EA 028514B1 20171130 Номер и дата охранного документа [PDF] EAPO2017\PDF/028514 Полный текст описания [**] EA201100637 20091014 Регистрационный номер и дата заявки US61/105,184 20081014 Регистрационные номера и даты приоритетных заявок IB2009/007127 Номер международной заявки (PCT) WO2010/043951 20100422 Номер публикации международной заявки (PCT) EAB1 Код вида документа [PDF] eab21711 Номер бюллетеня [GIF] EAB1\00000028\514BS000#(1094:2313) Основной чертеж [**] СИСТЕМА И МЕТОД ДЛЯ ОНЛАЙНОВОЙ АВТОМАТИЗАЦИИ Название документа [8] E21B 44/00 Индексы МПК [GB] Олдред Уолтер, [GB] Данлоп Джонатан, [CN] Беласки Джеймс Сведения об авторах [NL] ШЛЮМБЕРГЕР ТЕКНОЛОДЖИ Б.В. Сведения о патентообладателях [NL] ШЛЮМБЕРГЕР ТЕКНОЛОДЖИ Б.В. Сведения о заявителях
 

Патентная документация ЕАПВ

 
Запрос:  ea000028514b*\id

больше ...

Термины запроса в документе

Реферат

[RU]

1. Способ автоматизации или частичной автоматизации оптимизации буровой операции в нефтегазовой промышленности, в котором буровая операция подвергается изменению в одном или более условиях работы и предназначена для управления по меньшей мере одним параметром и контроля датчиками, обеспечивающими потоки исходные данных, в котором получают потоки исходных данных, указывающих глубину вруба, нагрузку на долото и скорость вращения долота; после получения новых данных, входящих в один из потоков данных, используют процессор для обеспечения того, чтобы поток исходных данных был сегментирован в соответствии с множеством возможных сегментаций, причем каждая из множества возможных сегментаций включает в себя множество сегментов, разделенных одной или более критическими точками, и причем критические точки являются указывающими изменение по меньшей мере в одном или более условиях эксплуатации; оценивают каждую из множества возможных сегментаций путем подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации к модели, соответствующей каждому сегменту в оцениваемой сегментации; и определения, насколько хорошо модели сегментов оцениваемой сегментации соответствуют частям исходных данных, соответствующих каждому сегменту оцениваемой сегментации; генерируют выходные данные в форме функционального соотношения, определяющего скорость проникновения как функции от скорости вращения долота и нагрузки на долото по меньшей мере из одного из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одного из множества возможных сегментаций; определяют эксплуатационные ограничения, определяющие безопасный рабочий диапазон как функции скорости вращения долота и нагрузки на долото; определяют параметры скорости вращения и нагрузки на долото, обеспечивающие оптимальную скорость проникновения в рамках безопасного рабочего диапазона; и выводят данные сочетания скорости вращения долота и изменения нагрузки на долото для изменения параметров скорости вращения долота и нагрузки на долото в сторону параметров скорости вращения долота и нагрузки на долото, необходимых для оптимальной скорости проникновения.

2. Способ в соответствии с п.1, отличающийся тем, что периодически удаляют из рассмотрения сегментации имеющие результаты оценки, указывающие на недостаточное качество подгонки моделей, соответствующих сегментам сегментации.

3. Способ в соответствии с п.2, отличающийся тем, что после получения дополнительных данных, входящих в поток исходных данных, возможными признают только те сегментации, оставшиеся после удаления из числа рассматриваемых тех сегментаций, результаты оценки которых свидетельствуют о низком качестве подгонки модели.

4. Способ в соответствии с п.1, в котором модели выбирают из числа ступенчатых функций и линейных функций.

5. Способ в соответствии с п.1, в котором этап оценки каждого из множества возможных сегментаций включает в себя этап, на котором выбирают байесовские модели для присваивания весовых показателей каждому сегменту в каждой сегментации и в котором весовой показатель, связанный с каждым сегментом, представляет собой точное измерение моделей, соответствующих подгонке сегмента к данным, связанным с этим сегментом.

6. Способ в соответствии с п.1, в котором этап подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации, выполняют при помощи линейной регрессии.

7. Способ в соответствии с п.1, дополнительно включающий в себя этапы, на которых создают древовидную структуру, имеющую узлы, представляющие частицы, соответствующие конкретным сегментациям, где при индексе i набор частиц (материнских частиц), каждая из которых соответствует конкретной сегментации, поддерживают в активном состоянии; и для каждого нового пункта данных, полученного из потока исходных данных при индексе i+1, создают множество дочерних узлов по отношению к каждому узлу активной материнской частицы каждого узла, причем каждый дочерний узел соответствует либо продолжению сегментов, которым соответствует узел материнской частицы, либо началу нового сегмента новой моделью.

8. Способ в соответствии с п.2, дополнительно включающий в себя этапы, на которых отображают каждую возможную сегментацию для n точек данных в виде множества частиц, при этом этап удаления включает в себя этап, на котором удаляют из рассмотрения частицы, представляющие собой сегментации с плохим качеством подгонки.

9. Способ в соответствии с п.8, дополнительно включающий в себя этап, на котором после получения дополнительной точки данных (n+1) из числа исходных данных генерируют дополнительные частицы, являющиеся дочерними частицами, каждой активной частицей, и соответствие каждой новой возможной сегментации, включающей в себя новую точку данных.

10. Способ в соответствии с п.1, в котором этап использования выходных данных для управления по меньшей мере одним параметром процесса нефтегазовой промышленности включает в себя этапы, на которых осуществляют индикацию на контроллер по меньшей мере одного параметра о том, что вероятно имело место изменение эксплуатационных условий; и корректируют по меньшей мере один параметр в ответ на индикацию того, что имело место вероятное изменение условий эксплуатации.

11. Способ в соответствии с п.1, в котором генерирование выходных данных по меньшей мере из одной из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одной из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одной из множества возможных сегментаций, включает в себя этапы, на которых рассчитывают вероятность того, что первое условие имело место; направляют информацию о вероятности того, что первое условие имело место, в механизм логического вывода; обеспечивают эксплуатацию механизма логического вывода с целью установления того, что первое событие имело место.

12. Способ в соответствии с п.11, в котором рассчитывают вероятность того, что имело место первое условие, включает в себя расчет значения как функции моделей, соответствующих сегментам каждой рассматриваемой сегментации, сравнение этого значения с пороговым условием и декларацию того, что вероятность первого условия имеет место как взвешенная сумма вероятностей, связанных с сегментацией, для которой расчетное значение удовлетворяет пороговому условию.

13. Способ в соответствии с п.11, дополнительно включающий в себя этапы, на которых вводят в механизм логического вывода по меньшей мере одну дополнительную вероятность того, что имело место второе условие; обеспечивают эксплуатацию механизма логического вывода с целью определения вероятности того, что имело место каждое из первых событий и вторых событий, которые вызвали наступление первого события.

14. Способ в соответствии с п.11, в котором дополнительно задают функциональное соотношение между скоростью проникновения в зависимости от скорости вращения долота и нагрузки на долото в качестве первого функционального соотношения между скоростью проникновения и нагрузки на долото и из первого функционального соотношения задают второе функциональное соотношение, задающее скорость вращения долота и скорость проникновения, и нагрузку на долото; и при приеме дополнительных измерений глубины вруба, нагрузки на долото и скорости вращения долота обновляют функциональное соотношение между глубиной вруба и нагрузки на долото и второе функциональное соотношение, задающее скорость вращения долота в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.

15. Способ по п.14, в котором этап обновления функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит этап, на котором обеспечивают, чтобы потоки данных были сегментированы в соответствии с множеством возможных сегментаций, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации; оценивают каждую сегментацию путем подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации к модели, соответствующей каждому сегменту в сегментации; и оценки сегментаций путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и использования по меньшей мере одной из наиболее подходящих сегментаций и моделей, соответствующих сегментам по меньшей мере одной из наиболее подходящих сегментаций для определения функционального соотношения между глубиной вруба нагрузки на долото и второго соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.

16. Способ по п.15, в котором дополнительно удаляют из рассмотрения любые сегментации, имеющие низкую вероятность получения точной подгонки модели потоков данных.

17. Способ по п.15, в котором при приеме дополнительной точки данных обеспечивают, чтобы дальнейшие сегментации, основанные на активных в данный момент сегментациях, и возможные альтернативные сегментации были получены из активных сегментаций, причем для каждой активной сегментации возможные альтернативные сегментации представляют продолжение каждой активной сегментации и новые сегментации представляют альтернативные модели для принятых дополнительных точек данных.

18. Система управления бурением в нефтегазовой промышленности, присоединенная к датчикам, которые вырабатывают потоки исходных данных, указывающих на глубину вруба, нагрузку на долото и скорость вращения долота, предназначенная для осуществления способа по п.1 и включающая в себя процессор с подключением к системе коммуникации для приема потоков исходных данных; систему хранения, включающую в себя исполняемые процессором инструкции, которые включают в себя инструкции, предписывающие процессору после получения нового пункта данных из потоков исходных данных осуществлять операции так, чтобы процессор обеспечивал сегментирование потока данных в соответствии с множеством возможных сегментаций, каждая из которых включает в себя множество сегментов, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации; оценивал каждую сегментацию путем подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации, модели, соответствующей каждому сегменту, входящему в состав сегментации; и оценки сегментации путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и использования по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций, в качестве исходных данных для управления программой, управляющей по меньшей мере одним из параметров процесса, используемого в нефтегазовой промышленности посредством определения эксплуатационных ограничений, определяющих безопасный рабочий диапазон как функции скорости вращения долота и нагрузки на долото; определения параметров скорости вращения и нагрузки на долото, обеспечивающих оптимальную скорость проникновения в рамках безопасного рабочего диапазона; и вывода данных сочетания скорости вращения долота и изменения нагрузки на долото для изменения параметров скорости вращения долота и нагрузки на долото в сторону параметров скорости вращения долота и нагрузки на долото, необходимых для оптимальной скорости проникновения.

19. Система в соответствии с п.18, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору периодического удаления из рассмотрения сегментаций, имеющих результаты оценки, указывающие на недостаточное качество подгонки моделей, соответствующих сегментам сегментации; после получения дополнительных данных, входящих в поток исходных данных, рассматривать дополнительные сегментации, основанные на сегментациях, оставшихся после удаления из числа рассматриваемых тех сегментаций, результаты оценки которых свидетельствуют о низком качестве подгонки модели.

20. Система в соответствии с п.18, в которой модели выбираются из числа ступенчатых функций и линейных функций.

21. Система в соответствии с п.18, в которой инструкции оценки каждого из множества возможных сегментаций включают в себя выбор байесовских моделей для присваивания весовых показателей каждому сегменту в каждой сегментации и в которой весовой показатель, связанный с каждым сегментом, представляет собой точное измерение моделей, соответствующих подгонке сегмента к данным, связанным с этим сегментом.

22. Система в соответствии с п.18, в которой этап подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации, выполняется при помощи линейной регрессии.

23. Система в соответствии с п.18, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору дополнительно создавать древовидную структуру, имеющую узлы, представляющие частицы, соответствующие конкретным сегментациям, где при индексе i набор частиц (материнских частиц), каждая из которых соответствует конкретной сегментации, поддерживается в активном состоянии; и для каждого нового пункта данных, полученного из потока исходных данных при индексе i+1, создавать множество дочерних узлов по отношению к каждому узлу активной материнской частицы каждого узла, каждый дочерний узел, соответствующий либо продолжению сегментов, которым соответствует узел материнской частицы, либо началу нового сегмента новой моделью.

24. Система в соответствии с п.19, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору дополнительно отображать каждую возможную сегментацию для n точек данных в виде множества частиц, при этом этап удаления включает в себя непринятие к рассмотрению частиц, представляющих собой сегментации с плохим качеством подгонки;после получения дополнительной точки данных (n+1) из числа исходных данных порождать дополнительные частицы, являющиеся дочерними частицами, каждой активной частицей и соответствовать каждой новой возможной сегментации, включающей в себя новую точку данных.

25. Система в соответствии с п.18, в которой инструкция на использование по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций посредством программы управления, управляющей по меньшей мере одним параметром процесса в нефтегазовой промышленности, содержит инструкции, обеспечивающие возможность процессору индицировать на контроллере по меньшей мере один параметр, который вероятно изменяет эксплуатационное условие; и корректировать по меньшей мере один параметр в ответ на индикацию того, что имело место вероятное изменение условий эксплуатации.

26. Система в соответствии с п.18, в которой инструкции на использование по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций в качестве исходных данных в контрольной программе, управляющей по меньшей мере одним параметром процесса в нефтегазовой промышленности, содержит инструкции, обеспечивающие возможность процессору расчета вероятности того, что первое условие имело место; введения вероятности того, что первое условие имело место, в механизм логического вывода; эксплуатации механизма логического вывода с целью установления того, что первое событие имело место.

27. Система в соответствии с п.26, в которой инструкции для расчета вероятности того, что имело место первое условие, включают в себя расчет инструкции, обеспечивающие возможность процессору расчета значения в качестве функции моделей, соответствующих сегментам каждой рассматриваемой сегментации, сравнения этого значения с пороговым условием и декларирование того, что вероятность того, что имело место первое условие, как взвешенная сумма вероятностей, связанных с сегментацией, для которой расчетное значение удовлетворяет пороговому условию.

28. Система в соответствии с п.18, дополнительно включающая в себя инструкции, обеспечивающие возможность процессору ввода в механизм логического вывода по меньшей мере одной дополнительной вероятности того, что имело место второе условие; эксплуатации механизма логического вывода с целью определения вероятности того, что имело место каждое из первых событий и вторых событий, которые вызвали наступление первого события.

29. Система в соответствии с п.18, в которой определение функционального соотношения, определяющего скорость проникновения в качестве функции нагрузки на долото и скорости вращения долота, содержит задание функционального соотношения между скоростью проникновения в зависимости от скорости вращения долота и нагрузки на долото в качестве первого функционального соотношения между скоростью проникновения и нагрузки на долото, и из первого функционального соотношения задают второе функциональное соотношение, задающее скорость вращения долота и скорость проникновения, и нагрузку на долото; и при приеме дополнительных измерений глубины вруба, нагрузки на долото и скорости вращения долота обновление функционального соотношения между глубиной вруба и нагрузки на долото и второе функциональное соотношение, задающее скорость вращения долота в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационных ограничений, определяющих безопасный рабочий диапазон.

30. Система по п.29, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит обеспечение того, чтобы потоки данных были сегментированы в соответствии с множеством возможных сегментаций, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации; оценку каждой сегментации путем подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации к модели, соответствующей каждому сегменту в сегментации; и оценки сегментаций путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и использование по меньшей мере одной из наиболее подходящих сегментаций и моделей, соответствующих сегментам, по меньшей мере одной из наиболее подходящих сегментаций для определения функционального соотношения между глубиной вруба нагрузки на долото и второго соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.

31. Система по п.30, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит удаление из рассмотрения любых сегментаций, имеющих низкую вероятность получения точной подгонки модели потоков данных.

32. Система по п.30, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит следующее: при приеме дополнительной точки данных обеспечивают, чтобы дальнейшие сегментации, основанные на активных в данный момент сегментациях, и возможные альтернативные сегментации были получены из активных сегментаций, причем для каждой активной сегментации возможные альтернативные сегментации представляют продолжение каждой активной сегментации и новые сегментации представляют альтернативные модели для принятых дополнительных точек данных.


Полный текст патента

(57) Реферат / Формула:

1. Способ автоматизации или частичной автоматизации оптимизации буровой операции в нефтегазовой промышленности, в котором буровая операция подвергается изменению в одном или более условиях работы и предназначена для управления по меньшей мере одним параметром и контроля датчиками, обеспечивающими потоки исходные данных, в котором получают потоки исходных данных, указывающих глубину вруба, нагрузку на долото и скорость вращения долота; после получения новых данных, входящих в один из потоков данных, используют процессор для обеспечения того, чтобы поток исходных данных был сегментирован в соответствии с множеством возможных сегментаций, причем каждая из множества возможных сегментаций включает в себя множество сегментов, разделенных одной или более критическими точками, и причем критические точки являются указывающими изменение по меньшей мере в одном или более условиях эксплуатации; оценивают каждую из множества возможных сегментаций путем подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации к модели, соответствующей каждому сегменту в оцениваемой сегментации; и определения, насколько хорошо модели сегментов оцениваемой сегментации соответствуют частям исходных данных, соответствующих каждому сегменту оцениваемой сегментации; генерируют выходные данные в форме функционального соотношения, определяющего скорость проникновения как функции от скорости вращения долота и нагрузки на долото по меньшей мере из одного из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одного из множества возможных сегментаций; определяют эксплуатационные ограничения, определяющие безопасный рабочий диапазон как функции скорости вращения долота и нагрузки на долото; определяют параметры скорости вращения и нагрузки на долото, обеспечивающие оптимальную скорость проникновения в рамках безопасного рабочего диапазона; и выводят данные сочетания скорости вращения долота и изменения нагрузки на долото для изменения параметров скорости вращения долота и нагрузки на долото в сторону параметров скорости вращения долота и нагрузки на долото, необходимых для оптимальной скорости проникновения.

