Comments 19
Нефтянеги на Хабре появляются - это гуд! Из сервиса или из добычи?
Главное, чтобы потом без фонтанщиков обошлось :-)
О да, из-за раздолбайства в нефтянке, у ребят из "Западно-Сибирской противофонтанной военизированной части" из Сургута опыт ликвидаций выбросов наверное самый богатейший.
коллеги, рекомендации касаются режимов бурения. риски о которых вы говорите - well integrity. изменение плотности р-ра, из-за чего может произойти потеря контроля над скважиной здесь не рассматривается.
Тогда все эти цифры ничего нам не могут сказать. Дать побольше нагрузку на трубу, повысить скорость работы насосных агрегатов, и промывать ствол фактически водой, это приводят всегда к одним и тем же ошибкам. В конце концов буровкики говорят что виноваты растворщики (я растворшик), ведь стенки не держат, всё сыпит, каверны, и скважина превращается в набор цементных мостов и новых стволов.
Нельзя делать однобокую модель, не учитывая раствор, его реологические модель, работу насосных агрегатов и т.д.
Геофизиков с их непонятными графиками не хватало, теперь и скважины будем по ним делать :) но картинки в центрах бурения в кц можно на стенках рисовать красивые)
Роман, работа интересная! в ней много что можно покритиковать, но в целом, хороший подход, надо развивать.
несколько замечаний и вопросов:
существует довольно много "классических" методов оптимизации проходки в основе которых лежит расчетная модель (без ML). Делали ли вы сравнение прогнозов с какими-либо такими методами?
то, что значения крутящего момента (torque) показывают все что угодно, кроме крутящего момента, можно было сказать и до начала работы. Слишком много параметров влияет и слишком неточная сама система измерения момента. Насколько я понял все параметры вы брали с датчиков буровой, а нее с наддолотной телеметрии? Как вы понимаете, значения (это относится ко все параметрам, даже к ГИС) по глубине осредняются из базы данных по времени. Как они осредняются и сколько отдельных временных замеров попадает в один метр - мы не знаем. Наверное это звучит слишком сложно, но возможно стоит взять временные данные и попробовать вытащить что-то из них (взять например только максимальные или медианные значения из всего массива на каждый метр).
мне кажется, вы зря исключили из анализа расход на выходе (flow in) и взяли только давление на входе (SPP). SPP это функция многих параметров. Кроме flow in на нее влияют конструкция (профиль) скважины и реологические свойства раствора. В общем они взаимозависят, но не заменяют друг друга.
Вообще, на скорость проходки влияет разница между поровым давлением в разрушаемой породе и циркуляционным давлением на забое скважины. Поровое давление надо вводить в модель вручную, циркуляционное давление - функция от SPP и плотности бурового раствора. Наверное если вы считаете что эти параметры более менее одинаковые между все ми вашими скважинами, то можно их не учитывать.
нигде не сказано, у вас все скважины вертикальные? Можно считать, что ствол скважины идет перпендикулярно пласту? Потому что если нет, то это надо учитывать.
в целом это беда всех попыток применения ML в бурении : dataset слишком маленький, а область прогнозирования слишком узкая. Другой участок месторождения или немного другая технология - и модель "превращается в тыкву".
спасибо за столь развернутый комментарий.
Я отвечу по пунктам, чтобы не запутаться.
1.нет не делал. я не буровик, поэтому не смогу сделать то о чем вы говорите.
2.1 на счет Torque - наверное вы правы.
2.2 все параметры с датчиков ГТИ
2.3 на счет усреднения вы опять же правы. мне это усреденение тоже не нравится. но данных по времени у меня нет. в целом - это дельный совет на будущее касаемо извлечения данных. В одной статье использовали данные только при положительном приросте MD, и потом уже с ними работали.
2.4 касаемо предложенного способа осреденения, не соглашусь, чем дескретнее, тем лучше.
3.Касаемо flow_in: исключил по необходимости, это не значит что я советую всем так делать.
4.про поровое: боюсь, что данные параметры никто не расчитывал и не учитывал. по крайней мере, ничего подобного я не нашел в боровой программе. там вообще был просто диапазон для каждого параметра на всю 2-х километровую секцию.
5.вы правы, это нужно учитывать. но в моем случае все скважины вертикальные.
6.именно так и происходит.
как я сказал в статье, если выбросить 1-ю скважину и обучиться на оставшихся 4-х, то при тесте на 1-й скважине совпадение с факт. параметрами практически отсутствует. Беда моего случая - между первой и последней скважиной - 6 лет. поменялись команды подрядчика, заказчика, супервайзера. поэтому огромный разброс по параметрам бурения в одном и том же интервале в соседних скважинах. если закладываться сразу, при бурении первой скважины, что данные будут нужны для последующего анализа и оптимизации, то все может быть по другому. по крайней мере я так вижу.
касаем "тыквы" - как говорилось выше, рекомендации могут работать только для ближайших скважин. Но можно пойти другим путем:
Выделить кластеры в пределах каждого пласта.
Дать рекомендации по параметрам бурения для каждого кластера.
Получая данные в режиме реального времени, прогнозировать праметры ГИС он-лайн и понимая, что вошли в очередной кластер давать соответствующие рекомендации буровикам.
с ув. Роман
Спасибо за развернутый ответ!
В общем, мне кажется надо продолжать развивать такой подход, но и посмотреть на расчетные методы. Может быть в результате вы придете к методу, который включает и "физическую" (расчетную) и статистическую модели.
А там можно и на SPE статью отправить :)
С уважением,
Евгений
Вопрос не праздный есть!
А можно ли с помощью данной методики определить наличие валунов диаметром более 0.5 м
Спасибо за статью. Тема интересная. Думаю, что начало положено, но нужно ещё думать, как эти модели применить на практике.
Похожие результаты для оптимизации можно получить статистическими методами выбрав, например, верхние 25% ROP для каждого отдельного участка скважины и соответствующие этому ROP параметры бурения Torque, WOB и так далее.
К сожалению, как уже упоминалось в предыдущих комментариях, вся оптимизация теряет смысл при перемене геологических реалий или даже индивидуального подхода к работе отдельно взятого бурильщика. Хотя эту переменную можно исправить повышением уровня автоматизации на буровой.
применить оптимизацию можно как минимум на этапе подготовки программы бурения. но опять же, всё упирается в объем и качество исторических данных и удаленность новой скважины от использованных при обучении.
С количеством данных тоже может быть засада. Столкнулся с таким феноменом с двумя разными геомеханиками. При малой выборке каротажных данных, в пределах 5-10 близлежащих скважин геомеханик мог с большой точностью предсказать поровое давление и давление гидроразрыва для новой скважины. Использовался Landmark Predict. Когда же загрузили в базу данные тысяч скважин, прогноз полностью оторвался от реальности. Это конечно не машинное обучение, но результат будет похожий.
так все правильно, когда вы использовали данные из соседних скважин, у вас была высокая сходимость. но когда вы загрузили 1000 скважин, вы получили некий усредненный параметр мало имеющий общего с вашим пластом/пластами.
при наличии изоляционного разлома, даже в пределах месторождения, в скважинах по обе стороны этого разлома может отличаться поровое давление.
а значение гидроразрыва завист от свойств пород, хрупкости например (поправьте если я не прав), которая в свою очередь зависит в конечном итоге от свойств породы. В соседнем месторождении было сделано 3 фрака в одном интервале, в Девоне, во всех трех разное значение гидроразрыва.
таким образом, что у вас прогноз оторвался от реальности - вполне объяснимо.
Бурим быстрее или оптимизация параметров бурения с помощью ML