Status and Prospect of Artificial Intelligence Application in Fracturing Technology
-
摘要:
随着人工智能理论和计算机技术的快速发展，智能化和数字化已成为推动储层压裂技术发展的重要力量。针对压裂技术智能化发展，阐述了人工智能技术在地质参数预测、压裂参数优化设计、压裂施工实时诊断与调控、压裂工具及材料研发等方面的研究进展与应用情况，分析了当前智能压裂技术发展存在的主要问题与今后的重点发展方向，认识到智能压裂技术仍处于探索试验阶段，国外在“甜点”智能识别、压裂参数优化、现场施工智能化控制等方面的研究已走在前列，并在北美地区多个区块的压裂服务中成功应用，国内仅在压裂大数据机器学习、智能化压裂材料等方面进行了早期探索，在智能压裂装备、工具、实时监测诊断和现场智能化调控等方面的研究与应用较少，与国外存在较大差距。分析认为，数据样本可靠性差、一体化智能压裂方法与装备欠缺和多领域交叉人才缺乏等是影响智能压裂技术快速发展的关键问题，并预测随着万物互联技术的发展，将形成智能化完井压裂系统，不需要人工干预即可完成储层评估、“甜点”识别、压裂参数优化设计、现场调控和压后评估等工作，真正实现一体化智能储层改造。
Abstract:With the rapid development of artificial intelligence (AI) theory and computer technology, intelligence and digitalization have become important forces to promote the fracturing technology of reservoirs. In terms of the intelligent development of the fracturing technology, the research progress and application of AI technology in the prediction of geological parameters, optimization design of fracturing parameters, real-time diagnosis and control of fracturing construction, and development of fracturing tools and materials were introduced. The main problems existing in the development of the intelligent fracturing technology as well as the key development direction were analyzed. It suggests that the intelligent fracturing technology was still in the stage of exploration and trial. Foreign countries have taken the lead in the intelligent identification of sweet spots, optimization of fracturing parameters, and intelligent control of field construction, and they have obtained successful applications in fracturing services in several fields in North America. China has only carried out early exploration in fracturing big data machine learning, intelligent fracturing materials, and there was no significant progress in intelligent fracturing equipment and tools, real-time monitoring and diagnosis, and intelligent field control. Therefore, there is a gap between China and other countries. The key problems affecting the development of intelligent fracturing technology were proposed, including the poor reliability of data samples, the lack of integrated intelligent fracturing methods and equipment, and the shortage of interdisciplinary talents. It was also predicted that with the development of the Internet of Everything technology, an intelligent completion fracturing system would be developed, which could complete reservoir evaluation, the sweet spot identification, optimization design of fracturing parameters, field control, post-fracture, etc. without human intervention. At that point, the integrated intelligent reservoir stimulation could be truly realized.
-
我国超深层油气资源勘探开发进程加快，如塔里木盆地、四川盆地的钻探深度已达8 500～9 000 m，并实现了超深油气藏的有效开发[1-2]。其中，准噶尔盆地超深层油气资源仍处于勘探开发初期，其主要原因在于，受海西、印支、燕山、喜马拉雅运动对盆地构造的改造，深部地层具有压力体系复杂、地应力复杂和岩性复杂等特点，钻井过程中存在“漏、溢、塌、卡、慢”等问题，导致钻井周期长、成本高。随着第一口日产千吨油井（GT1井）诞生和莫南凸起的初步动用，近来年加大了准噶尔盆地超深层油气资源的勘探开发力度，使超深井钻井技术取得了长足进步，但井下复杂情况时有发生、深部地层机械钻速仍然较低，仍是制约其超深层油气资源高效开发的主要因素。针对该问题，笔者分析了准噶尔盆地39口超深井（井深超6 000 m）的钻探情况，剖析了钻井存在的主要技术难点及原因，总结了钻井的成功经验及存在的不足，提出了准噶尔盆地超深井钻井技术发展建议。
