Processing math: 0%

中国石化智能钻井技术进展与展望

曾义金, 王敏生, 光新军, 王果, 张洪宝, 陈曾伟, 段继男

曾义金,王敏生,光新军,等. 中国石化智能钻井技术进展与展望[J]. 石油钻探技术,2024,52(5):1−9. DOI: 10.11911/syztjs.2024081
引用本文: 曾义金,王敏生,光新军,等. 中国石化智能钻井技术进展与展望[J]. 石油钻探技术,2024,52(5):1−9. DOI: 10.11911/syztjs.2024081
ZENG Yijin, WANG Minsheng, GUANG Xinjun, et al. Progress and prospects of Sinopec’s intelligent drilling technologies [J]. Petroleum Drilling Techniques, 2024, 52(5):1−9. DOI: 10.11911/syztjs.2024081
Citation: ZENG Yijin, WANG Minsheng, GUANG Xinjun, et al. Progress and prospects of Sinopec’s intelligent drilling technologies [J]. Petroleum Drilling Techniques, 2024, 52(5):1−9. DOI: 10.11911/syztjs.2024081

中国石化智能钻井技术进展与展望

基金项目: 中国石化科技攻关项目“自动化钻井技术与装备”(编号:P20048)、“智能化钻井关键技术与装备”(编号:P21065)资助。
详细信息
    作者简介:

    曾义金(1964—),男,江西吉水人,1985年毕业于江汉石油学院钻井工程专业,2003年获石油大学(北京)油气井工程专业博士学位,正高级工程师,主要从事深层超深层钻完井基础理论研究及关键技术研发与应用工作。系本刊编委会副主任。E-mail:zengyj.sripe@sinopec.com

  • 中图分类号: TE142

Progress and Prospects of Sinopec’s Intelligent Drilling Technologies

  • 摘要:

    智能钻井具有自感知、自学习、自决策、自执行和自适应等功能,有望大幅度提高钻井效率,降低钻井成本。为加速推动智能钻井技术发展,中国石化针对实时感知、智能决策及集成控制等方面存在的关键技术难点,开展了自动化钻机及关键装备、随钻工程地质参数感知、智能钻井分析决策和智能钻井系统集成等的攻关研究,进行了现场集成与示范应用,实现了钻井参数智能优化、井筒风险智能预警、井眼轨迹智能导航等应用场景的多目标协同优化,达到了咨询模式下智能辅助−人工决策的闭环控制水平,支撑了重点油气领域勘探开发的降本增效。为更好地发展智能钻井技术,在分析所存在问题的基础上,梳理、总结了中国石化近些年在智能钻井关键技术研究取得的进展,提出应进一步加强全自动钻机装备、高性能测传控系统和数字孪生决策系统等关键技术研究,加大技术迭代升级,推动智能钻井由咨询模式向半自主、自主控制模式转变。

    Abstract:

    Intelligent drilling has functions such as self-perception, self-learning, self-decision-making, self-execution, and self-adaptation. It is expected to significantly improve drilling efficiency and reduce operating costs. In order to accelerate the development of intelligent drilling technologies, Sinopec has conducted research on key technologies such as automated drilling rigs and key equipment, geological parameter perception while drilling engineering, intelligent drilling analysis and decision-making, and intelligent drilling system integration in terms of real-time perception, intelligent decision-making, integrated control, and other aspects. Integration and demonstration applications have been carried out on site, achieving multi-objective collaborative optimization of application scenarios such as intelligent optimization of drilling parameters, intelligent warning of wellbore risks, and intelligent navigation of wellbore trajectories. The closed-loop control level of intelligent assistance and manual decision-making in consulting mode has been achieved, which effectively supports cost reduction and efficiency improvement in key oil and gas exploration and development fields. In order to better develop intelligent drilling technologies, based on the analysis of the current problems, the latest progress in the research on key technologies for intelligent drilling in Sinopec was summarized. It was proposed to further strengthen the research on key technologies such as fully automated drilling rigs and equipment, high-performance measurement and control systems, and digital twin decision-making systems, increase technological iteration and upgrading, and promote the transformation of intelligent drilling from consulting mode to semi-autonomous and autonomous control modes.

