-
题名基于深度自编码器的钻井工况智能识别研究
被引量：1
- 1
-
-
作者
何淼
陈欢
张党生
许明标
陈鑫
-
机构
长江大学石油工程学院
油气钻采工程湖北省重点实验室(长江大学)
非常规油气省部共建协同创新中心(长江大学)
中国石油集团渤海钻探工程有限公司井下作业分公司
-
出处
《长江大学学报（自然科学版）》
2023年第3期84-93,共10页
-
基金
国家自然科学基金项目“基于数据驱动的深水钻井溢流智能识别与反演解释研究”(51904034)
油气钻采工程湖北省重点实验室开放基金项目(YQZC202101)。
-
文摘
由于钻井作业和地层的复杂性,钻井工况识别是钻井智能化中极具挑战性的问题之一。结合深度学习和自编码器技术,建立了基于深度自编码器的钻井工况智能识别模型,对钻进、循环、起钻、下钻、倒划眼、接单根、钻水泥塞、短起下钻和复杂情况九种工况进行实时识别。采用南海四口高温高压井的钻井数据,合计1470803组,生成九种工况的训练集、验证集、测试集,占比分别为51.74%、12.94%、35.32%。采用滑动时间窗口算法和归一化方法对输入特征进行处理,分别建立自编码器模型,然后对模型的激活函数等参数进行分析优选。结果表明,基于深度自编码器的工况识别模型的各工况识别准确率均达到了90%以上,与基于普通自编码器的工况识别模型相比,准确率提高了3.8%至23%不等。同时每组数据的平均识别时间仅为1.28 ms,符合工况实时识别的要求。
-
关键词
钻井
工况识别
深度自编码器
滑动时间窗口算法
-
Keywords
drilling
condition identification
deep auto-encoder
sliding time window algorithm
-
分类号
TE24
[石油与天然气工程—油气井工程]
-
