结合钻井工况与Bi-GRU的溢流与井漏监测方法

孙伟峰; 刘凯; 张德志; 李威桦; 徐黎明; 戴永寿

doi:10.11911/syztjs.2023043

结合钻井工况与Bi-GRU的溢流与井漏监测方法

1.
中国石油大学（华东）海洋与空间信息学院, 山东青岛 266580
2.
中国石油大学（华东）控制科学与工程学院, 山东青岛 266580
3.
中国石化胜利油田分公司石油工程监督中心, 山东东营 257000

基金项目: 国家自然科学基金项目“基于深度学习的深地叠前时空域地震子波提取方法研究”（编号：42274159）资助

详细信息

作者简介:
孙伟峰（1982—），男，山东东营人，2005年毕业于山东大学通信工程专业，2010年获山东大学信号与信息处理专业博士学位，教授，博士生导师，主要从事钻井风险智能预警方面的研究工作。E-mail: sunwf@upc.edu.cn

中图分类号: TE28
计量
- 文章访问数: 464
- HTML全文浏览量: 195
- PDF下载量: 126
出版历程
- 收稿日期: 2022-09-15
- 修回日期: 2023-03-16
- 网络出版日期: 2023-03-27
- 刊出日期: 2023-05-24

A Kick and Lost Circulation Monitoring Method Combining Bi-GRU and Drilling Conditions

1.
College of Oceanography and Space Informatics, China University of Petroleum (East China), Qingdao, Shandong, 266580, China
2.
College of Control Science and Engineering, China University of Petroleum (East China), Qingdao, Shandong, 266580, China
3.
Petroleum Engineering Supervision Center, Sinopec Shengli Oilfield Company, Dongying, Shandong, 257000, China

摘要

摘要:
现有根据钻井液池体积和钻井液出口流量变化监测溢流与井漏的方法，未考虑开、停泵工况对出口流量和钻井液池体积变化的影响，易导致误报。为了降低误报率，分析了钻井工况与钻井液池体积和钻井液出口流量之间的相关关系，提出了一种结合钻井工况与双向门控循环单元（bidirectional-gated recurrent unit, Bi-GRU）的溢流与井漏智能监测方法。利用23口井的溢流与井漏监测数据，对提出的模型与现有典型模型分别进行了测试，结果表明：基于Bi-GRU的溢流与井漏智能监测模型的识别准确率为94.25%，优于其他模型；与未考虑钻井工况的Bi-GRU模型相比，误报率由12.52%降至1.12%。研究表明，该方法能够消除溢流与井漏监测时因开、停泵导致的风险误报，能为安全钻井提供技术支持。
- 溢流 /
- 井漏 /
- 监测 /
- 钻井工况 /
- 人工智能 /
- 风险识别 /
- 风险误报
Abstract:
The existing kick and lost circulation monitoring methods using pot volume and outlet flow of drilling fluids do not consider the influence of the pump on and off on the outlet flow, and pot volume of drilling fluids. So it can easily lead to false alarm. In order to address this problem, the correlation of drilling conditions with pot volume and outlet flow of drilling fluids was established, and an intelligent kick and lost circulation monitoring method combining a bidirectional-gated recurrent unit (Bi-GRU) and drilling conditions was proposed. The proposed model and other representative models for kick and lost circulation monitoring were tested by using the data collected from 23 wells. The experimental results show that the identification accuracy of the proposed model achieves 94.25%, which is superior to those of the other models. Compared with that of the Bi-GRU model without considering the drilling conditions, the false alarm rate of the proposed model drops from 12.52% to 1.12%. The proposed method reduces the false alarms caused by pump on and off states during kick and lost circulation monitoring, and these findings can provide technical support for safe drilling.
- kick /
- lost circulation /
- monitoring /
- drilling condition /
- artificial intelligence /
- risk recognition /
- risk false alarm

HTML全文

深井超深井钻井中，钻杆受到的拉力增大时，其抗扭性能会受到较大限制，不适合的拉扭耦合作用容易导致钻杆失效^[1–3]。同时，井下复杂的工况使蹩钻、遇卡现象时有发生。如现场解卡作业中，经常一边上提钻柱（轴向载荷很大）一边旋转钻柱，此时钻柱可能承受了接近材料极限的拉力和扭矩的联合作用，失效的风险增大。因此，选择可靠的钻柱拉扭复合载荷设计准则，并研究开发出具有更高抗拉、抗扭性能的高强度钻杆，是保障钻井作业高效安全的关键。

