Роль машинного обучения в буровых операциях: обзор

Такие проблемы бурения, как крутильные вибрации типа stick-slip и очистка ствола скважины, разрушение бурильных труб, поглощение бурового раствора, вихревое движение компоновки низа бурильной колонны (КНБК), прихваты бурильной колонны, чрезмерные крутящий момент и сопротивление движению, низкая механическая скорость проходки (ROP), износ долота, повреждение пласта и неустойчивость ствола скважины, а также бурение скважин с высокой пространственной извилистостью, традиционно решались с использованием физико-ориентированных моделей. Несмотря на огромный объем генерируемых метаданных в реальном времени, сохраняется значительный разрыв между статистическими моделями и эмпирическими, математическими и физическими моделями. Методы интеллектуального анализа данных внесли существенный вклад в широкий спектр отраслей. Их ценность широко признана в различных приложениях, однако их потенциал в нефтегазовой отрасли еще не реализован в полной мере. В статье представлен обзор, обобщающий результаты многолетнего применения аналитики данных в буровых операциях. Рассматриваются преимущества и недостатки существующих практик, связанные с ними проблемы, а также новые приложения, разрабатываемые для устранения недостатков отрасли. Исследование включает комплексное обобщение алгоритмов интеллектуального анализа данных и промышленных приложений с позиций прогнозной аналитики; для выявления скрытых закономерностей и содействия решению проблем бурения используются современные алгоритмы аналитики с учителем и без учителя. Традиционные методы подготовки и анализа данных недостаточно эффективны для быстрого извлечения информации и наглядной визуализации больших и сложных наборов данных. В ответ на неудовлетворенный спрос нефтяной отрасли представлен рабочий процесс с применением машинного обучения (ML) для оптимизации бурения, анализа параметров в реальном времени и принятия мер по их корректировке. В статье обобщены тематические исследования, рабочие процессы и извлеченные уроки в области аналитики данных, которые позволят производственному персоналу, инженерам и руководству быстро интерпретировать тенденции, выявлять закономерности отказов в операциях, диагностировать проблемы и выполнять корректирующие действия для мониторинга и обеспечения безопасности работ. Наличие такого комплексного рабочего процесса может минимизировать отказы инструментов и...