1. 超深井钻井主要技术难点
准噶尔盆地面积13×104 km2，油气资源量超过100×108 t[3-4]。该盆地自上而下依次钻遇第四系（西域组）、新近系（独山子组、塔西河组、沙湾组）、古近系（安集海河组、紫泥泉子组）、白垩系（东沟组、连木沁组、胜金口组、呼图壁组、清水河组）、侏罗系（齐古组、头屯河组、西山窑组、三工河组、八道湾组）、三叠系（白碱滩组、克拉玛依组、百口泉组）、二叠系（上乌尔禾组、下乌尔禾组、夏子街组、风城组、佳木河组）、石炭系。受盆地构造变化大、超深层油气物源差异大等因素的影响，超深井钻井井下复杂和机械钻速低的原因也不尽相同。
1.1 易发生井漏和溢流
在准噶尔盆地超深井钻探过程中，受地层、压力、断层等不确性因素的影响，易发生井漏和溢流。例如，MS1井钻至百口泉组以后，发生20次井漏，共漏失钻井液1 711.10 m3，主要漏失层位为上乌尔禾组、下乌尔禾组及石炭系；Z10井钻至百口泉组后发生2次溢流，压井后逐步提高钻井液密度，导致发生井漏，共漏失钻井液1 084.77 m3。
含油气盆地泥页岩形成异常高压，主要有不均衡压实、流体膨胀、超压传递、构造挤压和成岩作用等5种原因[5-7]。渗透性砂岩超压流体的形成机制极为复杂，包括自源超压、邻源超压和他源超压[8]。准噶尔盆地油藏类型多，这些形成异常高压的机制均有可能，但不同区块形成异常高压的表现不尽相同。该盆地腹部白垩系中部以浅地层为正常压力系数地层，此后压力系数开始升高，进入侏罗系后压力系数迅速升高，三叠系的地层压力系数达到最高，从二叠系开始地层压力系数逐渐降低，石炭系地层压力系数进一步降低。例如，沙湾凹陷Z10井侏罗系三工河组下部和八道湾组为压力过渡带，压力系数由1.35升至1.78，三叠系白碱滩组和百口泉组压力系数达到2.00～2.08，二叠系乌尔禾组压力系数为1.61～1.82。准噶尔盆地南缘新近系为常压地层，压力系数主要集中在1.15～1.35，古近系压力系数为1.60～1.80，白垩系底部和侏罗系地层压力系数为1.80～2.30[9-10]。
1.2 井眼失稳问题突出
钻井过程中发生井眼失稳，表现为掉块、遇阻、卡钻、电测卡阻等现象，根据统计，此类复杂情况占到井下复杂情况的近70%。引起井眼失稳的主要原因有3种：泥页岩水化膨胀、应力坍塌和破碎性地层掉块。通常钻遇多种因素共同作用的地层，保持井壁稳定更加困难。
1.2.1 泥页岩水化膨胀
白垩系清水河组黏土矿物含量在10%左右，其中，伊利石含量30%～40%，伊/蒙混层含量30%左右。侏罗系头屯河组黏土矿物总含量在25%左右，黏土矿物中，高岭石和绿泥石含量低，伊利石含量在20%左右，伊/蒙混层含量高（达到60%～70%），蒙脱石以间层黏土矿物伴生形式存在。由于伊/蒙混层是伊利石与蒙脱石叠置而成，伊利石和蒙脱石的水化膨胀特征、膨胀压力不同，层间受力不均，致剥落坍塌[11-13]。如D3井清水河组和头屯河组井段的井径扩大率达20%左右，全井共发生井下复杂情况25次，与井眼失稳相关的复杂情况17次。
1.2.2 应力型坍塌
由于准噶尔盆地普遍存在异常高压地层，而且盆地构造复杂，构造应力大，两者相互作用，造成地层应力大、且主应力差异大，成井以后井周剪切应力增大，易发生应力型坍塌。准噶尔盆地的演化分为碰撞–成盆阶段、压陷–挠曲阶段、挠曲–坳陷阶段、坳陷–沉降阶段和再生前陆盆地等5个阶段，其中压陷–挠曲作用为盆地演化提供了重要动力[14]，断层发育、构造应力复杂。盆地腹部压扭断层“双重复杂”发育特征，呈多个组系、多种组合样式展布。燕山期压扭应力场强度及基底岩层抗剪切强度联合控制了侏罗系断裂体系发育状况，导致在强压扭变形过程中压扭断裂带的贯穿方式不同，盆地从南向北及盆地腹部发生了明显左旋，最大主应力方向为北北东向[15]。准噶尔盆地南缘在东西方向分段，包括东段（阜康断裂带）、中段（山前冲断带）与西段（四棵树凹陷）；在南北方向分排，包括第一排（齐古断褶带）、第二排（霍玛吐背斜带）和第三排（呼图壁—安集河—西湖背斜带）；整体上以挤压变形为主，发育典型的与断层相关的褶皱构造，包括断冲褶皱、断展褶皱、滑脱褶皱、断弯褶皱和断束褶皱[16]。这些褶皱造成构造应力大，如侏罗系齐古组喜马拉雅晚期，南缘中段最大主应力自东向西依次为60～150，90～180和180～240 MPa，明显逐步增大，南缘西部四棵树凹陷的最大主应力基本在120～240 MPa[17]。
1.2.3 破碎性地层掉块
准噶尔盆地南缘冲积扇第四系西域组、新近系独山子组、塔西河组存在疏松砂砾岩，地层胶结性不强，大块砾石易掉落。例如，T1井第四系的厚度为676 m，全为砾岩夹含砾粗砂岩，新近系独山子组的厚度为1 963 m，其中砂、砾岩层最大厚度38 m，一般为2～5 m，累计厚度690 m，占地层总厚度的35.2%；GQ6井第四系的厚度达到2 824 m，岩性为含砾泥质细砂岩、含砾细砂岩、砾岩、砂砾岩。同时，受多期构造运动的影响，准噶尔盆地形成了近10个不整合间断面[18]，钻进时易出现坍塌掉块，例如，2010年以前莫南凸起钻探了7口井，白垩系清水河组底部不整合面发生处卡钻、划眼15次，占井下复杂情况的50%；MS1井钻遇二叠系与石炭系不整合面后，地层裂缝较为发育，缝宽主要在1～2 mm，裂缝密度10～20条/10cm，钻井过程中发生了井漏、掉块卡钻等井下复杂情况，处理复杂情况用时485 h。
1.3 机械钻速低
准噶尔盆地腹部深部地层平均机械钻速仅2 m/h左右，南缘深部地层平均机械钻速仅约1 m/h，造成机械钻速低的主要原因是钻遇复杂岩性地层、高压地层和不稳定地层。
1.3.1 复杂岩性地层
准噶尔盆地复杂岩性地层主要有2种：1）钻遇岩石可钻性级值高（>8）的地层，钻头在这类地层的吃入能力受限，如西山窑组的灰色细砂岩、白碱滩组灰色砂质泥岩、乌尔禾组深灰色砂质泥岩、风城组深灰色白云质泥岩、佳木河组与石炭系的火成岩等；2）钻遇岩石研磨性较高的地层[19]，这类地层易使钻头、钻具先期磨损，如齐古组褐红色细砂岩、三工河组灰黄色细砂岩和石炭系火成岩等。
1.3.2 高压地层
当钻遇地层压力系数高的地层时，为平衡地层压力，钻井液密度相应较高，钻进过程就是在高围压条件下破碎岩石。不同围压条件下的岩石可钻性测试结果表明：随着围压增大，可钻性级值增大。分析认为，这与围压条件下岩石抗压强度增大、塑性增强等因素相关，例如，齐古组含长石岩屑细砂岩样无围压条件下的可钻性级值为6.99，围压30 MPa条件下的可钻性级值为8.93，60 MPa条件下的可钻性级值达到9.65。
1.3.3 不稳定地层
