10.3969/j.issn.1001-5620.2019.01.004
基于神经网络算法的井下裂缝诊断与堵漏技术
在钻井过程中,常常钻遇不同宽度的井下地层裂缝.钻遇裂缝时容易发生钻井液漏失现象,甚至发生钻井液失返现象,严重影响了安全、高效钻井.目前裂缝封堵的方法常存在封堵成功率不高、堵漏承压能力低的问题,其中一个重要的原因是对井下地层的裂缝宽度等特征认识不清.基于地层裂缝产生的岩石力学机理,确定影响裂缝宽度关键的6个力学和工程因素,并利用神经网络计算的非线性、大数据特点建立了井下地层裂缝宽度的分析模型,模型包含输入层、输出层和3个隐藏层.通过该模型诊断井下裂缝宽度,提高了计算精度,平均误差仅为2.09%,最大误差为5.88%,解决钻井现场仅凭经验判断裂缝误差较大和依靠成像测井成本较高的问题.同时根据神经网络模型诊断得到的裂缝宽度优化堵漏材料的粒径配比,提高了裂缝内的架桥封堵强度和架桥的稳定性,封堵层的承压能力达到12.8 MPa,反向承压能力达到4.5 MPa.现场堵漏试验最高憋压10MPa,经过封堵作业后大排量循环不漏,达到了裂缝性地层高效堵漏的目的,堵漏一次成功.
钻井、裂缝宽度、神经网络、粒径配比、堵漏
36
TE258(钻井工程)
国家“十三五”重大专项“海上油气田关键工程技术”2016ZX05033-004
2019-05-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
20-24