2. Способ в соответствии с п.1, отличающийся тем, что периодически удаляют из рассмотрения сегментации имеющие результаты оценки, указывающие на недостаточное качество подгонки моделей, соответствующих сегментам сегментации.

3. Способ в соответствии с п.2, отличающийся тем, что после получения дополнительных данных, входящих в поток исходных данных, возможными признают только те сегментации, оставшиеся после удаления из числа рассматриваемых тех сегментаций, результаты оценки которых свидетельствуют о низком качестве подгонки модели.

4. Способ в соответствии с п.1, в котором модели выбирают из числа ступенчатых функций и линейных функций.

5. Способ в соответствии с п.1, в котором этап оценки каждого из множества возможных сегментаций включает в себя этап, на котором выбирают байесовские модели для присваивания весовых показателей каждому сегменту в каждой сегментации и в котором весовой показатель, связанный с каждым сегментом, представляет собой точное измерение моделей, соответствующих подгонке сегмента к данным, связанным с этим сегментом.

6. Способ в соответствии с п.1, в котором этап подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации, выполняют при помощи линейной регрессии.

7. Способ в соответствии с п.1, дополнительно включающий в себя этапы, на которых создают древовидную структуру, имеющую узлы, представляющие частицы, соответствующие конкретным сегментациям, где при индексе i набор частиц (материнских частиц), каждая из которых соответствует конкретной сегментации, поддерживают в активном состоянии; и для каждого нового пункта данных, полученного из потока исходных данных при индексе i+1, создают множество дочерних узлов по отношению к каждому узлу активной материнской частицы каждого узла, причем каждый дочерний узел соответствует либо продолжению сегментов, которым соответствует узел материнской частицы, либо началу нового сегмента новой моделью.

8. Способ в соответствии с п.2, дополнительно включающий в себя этапы, на которых отображают каждую возможную сегментацию для n точек данных в виде множества частиц, при этом этап удаления включает в себя этап, на котором удаляют из рассмотрения частицы, представляющие собой сегментации с плохим качеством подгонки.

9. Способ в соответствии с п.8, дополнительно включающий в себя этап, на котором после получения дополнительной точки данных (n+1) из числа исходных данных генерируют дополнительные частицы, являющиеся дочерними частицами, каждой активной частицей, и соответствие каждой новой возможной сегментации, включающей в себя новую точку данных.

10. Способ в соответствии с п.1, в котором этап использования выходных данных для управления по меньшей мере одним параметром процесса нефтегазовой промышленности включает в себя этапы, на которых осуществляют индикацию на контроллер по меньшей мере одного параметра о том, что вероятно имело место изменение эксплуатационных условий; и корректируют по меньшей мере один параметр в ответ на индикацию того, что имело место вероятное изменение условий эксплуатации.

11. Способ в соответствии с п.1, в котором генерирование выходных данных по меньшей мере из одной из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одной из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одной из множества возможных сегментаций, включает в себя этапы, на которых рассчитывают вероятность того, что первое условие имело место; направляют информацию о вероятности того, что первое условие имело место, в механизм логического вывода; обеспечивают эксплуатацию механизма логического вывода с целью установления того, что первое событие имело место.

12. Способ в соответствии с п.11, в котором рассчитывают вероятность того, что имело место первое условие, включает в себя расчет значения как функции моделей, соответствующих сегментам каждой рассматриваемой сегментации, сравнение этого значения с пороговым условием и декларацию того, что вероятность первого условия имеет место как взвешенная сумма вероятностей, связанных с сегментацией, для которой расчетное значение удовлетворяет пороговому условию.

13. Способ в соответствии с п.11, дополнительно включающий в себя этапы, на которых вводят в механизм логического вывода по меньшей мере одну дополнительную вероятность того, что имело место второе условие; обеспечивают эксплуатацию механизма логического вывода с целью определения вероятности того, что имело место каждое из первых событий и вторых событий, которые вызвали наступление первого события.

14. Способ в соответствии с п.11, в котором дополнительно задают функциональное соотношение между скоростью проникновения в зависимости от скорости вращения долота и нагрузки на долото в качестве первого функционального соотношения между скоростью проникновения и нагрузки на долото и из первого функционального соотношения задают второе функциональное соотношение, задающее скорость вращения долота и скорость проникновения, и нагрузку на долото; и при приеме дополнительных измерений глубины вруба, нагрузки на долото и скорости вращения долота обновляют функциональное соотношение между глубиной вруба и нагрузки на долото и второе функциональное соотношение, задающее скорость вращения долота в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.

15. Способ по п.14, в котором этап обновления функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит этап, на котором обеспечивают, чтобы потоки данных были сегментированы в соответствии с множеством возможных сегментаций, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации; оценивают каждую сегментацию путем подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации к модели, соответствующей каждому сегменту в сегментации; и оценки сегментаций путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и использования по меньшей мере одной из наиболее подходящих сегментаций и моделей, соответствующих сегментам по меньшей мере одной из наиболее подходящих сегментаций для определения функционального соотношения между глубиной вруба нагрузки на долото и второго соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.

16. Способ по п.15, в котором дополнительно удаляют из рассмотрения любые сегментации, имеющие низкую вероятность получения точной подгонки модели потоков данных.

17. Способ по п.15, в котором при приеме дополнительной точки данных обеспечивают, чтобы дальнейшие сегментации, основанные на активных в данный момент сегментациях, и возможные альтернативные сегментации были получены из активных сегментаций, причем для каждой активной сегментации возможные альтернативные сегментации представляют продолжение каждой активной сегментации и новые сегментации представляют альтернативные модели для принятых дополнительных точек данных.

18. Система управления бурением в нефтегазовой промышленности, присоединенная к датчикам, которые вырабатывают потоки исходных данных, указывающих на глубину вруба, нагрузку на долото и скорость вращения долота, предназначенная для осуществления способа по п.1 и включающая в себя процессор с подключением к системе коммуникации для приема потоков исходных данных; систему хранения, включающую в себя исполняемые процессором инструкции, которые включают в себя инструкции, предписывающие процессору после получения нового пункта данных из потоков исходных данных осуществлять операции так, чтобы процессор обеспечивал сегментирование потока данных в соответствии с множеством возможных сегментаций, каждая из которых включает в себя множество сегментов, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации; оценивал каждую сегментацию путем подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации, модели, соответствующей каждому сегменту, входящему в состав сегментации; и оценки сегментации путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и использования по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций, в качестве исходных данных для управления программой, управляющей по меньшей мере одним из параметров процесса, используемого в нефтегазовой промышленности посредством определения эксплуатационных ограничений, определяющих безопасный рабочий диапазон как функции скорости вращения долота и нагрузки на долото; определения параметров скорости вращения и нагрузки на долото, обеспечивающих оптимальную скорость проникновения в рамках безопасного рабочего диапазона; и вывода данных сочетания скорости вращения долота и изменения нагрузки на долото для изменения параметров скорости вращения долота и нагрузки на долото в сторону параметров скорости вращения долота и нагрузки на долото, необходимых для оптимальной скорости проникновения.

19. Система в соответствии с п.18, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору периодического удаления из рассмотрения сегментаций, имеющих результаты оценки, указывающие на недостаточное качество подгонки моделей, соответствующих сегментам сегментации; после получения дополнительных данных, входящих в поток исходных данных, рассматривать дополнительные сегментации, основанные на сегментациях, оставшихся после удаления из числа рассматриваемых тех сегментаций, результаты оценки которых свидетельствуют о низком качестве подгонки модели.

20. Система в соответствии с п.18, в которой модели выбираются из числа ступенчатых функций и линейных функций.

21. Система в соответствии с п.18, в которой инструкции оценки каждого из множества возможных сегментаций включают в себя выбор байесовских моделей для присваивания весовых показателей каждому сегменту в каждой сегментации и в которой весовой показатель, связанный с каждым сегментом, представляет собой точное измерение моделей, соответствующих подгонке сегмента к данным, связанным с этим сегментом.

22. Система в соответствии с п.18, в которой этап подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации, выполняется при помощи линейной регрессии.

23. Система в соответствии с п.18, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору дополнительно создавать древовидную структуру, имеющую узлы, представляющие частицы, соответствующие конкретным сегментациям, где при индексе i набор частиц (материнских частиц), каждая из которых соответствует конкретной сегментации, поддерживается в активном состоянии; и для каждого нового пункта данных, полученного из потока исходных данных при индексе i+1, создавать множество дочерних узлов по отношению к каждому узлу активной материнской частицы каждого узла, каждый дочерний узел, соответствующий либо продолжению сегментов, которым соответствует узел материнской частицы, либо началу нового сегмента новой моделью.

24. Система в соответствии с п.19, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору дополнительно отображать каждую возможную сегментацию для n точек данных в виде множества частиц, при этом этап удаления включает в себя непринятие к рассмотрению частиц, представляющих собой сегментации с плохим качеством подгонки;после получения дополнительной точки данных (n+1) из числа исходных данных порождать дополнительные частицы, являющиеся дочерними частицами, каждой активной частицей и соответствовать каждой новой возможной сегментации, включающей в себя новую точку данных.

25. Система в соответствии с п.18, в которой инструкция на использование по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций посредством программы управления, управляющей по меньшей мере одним параметром процесса в нефтегазовой промышленности, содержит инструкции, обеспечивающие возможность процессору индицировать на контроллере по меньшей мере один параметр, который вероятно изменяет эксплуатационное условие; и корректировать по меньшей мере один параметр в ответ на индикацию того, что имело место вероятное изменение условий эксплуатации.

26. Система в соответствии с п.18, в которой инструкции на использование по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций в качестве исходных данных в контрольной программе, управляющей по меньшей мере одним параметром процесса в нефтегазовой промышленности, содержит инструкции, обеспечивающие возможность процессору расчета вероятности того, что первое условие имело место; введения вероятности того, что первое условие имело место, в механизм логического вывода; эксплуатации механизма логического вывода с целью установления того, что первое событие имело место.

27. Система в соответствии с п.26, в которой инструкции для расчета вероятности того, что имело место первое условие, включают в себя расчет инструкции, обеспечивающие возможность процессору расчета значения в качестве функции моделей, соответствующих сегментам каждой рассматриваемой сегментации, сравнения этого значения с пороговым условием и декларирование того, что вероятность того, что имело место первое условие, как взвешенная сумма вероятностей, связанных с сегментацией, для которой расчетное значение удовлетворяет пороговому условию.

28. Система в соответствии с п.18, дополнительно включающая в себя инструкции, обеспечивающие возможность процессору ввода в механизм логического вывода по меньшей мере одной дополнительной вероятности того, что имело место второе условие; эксплуатации механизма логического вывода с целью определения вероятности того, что имело место каждое из первых событий и вторых событий, которые вызвали наступление первого события.

29. Система в соответствии с п.18, в которой определение функционального соотношения, определяющего скорость проникновения в качестве функции нагрузки на долото и скорости вращения долота, содержит задание функционального соотношения между скоростью проникновения в зависимости от скорости вращения долота и нагрузки на долото в качестве первого функционального соотношения между скоростью проникновения и нагрузки на долото, и из первого функционального соотношения задают второе функциональное соотношение, задающее скорость вращения долота и скорость проникновения, и нагрузку на долото; и при приеме дополнительных измерений глубины вруба, нагрузки на долото и скорости вращения долота обновление функционального соотношения между глубиной вруба и нагрузки на долото и второе функциональное соотношение, задающее скорость вращения долота в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационных ограничений, определяющих безопасный рабочий диапазон.

30. Система по п.29, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит обеспечение того, чтобы потоки данных были сегментированы в соответствии с множеством возможных сегментаций, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации; оценку каждой сегментации путем подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации к модели, соответствующей каждому сегменту в сегментации; и оценки сегментаций путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и использование по меньшей мере одной из наиболее подходящих сегментаций и моделей, соответствующих сегментам, по меньшей мере одной из наиболее подходящих сегментаций для определения функционального соотношения между глубиной вруба нагрузки на долото и второго соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.

31. Система по п.30, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит удаление из рассмотрения любых сегментаций, имеющих низкую вероятность получения точной подгонки модели потоков данных.

32. Система по п.30, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит следующее: при приеме дополнительной точки данных обеспечивают, чтобы дальнейшие сегментации, основанные на активных в данный момент сегментациях, и возможные альтернативные сегментации были получены из активных сегментаций, причем для каждой активной сегментации возможные альтернативные сегментации представляют продолжение каждой активной сегментации и новые сегментации представляют альтернативные модели для принятых дополнительных точек данных.