在API和DS–1标准^[4–5]中，钻柱的拉扭复合载荷强度校核都是按照von Mises强度准则进行的，即利用钻杆材料的拉伸屈服强度进行设计。但是，许多研究结果认为^[6–8]，von Mises强度准则在工程应用中偏于保守。近年来，随着计算机力学分析软件的发展和应用，钻柱拉扭力学方面的研究越来越多。研究人员基于材料拉伸屈服强度和诸多力学假设进行了数值模拟，如：狄勤丰等人^[9]基于三维弹塑性有限元分析，绘制了深井、超深井等复杂井钻井时，钻具接头在不同轴向拉伸载荷条件下的极限工作扭矩图版；张彦虎等人^[10]从材料力学的角度入手，推导出了轴向拉力作用下复合钻柱允许扭转圈数的计算方法。但是，上述研究都没有考虑钻柱在拉扭复合载荷条件下的应力应变力学行为，因此用其评估钻柱的拉扭极限载荷并不准确。

V150钻杆较同规格API S135钻杆机械性能提高了11.1%，钻井时选用较大尺寸的V150高强度钻杆不仅有助于提高钻柱的钻深能力，而且也在一定程度上增大了钻柱水眼尺寸，提高了钻井排量，降低了循环压耗，使钻井效率提高30%以上^[11–12]，这对超深井钻井及海上钻井等都具有重要意义。但是，随着钻杆强度的升级，不仅仅提高了钻杆的屈服强度，其他力学行为也会随之发生变化。为了更好地探索钻杆材料在拉扭复杂应力状态下的弹塑性力学行为，笔者对V150钻杆进行了拉扭复合载荷试验，研究了V150钻杆材料在拉扭复合载荷条件下拉伸应力应变和扭转应力应变之间的相互影响规律和准则关系，并结合某超深井中钻柱拉扭复合载荷强度校核进行了对比分析，以期为复杂井钻柱设计和高强度度钻杆的推广应用提供理论依据。

1. 试验材料和方法

选取ϕ149.2 mm×9.65 mm的V150钻杆管体，按图1所示形状和尺寸加工试样，然后在MTS–809拉扭试验机上进行拉扭复合载荷试验。

图 1 V150钻杆试样的形状和尺寸

Figure 1. Shape and size of the sample of V150 drill pipe

下载: 全尺寸图片幻灯片

试验采用预拉后扭转和预扭后拉伸2种加载方式：1）预加载一定扭转切应力（小于扭转屈服强度），保持切应变恒定，再进行拉伸试验；2）预加载一定拉伸应力（小于拉伸屈服强度），保持拉应变恒定，再进行扭转试验。试验过程中，加载速率、强度特征点读取等参照室温拉伸和扭转试验标准^[13–14]进行，利用Origin数据处理软件分析试验结果。

2. 试验结果及分析

2.1 拉扭复合应力–应变相互影响关系

某一试样在预扭后拉伸试验中的切应力、拉应力与拉应变的关系曲线如图2所示（图2中：τ₀为初始预加载切应力，MPa；τ_p为拉扭复合载荷条件下材料屈服时的切应力，MPa；σ_p0.2为拉伸屈服强度，MPa；σ_b为抗拉强度，MPa）。

图 2 预扭后拉伸时的应力–拉应变曲线

Figure 2. Curve between stress and tensile strain during the pre-torsion followed by tension

下载: 全尺寸图片幻灯片

从图2可以看出，初始预加载切应力随着拉伸试验的进行逐渐减小，当拉伸应力（抗拉强度）达到最大时，预加载切应力剩余值趋近于0。金属发生变形行为缘于晶体点阵内原子间的相互作用，即晶体在切应力作用下沿某些特定的晶面或晶向相对滑移；在拉伸过程中，材料内部斜截面45°方向会产生切应力，当试样内部受到拉伸产生的切应力和预加载扭转切应力共同作用时两者相互转化，因此试验中出现了拉应力增大、预加载扭转切应力减小的现象。

