随钻案例NO.××槽1:Mark标志 侧面1:案例名称 侧面2:油田名称 侧面3:区块名称 侧面4:油层组 侧面5:小层号 侧面6:代表井号槽2:Question问题描述为文本型文字说明,可添加附件槽3:Feature特征图5 随钻案例的框架结构模型

之间的相似度[14]。首先将待解决随钻问题提取特征参数作为随钻案例检索计算的初值，再利用相似度计算函数计算初值和随钻案例库中每一条案例的对应参数的相似度，见公式(10)：

(10)

式中：X(xi)为目标案例(第i个)特征参数；Y(yi)为源案例的(第i个)特征参数；Simnum(X，Y)为相似度计算函数；f(xi,yi)为向量之间的距离函数；Wi为权重。

(4)随钻案例的修正与重用。当完成一口新井的随钻后，应及时录入随钻案例库以保持数据不断更新。若已存在类似案例，则无须重复添加。当检索出的相似案例仅能满足实际随钻中的部分要求，需要对案例进行补充或修改，再录入案例库。

4 实施效果

该成果依托渤海油田B区块综合调整项目实施和应用并取得初步成效。在复杂储层段，着陆段目标储层深度预测平均误差控制在1.6 m左右，水平段油层平均钻遇率超过90%(见图6)。同时，区块内的6个井区的单井日产油均超过油田开发方案的设计标准(见图7)。整体上，可降低井下复杂情况和钻井事故的发生概率，缩短随钻人员面临复杂问题的决策时间，避免人为错误的出现，提升钻井效率。

图6 水平段油层钻遇率统计

5 结论

(1)通过曲线相似度的计算实现对标志层及目的层的自动识别，能够提升水平井着陆段作业的效率和效果。(2)基于随钻测井响应反演可实现井眼轨迹和地层界面位置关系的随钻分析，有效提升水平井水平段的储层钻遇率。(3)基于案例推理的随钻辅助决策技术有助于规避地质油藏风险、提高钻井时效，对于油田智能化的相关研究具有借鉴意义。

图7 投产初期单井日产量和油田开发方案(ODP)对比