复杂油气溢漏早期识别与安全控制研究进展*

刘伟 唐纯静 付加胜 宋先知 徐宝昌 计杨杨

(1. 中国石油集团工程技术研究院有限公司 2. 中国石油大学(北京) )

0 引 言

我国深层超深层油气资源达671 亿t 油当量,占总量的34%, 对筑牢我国能源安全具有重要的现实与战略意义。 然而, 深部地层处于高温高压环境且压力体系复杂, 钻井时易引发溢流和漏失等复杂事故, 若不能及时发现和处置, 有可能引发井喷等重大事故, 导致严重的人员伤亡、 经济损失和恶劣的社会影响。 近些年, 几次重大的井控险情接连给人们敲响了安全警钟。 据统计,的井喷事故从发现溢流到井喷失控不足0.5 h, 地面工程师的响应时间短。 随着井深的增加, 井底压力增大, 压力系统变得复杂, 遇到断层和裂缝的概率增大, 易发生溢漏转换、 漏喷同存, 导致井下复杂工况更加难以识别与控制, 井控风险进一步加大。 如何及时发现溢流与漏失并高效精准恢复井筒压力平衡是安全钻井的关键。

现有的井喷风险监测和预警技术的环境及工况适应性差, 监测结果的准确性和时效性难以保证,早期预警精度低, 整体上与国际先进水平差距明显, 不能有效满足日益增加的高温高压井安全钻井和复杂工况对井控的要求。 因此, 为了提高钻井现场溢流漏失早期识别的准确性和有效性, 增强井筒压力控制效果, 笔者开展了针对性研究, 经过技术攻关, 结合应用技术和理论研究, 有效破解了制约复杂油气钻探重大安全难题。

1 国内外研究现状

国外对溢流漏失等钻井风险的预测有着较为成熟的研究。 B.SHAHRIARI 等[1]提出一种流量估计器, 包括检测和识别裂缝地层及井筒之间的流量。该估计器基于数据驱动的机器学习方法, 使用各种钻井案例中生成预标记的数据集, 通过利用LSTM神经网络, 分析现成的钻井数据, 学习井筒动态参数变化, 以便尽早检测到溢流。 C.E.OBI 等[2]提出一种基于深度学习的井筒内部流体流动动态变化, 通过对动态数据进行机器学习, 从而确定井下流体的流动状态以及判断是否发生溢流漏失。N.S.NOORI 等[3]利用浅层神经网络模型, 对具有时间序列性的钻井数据进行分析学习, 计算流体流量, 根据钻井液流量的变化进行溢流漏失钻井风险的识别判断。 A.JINASENA 等[4]通过建立动态数学模型来计算钻井液循环过程中的流体损失, 以及向相关监测系统及时传输流体损失量, 进而进行溢流漏失监测预防。 同时各大公司也有着较为成熟的典型钻井风险识别系统, 如挪威eDrilling Solutions 公司开发的集实时钻井仿真、 3D 可视化和远程专家控制为一体的eDrilling 系统, 斯伦贝谢与BP 公司合作研发的无意外风险钻井系统 NDS[5], 均可钻前预测钻井风险并能够实时处理风险。