同样，在预拉后扭转试验中，随着扭转应力增大，预加载拉应力也会减小，如图3所示（图3中：σ₀为初始预加载拉应力，MPa；σ_p为拉扭复合载荷条件下材料屈服时的拉应力，MPa；τ_p0.3为扭转屈服强度，MPa）。但是，由于在扭转试验的加载过程中，切应力沿试样径向线性分布，试样最表层的应力和变形最大，而内部组织受到的切应力很小，甚至未发生弹性变形，因此在扭转试验的初始阶段，预加载拉伸应力变化并不明显，当扭转应变接近扭转弹性极限时，拉应力才开始逐渐减小。

图 3 预拉后扭转时的应力–切应变曲线

Figure 3. Curve between stress and shear strain during the pre-tension followed by torsion

下载: 全尺寸图片幻灯片

2.2 拉扭屈服现象

图4为预扭后拉伸试验中，预加载不同扭转切应力时屈服阶段的拉应力–拉应变曲线。

图 4 预扭后拉伸时的拉应力–拉应变曲线

Figure 4. Curve between tensile stress and tensile strain during the pre-torsion followed by tension

下载: 全尺寸图片幻灯片

从图4可以看出，预加载扭转切应力对钻杆试样的弹性变形和屈服变形影响较大，随着预加载扭转切应力τ_max增大，拉伸曲线屈服阶段由平台形变为渐变形，逐渐无法找到屈服特征点，拉伸屈服强度逐渐降低。分析认为，这主要是因为预加载的扭转切应力越大，试样横截面组织所受应力的不均匀性和非同时性越明显，再进行拉伸试验时，试样横截面上不同位置晶粒受到合应力的大小、方向都不相同，内层晶粒对外层晶粒滑移变形有制约作用，致使拉伸过程中出现了连续屈服现象。同时，试样受到的最大切应力分量越大，应力状态越“软”，越容易发生塑性变形。此外，根据应变能理论，材料发生屈服所消耗的能量是恒定的，当材料屈服时内部晶粒上同时存在拉应力和切应力，拉应力及其所做的功越大，切应力及其所做的功就会越小。因此，随着预加载扭转切应力增大，拉伸屈服强度逐渐降低。

同样，在预拉后扭转试验中，随着预加载拉应力增大，扭转屈服强度逐渐降低，试样曲线进入屈服阶段越早，基本上无明显的物理屈服现象，如图5所示。

图 5 预拉后扭转的切应力–切应变曲线

Figure 5. Curve between shear stress and shear strain during the pre-tension followed by torsion

下载: 全尺寸图片幻灯片

2.3 拉扭试验强度准则

预扭后拉伸试验中，初始预加载切应力–屈服时切应力曲线如图6所示，初始预加载切应力平方–屈服时拉应力和切应力平方和曲线如图7所示。

图 6 预扭后拉伸试验的初始预加载切应力–屈服时切应力曲线

Figure 6. Curve between initial preload shear stress and yielding shear stress which was obtained from pre-torsion followed by tension test

下载: 全尺寸图片幻灯片

图 7 预扭后拉伸试验的初始预加载切应力平方–屈服时拉应力和切应力平方和曲线

Figure 7. Curve between the square of initial preload shear stress and the sum of squares of yielding tensile stress and shear stress which was obtained from pre-torsion followed by tension test

下载: 全尺寸图片幻灯片

从图6、图7可以看出，在预扭后拉伸试验中，初始预加载切应力与拉扭复合载荷条件下材料屈服时的切应力（屈服时预加载切应力剩余值）符合线性关系：

${\tau _0} = {k_1}{\tau _{\rm{p}}} + {b_1}$

(1)

初始预加载切应力平方与拉扭复合载荷条件下材料屈服时的拉应力平方与拉应力和切应力的平方和符合线性关系：

$\tau _{\rm{0}}^2 = {k_2}\left( {\sigma _{\rm{p}}^2 + \tau _{\rm{p}}^2} \right) + {b_2}$

(2)

式中：τ₀为初始预加载切应力，MPa；τ_p为拉扭复合载荷条件下材料屈服时的切应力，MPa；σ_p为拉扭复合载荷条件下材料屈服时的拉应力，MPa；k₁和k₂为线性拟合系数；b₁和b₂为线性拟合常数。

