基于机器学习与态势感知技术的钻井液大数据分析与智能决策,支持平台建设

打开文本图片集

摘 要：如何科学地管理和使用钻井液对提高钻井效率，降低钻井成本具有重要意义。长期以来，国内钻井企业在施工中使用钻井液主要依靠专家的个人经验知识，缺乏数据支撑。长庆钻井进行了长期的信息化建设，收集并积累了海量的钻井液使用历史数据，这些数据中隐藏着丰富的指导钻井液科学管理和使用知识。文中项目的目标是建设国内首创的钻井液大数据分析与智能决策支持平台，利用当前新兴的物联网通信、智能终端、云计算与大数据分析处理技术，收集、挖掘、整理出数据中隐藏的知识，结合态势感知和人工智能方法为井队提供科学准确使用钻井液，规避与处理风险的辅助决策功能。经试点单位实际使用后，实践结果表明，该平台功能丰富，操作方便，人机界面效果良好，数据分析结果准确可靠，自动化和智能化水平较高，能切实为钻井人员提供科学的技术支持及优秀的方案建议，可有效预测、解决生产现场的问题，较显著地节约了钻井成本。

关键词：钻井液;大数据;机器学习;智能平台;云计算;APP

中图分类号：TP309 文献标识码：A 文章编号：2095-1302（2019）05-00-03

0 引 言

钻井液是钻井过程中使用的循环流体，是液体与化学处理剂的混合物，更是钻井工程的血液，在钻井过程中起着护壁防塌、携砂防卡、润滑防粘等诸多功能。鉆井作业中钻井液的性能与主要处理方法不同，直接关系着钻井过程的成败，通过及时、准确地观察分析钻井液量及性能变化、钻井液参数变化以及及时收集钻井液数据资料并对异常情况及时进行报警、处置，可降低及至消灭井漏、井塌、井涌等井下事故。

川庆一体化平台[1]进行了2年的开发建设，建立了比较完整的系统架构、数据库、ipad平板数据采集和分析系统。信息技术和钻井液技术的发展对信息系统提出了新的需求，数据的采集要更简洁、快捷、方便，同时对钻井液数据的应用分析要求也更高。

钻井液大数据分析与智能决策支持平台将设计与川庆一体化平台相结合，将无线传输数据源接入钻井数据库管理系统，进行统一管理，作为实时分析的数据来源，使用多维分析工具、大数据分析工具和人工智能分析工具等多种工具对各影响因素进行组合分析，通过自定义的分析规则模型将专家理论知识、技术标准、经验、实践转换成计算机自动调用的分析判断规则，提供预警、分析结论和推荐方案，从而为企业提高效率和提升管理水平提供支持。

1 相关工作

国内外已有许多著名专家学者研究了钻井液的智能化管理和应用工作。康力等[2]设计了一种钻井液专家智能系统模型，可分析不同区块、不同地质环境下钻井液使用实例的众多数据，给现场作业提供指导。徐超[3]研究出基于范例推理的钻井液配方专家系统，该系统根据对油井各阶段的地层特点、井身结构、钻井措施等具体条件的分析，为现场钻井提供可靠的设计参数，方便技术人员正确地选择钻井液类型，同时能够通过多维分析工具和智能分析工具为提高钻井液配制效率、改进钻井措施、节约钻井时间等提供强有力的决策支持。李柏岐等[4]通过单片机控制超声波的发射与接收，测量已知参数超声波衰减值，通过计算机计算出当前位置钻井液泥浆的实时密度，间接计算泥浆黏度，同时测量当前测量点泥浆温度与泥浆流速。Ye等[5]建立了钻井液侵入单裂缝预测模型，利用该模型预测塔里木盆地某区块碳酸盐岩储层目前所用钻井液的侵入程度，并对其相关性进行预测。虽然国内外关于钻井液智能研究的课题和项目较多，但是目前还没有一个钻井液智能平台能够集合并实现诸如：钻井液性能、处理剂使用、重点维护措施、井下事故复杂的统一管理;对以往海量历史数据所蕴藏的规律进行知识挖掘，通过机器学习的方法给技术人员提供安全可靠的建议和决策;存储近年所发生的电测遇阻、井塌、溢流和井漏等井下复杂情况和各类事故处理的相关资料，为现场事故复杂的预防和处置提供依据与参考;显示丰富的钻井液相关数据图标，给各级管理人员提供方便、简单、快捷、直观、准确的信息展示等功能。因此，本文提出的国内首创的钻井液态势感知精准分析智能决策平台彰显出其重要的实用性与应用性，同时对推进“数字化油田建设”具有重大意义。

2 平台的设计与实现

2.1 设计目标

本文钻井液大数据分析与智能决策支持平台的目标是：建设具有钻井液技术数据采集、分析的应用手机APP[6];建设井下事故复杂钻井液技术共享库，实现钻井液技术指导方案的分析应用;进一步优化钻井液数据库和钻井液技术的分析功能等。钻井液信息技术一体化平台建设一期系统的功能需要进行补充、完善及扩展，具体包括以下几个方面：