Евразийское 028514 (13) B1
патентное
ведомство
(12) ОПИСАНИЕ ИЗОБРЕТЕНИЯ К ЕВРАЗИЙСКОМУ ПАТЕНТУ
(45) Дата публикации и выдачи патента 2017.11.30
(21) Номер заявки 201100637
(22) Дата подачи заявки 2009.10.14
(51) Int. Cl. E21B 44/00 (2006.01)
(54) СИСТЕМА И МЕТОД ДЛЯ ОНЛАЙНОВОЙ АВТОМАТИЗАЦИИ
(31) 61/105,184
(32) 2008.10.14
(33) US
(43) 2012.05.30
(86) PCT/IB2009/007127
(87) WO 2010/043951 2010.04.22
(71) (73) Заявитель и патентовладелец:
ШЛЮМБЕРГЕР ТЕКНОЛОДЖИ Б.В.
(NL)
(72) Изобретатель:
Олдред Уолтер, Данлоп Джонатан (GB), Беласки Джеймс (CN)
(74) Представитель:
Медведев В.Н. (RU)
(56) US-B2-7128167
US-A1-20060033638
US-A-5952569
US-A1-20040124009
(57) Настоящее изобретение относится к автоматизации технологических процессов, а более конкретно, к управлению параметрами систем управления в реальном масштабе времени. В соответствии с предложенным способом и системой получают поток исходных данных с одного датчика; получают новые данные, входящие в поток данных, используют процессор для обеспечения того, чтобы поток исходных данных был сегментирован в соответствии со множеством сегментаций, причем каждая из возможных сегментаций включает в себя множество сегментов, разделенных критическими точками, и причем критические точки являются признаками изменений, нескольких условий эксплуатации; оценивают каждую из возможных сегментаций путем подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации к модели, соответствующей каждому сегменту в оцениваемой сегментации; и определения, насколько хорошо модели сегментов оцениваемой сегментации соответствуют частям исходных данных, соответствующих каждому сегменту оцениваемой сегментации; генерирования выходных данных из множества сегментаций и моделей, соответствующих сегментам как минимум одной из возможных сегментаций; и использования выходных данных для управления одного параметра процесса нефтегазовой промышленности.
Настоящая заявка является безусловной заявкой, притязающей на приоритет в Предварительном описании изобретения США порядковый № 611105184, поданной 14 октября 2008 г. и озаглавленной "Система и метод управления автоматизированной промышленной процедурой использования онлайнового слияния данных в реальном масштабе времени", идеи которого включены путем отсылки в полном объеме ниже.
Область техники, к которой относится изобретение
Настоящее изобретение, в общем случае, относится к автоматизации технологических процессов, а более конкретно, но без ограничения, - к управлению параметрами систем управления в реальном масштабе времени путем установления критических точек в потоках данных и использования установленных критических точек для точного моделирования исходных данных, и создания, таким образом, основы для своевременной и точной регулировки параметров систем управления.
Уровень техники изобретения
Во многих отраслях промышленности автоматизированные процессы в настоящее время используются для изготовления продукции, мониторинга работы систем, проектирования систем, взаимодействия машин с другими объектами и тому подобного. В подобных автоматизированных промышленных процессах существует широкий ряд вопросов, которые могут повлиять на технологический процесс. Эти вопросы могут привести к останову и/или сбою производственного процесса, могут ухудшить эксплуатацию автоматизированных промышленных процессов, изменить исходное состояние, условия окружающей среды и/или тому подобным условиям, в которых работает технологический процесс, и, по этой причине, могут изменить характер работы автоматизированного технологического процесса, результаты, достигаемые при помощи автоматизированного технологического процесса, цель автоматизированного технологического процесса, задачу автоматизированного технологического процесса и/или тому подобное.
В ходе осуществления автоматизированного технологического процесса может возникнуть одна или несколько из широкого ряда проблем, которые могут в реальном масштабе времени вызвать изменения в работе автоматизированного технологического процесса. Для решения подобных проблем можно проанализировать упреждающие модели автоматизированного технологического процесса и использовать эти модели для управления автоматизированным технологическим процессом. Такие модели можно определить по результатам ранее реализованных процессов, теоретическим, экспериментальным и/или аналогичными способами. Решения таких проблем также можно достичь путем получения данных автоматизированных производственных процессов и/или среды, в которой имеет место автоматизированный производственный процесс и ретроактивного выявления существования проблемы.
Только в качестве примера, в нефтегазовой промышленности процесс бурения в углеводородном пласте может столкнуться с препятствиями в виде широкого ряда проблем и может потребовать мониторинга/интерпретации значительного массива данных. Точные измерения условий в скважине, свойств скважинного оборудования, геологических характеристик, свойств породы, характеристик бурового оборудования, свойств флюида, свойств наземного оборудования и/или тому подобного, могут быть проанализированы буровой бригадой с целью минимизации рисков при бурении, принятия решений относительно путей оптимизации процедуры бурения с учетом этих данных и/или для обнаружения/прогнозирования вероятности проблемы/снижения кпд бурения и/*или тому подобного.
Равным образом, при разведке углеводородов, добыче углеводородов, транспортировке углеводородов и/или тому подобном можно обнаружить много условий и собрать многочисленные данные для оптимизации и/или предотвращения/смягчения проблем/сложностей, касающихся разведки, добычи и/или транспортировки углеводородов. Углеводороды в значительной степени являются источником жизненной силы современного индустриального общества, и по этой причине ежедневно осуществляется разведка, извлечение и транспортировка больших количеств углеводородов. С этой отраслью связано огромное количество датчиков, собирающих огромные массивы данных, относящихся к разведке, добыче и/или транспортировке углеводородов.
Для обеспечения безопасной и эффективной разведки, добычи и/или транспортировки углеводородов необходима обработка этих данных. Хотя для обработки данных можно использовать компьютеры, в реальном масштабе времени часто точная обработка поступающих данных процессов управления, связанных с углеводородами, бывает затруднена. По этой причине для управления процессами, связанными с углеводородами, и принятия решений по оптимизации, предотвращению рисков, выявлению отказов и/или тому подобного на основе интерпретации необработанных/обработанных данных часто используются операторы (люди). Тем не менее, качество оптимизации процессов, связанных с углеводородами и/или смягчения и обнаружения проблем/сложностей контролером часто снижается по причине усталости, большой нагрузки, недостатка опыта, сложностей, связанных с анализом сложных данных вручную и или тому подобного. Более того, данные с помехами могут оказать значительное влияние на способность наблюдателя-человека заметить и понять значение событий, связанных с этими данными.
Установление событий, отраженных в данных, идет дальше простого обнаружения сложностей и проблем. Точный анализ условий эксплуатации может дать оператору возможность эксплуатации промышленных процессов в условиях, близких к оптимальным. Например, в нефтегазовой промышленности
отклик на изменения в параметрах, например скорости вращения бурового долота и усилия на долото (WOB) во время бурения в углеводородном пласте испытывают значительное влияние со стороны изменений литологической среды, в которой проводится бурение. Точное знание в реальном масштабе времени о переходе из одних условий в другие, например с одной формации на другую, и проводимый в реальном масштабе времени анализ того, как такие условия среды могут повлиять на изменение параметра и какое воздействие они окажут на отклик на изменения, может существенно повысить предполагаемую скорость бурения (ROP).
Аналогично, ограничения диапазона параметров бурения могут изменяться с изменениями условий бурения. Эти ограничения, например скорость, с которой обломки удаляются буровым раствором, могут ограничивать максимально допустимые значения параметров бурения. Без точного знания этих изменений ограничений бурильщик не может получить точного представления о том, как ограничения соотносятся с идеальными уставками параметров, и в силу погрешностей в сторону более безопасного значения, что вполне естественно с учетом тяжелых последствий отказов бурового оборудования и возможных инцидентов при бурении, бурильщик может осуществлять процесс бурения с параметрами, весьма далекими от фактически оптимальных параметров. Учитывая, что бурение, как и многие другие процессы, связанные с добычей и транспортировкой углеводородов, является весьма дорогостоящей процедурой, эксплуатация бурильной системы при параметрах, меньших оптимальных, может также быть связана с очень большими затратами.
Аналогично, точное измерение направления (торца долота) и кривизны (темпа естественного искривления ствола скважины (DLS) необходимо бурильщику для точного направления процесса бурения к цели. Измерения этих свойств обычно проводятся очень редко (например, каждые 30-90 футов), когда буровое долото находится над забоем скважины, а бурильная колонна занимает стационарное положение. Тем не менее, современное буровое оборудование может дать возможность непрерывного измерения направления во время бурения. К сожалению, измерения, полученные во время бурения, обычно сопровождаются большими помехами, затрудняющими их интерпретацию бурильщиком.
Более того, помехи в данных усиливаются при любых прямых вычислениях темпа естественного искривления ствола скважины и положения торца долота по данным непрерывных измерений, и их результаты обычно имеют столь низкое качество, что не представляют ценности для бурильщиков. В результате, данные полученные во время бурения часто не используются при расчетах темпа естественного искривления ствола скважины, положения торца долота и/или тому подобного, вместо них для определения траектории бурения и/или тому подобного все еще проводятся редкие измерения, которые требуют приостановки процесса бурения на время осуществления измерений.
В нефтегазовой промышленности, как и в других отраслях промышленности, системы обнаружения происшествий в части управления процессами и выявления событий, например изменения состояния бурового агрегата, обычно зависят от персонала. Примеры установления состояния бурового агрегата при бурении можно найти в следующих источниках: "MDS System: Computers Transform Drilling" (Система обнаружения неисправностей (MDS): компьютеры изменяют процесс бурения), Bourgois, Burgess, Rike, Unsworth, Oilfield Review, том 2, № 1, 1990, cc.4-15; и "Managing Drilling Risk" (Управление рисками при бурении) Aldred et al., Oilfield Review, лето 1999, cc. 219.
Что касается нефтегазовой промышленности, для обнаружения определенных типов событий, т.е. возможных состояний бурового агрегата, например "в контакте с плашками захвата", "не в контакте с плашками захвата", "спуск буровой колонны", "подъем буровой колонны" могут использоваться некоторые очень ограниченные методики. Эти системы охватывают небольшое множество состояний бурового агрегата, в которых каждое состояние бурового агрегата является преднамеренным состоянием бурения и используют вероятностный анализ для ретроактивного определения множества преднамеренных состояний бурения, в которых находится буровой агрегат. Вероятностное определение состояния бурового агрегата описано в Патенте США № 7128167, который включен в настоящую заявку путем отсылки для всех целей. В нефтегазовой промышленности имеются еще большее количество более совершенных датчиков для обнаружения данных, связанных с разведкой, извлечением, добычей и/или транспортировкой углеводородов. В целях улучшения управления/автоматизации процессов, связанных с разведкой, извлечением, добычей и/или транспортировкой углеводородов и/или совершенствования обработки/интерпретации контролерами/операторами данных, связанных с разведкой, извлечением, добычей и/или транспортировкой углеводородов, необходимо осуществлять быструю и эффективную обработку данных, связанных с этими процессами.
Краткое изложение сущности изобретения
Воплощения настоящего изобретения состоят в разработке систем и методов для онлайновой/в реальном времени интерпретации/обработке данных, связанных с процедурами, связанными с углеводородами, в целях обеспечения автоматизации/управления данной процедурой в реальном времени. В одном из воплощений настоящего изобретения проводится сегментация данных и анализ сегментов/критических точек таким образом, чтобы обеспечить возможность обработки данных для проведения/управления процедурой, связанной с углеводородами.
В одном из воплощений рассматривается метод автоматизации технологического процесса в нефте
газовой отрасли, включающий себя
получение потока исходных данных как минимум с одного датчика;
после получения новых данных из потока исходных данных постулирование того, что поток данных сегментируется в соответствии с многочисленными возможными вариантами сегментации, каждый из которых включает в себя множество сегментов, разделенных критическими точками, при этом каждая критическая точка является показателем изменения рабочего состояния;
оценку каждой процедуры сегментации на: соответствие исходных данных каждому сегменту сегментации, и оценка процедур сегментации путем определения того, насколько хорошо модели сегментов каждой сегментации соответствуют исходным данным, соответствующим каждому сегменту каждой процедуры сегментации, и
использование как минимум одной процедуры сегментации и моделей, соответствующих сегментам в качестве исходных данных для программы управления, управляющей как минимум одним параметром технологического процесса в нефтегазовой промышленности. В другом воплощении предусматривается система автоматизированного управления технологическими процессами в нефтегазовой отрасли, включающая в себя
процессор, конфигурированный для использования с целью получения потока исходных данных от как минимум одного датчика, относящегося к процессу, связанному с углеводородами;
программное обеспечение, установленное в процессоре, сконфигурированном для постулирования того, что поток данных сегментируется в соответствии с многочисленными возможными сегментациями, каждая из которых включает в себя множество сегментов, разделенных критическими точками, при этом каждая из критических точек является показателем изменения рабочего состояния после получения новых данных из потока исходных данных, а также для оценки каждой процедуры сегментации путем сопоставления потока исходных данных, соответствующего каждому сегменту в составе сегментации с моделью, соответствующей каждому сегменту, входящему в состав сегментации, а также оценки процедур сегментации путем определения, насколько хорошо модели для каждой сегментации соотносятся с исходными данными, соответствующими каждому сегменту каждой процедуры сегментации; и
выход на процессор для поддержания связи при помощи как минимум одной из сегментаций и модели, соответствующей сегментам как минимум одной из сегментаций в качестве исходных данных для программы управления, управляющей как минимум одним параметром технологического процесса в нефтегазовой промышленности или для вывода на дисплей с целью использования оператором.
В одном аспекте отраслью, связанной с углеводородами, является бурение, и предлагается метод эксплуатации автоматической аппаратуры для бурения, метод включает в себя
получение измерений, характеризующих глубину вруба;
получение данных измерений нагрузки на долото и скорости вращения долота;
определение функциональных отношений между скоростью проникновения и нагрузкой на долото;
исходя из функциональных отношений между глубиной вруба и нагрузкой на долото, - определение второго функционального соотношения, определяющего скорость проникновения в зависимости от скорости вращения долота и нагрузки на долото;
установление эксплуатационных ограничений, определяющих безопасный рабочий диапазон в зависимости от скорости вращения долота и нагрузки на долото;
определение параметров скорости вращения и нагрузки на долото, обеспечивающих оптимальную скорость проникновения в рамках безопасного рабочего диапазона; и
предложение сочетания скорости вращения долота и изменения нагрузки на долото для изменения параметров скорости вращения долота и нагрузки на долото в сторону параметров скорости вращения долота и нагрузки на долото, необходимых для оптимальной скорости проникновения.
Краткое описание чертежей
Настоящее раскрытие сущности изобретения описано в сочетании с прилагаемыми иллюстрациями.
Фиг. 1 представляет собой схему, иллюстрирующую систему бурения, включая систему онлайновой автоматизации/управления, в соответствии с воплощением настоящего изобретения.
На фиг. 2 изображена деталь процессора для обработки данных в целях автоматизации процессов, связанных с углеводородами, например, процессов бурения на месторождениях, как показано на фиг. 1, в соответствии с одним из воплощений настоящего изобретения.
Фиг. 3 представляет собой график, иллюстрирующий изменения объема амбара для бурового раствора, используемого при бурении, включая два явных изменения объема, свидетельствующие об изменениях рабочих условий во время бурения скважин, указанные изменения могут быть использованы в процессоре для обработки данных для автоматизации процессов, связанных с углеводородами в соответствии с одним из воплощений настоящего изобретения.
Фиг. 4 представляет собой график, иллюстрирующий измерения угла наклона и азимута, полученные во время части работ по направленному бурению, указанные изменения могут быть использованы в процессоре для обработки данных для автоматизации процессов, связанных с углеводородами в соответствии с одним из воплощений настоящего изобретения.
Фиг. 5 представляет собой трехмерный график, иллюстрирующий различия в линейном отклике,
входящем в модель бурового долота, в состав которого входят самозатачивающиеся поликристаллические синтетические алмазы (в дальнейшем именуемые "долотами типа PDC"), для двух различных лито-логических условий, указанные изменения могут быть использованы в процессоре для обработки данных для автоматизации процессов, связанных с углеводородами в соответствии с одним из воплощений настоящего изобретения.
Фиг. 6 представляет собой технологическую схему, иллюстрирующую воплощение настоящего изобретения для получения сегментаций потоков данных, которые могут включать в себя критические точки.
Фиг. 7 является иллюстрацией древовидной структуры данных, показывающей четырехуровневое моделирование данных, соответствующее четырем точкам данных и весовым показателям, связанных с различными сегментациями, проиллюстрированными этой структурой, в соответствии с одним из воплощений настоящего изобретения.
Фиг. 8 представляет собой блок-схему архитектуры программного обеспечения для одного воплощения настоящего изобретения для использования детектора критических точек, описанного в настоящей заявке в связи с программой управления технологическим процессом.
Фиг. 9 представляет собой график, иллюстрирующий возможные сегментации измерений угла наклона и азимута (см. фиг. 4), в соответствии с одним из воплощений настоящего изобретения.
На фиг. 10 изображены графики, иллюстрирующие выходные данные, рассчитанные при помощи детектора критических точек с целью определения вероятности отклонения от потока данных, изображенного на фиг. 3, в соответствии с одним из воплощений настоящего изобретения.
