[发明专利]一种基于BP神经网络的钻速预测方法和基于BP神经网络以及粒子群算法的钻速优化方法

说明书

本发明公开一种基于BP神经网络的钻速预测方法，采集钻井工具的扭矩、钻压、泵压和排量，并基于BP神经网络预测钻速，具体包括步骤1：按照采样周期，通过传感器测量钻井工具的扭矩N_m、钻压P_m、泵压P_b和排量Q_m参数；步骤2：依次将参数进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄}；其中x₁为钻井工具的扭矩系数、x₂为钻压系数、x₃为泵压系数、x₄为排量系数；步骤3：所述输入层向量映射到中间层；步骤4：得到输出层向量o＝{o₁}；o₁为钻速预测系数；步骤5：预测钻井工具的钻速为：其中，为第i次采样周期输出层向量的钻速预测系数，ω_{m_max}为钻井工具的最大钻速，ω_m(i+1)为第i+1个采样周期时钻井工具的预测钻速。本发明公开一种基于BP神经网络以及粒子群算法的钻速优化方法。

技术领域

本发明涉及的是石油勘探以及钻井工程领域，更具体的是，本发明涉及一种基于BP神经网络的钻速预测方法和基于BP神经网络以及粒子群算法的钻速优化方法。

背景技术

在石油天然气勘探与开采过程中，钻井工程是当中极为关键的一个环节。如何有效的控制钻井施工成本、降低作业风险，最终实现安全快速钻井，已经成为国内外石油企业和学校的专家学者们研究新技术的主要目标。对于钻井工程而言，首要的目标一定是安全生产和节约成本，安全平稳主要依赖于规范的操作与安全制度。而节约成本在于减少机械损耗，特别是价格高昂的钻头的损耗以及提高钻速缩短钻井的工时。尤其是对于大型井场而言，一般会忽略机械损耗的影响，完全追求工程周期。因为在浩大的钻井过程中，随着时间拉长，所需的人力成本和能源成本更为庞大。因此，研究如何配置各项钻井参数，来达到钻速的最优化，以及研究在一定条件下，各项钻井参数对机械钻速所造成的影响就显得尤为重要。在当今，实现钻井参数的优选优配，最终达到优化钻井的过程，是一个在钻井工程领域受到普遍关注的课题。

为了实现钻井参数的优化，专利CN103046918A提出了一种钻井参数优化的方法，在该方法中，通过实时的地质环境变化反馈的钻井的钻井参数，例如转盘转速、扭矩、钻压、机械钻速等钻井参数，计算得到虚拟强度指数VSI，并根据测算的岩石真实强度指数和实时获取到的各个钻井参数,以及实时计算的虚拟强度指数,不断的调整钻井参数,以达到降低虚强度指数，以达到提高钻井效率的目的。该方法认为，钻井参数偏离最佳优化值越多，则计算出来的虚拟强度指数高于真实强度指数也越多，钻井效率越低，钻速也就越小。该方法实现简单，但岩石真实强度指数难以估计和测量，虚拟强度指数的参考值也就难以确定，调整的虚拟强度指数的标准也就难以掌控，且可以调整的参数众多，包括钻压、转速、扭矩等，虽然调整参数多样，灵活性高，但无法确定调整的标准以及对应的各钻井参数最优值与钻速之间的量化关系。

专利CN101899969提出了一种实时实地全参数优化方法，其主要包括水力优化、钻压优化以及转速优化三部分，通过实地测量的泵排量和泵压的值，来确定泵排量和除钻头之外的泥浆压力降之间的特性关系，进而根据特性关系的系数，来确定优化的泵排量和相应钻头喷嘴总过流面积。而钻压和转速的优化，则是根据钻压、机械钻速、转速、扭矩、钻头面积等参数值，根据它们之间的数学关系表达式，来确定单位破岩功，通过对地层岩石的测量，来确定理想单位破岩功基线，把实际钻井过程中计算得到的单位破岩功与基线相比，来相应调整钻压、转速等参数，使计算出来的单位破岩功更接近基线，从而确定优化的钻压、转速，进而最大化钻井效率，最大化钻井机械钻速。同样，在该方法中，理想单位破岩功的基线值，受其他因素干扰，波动幅度大，难以确定其具体的值，同上述专利一样，钻压、转速等钻井参数需要不断地循坏调整，经过人工多次调整，才能达到一个特定地层的优化值，优化过程不够自动化和智能化。