[发明专利]一种井漏类型识别方法、装置及相关设备

说明书

本发明公开了一种井漏类型识别方法、装置及相关设备。所述方法包括：获取井漏发生后的实时进出口流量差曲线；对所述实时进出口流量差曲线进行字符化表示，得到实时流量差字符串；将所述实时流量差字符串与预先确定的不同井漏类型的标准流量差字符串分别进行比较，确定所述实时流量差字符串与各井漏类型的标准流量差字符串的相似度；所述不同井漏类型的标准流量差字符串是对不同井漏类型的标准进出口流量差曲线进行字符化表示后得到的；根据所述实时流量差字符串与各井漏类型的标准流量差字符串的相似度，确定井漏类型。能够基于流量差曲线准确识别井漏类型，在考虑流量曲线实时变化的情况下使识别结果更准确。

技术领域

本发明涉及钻井工程技术领域，特别涉及一种井漏类型识别方法、装置及相关设备。

背景技术

井漏是钻井最常见井下复杂情况之一，井漏会增加钻井成本，造成储层伤害，若处理不当更会引发其他井下恶性事故。正确认识井漏机理，并对井漏进行诊断和有效控制具有重要意义。井漏从其发生机理上可分为孔隙性漏失、天然裂缝性漏失、溶洞性漏失和诱导裂缝性漏失，准确识别井漏的类型，不仅有助于提高防漏、堵漏工艺技术的针对性和有效性，而且可为同一区块的其它井的漏失预测提供依据。

在钻井工程中，井漏的发生通常是根据录井参数中总池体积和出入口流量差的变化进行判断，受限于泥浆池面过大，通常只有当总池体积变化量达到2m³以上时才能识别出井漏的发生，给井漏的识别造成了滞后；井漏类型的判断往往采用漏速的大小和人工经验，识别的准确性很大程度依赖仪器的精度和专家个体的知识水平，使井漏类型的判断结果具有较强的主观性，准确率较低。随着信息技术的快速发展，钻井研究人员开始考虑采用大数据和人工智能的方法判断井漏的发生，识别井漏类型。

发明内容

本申请发明人进行了大量的研究，发现有部分研究人员开始研究使用神经网络对采集的参数进行处理，根据输出的数据确定井漏类型，有部分研究人员开始研究基于ID3的井漏类型分类算法，虽然目前已有少量基于大数据和人工智能来进行井漏识别判断的方案，但目前公开的方法中基本都是对井漏发生的判断，对井漏类型的识别方案极少，且目前基于大数据和人工智能的井漏类型识别方法，多注重数学方法的研究，未能把钻井专业知识、经验与数学方法深度融合；方法模型所需的输入参数众多，在现场较难收集齐全，阻碍了方法模型的进一步推广应用。目前，缺少基于钻井的海量历史数据准确识别井漏类型的实现方案，无法满足准确识别井漏类型以便有效的指导防漏、堵漏的实际需求。

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种井漏类型识别方法、装置及相关设备。

本发明实施例提供一种井漏类型识别方法，包括：

获取井漏发生后的实时进出口流量差曲线；

对所述实时进出口流量差曲线进行字符化表示，得到实时流量差字符串；

将所述实时流量差字符串与预先确定的不同井漏类型的标准流量差字符串分别进行比较，确定所述实时流量差字符串与各井漏类型的标准流量差字符串的相似度；所述不同井漏类型的标准流量差字符串是对不同井漏类型的标准进出口流量差曲线进行字符化表示后得到的；

根据所述实时流量差字符串与各井漏类型的标准流量差字符串的相似度，确定井漏类型。

在一些可选的实施例中，所述获取井漏发生后的实时进出口流量差曲线，包括：

以井漏发生时间为起始时间，以预设时间长度作为时间窗口，获取所述时间窗口内的实时进出口流量差曲线。

在一些可选的实施例中，对所述实时进出口流量差曲线进行字符化表示，得到实时流量差字符串，包括：

对所述实时进出口流量差曲线对应的进出口流量序列进行数据标准化处理；所述进出口流量序列包括多个时间点对应的进出口流量；

将标准化处理后的进出口流量序列进行降维处理；