基于大數據時代鉆井工程技術一體化平臺的建設

摘要：當前我國的油田行業發展迅猛，特別是大數據時代到來后，油田鉆井與開采中大力推廣了大數據、數據庫、人工智能等技術，大大提高了油田生產水平。油田項目中鉆井工程的實施難度大，為響應數字化、智能化發展的號召，各個油田應加大資金與技術投入，集中精力建設鉆井工程技術一體化平臺，在該平臺內實現數據集成與信息共享，打造兼具動態查詢、生產協調、統計分析等功能的智能化平臺。基于此，重點分析了大數據時代下鉆井工程技術一體化平臺的建設路徑，對石油開采具有指導價值。

關鍵詞：大數據時代；鉆井工程；一體化平臺；建設

一、前言

信息技術的穩步發展改變了人們的生產生活，當前我國邁入了大數據時代，網絡技術與人工智能技術被應用到了方方面面。油田行業中的鉆井工程難度大，單純依賴原先的方式與技術難以從整體上保障鉆井工程質量與效果，一些大型油田企業嘗試用人工智能、大數據技術構建一體化平臺，實現了數據共享、動態分析、智能監控。由于鉆井工程技術一體化平臺的功能全面、優勢突出，在油田行業內值得大力推廣，各個油田企業應根據自身情況，增大在鉆井工程技術一體化平臺建設中的投入。

二、鉆井工程技術一體化平臺建設背景

（一）石油企業信息化發展需要

當前石油石化穩步發展的態勢下，行業內提出了信息化發展的新要求，在此目標下各大石油企業都在嘗試數字化、智能化轉型，而鉆井工程技術一體化平臺建設恰好是信息化發展的一大表現。當前許多油田企業都在原有基礎上擴大了業務范圍，并陸續開辟了新業務，在此條件下做好信息化管理極為重要，而通過鉆井工程技術一體化平臺有助于生產信息的全過程管理，為企業業務、生產等提供參考[1]。

（二）鉆井新業務發展的需要

建設鉆井工程技術一體化平臺也是新業務發展的切實需求，一些油田企業經歷了漫長的發展周期，在長期發展的過程中，原有鉆井數據庫暴露了結構、功能方面的諸多不足，為解決這些問題，以大數據時代為前提引入新技術建設一體化平臺極為重要，通過重構數據庫，引入新技術，可使一體化平臺能為新業務提供便捷。

三、鉆井工程的大數據技術

油田企業構建鉆井工程技術一體化平臺時，數據采集與處理是關鍵，為保障數據的完整性與準確性，應引入識別感知、云存儲等智能技術，形成鉆井大數據技術體系，具體可從以下幾個方面實現：

（一）數據采集

鉆井工程項目中涉及了諸多工作，在各類工作中產生的數據量龐大，數據類型多、作用各有不同[2]。為構建大數據系統相關人員需通過多路徑和源頭來采集信息，在此條件下實現海量碎片化信息的統一歸集，形成用戶業務范圍覆蓋的指標體系。鉆完井過程的前端應布設多個數據埋點，依據既定的作業路徑、獲取的多維數據生成采集操作的程序方案，這一過程是大數據處理的基礎任務。油田工程現場的諸多信息保存不便，為此要注意捕捉現場信息，相關人員在采集實地信息時不應局限于作業大數據E—R圖。與一般的結構化信息有所不同，大數據時代下的鉆井工程中數據包含結構化、半結構化和非結構化三種，如多種靜態的結構化信息、視頻資料、音頻文件、留存信息、圖片信息。在采集各類數據時可選擇的采集方法較多，如可利用分布式結構來采集。首先，配備智能傳感裝置，借助現場錄井儀、遠程視頻監控、智能邊界安防等獲取鉆井全過程數據；其次，在既有數據庫中采集多源信息，從生產運行管理、ERP、財務運營等已有系統中篩選和提取信息；最后，實現紙質材料電子化處理，并確保地質類網站順利接入數據庫。

（二）處理存儲

鉆井工程中的數據量龐大，處理時的技術要求較高，為實現數據的科學保存，可引入分布式儲存技術，如分布式NoSQL。以Hadoop資源池和MPP數據庫展開分析，構建整體運行框架[3]。針對鉆井環節所涉及的多維度數據，采用ETL/ELT技術實現結構化處理、載入與整合，搭建完整的數據保存子系統，利用該子系統的功能來存儲數據。在用ETL/ELT技術統計相關數據時，應注意以下幾個方面：如發現有空數據或者缺失數據，應立即補充完整，遇到無法處理的數據時做好標記；替換無效數據；構成主外鍵約束，替換非法數據，或者將這些數據導入錯誤文件再統一處理；在數據表的關聯關系前提下合并處理數據，全部字段應對應縮影，以保障后續查詢和調用的便捷性；適當調整源數據中提取的信息格式，為錄入提供便捷。因為鉆井工程中的數據具有海量性，在項目實施中應實施綜合化處理，以保障所采集到的數據與現場情況相匹配，確保數據可在后續工作中發揮作用。