  • 我国碳酸盐岩油气资源丰富,已经成为油气勘探开发的重要领域。碳酸盐岩储层具有埋藏深、超高温、超高压、非均质性强和孔隙缝洞发育等特征,大部分井需要进行酸化压裂才能投产[1-8]。缝洞型碳酸盐岩储层由于存在天然裂缝和孔洞体,孔洞体会导致附近应力场发生改变,从而影响水力裂缝的扩展方式和延伸路径[9]。因此,有必要开展孔洞型碳酸盐岩储层压裂缝扩展机理研究,为经济高效开发碳酸岩盐储层提供技术支持。

    目前,国内外学者针对砂岩、页岩等储层水力压裂裂缝起裂扩展机理开展了大量研究工作[10-21]。由于碳酸盐岩储层存在孔洞和天然裂缝,水力裂缝的扩展十分复杂,并不一定沿预设路径进行扩展,难以达到充分改造储层的目的。为此,笔者通过物理模拟试验建立了含孔洞碳酸盐岩定向压裂裂缝扩展模拟方法,结合数值方法研究了水平地应力差异对不同孔洞体特征下水力裂缝扩展路径的作用机制,明确了孔洞体对水力裂缝起裂和扩展的影响。

    碳酸盐岩天然露头不易取得,而且即使取得天然露头,也难以识别与评价大尺寸试样内部原有天然裂缝及孔洞系统分布。因此,采用人工制备的含孔洞碳酸盐岩试样,开展水力压裂试验。利用鸡蛋壳模拟孔洞体,结合缝洞型碳酸盐岩储层的物性参数及地质特征,选用PC52.5R复合硅酸盐水泥和70目石英砂制备试样。通过测试水泥与石英砂按不同质量比制备试样的单轴抗压和抗拉强度,确定水泥与石英砂按1∶1质量比制备尺寸300 mm×300 mm×300 mm含孔洞体特征的人工试样,用于进行孔洞型试样定向压裂试验。制作人工试样时,在模具上标记位置,将蛋壳体放置在预制井筒两侧沿最大水平主应力方向的中间位置,并保证蛋壳体中心位于立方体试样的中心平面上(见图1),采用一次性整体浇筑方式浇筑。

    图  1  制备含孔洞试样示意
    Figure  1.  Preparation of samples with cavities

    为研究水平地应力差异对孔洞型碳酸盐岩压裂缝扩展路径的影响,采用鸡蛋壳预制固定孔洞尺寸的人工试样。结合顺北地区碳酸盐岩储层地应力实际情况,设定室内压裂试验的三向加载应力,在此基础上改变地应力差异系数。试验参数如表1所示,三向地应力加载如图2所示,压裂液黏度为50 mPa·s。

    表  1  碳酸盐岩试样压裂试验参数
    Table  1.  Fracturing test parameters of carbonate rock samples
    试样应力差
    异系数k
    {\sigma_{⃑\text{v}}} /
    MPa
    {\sigma _{\text{H}}} /
    MPa
    {\sigma _{\text{h}}} /
    MPa
    Q/(mL·min−1
    D10.361815115
    D20.251815125
    D30.151815135
    D40.071815145
    下载: 导出CSV 
    | 显示表格
    图  2  孔洞布置及地应力加载方向示意
    Figure  2.  Cavity distribution and in-situ stress loading direction

    不同试样的水力裂缝扩展泵压–时间曲线如图3所示。由图3可以看出:试样D1所对应的泵压–时间曲线出现2个峰值,表明泵压在第一次达到峰值时试样发生破裂,但未形成贯穿通道;泵压降低后,随着继续泵注压裂液,泵压升高,再次出现峰值,但低于初次峰值,泵压第二次达到峰值降低后维持在一个相对稳定的值,表明泵压主要克服施加的三向地应力,已经形成贯穿通道。试样D2所对应泵压–时间曲线只出现一个峰值,表明在泵压达到峰值时就形成了贯穿通道,由于围压的存在,泵压维持在一个相对稳定的值。试样D3和D4所对应泵压–时间曲线均出现多个峰值,泵压在第一次达到峰值时裂缝起裂扩展,随后泵压出现多次降低升高的过程,表明水力裂缝在不断扩展,并有新的裂缝通道开启,且试样D4所对应泵压–时间曲线反复降低升高的时间范围大于试样D3。