Фиг. 11 представляет собой технологическую схему, иллюстрирующую работу детектора критических точек с целью определения вероятности линейного участка, имеющего значение, большее данного порогового значения, в соответствии с одним из воплощений настоящего изобретения.
Фиг. 12 представляет собой иллюстрацию потока данных, на которой изображен выходной сигнал детектора критических точек, выполняющий функцию исходных данных для Байесовских сетей доверия (BBN) с целью использования этих выходных данных для того, чтобы сделать выводы относительно того, имело ли место смещение, в соответствии с одним из воплощений настоящего изобретения.
Фиг. 13 представляет собой график, иллюстрирующий соотношения между скоростью проникновения (ROP) как функцией нагрузки на долото (WOB) и скорости вращения долота (RPM); данное соотношение может быть использовано в процессоре для обработки данных с целью автоматизации углеводородных процессов в соответствии с одним из воплощений настоящего изобретения.
Фиг. 13 представляет собой график, изображенный на фиг. 13, на который наложены ограничения процесса бурения, с целью определения безопасного рабочего окна; указанное окно можно проанализировать/использовать для обработки данных с целью автоматизации углеводородных процессов, в соответствии с одним из воплощений настоящего изобретения.
На фиг. 15 изображен снимок экрана (скриншот) графического интерфейса пользователя, отображающий данные о бурении, полученные во время буровых работ, линейную модель, соответствующую предпочтительной сегментации, безопасное рабочее окно, соответствующее текущим сегментациям, используемые текущие параметры бурения и рекомендуемые параметры с целью оптимизации скорости проникновения в соответствии с одним из воплощений настоящего изобретения.
Фиг. 16 представляет технологическую схему, иллюстрирующую детектор критических точек для определения рекомендуемых параметров в составе оптимизатора скорости проникновения, в соответствии с одним из воплощений настоящего изобретения.
Фиг. 17 представляет собой трехмерный график, иллюстрирующий угол наклона и азимут скважины, проходящей через трехмерное пространство, указанные данные могут использоваться для автоматизации углеводородных процессов в соответствии с одним из воплощений настоящего изобретения.
Фиг. 18 представляет технологическую схему, иллюстрирующую использование детектора критических точек при составлении в реальном времени оценки темпа естественного искривления ствола скважины и торца долота от азимута и данных наклона, данные о которых получены во время бурения, в соответствии с одним из воплощений настоящего изобретения.
В прилагаемых иллюстрациях аналогичные компоненты и/или признаки могут иметь одинаковые справочные метки. Кроме того, различные компоненты одного типа могут различаться при помощи тире и второй метки, следующей за первой справочной меткой; вторая метка позволяет дифференцировать аналогичные компоненты, либо для целей дифференциации справочная метка может сопровождаться буквой. Если в спецификации используется только первая справочная метка, описание применимо к любым аналогичным компонентам, имеющим одинаковую первую справочную метку вне зависимости от второй справочной метки или прилагаемой буквы.
Подробное описание
В следующем подробном описании делаются ссылки на сопровождающие чертежи, посредством иллюстрации показывающие конкретные воплощения, в которых изобретение может быть использовано. Эти воплощения описаны достаточно подробно, чтобы дать возможность использования изобретения специалистам в соответствующих отраслях. Следует понимать, что различные воплощения изобретения,
хотя они отличаются друг от друга, не обязательно являются взаимоисключающими. Например, частный признак, конструкция или характеристика, описанная в настоящем документе в связи с одним воплощением, могут быть реализованы в составе других воплощений без отклонения от духа и области применения изобретения. Кроме того, необходимо понимать, что расположение или компоновку отдельных элементов в рамках каждого раскрытого воплощения можно изменить без отклонения от духа и области применения изобретения. Таким образом, последующее детальное описание, таким образом, не следует воспринимать в ограничительном смысле, а область применения настоящего изобретения определяется только прилагаемыми пунктами патентной формулы, надлежащим образом интерпретируемыми в соответствии со всей полнотой эквивалентов, к которым относятся пункты патентной формулы. На чертежах одинаковые числительные обозначают одинаковые или аналогичные функциональные единицы на нескольких изображениях.
Также следует отметить, что в описании, представленном в настоящем документе, описано компьютерное программное обеспечение для выполнения определенных задач. Например, мы можем заявить, что модуль детектора критических точек осуществляет сегментацию потока данных путем выполнения описанной методики. Это, безусловно, призвано означать, что центральный процессор, выполняющий инструкции, который включен в состав детектора критических точек (или эквивалентных указаний), осуществляет сегментацию путем надлежащих манипуляций с данными и структурами данных, хранящимися в памяти и вторичных запоминающих устройствах, управляемых центральным процессором. Кроме того, хотя описание включает в себя воплощения с конкретными схемами компоновки компьютерных процессоров и периферийных устройств, практически не существует пределов альтернативных схем компоновки, например, с несколькими процессорами, распределенной компьютерной средой, средствами вычислений, основанными на сетевых средствах. Все такие альтернативные варианты следует рассматривать эквивалентными вариантам, описанным и заявляемым в настоящем документе. Также следует отметить, что при разработке какого-либо подобного фактического воплощения, специфичного для данных обстоятельств, для достижения конкретных задач разработчика, например соответствия системным ограничениям и ограничениям бизнес-среды, необходимо принять множество решений, которые для различных воплощений будут различными. Более того, предполагается, что такие условия по разработке могут оказаться сложными и потребовать больших затрат времени, но, тем не менее, они окажутся рутинной задачей для специалистов, обладающих обычными навыками в данной области, которые могут воспользоваться данным раскрытием сущности изобретения.
В настоящем раскрытии термин "средство хранения" может означать одно или несколько устройств для хранения данных, включая постоянное запоминающее устройство (ПЗУ), оперативное запоминающееся устройство (ОЗУ), магнитное ОЗУ, ЗУ на магнитных сердечниках, ЗУ на магнитных дисках, оптические средства хранения, средства флэш-памяти и/или иные считываемые машиной устройства, предназначенные для хранения информации. Термин "средство для считывания компьютером" включает в себя, без ограничения, переносные или стационарные запоминающие устройства, оптические запоминающие устройства, беспроводные каналы и иные средства, предназначенные для хранения, содержания или передачи инструкций и/или данных.
На фиг. 1 изображена система 10, в которой используется обнаружение критических точек для управления бурильным оборудованием, в соответствии с одним из воплощений настоящего изобретения. Как описано, бурильная колонна 58 показана в составе скважины 46. Скважина 46 располагается в грунте 40, имеющем поверхность 42. Скважина 46 пробуривается под действием бурового долота 54. Буровое долото 54 располагается на дальнем конце компоновки низа бурильной колонны 56, которая сама образует нижнюю часть бурильной колонны 58 и крепится к ней.
Компоновка низа бурильной колонны 56 включает в себя ряд устройств, в том числе - различные субблоки. В соответствии с одним из воплощений настоящего изобретения субблоки для каротажа во время бурения (MWD) могут входить в состав субблоков 62. Примеры типичного каротажа во время бурения включают в себя направление, наклон, геодезические данные, скважинное давление (внутри бурильной трубы и вне нее (затрубное давление), сопротивляемость, плотность и пористость. Субблоки 62 могут включать в себя субблок для измерения крутящего момента и нагрузки на долото.
Субблоки 62 могут генерировать сигналы, связанные с измерениями, осуществляемыми субблоками 62. Сигналы от субблоков 62 могут обрабатываться в процессоре 66. После обработки информацию от процессора 66 можно передать на узел связи 64. Узел связи 64 может включать в себя импульсное устройство, процессор сигнала, акустический процессор и/или тому подобное. Узел связи 64 преобразует информацию от процессора 66 в сигналы, которые можно передать как импульсы давления в буровом растворе, как сигналы для связи посредством оптического волокна, провода и/или тому подобного, или сигналы для беспроводной или звуковой связи и/или тому подобного. Воплощения настоящего изобретения могут быть использованы с любым типом датчика, связанного с нефтегазовой промышленностью с любым типом телеметрической системы, используемым с датчиком для передачи данных с датчика на онлайновый детектор критических точек, в соответствии с одним из воплощений настоящего изобретения. Субблоки компоновки низа бурильной колонны 56 могут также включать в себя турбину или двигатель для питания энергией для вращения и направления бурового долота 54. В различных воплощениях
для передачи данных на наземную систему можно использовать другие телеметрические системы, например трубу с проводом, оптоволоконные системы, беспроводные коммуникационные системы и/или тому подобное.
Буровой агрегат 12 включает в себя вышку для бурового станка 68 и подъемную систему, систему вращения и систему циркуляции бурового раствора. Подъемная система, на которой подвешена бурильная колонна 58, включает в себя буровую лебедку 70, ходовой конец 71, кронблок 75, буровой канат 79, подвижный блок и крюк 72, винтовую стяжку 74 и неподвижный конец 77. Система вращения включает в себя ведущую буровую штангу 76, стол ротора 88 и двигатели (не показаны). Система вращения передает силу вращения бурильной колонне 58, как это хорошо известно в отрасли. Хотя система с буровой штангой и столом ротора изображена на фиг. 1, специалисты в данной отрасли признают, что данное изобретение также применимо для компоновок для бурения с наземным приводом. Хотя бурильная система изображена на фиг. 1, как находящаяся на земле, специалисты в данной отрасли признают, что настоящее изобретение в равной степени применимо к работам на морском шельфе.
Система циркуляции бурового раствора перекачивает буровой раствор вниз через центральное отверстие в бурильной колонне. Буровой раствор часто именуется буровым агентом и обычно представляет собой смесь воды или дизельного топлива, специальных сортов глины и других реагентов. Буровой раствор хранится в приемном чане 78. Буровой раствор направляется на буровые насосы (не показаны), которые перекачивают раствор через буровой стояк 86 в ведущую буровую штангу 76 через винтовую стяжку 74, в состав которой входит вращающееся уплотнение.
Раствор проходит через бурильную колонну 58 и через буровое долото 54. Когда зубья входят в породу и измельчают ее, буровой раствор выбрасывается из отверстий форсунок в долоте с большой скоростью и под большим давлением. Эти струи бурового раствора поднимают буровой шлам со дна отверстия и выбрасывают его из долота 54 вверх на поверхность в затрубном пространстве между бурильной колонной и стенкой скважины 46. На поверхности буровой раствор и буровой шлам выходят из скважины через боковое отверстие в противовыбросовом превенторе 99 и через линию возврата бурового раствора (не показана). Противовыбросовый превентор 99 состоит из устройства управления давлением и вращающейся набивки. Линия возврата бурового раствора подает буровой раствор в сепаратор (не показан), который отделяет раствор от шлама. Из сепаратора буровой раствор возвращается в приемный чан 78 для хранения и повторного использования. На буровом агрегате 10 размещаются различные датчики для измерения параметров бурового оборудования. В частности, нагрузка на крюк измеряется при помощи датчика нагрузки на крюк 94, установленного на неподвижном конце 77; положение блока и соответствующая скорость блока измеряются датчиком блока 95, входящим в состав буровой лебедки 70. Крутящий момент на поверхности измеряется датчиком на столе ротора 88. Давление в стояке измеряется датчиком давления 92, расположенным на стояке 86. Для установления нахождения бурового долота 54 в забое можно использовать дополнительные датчики. Сигналы с этих средств измерения передаются на центральный наземный процессор 96. Кроме того, импульсы бурового раствора, проходящие вверх по буровой колонне, регистрируются датчиком давления 92.
Датчик давления 92 состоит из преобразователя, преобразующего давление бурового раствора в электрические сигналы. Датчик давления 92 соединяется с наземным процессором 96, который преобразует сигнал импульса давления в цифровую форму и демодулирует цифровой сигнал в пригодные для использования данные каротажа во время бурения. В соответствии с различными воплощениями, описанными выше, наземный процессор 96 программируется для автоматического обнаружения наиболее вероятных состояний бурового агрегата при помощи различных описанных выше входных каналов. Процессор 96 также программируется для выполнения автоматического обнаружения событий, как описано выше. Предпочтительно, чтобы Процессор 96 передавал данные о состоянии бурового агрегата и/или од обнаружении события на систему интерфейса пользователя 97, которая предназначена для предупреждения бурового персонала о нежелательных событиях и/или предлагала буровому персоналу совершить действия, направленные на недопущение нежелательных событий, как описано выше. В других воплощениях система интерфейса 97 может выводить данные о состоянии бурения пользователю, который может быть программным приложением, процессором и/или тому подобным, а пользователь может управлять буровыми операциями, используя данные о состоянии.
Процессор 96 может быть запрограммирован далее, как описано ниже, для интерпретации данных, собранных различными датчиками, предназначенными для обеспечения интерпретации с точки зрения деятельности, которая могла иметь место при выработке собранных данных. Такая интерпретация может быть использована для понимания действий бурильщика, для автоматизации конкретных задач бурильщика, осуществления предлагаемой последовательности действий, например, уставки параметров, а также для проведения обучения бурильщиков.
В нефтегазовой отрасли часто возникает необходимость автоматизации, частичной автоматизации операций и/или тому подобного с целью устранения, смягчения ошибок персонала, с целью увеличения скорости и/или КПД, обеспечения возможности дистанционной работы или управления, уменьшения количества препятствий при связи и/или тому подобного. Более того, в нефтегазовой отрасли датчики обычно размещаются с целью сбора данных, обеспечения возможности мониторинга и управления сис
темами, связанными с извлечением углеводородов и/или тому подобного.
В процессе бурения скважины для мониторинга процесса бурения, включая функционирование бурильных компонентов, состояние буровых агентов и/или тому подобного в скважине, траектории бурения и/или тому подобного, получения характеристик породы вокруг места бурения или перед ним, мониторинга характеристик углеводородного пласта или водного пласта вблизи скважины или места бурения и/или тому подобного. Для анализа множества данных, которые могут быть получены во время бурения, для получения статистических выводов из данных. Такое усреднение может включать в себя периодическую выборку полученных данных с последующим статистическим анализом периодических данных, что, по сути, представляет собой ретроспективный анализ. Усреднение может предполагать частое или непрерывное получение данных и проведение оценок по средним результатам/ трендам данных.
Преимущественно анализ данных, получаемых в нефтегазовой отрасли, представляет собой анализ методом следящего окна, т.е. проводится анализ окна данных с использованием тех же допущений/в целом без учета того, требуют ли имевшие место изменения отдельного анализа различных участков окна данных. Если для попытки недопущения/смягчения влияния изменений анализируемых данных выбраны небольшие окна данных, небольшие окна часто вызывают рост большого количества "шума" в данных. Во избежание проблем, связанных со следящим окном используются фильтры Кальмана, однако такие фильтры могут лишь сглаживать влияния изменений, особенно, - резких изменений, на данные и могут обеспечивать некорректный анализ преимущественно стабильных данных, в которых изменения не имеют места. В воплощениях настоящего изобретения для выявления и/или обработки критических точек данных предусматривается анализ в реальном масштабе времени.
На фиг. 2 изображены дополнительные детали процессора 96, в соответствии с предпочтительными воплощениями изобретения. В предпочтительном варианте процессор 96 состоит из одного или нескольких центральных процессорных блоков 350, основной памяти 352, коммуникационных модулей или модулей ввода/вывода 354, графических устройств 356, ускорителя арифметических операций с плавающей точкой 358 и массовых запоминающих устройств, таких как ленты и диски 360. Следует отметить, что хотя процессор 96 изображен как часть бурового аппарата, он также может располагаться, например, в центре обработки данных или в головном офисе геологоразведочной компании. Следует отметить, что возможно множество вариантов архитектуры процессора 96, а также то, что функциональные возможности, описанные в настоящем документе, могут быть распределены по множеству процессоров. Все такие альтернативы считаются эквивалентами архитектуры, описанной и проиллюстрированной здесь.
Данные, собранные различными датчиками в промышленных процессах, часто содержат большое количество шума. Этот шум может сделать интерпретацию данных работниками в реальном масштабе времени практически невозможной. Более того, расчеты, основанные на отдельных точках данных могут усилить влияние шума.
На фиг. 3-5 приведены иллюстрации различных примеров данных, которые могут встретиться в процессе бурения скважин при разведке подземных ископаемых, таких как нефть, газ, уголь и вода.
На фиг. 3 приведены данные 215 объема чана, изменяющиеся со временем в процессе бурения скважины 46. В процессе бурения скважины 46, буровой агент, именуемый раствором, перекачивается вниз по центральному отверстию в бурильной трубе и проходит через форсунки в буровом долоте 54. Затем буровой раствор возвращается на поверхность в затрубном пространстве между бурильной трубой 58 и внутренней стенкой скважины 46 и возвращается в приемный чан 78, готовый для повторного закачивания в скважину. Датчики измеряют объем раствора в приемном чане 78 и объемный расход раствора, поступающего в скважину и выходящего из нее. Внеплановый приток пластовых флюидов в скважину 46 именуется выбросом жидкости и представляет собой потенциальную опасность. Выброс жидкости можно установить путем установления того, что объем вытекающего из чана раствора превышает объем раствора, поступающего в чан, а также по увеличению общего объема в чане.