（三）交互共享

大數據時代下建設的鉆井工程技術一體化平臺，其中的數據庫、數據體系應具備交互共享的特點。鉆井工程中的各個部門與崗位人員應了解前期數據采集與處理的重要性，積極履行各自的工作職責，采用信息化技術構建共享平臺，確保該平臺投入使用后不同部門之間可協同工作；全面開展平臺監管，達到數據交互與共享。實際的工作中相關崗位人員不僅要采用一般的數據交互技術，也需增加鉆井領域的專業標準，使大數據系統和共享平臺包含以下部分：（1）信息總控系統，油田企業需為全部交換節點配備監控、管理與跟蹤設備，并將這些設備規范部署于勘探調度數據中心；（2）網關系統，將其分布于業務項目的各級前端，由該系統負責不同點之間的信息傳送，對總控系統負責；（3）異構云橋，整個鉆井工程中負責提取、轉換與推送信息，在存在關聯的不同部門之間建立交互數據橋；（4）信息服務總線，起中介作用，兼具管理、監控、調動功能，也需負責服務整合與編排，以保障在鉆井工程中能達到信息交互與共享；（5）資源服務清單，在此支持下需遵循標準化管理要求，將資源類型整理為目錄清單。

四、鉆井大數據一體化分析平臺

（一）鉆井大數據分析平臺架構

鉆井工程大數據一體化分析平臺架構中，包含三個層面：數據層、分析層與用戶端。平臺數據來源多樣，主要包括了錄井witsml流數據、WellView鉆完井日報系統中的結構性信息，今后伴隨平臺功能日益多樣化和性能的加強，還能引入油藏、壓裂、成本管控等各方面的信息[4]。將此平臺投入實際使用，借助自主開發的插件工具，能夠把錄井witsml流數據不借助人工操作存儲在數據庫內；利用預先編寫的SQL指令，讀取WellView數據庫中的信息并反饋出相應的結構化信息。數據庫在運算數據方面具有非常高的效率，基于在數據層面增加工況分析模塊，能夠直接對錄井witsml流數據實施高質量的預處理。而在分析層面，主要包括鉆完井的各個主體模塊，在借助Spotfire 軟件的基礎上，能夠通過可視化面板處理各項分析任務，其內部嵌入的AI算法模塊更是能夠為決策提供重要參考。用戶端的使用對象為管理人員和鉆井工程師。在油田項目實施過程中，有關人員可直接在公司內網中使用電腦端完成登錄，從而通過可視化面板完成查詢、分析以及交互等操作。

（二）數據層面

鉆井工程大數據一體化分析平臺中，鉆完井數據能為遠程服務、決策提供數據支撐，數據源為WellView系統數據、錄井數據。油田企業中利用WellView系統采集、管理鉆井數據，此系統通過結構數據庫完成人工錄入、存儲等操作，在進行數據輸入時最小時間維度為十五分鐘，數據錄入間隔時長為二十四小時。在系統運作期間，可通過SQL語句快速訪問WellView數據庫，并且還能把數據庫內的信息自動化地連接到平臺之中。錄井需要在工作期間憑借實現準備好的傳感器進行鉆進數據的收集，再把這些信息存儲到數據庫中，此環節需使用和錄井數據一致的五秒錄入時間維度、間隔自動化讀取。

（三）工況判斷模塊

鉆井工程大數據一體化分析平臺中，工況判斷模塊為其中的關鍵構成，該模塊為內嵌形式，通過設定參數或閾值，可排除路徑數據中的極值、噪點，從而保障數據結果的準確度。某油田企業中的工況判斷模塊可自動對旋轉鉆進、滑動鉆進、起鉆、下鉆、下劃眼、倒劃眼、上洗井、下洗井、靜止循環等工況加以精準判定。錄井數據存儲于實時鉆參數據庫以后，工況識別模塊可自動對比各項數據與設定閾值，結合對比結果自動給錄井數據打上工況標簽，此結果可直接顯示在分析層的工況可視化部分。