（1）以已建成的钻井液数据库为基础，集成无线传输系统数据源，结合川庆一体化平台，建立钻井液信息技术一体化平台数据中心和相关APP的开发应用，实现钻井液性能监控[7]、钻井液处理剂使用、重点维护措施、井下事故复杂的统一管理;

（2）通过多维分析与智能分析工具的开发应用，实现对海量历史数据信息中隐藏的、潜在的、规律性的、有价值的信息的知识挖掘，方便灵活地借助分析工具对钻井液相关数据进行分析统计，从而达到让数据说话的目的，更好地辅助各级管理人员科学地工作;

（3）以各项技术方案标准和内部专业团队的专业知识经验为基础，采用数学方法将文字信息进行数学化处理，达到通过规则对实时调用采集的各系统数据信息的自动计算，产生分析结论与预警提醒，从而达到风险预控与知识共享的目的;

（4）将近年所发生的各类事故信息（如事故类型、区块、井型等）以及对电测遇阻、井塌等井下复杂情况处理的相关资料进行整合，建立钻井液事故案例信息共享库，通过对关键字段进行信息智能搜索，获取相关资料信息，从而达到为现场施工中复杂事故的预防和处置提供依据与参考的目的;

（5）为各级管理人员提供一个方便、简单、快捷、直观、准确的信息展示平台，使用丰富的图表直观地显示各种分析结果，方便决策者找出问题关键，制定相应的管控措施，及时做出正确决策。

2.2 平台的实现

本文平台研发智能钻井液数据采集体系，开发手持式数据采集终端，支持数据、文本、语音识别、图像、视频等多种形式内容的数据采集，改变了井场数据的采集模式，既有大数据分析、人工智能[8]决策功能，又能实际有效地解决生产现场问题，是国内首创、国际领先的钻井液决策平台，实现了跨平台开发，不僅完成了桌面端的开发，又可在移动端使用具有相同功能的APP。手机APP端模块全面，功能丰富，具有注册/登录界面、用户授权、身份验证、数据录入、记录查询、基础配置、危险预警、钻井液小助手、钻井数据分析、钻井液案例分析库、视频通话、公式计算、趋势分析、参考值推荐、在线数据上传等功能。同时，该平台能提供钻井液汇报表、钻井液事故复杂地图、钻井液综合查询、数据统计图表分析、用料分析、钻井液成本分析、钻井液井史、信息设置、钻井液技术方案维护等模块，方便用户使用。在数据处理分析方面，建立钻井液数据处理、统计、分析架构，采用SVM（支持向量机）、人工神经网络、马尔科夫模型、线性回归、朴素贝叶斯、Aprior关联分析、K-means聚类分析等机器学习方法，对钻井液性能与处理剂用量等数据进行分析，为现场技术人员提供了可靠的数据支持。平台还具有翔实的技术方案知识库，实现了技术方案智能推送以及在线比对、评价、预警等功能，同时该知识库能自动优化更新，为推动钻井液技术提升提供数据支撑。平台还建立了钻井液事故案例信息共享库，包含近年所发生的各类事故信息以及对电测遇阻、井塌、溢流、井漏等井下复杂情况处理的相关资料。方便现场施工中对复杂事故的预防与处置，实现了事故文字、照片、视频上传功能。

2.2.1 技术与功能特点

（1）平台技术架构

平台由三个层次、两套系统构成。平台的三个层次如图1所示，其构成为：

①数据采集与集成管理。设计该层能够实现数据的采集工作，将所利用到的结构化（数字信息等）或者非结构化（文字、图片信息等）数据统一集成管理，以便找寻其中关联的、隐藏的、有价值的信息，满足对数据分析的需要。

②数据分析。本层设计的目的是方便利用各种分析工具对采集到的数据进行有价值的挖掘，发现隐藏在数据中的知识;同时使用形式多样的数图分析软件，使数据成图，让数据“活”起来，从而达到让数据说话的目的。

③数据服务。通过充分利用企业现有数据信息与各种规律、规则信息为分析结论、预警、推荐方案及管理决策提供数据支持。

分层设计的原则是各层有各层的职责，各层实现各层规定的功能，同时各层间又有紧密的联系（通过接口），使系统结构清晰、有条理，方便管理。如果某一层出现问题，直接在该层修改即可，大大降低了对其他层的影响，能够有效实现“高内聚、低耦合”的效果。

平台的两套系统分别为钻井液信息一体化平台手机APP端与钻井液信息技术一体化平台电脑端。

总体技术架构采用软件分层设计的方法与SOA架构，中间层采用流行的Spring+Mybatis，Web层MVC框架采用Spring MVC，业务逻辑层采用DAO组件，数据服务层采用MyBatis，将原有系统兼容性较好的SOA技术架构作为满足客户数据服务响应需求的技术解决方案。采用ETL与数据仓库技术实现已有的异构信息系统数据集成，立足现有云平台建立能够接入各已有异构信息系统的数据总线，定义各信息系统的数据服务，建立服务目录，使授权用户可获取所需的数据服务。