预拉后扭转试验中，初始预加载拉应力–屈服时拉应力曲线如图8所示，初始预加载拉应力平方–屈服时拉应力和切应力平方和曲线如图9所示。

图 8 预拉后扭转试验的初始预加载拉应力–屈服时拉应力曲线

Figure 8. Curve between initial preload tensile stress and yielding tensile stress which was obtained from pre-tension followed by torsion test

下载: 全尺寸图片幻灯片

图 9 预拉后扭转试验的初始预加载拉应力平方-屈服时拉应力和切应力平方和曲线

Figure 9. Curve between the square of initial preload tensile stress and the sum of squares of yielding tensile stress and shear stress which was obtained from pre-tension followed by torsion test

下载: 全尺寸图片幻灯片

从图8和图9可以看出，在预拉后扭转试验中，初始预加载拉应力与拉扭复合载荷条件下材料屈服时的拉应力（屈服时预加载拉应力剩余值）符合线性关系：

${\sigma _0} = {k_3}{\sigma _{\rm{p}}} + {b_3}$

(3)

初始预加载拉应力平方与拉扭复合载荷条件下材料屈服时的拉应力平方与拉应力和切应力的平方和符合线性关系：

$\sigma _{\rm{0}}^2 = {k_4}\left( {\sigma _{\rm{p}}^2 + \tau _{\rm{p}}^2} \right) + {b_4}$

(4)

式中：σ₀为初始预加载拉应力，MPa；k₃和k₄为线性拟合系数；b₃和b₄为线性拟合常数。

式（1）和式（3）中，当预加载应力τ₀=0（σ₀=0）时，屈服时τ_p=0（σ_p=0），则常数b₁=0（b₃=0）。因此，式（1）和式（3）分别变为：

${\tau _0} = {k_1}{\tau _{\rm{p}}}$

(5)

${\sigma _0} = {k_3}{\sigma _{\rm{p}}}$

(6)

将式（5）、式（6）分别代入式（2）、式（4），则得到：

$k_{\rm{1}}^2\tau _{\rm{p}}^2 = {k_2}\left( {\sigma _{\rm{p}}^2 + \tau _{\rm{p}}^2} \right) + {b_2}$

(7)

$k_{\rm{3}}^2\sigma _{\rm{p}}^2 = {k_4}\left( {\sigma _{\rm{p}}^2 + \tau _{\rm{p}}^2} \right) + {b_4}$

(8)

由式（7）和式（8）可知，在预拉后扭转和预扭后拉伸2种加载方式下，材料发生屈服时拉应力σ_p与扭应力τ_p均符合椭圆关系。

此外，在纯拉伸条件下，屈服时σ_p=σ_s，τ_p=0；在纯扭转条件下，材料发生屈服时τ_p=τ_s，σ_p=0；分别将其代入式（7）、式（8）中，得：

$- \frac{{{b_2}}}{{{k_2}}} = \sigma _{\rm{s}}^2$

(9)

$- \frac{{{b_4}}}{{{k_4}}} = \tau _{\rm{s}}^2$

(10)

将式（9）、式（10）分别代入式（7）、式（8），可得：

$\left( {\frac{{k_{\rm{1}}^2}}{{{b_2}}} + \frac{1}{{\sigma _{\rm{s}}^2}}} \right)\tau _{\rm{p}}^2 + \left( {\frac{1}{{\sigma _{\rm{s}}^2}}} \right)\sigma _{\rm{p}}^2 = 1$

(11)

$\left( {\frac{{k_{\rm{3}}^2}}{{{b_4}}} + \frac{1}{{\tau _{\rm{s}}^2}}} \right)\sigma _{\rm{p}}^2 + \left( {\frac{1}{{\tau _{\rm{s}}^2}}} \right)\tau _{\rm{p}}^2 = 1$

(12)

当预拉后扭转和预扭后拉伸的2条椭圆曲线相交时，分别可表示为：

$\frac{{k_{\rm{1}}^2}}{{{b_2}}} = \frac{{\sigma _{\rm{s}}^2 - \tau _{\rm{s}}^2}}{{\tau _{\rm{s}}^2\sigma _{\rm{s}}^2}}$

(13)

$\frac{{k_{\rm{3}}^2}}{{{b_4}}} = \frac{{\tau _{\rm{s}}^2 - \sigma _{\rm{s}}^2}}{{\tau _{\rm{s}}^2\sigma _{\rm{s}}^2}}$

