基于物联网与钻井操作序列的复杂钻井工况智能识别方法OA

传统钻井工况识别方法多依赖监测参数的短时变化,常忽视钻井操作的影响,易将不同操作导致的相似钻井参数变化误判为同一工况,导致工况判别错误.为此,文中提出了一种基于物联网与钻井操作序列的复杂钻井工况智能识别方法.首先,利用物联网技术实时获取多源钻井数据,并对监测参数设定合理阈值以确定钻具与泥浆泵的多种运行状态;然后,依据这些状态的特定组合判定对应的钻井操作,形成钻井操作序列;最后,以钻井操作序列及泵压、钻头位置、大钩负荷、大钩高度、井深、转速、钻压、扭矩作为输入,构建类别型特征梯度提升(CatBoost)模型,对起钻、下钻、正划眼、倒划眼、旋转钻进、滑动钻进和活动钻具7种复杂工况进行识别.利用从某油田获取的7 449个样本开展钻井工况识别实验,结果表明,该方法对复杂钻井工况的识别准确率达97.32%,与未引入钻井操作的CatBoost模型相比,准确率提升1.62%.