Проектирование в машиностроении и электронике

Повышение эффективности управления комплексом цементирования нефтяных и газовых скважин

с использованием методов интеллектуального анализа данных

Н.А. Абухадура,

аспир., eng.nidal@inbox.ru ,

РУДН, г. Москва,

В.О. Чинакал,
в.н.с., к.т.н., доц., chinakal@ipu.ru,

ИПУ РАН, г. Москва

Рассматривается применение OLAP технологии для повышения эффективности оперативного управления процессами цементации нефтяных и газовых скважин. С использованием этой технология выполняется аналитическая обработка многомерных массивов данных. Данные содержат архивируемую информацию о геологических, геофизических исследованиях и оперативную информацию о процессах бурения скважин. Полученные результаты были использованы для формирования продукционных правил, обеспечивающих корректировку управления процессами цементации скважин.

This paper presents the implementation of OLAP technology in increasing efficiency of oil well cementing processes operational control. Using OLAP, multidimensional queries are executed on data. The data warehouse includes the statistical geological data such as the oil well log data, the geophysical data and the operational real time technological processes data. The results of data processing were employed in the online generation of decision rules of inference for adjustments in the oil well cementing processes control algorithm.

Введение

Одним из перспективных направлений в снижении затрат на освоение новых месторождений нефти и газа и развитие существующих месторождений является повышение эффективности управления комплексами цементирования нефтяных и газовых скважин. Обеспечение высококачественного цементирования затрубного пространства рабочих скважин позволяет существенно снизить общие затраты, увеличить срок службы скважин и сократить число скважин, не пригодных к эксплуатации [1,2].. В [3] рассматривалась математическая модель и алгоритмы управления основными технологическими процессами цементирования нефтяных и газовых скважин, реализуемыми в АСУТП комплексом взаимосвязанных агрегатов. В [4].были определены задачи контроля и управления комплексом цементации скважин, общие требования к источникам данных и основные особенности обработки оперативных данных, обоснована необходимость использования методов углубленного интеллектуального анализа данных наряду с традиционными методами построения моделей процессов.

В данной работе рассматриваются более детально конкретные вопросы повышения эффективности оперативного координированного управления ключевыми процессами цементации скважин. Сформирована общая структура баз данных всего комплекса цементирования скважин, определены этапы обработки и конкретный состав данных, используемых для углубленного анализа имеющейся информации. Большие объемы данных образуются из архивных данных, фиксируемых на этапах геологических, геофизических исследований и оперативных данных контроля и управления комплексом, полученных при бурении конкретных скважин. Обработка данных проводится с применение OLAP технологии [5-7] для первичной аналитической обработки многомерных массивов данных и использование полученных результатов для совершенствования типовых алгоритмов оперативного контроля и управления процессами цементации скважин путем формирования продукционных правил корректировки координированного управления процессами по архивным и текущим данным [4].

1. Особенности общей технической постановки задачи

Подробные технические постановки основных задач контроля и управления комплексом цементации нефтяных и газовых скважин рассмотрены в [3,4]. В данной работе отметим только основные характеристики данных, необходимые для построения моделей критических процессов и алгоритмов решения следующих задач:

ü расчёт цементных растворов с требуемыми свойствами в зависимости от реологических свойств пластов;

ü управление приготовлением нужных количеств растворов с требуемыми качественными показателями;

ü управление транспортировкой готовых смесей в скважину и продавливанием их в затрубное пространство между колонной и стенкой скважины.

Кратко рассмотрим те характеристики и требования, для определения которых целесообразно использовать методы интеллектуального анализа данных [4].

Одним из важных требований надежного цементирования является соответствие физико-химического состава цементного раствора и свойств цементируемых пород и материала колонн. В задаче определения и уточнения этих требований целесообразно использование углубленного анализа всей совокупности имеющихся геологических, геофизических и лабораторных данных о составе и расположении пластов пород. Свойства цементного раствора зависят от рецепта приготовления и необходимых добавок [1]. Для реализации рецептов используется автоматическая подсистема приготовления цементных растворов с требуемыми количественными и качественными показателями [3].

Оперативные данные по управлению процессом продавливания при работе комплекса цементирования собираются в реальном режиме времени и используются для обеспечения заданных законов изменения давления. Для продавливания цементной смеси и других буферных жидкостей используются различные цементировочные агрегаты, обеспечивающие требуемую мощность в пределах ограничений по гидростатическому давлению пластов. Качество продавливания зависит не только от данных, измеряемых на рабочей станции бурового мастера [2], но и от качества регулирования процессами смешивания и транспортировки растворов. На рис.1, приведена упрощенная общая структура баз данных основных объектов комплекса цементирования.