Spotfire 軟件的快速篩選功能可使平臺的工況判斷模塊更為精準，工況可視化面板中選中旋轉鉆進工況后，快速篩選數據庫內該工況下的錄井參數。在此判斷過程中的錄井數據為鉆頭測深、大鉤高度、大鉤懸重、鉆壓、排量。鉆井工程師分析50口井的錄井數據，利用人工標定工況的方式加以檢驗后，工況判斷模塊的準度基本達80%以上。工況判斷模塊在判斷的過程中也需對錄井數據實施二次處理與分類，得到的結果可作為分析模塊的前置條件，后續搭建分析平臺時也可利用這些數據。現階段的一些油田企業中，一旦井下遇到了復雜情況，工況判斷模塊的判斷準度將無法保障，后續針對這一情況可將通過WellView內填寫的井下復雜情況標準的時間段自動標注錄井數據的復雜情形，為人工分析提供便捷。

（四）分析層面

鉆井工作中涵蓋了多個主體，在分析層面必須要制作相應的主體，以供用戶端實時了解和讀取。如圖1所示，可憑借JavaScript 開源庫 Echarts，使用最小曲率法估算鉆井軌跡（以藍色線條表示），實現對鉆井軌跡監測、設計軌跡（以綠色線條表示）的直接明了的對比分析，如此得出的對比結果更加精確，能通過用戶端了解兩者的偏差值和幅度。

五、實例分析

以某油田4口開發井為研究對象，該油田的油藏地質認識較為全面，A、B井和C、D井分別為第1、2批次井。4口井2開作業中所使用的鉆具組合完全相同，井型、完鉆井深、最大井斜的相關參數雖有差異但差值較小。二開鉆具組合為：φ228.6mm旋轉導向+φ228.6mm隨鉆測井工具+φ209.6mm隨鉆測量工具+φ209.6mm聲波測井工具+φ203.2mm浮閥+φ196.9mm+φ139.0mm加重鉆桿+φ0.139.7鉆桿。

將A、B兩井鉆完以后，利用工況可視化模塊、錄井數據可分析得知具體工況，從而得出旋轉鉆井參數，再使用可視化面板將結果立體化呈現出來。當二開φ311mm井段B井鉆進到六百五十米時要提高頂驅轉動速度，將其控制在每分鐘95～100轉范圍內，鉆至八百五十米至完鉆的頂驅轉速控制在每分鐘105～110轉范圍內；A、B兩個井段的鉆進操作要區別對待，鉆至一千三百米時將頂驅轉速提高到每分鐘100轉。此鉆井工程項目中所選定提高排量的起始斜深、轉速有所差異，在800～100r/min1900m井段，B井的平均機械鉆速比A井高。通過Landmark 水力參數模擬檢驗高轉速的施工安全性與可行性后，后續C井與D井在二開φ311mm鉆至800m的部位，進一步增大頂驅轉速，保持在105～120r/min之間，后續的鉆進作業中保持這一轉速不變。

鉆井參數呈非正態分布，當完成C、D井的鉆進任務后利用斯皮爾曼等級方式展開分析，得到4口井轉速、排量、平均鉆壓與機械轉速之間的聯系。將機械轉速作為因變量，轉速、排量、平均鉆壓的控制相對容易，將這些作為自變量，其中，P代表發生幾率，當P＜0.05時說明自變量與因變量之間為顯著關系，P＜0.01時意味著二者為非常顯著關系。相關系數表示自變量、因變量之間的相關關系，相關數值越大，意味著二者的關系越緊密、越相關，矩陣行數為參與相關性計算的鉆井參數組數。結合相關數據統計結果，轉速與機械鉆速之間有緊密聯系，相關性最大，說明在鉆井工作中應盡可能提高機械鉆速。

六、結語

當前我國邁入了大數據時代，在此時代下的油田鉆井作業中應改變原先的作業方式與管理模式，利用大數據等現代化技術構建鉆井工程技術一體化平臺，借助該平臺的各項功能全過程監測鉆井狀態、采集與分析鉆井數據，實現智能化管理、流程化管控，及時解決鉆井作業中遇到的各種問題。

參考文獻

[1]雍銳，常程，張德良，等.地質—工程—經濟一體化頁巖氣水平井井距優化——以國家級頁巖氣開發示范區寧209井區為例[J].天然氣工業，2020，40（07）：42-48.

[2]唐建明，徐天吉，程冰潔，等.四川盆地深層頁巖氣“甜點”預測與鉆井工程輔助設計技術[J].石油物探，2021，60（03）：479-487.

[3]劉少權，李富國.石油天然氣鉆井工程風險量化技術研究[J].中國石油和化工標準與質量，2020，40（24）：159-161.

[4]唐習之.鉆井作業遠控中心發展現狀[J].石化技術，2020，27（11）：267-268.

（作者單位：川慶鉆探長慶鉆井總公司）