    图  3  不同试样的水力裂缝扩展泵压–时间曲线
    Figure  3.  Pumping pressure-time curve of hydraulic fracture propagation of different samples

    不同水平主应力差下试样的破裂压力如图4所示。由图4可以看出,随着水平主应力差增大,试样所对应的破裂压力逐渐降低。

    图  4  试样不同水平主应力差下的破裂压力
    Figure  4.  Fracture pressure of samples under different horizontal principal stress differences

    图5为试样D1水力裂缝的形态。由图5可以看出,试样D1的水力裂缝沿最大水平主应力方向起裂扩展,遇到孔洞后直接穿过孔洞并继续沿原扩展方向延伸,水力裂缝未发生转向,从而形成一条垂直于最小水平主应力的破裂面。

    图  5  试样D1水力裂缝的形态
    Figure  5.  Pattern of hydraulic fracture in Sample D1

    图6为试样D2水力裂缝的形态。由图6可以看出:试样D2的水力裂缝沿最大水平主应力方向起裂扩展,裂缝扩展到孔洞附近时路径并没有发生改变;由该试样水力裂缝表面示踪剂分布范围可知,孔洞右侧没有示踪剂分布,表明水力裂缝沿着最大水平主应力一直扩展到孔洞体边界,随后因为孔洞体的存在裂缝停止扩展,形成一道垂直于最小水平主应力的破裂面。

    图  6  试样D2水力裂缝的形态
    Figure  6.  Pattern of hydraulic fracture in Sample D2

    试样D3孔洞体周围没有红色示踪剂(见图7),但可以观察到孔洞体的存在,说明水力裂缝扩展到孔洞体附近时,沿最小水平主应力方向发生转向但偏转距离不大。试样D4破裂面左半面完全被红色示踪剂浸染(见图8),且无法观察到孔洞体的存在,说明水力裂缝扩展到孔洞体附近时发生转向,扩展路径完全绕过了孔洞体。可以看出,试样D4水力裂缝的转向效果比试样D3更明显,水力裂缝开始转向的位置与井筒的距离也更近。

    图  7  试样D3水力裂缝的形态
    Figure  7.  Pattern of hydraulic fracture in Sample D3
    图  8  试样D4水力裂缝的形态
    Figure  8.  Pattern of hydraulic fracture in Sample D4

    总结了不同水平主应力差异系数下水力裂缝的形态,结果见图9。由图9可以看出:水平主应力差异系数k为0.07时,孔洞体的存在改变了水平主应力差对水力裂缝扩展的主导地位;水平主应力差异系数k为0.15时,水平主应力差对水力裂缝的扩展路径起主导作用,由于孔洞体产生的应力集中无法改变水平主应力差对水力裂缝扩展的主控地位,水力裂缝均沿最大水平主应力方向起裂扩展,形成一条完整的垂直于最小水平主应力的破裂面,但不同条件下孔洞体与裂缝的交互作用不同;水平主应力差异系数k为0.25时,水力裂缝扩展到孔洞体边界时会被孔洞体捕捉,不再继续沿原路径向前扩展;水平主应力差异系数k为0.36时,水力裂缝扩展到孔洞体时会穿过孔洞,并继续向前扩展。由以上分析可以看出,水平主应力差异系数为0.15~0.36时,水平主应力差异系数越小,孔洞体对水力裂缝的排斥作用越明显,水力裂缝越容易发生转向,对应的转向半径越大,水力裂缝会绕过孔洞体继续扩展,水力裂缝扩展过程中与最大水平主应力方向上孔洞体的交互作用有绕过孔洞、被孔洞体捕获和穿过孔洞体等3种交互模式。

    图  9  不同水平主应力差异系数下的裂缝形态示意
    Figure  9.  Fracture pattern under different horizontal principalstress difference coefficients