(14)

将式（13）、式（14）分别代入式（11）、式（12），则2条椭圆曲线为：

$\frac{{\sigma _{\rm{p}}^2}}{{\sigma _{\rm{s}}^2}} + \frac{{\tau _{\rm{p}}^2}}{{\tau _{\rm{s}}^2}} = 1$

(15)

$\frac{{\sigma _{\rm{p}}^2}}{{\sigma _{\rm{s}}^2}} + \frac{{\tau _{\rm{p}}^2}}{{\tau _{\rm{s}}^2}} = 1$

(16)

可以看出，式（15）和式（16）为同一椭圆关系式。由此说明，在拉扭复合载荷条件下，材料发生屈服时的拉应力和切应力符合椭圆关系。与von Mises强度准则相比，拉扭椭圆强度准则包含拉伸屈服强度和扭转屈服强度2个基准参数，更具有可靠性和实用性，在工程设计中通过单向拉伸屈服强度和纯扭转屈服强度就可准确地获得材料在拉扭复合载荷条件下的屈服条件。

图10为V150钻杆试样在拉扭复合载荷试验中发生屈服时的拉应力和切应力数据点、拉扭椭圆强度准则曲线和von Mises强度准则曲线。图10中的试验数据点和强度准则曲线代表试样在拉扭复杂应力状态下的临界屈服线，有以下具体含义：当同时加载的拉应力和切应力点在临界屈服线内部区域时，表示试样仍处于弹性变形的安全范围；若在临界屈服线之外，则表示试样已经发生塑性失效；拉扭临界屈服线弹性范围的大小表征试样抵抗拉扭复合载荷的能力。

图 10 V150钻杆试样拉扭试验临界屈服数据与相关强度准则曲线比较

Figure 10. Comparison curve of critical yield data and correlation strength criterion in the tension-torsion test of V150 drill pipe

下载: 全尺寸图片幻灯片

由图10可知，V150钻杆试样的拉扭椭圆强度准则曲线与试验数据点偏差为–4.3%，而von Mises强度准则曲线与试验数据点偏差达到–23.1%，拉扭椭圆强度准则与试验数据点的吻合程度更高，且较von Mises强度准则的弹性变形安全范围高出24.5%，更具有工程应用价值。

3. 应用实例

位于塔里木盆地北缘的库车前陆盆地是中国西部重要的含油气盆地之一，地层自上而下发育了巨厚砾石层、复合盐膏层和超硬砂岩地层，钻井过程中易发生井眼失稳、周期性掉块、频繁漏失等问题，轻则引起钻柱扭矩波动大，需反复提钻释放扭矩或提钻长时间循环钻井液清除岩屑，重则发生蹩钻、卡钻等井下故障，严重影响钻井速度^[15]。为了提高钻井的安全性和效率，在该区块井深为7 300.00 m的某超深井钻井工程设计中，选用了承载能力更高、水力性能更好的ϕ149.2 mm V150钻杆。在该井钻柱设计中，载荷安全系数设置为1.1，即处理复杂问题时钻柱轴向拉力不能超过额定拉伸载荷（4 370 kN）的90%，而正常钻进时大钩拉力上限为2 800 kN，扭矩上限为30 kN·m，远小于额定载荷。

图11为ϕ149.2 mm V150钻杆拉扭复合载荷校核图，包括拉扭椭圆强度准则和von Mises强度准则2条设计曲线。图11中：①区为正常钻进中钻柱受到拉扭复合载荷的区域，该区域距离钻柱发生塑性失效临界线较远，属于安全区；②区和③区为处理卡钻等极端复杂情况时钻柱受到的拉扭复合载荷，可以看出在拉力达到90%额定载荷时，若按照von Mises强度准则进行设计，可承受的最大扭矩为74 kN·m，若参照拉扭椭圆强度准则进行设计，可承受的最大扭矩则达到93 kN·m，较前者高出了25.7%。此外，当拉伸载荷为0时，von Mises强度准则最大扭矩为166 kN·m，拉扭椭圆强度准则最大扭矩为206 kN·m，较前者高出了24.1%。这些都说明在钻柱拉扭复合载荷校核中，von Mises强度准则偏于保守，按照拉扭椭圆强度准则设计更能充分发挥钻杆的力学性能。