На фиг. 3 сигнал данных об объеме чана 215 наложен на ось времени 220. Сигнал данных об объеме чана 215, измеряемый в [м3], отображается по оси объема 210. Во время бурения выброс жидкости можно наблюдать в составе данных примерно на отметке времени t=1300 и t=1700 по оси времени 220. Выброс жидкости идентифицируется в составе сигнала данных об объеме чана 215 как изменение градиента сигнала объема чана 215. Желательно обнаруживать эти выбросы жидкости автоматически и соотносить возникновение выбросов жидкости с другими событиями, происходящими во время бурения, например с изменениями бурового агрегата.
На фиг. 4 приведен график, иллюстрирующий измерения наклона 401 и азимута 403, полученные на участке направленного бурения. Измерения наклона 401 и азимута 403 необходимы бурильщикам для корректировки бурения с целью бурения скважины в конкретные целевые пласты. Бурильщик использует данные этих измерений для составления прогноза о вероятности того, что скважина пройдет через целевой пласт, и внесения корректировок в параметры, например в нагрузку на долото и вращательную скорость бурения в целях изменения траектории по направлению к цели при необходимости. Как можно увидеть на фиг. 4, канал непрерывной передачи данных о наклоне 401 и канал непрерывной передачи данных об азимуте отличаются весьма большим количеством шума. Тем не менее, изучение данных позволяет установить определенные тренды, показанные сегментированными прямыми линиями, наклады
ваемыми на необработанные данные, приведенные на фиг. 4С и 4D соответственно. Например, в данных о наклоне 401b, данные, как представляется, идут по линейному участку с глубины "1.016х104 до глубины "1.027х104, после которого следует переход на глубины "1.0375х104 и другой линейный участок до "1.047х104. Для определения кривизны скважины ("естественного искривления ствола скважины") и направления кривизны ("торца долота") предпочтительнее использовать модели, отражающие эти ступени и линейные участки, нежели какие-либо точки данных в потоке данных. Напротив, использование таких моделей будет предпочтительным по сравнению с традиционными способами стационарных измерений с интервалами от 30 до 90 футов, т.к. модели, основанные на вычислениях, проведенных на основании ступеней и линейных участков данных, которые могут использоваться в реальном масштабе времени, не требуют проведения бурения над забоем и могут дать данные о расчетах естественного искривления ствола скважины и торца долота на относительно коротких интервалах. На фиг. 5 представлена еще одна графическая иллюстрация того, как изменения литологии могут повлиять на бурение, в данном случае, отклик долота PDC (поликристаллический алмазный композит) в трехмерном пространстве, определенном нагрузкой на долото ("WOB"), глубиной вруба ("DOC") и крутящим моментом. Предполагаемый отклик долота в этом пространстве описан в Detournay, Emmanuel, Thomas et al., Drilling Response of Dragbits: Theory and Experiment, (Отклик при бурении лопастным долотом: теория и эксперимент) International Journal of Rock Mechanics & Mining Sciences 45 (2008): 1347-1360. Отклик долота отмечает тенденцию состоять из трех фаз с учетом прилагаемой нагрузки на долото. Каждая фаза имеет относительно линейный отклик долота. На первой фазе 501, при низком значении прилагаемой нагрузки на долото, достигается очень низкая глубина вруба. При низкой нагрузке на долото основное взаимодействие между долотом 54 и породой имеет место на кромках износа фрез. Ни поверхность породы, ни кромка износа не будет идеально гладкой, следовательно, по мере увеличения глубины вруба порода под зоной контакта измельчается, и площадь контакта увеличивается. Это продолжается до тех пор, пока глубина вруба в месте измельчения породы не будет соответствовать геометрии кромки износа, а площадь контакта перестанет увеличиваться. Далее вторая фаза 503 соответствует промежуточному значению нагрузки на долото. На этой фазе 503 после критичной глубины вруба любое увеличение нагрузки на долото преобразуется в чистое действие вруба.
Долото постепенно ведет себя как абсолютно острое долото до тех пор, пока режущие пластины полностью не войдут в породу и не будет достигнута точка разведочного шурфа. Третья фаза 505 аналогична первой фазе 501 в том, что дополнительная нагрузка на долото не дает большого эффекта. Отклик после точки разведочного шурфа зависит от того, насколько быстро будет приложена избыточная нагрузка на долото. Если она будет приложена быстро, непробуренная порода перед режущими пластинами вступит в контакт с матрицей долота и действовать аналогично кромкам износа (фаза I), так что глубина вруба слегка увеличится с увеличением нагрузки на долото. Если она будет приложена медленно, обломки могут оказаться зажатыми между матрицей и непробуренной породой, так что глубина вруба при увеличении нагрузки на долото может уменьшиться. Бурильщики предпочитают работать вблизи верха второй фазы при оптимальной глубине вруба, достигаемой без затрат дополнительной нагрузки на долото.
Глубину вруба на один оборот можно оценить, разделив скорость проникновения (ROP) на скорость вращения (RPM), так что можно составить график бурения в реальном времени в трехмерном пространстве {нагрузка на долото, вращательный момент долота и глубина вруба}, как показано на фиг. 5. По мере забуривания долота в новый пласт, отклик резко изменяется и точки будут приходиться на новую линию. Построенная по точкам линия 507 иллюстрирует модель отклика долота для первого пласта, соответствующего собранным точкам данных 509. С другой стороны, точки данных 511 соответствуют данным, собранным в другом пласте по точкам сбора 509. Если второе множество (511) соответствует данным, которые имеют место после первого множества (509), возможно, имело место изменение пласта и вспомогательных эксплуатационных условий.
Прямая линия в трех измерениях имеет четыре неизвестных параметра, два уклона и пересечение с плоскостью x-y, т.е., в данном случае, - с плоскостью нагрузка на долото - крутящий момент. Эти параметры можно оценить при помощи подгонки методом наименьших квадратов к временному или пространственному скользящему окну, например последним пяти минутам или последним десяти футам данных, но это обеспечивает очень неточное соответствие вблизи границ пласта. Например, на фиг. 5 построение прямой линии по точкам первого множества (509) и точкам второго множества (511) даст странные параметры модели.
Модели долота типа PDC успешно применялись в данной области путем ручной проверки данных и их разделения на однородные сегменты, например, на фиг. 5 прямая линия подгоняется только к точкам данных 509, а вторую прямую линию (не показана) можно подогнать только к точкам данных 511, что позволяет избежать загрязненных данных разных классов, которые имеют место при использовании подвижного окна. Хотя в упрощенном примере, показанном на фиг. 5, возможно увидеть, что точки данных 511 и точки данных 509 лежат/встречаются на разных линиях, при использовании реальных данных, это является очень трудоемким процессом, который до настоящего времени препятствовал применению мо
дели долота типа PDC для управления системами/параметрами бурения. Теперь давайте вновь рассмотрим фиг. 4А и 4В. Как указывалось выше, данные можно сегментировать на три различные сегмента, и каждый сегмент будет иметь связанную с ним модель, особенно полезную для моделирования данных в этом сегменте. В предпочтительном воплощении изобретения моделирование данных производится с использованием либо линейно изменяющейся функции, либо с использованием ступенчатой функции, например путем использования алгоритма наименьших квадратов, и оценка этих моделей производится при помощи выбора Байесовской модели. Выбор Байесовской модели детально рассматривается в книге Deviderjit Sivia and John Skilling, Data Analysis: A Bayesian Tutorial (OUP Oxford, 2ed. 2006) (Девидерджит Сивия и Джон Скиллинг "Анализ данных: Руководство по Байесовским моделям",Оксфорд, OUP, 2 издание, 2006 г.), все содержание которой включено в настоящий документ путем отсылки. По этой причине каждому сегменту, полученному при каждой процедуре сегментации, присваивается линейная или ступенчатая модель, и соответствующие сегментации соотносятся с весовым показателем того, насколько хорошо сегментация и связанные с ней модели соответствуют потоку данных по сравнению с другими сегментациями.
В воплощениях настоящего изобретения онлайновый анализ данных может обеспечиваться путем рассмотрения поступающих данных, как данных, состоящих из сегментов, между которыми находятся критические точки. Критические точки можно определить путем анализа данных с применением автоматического промышленного процесса. В некоторых аспектах множество датчиков и тому подобных устройств может дать множество каналов данных, которые можно сегментировать на однородные сегменты, после чего можно применить слияние данных для перекрестной корреляции, сравнения, противопоставления и т.п. критических точек в потоке поступающих данных с целью управления автоматизированной промышленной процедурой.
В одном из воплощений настоящего изобретения данные могут анализироваться в реальном масштабе времени, что обеспечивает обнаружение критической точки в реальном масштабе времени, а не в ретроспективе. Это обнаружение критической точки в реальном масштабе времени может именоваться "онлайновым анализом/обнаружением". В одном из воплощений настоящего изобретения данные с одного или нескольких датчиков могут подгоняться к соответствующей модели, и по анализу поступающих данных с учетом модели можно определить критические точки. Модель может быть получена теоретическим путем, путем эксперимента или путем анализа предшествующих операций и/или тому подобными путями.
Таким образом, в одном из воплощений настоящего изобретения данные автоматизированного промышленного процесса могут анализироваться при помощи онлайнового процесса с использованием моделирования критических точек. Модели критических точек делят разнородный сигнал на последовательность однородных сегментов, в одном из воплощений настоящего изобретения сигнал представляет собой данные из одного или нескольких источников, связанные с процессами, относящимися к углеводородам. Разрывы непрерывности между сегментами именуются "критическими точками". Просто в качестве примера, онлайновый датчик критических точек в соответствии с воплощением настоящего изобретения может моделировать данные в каждом однородном сегменте как линейную модель, например линейно изменяющуюся или ступенчатую с дополнительным гауссовским шумом. Такие модели полезны, если данные имеют линейные соотношения с индексом. В альтернативных воплощениях могут использоваться более сложные модели, например экспоненциальные, полиномиальные и модели тригонометрических функций. По мере получения каждого нового образца (набора данных) алгоритм на выходе дает уточненную оценку параметров основообразующего сигнала, например среднюю высоту ступеней, средний градиент линейных участков и среднее смещение линейных участков, а также, дополнительно, параметры дополнительного шума (для центрированного гауссовского шума данный параметр является стандартным отклонением или колебаниями, но для более общего распределения шума также можно оценить и другие параметры, например, асимметрия или эксцесс).
При необходимости, если установлено, что параметры шума изменились, критическую точку можно назначить. В некоторых воплощениях настоящего изобретения, при анализе можно учитывать хвосты распределения, что лучше подходит для анализа, нежели среднее значение распределения. В одном из воплощений настоящего изобретения для определения вероятности того, что высота/градиент/смещение образца находится выше/ниже конкретного порогового значения, можно использовать детектор критических точек. Основным выходом детектора критических точек может быть собрание списков значений времени критических точек и вероятности для каждого списка. Наиболее вероятным списком, таким образом, является наиболее вероятная сегментация данных в соответствии с выбором модели: G1,... ,Gj.
Сегментацию сигнала можно описать при помощи древовидной структуры (см. фиг. 7), а для поиска по данному - дереву можно рассмотреть алгоритм. При времени 0 (до поступления каких-либо данных) дерево состоит из одного корневого узла R. В момент времени 1 корневой узел порождает J подпроцессов ("листьев"), по одному листу на каждую из J моделей сегментов - первый лист представляет собой гипотезу о том, что первая точка данных моделируется при помощи G1, в соответствии с гипотезой, для второго подпроцесса точкой является G2 и т.д.. Впоследствии дерево разрастается прирастает каждым узлом подпроцесса, порождая J+1 листьев, по одному на каждую модель и дополнительный лист, ото
бражаемый 0, который показывает, что точка данных в соответствующий момент времени относится к тому же сегменту модели, что и порождающий ее узел. Например, если бы G1 представлял собой ступенчатую модель, a G2 - линейную, путь по дереву от корня к узлу подпроцесса (листовому узлу) в момент времени 9 мог бы быть
R100000200,
где это показывало бы, что первые шесть образцов были генерированы ступенчатой моделью, а оставшиеся четыре - линейной.
С течением времени дерево разрастается, и поиск по нему осуществляется при помощи совокупности частиц, каждая из которых занимает определенный листовой узел. Количество частиц может выбрать пользователь/оператор, достаточным является количество от 20 до 100, однако в других аспектах настоящего изобретения можно использовать и другое количество частиц. С каждой частицей связан весовой показатель, который можно интерпретировать как вероятность того, что сегментация, на которую указывает путь от частицы к корню (как в рассмотренном выше примере), является правильной. Цель алгоритма состоит в концентрировании частиц на листьях, что означает, что весовые показатели частиц окажутся велики.
На фиг. 6 приведена схема процесса получения сегментаций потока данных, в которые могут входить критические точки, иллюстрирующая одно из воплощений настоящего изобретения. Процесс сегментации для определения критических точек и сопутствующих моделей позволяет успешно построить древовидную структуру данных, пример которой приведен на фиг. 7, в которой каждый узел дерева означает различные сегментации данных.
Дерево периодически подвергается подрезке с целью удаления сегментаций с малой вероятностью, т.е. сегментаций, плохо соответствующих данным.
В первом шаге инициализация сегментаций осуществляется путем установления корневого узла R, шаг 701. Далее из одного или нескольких потоков данных получают точку данных, шаг 703. В ответ процесс сегментации позволяет отбросить подчиненные сегментации, шаг 705, которые отражают три различные альтернативы, а именно - продолжение предыдущего сегмента, новый сегмент с первой моделью, или новый сегмент со второй моделью (в настоящем примере, описывающем воплощение с двумя моделями, линейной и ступенчатой, в альтернативные воплощения могут входить дополнительные модели). В одном из воплощений настоящего изобретения, проиллюстрированном и описанном в настоящем документе, альтернативные модели представляют собой линейную и ступенчатую функции. Ввиду того, что корневой узел не представляет какую-либо модель, первое поколение дерева, отражающее первую точку данных, должно начинать новый сегмент, который является либо линейным участком, который представлен на дереве как 1, либо ступенчатым участком, представленным на дереве как 2.
В приведенном выше примере частица R100000200 порождает три новых подчиненных узла с соответствующими частицами:
R1000002000 R1000002001 R1000002002
Первая из которых указывает на продолжение ступенчатого сегмента, который начинается с 7 точки данных, вторая - на новый линейный участок, а третья - на новый ступенчатый участок.
Затем путем подбора данных, содержащихся в новых сегментах, к назначенным моделям создаются модели, и осуществляется повторная подгонка моделей, соответствующих существующим сегментам, шаг 706. Например, если необходимо создать новый линейный сегмент для новой порожденной частицы, данные сегмента необходимо подогнать под этот линейный сегмент. Естественно, когда создается новый сегмент, соответствующая присваиваемая модель, является простой функцией, которая пропускает указанное в модели значение через новую точку данных. Однако для существующих сегментов, в которые входит множество точек данных, параметры модели, например, параметры, определяющие градиент и смещение линейного участка, подвергаются повторной оценке. Для определения линейной функции, подлежащей применению для моделирования данных сегмента в виде линейного или ступенчатого участка можно использовать некий прием линейной регрессии. Затем производится оценка полученных сегментаций, шаг 707, при помощи выбора Байесовской модели или аналогичным путем, что необходимо для оценки весовых показателей, показывающих, насколько хорошо каждая сегментация соответствует лежащим в ее основе данным.
После оценки сегментаций, создания функций модели и соответствующих моделей, т.е. после получения присваиваемых им весовых показателей, производится подрезка дерева с целью удаления нескольких частиц из рассматриваемых в будущем вариантов и сохранения управляемости выборки частиц, шаг 709. Весовые показатели оставшихся частиц нормализуются, шаг 711.
После оценки сегментаций потока поступающих данных сегментации и соответствующие модели можно использовать в программе управления процессом или в программе дальнейшего анализа данных, шаг 713. Использование сегментаций и соответствующих моделей может принять различные формы. Например, каждая их оставшихся сегментаций может использоваться для оценки исходных данных при расчете используемого количества для сравнения с пороговым значением для целей получения сигнала о
состоянии, в отношении которого необходимо предпринять некие корректирующие действия. При таком сценарии можно рассчитать средневзвешенное значение (взвешенное по весовым показателям, связанным с каждой сегментацией), что необходимо для определения вероятности того, наступило или не наступило это состояние. Эта вероятность может использоваться либо для инициирования или предложения действия, либо в качестве исходных данных для программ дальнейшего анализа состояния.