准噶尔盆地会钻遇大段砾石层、裂缝发育地层和高应力地层，这些地层易坍塌掉块，钻进过程中扭矩变化大，蹩跳钻严重，易诱发钻具疲劳破坏和钻头先期损坏，常采用小钻压、低转速进行钻进，导致机械钻速低。钻遇倾角较大地层时，常采用轻压吊打、钟摆钻具组合、预弯曲钻具组合和单弯动力钻具组合进行防斜，但这些防斜方法都会对机械钻速产生一定影响。例如，四棵树凹陷高泉背斜第四系地层倾角为5°～20°，新近系地层倾角为15°～35°，古近系、白垩系地层倾角为5°～20°，侏罗系地层倾角10°～30°，钻井过程中井斜角明显增大，G101井和G102井的最大井斜角均大于10°，为了控制井斜有时需牺牲机械钻速。
2. 超深井钻井技术发展现状
自2004年钻成J1井（井深7 000 m）以来，准噶尔盆地共钻成39口井深超过6 000 m的超深井。从完钻层位看，白垩系有2口井，侏罗系有28口井，二叠系有4口井，石炭系有5口井。受不同区块埋深差异大的影响，超深井钻探目的层从白垩系到石炭系均有。从分布位置看，准噶尔盆地腹部26口井，南缘12口井，北部1口井，西部多于东部，南部多于北部，这主要源自盆地油气埋深呈“西深东浅、南深北浅”的特征。因此，不同区块超深井钻井差异较大，通过井身结构优化、压力控制、井壁稳定、钻井提速等技术持续迭代与提升，准噶尔盆地超深井钻井效率得到了显著提升。
2.1 超深井钻井技术发展阶段
准噶尔盆地超深井钻井可分为超深层钻探初期、超深层钻探拓展阶段和超深层钻探快速发展阶段等3个阶段。
超深层钻探初期（2004—2010年），以钻探准噶尔盆地腹部超深层油气资源为主。钻井过程中井漏、井塌和卡阻等井下复杂情况频发，逐步认识到超深层压力体系和地层岩性的复杂性，通过优化井身结构、钻井液封堵抑制性和采取技术措施，钻成了12口超深井，平均完钻井深6 459.25 m，平均钻井周期348.02 d，平均机械钻速2.25 m/h。
超深层钻探拓展阶段（2011—2019年），以钻探准噶尔盆地南缘超深层油气为主。通过探索应用高效钻头、提速辅助工具、垂直钻井、控压钻井和合成基钻井液等技术，有效提高了钻井效率，期间共钻7口井，平均完钻井深6 582.46 m，平均钻井周期242.20 d，平均机械钻速3.23 m/h。
超深层钻探快速发展阶段（2020年以后），在准噶尔盆地腹部和南缘均扩大了钻探范围。在前期钻井经验的基础上，通过井身结构、精细控压、井壁稳定及提速工具等技术迭代，钻井效率进一步提升，共钻成20口超深井，平均完钻井深6 690.95 m，平均钻井周期189.06 d，平均机械钻速3.56 m/h。
2.2 超深井钻井关键技术
2.2.1 井身结构优化
随着准噶尔盆地内超深井钻井越来越多，对地层地质特征、压力体系、断层认识程度逐步加深，也形成了不同区块、不同目的层的井身结构方案。
准噶尔盆地腹部，若以侏罗系为目的层，采用三开井身结构：导眼采用ϕ606.4 mm钻至井深50 m；一开采用ϕ444.5 mm钻头钻至井深800 m；二开采用ϕ311.1 mm钻头钻至井深4 700 m；三开采用 ϕ215.9 mm钻头钻至井深6 000 m左右。一开封隔新近系松散地层，二开封胜金口组并封隔上部承压能力低的地层，三开为高压地层井段，莫南凸起常采用该井身结构。若以二叠系为目的层，采用四开井身结构：一开采用ϕ606.4 mm钻头钻至井深500 m；二开采用ϕ444.5 mm钻头钻至井深3 650 m；三开采用ϕ311.1 mm钻头钻至井深6 100 m；四开采用ϕ215.9 mm钻头钻至井深7 800 m左右。一开封隔新近系上部松散地层，二开封隔侏罗系西山窑组以上承压能力较低的地层，三开封隔百口泉组，为钻进侏罗系八道湾组至三叠系异常高压地层提供保障，四开封至目的井深。为应对三叠系、二叠系的不可预测性，该井身结构预留了一层套管，东道海子凹陷常采用该井身井构。
准噶尔盆地南缘西段采用四开井身结构：一开采用ϕ606.4 mm钻头钻至井深450 m；二开采用 ϕ444.5 mm钻头钻至井深3 650 m；三开采用 ϕ311.1 mm钻头钻至井深6 200 m；四开采用ϕ215.9 mm钻头钻至井深6 800 m左右。一开封隔新近系上部松散地层，二开封隔存在巨厚砾石层的塔西河组，三开封隔古近系紫泥泉组和低压地层，四开封至目的井深（高压井段），四棵树凹陷高泉背斜常采用该井身结构。南缘中段压力体系更加复杂，采用非常规井身结构：导眼采用ϕ762.0 mm钻头钻至井深200 m；一开采用ϕ571.5 mm钻头钻至井深2 600 m；二开采用ϕ431.8 mm钻头钻至井深4 000 m；三开采用ϕ333.4 mm钻头钻至井深5 600 m；四开采用ϕ241.3 m（扩眼至ϕ260.0 mm）钻头钻至井深7 200 m；五开采用ϕ190.5 mm钻头钻至井深8 100 m左右。一开封隔地表松散地层，二开封隔独山子组和沙湾组低压地层，三开封隔古近系和东沟组中上部高压地层，四开封隔东沟组低承压地层，以及连木沁组和胜金口组断层，五开封隔白垩系高压地层，为六开安全钻进侏罗系提供保障，霍玛吐构造常采用该井身结构。
但随着钻井深度进一步加大，钻遇地层的构造、压力体系等更加复杂，需进一步考虑钻井的安全性、高效性和经济性优化井身结构。
2.2.2 控压钻井技术
控压钻井是一种在整个井眼内精确控制环空压力剖面的自适应钻井过程，目前国内控压技术已较为成熟，可以实现对套压、立压和流量的自动控制，压力控制精度可达±0.20 MPa，溢流、漏失量的控制精度可达±0.50 m³[20]。控压钻井技术在准噶尔盆地超深井钻井中得到了较为广泛的应用，提高了复杂压力井段的钻井效率，同时也在一定程度上降低了钻井液密度，为发现和保护油气层提供了有效的技术手段。
GQ6井是部署在准噶尔盆地南缘四棵树凹陷高泉背斜的一口预探井，钻探目的层为白垩系清水河组和侏罗系头屯河组，一开采用ϕ660.4 mm钻头钻至井深461 m，二开采用 ϕ444.5 mm钻头钻至井深3 657 m，三开采用 ϕ311.1 mm钻头钻至井深6 180 m，四开采用 ϕ215.9 mm钻头钻至设计井深。四开使用密度2.22 kg/L的钻井液钻至井深6 533 m（清水河组）时，循环排量超过 20 L/s 即发生渗漏，控压起钻关井，关井时的套压3.72 MPa，安全密度窗口窄，采用精细控压装备，实施自动控压条件下的加重、循环、堵漏、起下钻，及时控制好井底压力平衡，没有发生严重漏失和溢流，相比邻井GQ5井（未采用控压钻井，处理井漏和溢流损失钻井时间737 h），钻井效率明显提高。
但是，控压钻井过程中井筒内压力实时测量与自动控制仍不完善，还需进一步探索新工艺，以提高井筒压力控制能力。
2.2.3 井壁稳定技术
目前，准噶尔盆地超深井钻井时采用的井壁稳定技术主要包括裂缝性地层井壁稳定评价技术、合成基钻井液技术、氯化钾–有机盐封堵防塌钻井液技术等。