国内目前针对溢流漏失等钻井风险的预测系统技术有着较大的发展, 但相对国外较为落后, 还没有一套成熟的系统。 如马鹏鹏等[6]结合钻井远程数据采集与分析系统, 实现了钻井作业动态模拟与井下复杂情况预测与控制, 研发了实时监测与决策系统理论与方法。 杨传书[7]研发了Drill Risk 风险评估系统, 该系统构建了“钻前-钻中-钻后” 体系, 实现了钻前阶段对施工作业潜在风险的预测、钻进过程中风险的实时监测以及钻后风险总结。 岳家平等[8]综合利用井下及地面监测数据, 将深度学习算法中的长短期记忆网络应用于钻井过程中溢漏风险的识别, 从信息全面利用、 智能建立模型2个方面提升溢漏风险识别的准确性, 基于长短期记忆网络模型研发溢漏风险智能识别试验系统软件平台。 李皋等[9]研发了一套井下温度、 压力、 湿度等参数的随钻采集测量短节, 并编制了相关软件,实现了地面-井下数据的随钻监测, 根据所测得的数据建立概率数学模型, 进行钻井风险预测。 同时井底压力的精确计算也是监测溢流漏失发生的重要方法, 如张禾等[10]采用K-means 聚类的方法优化朴素贝叶斯模型, 结合井底压力监测原理, 建立井底压力计算模型, 以用来监测井底压力的变化。 但是纯数据驱动的溢流漏失监测方法在预测过程中的特征值选取较为困难。 近年来, 国内也有部分专家进行机理模型与数据驱动相结合的预测方法研究,如孙伟峰等[11]将动态钻井物理模型与人工智能、数据挖掘算法相结合, 提出基于实时录井数据的钻井监测及事故预警技术。 该技术以钻井施工过程中的综合录井数据作为输入, 利用模型算法来实时准确呈现钻井过程中的井下工况, 预测即将发生的复杂风险。 周家立[12]根据控压钻井动态模型, 结合新的自适应观测理论, 构建新的自适应观测器, 同时与深度置信网络方法、 独立成分分析法相结合,构建钻井过程智能工况诊断方法。

2 技术研究进展

本文从环空气液固三相变质量流动以及受模糊信息、 慢反馈信号耦合作用下环空压力控制理论方法等方面开展研究, 形成溢流漏失自动识别、 气侵自动处理、 多工况井筒压力闭环控制等关键核心技术, 丰富了井筒安全监控技术内涵, 是向自动化、智能化井控风险监控迈出的关键一步。

2.1 多类型地层溢漏识别及井筒压力演变

2.1.1 多类型地层溢流判别和漏失压力计算

根据施加回压后溢流后续发展情况, 提出欠平衡溢流与重力置换溢流2 种溢流类型判别方法[13],若施加回压后溢流量减少, 则是欠平衡溢流类型;若施加回压后溢流量反而增加, 则是重力置换溢流类型。 通过本判别方法, 有效解决了碳酸盐岩储层溢流识别难题。 针对井壁不可渗滤假设和Terzaghi有效应力模型框架约束, 考虑漏失压力与孔隙压力和破裂压力的关系, 基于孔隙压力预测方法, 建立了砂岩和碳酸盐岩2 类地层的极小漏失压力计算模型[14], 可有效预防井漏的发生。 碳酸盐岩地层极小漏失压力等于自然漏失压力。 砂岩地层极小漏失压力等于压裂漏失压力。

2.1.2 气侵条件下岩屑-钻井液的复杂滑移特性

针对深部复杂地层存在井筒温压场计算精度低等难题, 考虑岩屑沉降方位的影响, 通过数千组椭圆、 棒状、 杆状等非球形岩屑沉降试验, 得到了气相、 岩屑形状和沉降方位对岩屑沉降特性的影响规律, 阐明了环空壁面效应及气相滑移对岩屑沉降过程的微观作用机制, 建立了非球形岩屑曳力系数(见图1) 和复杂岩屑沉降末速统一模型[15], 为精确处理固-液滑移特性和建立环空多相流动传热模型提供了理论依据。 图1 中φ为球形度。

图1 不同球形度下岩屑沉降的曳力系数试验结果Fig.1 Measured drag coefficients during cutting settlement with varied degrees of sphericity

2.1.3 井筒-地层耦合的非等温气液固瞬态流动

耦合非球形岩屑沉降特性和井筒-地层对流换热机理, 利用非等温瞬态井筒气-液-固三相流动传热模型[16], 实现井筒-地层传热快速计算、 温度实时动态计算, 为井筒压力计算提供数据基础, 从而有效提高模型精度。 计算结果阐明了井筒-地层换热对井筒多相流动的影响机制, 揭示了复杂流动传热条件下井筒温压动态演化特性(见图2), 为准确描述高温高压井气侵多相流动演化特性和精确预测井筒压力奠定了理论基础。

图2 深井气侵条件下气液固三相流温压演化特性Fig.2 Temperature-pressure evolution of the gas-liquid-solid triple-phase flow in deep wells with gas kick