На фиг. 8 изображена блок-схема, иллюстрирующая возможную архитектуру программного обеспечения, в котором используется обнаружение критических точек, описанное в настоящем документе. Модуль детектора критических точек 901 и программа управления процессом могут храниться на массовых запоминающих устройствах 360 компьютерной системы 96, используемое для получения и анализа данных датчика, получаемых при бурении, а также для управления бурением. Модуль детектора критических точек 901 содержит компьютерные инструкции, обрабатываемые центральным процессорным блоком 350 для проведения расчетов, описанных в настоящем документе, например, хода процесса, изображенного на фиг. 6. Эти инструкции обеспечивают получение центральным процессорным блоком 350 данных из потока данных 905, поступающего с различных датчиков, установленных на буровом агрегате, или данных другого промышленного процесса. Входные данные обрабатываются центральным процессорным блоком 350 в соответствии с инструкциями модуля сегментации 907 по проведению сегментаций 909 данных, описанных в настоящем документе. Эти сегментации содержат сегменты, определяемые интервалами индекса потока данных и моделей, связанных с этими сегментами. Сегменты поступают в модуль расчетов с целью передачи результатов, полученных детектором критических точек 901, которые, в свою очередь, представляют собой исходные данные для программы управления процессом 903. Результат может представлять собой вероятность того, что событие имело место, или какой-либо иной интерпретации исходных данных (например, торца долота или темпа естественного искривления ствола скважины), или даже рекомендуемого действия (например, предлагаемого изменения скорости вращения долота или нагрузки на долото в целях повышения скорости проникновения). Теперь можно получить более детальный вид фиг. 7, который представляет собой графическое изображение дерева сегментации 801 и весовых характеристик 803, связанных с активными частицами после четырех показателей времени. Как указывалось выше, для получения сегментации детектор критических точек 901 использует систему частиц и весовых показателей. От Времени 0, (которое представлено корневым узлом R) до Времени 1, порождается две частицы ("1" и "2") (шаг 705); первая частица ("1") представляет собой ступень, а вторая ("2") - линейный участок. Во Время 2 (и каждый последующий показатель времени) каждая из активных в настоящее время частиц порождает три частицы, первая означает отсутствие изменений ("0"), вторая представляет собой ступень ("1") и третья -линейный участок ("2"), таким образом, образуются частицы 10, 11, 12, 20, 21 и 22. Это продолжается для каждого показателя времени и во Время 4 дерево разрастается до 54 частиц. Для каждой активной частицы, т.е., частицы, которая была порождена в последний показатель времени и не была удалена на этапе подрезки (шаг 709), определяется весовой показатель (шаг 707 и шаг 711). Эти весовые показатели графически иллюстрируются на фиг. 7 диаграммой весовых показателей 803. Весовые показатели используются для подрезки дерева 801 путем удаления частиц с низшими весовыми показателями, когда количество частиц превысит заданный максимум.
Как было отмечено при рассмотрении фиг. 6, когда будут определены и нормализованы весовые показатели оставшихся активных частиц, полученные сегментации используются в сочетании с программой управления 713.
В порядке примера рассмотрим вновь исходные потоки наклона 401а и азимута 403а (фиг. 4). Фиг. 9 представляет собой иллюстрацию критических точек, определяемых детектором критических точек 901 и сопутствующими моделями. Например, в потоке наклона 401b детектор критических точек 901 выявляет критические точки 405 и 407, в дополнение к критическим точкам в начале и в конце каждого набора данных. Аналогично, в потоке данных азимута 403b детектор критических точек 901 выявляет критические точки 409 и 411. Для потока наклона детектор критических точек 901 провел подгонку линейного участка к сегменту до первой критической точки 405, после чего следует ступень до второй критической точки 407, и, наконец, линейный участок данных после второй критической точки 407. С другой стороны для потока данных азимута 403b, детектор критических данных 901 осуществил подбор трех последовательных линейных участков, каждый из которых имеет разные градиенты.
Как показано в приведенных выше абзацах, существует много процессов, относящихся к бурению углеводородных скважин или применению любых других процедур, связанных с углеводородами, в которых данные, указывающие на рабочую среду, подвергаются различной интерпретации, в силу шума или иных факторов, и, тем не менее, эти данные и изменения рабочей среды, которые характеризуются данными, могут оказать существенное влияние на то, как оператор бурения углеводородной скважины или иного процесса, связанного с углеводородами, задает параметры для оптимального проведения процесса или, когда эти данные, при условии правильного моделирования, могут оказаться очень полезными для автоматизации аспектов создания/ эксплуатации углеводородных скважин. Обратимся теперь к трем примерам использования детектора критических точек 901 в сочетании с программой управления 903.
В первом примере детектор критических точек 901 используется для определения гидравлического удара, возникающего при бурении. В процессе бурения скважины буровой раствор закачивается по цен- 11
тральному отверстию бурильной трубы и проходит через форсунки бурового долота. Затем раствор возвращается на поверхность в чан для раствора, готовый к повторному закачиванию в скважину. Объем раствора в чане и объемный расход раствора, поступающего в скважину, измеряется при помощи датчиков. Незапланированный приток пластовых флюидов в скважину называется гидравлическим ударом и представляет потенциальную опасность. Гидравлический удар можно обнаружить путем наблюдения: если объем вытекающего раствора превысит объем поступающего раствора, что приводит к увеличению объема раствора в чане.
Фиг. 3 представляет собой графическую иллюстрацию изменения объема чана в зависимости от времени бурения скважины. На фиг. 3 сигнал данных об объеме чана 215 наложен на ось времени 220. Сигнал данных об объеме чана 215 отображается по оси времени 220. Сигнал данных об объеме чана 215 измеряется в кубических метрах (м3) и иллюстрируется на оси объема 220. Сигнал данных об объеме чана свидетельствует о гидравлических ударах в двух местах, примерно на отметке времени t=1300 и t=1700. Для целей обсуждения предположим, что во время бурения гидравлический удар был установлен вручную примерно на отметке времени t=1300 и t=1700 по оси времени 220, а также то, что увеличение объема чана на отметке времени t=1300 является следствием подсоединения буровой трубы. Выброс жидкости идентифицируется в составе сигнала данных об объеме чана 215 как изменение градиента сигнала объема чана 215.
Фиг. 10 является иллюстрацией применения детектора критических точек 901 к данным объема чана (фиг. 3) (для удобства читателя фиг. 3 воспроизводится на фиг. 10 как фиг. 10А), в соответствии с воплощением изобретения, фиг. 10В представляет собой графическую иллюстрацию выходного сигнала с детектора критических точек 901. Детектор критических точек 901 обрабатывает однородные сегменты данных объема чана 215 с фиг. 10А. Используя эти однородные сегменты детектор критических точек 901 вырабатывает выходной сигнал указывает на вероятность 225, того, что линейный участок данных объема чана 215 имеет градиент, превышающий 0,001 м3/с. Вероятность 225 накладывается на ось времени 220 и ось вероятности 227, что дает в качестве единичной вероятности ноль.
На фиг. 11 изображена схема, иллюстрирующая работу детектора критических точек 901 с целью определения вероятности линейного участка, имеющего значение, превышающее заданное пороговое значение. Используя метод, описанный в связи с фиг. 6 и 7, детектор критических точек 901 определяет возможные сегментации и присваивает этим сегментациям весовые показатели, шаг 101. В примере, изображенном на фиг. 10, шаг 101 был бы получен при ряде сегментаций, вероятно, включают в себя сегментации, указывающие на шаги с t=800 по t=1280, и линейный участок с t=1280 по t=1300. Ввиду того, что такая сегментация хорошо бы соответствовала данным, эта сегментация имела бы очень высокий весовой показатель.
Далее, модуль расчетов 911 использует сегментации для расчетов необходимого значения вероятности, шаг 103. В настоящем примере, такой вероятностью является вероятность того, что линейный участок данных объема чана превышает заданный порог, а именно, для целей примера - 0,001 м3/с. Этот результат достигается путем расчета градиента по моделям, соответствующим каждой активной сегментации, шаг 105, и расчета средневзвешенного значения по тем результатам, которые основаны на весовых показателях, связанных с каждой сегментацией. Если одна из возможных рассматриваемых сегментаций представляла бы продолжение модели с t=800, которая имеет очень низкий линейный участок или даже ступенчатый участок, как только данные объема начинают увеличиваться при t=1300 (и аналогично, при t=1700), эта модель давала бы слабое соответствие и имела бы очень низкий весовой показатель, связанный с ним. Таким образом, при t=1300, расчет средневзвешенного значения дал бы сегментацию, которая включает в себя линейный участок, начинающийся при t=1280, очень высокий весовой показатель и эта сегментация оказала бы большое влияние на расчет средневзвешенного значения и на окончательный результат.
На фиг. 10В вероятность 225 приближается к единичной примерно в то время, когда гидравлический удар можно идентифицировать в составе данных об объеме чана 225 (фиг. 10А) вручную. В этом случае детектор критических точек, включенный в настоящее изобретение, может обеспечить возможность вероятностного градиентного анализа данных, полученных в процессе бурения, для определения наступления гидравлического удара и аналогичных событий в реальном времени.
Фиг. 10С иллюстрирует поступающие и выходящие данные, соответствующие данным объема чана (фиг. 10А) при бурении. Как показано на иллюстрации, данные притока 230 и данные оттока 233 для бурения накладываются на ось времени 220. Данные притока/оттока не используется в методе обнаружения критических точек, иллюстрация которого приведена на фиг. 10В. Однако можно увидеть, что на отметке t=1700, соответствующей гидравлическому удару, который пытается обнаружить детектор критических точек, изображенный на фиг. 10В, отмечается колебание данных.
Детектор критических точек (фиг. 10В) может иметь следующие характеристики:
(a) Когда на отметке времени t=1300 осуществляется присоединение буровой трубы, вероятностный анализ для детектора критических точек также может приближаться к единичной.
(b) Когда циркуляция системы находится в нестабильном состоянии, объем чана может испытывать влияние задержек потока флюида и вздутия скважины.
(a)
(c) Определение порогового значения градиента объема чана может быть несколько произвольным. Для анализа автоматического процесса бурения пологие градиенты, полученные в течение длительного времени данные, могут использоваться в качестве решающего фактора в процессе анализа, как крутые градиенты, полученные в течение коротких промежутков времени. По этой причине, ввиду того, что высота линейного участка представляет собой линейный участок объема притока, она может оказаться более предпочтительным, нежели пороговый базовый анализ в реальном времени на основе этих статистических данных.
(d) Гидравлический удар также можно наблюдать в данных потока, связанных с процессом бурения, изображенных на фиг. 10С. Однако эти дополнительные данные не используются в градиентном алгоритме.
Для учета дополнительной информации, получаемой в процессе бурения, выход с детектора критических точек можно подключить к программному обеспечению дополнительного анализа для объединения выходных данных детектора критических точек с такой дополнительной информацией. Например, выход детектора критических точек может быть одним из входов в Байесовскую сеть доверия, используемым для объединения этого выхода с обнаружением изменений состояния бурового агрегата, т.е., текущего состояния бурового агрегата.
На фиг. 12 приведено схематичное изображение детектора критических точек, предназначенного для анализа автоматического процесса бурения, в котором данные об объеме вытекающего флюида за минусом притока флюида (данные о разности оттока и притока) и данные об объеме чана подвергаются вероятностному анализу с целью выявления критических точек в соответствии с одним из воплощений настоящего изобретения. Как изображено на фиг. 12, данные объема чана 305 и данные о разности оттока и притока 310 устанавливаются в процессе автоматического бурения. В одном из воплощений настоящего изобретения детекторы критических точек 901а и 901b можно использовать как для данных объема чана 305, так и для данных о разности оттока и притока 310.
Как описано ранее, например, в связи с фиг. 6 и 7, в одном из воплощений настоящего изобретения, данные объема чана 305 и данные о разности оттока и притока 310 можно разделить на однородные сегменты в реальном времени. Первый детектор критических точек 901а, связанный с данными объема чана 305, может анализировать данные объема чана 305 и, исходя из данных сравнения с предшествующими сегментами, можно установить момент, когда один из однородных сегментов входящих данных не имеет положительного градиента, например, детектор критических точек 901а может обнаружить ступенчатую модель или линейный участок с отрицательным градиентом. Аналогично, второй детектор критических точек 901b, связанный с данными о разности оттока и притока 310, может анализировать данные об объеме чана 305 и, исходя из сравнения с предшествующими сегментами, может обнаружить момент, когда один из однородных сегментов входящих данных не имеет положительного градиента, например, детектор 901b может установить ступенчатую модель или линейный участок с отрицательным градиентом. В соответствии с некоторыми воплощениями настоящего изобретения каждый из множества детекторов критических точек 901 может при обработке сегментов с положительным градиентом устанавливать вероятность того, что объем притока превышает пороговый объем T. На фиг. 12 объем представляет собой площадь под линейными участками данных о разности оттока и притока 323 и вертикальной высотой 326 линейных участков объема чана. Каждый детектор критических точек 901 может рассчитывать общую вероятность p(vol> T) как взвешенное значение суммы вероятностей, полученное при рассмотрении всех гипотез сегментации, которые находятся у него на рассмотрении. В Байесовскую сеть доверия (BBN) 123 можно ввести две непрерывные вероятности p(vol> T) 121a и 121b, а именно - в Узел приращения объема чана 131 и Узел избытка потока 133. В одном из воплощений настоящего изобретения состояние Узла переливания нефти 135 может описать условные вероятности существования большего количества флюида, вытекающего из пробуриваемой в автоматическом режиме скважины, нежели флюида, поступающего в нее. Такое условие, возникающее в процессе бурения, может вызвать наличие характерных признаков Увеличения объема чана и Избытка потока на поверхностных каналах. Узел переливания нефти 135 может быть результатом изменений в процессе бурения, т.е. недавнего изменения состояния бурового агрегата, узел 137. Например, циркуляция флюида в скважине может иметь место не в стабильном состоянии по причине, например, включения/ выключения насосов или перемещения буровой трубы во время бурения. Преднамеренные изменения процесса бурения, например, изменение производительности насоса, перемещение буровой трубы и/или тому подобное, могут именоваться состояниями бурового агрегата. Обнаружение изменения бурового агрегата описано в Патенте США№ 7128167, "Система и метод обнаружения состояния бурового агрегата" (System and Method for Rig State Detection), выданном Джонатану Данлопу (Jonathan Dunlop) и др., 31 октября 2006 г.
В одном из воплощений настоящего изобретения детектор состояния бурового агрегата 345 может быть соединен с системой обработки данных бурения. Детектор бурового агрегата 345 может получать данные от компонентов системы бурения, из скважины, окружающего пласта и/или тому подобного и может передавать вероятность недавних изменений состояния бурового агрегата 137 в детекторам критических точек. Таким образом, детекторы критических точек 901 могут определять момент, когда обна
руженные критические точки являются результатом недавнего изменения состояния бурового агрегата 137. Например, на фиг. 12 детектор критических точек может определить, является ли Узел переливания нефти 135 следствием недавнего изменения состояния бурового агрегата 137. Как видно из фиг. 12, еще одной причиной переливания нефти 135 может быть гидравлический удар 353. В одном из воплощений настоящего изобретения детектор критических точек может анализировать данные объема чана 305 и данные о разности оттока и притока 310 с целью установления наступления критической точки при определении наступления условия перелива нефти 135 и может использовать вероятность недавних изменений состояния бурового агрегата 350 для определения наличия гидравлического удара 353.
В одном из воплощений настоящего изобретения онлайновое определение гидравлического удара 353 может привести к срабатыванию сигнализации с целью ручного вмешательства в процесс бурения, может привести к тому, что управляющий процессор изменит автоматический процесс бурения и/или к тому подобному, например, сообщение об обнаружении гидравлического удара 353 может выводиться на пульт управления, связанный с центральным расположенным на поверхности процессором 96. В определенных аспектах данные, касающиеся скважины, пласта, окружающего скважину, например проницаемого пласта в открытой скважине с поровым давлением, превышающим эквивалентную плотность циркуляции (ECD) может служить исходным сигналом для детектора критических точек и может обеспечивать более высокую точность при определении гидравлического удара 353. В некоторых аспектах настоящего изобретения, если флюид передается в активный чан для бурового раствора 78, данные, касающиеся такой передачи или дополнения 356, могут поступать на детектор критических точек, т.к. это может привести к Увеличению объема чана 330, но не к избытку нефти 335. В таких аспектах настоящего изобретения путем ввода данных о передаче или дополнении 356 в детектор критических точек можно избежать ошибочного обнаружения гидравлического удара 353.
На фиг. 12 детекторы критических точек 901 получают необработанные данные и могут использовать Байесовский вероятностный анализ или подобные методы для определения наличия критических точек. Сегментирование необработанных данных может обеспечить возможность гибкого моделирования данных в рамках отдельных сегментов, например линейных, квадратичных или иных регрессивных функций.
В случае подозрения на гидравлический удар проводится проверка расхода, при которой насосы бурового раствора останавливаются и для подтверждения гидравлического удара используются данные о последующем перетоке. Для управления гидравлическим ударом бурильная колонна поднимается до тех пор, пока замок бурильной трубы не будет находиться непосредственно над полом буровой установки, затем для закрытия скважины используются клапаны, именуемые противовыбросовыми превенторами. Затем поступающая жидкость подается на поверхность, после чего можно возобновлять бурение. Небольшие притоки обычно быстрее и легче поддаются управлению, так что раннее обнаружение и закрытие имеет крайне важное значение. Автоматизация указанного выше процесса призвана неуклонно снижать время простоя оборудования.
Другие процессы настоящего изобретения могут применяться в нефтегазовой промышленности, включают в себя прихват колонны, потерю циркуляции, прерывистое скольжение бурового долота, засорение форсунок бурового долота, промывку форсунок бурового долота, недостаточный или избыточный размер замерного отверстия, износ бурового долота, снижение производительности двигателя для подачи бурового раствора, разломы пласта, вызванные бурением, вздутие, недостаточную очистку отверстия, промывку трубы, разрушающую вибрацию, случайный уход бурового ствола сторону, разрыв продольного шва трубы, контроль траектории компоновки направленного бурения, оптимизация скорости проникновения, диагностика отказа инструмента и/или тому подобное. Теперь обратимся ко второму примеру использования детектора критических точек 901, а именно, к его применению для оптимизации скорости проникновения при бурении. Вновь рассмотрим фиг. 5, иллюстрирующий изменения линейного отклика бурового долота в соответствии с моделью долота PDC при переходе процесса бурения с одного пласта, имеющего один набор характеристик, к другому. Как рассматривалось выше в настоящем документе, точки данных 509 лежат на линии в трехмерном пространстве "нагрузка на долото - крутящий момент долота - глубина вруба". А три точки данных 511 лежат на другой линии в этом пространстве. Как указывалось выше, моделирование этих данных в реальном времени вокруг границ пласта представляет собой сложную задачу. По этой причине, в одном из воплощений детектор критических точек 901 используется для определения линейного отклика долота и значений параметра, которые могут быть из него получены. При помощи детектора критических точек 901 одна прямая линия подгоняется к первому набору 509, а другая прямая линия - ко второму набору 511, что позволяет избежать засорения оценочных данных для одного пласта данными, собранными для другого пласта, например.