图 11 V150钻杆拉扭复合载荷校核

Figure 11. Calibration on the combined tension-torsion loading of V150 drill pipe

下载: 全尺寸图片幻灯片

4. 结　论

1）在拉扭复合载荷试验中，预加载一定拉应力（切应力），保持预加载拉应变（切应变）恒定，再进行扭转（拉伸）试验时，扭转（拉伸）屈服强度及预加载的拉应力（切应力）均会减小。初始预加载应力，与屈服时的应力呈良好的线性关系；初始预加载应力平方与屈服时拉应力和切应力的平方和呈良好的线性关系。

2）在拉扭复合载荷条件下，材料发生屈服时的拉应力和切应力符合椭圆强度准则，在工程设计中通过单向拉伸屈服强度和纯扭转屈服强度就可准确地获得材料抵抗拉扭复合载荷的能力。与von Mises强度准则相比，V150钻杆拉扭椭圆强度准则与试验数据点吻合程度更高，弹性变形安全范围较前者超出约24.5%，更具有工程应用价值。

3）对某超深井使用的ϕ149.2 mm V150钻杆的拉扭复合载荷进行了校核，按照von Mises强度准则设计抗扭强度偏于保守，按照拉扭椭圆强度准则设计能充分发挥钻杆的力学性能。

图 1 GRU网络记忆单元的结构

Figure 1. Structure of the GRU memory cell

下载: 全尺寸图片幻灯片

图 2 Bi-GRU网络的结构

Figure 2. Structure of Bi-GRU network

下载: 全尺寸图片幻灯片

图 3 基于Bi-GRU的溢流与井漏监测方法的流程

Figure 3. Flow of kick and lost circulation monitoring method based on Bi-GRU

下载: 全尺寸图片幻灯片

图 4 开、停泵期间监测参数的变化

Figure 4. Monitoring parameter changes during pump on and off

下载: 全尺寸图片幻灯片

图 5 基于Bi-GRU的溢流与井漏监测模型的结构

Figure 5. Structure of kick and lost circulation monitoring model based on Bi-GRU

下载: 全尺寸图片幻灯片

图 6 工况判别结果

Figure 6. Drilling condition discrimination results

下载: 全尺寸图片幻灯片

图 7 未考虑开停泵工况时不同模型的性能

Figure 7. Performance of different models without considering pump on and off

下载: 全尺寸图片幻灯片

图 8 考虑开、停泵工况时不同模型的性能

Figure 8. Performance comparison of models considering pump on and off

下载: 全尺寸图片幻灯片

图 9 溢流风险发生时参数的变化

Figure 9. Parameter changes during kick

下载: 全尺寸图片幻灯片

图 10 不同模型的溢流识别结果

Figure 10. Kick identification results of different models

下载: 全尺寸图片幻灯片

图 11 开、停泵工况下参数的变化

Figure 11. Parameter changes during pump on and off

下载: 全尺寸图片幻灯片

图 12 不同模型的风险识别结果

Figure 12. Risk identification results of different models

下载: 全尺寸图片幻灯片

表 1 数据集的样本数量与编码方式

Table 1 The sample size of the dataset and encoding method

类型训练集
样本数验证集
样本数测试集
样本数样本
总数独热
编码

正常 1 440 360 350 2 150 100
井漏 600 160 215 975 010
溢流 480 120 200 800 001

下载: 导出CSV

表 2 混淆矩阵的定义

Table 2 Confusion matrix definition

实际工况判别为正常判别为风险

正常 TP FN
风险 FP TN

下载: 导出CSV

参考文献(21)