2.2 溢漏早期自动识别与多源参数定量表征

2.2.1 环空气液固三相流动传热模型高效求解

耦合固-液漂移流模型和井筒-地层对流换热模型, 结合隐式有限差分法, 建立了环空气-液-固三相流动传热模型的高效求解方法[16], 实现了出入口流量变化精细描述, 在保证计算精度的同时提升了求解效率, 为优化气侵预警模型性能和井底压力实时预测提供了理论支撑。2.2.2 漏失量、 速度和井深等关键参数精确计算

根据压差漏失机理, 融合漏失压力与漏失量的非线性关系, 突破传统方法中漏失速度与压差的线性制约, 针对稳定与非稳定状态下漏失量、 漏失速度、 漏失井深等关键参数[17]进行精确反演, 井深反演值在预设值上下波动, 漏失井深反演值平均误差仅为井深的3%, 漏失井深的精确定位能够大幅提高防漏堵漏的有效性。 图3 为漏失反演结果。

图3 漏失反演结果曲线Fig.3 Lost circulation inversion results

2.2.3 基于出入口流量的多策略动态自动校核

针对压力波传播至井底时间及井底压力响应特性的定量分析难题, 根据井底压力与地层压力差导致循环钻井液总体积变化, 建立了井底压力变化与钻井液进出口流量差之间的关系。 根据钻井液出入口瞬时流量差(微分量) 进行信号分析, 利用一定时间内钻井液出入口流量平均量(平衡量) 来校正钻井泵上水效率; 在此基础上, 采用钻井液出入口的累积量(积分量) 来校正流量累计, 真实反映溢流和漏失量。 现场实时采集流量、 工况及参数动态变化, 进而实时验算、 给定目标压力, 最后进行闭环压力控制, 形成一套多策略动态自动校核及压力控制策略方法。

现场应用结果表明, 该方法发现溢流漏失时间较传统录井警报可提前10 min, 实现了早预警、 早控制, 有效提升了井控事故的地面响应时间。

2.3 基于非线性估计的井筒压力闭环控制方法

2.3.1 融合多变量的井筒压力控制3 阶动态模型

针对井下信息源不清晰、 高精度压力控制难等难题, 提出了耦合水力学-管柱力学-机械钻速的多变量非线性动态模型(见图4), 井筒压力控制融合多变量, 以高效调控井底压力与提升机械钻速为目标, 揭示了多个操控变量之间的关联耦合机理。

图4 模型耦合框架Fig.4 Model coupling framework

2.3.2 自适应井下不确定参数的非线性观测器

利用地面可测工程参数, 结合水力学模型实现井下不确定参数(环空摩擦因数、 密度) 和变量(井底流量)联合在线估计, 利用立压、 回压及出口流量等测量数据, 对建模参数进行辨识校正, 提高自适应观测器估计精度, 准确预测井底压力和流量, 为闭环调控提供准确及时的反馈信息[18]。

估计不确定参数的计算结果表明, 即使建模误差达到20%, 观测器仍可对井下钻头流量和压力进行快速、 实时、 准确估计, 真实反映两者变化的趋势, 已成为井下工况快速判断依据。

2.3.3 一定超前量的井筒压力闭环控制方法

基于非线性多变量耦合模型和非线性估计方法, 以保证井下安全为前提, 以减少非生产时间为目标, 协调地面转速、 钻压、 节流阀开度及泵流量等多源操控变量, 强化学习, 明确操作特性、 超前修正综合目标函数, 形成了具有一定超前量的井筒压力闭环控制方法。

2.4 溢流漏失随钻实时识别、 监测方法与系统

人工智能的快速发展, 使其在石油钻井领域的应用也愈发广泛, 如基于事故树或神经网络建立的溢流漏失判别系统, 但是这些系统都是纯机器学习, 其预测精确度取决于学习样本, 这就会造成一定误差。

