本申請涉及石油鉆井工程，特別地涉及一種井漏識別方法、裝置、電子設備及存儲介質。

背景技術：

1、鉆井井漏是指在鉆進、固井、測試或修井等井下作業(yè)中各種工作液(包括鉆井液、水泥漿、完井液以及其他流體等)在壓差作用下直接進入地層的一種井下復雜情況。井漏包括滲透性濾失、裂縫性濾失、溶洞性濾失。主要原因包括：1)所鉆地層存在自然的漏失通道，如高滲透地層、裂縫性地層和溶洞性地層；鉆井液性能不好或者操作不當也會人為產(chǎn)生漏失通道。2)所鉆地層壓力虧空，或者鉆井液密度過高，產(chǎn)生較大壓差。3)鉆井液黏度切力過大，造成開泵壓力過大，產(chǎn)生壓力激動而憋漏地層。4)鉆井液攜沙性能不好，井壁不干凈，或者失水過大，濾餅厚，再加上下鉆和開泵等操作不當，產(chǎn)生壓力激動。在鉆井井場的鉆井施工過程中，通過井場實時(秒)數(shù)據(jù)對井漏的發(fā)生進行識別和預警是鉆井工程風險防控中極其重要的一環(huán)，也是降低鉆井工程中風險成本的重要要素。

技術實現(xiàn)思路

1、針對上述相關技術中的問題本申請?zhí)峁┮环N井漏識別方法、裝置、電子設備及存儲介質，能夠提升井漏識別的準確率。

2、本申請實施例提供一種井漏識別方法，包括：

3、獲取目標井在鉆井過程中基于時間序列的測量數(shù)據(jù)；

4、基于所述測量數(shù)據(jù)計算特征參數(shù)，其中，所述特征參數(shù)用于表征測量數(shù)據(jù)基于時間序列的變化趨勢；

5、基于所述特征參數(shù)和所述測量數(shù)據(jù)構建基于時間序列的特征參數(shù)混合矩陣；

6、將所述特征參數(shù)混合矩陣輸入至預先建立的機器學習模型中對所述目標井進行井漏識別。

7、在一些實施例中，所述方法還包括：

8、獲取樣本井在鉆井過程中基于時間序列的初始樣本測量數(shù)據(jù)；

9、基于主成分分析法或皮爾遜相關性分析法從初始樣本測量數(shù)據(jù)中確定樣本測量數(shù)據(jù)；

10、基于所述樣本測量數(shù)據(jù)計算樣本特征參數(shù)；

11、基于所述樣本特征參數(shù)和所述樣本測量數(shù)據(jù)確定基于時間序列的樣本特征參數(shù)混合矩陣；

12、對所述樣本特征參數(shù)混合矩陣添加井漏標簽，以得到訓練數(shù)據(jù)；

13、基于所述訓練數(shù)據(jù)對初始模型進行訓練得到所述機器學習模型。

14、在一些實施例中，所述初始模型為梯度提升樹模型，所述基于所述樣本特征參數(shù)和所述樣本測量數(shù)據(jù)確定基于時間序列的樣本特征參數(shù)混合矩陣，包括：

15、基于時間序列中的時間點將所述樣本特征參數(shù)和所述樣本測量數(shù)據(jù)進行合并，得到基于時間序列的樣本特征參數(shù)混合矩陣。

16、在一些實施例中，所述測量數(shù)據(jù)包括：鉆頭的機械鉆速、鉆頭的轉速、鉆頭直徑、鉆壓、鉆井液的入口流量和出口流量、立管壓力，所述特征參數(shù)包括：d指數(shù)、壓力標定流量增益、移動平均值離散度和移動斜率平均值的離散度，所述基于所述測量數(shù)據(jù)計算特征參數(shù)，包括：

17、基于鉆頭的機械鉆速、鉆頭的轉速、鉆頭直徑、鉆壓計算d指數(shù)，其中，d指數(shù)是描述鉆速與工程參數(shù)之間關系的值；

18、基于立管壓力、鉆井液的出口流量和入口流量計算壓力標定流量增益；

19、基于d指數(shù)采用長短滑動時間窗相減得到d指數(shù)的移動平均值離散度；

20、基于所述移動平均值離散度計算所述移動斜率平均值的離散度。

21、在一些實施例中，所述基于鉆頭的機械鉆速、鉆頭的轉速、鉆頭直徑、鉆壓計算d指數(shù)，包括：

22、將所述機械轉速、鉆頭的轉速、鉆頭直徑、鉆壓輸入至第一計算式中計算d指數(shù)，其中，所述第一計算式包括：

23、

24、其中，rop為機械鉆速，n為鉆頭轉速，wob為鉆壓，dbit為鉆頭直徑。

25、在一些實施例中，所述基于立管壓力、鉆井液的出口流量和入口流量計算壓力標定流量增益，包括：

26、將所述立管壓力、鉆井液的出口流量和入口流量輸入至第二計算式，計算壓力標定流量增益，其中，所述第二計算式包括：

27、

28、其中，fpg為壓力標定流量增益，spp為立管壓力，flowin為鉆井液入口流量，flowout為鉆井液出口流量，pref為標準參考壓力常數(shù)，cr為鉆井液的壓縮比系數(shù)。