裂缝性地层井壁稳定评价技术。不同地质环境下，井壁稳定性评价方法也不尽相同[21-23]，根据准噶尔盆地压力系数高、地应力大和微裂缝发育的特点，可采用裂缝性地层井壁稳定评价方法。该方法以岩石力学和统一强度理论为基础[24]，建立了井壁稳定性综合评价指标——井壁稳定系数ξ[25]，该指标包含张拉破坏稳定系数ξt和剪破坏稳定系数ξv，能够明确发生井壁破坏的类型。在此基础上，利用声波、岩石密度和电阻率等测井资料，分析地层裂纹存在的概率KV[26]，并依据考虑裂缝的井壁坍塌压力模型计算坍塌压力[27]。利用该井壁稳定分析技术，可以分析微裂系地层、破碎带地层的坍塌压力，为保持井壁稳定提供理论支撑。
合成基钻井液技术。合成基钻井液具有抑制性强、润滑性好、抗污染能力强、热稳定性好、生物毒性小和低温流变性变化小等特点[28-29]，能有效保持泥页岩地层井壁稳定。其典型配方为合成基液+2.5%～3.5%有机土+2.0%乳化剂+1.0%辅乳化剂+0～2.0%润湿剂+0.5%～1.0%流性调节剂+3.0%～6.0%降滤失剂+0～5.0%氯化钙水溶液+1.0%～3.0%超细碳酸钙+3.0%～5.0%封堵材料，主要性能：高温稳定性>200 ℃，API滤失量≤2 mL，高温高压滤失量≤5 mL，EC50/96h>7.0×104 mg/L，破乳电压>600 V，页岩回收率达到98.2%，渗透率恢复率>90%，摩擦系数>0.05。目前，准噶尔盆地腹部的23口井钻进白垩系底部、侏罗系、三叠系和二叠系时使用了合成基钻井液，这些层位井段的平均井径扩大率3%～7%，遇阻、划眼较前期减少50%以上，有效保障了井壁稳定。
氯化钾–有机盐封堵防塌钻井液技术。氯化钾–有机盐封堵防塌钻井液体系是一种低活度封堵防塌钻井液体系，具有良好的抑制性、固壁性、屏蔽封堵性，能保证微裂缝泥页岩地层井壁稳定[30]。根据准噶尔盆地腹地深层的特点，确定了氯化钾–有机盐封堵防塌钻井液的配方：4.0%～6.0%膨润土+ 0.3%～0.5%聚丙烯酸钾+3.0%～5.0%氯化钾+6.0%～8.0%甲酸钾+0.5%～1.0%胺基聚醇+2.0%～3.0%低荧光沥青粉+3.0%～4.0%井壁稳定剂+2.0%～3.0%超细碳酸钙−1+2.0%～3.0%超细碳酸钙−2+2.0%～3.0%抗高温抗盐防塌降滤失剂+3.0%～4.0%磺甲基酚醛树脂SMP-2+ 0.5%～1.0%有机硅稳定剂+1.0%聚合醇，主要性能为：高温稳定性>180 ℃，活度能0.85～0.90，页岩回收率90.56%，线性膨胀率≤11.8%，高温高压滤失量≤10 mL。C6井和S15井钻进三叠系、二叠系时使用了该钻井液体系，未出现井眼失稳问题。
该钻井液体系的不足是，随着钻井深度增加，井筒温度升高，其在高温条件下的稳定性、封堵性和抑制性均有所下降，这有待进一步研究、提高。
2.2.4 钻井提速技术
准噶尔盆地超深井钻井提速，有赖于高效钻头、垂直钻井技术和等壁厚螺杆钻具等[31-32]。
2.2.4.1 高效钻头
准噶尔盆地第四系和新近系普遍存在巨厚砾石层，PDC钻头切削齿易受冲击损坏，造成快速磨损；牙轮钻头可以承受较大的冲击，但使用寿命受限；混合钻头具备PDC钻头的切削作用，也具备牙轮钻头冲击破碎地层的作用，能提高钻速、延长钻头使用寿命。该盆地南缘的GQ6井应用了4只混合钻头，创造了该区域独山子组、塔西河组巨厚砾石层单趟进尺最大纪录（509 m）和机械钻速最高纪录（5.23 m/h）。
古近系—白垩系顶部地层以棕红色、紫褐色、灰绿色条带泥岩，砂质泥岩，与灰绿色砂岩、粉砂岩互层为主。其中，褐色泥岩压实度高，钻头切削齿难以吃入地层。设计PDC钻头时，采用高性能平齿与屋脊齿，中低密度混合布齿（16.0或19.0 mm），以增加钻头的攻击性。该类钻头在莫南凸起古近系—白垩系顶部应用后，单趟钻进尺最大可达3 602 m，单趟钻机械钻速最高达到24.83 m/h。
白垩系底部—侏罗系地层以红色泥岩、细砂岩、深灰色泥岩与浅灰色粉砂岩互为主，地层研磨性较强，钻头磨损严重甚至报废，且局部含砾较高，易崩齿失效。因此，设计PDC钻头时，应兼顾钻头的攻击性和耐磨性能，肩部前排采用高性能平齿、尖齿和屋脊齿，以中低密度混合布齿（16.0 mm），后排布2颗平齿，以提高钻头的抗研磨性。应用该类钻头钻进莫南凸起白垩系底部—侏罗系地层时，单趟钻进尺最大达788 m，单趟钻机械钻速最高达到5.17 m/h。
三叠系以泥岩、砂质泥岩、含砾细砂岩、含砾泥质细砂岩为主，设计PDC钻头时，采用单排平齿与4DXC尖圆齿混合布齿（13.0 mm），以提高钻头的攻击性。Z10井应用该类钻头，单只钻头最大进尺546 m，最高机械钻速3.40 m/h。
二叠系乌尔禾组以泥岩、砂质泥岩、粉砂岩、砂砾岩为主，研磨性明显增强，在设计PDC钻头时，应重点考虑提高钻头的抗研磨性。因此，采用了六刀翼，单排口平齿与A3凹面齿混合布齿（13.0 mm）；砂砾岩井段选用抗冲击性好的三棱齿。S15井应用了该类钻头，单只钻头最大进尺340 m，最高机械钻速2.17 m/h。
2.2.4.2 垂直钻井技术
准噶尔盆地南缘山前冲断带易发生井斜，采用塔式钻具组合、钟摆钻具组合和预弯曲钻具组合控斜效果不理想，采用螺杆钻具组合纠斜效率低。实践表明，垂直钻井技术是防斜打快最有效的技术之一。该盆地GQ5井采用垂直钻井系统钻进第四系—古近系，井斜角控制在4.0°以内；KT1井采用了国产垂直钻井系统，井斜角控制在1.0°以内，并有效释放了钻压，机械钻速达到4.24 m/h，创造了该盆地南缘山前冲断带第四系—古近系（共计6 590 m）平均机械钻速最高纪录，同时降低了垂直钻井应用成本。
2.2.4.3 等壁厚螺杆钻具
螺杆钻具配合高效PDC钻头的复合钻进方式已成为钻井提速的有效方法之一，采用等壁厚螺杆钻具能有效提高工作扭矩、延长钻头使用寿命，进一步强化钻井参数，实现钻井提速。莫南凸起推广应用等壁厚螺杆后，钻井参数获得很大提高：二开钻压由前期最大80 kN增加到140 kN，排量由前期最大40 L/s增加到60 L/s；三开钻压由前期最大120 kN增加到140 kN，排量由前期最大28 L/s增加到32 L/s。
上述钻井提速技术在一定程度上提高了超深井钻井速度，但是在钻遇复杂岩性地层时机械钻速仍然较低，如钻遇二叠系—石炭系的白云质、火成岩时，机械钻速仍然低于1.00 m/h。因此，有待进一步研究提高破岩效率。
3. 超深井钻井技术发展建议
近年来，准噶尔盆地侏罗系、三叠系、二叠系、石炭系都有较大的油气发现，超深层油气资源勘探开发进程加快、钻井深度加大，最大井深已达8 166 m（TW1井）。但是，超深层油气资源总体上仍处于勘探阶段，受勘探程度影响，对超深层的地质构造、地层压力、地层岩性等的认识仍然不足，钻井过程中常面临预料之外的“遭遇战”，如正在施工的CT2井白恶系、KT1井侏罗系发生严重井壁坍塌，D17井二叠系发生恶性漏失，HS5井二叠系地层机械钻速极低等，造成钻井周期长、成本高，影响了该盆地超深层油气资源勘探开发的进程。为此，针对超深井地层差异性大、压力体系复杂和岩性变化大的特点，应在进一步优化现有技术的基础上，以地质工程一体化为基础、以安全高效钻进为目的，探索新技术、新工艺，促进准噶尔盆地超深井钻井技术发展。