[1]	张晓诚,霍宏博,林家昱,等. 渤海油田裂缝性油藏地质工程一体化井漏预警技术[J]. 石油钻探技术,2022,50(6):72–77. ZHANG Xiaocheng, HUO Hongbo, LIN Jiayu, et al. Integrated geology-engineering early warning technologies for lost circulation of fractured reservoirs in Bohai Oilfield[J]. Petroleum Drilling Techniques, 2022, 50(6): 72–77.
[2]	MAO Youli, ZHANG Peng. An automated kick alarm system based on statistical analysis of real-time drilling data[R]. SPE 197275, 2019.
[3]	孙伟峰,李威桦,王健,等. 基于C#与Python混合编程的钻井溢漏风险智能识别平台[J]. 实验技术与管理,2021,38(11):166–172. SUN Weifeng, LI Weihua, WANG Jian, et al. Intelligent identification platform of drilling kick and loss risk based on mixed programming of C# and Python[J]. Experimental Technology and Management, 2021, 38(11): 166–172.
[4]	戴永寿,岳炜杰,孙伟峰,等. “三高” 油气井早期溢流在线监测与预警系统[J]. 中国石油大学学报(自然科学版),2015,39(3):188–194. DAI Yongshou, YUE Weijie, SUN Weifeng, et al. Online monitoring and warning system for early kick foreboding on ‘three high’ wells[J]. Journal of China University of Petroleum (Edition of Natural Science), 2015, 39(3): 188–194.
[5]	YI M, ASHOK P, RAMOS D, et al. Natural language processing applied to reduction of false and missed alarms in kick and lost circulation detection[R]. SPE 206340, 2021.
[6]	杨传书,李昌盛,孙旭东,等. 人工智能钻井技术研究方法及其实践[J]. 石油钻探技术,2021,49(5):7–13. YANG Chuanshu, LI Changsheng, SUN Xudong, et al. Research method and practice of artificial intelligence drilling technology[J]. Petroleum Drilling Techniques, 2021, 49(5): 7–13.
[7]	袁俊亮,范白涛,幸雪松,等. 基于朴素贝叶斯算法的钻井溢流实时预警研究[J]. 石油钻采工艺,2021,43(4):455–460. YUAN Junliang, FAN Baitao, XING Xuesong, et al. Real-time early warning of drilling overflow based on naive Bayes algorithm[J]. Oil Drilling & Production Technology, 2021, 43(4): 455–460.
[8]	邓正强,兰太华,林阳升,等. 川渝地区防漏堵漏智能辅助决策平台研究与应用[J]. 石油钻采工艺,2021,43(4):461–466. DENG Zhengqiang, LAN Taihua, LIN Yangsheng, et al. Research and application of intelligent assistant decision making platform of lost circulation prevention and control in Sichuan-Chongqing Area[J]. Oil Drilling & Production Technology, 2021, 43(4): 461–466.
[9]	李中. 中国海油油气井工程数字化和智能化新进展与展望[J]. 石油钻探技术,2022,50(2):1–8. LI Zhong. Progress and prospects of digitization and intelligentization of CNOOC’s oil and gas well engineering[J]. Petroleum Drilling Techniques, 2022, 50(2): 1–8.
[10]	王茜,张菲菲,李紫璇,等. 基于钻井模型与人工智能相耦合的实时智能钻井监测技术[J]. 石油钻采工艺,2020,42(1):6–15. WANG Xi, ZHANG Feifei, LI Zixuan, et al. Real-time intelligent drilling monitoring technique based on the coupling of drilling model and artificial intelligence[J]. Oil Drilling & Production Technology, 2020, 42(1): 6–15.
[11]	SEABE P L, MOUTSINGA C R B, PINDZA E. Forecasting cryptocurrency prices using LSTM, GRU, and bi-directional LSTM: A deep learning approach[J]. Fractal and Fractional, 2023, 7(2): 203. doi: 10.3390/fractalfract7020203
[12]	刘汉桥. 基于数据挖掘的海洋钻井井涌早期预测方法研究[D]. 青岛: 中国石油大学（华东）, 2020. LIU Hanqiao. Study on early prediction for offshore drilling well kick based on data mining[D]. Qingdao: China University of Petroleum(East China), 2020.
[13]	SCHUSTER M, PALIWAL K K. Bidirectional recurrent neural networks[J]. IEEE Transactions on Signal Processing, 1997, 45(11): 2673–2681. doi: 10.1109/78.650093
[14]	WANG Yanting, ZHENG Dingkun, JIA Rong. Fault diagnosis method for MMC-HVDC based on Bi-GRU neural network[J]. Energies, 2022, 15(3): 994. doi: 10.3390/en15030994
[15]	KIM J. Finding the best performing pre-trained CNN model for image classification: Using a class activation map to spot abnormal parts in diabetic retinopathy image[J]. American Journal of Biomedical and Life Sciences, 2021, 9(4): 176–181. doi: 10.11648/j.ajbls.20210904.11
[16]	NIE Qi, LI Yun, XIONG Wenying, et al. Health recognition algorithm for sports training based on Bi-GRU neural networks[J]. Journal of Healthcare Engineering, 2021, 2021: 1579746.
[17]	LIU Xun, YOU Junling, WU Yulei, et al. Attention-based bidirectional GRU networks for efficient HTTPS traffic classification[J]. Information Sciences, 2020, 541: 297–315. doi: 10.1016/j.ins.2020.05.035
[18]	MATEUS B C, MENDES M, FARINHA J T, et al. Comparing LSTM and GRU models to predict the condition of a pulp paper press[J]. Energies, 2021, 14(21): 6958. doi: 10.3390/en14216958
[19]	WANG Guangbin, CHEN Jinhua, ZHONG Zhixian, et al. Multi-source heterogeneous fusion entropy ratio distance feature of bearing performance degradation based on DTW[J]. Vibroengineering Procedia, 2021, 39: 17–23. doi: 10.21595/vp.2021.22269
[20]	TANG Hewei, ZHANG Shang, ZHANG Feifei, et al. Time series data analysis for automatic flow influx detection during drilling[J]. Journal of Petroleum Science and Engineering, 2019, 172: 1103–1111. doi: 10.1016/j.petrol.2018.09.018
[21]	刘翔,张立华,戴泽源,等. 一种无输入参数的强噪声背景下ICESat-2点云去噪方法[J]. 光子学报,2022,51(11):354–364. LIU Xiang, ZHANG Lihua, DAI Zeyuan, et al. A parameter-free denoising method for ICESat-2 point cloud under strong noise[J]. Acta Photonica Sinica, 2022, 51(11): 354–364.

