基于GRU神经网络的PDC钻头磨损实时监测模型
Real-Time Monitoring Model of PDC Bit Wear Based on GRU Neural Network作者机构:中国石油新疆油田分公司工程技术研究院新疆克拉玛依834000 中国石油大学(北京)人工智能学院北京昌平102249
出 版 物:《新疆石油天然气》 (Xinjiang Oil & Gas)
年 卷 期:2024年第20卷第2期
页 面:21-28页
学科分类:0820[工学-石油与天然气工程] 082001[工学-油气井工程] 08[工学]
基 金:国家重点研发计划“复杂油气智能钻井理论与方法”(2019YFA0708300) 中国石油天然气集团公司与中国石油大学(北京)战略合作技术项目“钻完井人工智能理论与应用场景关键技术研究”(ZLZX2020-03)
主 题:钻井 钻头磨损 聚类算法 小波分析 GRU神经网络 机器学习
摘 要:能够实时监测钻头磨损程度对于钻井提速是一个直观的参考目标。但钻井现场难以采集直接反映钻头磨损情况的参数,目前对钻头磨损程度的监测手段较少,主要依靠技术人员的经验判断。如何定量评估PDC钻头磨损程度一直是研究的难点。钻头磨损程度评价主要基于破岩效率和机械比能。通过物理模型计算机械比能,并通过小波分析、聚类算法表征钻头磨损过程,建立了基于门控循环单元(GRU)神经网络的PDC钻头磨损实时监测模型,形成了钻井参数与钻头磨损程度的映射关系,模型精度达95%。采用新疆油田A井数据对模型进行测试,结果表明该模型可以正确预测当前钻头磨损级别。该模型为钻头磨损监测提供了一种解决方案,可以辅助现场工程师判断起下钻时机,以保证更高的钻井效率。