1）提高钻井地质环境描述能力。准噶尔盆地深部地层压力体系、地应力、岩性特征的不确性仍然较高，为降低钻遇未预测异常情况风险，亟待提高钻井地质环境描述能力。一方面，利用地震、测井、录井、钻井资料进行地质反演，建立区域的孔隙压力、地应力、岩石力学特性剖面，进一步提高钻井地质环境描述能力，为井身结构优化、施工方案制订、钻井工具优选提供可靠依据；另一方面，开展随钻地震、井震数据融合等技术的研究与应用，进行正钻井超前探测，预测未钻地层的钻井地质因素，钻井过程中可根据地质环境变化及时调整钻井工艺和技术对策。
2）丰富井筒强化手段。为提高易漏、易涌、易塌地层的钻井效率，需要进一步丰富井筒强化手段。一方面，加快随钻超声波井径测量、随钻成像测井、井下工程参数测量等技术的完善与应用，实时评价裂缝发育情况、确定漏失与坍塌位置等，为井筒强化提供准确的依据；另一方面，完善多级配强抑制强封堵、化学固结堵漏、化学固壁等钻井液技术，探索连续循环、膨胀管封堵等工艺和技术的适用性，提高井筒承压和井壁支撑能力，增强处理井下故障的能力。
3）深化高效破岩技术攻关。为提高深部地层钻井的机械钻速，需深化高效破岩技术攻关。一方面，深化岩石矿物特性对岩石力学特性影响、围压对岩石破碎效率影响、岩石破碎对钻井参数的敏感性等岩石破碎机理研究，为钻井方式、钻头与工具、钻井参数等优化提供理论依据；另一方面，针对复杂岩性、高围压环境，在提高现有钻头与提速工具性能的基础上，研发旋转齿PDC钻头、高效冲击类工具、长寿命全金属螺杆、保持钻头稳定切削的新型钻头等，提高破岩效率。
4. 结束语
进入21世纪，准噶尔盆地进行了超深层油气资源钻探，针对钻井过程中易发生“漏、溢、塌、卡、慢”等问题，通过井身结构优化、井筒压力控制、井壁稳定和钻井提速等技术迭代与提升，超深井钻井技术得到了长足发展。近年来，随着准噶尔盆地腹部和南缘超深层油气新发现，该盆地超深层油气资源勘探开发进程进一步加快，但钻井过程中井下复杂情况仍时有发生，深部地层机械钻速仍然较低，钻井效率仍满足不了高效勘探开发需求。为此，需要针对准噶尔盆地地质构造复杂、地层差异性大的特点，攻关、优化适合不同区块的超深井钻井技术，特别是要提高钻井地质环境描述能力，变“遭遇战”为“攻歼战”，丰富井筒强化手段，降低钻井风险，深化高效破岩技术攻关，提高钻井速度。
-
![]()
图 1 J.Guevara等人建立的智能预测模型流程
Figure 1. Flow of intelligent prediction model established by J.Guevara et al.
![]()
图 2 压裂优化预测代理模型的工作流程
Figure 2. Workflow of predictive surrogate model for fracturing optimization
![]()
图 3 预测井口压力的循环机器学习流程
Figure 3. Flow of continuous machine learning for wellhead pressure prediction
-
[1] 戴汝为. 人工智能概述[J]. 中国经济和信息化,1989(8):14–17. DAI Ruwei. Introduction to artificial intelligence[J]. China Economy & Informatization, 1989(8): 14–17.
[2] 王海峰. 国际大数据产业技术创新高峰论坛[DB/OL]. (2017− 09−15)[2021−12−16]. http://www.sohu.com/a/192144148_473283.html. WANG Haifeng. International big data industry technology innovation summit forum[DB/OL]. (2017-09-15)[2021-12-16]. http://www.sohu.com/a/192144148_473283.html.
[3] 刘伟,闫娜. 人工智能在石油工程领域应用及影响[J]. 石油科技论坛,2018,37(4):32–40. doi: 10.3969/j.issn.1002-302x.2018.04.006 LIU Wei, YAN Na. Application and influence of artificial intelligence in petroleum engineering area[J]. Petroleum Science and Technology Forum, 2018, 37(4): 32–40. doi: 10.3969/j.issn.1002-302x.2018.04.006
[4] MOHAGHEGH S D. Recent developments in application of artificial intelligence in petroleum engineering[J]. Journal of Petroleum Technology, 2005, 57(4): 86–91. doi: 10.2118/89033-JPT
[5] CARPENTER C. Embedded discrete fracture modeling with artificial intelligence in Permian basin[J]. Journal of Petroleum Technology, 2018, 70(5): 63–64. doi: 10.2118/0518-0063-JPT
[6] 林伯韬,郭建成. 人工智能在石油工业中的应用现状探讨[J]. 石油科学通报,2019,4(4):403–413. LIN Botao, GUO Jiancheng. Discussion on current application of artificial intelligence in petroleum industry[J]. Petroleum Science Bulletin, 2019, 4(4): 403–413.
[7] 蒋廷学,田占良. 模糊数学在压裂设计中的应用[J]. 天然气工业,1998,18(3):74–77. JIANG Tingxue, TIAN Zhanliang. Application of fuzzy mathematics to fracturing design[J]. Natural Gas Industry, 1998, 18(3): 74–77.