施引文献(8)

期刊类型引用(7)

1.	刘长硕，王瑜，李立鑫，覃泳杰，王显林，王翠竹. 特深井钻杆柱材料的研究现状与关键技术. 钻探工程. 2024(S1): 1-9 . 百度学术
2.	费根胜，王从奎，曾宪林，唐穗欣，张义. 复合载荷下S135钻杆管体裂纹扩展与结构改进. 机械科学与技术. 2023(10): 1638-1647 . 百度学术
3.	秦才会，李国玉，季新标，江帆，郭宇. 基于有限元数值方法的钻杆天线磁芯槽优化研究. 模具技术. 2023(05): 6-19 . 百度学术
4.	药晓江，卢华涛，尚捷，王清华，李辉，丁元皓，邓月，贾建波. 基于缩比模型的骨架型钻铤结构力学分析. 长江大学学报(自然科学版). 2022(02): 88-96 . 百度学术
5.	彭先波，马都都，王飞文，相志鹏，牟易升. V150高强度钻杆在超深井修井作业中的适用性. 新疆石油天然气. 2022(03): 25-30 . 百度学术
6.	于志军，王文军，黄立华，刘丹，徐云喜，王保国，汤清源. 连续管作业数据安全评估技术研究与软件开发. 石油机械. 2021(05): 115-121 . 百度学术
7.	王宴滨，张辉，高德利，柯珂，刘文红. 低温环境下钻柱材料力学特性试验及强度设计. 石油钻探技术. 2021(03): 35-41 . 本站查看

其他类型引用(1)

资源附件(0)

图(12) / 表(2)

计量

文章访问数: 464
HTML全文浏览量: 195
PDF下载量: 126
被引次数: 8

1. 试验材料和方法
2. 试验结果及分析
2.1 拉扭复合应力–应变相互影响关系
2.2 拉扭屈服现象
2.3 拉扭试验强度准则
3. 应用实例
4. 结　论

类型	训练集样本数	验证集样本数	测试集样本数	样本总数	独热编码
正常	1 440	360	350	2 150	100
井漏	600	160	215	975	010
溢流	480	120	200	800	001

实际工况	判别为正常	判别为风险
正常	TP	FN
风险	FP	TN

结合钻井工况与Bi-GRU的溢流与井漏监测方法

作者简介: 孙伟峰（1982—），男，山东东营人，2005年毕业于山东大学通信工程专业，2010年获山东大学信号与信息处理专业博士学位，教授，博士生导师，主要从事钻井风险智能预警方面的研究工作。E-mail: sunwf@upc.edu.cn

计量

出版历程