因此, 为降低该误差, 建立基于机理与数据复合驱动井下复杂诊断方法以及深度置信神经网络的工况判别与分类模型, 进一步研发了井下溢流漏失随钻实时识别与检测系统。

2.4.1 基于机理与数据复合驱动的井下复杂诊断方法

利用动态机理模型估计井下不可测变量(井底流量), 揭示其动态估计机理, 精确预测动态演化趋势, 形成受机理约束、 融合数据驱动的井下复杂诊断方法[19]。 在非线性动态估计算法的基础上,利用独立主元分析方法对立压、 回压、 出口流量及出入口流量差等钻井数据进行处理, 其中出入口流量差等于实际出口流量减去井底流量估算值。

图5 为出入口流量与钻井液池体积变化曲线。

图5 出入口流量与钻井液池体积参数变化曲线Fig.5 Variation curves of outlet/inlet flow rate and mud pit volume

图5 包括正常工况和异常工况, 其中正常工况共有2 段: 0～650 s 以及900～2600 s, 异常工况存在4 段: 660～900 s、 2 600～5 700 s、 5 700～5 870 s 以及5 870～7 600 s。

2.4.2 基于深度置信网络的工况判别与分类

相对于传统的判别模型, 深度置信网络是一个概率生成模型, 是建立一个观察数据与标签之间的联合分布。 通过训练其神经元间的权重, 可以让整个神经网络按照最大概率来生成训练数据。 同时利用独立主元分析提取识别的特征数据, 提高对噪声等干扰的抑制能力, 降低诊断误报率。 如图6 所示, 实际出入口流量与立压、 回压、 出口流量以及流量差等数据经过独立主元处理后得到4 个独立元向量。 4 个独立元向量分别为S1、S2、S3 及S4。

图6 独立主元处理前和处理后数据Fig.6 Data before and after processing via independent component analysis

本文在前述研究的基础上提出“独立主元分析-粒子群算法-深度置信网络” 的自动化、 智能化溢流漏失诊断模型。

经现场应用验证, 工况判断正确率可达95%,真正实现了复杂油气钻井多工况自动化准确判别,工况分类结果如图7 所示。

图7 训练数据、 测试数据与 PSO 优化前后工况分类结果Fig.7 Training data, testing data, and operation condition classification results before and after PSO

2.4.3 井下溢流漏失随钻实时识别、 监测系统

集成上述研究成果, 研制了井下溢流漏失复杂实时识别和监测系统, 实现了无人工干预下, 溢流或漏失量小于0.2 m3时, 自动判断准确率大约80%。 该系统具有钻进、 循环、 起钻及下钻等钻井工况自动标定功能, 能够自动检测溢流漏失[20-21]。

本研究形成的钻井全过程闭环安全控制方法,核心为基于深度置信网络的溢流漏失井下复杂工况的自动识别模型, 具有向智能化发展的潜力。 通过“多变量闭环控制器协同多源变量” 高效精准控制井筒压力, 利用“稳态水力学模型+单操控变量调控” 的手段, 为深层、 非常规、 深水、 极地等战略资源的安全高效勘探开发提供了先进的解决方案。

3 试验与应用

本项研究技术在塔里木碳酸盐地层、 库车山前、 新疆南缘及海洋等勘探开发重点地区开展推广应用, 有效解决了塔里木克深10-2 井、 新疆南缘高泉6 井等高温高压井由于启停泵超大吞吐量、 零密度窗口长程起下钻等导致溢流漏失隐蔽、 控制滞后等难题, 现场多井次应用证明, 溢流漏失发现时间较传统录井警报提前10 min, 最大程度降低了作业风险, 平均复杂处理时间降低66%, 有效提升了我国复杂压力体系安全高效钻井能力。

3.1 克深10-2 井应用分析

3.1.1 复杂井筒环境

克深10-2 井是塔里木盆地库车坳陷开发井, 井底为超高压、 高温环境, 采用密度2.25 g/cm3的超高油基钻井液钻进至中完, 使用尾管封固裸眼地层,采用密度2.18 g/cm3的钻井液进行固井作业, 因此现场钻完井情况复杂。