[8] 吴建发,郭建春,赵金洲. 模糊分析方法优选压裂井层[J]. 天然气工业,2005,25(2):84–86. doi: 10.3321/j.issn:1000-0976.2005.02.027 WU Jianfa, GUO Jianchun, ZHAO Jinzhou. Optimizing well and horizon for fracturing by fuzzy analysis method[J]. Natural Gas Industry, 2005, 25(2): 84–86. doi: 10.3321/j.issn:1000-0976.2005.02.027
[9] 李玉伟,艾池,胡超洋,等. 应用模糊综合评判和灰色关联度分析评价水平井多级压裂效果[J]. 数学的实践与认识,2014,44(2):51–56. LI Yuwei, AI Chi, HU Chaoyang, et al. Evaluating multistage fracturing effect of horizontal wells using fuzzy comprehensive evaluation and grey relational grade analysis[J]. Mathematics in Practice and Theory, 2014, 44(2): 51–56.
[10] HINTON G E, SALAKHUTDINOV R R. Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(5786): 504–507. doi: 10.1126/science.1127647
[11] NAEINI E Z, GREEN S, RAUCH-DAVIES M. An integrated deep learning solution for petrophysics, pore pressure, and geomechanics property prediction[R]. URTEC-2019−111-MS, 2019.
[12] GONG Yiwen, MEHANA M, XIONG Fengyang, et al. Towards better estimations of rock mechanical properties integrating machine learning techniques for application to hydraulic fracturing[R]. SPE 195884, 2019.
[13] GUEVARA J, ZADROZNY B, BUORO A, et al. A machine-learning methodology using domain-knowledge constraints for well-data integration and well-production prediction[J]. SPE Reservoir Evaluation & Engineering, 2019, 22(4): 1185–1200.
[14] TRAN N L, GUPTA I, DEVEGOWDA D, et al. Machine learning workflow to identify brittle, fracable and producible rock in horizontal wells using surface drilling data[R]. SPE 201456, 2020.
[15] GU Ming, GOKARAJU D, CHEN Dingding, et al. Shale fracturing characterization and optimization by using anisotropic acoustic interpretation, 3D fracture modeling, and supervised machine learning[J]. Petrophysics, 2016, 57(6): 573–587.
[16] Oil Review Middle East Group. Halliburton brings automation to hydraulic fracturing[J]. Oil Review Middle East, 2018, 21(6): 52.
[17] PENNA M, SHIVASHANKAR, ARJUN B, et al. Smart fleet monitoring system using Internet of Things(IoT)[C]//2017 2nd IEEE International Conference on Recent Trends in Electronics, Information & Communication Technology (RTEICT). Piscataway: IEEE, 2017: 1232−1236.
[18] 蒋廷学,周珺,廖璐璐. 国内外智能压裂技术现状及发展趋势[J]. 石油钻探技术,2022,50(3):1–9. doi: 10.11911/syztjs.2022065 JIANG Tingxue, ZHOU Jun, LIAO Lulu. Development status and future trends of intelligent fracturing technologies[J]. Petroleum Drilling Techniques, 2022, 50(3): 1–9. doi: 10.11911/syztjs.2022065
[19] 盛茂,李根生,田守嶒,等. 人工智能在油气压裂增产中的研究现状与展望[J]. 钻采工艺,2022,45(4):1–8. SHENG Mao, LI Gensheng, TIAN Shouceng, et al. Research status and prospect of artificial intelligence in reservoir fracturing stimulation[J]. Drilling & Production Technology, 2022, 45(4): 1–8.
[20] AHMED S A, ELKATATNY S, ALI A Z, et al. Artificial neural network ANN approach to predict fracture pressure[R]. SPE 194852, 2019.
[21] PALMER C E. Using AI and machine learning to indicate shale anisotropy and assist in completions design[D]. Morgantown: West Virginia University, 2020.
[22] TRAN N L, GUPTA I, DEVEGOWDA D, et al. Application of interpretable machine-learning workflows to identify brittle, fracturable, and producible rock in horizontal wells using surface drilling data[J]. SPE Reservoir Evaluation & Engineering, 2020, 23(4): 1328–1342.
[23] DOWNIE R, DAVES D. Improving hydraulic fracturing performance and interpreting fracture geometry based on drilling measurements[R]. SPE 194357, 2019.
[24] MA Zheren, DAVANI E, MA Xiaodan, et al. Finding a trend out of chaos, a machine learning approach for well spacing optimi-zation[R]. SPE 201698, 2020.
[25] 刘长印,孔令飞,张国英,等. 人工智能系统在压裂选井选层方面的应用[J]. 钻采工艺,2003,26(1):37–38. LIU Changyin, KONG Lingfei, ZHANG Guoying, et al. Application of artificial intelligence system in selection of well and layer for fracturing[J]. Drilling & Production Technology, 2003, 26(1): 37–38.
[26] PANKAJ P, GEETAN S, MACDONALD R, et al. Application of data science and machine learning for well completion optimiza-tion[R]. OTC 28632, 2018.
[27] URBAN-RASCON E, AGUILERA R. Machine learning applied to SRV modeling, fracture characterization, well interference and production forecasting in low permeability reservoirs[R]. SPE 199082, 2020.
[28] GARJAN Y S, GHANEEZABADI M. Machine learning interpretability application to optimize well completion in Montney[R]. SPE 200019, 2020.
[29] LUO Guofan, TIAN Yao, BYCHINA M, et al. Production optimization using machine learning in Bakken shale[R]. URTEC-2902505-MS, 2018.
[30] BEN Yuxing, PERROTTE M, EZZATABADIPOUR M, et al. Real-time hydraulic fracturing pressure prediction with machine lear-ning[R]. SPE 199699, 2020.
[31] SHEN Yuchang, CAO Dingzhou, RUDDY K, et al. Near real-time hydraulic fracturing event recognition using deep learning me-thods[J]. SPE Drilling & Completion, 2020, 35(3): 478–489.
[32] ZHANG He, CHEN Mingzhu, LI Guoliang. Study on the early warning of fracturing sand plugging based on improved BP neural network[J]. International Journal of Science, 2017, 4(7): 252–261.
[33] 方博涛. 压裂实时动态预警系统研究与设计[D]. 成都: 西南石油大学, 2015. FANG Botao. Research and design of fracturing real-time dynamic early warning system[D]. Chengdu: Southwest Petroleum Univer-sity, 2015.
[34] HU Jinqiu, KHAN F, ZHANG Laibin, et al. Data-driven early warning model for screenout scenarios in shale gas fracturing opera-tion[J]. Computers & Chemical Engineering, 2020, 143: 107116.