    通过分析不同水平主应力差异系数下含预制孔洞试样水力压裂试验结果,得到水平主应力差异系数对水力裂缝扩展的影响规律:

    1)k≤0.15时,水力裂缝遇到孔洞体会产生非平面扩展,且水平主应力差异系数越小,转向半径越大,水力裂缝的形态越复杂。

    2)0.15<k<0.36时,水平主应力差会克服孔洞体应力集中形成沿平面扩展的主裂缝,室内试验条件下主裂缝遇到孔洞体后会被孔洞体所捕捉,无法穿过孔洞体继续扩展。

    3)k≥0.36时,水平主应力差会克服孔洞体应力集中,水力裂缝沿平面扩展,主裂缝扩展路径上遇到孔洞体后会直接穿过孔洞体继续扩展。随着水平主应力差增大,破裂压力逐渐降低。

    水平主应力差对水力裂缝扩展路径影响明显,由于真三轴压裂物理模拟试验无法在更大尺度上模拟水力裂缝的扩展特征,因此利用数值模拟方法分析不同水平主应力差下水力裂缝遇到孔洞体后的扩展形态。目前,多采用有限元法模拟水力压裂裂缝的扩展[16-20, 22],通过离散法将一个实体模型转化为一系列相互连接的微小单元。笔者采用扩展有限元法,建立水力压裂流–固耦合分析模型,分析孔洞型碳酸盐岩不同地应力状态及孔洞体分布特征对水力裂缝扩展路径的影响。

    利用扩展有限元法模拟水力压裂,无需提前设置裂缝扩展路径,只需在模型上预制初始裂缝,然后在网格节点内部设置注液点。单一孔洞模型尺寸为40 m×40 m,网格尺寸设置为0.30 m×0.30 m;初始裂缝长2.00 m,垂直于模型左侧边界,在模型中心上方0.40 m处;注液点在网格节点之间。模型边界均采用位移约束,且为渗透边界条件。

    以顺北油气田某区块碳酸盐岩储层为例,地应力参数设置情况如表2所示,孔洞半径为3 m,储层渗透率为0.11 mD,压裂液黏度为50 mPa·s,排量为5 m3/min,储层压力梯度为1.78 MPa/100m。模拟不同水平主应力下水力裂缝扩展的特征和路径,结果如图10所示。

    表  2  数值模拟地应力参数设置
    Table  2.  Parameter setting of in-situ stress in numerical simulation
    序号 {\sigma _{\text{H}}} /MPa {\sigma _{\text{h}}} / MPa \Dela \sigma / MPa泊松比弹性模
    量/GPa
    Biot
    系数
    1757050.1938.540.87
    26510
    36015
    45520
    下载: 导出CSV 
    | 显示表格
    图  10  不同水平主应力差下水力裂缝扩展的特征和路径
    Figure  10.  Propagation characteristics and paths of hydraulic fractures under different horizontal principal stress differences

    对比不同水平地应力差下水力裂缝的扩展路径可知(图10):水平主应力差越小,水力裂缝扩展路径偏离最大水平主应力方向的距离越大,孔洞体所产生的应力集中对水力裂缝扩展路径的影响越明显;相反,水平主应力差越大,水力裂缝扩展路径越不容易偏离最大水平主应力方向;水平主应力差大于15 MPa(即水平主应力差异系数大于0.25)时,水力裂缝扩展过程中未发生偏转,一直沿最大水平主应力方向扩展,直到与孔洞体沟通。因此,在只有孔洞存在的条件下,水平主应力差越大(即水平主应力差异系数越大),克服孔洞体应力集中的能力越强,裂缝越易于沟通最大水平主应力方向上的孔洞体。

    碳酸盐岩储层中孔洞体形态各异,尺寸大小不一,需要研究其对水力裂缝扩展的影响。设定初始裂缝与最大水平主应力方向夹角为0°,最大水平主应力为75 MPa,最小水平主应力为65 MPa,孔洞内压力设置为50 MPa,模拟孔洞半径分别为1,2,3和4 m时的水力裂缝扩展特征和路径,结果如图11图12所示。

