钻头工作参数优选方法研究
发布时间：2021-10-18 18:20
由于石油资源的减少,当前钻井施工已由浅部地层逐渐转向深部地层,而深井、超深井机械钻速低,钻井周期长是目前钻井施工面临的难点。目前对于钻井工作参数优化的研究重点主要集中在多目标、多参数优化,但各个目标同时优化往往存在冲突。因此本文建立钻井性能综合评价模型,揭示钻头破岩能效与钻头吃入深度、钻头吃入深度与钻头工作参数（钻压、转速）之间的关系,同时综合考虑井下振动的量化评价结果和钻头工作状态的监测结果,实现钻头破岩能效向高效破岩方向的优化,对于提升机械钻速、延长钻头使用寿命,节约钻井成本有着重大的意义。本文所述新方法突破了仅仅通过机械钻速、MSE或DOC等指数单一评估钻头破岩效率的传统方法的局限性,综合融合这些评估指数,建立最优目标函数。建立了可用于SDI（Smart Driller Indicator）的钻头工作参数循环优化方法,利用响应面分析方法等方法,实现钻头工作参数优化,使钻头工作趋向最优破岩工作方向。应用MATLAB软件,应用钻头工作参数全局检索方法对松辽盆地两口井进行了数值模拟,验证了方法以及模型的有效性,应用新模型以及全局检索方法进行了现场试验,达到了预期目标。
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究目的及意义
1.2 国内外钻井参数实时优化方法发展现状
1.3 论文研究任务及研究思路
1.3.1 研究任务
1.3.2 研究思路
1.4 主要完成的任务
第2章 钻头工作参数循环优化流程
2.1 钻井参数采集方式
2.1.1 双数据集参数采集
2.1.2 双数据集窗口采集特点
2.2 钻头工作效率循环优化流程
2.3 钻头工作参数优化流程核心步骤
2.4 本章小结
第3章 综合评价钻头工作效率的目标函数模型
3.1 钻井参数单目标多参数优化方法
3.1.1 钻速方程参数优化方法
3.1.2 机械比能理论参数优化
3.2 钻头工作效率综合评价目标函数模型
3.3 本章小结
第4章 钻头工作参数全局检索方法
4.1 曲面构建方法
4.1.1 曲面拟合
4.1.2 曲面插值
4.1.3 MATLAB曲面构建方法
4.2 全局检索方法
4.2.1 钻头工作参数响应面分析法
4.2.2 试验设计(DOE)方法
4.2.3 钻头工作参数全局检索概述
4.3 本章小结
第5章 钻头工作参数优选实例分析
5.1 徐深46H井钻头工作参数优化分析
5.2 达深24井钻头工作参数优化分析
5.3 现场应用
5.4 本章小结
第6章 结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于Minkowski泛函和K-means聚类算法的岩石类型划分[J]. 杨博,刘钰洋,潘懋. 科学技术与工程. 2017(22)
[2]基于机械比能理论优化钻井效率新方法在大牛地气田的应用[J]. 陈晓华. 钻采工艺. 2017(04)
[3]应用于石油钻井安全评价的改进主成分分析-贝叶斯判别方法[J]. 任冬梅,张宇洋,董新玲. 计算机应用. 2017(06)
[4]长宁区块目标法优化钻井技术[J]. 甘霖,孙月明,宾承刚,戢丽衡,黄劲松,叶长文. 钻采工艺. 2016(06)
[5]基于K-均值聚类与贝叶斯判别的储层定量评价——以大安油田泉四段储层为例[J]. 闫明,张云峰,李易霖. 深圳大学学报(理工版). 2016(02)
[6]基于PCA-RBF神经网络的新型录井岩性识别方法[J]. 陈袁,鲜让之,吴德顺,周飞,陈丽群. 四川地质学报. 2016(01)
[7]钻井参数优化技术的研究现状与发展趋势[J]. 沙林秀. 石油机械. 2016(02)
[8]有导师学习的k-means方法在多支持向量机中的线性划分及其在石油储层识别中的应用[J]. 李诒靖,石咏,李亚楠,郭海湘. 系统管理学报. 2015(06)
[9]利用聚类分析方法进行模型优选[J]. 戴危艳,李少华,王军,宋道万,史敬华,陈苏. 断块油气田. 2015(04)
[10]泥岩地层PDC钻头钻井参数优化方法[J]. 孙连忠,张进双,王磊,曹建山,崔祥. 钻采工艺. 2015(03)
博士论文
[1]智能建模中冗余问题的分析与处理及其应用[D]. 陈超.华东理工大学 2015
[2]虚拟强度指数法优化钻井技术的研究与应用[D]. 陈志学.西南石油大学 2012
硕士论文
[1]随钻测量的钻进多参数多目标优化研究[D]. 杨佳森.西安石油大学 2016
[2]钻井参数实时优化分析方法研究[D]. 王超.西南石油大学 2016
[3]钻井参数实时优化方法研究[D]. 付志胜.西南石油大学 2014
[4]钻井工程参数监测系统数据处理与显示模块研究与开发[D]. 韦朋邑.重庆大学 2014