[35] 石艺. 国际石油2015年十大科技进展 (四):全电动智能井系统取得重大进展[J]. 石油钻采工艺,2016,38(1):92. SHI Yi. Top 10 scientific and technological progress of 2015 (IV): significant progress was made in the all-electric intelligent well system[J]. Oil Drilling & Production Technology, 2016, 38(1): 92.
[36] 何明格, 杨云山, 桑宇, 等. 一种基于电磁波双向通讯的无线控制套管滑套: CN201611144483.8[P]. 2017-04-26. HE Mingge, YANG Yunshan, SANG Yu, et al. A wireless control sleeve sliding sleeve based on electromagnetic wave bidirectional communication: CN201611144483.8[P]. 2017-04-26.
[37] 魏爱拴,刘禹铭,王明杰,等. 可溶球智能压裂投球器的研制[J]. 石化技术,2018,25(7):315. WEI Aishuan, LIU Yuming, WANG Mingjie, et al. Development of soluble ball intelligent fracturing pitcher[J]. Petrochemical Industry Technology, 2018, 25(7): 315.
[38] 台广锋,潘社卫,舒峰,等. 工厂化压裂连续输砂装置智能控制系统研究[J]. 矿冶,2015,24(5):67–71. doi: 10.3969/j.issn.1005-7854.2015.05.017 TAI Guangfeng, PAN Shewei, SHU Feng, et al. Study on an intelligent control system of the sand conveyance device for factory fracturing[J]. Mining and Metallurgy, 2015, 24(5): 67–71. doi: 10.3969/j.issn.1005-7854.2015.05.017
[39] MANSOUR A K, TALEGHANI A D, LI Guoqiang. Smart expandable LCMs: a theoretical and experimental study[R]. AADE-17-NTCE-074, 2017.
[40] ALEXANDER S, DUNNILL C W, BARRON A R. Assembly of porous hierarchical copolymers/resin proppants: new approaches to smart proppant immobilization via molecular anchors[J]. Journal of Colloid and Interface Science, 2016, 466: 275–283. doi: 10.1016/j.jcis.2015.12.038
[41] CHANG F F, BERGER P D, LEE C H. In-situ formation of proppant and highly permeable blocks for hydraulic fracturing[R]. SPE 173328, 2015.
[42] MILLER C, ZENG Tongzhou, MOHANTY K. Evaluation of chemical blends for shale EOR[R]. SPE 195819, 2019.
[43] SANTOS L, TALEGHANI A D, LI Guoqiang. Expandable diverting agents to improve efficiency of refracturing treatments[R]. URTEC-2697493-MS, 2017.
[44] 王磊,沈一丁,薛小佳,等. 新型酸性清洁压裂液的研制[J]. 石油天然气学报,2010,32(6):135–138. doi: 10.3969/j.issn.1000-9752.2010.06.031 WANG Lei, SHEN Yiding, XUE Xiaojia, et al. Study on the properties of acid clean fracturing fluid[J]. Journal of Oil and Gas Technology, 2010, 32(6): 135–138. doi: 10.3969/j.issn.1000-9752.2010.06.031
[45] 高峰,胡军,程芳,等. 速溶型智能转向酸的开发与应用[J]. 油田化学,2021,38(1):42–46. doi: 10.19346/j.cnki.1000-4092.2021.01.008 GAO Feng, HU Jun, CHENG Fang, et al. Development and application of instant and intelligent diverting acid[J]. Oilfield Chemistry, 2021, 38(1): 42–46. doi: 10.19346/j.cnki.1000-4092.2021.01.008
-
期刊类型引用(50)
1. 邱春阳，王智，李彦操，厉明伟，龚伟，卜凡康. 顺北油田超深定向井润滑防塌钻井液技术. 天然气勘探与开发. 2025(01): 72-80 . 
百度学术
2. 杨坤. 塔西南山前破碎性地层安全高效钻井液关键技术. 化工管理. 2025(04): 165-168 . 百度学术
3. 刘雄伟，范胜，管金田，贺垠博. 顺北地区破碎性碳酸盐岩地层钻井液井壁稳定技术. 钻井液与完井液. 2025(01): 51-57 . 百度学术
4. 范翔宇，蒙承，张千贵，马天寿，李柱正，王旭东，张惊喆，赵鹏斐，邓健，周桂全. 超深地层井壁失稳理论与控制技术研究进展. 天然气工业. 2024(01): 159-176 . 百度学术
5. 方俊伟，贾晓斌，游利军，周贺翔，康毅力，许成元. 深层断溶体油气藏钻完井储层保护技术挑战与对策. 断块油气田. 2024(01): 160-167 . 百度学术
6. 李凡，李大奇，汤志川，高伟. 破碎地层护壁防塌剂研制及性能评价. 精细石油化工. 2024(02): 10-14 . 百度学术
7. 金军斌，董晓强，王伟吉，张杜杰. 塔里木盆地深部寒武系复杂地层钻井液技术. 石油钻探技术. 2024(02): 165-173 . 本站查看
8. 黎然，李文哲，张佳寅，刘阳. 万米深井SDCK1井上部超大尺寸井眼钻井液技术. 石油钻探技术. 2024(02): 93-99 . 本站查看
9. 贾俊，陈磊，郝超，周文军，冯永兵. 铝土岩水平井快封堵防塌钻井液技术. 钻井液与完井液. 2024(04): 473-480 . 百度学术