Проекция трехмерной подгонки на плоскость "нагрузка на долото - глубина вруба" дает линейное уравнение, связывающее нагрузку на долото (WOB), скорость вращения (RPM) и скорость проникновения (ROP). Его можно переписать, задав ROP как функцию WOB и RPM, как показано контурами на фиг. 13. Таким образом, для данной пары WOB-RPM можно ожидать конкретного значения ROP.
Коэффициенты модели долото/ порода допускают возможность введения различных ограничений бурения, которые можно выразить как функцию WOB и RPM, наложенную на контуры ROP, как показа
но на фиг. 14:
ROP, при которой обломки образуются слишком быстро, чтобы их можно было удалять из затруб-ного пространства, 141,
WOB, которая генерирует избыточный крутящий момент верхнего привода, 143, WOB, которая генерирует избыточный крутящий момент дл буровой трубы, 144, WOB, которая генерирует избыточный крутящий момент превышает характеристики бурового долота по максимальной нагрузке на долото, 145,
RPM, которая вызывает избыточную вибрацию бурового станка, 147.
Область 149 ниже этих ограничений является безопасной рабочей областью. Можно установить и сообщить бурильщику нагрузку на долото (WOB) и скорость вращения (RPM), генерирующие максимальную скорость проникновения (ROP) в пределах безопасной рабочей зоны. В качестве альтернативы WOB и RPM можно автоматически передавать автоматической бурильной установке или расположенной на поверхности системе управления.
Изучение границ безопасного рабочего окна 149 позволяют установить, что самое высокое значение ROP в пределах безопасного рабочего окна можно найти на пересечении графика очистки скважины 141 и графика крутящего момента верхнего привода 143, которые здесь именуются оптимальными параметрами 151. Для целей примера, рассмотрим бурение при RPM и WOB, равных 80 об/мин и 15 тыс. фунт-сил (153), соответственно, при ROP, равной примерно 18 фут/ч. ROP при комбинации оптимальных параметров 151, с другой стороны, равна примерно 90. Таким образом, бурильщик, увеличивая RPM и WOB в направлении оптимальных параметров, увеличит ROP. В предпочтительном воплощении оптимизатор ROP свидетельствует о промежуточном сочетании RPM и WOB, например, сочетание параметров примерно на 1/2 расстояния 155 между комбинацией текущего параметра 153 и оптимальной комбинацией 151.
Данные, определяющие контуры ROP и параметры для безопасного рабочего окна непрерывно сообщаются датчиками на бурильном агрегате. Эти датчики могут располагаться либо на поверхности, либо в бурильной трубе. В случае расположения на поверхности для преобразования измеренных значений в соответствующие фактические значения, с которыми сталкивается буровое долото и бурильная колонна, может потребоваться некоторая фильтрация и предварительная обработка.
Непрерывный поток данных моделируется при помощи модели PDC (фиг. 5). По мере поступления новых данных самая лучшая подгонка для точек данных может несколько измениться и потребовать минимальных корректировок модели, используемой для определения контуров ROP. При встрече новых пластов, можно ожидать резких изменений. Детектор критических точек 901 используется для сегментирования входящих данных с целью обеспечения возможности внесения изменений в модель, используемую для расчета контуров ROP.
На фиг. 15 изображен графический интерфейс пользователя 157 оптимизатора ROP, в котором используется детектор критических точек 901, предназначенный для определения моделей сегментации для модели PDC, контуров ROP, которые можно получить на их основе, безопасного рабочего окна и рекомендуемых параметров WOB и RPM. Четыре окна 161 осуществляют наложение нагрузки на долото (WOB), крутящего момента, скорости проникновения (ROP), и скорости вращения (RPM), соответственно, на показатель глубины. В другом окне 163, глубина вруба накладывается на нагрузку на долото (WOB). Еще в одном окне 165, крутящий момент накладывается на нагрузку на долото (WOB). Наконец, крутящий момент накладывается на глубину вруба еще в одном окне 167.
Сегментация данных осуществляется при помощи детектора критических точек 901 и подгонки к соответствующим линейным моделям, соответствующим каждому сегменту, тем способом, который рассматривался в настоящем документе выше. Различные цвета, иллюстрируемые различными графиками 161-167 отражают, соответственно, различные сегменты. При изучении графиков в зависимости от показателя глубины графиков 161, предполагается, что в настоящем примере синий означает первый сегмент, красный - второй, а зеленый - текущий сегмент. Как можно предположить по графику зависимости глубины вруба от нагрузки на долото (график 163), предполагается, что линейное соотношение между этими параметрами, полученное посредством модели PDC, существенно изменилось в ходе бурения, соответствующего точкам данных, нанесенных на график на фиг. 15.
Окно безопасной рабочей области и контуров бурения 169 содержит отображение безопасной рабочей области 149, текущие параметры 153, оптимальные параметры 151 и рекомендуемые параметры 155, соответствующие текущей модели сегментации. Графический интерфейс пользователя 157 можно вывести на панель управления, подключенный к центральному наземному процессору 96.
Фиг. 16 представляет собой схему, иллюстрирующую работу детектора критических точек при определении рекомендуемых параметров в оптимизаторе скорости проникновения, который иллюстрирует работу по мере получения новых данных о бурении в реальном масштабе времени. Сначала данные о бурении сегментируются при помощи детектора критических точек 901, шаг 171, тем способом, который описан выше. Сегментация делит данные на однородные сегменты и соотносит их с моделями, соответствующими входящими в состав данными. Таким образом, в заданное время существует некая наилучшая сегментация. Эта наилучшая сегментация, далее, имеет текущий сегмент, который соответствует
наиболее недавним данным о бурении. Проводится подгонка данных в реальном масштабе времени, что позволяет скорректировать модели с учетом самых последних поступивших данных.
После определения наилучшей сегментации и моделей для текущего сегмента эти модели используются для определения контуров скорости проникновения (ROP), соответствующих модели PDC, подогнанной к точкам данных в текущем сегменте, и безопасной рабочей области, соответствующей ограничениям, действующим при бурении, соответствующим текущему сегменту, шаг 173.
Контуры скорости проникновения (ROP) и безопасная рабочая область используются для определения оптимального контура скорости проникновения в пределах безопасной рабочей области, а также нагрузки на долото (WOB) и скорости вращения (RPM), которые соответствуют этому оптимальному контуру скорости проникновения (ROP), шаг 175. В состав компоновки низа бурильной колонны 56 иногда входит гидравлический забойный двигатель или турбина, который преобразует гидравлическую энергию бурового раствора в механическую мощность вращения. При такой компоновке скорость вращения долота является функцией скорости вращения на поверхности и расхода бурового раствора и, как следствие, оптимальная скорость проникновения является функцией скорости вращения наземного оборудования, нагрузки на долото и расхода; соответствующий алгоритм, таким образом, предлагает бурильщику эти три параметра бурения. Соотношение между расходом и скоростью вращения вала двигателя/турбины определяется экспериментальным путем, и большинство поставщиков указывают его в документации. В качестве альтернативы, при измерении скорости вращения ротора в скважине это соотношение можно получить в реальном масштабе времени. При наличии одного из этих соотношений приведенный выше алгоритм можно расширить, получив уравнение ROP как функции скорости вращения на поверхности, нагрузки на долото и расхода. Полезными дополнительными ограничениями, которые можно добавить, являются
расход, который приводит к тому, что давление раствора в затрубном пространстве падает ниже заданного значения, которое может привести к обвалу скважины или поступлению пластовых флюидов в ствол скважины, что приведет к гидравлическому удару;
расход, который приводит к тому, что давление раствора в затрубном пространстве превышает заданное значение, что приводит к обрушению скважины;
выход механической энергии двигателя, при котором существует риск останова электродвигателя (см. Walter Aldred et al., Optimized Drilling With Positive Displacement Drilling Motors, (Уолтер Олдред и др. "Оптимизация бурения при помощи гидравлических буровых двигателей") Патент США № 5368108 (29 ноября 1994 г.) и Demosthenis Pafitis, Method For Evaluating The Power Output Of A Drilling Motor Under Downhole Conditions, (Демостенис Пафитис "Метод оценки выходной мощности бурового двигателя в условиях скважины") Патент США № 6019180 (1 февраля 2000 г.).
Для оператора или для автоматического бурового аппарата вырабатывается набор новых параметров бурения, например, скорости вращения и нагрузки на долото, которые приближают текущие параметры к оптимальным, шаг 177.
Описанная выше технология оптимизации скорости проникновения применима в отношении других структур и параметров. В одном из альтернативных воплощений данная методика применяется в отношении шарошечных конических долот с применением соответствующих моделей для моделирования отклика шарошечного конического долота при бурении. В других альтернативных воплощениях описанные выше механизмы применяются в отношении процессов бурения, которые включают в себя дополнительные режущие приспособления для долота, например, сверла для расширения, раздвижные расширители или разбуриватели, предназначенные для измерения нагрузки на долото и крутящего момента за буровым долотом. В одно из воплощений, альтернативных данному воплощению, включен еще один набор измерений за дополнительным режущим приспособлением.
Еще в одном альтернативном воплощении можно добавить модель износа долота, что позволит долоту достигать глубины установки, не блокируя при этом новое долото.
Теперь обратимся еще к одному примеру использования детектора критических точек 901 в области автоматизации промышленных процессов, а именно, - к направленному бурению скважин в целевых подземных пластах. Расчет кривизны скважины (также именуемый естественным искривлением ствола скважины ("DLS") и направления (именуемого "торцом долота") очень полезны в области направленного бурения. При направленном бурении бурильщик использует кривизну и направление для прогнозирования того, пройдет ли скважина через целевой пласт. В одном из воплощений настоящего изобретения оценки кривизны и направления поступают непрерывно во время бурения примерно каждые 1/2 фута, что дает бурильщику возможность внесения корректировки в процесс бурения, если скважина отклоняется от плана. Таким образом, при направленном бурении появляется возможность оценки показателей отклонения торца долота за счет использования данных о кривизне и направлении более высокого разрешения. Кривизну и направление можно использовать для определения влияния пласта на направленное бурение. В частности, если детектор критических точек показывает критическую точку на границе русла пласта, новый пласт будет иметь тенденцию направления, отличную от предыдущего пласта. Полученные кривизну и направление можно использовать для анализа и оценки влияния параметров прохождения поверхности, например, нагрузки на долото и скорости вращения при направленном бурении. Под
робное понимание того, как отклоняющий инструмент обеспечивает отклонение скважины можно использовать при проектировании инструментов в будущем. Наконец, непрерывная кривизна и направление кривизны можно использовать в автономных и полуавтономных системах управления бурением.
На фиг. 17 представлен трехмерный график, иллюстрирующий азимут и наклон скважины, проходящей в трехмерном пространстве, в двух различных точках. Азимут 181а и 181b в некоей точке представляет собой азимутальный угол скважины 46, измеренный при помощи инклоинометрических измерений. Азимут 181а обычно определяется в градусах с учетом географического или магнитного северного полюса. Наклон 183 а и 183b в некоей точке представляет собой отклонение от вертикали, вне зависимости от азимутального угла, выраженного в градусах. Наклон измеряется первоначально при помощи маятникового механизма и подтверждается при помощи акселерометров или гироскопов. На фиг. 18 изображена схема, иллюстрирующая использование детектора критических точек при определении в реальном времени оценочных значений естественного отклонения ствола скважины и торца долота от данных азимута и наклона, собранных во время бурения. Непрерывные измерения наклона и азимута, полученные с этих датчиков на буровом оборудовании, обрабатываются при помощи системы обнаружения критических точек с использованием общей линейной модели (детектора критических точек). Детектор критических точек сегментирует данные на множество сегментаций и связанных моделей сегментов, как рассматривалось выше в настоящем документе, шаг 184, что дает сегментацию, например, как показано на фиг. 9.
Шаг сегментации 184 приводит к ряду различных сегментаций исходных данных азимута и наклона. Каждая из них связана с некоей частицей на третичном дереве (см. фиг. 7) и имеет связанный с ней список сегментов и соответствующих моделей, например, линейных и ступенчатых участков. Эти модели сегментов используются для оценки азимута и наклона в текущем месте бурения, шаг 185. Таким образом, вместо того, чтобы принимать значения азимута и наклона, полученные при помощи датчика, эти значения используются для корректировки моделей за счет использования указанных значений при сегментации (шаг 184), значения азимута и наклона, используемые для оценки естественного искривления ствола скважины и торца долота, являются оценочными значениями, полученными при помощи моделей сегментации. Значения азимута и наклона рассчитываются для каждой активной сегментации.
Для расчета азимута и наклона на глубине MD2 при помощи сегментации p используется следующая формула:
(fpisp" Acos(cos(n -л)-$т(Щ * sm(ny (i ,о - COS(AI - лЩмт - млЩ
(2> = COS(A2 - Al)* SINQ2)* S№(I\) (3)СТ^=ЯСО^Са?(Л)*^
где
11 и 12 - значения наклона, рассчитанные на контрольной точке MD1, начинающей сегмент, к которому принадлежит точка, расположенная на конкретной глубине, MD2, и на точке конкретной глубины MD2 с использованием модели наклона, связанной с сегментом, к которому принадлежит точка конкретной глубины соответственно;
A1 и A2 являются значениями азимута, рассчитанными в критической точке MD1, начиная с сегмента, к которому относится точка, расположенная на конкретной глубине MD2, и на конкретной глубине MD2 с использованием модели наклона, связанной с сегментом, к которому относится точка, расположенная на конкретной глубине MD2 соответственно;
DLSp - естественное искривление ствола скважины в MD2, рассчитанное при помощи сегментации
p; и
GTFp - торец долота в точке MD1, рассчитанный при помощи сегментации p.
Затем по значениям последовательных сегментаций рассчитываются средневзвешенные значения естественного искривления ствола скважины и торца долота, шаг 189, с использованием формул:
где Segmentations - набор всех активных сегментаций,
Weightp - весовой показатель, связанный с конкретной сегментацией p.
Полученные в результате значения естественного искривления ствола скважины ("DLS") и торца долота ("TF") затем доводятся до сведения бурильщика, который может использовать эти значения для оценки влияния параметров, управляемых с поверхности, например, нагрузки на долото и скорости вращения при процессе направленного бурения, шаг 191. Затем бурильщик может скорректировать эти параметры с целью улучшения траектории ствола скважины с учетом необходимой цели. В качестве альтернативы, полученные значения естественного искривления ствола скважины ("DLS") и торца долота ("TF") являются исходными значениями для автоматической системы бурения, которая автоматически корректирует параметры, управляемые с поверхности, основанные на этих значениях, с целью улучшения траектории ствола скважины с учетом необходимой цели. Полученные значения естественного ис
кривления ствола скважины ("DLS") и торца долота ("TF") могут выводиться на панель управления, соединенную с центральным наземным процессором 96. Из вышесказанного явно следует, что технология, представленная в настоящем документе, позволяет получить механизм определения изменений промышленного процесса в реальном или почти реальном масштабе времени таким способом, который позволяет операторам процесса, каковыми могут быть люди, процессоры, приводы или системы управления и/или тому подобное регистрировать/отмечать события, имеющие место во время использования процедур, связанных с углеводородами, предпринимать корректирующие действия (при необходимости), изменять процедуру работы (при необходимости) и/или оптимально использовать процессы в свете изменений рабочей среды, состояния безопасности системы, использующей данную процедуру и/или тому подобного. Представленная технология дает механизм, который устойчив к шуму и который можно легко применить к широкому ряду связанных с углеводородами процессов, а также не требующий сложных расчетов.
Представленные решения могут использоваться либо для выдачи рекомендаций по дальнейшим действиям операторам промышленных процессов либо в качестве исходных данных в системах автоматизации производственных процессов. Хотя методики, описанные в настоящем документе, описаны, главным образом, в контексте разведки полезных ископаемых путем бурения, эти методики применимы и к другим процессам, связанным с углеводородами, например разведки с целью поиска воды, транспортировке углеводородов, моделирования данных добычи из углеводородных скважин и/или тому подобного. В ранее изложенном описании для целей иллюстрации в определенном порядке были описаны различные методы и/или процедуры. Следует понимать, что в альтернативных воплощениях методы и/или процедуры могут реализовываться в порядке, отличном от описанного.
Также следует учитывать, что методы, описанные выше, могут выполняться аппаратными компонентами и/или воплощаться в виде последовательностей исполняемых машиной инструкций, которые могут использоваться для обеспечения ввода этих инструкций в виде программ в машины, например процессоры общего назначения, специальные процессоры или логические схемы с целью исполнения данных методов. Эти исполняемые машиной инструкции могут сохраняться в памяти на одном или нескольких считываемых машиной носителях, например CD-ROM или оптических дисках другого типа, дискетах, ROM, RAM, EPROM, EEPROM, магнитных или оптических картах, флэш-памяти, или считываемых машиной носителях другого типа, пригодных для хранения электронных инструкций. В качестве примера, некоторые воплощения изобретения включают в себя компьютерные программы, которые могут исполняться на одном или нескольких компьютерах с целью исполнения методов и/ или процедур описанных выше. В конкретных воплощениях, например, может присутствовать множество компонентов программного обеспечения, сконфигурированных таким образом, чтобы их можно реализовывать при помощи различных аппаратных средств. В качестве альтернативы методы могут реализовываться за счет сочетания аппаратных и программных средств. Следовательно, хотя детальные описания одного или нескольких воплощений изобретения были даны выше, для специалистов в данной отрасли знания являются очевидными различные альтернативы, модификации и эквиваленты, не отличающиеся по духу от настоящего изобретения. Более того, за исключением тех случаев, когда это явно неприемлемо или явно выражено другими способами, следует отметить, следует допустить, что средства, устройства и/или компоненты различных воплощений могут подвергаться замене и/или комбинированию. Таким образом, вышеописанное описание не следует воспринимать как ограничивающее объем изобретения, которое определено прилагаемыми пунктами формулы изобретения.