    图  11  含不同半径孔洞模型水力裂缝扩展特征
    Figure  11.  Propagation characteristics of hydraulic fractures in models with different radii cavities
    图  12  含不同半径孔洞模型水力裂缝扩展路径
    Figure  12.  Propagation paths for hydraulic fractures in models with cavities of different radii

    图11图12可以看出:孔洞半径为1 m时,水力裂缝扩张路径不发生偏转,直接沿最大水平主应力方向延伸,直至与孔洞沟通;孔洞半径分别为2,3和4 m时,水力裂缝扩展路径均不同程度地偏离最大水平主应力方向;孔洞半径较小时,水力裂缝偏离最大水平主应力方向的距离较小;随孔洞半径增大,水力裂缝偏离最大水平主应力方向的时间提前,同时偏离最大水平主应力的距离增大。

    碳酸盐岩储层中存在多个连续分布的孔洞时,由单个孔洞体对水力裂缝扩展影响的模拟结果可知,孔洞半径和水平主应力差会影响裂缝与孔洞的交互模式;孔洞半径较小或水平主应力差较大时,水力裂缝会被孔洞体捕捉或直接穿过孔洞体。水平主应力差是水力裂缝扩展的主控因素,也是分析连续分布孔洞体对水力裂缝影响时考虑的首要影响因素。

    建立孔洞体连续分布模型,地应力取值见表2,孔洞半径设置为1.50 m,模拟连续分布孔洞体下水力裂缝的扩展特征,结果如图13所示。

    图  13  孔洞连续分布模型不同水平主应力差下水力裂缝扩展特征
    Figure  13.  Propagation characteristics of hydraulic fractures in models with continuous cavity distribution under different horizontal principal stress differences

    图13可以看出:水平主应力差依然是影响水力裂缝扩展的主控因素;水平主应力差越小( \Delta \sigma =5 MPa),水力裂缝越容易转向绕过孔洞体;连续孔洞体所产生的应力集中区域也同样连续分布,所以水力裂缝在第1个孔洞被排斥发生转向后,会一直沿着应力集中区域的边界向前扩展;随着水平主应力差增大,能够克服第1个孔洞产生的应力集中,水力裂缝与第1个孔洞出现被孔洞捕获( \Delta \sigma =10 MPa)和穿过孔洞( \Delta \sigma =15 MPa)2种交互模式;穿过孔洞的水力裂缝沿最大水平主应力方向继续扩展,进入第2个孔洞产生的应力集中区域,水力裂缝与第2个孔洞的交互作用同样随水平主应力差变化而变化,会出现绕过孔洞( \Delta \sigma =15 MPa)、被孔洞捕获( \Delta \sigma =20 MPa)和穿过孔洞( \Delta \sigma >20 MPa)3种交互模式。

    由于水力裂缝扩展中穿过孔洞体伴随着能量的耗散,导致在相同水平主应力差下,水力裂缝穿过第1个孔洞后不一定能够穿过第2个孔洞。孔洞连续分布使应力集中区域增大,若要沟通连续孔洞体,需要进一步开展多因素分析。

    1)孔洞体直接影响水力裂缝的扩展形态与扩展路径。水平主应力差异系数不大于0.15时,水力裂缝遇到孔洞体后会发生非平面扩展,且水平主应力差越小,水力裂缝偏离最大水平主应力方向的距离越大,压裂后水力裂缝的形态越复杂。

    2)水平主应力差异系数大于0.15、小于0.36时,水平主应力差会克服孔洞体应力集中的影响形成平面扩展的水力裂缝,但遇到孔洞体后会被孔洞体所捕捉,无法穿过孔洞体继续扩展。

    3)水平主应力差异系数不小于0.36时,水平主应力差会克服孔洞体应力集中,使水力裂缝沿平面进行扩展,且遇到孔洞后会直接穿过孔洞体后继续沿原路径扩展;随着水平主应力差增大,水力裂缝所对应的破裂压力逐渐降低。