（2）平台移动端解决方案

以已有钻井液数据库为基础，采用数据集成ETL技术，在不影响原系统数据安全的前提下接入无线传输系统数据源，同时结合已建成的川庆一体化平台，按照约定的数据规范与接口，建立钻井液信息技术一体化平台数据中心。移动端选择业内最新、与平台无关、支持包括Android移动设备在内各种设备的HTML5+css3.0+bootstrap技术作为人机交互前端的开发方案。采用业内最新的Cordova+ionic+angularjs技术方案作为基层井队开发移动设备上使用的Web APP，该APP具有良好的兼容性，同时支持iOS和Android操作系统，安全可靠，可扩展性好。

（3）使用人工智能辅助智能决策

本文项目使用基于机器学习与数据挖掘技术助力决策系统，具体如图2所示。平台依靠多年来积累的钻井数据，采用算法拟合生成单井单因素、多因素及多井单因素、多因素条件下的趋势分析曲线，向用户更直观地反映各因素对钻井效果的影响变化趋势。同时，采用人工神经网络，SVM，CNN等深度学习方法，利用各区块钻井记录作为训练数据，建立钻井液性能与机械钻速、钻井周期的关联模型，为新井开钻提供钻速预测与科学方案推荐;利用支持向量机和神经网络等机器学习与知识发现的方法，采用Web GIS技术在地图上显示异常井的分布坐标、区间、异常类型、发生频度与建议处理预案，利用现有异常井历史数据，通过数理统计与数据挖掘方法总结出特定异常发生阈值，并自动在移动终端与桌面终端上向用户预警。通过多维分析与智能分析工具的开发应用，实现对海量历史数据信息所蕴藏的规律信息的知识挖掘，确立分析模型;以各项技术方案标准与内部专业团队的专业知识经验为基础，采用统计学与语义处理方法将文字信息进行量化处理，建立可被计算机执行的分析规则，实现分析结论与预警提醒功能。

（4）稳定的系统

为了保证系统的稳定性与持久性，开发过程中对系统进行多层次、全方位、多角度的测试与bug处理工作。对手机APP进行安全测试，包括软件权限、安装与卸载安全性、数据安全性、通信安全性、人机接口安全性测试;对手机APP进行UI测试，用户界面（如菜单、对话框、窗口及其他控件）布局、风格是否满足要求，文字是否正确，页面是否美观，文字、图片组合是否完美，操作是否友好等;完善汇报功能，根据日期与项目部抽取早晚数据生成钻井液汇报表、每天钻井液班报信息;增加早晚抽取数据存储过程，增加语音、视频、图片查看，优化SQL查询性能与系统界面，修复bug;整合钻井液信息技术一体化平台，充分结合一期、二期项目，增加项目的连结性、兼容性。

3 结 语

本文介绍了国内业界首创的钻井液大数据分析与智能决策支持平台的设计与实现。该平台完成了桌面端与移动端的建设，方便办公室与现场人员迅速处理钻井液等相关情况;底层方面采用先进科学的技术架构，为系统的稳定持久提供支持;功能上丰富完善钻井液相关功能，尤其是其中大数据与机器学习技术下的多维分析与智能分析工具的开发应用，更使工作人员受益良多;平台中大量使用图表，这种可视化操作将数据从多个视角与维度进行展现，为不同的用户提供个性化、自动化及智能化程度较高、方便快捷的辅助决策功能。实践结果表明，该平台完整地实现了预期的设计目标，其投入使用可為公司显著地节约成本，提高工作效率，是不可多得的优秀平台。

参 考 文 献

[1]刘胜娃，李卫，张越.长庆钻井公司统一通信平台的设计与实现[J].物联网技术， 2017，7（4）：68-69.

[2]康力，鲜明，廖孝元，等.钻井液专家智能系统的模型与设计[J].石油工业计算机应用，2016（2）：12-15.

[3]徐超.基于范例推理的钻井液配方专家系统的研究[J].石油工业计算机应用， 2015（1）：35-37.

[4]李柏岐，白忠飞，李彦秋.钻井液泥浆参数监测系统的研究[J].机械工程师， 2016（4）：185-186.

[5] YE Y，AN W，TENG X，et al.The prediction model for the drilling fluid invasion in fractured carbonate reservoirs[J].Acta petrolei sinica，2011，32（3）：504-508.

[6]刘胜娃，苏兴华，詹胜.基于安卓的钻井液班报系统的设计与实现[J].物联网技术，2017，7（4）：114-116.

[7]霍东媛，高凌云，刘晗.高清数字视频监控系统在钻井现场的研究与应用[J].物联网技术，2014，4（3）：28-30.

[8]张放.人工智能的发展之路[J].物联网技术，2017，7（1）：10-11.

[9]李大奇，曾义金，刘四海，等.基于分形理论的粗糙裂缝钻井液漏失模型研究[J].石油钻探技术，2017，45（4）：46-52.

[10]张蔚，蒋官澄，王立东，等.无黏土高温高密度油基钻井液[J].断块油气田，2017，24（2）：277-280.