钻进时在井深6 349.25 m 时发生漏失, 通过测试得到漏失压力当量密度2.28 g/cm3; 钻进过程中出现地层出水情况, 判断水层位置在5 700 m 以上,测试得到折合5 700 m 处盐水层压力当量密度2.26g/cm3。 因此, 该井钻进过程中安全密度为2.26 ～ 2.28 g/cm3, 只有0.02 g/cm3的安全密度窗口。

3.1.2 施工过程分析

克深10-2 井由于超高压、 高温环境及超高钻井液密度条件, 井筒呼吸效应及钻井液弹性较大,开泵流量返出及停泵断流严重滞后, 极易导致溢流漏失误判和漏判。 由于安全密度窗口极窄, 导致钻井液密度过高则井漏, 过低则出盐水或蠕变, 存在严重井控风险。

在现场平衡压力控制固井试验施工中, 建立钻井液出入口精确计量及多策略处理机制, 特别考虑钻井液、 水泥浆、 隔离液密度对裂缝开启压力以及圈闭压力的影响, 采用以下多种措施, 圆满实现“严控水层, 兼顾漏层”, 全过程不溢不漏, 高效完成大排量平衡压力控制固井作业。

(1) 逐步摸索地层安全密度窗口, 通过临界漏失排量、 临界漏失压力(固井时不同排量条件下)、 临界溢流排量及临界溢流压力测算地层安全密度窗口, 形成不同工况下控压探索地层承压操作窗口的新方法。

(2) 固井前最后一趟钻(通井) 充分循环,分别在井底、 套管鞋处关井求压; 固井前最后一趟钻起钻到漏层或高压水层上(套管鞋处或以上),采用多种压重浆帽方式, 下套管过程根据情况考虑分段注替的可能性, 形成适应高压盐水层下套管前控压通井起钻注钻井液帽新方法。

(3) 按照“微过平衡, 防止漏失” 的设计要求开展控压固井作业施工, 固井中控制井底ECD保持稳定, 从而压稳水层、 不溢不漏; 充分分析控压固井施工流程中的关键风险点, 通过精细化控压操作等手段, 循环、 停泵、 注水泥、 替钻井液、 控压起钻、 候凝各个阶段精细控制井口回压, 保证固井质量, 形成微过平衡控压固井多工况全过程压力安全控制新方法等技术。

在施工全过程中, 采用“井底恒压+微流量监测” 方式进行控压通井及扩眼, 根据不同工况,精准调整控压值, 起下钻4 ～7 MPa、 循环排混浆3 ～10 MPa、 候凝憋压12 MPa, 精度高达±0.2 MPa, 全程无溢流和漏失, 有效减少漏失, 节约钻井成本, 保障了完井期间作业及井控安全, 实现了塔里木山前高压盐水层大排量控压固井。 固井质量测试结果表明, 该井创造固井质量合格率100%、优质率85.5%的施工纪录。

3.2 漏失复杂降低效果

此外, 该技术在现场应用时有效减少了复杂时效, 减小了钻井液漏失量。 以塔里木塔中与塔北区块应用成效为例, 与常规钻井相比, 平均漏失量下降82%, 复杂时率下降54%, 平均日进尺提高94%, 目的层钻井周期缩短42%。

4 结论与认识

本文研究成果极大丰富了井筒安全监控技术内涵, 将环空气液固三相变质量流动以及受模糊信息、 慢反馈信号耦合作用下环空压力控制理论方法研究推向新高度, 由此形成溢流漏失自动识别、 气侵自动处理、 多工况井筒压力闭环控制等关键核心技术, 推动井控安全向本质安全迈出关键一步。 得出如下结论:

(1) 建立了井控安全屏障的系统方法, 及时、有效识别甚至准确预测溢漏复杂工况, 更好地解读工况变化, 更早预警、 更高效控制井下复杂情况。

(2) 推动了新一代井筒安全预警技术发展,实现了在无人工干预下, 微小溢流/漏失量(＜0.2 m3) 准确的自动诊断与识别, 缩短了大量人工时间。

(3) 支撑创立了PCDS 中国石油控压钻井高端技术装备品牌, 推动集团公司钻井综合效率与井筒安全水平迈向新台阶, 具有广阔的应用前景。