    4)受地应力条件、孔洞体特征等的影响,碳酸盐岩储层中水力裂缝扩展复杂,下一步可参照文中思路,探索碳酸盐岩储层中水力裂缝在不同地应力特征、不规则孔洞和不同压裂施工参数等条件下的扩展规律,为压裂设计提供依据。

  • 图  1   7 000 m同升式自动化钻机

    Figure  1.   7 000 m simultaneous lifting automated drilling rig

    图  2   3D视觉引导实现料袋识别与抓取

    Figure  2.   3D visual guidance for material recognition and grasping

    图  3   随钻高分辨率电阻率成像仪

    Figure  3.   High-resolution resistivity imaging instrument while drilling

    图  4   耐温175 ℃随钻井下动态工程参数测量仪

    Figure  4.   Downhole dynamic engineering parameter measurement instrument while drilling with temperature resistance of 175 ℃

    图  5   智能钻井分析决策云平台架构

    Figure  5.   Architecture of intelligent drilling analysis and decision-making platform

    图  6   多约束条件下钻井参数智能优化调整对钻井的影响

    Figure  6.   Influence of intelligent optimization and adjustment of drilling parameters on drilling under multiple constraints

    图  7   井下复杂情况早期预警情况

    Figure  7.   Early warning of complex underground situations

    图  8   地层实时预测与井眼轨迹智能导航

    Figure  8.   Real-time geological prediction and intelligent navigation of wellbore trajectory

    图  9   钻井作业智能控制技术示意

    Figure  9.   Intelligent control technology for drilling operations

    表  1   智能钻井发展阶段划分

    Table  1   Classification of development stages of intelligent drilling

     发展阶段 水平 实现功能
     观察模式 L0  不提供任何建议,仅提供井场监测系统、井下信息获取系统、智能报警系统等获取的信息
     咨询模式 L1  提供咨询建议,司钻做出决定并执行,如钻井动态过程诊断系统、定向钻井辅助系统等
     半自主控制模式 L2  司钻批准建议后,系统自动执行,如自动送钻系统、钻柱黏滑振动地面控制系统、自动控压钻井系统等
     自主控制
    模式
    L3  机器自动决策并执行,一般用于某个具体流程,如随钻测量+旋转导向系统等
    下载: 导出CSV
  • [1] 王敏生,光新军. 智能钻井技术现状与发展方向[J]. 石油学报,2020,41(4):505–512. doi: 10.7623/syxb202004013

    WANG Minsheng, GUANG Xinjun. Status and development trends of intelligent drilling technology[J]. Acta Petrolei Sinica, 2020, 41(4): 505–512. doi: 10.7623/syxb202004013

    [2] 王敏生. 沿钻柱测量技术及其发展方向[J]. 石油钻探技术,2022,50(4):52–58. doi: 10.11911/syztjs.2022001

    WANG Minsheng. Along-string measuring technique and its development direction[J]. Petroleum Drilling Techniques, 2022, 50(4): 52–58. doi: 10.11911/syztjs.2022001

    [3] 李根生,宋先知,祝兆鹏,等. 智能钻完井技术研究进展与前景展望[J]. 石油钻探技术,2023,51(4):35–47. doi: 10.11911/syztjs.2023040

    LI Gensheng, SONG Xianzhi, ZHU Zhaopeng, et al. Research progress and the prospect of intelligent drilling and completion technologies[J]. Petroleum Drilling Techniques, 2023, 51(4): 35–47. doi: 10.11911/syztjs.2023040

    [4] 张好林,杨传书,李昌盛,等. 钻井数字孪生系统设计与研发实践[J]. 石油钻探技术,2023,51(3):58–65. doi: 10.11911/syztjs.2023011

    ZHANG Haolin, YANG Chuanshu, LI Changsheng, et al. Design and research practice of a drilling digital twin system[J]. Petroleum Drilling Techniques, 2023, 51(3): 58–65. doi: 10.11911/syztjs.2023011

    [5] 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. doi: 10.11911/syztjs.2020136

    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. doi: 10.11911/syztjs.2020136

    [6]

    OLIVIER G. Using an E&P digital twin in well construction[EB/OL]. (2022-01-07)[2024-08-12]. https://www.halliburton.com/en/software/decisionspace-365-enterprise/decisionspace-365-well-construction.