29、在一些實施例中，所述基于d指數(shù)采用長短窗平滑相減得到d指數(shù)的移動平均值離散度，包括：

30、確定d指數(shù)的移動平均值；基于長短時窗和移動平均值采用第三計算式計算移動平均值離散度，其中，所述第三計算式包括：

31、dmat＝mat,w1-mat,w2(w1<w2)；

32、其中，mat為時間序列中特定時間的移動平均值，w1為短時間窗，w2為長時間窗；dmat為移動平均值離散度；

33、所述基于所述移動平均值離散度計算所述移動斜率平均值的離散度，包括：

34、基于移動平均值離散度采用第四計算式計算所述移動斜率平均值的離散度，其中，所述第四計算式包括：

35、dmsat＝msat,w1-msat,w2(w1<w2)；

36、其中，dmsat為特定時間窗下的移動斜率平均值的離散度，msat是特定時間窗下的移動平均值離散度的移動斜率平均值。

37、本申請實施例提供一種井漏識別裝置，包括：

38、獲取模塊，用于獲取目標井在鉆井過程中基于時間序列的測量數(shù)據(jù)；

39、計算模塊，用于基于所述測量數(shù)據(jù)計算特征參數(shù)，其中，所述特征參數(shù)用于表征測量數(shù)據(jù)基于時間序列的變化趨勢；

40、構建模塊，用于基于所述特征參數(shù)和所述測量數(shù)據(jù)構建基于時間序列的特征參數(shù)混合矩陣；

41、識別模塊，用于將所述特征參數(shù)混合矩陣輸入至預先建立的機器學習模型中對所述目標井進行井漏識別。

42、本申請實施例提供一種電子設備，包括：

43、存儲器和處理器，所述存儲器上存儲有計算機程序，該計算機程序被所述處理器執(zhí)行時，執(zhí)行上述任意一項所述井漏識別方法。

44、本申請實施例提供一種存儲介質，該存儲介質存儲的計算機程序，能夠被一個或多個處理器執(zhí)行，能夠用來實現(xiàn)上述任一項所述井漏識別方法。

45、本申請?zhí)峁┑囊环N井漏識別方法、裝置、電子設備及存儲介質，通過獲取目標井在鉆井過程中基于時間序列的測量數(shù)據(jù)；基于所述測量數(shù)據(jù)計算特征參數(shù)，其中，所述特征參數(shù)用于表征測量數(shù)據(jù)基于時間序列的變化趨勢；基于所述特征參數(shù)和所述測量數(shù)據(jù)構建基于時間序列的特征參數(shù)混合矩陣；將所述特征參數(shù)混合矩陣輸入至預先建立的機器學習模型中對所述目標井進行井漏識別，能夠實現(xiàn)對井漏的識別，并且能夠提高井漏識別的準確率。

技術特征：

1.一種井漏識別方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括：

3.根據(jù)權利要求2所述的方法，其特征在于，所述初始模型為梯度提升樹模型，所述基于所述樣本特征參數(shù)和所述樣本測量數(shù)據(jù)確定基于時間序列的樣本特征參數(shù)混合矩陣，包括：

4.根據(jù)權利要求1所述的方法，其特征在于，所述測量數(shù)據(jù)包括：鉆頭的機械鉆速、鉆頭的轉速、鉆頭直徑、鉆壓、鉆井液的入口流量和出口流量、立管壓力，所述特征參數(shù)包括：d指數(shù)、壓力標定流量增益、移動平均值離散度和移動斜率平均值的離散度，所述基于所述測量數(shù)據(jù)計算特征參數(shù)，包括：

5.根據(jù)權利要求4所述的方法，其特征在于，所述基于鉆頭的機械鉆速、鉆頭的轉速、鉆頭直徑、鉆壓計算d指數(shù)，包括：

6.根據(jù)權利要求4所述的方法，其特征在于，所述基于立管壓力、鉆井液的出口流量和入口流量計算壓力標定流量增益，包括：

7.根據(jù)權利要求5所述的方法，其特征在于，所述基于d指數(shù)采用長短滑動時間窗相減得到d指數(shù)的移動平均值離散度，包括：

8.一種井漏識別裝置，其特征在于，包括：

9.一種電子設備，其特征在于，包括：

10.一種存儲介質，其特征在于，該存儲介質存儲的計算機程序，能夠被一個或多個處理器執(zhí)行，能夠用來實現(xiàn)如權利要求1至7任意一項所述方法。

技術總結
本申請?zhí)峁┑囊环N井漏識別方法、裝置、電子設備及存儲介質，通過獲取目標井在鉆井過程中基于時間序列的測量數(shù)據(jù)；基于所述測量數(shù)據(jù)計算特征參數(shù)，其中，所述特征參數(shù)用于表征測量數(shù)據(jù)基于時間序列的變化趨勢；基于所述特征參數(shù)和所述測量數(shù)據(jù)構建基于時間序列的特征參數(shù)混合矩陣；將所述特征參數(shù)混合矩陣輸入至預先建立的機器學習模型中對所述目標井進行井漏識別，能夠實現(xiàn)對井漏的識別，并且能夠提高井漏識別的準確率。

技術研發(fā)人員：孫旭東,沈希為,楊傳書,付宣,張好林,段繼男
受保護的技術使用者：中國石油化工股份有限公司
技術研發(fā)日：
技術公布日：2024/12/30