ФОРМУЛА ИЗОБРЕТЕНИЯ
1. Способ автоматизации или частичной автоматизации оптимизации буровой операции в нефтегазовой промышленности, в котором буровая операция подвергается изменению в одном или более условиях работы и предназначена для управления по меньшей мере одним параметром и контроля датчиками, обеспечивающими потоки исходные данных, в котором
получают потоки исходных данных, указывающих глубину вруба, нагрузку на долото и скорость вращения долота;
после получения новых данных, входящих в один из потоков данных, используют процессор для обеспечения того, чтобы поток исходных данных был сегментирован в соответствии с множеством возможных сегментаций, причем каждая из множества возможных сегментаций включает в себя множество сегментов, разделенных одной или более критическими точками, и причем критические точки являются указывающими изменение по меньшей мере в одном или более условиях эксплуатации;
оценивают каждую из множества возможных сегментаций путем
подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации к модели, соответствующей каждому сегменту в оцениваемой сегментации; и
определения, насколько хорошо модели сегментов оцениваемой сегментации соответствуют частям исходных данных, соответствующих каждому сегменту оцениваемой сегментации;
генерируют выходные данные в форме функционального соотношения, определяющего скорость проникновения как функции от скорости вращения долота и нагрузки на долото по меньшей мере из од
ного из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одного из множества возможных сегментаций;
определяют эксплуатационные ограничения, определяющие безопасный рабочий диапазон как функции скорости вращения долота и нагрузки на долото;
определяют параметры скорости вращения и нагрузки на долото, обеспечивающие оптимальную скорость проникновения в рамках безопасного рабочего диапазона; и
выводят данные сочетания скорости вращения долота и изменения нагрузки на долото для изменения параметров скорости вращения долота и нагрузки на долото в сторону параметров скорости вращения долота и нагрузки на долото, необходимых для оптимальной скорости проникновения.
2. Способ в соответствии с п.1, отличающийся тем, что периодически удаляют из рассмотрения сегментации имеющие результаты оценки, указывающие на недостаточное качество подгонки моделей, соответствующих сегментам сегментации.
3. Способ в соответствии с п.2, отличающийся тем, что после получения дополнительных данных, входящих в поток исходных данных, возможными признают только те сегментации, оставшиеся после удаления из числа рассматриваемых тех сегментаций, результаты оценки которых свидетельствуют о низком качестве подгонки модели.
4. Способ в соответствии с п.1, в котором модели выбирают из числа ступенчатых функций и линейных функций.
5. Способ в соответствии с п.1, в котором этап оценки каждого из множества возможных сегментаций включает в себя этап, на котором выбирают байесовские модели для присваивания весовых показателей каждому сегменту в каждой сегментации и в котором весовой показатель, связанный с каждым сегментом, представляет собой точное измерение моделей, соответствующих подгонке сегмента к данным, связанным с этим сегментом.
6. Способ в соответствии с п.1, в котором этап подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации, выполняют при помощи линейной регрессии.
7. Способ в соответствии с п.1, дополнительно включающий в себя этапы, на которых
создают древовидную структуру, имеющую узлы, представляющие частицы, соответствующие конкретным сегментациям, где при индексе i набор частиц (материнских частиц), каждая из которых соответствует конкретной сегментации, поддерживают в активном состоянии; и
для каждого нового пункта данных, полученного из потока исходных данных при индексе создают множество дочерних узлов по отношению к каждому узлу активной материнской частицы каждого узла, причем каждый дочерний узел соответствует либо продолжению сегментов, которым соответствует узел материнской частицы, либо началу нового сегмента новой моделью.
8. Способ в соответствии с п.2, дополнительно включающий в себя этапы, на которых отображают каждую возможную сегментацию для n точек данных в виде множества частиц, при этом этап удаления включает в себя этап, на котором удаляют из рассмотрения частицы, представляющие собой сегментации с плохим качеством подгонки.
9. Способ в соответствии с п.8, дополнительно включающий в себя этап, на котором после получения дополнительной точки данных (n+1) из числа исходных данных генерируют дополнительные частицы, являющиеся дочерними частицами, каждой активной частицей, и соответствие каждой новой возможной сегментации, включающей в себя новую точку данных.
10. Способ в соответствии с п.1, в котором этап использования выходных данных для управления по меньшей мере одним параметром процесса нефтегазовой промышленности включает в себя этапы, на которых
осуществляют индикацию на контроллер по меньшей мере одного параметра о том, что вероятно имело место изменение эксплуатационных условий; и
корректируют по меньшей мере один параметр в ответ на индикацию того, что имело место вероятное изменение условий эксплуатации.
11. Способ в соответствии с п.1, в котором генерирование выходных данных по меньшей мере из одной из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одной из множества возможных сегментаций и моделей, соответствующих сегментам по меньшей мере одной из множества возможных сегментаций, включает в себя этапы, на которых
рассчитывают вероятность того, что первое условие имело место;
направляют информацию о вероятности того, что первое условие имело место, в механизм логического вывода;
обеспечивают эксплуатацию механизма логического вывода с целью установления того, что первое событие имело место.
12. Способ в соответствии с п.11, в котором рассчитывают вероятность того, что имело место первое условие, включает в себя расчет значения как функции моделей, соответствующих сегментам каждой рассматриваемой сегментации, сравнение этого значения с пороговым условием и декларацию того, что вероятность первого условия имеет место как взвешенная сумма вероятностей, связанных с сегментацией, для которой расчетное значение удовлетворяет пороговому условию.
12.
13. Способ в соответствии с п.11, дополнительно включающий в себя этапы, на которых
вводят в механизм логического вывода по меньшей мере одну дополнительную вероятность того, что имело место второе условие;
обеспечивают эксплуатацию механизма логического вывода с целью определения вероятности того, что имело место каждое из первых событий и вторых событий, которые вызвали наступление первого события.
14. Способ в соответствии с п.11, в котором дополнительно
задают функциональное соотношение между скоростью проникновения в зависимости от скорости вращения долота и нагрузки на долото в качестве первого функционального соотношения между скоростью проникновения и нагрузки на долото и из первого функционального соотношения задают второе функциональное соотношение, задающее скорость вращения долота и скорость проникновения, и нагрузку на долото;
и при приеме дополнительных измерений глубины вруба, нагрузки на долото и скорости вращения долота обновляют функциональное соотношение между глубиной вруба и нагрузки на долото и второе функциональное соотношение, задающее скорость вращения долота в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.
15. Способ по п.14, в котором этап обновления функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит этап, на котором
обеспечивают, чтобы потоки данных были сегментированы в соответствии с множеством возможных сегментаций, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации;
оценивают каждую сегментацию путем
подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации к модели, соответствующей каждому сегменту в сегментации; и
оценки сегментаций путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и
использования по меньшей мере одной из наиболее подходящих сегментаций и моделей, соответствующих сегментам по меньшей мере одной из наиболее подходящих сегментаций для определения функционального соотношения между глубиной вруба нагрузки на долото и второго соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.
16. Способ по п.15, в котором дополнительно удаляют из рассмотрения любые сегментации, имеющие низкую вероятность получения точной подгонки модели потоков данных.
17. Способ по п.15, в котором при приеме дополнительной точки данных обеспечивают, чтобы дальнейшие сегментации, основанные на активных в данный момент сегментациях, и возможные альтернативные сегментации были получены из активных сегментаций, причем для каждой активной сегментации возможные альтернативные сегментации представляют продолжение каждой активной сегментации и новые сегментации представляют альтернативные модели для принятых дополнительных точек данных.
18. Система управления бурением в нефтегазовой промышленности, присоединенная к датчикам, которые вырабатывают потоки исходных данных, указывающих на глубину вруба, нагрузку на долото и скорость вращения долота, предназначенная для осуществления способа по п.1 и включающая в себя
процессор с подключением к системе коммуникации для приема потоков исходных данных;
систему хранения, включающую в себя исполняемые процессором инструкции, которые включают в себя инструкции, предписывающие процессору после получения нового пункта данных из потоков исходных данных осуществлять операции так, чтобы процессор
обеспечивал сегментирование потока данных в соответствии с множеством возможных сегментаций, каждая из которых включает в себя множество сегментов, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации;
оценивал каждую сегментацию путем
подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации, модели, соответствующей каждому сегменту, входящему в состав сегментации; и
оценки сегментации путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и
использования по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций, в качестве исходных данных для управления программой, управляющей по меньшей мере одним из параметров процесса, используемого в нефтегазовой промышленности посредством
определения эксплуатационных ограничений, определяющих безопасный рабочий диапазон как функции скорости вращения долота и нагрузки на долото;
определения параметров скорости вращения и нагрузки на долото, обеспечивающих оптимальную скорость проникновения в рамках безопасного рабочего диапазона; и
вывода данных сочетания скорости вращения долота и изменения нагрузки на долото для изменения параметров скорости вращения долота и нагрузки на долото в сторону параметров скорости вращения долота и нагрузки на долото, необходимых для оптимальной скорости проникновения.
19. Система в соответствии с п.18, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору
периодического удаления из рассмотрения сегментаций, имеющих результаты оценки, указывающие на недостаточное качество подгонки моделей, соответствующих сегментам сегментации;
после получения дополнительных данных, входящих в поток исходных данных, рассматривать дополнительные сегментации, основанные на сегментациях, оставшихся после удаления из числа рассматриваемых тех сегментаций, результаты оценки которых свидетельствуют о низком качестве подгонки модели.
20. Система в соответствии с п.18, в которой модели выбираются из числа ступенчатых функций и линейных функций.
21. Система в соответствии с п.18, в которой инструкции оценки каждого из множества возможных сегментаций включают в себя выбор байесовских моделей для присваивания весовых показателей каждому сегменту в каждой сегментации и в которой весовой показатель, связанный с каждым сегментом, представляет собой точное измерение моделей, соответствующих подгонке сегмента к данным, связанным с этим сегментом.
22. Система в соответствии с п.18, в которой этап подгонки частей исходных данных, соответствующих каждому сегменту в оцениваемой сегментации, выполняется при помощи линейной регрессии.
23. Система в соответствии с п.18, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору дополнительно
создавать древовидную структуру, имеющую узлы, представляющие частицы, соответствующие конкретным сегментациям, где при индексе i набор частиц (материнских частиц), каждая из которых соответствует конкретной сегментации, поддерживается в активном состоянии; и
для каждого нового пункта данных, полученного из потока исходных данных при индексе i+1, создавать множество дочерних узлов по отношению к каждому узлу активной материнской частицы каждого узла, каждый дочерний узел, соответствующий либо продолжению сегментов, которым соответствует узел материнской частицы, либо началу нового сегмента новой моделью.
24. Система в соответствии с п.19, в которой исполняемые процессором инструкции дополнительно содержат инструкции, обеспечивающие возможность процессору дополнительно
отображать каждую возможную сегментацию для n точек данных в виде множества частиц, при этом этап удаления включает в себя непринятие к рассмотрению частиц, представляющих собой сегментации с плохим качеством подгонки;
после получения дополнительной точки данных (n+1) из числа исходных данных порождать дополнительные частицы, являющиеся дочерними частицами, каждой активной частицей и соответствовать каждой новой возможной сегментации, включающей в себя новую точку данных.
25. Система в соответствии с п.18, в которой инструкция на использование по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций посредством программы управления, управляющей по меньшей мере одним параметром процесса в нефтегазовой промышленности, содержит инструкции, обеспечивающие возможность процессору
индицировать на контроллере по меньшей мере один параметр, который вероятно изменяет эксплуатационное условие; и
корректировать по меньшей мере один параметр в ответ на индикацию того, что имело место вероятное изменение условий эксплуатации.
26. Система в соответствии с п.18, в которой инструкции на использование по меньшей мере одной из сегментаций и моделей, соответствующих сегментам по меньшей мере одной из сегментаций в качестве исходных данных в контрольной программе, управляющей по меньшей мере одним параметром процесса в нефтегазовой промышленности, содержит инструкции, обеспечивающие возможность процессору
расчета вероятности того, что первое условие имело место;
введения вероятности того, что первое условие имело место, в механизм логического вывода; эксплуатации механизма логического вывода с целью установления того, что первое событие имело место.
27. Система в соответствии с п.26, в которой инструкции для расчета вероятности того, что имело место первое условие, включают в себя расчет инструкции, обеспечивающие возможность процессору расчета значения в качестве функции моделей, соответствующих сегментам каждой рассматриваемой сегментации, сравнения этого значения с пороговым условием и декларирование того, что вероятность того, что имело место первое условие, как взвешенная сумма вероятностей, связанных с сегментацией, для которой расчетное значение удовлетворяет пороговому условию.
27.
28. Система в соответствии с п.18, дополнительно включающая в себя инструкции, обеспечивающие возможность процессору
ввода в механизм логического вывода по меньшей мере одной дополнительной вероятности того, что имело место второе условие;
эксплуатации механизма логического вывода с целью определения вероятности того, что имело место каждое из первых событий и вторых событий, которые вызвали наступление первого события.
29. Система в соответствии с п.18, в которой определение функционального соотношения, определяющего скорость проникновения в качестве функции нагрузки на долото и скорости вращения долота, содержит
задание функционального соотношения между скоростью проникновения в зависимости от скорости вращения долота и нагрузки на долото в качестве первого функционального соотношения между скоростью проникновения и нагрузки на долото, и из первого функционального соотношения задают второе функциональное соотношение, задающее скорость вращения долота и скорость проникновения, и нагрузку на долото;
и при приеме дополнительных измерений глубины вруба, нагрузки на долото и скорости вращения долота обновление функционального соотношения между глубиной вруба и нагрузки на долото и второе функциональное соотношение, задающее скорость вращения долота в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационных ограничений, определяющих безопасный рабочий диапазон.
30. Система по п.29, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит
обеспечение того, чтобы потоки данных были сегментированы в соответствии с множеством возможных сегментаций, разделенных критическими точками, при этом каждая критическая точка указывает на изменение условия эксплуатации;
оценку каждой сегментации путем
подгонки исходного потока данных, соответствующих каждому сегменту, входящему в состав сегментации к модели, соответствующей каждому сегменту в сегментации; и
оценки сегментаций путем определения, насколько хорошо модели сегментов каждой сегментации подогнаны к исходным данным, соответствующим каждому сегменту каждой сегментации; и
использование по меньшей мере одной из наиболее подходящих сегментаций и моделей, соответствующих сегментам, по меньшей мере одной из наиболее подходящих сегментаций для определения функционального соотношения между глубиной вруба нагрузки на долото и второго соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, и эксплуатационные ограничения, определяющие безопасный рабочий диапазон.
31. Система по п.30, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит удаление из рассмотрения любых сегментаций, имеющих низкую вероятность получения точной подгонки модели потоков данных.
32. Система по п.30, в которой обновление функционального соотношения, определяющего скорость проникновения в качестве функции скорости вращения долота и нагрузки на долото, содержит следующее:
при приеме дополнительной точки данных обеспечивают, чтобы дальнейшие сегментации, основанные на активных в данный момент сегментациях, и возможные альтернативные сегментации были получены из активных сегментаций, причем для каждой активной сегментации возможные альтернативные сегментации представляют продолжение каждой активной сегментации и новые сегментации представляют альтернативные модели для принятых дополнительных точек данных.
Евразийская патентная организация, ЕАПВ Россия, 109012, Москва, Малый Черкасский пер., 2
028514
028514
- 1 -
- 1 -
(19)
028514
028514
- 1 -
- 1 -
(19)
028514
028514
- 1 -
- 1 -
(19)
028514
028514
- 1 -
- 1 -
(19)
028514
028514
- 4 -
- 3 -
(19)
028514
028514
- 10 -
028514
028514
- 13 -
- 13 -
028514
028514
- 23 -
- 23 -