10. 张明明，李大奇，范翔宇. 破碎地层井壁坍塌压力及井周失稳区域研究. 断块油气田. 2024(05): 916-921 . 百度学术
11. 金军斌，张杜杰，李大奇，张栋，汪露，杨云龙. 顺北油气田深部破碎性地层井壁失稳机理及对策研究. 钻采工艺. 2023(01): 42-49 . 百度学术
12. 侯华丹，于雷. 基于弹性网眼体的油基钻井液堵漏体系研究与应用. 海洋石油. 2023(01): 55-58 . 百度学术
13. 李凡，李大奇，金军斌，张杜杰，方俊伟，王伟吉. 顺北油气田辉绿岩地层井壁稳定钻井液技术. 石油钻探技术. 2023(02): 61-67 . 本站查看
14. 范胜，蒋官澄，易浩，李志发，马立福，王国帅，杨俊，白兴文. 抗高温封堵固壁防塌水基钻井液研究与应用. 钻采工艺. 2023(02): 146-152 . 百度学术
15. 侯岳，刘春生，胡汉月. 一袋式堵漏技术在顺北油气田SHB501CH井的应用. 钻探工程. 2023(03): 99-105 . 百度学术
16. 王中华. 国内钻井液技术现状与发展建议. 石油钻探技术. 2023(04): 114-123 . 本站查看
17. 路保平，陈会年. 《石油钻探技术》50年与未来发展建议. 石油钻探技术. 2023(04): 3-10 . 本站查看
18. 谢俊，司西强，吴协力，范波. 扩展安全密度窗口的钻井液技术及其应用. 精细石油化工进展. 2023(05): 7-12 . 百度学术
19. 王伟吉，李大奇，金军斌，徐江，张杜杰. 顺北油气田破碎性地层井壁稳定技术难题与对策. 科学技术与工程. 2022(13): 5205-5212 . 百度学术
20. 喻化民，薛莉，吴红玲，李海彪，冯丹，杨冀平，鲁娜. 满深区块深井强封堵钻井液技术. 钻井液与完井液. 2022(02): 171-179 . 百度学术
21. 伍兴东. 顺北油田特深井裸眼坍塌处理工艺技术与应用. 内蒙古石油化工. 2022(04): 88-90 . 百度学术
22. 李科，赵怀珍，李秀灵，周飞. 抗高温高性能水基钻井液及其在顺北801X井的应用. 钻井液与完井液. 2022(03): 279-284 . 百度学术
23. 刘湘华，刘彪，杜欢，王沫. 顺北油气田断裂带超深水平井优快钻井技术. 石油钻探技术. 2022(04): 11-17 . 本站查看
24. 王雷鸣，罗衍阔，尹升华，周根茂，廖文胜，李召坤. 深地金属矿流态化浸出过程强化与地热协同共采的探索. 工程科学学报. 2022(10): 1694-1708 . 百度学术
25. 王伟吉，高伟，范胜，宣扬，董晓强. 新型非磺化环保低摩阻钻井液. 钻井液与完井液. 2022(04): 459-465 . 百度学术
26. 苗文静，宋晓勇. 顺北4井抗高温高密度钻井液技术应用. 石油化工应用. 2022(10): 72-76 . 百度学术
27. 王伟吉. 基于石墨烯修饰的超低渗透成膜剂制备及性能评价. 石油钻探技术. 2021(01): 59-66 . 本站查看
28. 路保平. 中国石化石油工程技术新进展与发展建议. 石油钻探技术. 2021(01): 1-10 . 本站查看
29. 吴雄军，林永学，王显光，刘金华，李大奇. 顺北5-7井超深层奥陶系地层油基钻井液技术. 长江大学学报(自然科学版). 2021(01): 100-106 . 百度学术
30. 李秀灵，李琼，邱春阳，郑成胜，赵怀珍. 顺北区块抗突发性盐水钻井液体系的室内研究. 承德石油高等专科学校学报. 2021(02): 18-23 . 百度学术
31. 唐磊，王建峰，曹敬华，杨敏，李双贵. 塔里木盆地顺北地区超深断溶体油藏地质工程一体化模式探索. 油气藏评价与开发. 2021(03): 329-339 . 百度学术
32. 陈修平，高雷雨，刘景涛，胡云磊，李家学，石祥超. 顺北油气田却尔却克组井壁失稳机理及应对措施. 钻井液与完井液. 2021(01): 35-41 . 百度学术
33. 汪海阁，黄洪春，毕文欣，纪国栋，周波，卓鲁斌. 深井超深井油气钻井技术进展与展望. 天然气工业. 2021(08): 163-177 . 百度学术
34. 白传中，刘刚，徐同台，肖伟伟，凡朝波，张永利，马飞. 裂缝性泥页岩地层防塌误区及强封堵防塌对策. 钻井液与完井液. 2021(03): 337-340 . 百度学术
35. 舒义勇，孙俊，曾东，徐思旭，周华安，席云飞. 塔里木油田跃满西区块高温恒流变钻井液研究与现场试验. 石油钻探技术. 2021(05): 39-45 . 本站查看
36. 金军斌，欧彪，张杜杰，王希勇，李大奇，王逸. 深部裂缝性碳酸盐岩储层井壁稳定技术研究现状及展望. 长江大学学报(自然科学版). 2021(06): 47-54 . 百度学术
37. 刘贤玉，管申，韩成，陈力，曹峰. 北部湾盆地开发井高效安全钻井技术. 石油钻探技术. 2020(01): 21-25 . 本站查看
38. 李双贵，于洋，樊艳芳，曾德智. 顺北油气田超深井井身结构优化设计. 石油钻探技术. 2020(02): 6-11 . 本站查看
39. 李成，白杨，于洋，许晓晨，范胜，罗平亚. 顺北油田破碎地层井壁稳定钻井液技术. 钻井液与完井液. 2020(01): 15-22 . 百度学术
40. 邱春阳，周建民，张海青，陈二丁，王宝田. 车古潜山油藏抗高温无固相钻井液技术. 断块油气田. 2020(03): 390-393 . 百度学术
41. 王建云，杨晓波，王鹏，范红康. 顺北碳酸盐岩裂缝性气藏安全钻井关键技术. 石油钻探技术. 2020(03): 8-15 . 本站查看
42. 卢运虎，肖先恒，赵琳，金衍，陈勉. 温度对超深裂缝性地层井壁稳定性的影响. 钻井液与完井液. 2020(02): 160-167 . 百度学术
43. 丁士东，赵向阳. 中国石化重点探区钻井完井技术新进展与发展建议. 石油钻探技术. 2020(04): 11-20 . 本站查看
44. 丁少军. 水平井段套损可膨胀修复技术——以大牛地气田PG34井为例. 大庆石油地质与开发. 2020(05): 80-85 . 百度学术
45. 于得水，徐泓，吴修振，陈迎伟，徐金永. 满深1井奥陶系桑塔木组高性能防塌水基钻井液技术. 石油钻探技术. 2020(05): 49-54 . 本站查看
46. 杨红歧，孙连环，敖竹青，桑来玉，杨广国，高元. 顺北油气田一区超深井三开长封固段固井技术. 石油钻探技术. 2020(06): 33-39 . 本站查看
47. 苏义脑，路保平，刘岩生，周英操，刘修善，刘伟，臧艳彬. 中国陆上深井超深井钻完井技术现状及攻关建议. 石油钻采工艺. 2020(05): 527-542 . 百度学术
48. 吴雄军，林永学，宋碧涛，金军斌，董晓强. 顺北油气田奥陶系破碎性地层油基钻井液技术. 钻井液与完井液. 2020(06): 701-708 . 百度学术
49. 韩成，黄凯文，罗鸣，刘贤玉，邓文彪. 南海莺琼盆地高温高压井堵漏技术. 石油钻探技术. 2019(06): 15-20 . 本站查看
50. 吴雪婷，邹韵，陆彦颖，赵增义，周城汉. 漏失循环条件下井筒温度预测与漏层位置判断. 石油钻探技术. 2019(06): 54-59 . 本站查看
其他类型引用(3)
下载:
计量
- 文章访问数: 819
- HTML全文浏览量: 292
- PDF下载量: 224
- 被引次数: 53