[5]主成分分析法研究及其在特征提取中的应用[D]. 陈佩.陕西师范大学 2014
[6]钻井参数优化及其知识建模的研究[D]. 王正.西安石油大学 2013
[7]基于模糊理论的钻井参数模型研究与应用[D]. 邢云龙.东北石油大学 2011
[8]徐家围子深井钻井参数优化研究[D]. 王月香.大庆石油学院 2008
[9]基于范例推理的钻井参数优化方法研究[D]. 常雷.大庆石油学院 2008
[10]钻井工程实时多参数监测系统[D]. 郭静.重庆大学 2001
本文编号：3443264
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究目的及意义
1.2 国内外钻井参数实时优化方法发展现状
1.3 论文研究任务及研究思路
1.3.1 研究任务
1.3.2 研究思路
1.4 主要完成的任务
第2章 钻头工作参数循环优化流程
2.1 钻井参数采集方式
2.1.1 双数据集参数采集
2.1.2 双数据集窗口采集特点
2.2 钻头工作效率循环优化流程
2.3 钻头工作参数优化流程核心步骤
2.4 本章小结
第3章 综合评价钻头工作效率的目标函数模型
3.1 钻井参数单目标多参数优化方法
3.1.1 钻速方程参数优化方法
3.1.2 机械比能理论参数优化
3.2 钻头工作效率综合评价目标函数模型
3.3 本章小结
第4章 钻头工作参数全局检索方法
4.1 曲面构建方法
4.1.1 曲面拟合
4.1.2 曲面插值
4.1.3 MATLAB曲面构建方法
4.2 全局检索方法
4.2.1 钻头工作参数响应面分析法
4.2.2 试验设计(DOE)方法
4.2.3 钻头工作参数全局检索概述
4.3 本章小结
第5章 钻头工作参数优选实例分析
5.1 徐深46H井钻头工作参数优化分析
5.2 达深24井钻头工作参数优化分析
5.3 现场应用
5.4 本章小结
第6章 结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于Minkowski泛函和K-means聚类算法的岩石类型划分[J]. 杨博,刘钰洋,潘懋. 科学技术与工程. 2017(22)
[2]基于机械比能理论优化钻井效率新方法在大牛地气田的应用[J]. 陈晓华. 钻采工艺. 2017(04)
[3]应用于石油钻井安全评价的改进主成分分析-贝叶斯判别方法[J]. 任冬梅,张宇洋,董新玲. 计算机应用. 2017(06)
[4]长宁区块目标法优化钻井技术[J]. 甘霖,孙月明,宾承刚,戢丽衡,黄劲松,叶长文. 钻采工艺. 2016(06)
[5]基于K-均值聚类与贝叶斯判别的储层定量评价——以大安油田泉四段储层为例[J]. 闫明,张云峰,李易霖. 深圳大学学报(理工版). 2016(02)
[6]基于PCA-RBF神经网络的新型录井岩性识别方法[J]. 陈袁,鲜让之,吴德顺,周飞,陈丽群. 四川地质学报. 2016(01)
[7]钻井参数优化技术的研究现状与发展趋势[J]. 沙林秀. 石油机械. 2016(02)
[8]有导师学习的k-means方法在多支持向量机中的线性划分及其在石油储层识别中的应用[J]. 李诒靖,石咏,李亚楠,郭海湘. 系统管理学报. 2015(06)
[9]利用聚类分析方法进行模型优选[J]. 戴危艳,李少华,王军,宋道万,史敬华,陈苏. 断块油气田. 2015(04)
[10]泥岩地层PDC钻头钻井参数优化方法[J]. 孙连忠,张进双,王磊,曹建山,崔祥. 钻采工艺. 2015(03)
博士论文
[1]智能建模中冗余问题的分析与处理及其应用[D]. 陈超.华东理工大学 2015
[2]虚拟强度指数法优化钻井技术的研究与应用[D]. 陈志学.西南石油大学 2012
硕士论文
[1]随钻测量的钻进多参数多目标优化研究[D]. 杨佳森.西安石油大学 2016
[2]钻井参数实时优化分析方法研究[D]. 王超.西南石油大学 2016
[3]钻井参数实时优化方法研究[D]. 付志胜.西南石油大学 2014
[4]钻井工程参数监测系统数据处理与显示模块研究与开发[D]. 韦朋邑.重庆大学 2014
[5]主成分分析法研究及其在特征提取中的应用[D]. 陈佩.陕西师范大学 2014
[6]钻井参数优化及其知识建模的研究[D]. 王正.西安石油大学 2013
[7]基于模糊理论的钻井参数模型研究与应用[D]. 邢云龙.东北石油大学 2011
[8]徐家围子深井钻井参数优化研究[D]. 王月香.大庆石油学院 2008
[9]基于范例推理的钻井参数优化方法研究[D]. 常雷.大庆石油学院 2008
[10]钻井工程实时多参数监测系统[D]. 郭静.重庆大学 2001
本文编号：3443264
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3443264.html