    [7]

    BA S, IGNOVA M, MANTLE K, et al. Autonomous directional drilling planning and execution using an industry 4.0 platform[R]. SPE 204607, 2021.

    [8]

    LAI S W, NG J, EDDY A, et al. Large-scale deployment of a closed-loop drilling optimization system: implementation and field results[R]. SPE 199601, 2020.

    [9] 李根生,宋先知,田守嶒. 智能钻井技术研究现状及发展趋势[J]. 石油钻探技术,2020,48(1):1–8. doi: 10.11911/syztjs.2020001

    LI Gensheng, SONG Xianzhi, TIAN Shouceng. Intelligent drilling technology research status and development trends[J]. Petroleum Drilling Techniques, 2020, 48(1): 1–8. doi: 10.11911/syztjs.2020001

    [10]

    ZHANG Hongbao, ZENG Yijin, LIAO Lulu, et al. How to land modern data science in petroleum engineering[R]. SPE 205689, 2021.

    [11]

    MAYANI M G, BAYBOLOV T, ROMMETVEIT R, et al. Optimizing drilling wells and increasing the operation efficiency using digital twin technology[R]. SPE 199566, 2020.

    [12]

    KARPOV R, KOJADINOVIC K, KOKOTOVIC U, et al. Live digital twin improving drilling performance and providing foundation for the realtime data quality control[R]. SPE 216981, 2023.

    [13] 蔡亚琳,柯式镇,康正明,等. 随钻电阻率成像测井在裂缝地层中的响应模拟[J]. 石油科学通报,2020,5(3):327–336. doi: 10.3969/j.issn.2096-1693.2020.03.028

    CAI Yalin, KE Shizhen, KANG Zhengming, et al. Logging response simulation of a LWD resistivity imaging tool in fractured formations[J]. Petroleum Science Bulletin, 2020, 5(3): 327–336. doi: 10.3969/j.issn.2096-1693.2020.03.028

    [14] 康正明,柯式镇,李新,等. 随钻电阻率成像测井仪定量评价地层界面探究[J]. 石油钻探技术,2020,48(4):124–130. doi: 10.11911/syztjs.2020087

    KANG Zhengming, KE Shizhen, LI Xin, et al. Probe into quantitative stratigraphic interface evaluation using a resistivity imaging LWD tool[J]. Petroleum Drilling Techniques, 2020, 48(4): 124–130. doi: 10.11911/syztjs.2020087

    [15] 李新,倪卫宁,米金泰,等. 一种基于非接触耦合原理的新型随钻微电阻率成像仪器[J]. 中国石油大学学报(自然科学版),2020,44(6):46–52. doi: 10.3969/j.issn.1673-5005.2020.06.006

    LI Xin, NI Weining, MI Jintai, et al. A novel high-resolution resistivity imaging while drilling tool based on contactless coupling[J]. Journal of China University of Petroleum(Edition of Natural Science), 2020, 44(6): 46–52. doi: 10.3969/j.issn.1673-5005.2020.06.006

    [16]

    KANG Zhengming, LI Xin, NI Weining, et al. Using logging while drilling resistivity imaging data to quantitatively evaluate fracture aperture based on numerical simulation[J]. Journal of Geophysics and Engineering, 2021, 18(3): 317–327. doi: 10.1093/jge/gxab016

    [17]

    XU Wei, HUANG Hang, LI Xin, et al. Self-adaptive inversion method of electromagnetic-propagation resistivity logging while drilling data[J]. Applied Geophysics, 2022, 19(3): 343–352. doi: 10.1007/s11770-022-0939-1

    [18]

    ZHANG Hongbao, LU Baoping, YANG Shunhui, et al. A global drilling KPIs analysis system based on modern data science techniques[R]. SPE 203378, 2020.

    [19]

    ZHANG Hongbao, LU Baoping, LIAO Lulu, et al. Combining machine learning and classic drilling theories to improve rate of penetration prediction[R]. SPE 202202, 2021.

    [20]

    ZHANG Hongbao, ZENG Yijin, BAO Hongzhi, et al. Drilling and completion anomaly detection in daily reports by deep learning and natural language processing techniques[R]. URTEC 2020-2885, 2020.

    [21]

    ZHOU Fei, FAN Honghai, LU Baoping, et al. Application of DNN-TCN composite neural network in rate of penetration prediction[R]. SPE 209886, 2022.

    [22]

    BAI Kankan, FAN Honghai, ZHANG Hongbao, et al. Real time torque and drag analysis by combining of physical model and machine learning method[R]. URTEC 3723045, 2022.

    [23]

    ZHOU Fei, FAN Honghai, LIU Yuhan, et al. Application of XGBoost algorithm in rate of penetration prediction with accuracy[R]. IPTC 22100, 2022.

    [24]

    LU Baoping, XU Ting, HUANG Yuebin, et al. Applications of computer vision and deep learning in visual features extraction of drill bits[R]. IPTC 22624, 2022.

    [25] 曾义金,李大奇,陈曾伟,等. 基于自然语言处理与大数据分析的漏失分析与诊断[J]. 石油钻探技术,2023,51(6):1–11. doi: 10.11911/syztjs.2023069

    ZENG Yijin, LI Daqi, CHEN Zengwei, et al. Loss analysis and diagnosis based on natural language processing and big data analysis[J]. Petroleum Drilling Techniques, 2023, 51(6): 1–11. doi: 10.11911/syztjs.2023069

    [26]

    LU Baoping, YUAN Duo, WU Chao, et al. A drilling technology guided by well-seismic information integration[J]. Petroleum Exploration and Development, 2020, 47(6): 1325–1332. doi: 10.1016/S1876-3804(20)60140-4

    [27]

    JIANG Jun, LUO Fang, ZHANG Hongbao, et al. Adaptive multiexpert learning for lithology recognition[J]. SPE Journal, 2022, 27(6): 3802–3813. doi: 10.2118/209824-PA

  • 期刊类型引用(8)

    1. 罗攀登,张士诚,郭天魁,王赫,陈铭,张雄. 缝洞型碳酸盐岩水平井压裂裂缝沟通效果模拟. 深圳大学学报(理工版). 2025(01): 30-40 . 百度学术
    2. 刘善勇,尹彪,楼一珊,张艳. 粗糙裂缝内支撑剂运移与展布规律数值模拟. 石油钻探技术. 2024(04): 104-109 . 本站查看
    3. 陈凯,段永伟,于雪盟,刘洪霞,王翠翠,朱旭. 松南盆地情字外前缘砂页交互储层可压性评价. 油气井测试. 2024(04): 66-72 . 百度学术
    4. 唐可,赵勇,李凯,宁朦,蒲万芬,田开平. 致密油藏压裂井气驱暂堵调剖剂研制与评价. 特种油气藏. 2023(02): 161-167 . 百度学术
    5. 肖杭州. CL区块登娄库组致密砂岩气藏压裂液体系适应性评价. 特种油气藏. 2023(03): 143-147 . 百度学术
    6. 钱钦,鲁明晶,钟安海. 东营凹陷陆相页岩油CO_2增能压裂裂缝形态研究. 石油钻探技术. 2023(05): 42-48 . 本站查看
    7. 冯新根,方俊伟,方裕燕,潘丽娟. 抗高温隔离膜缓速酸液体系研制与性能评价. 石油钻探技术. 2023(06): 99-105 . 本站查看
    8. 马天寿,向国富,石榆帆,桂俊川,张东洋. 基于双向长短期记忆神经网络的水平地应力预测方法. 石油科学通报. 2022(04): 487-504 . 百度学术

    其他类型引用(1)

图(9)  /  表(1)
计量
  • 文章访问数:  584
  • HTML全文浏览量:  122
  • PDF下载量:  248
  • 被引次数: 9
出版历程
  • 收稿日期:  2024-08-12
  • 修回日期:  2024-08-29
  • 网络出版日期:  2024-09-11
  • 刊出日期:  2024-09-24

目录

/

返回文章
返回