рис. 1 Общая структура баз данных комплекса цементирования нефтяных и газовых скважин

Выполнение операций бурения, циркуляции бурового раствора при бурении, промывке скважины, цементировании осуществляется периодически. Кроме данных основных технологических процессов на рис. 1 показаны и данные о существующих вспомогательных процессов, включая ручное управление отдельными операциями, данные лабораторных исследований составов пород, типов цементов и др. На рисунке изображены также базы данных параметров объектов и систем управления.

Как известно [1], высокое качество разобщения пластов достигается при определенном соответствии реологических и химических свойств цементируемых пород свойствам используемых цементных смесей. При неуспешном цементировании скважины после затвердения цементного раствора или даже во время эксплуатации скважин могут образовываться газовые каналы между колонной и камнем или между камнем и стенкой скважины, либо происходит быстрое разрушение камня из-за возникновения седиментационной неустойчивости цементирующей смеси, либо возникновения других нарушений. Седиментационная неустойчивость может возникнуть при отсутствии специальной химической обработки цементных растворов или недостаточного количества специальных материалов - структурообразователей, приводит к образованию промоин, каналов, карманов и зон повышенного содержания воды в массе раствора в связи с перемещением вверх жидкой фазы. Все эти факторы представляют потенциальную опасность образований различных непредусмотренных каналов для прорыва нефти, газа и снижения производительности скважин.

Рассмотрим подробнее необходимую информацию, используемую при реализации основных способов предотвращения седиментационной неустойчивости цементных растворов. Показатель седиментационной устойчивости цементных растворов – один из наиболее эффективных показателей качества цементирования, связывающий качество разработанных цементных растворов с изменением задания давления продавливания смеси и учета фактического давления в затрубном пространстве.

Для преодоления проблемы седиментации цементного камня обычно рекомендуется назначать соответствующее значение параметра плотности цементных смесей [1], используемых для цементирования определенных слоев затрубного пространства. В зависимости от требуемой плотности цементного раствора корректируется и программа изменения уставок регуляторов давления высокоэнергетических насосов (ВЭН) цементировочных агрегатов.

Задача оптимизации процессов цементирования связана с сохранением баланса гидродинамического давления пластов и заданных давлений ВЭН. При этом для обеспечения возможности максимального проникновения цементного раствора в затрубное пространство цементный раствор должен обладать низкой проницаемостью и высокой прочностью цементного камня после затвердевания [2].

Для некоторых типов цемента такие свойства можно достичь с помощью регулирования водоцементного отношения. Однако, для низких значений требуемой плотности (при цементировании особых классов пород) такие требования приводят к седиментации цементной смеси или отделению воды от цемента при загустевании смеси и образованию слабого камня.

При разработке универсального цементного раствора низкой плотности добавляют минеральные расширения для увеличения вязкости, приостановки седиментации и повышения степени схватывания раствора в затрубном пространстве. Для достижения необходимой седиментационной устойчивости обычно используют следующие минералы [2]:

ü Бетонит : природный натриевый бетонит, соответствующий спецификации 13A/ISO стандартов API (Институт Нефти) в категории флюидов бурения. Добавление незначительных количеств значительно повышает вязкость цементного раствора и значительно замедляет седиментацию. Цементный раствор при этом получается более разжижающимся при сдвиге;

ü Кальцинированный (прокаленный) диатомит: (легкий пуццолан, кремнистый глиноземный материал, имеет малое цементное значение). Компаундирование его в пылевидной форме с водой и гидроокисью кальция значительно повышает его цементное значения при комнатной температуре. Добавление кальцинированного диатомита в цементный раствор повышает его вязкость и также прочность полученного камня после затвердевания. Данный компаунд рекомендуется при высоких температурах цементирования;

ü Расширенный перлит: состоит из пустых сферических частиц, которые состоят из открытых и закрытых пор. Все виды частиц повышают вязкость цементного раствора. И частицы с закрытыми порами (которые не заполняются водой) при определенных условиях давления повышают объемную долю перлита с одновременным понижением плотности цементного раствора.

Основные характеристики возможных используемых минеральных добавок также должны учитываться в общей БД и использоваться при углубленном анализе априорной информации и формировании продукционных правил корректировки плотности смесей и заданных давлений. Сформированные правила обеспечивают формирование набора минералов с наилучшими показателями эффективности при одинаковых значениях плотности, требуемой в соответствии с реологическими свойствами пород, и определяющей задания на изменения давления ВЭН.

2. Методика анализа данных

Последовательно с технологией OLAP для обработки архивных данных применяются методы интеллектуального анализа данных для генерации продукционных правил принятий решений [4]. Для обработки наборов данных в реальном времени с учетом продукционных правил используется метод OLAP реального времени (RTOLAP). Основным отличием технологии RTOLAP от OLAP это расчет данных в реальном времени с использованием при вычислений только в оперативной памяти.

рис. 2. Последовательность обработки данных комплекса процессов цементирования

На рис. 2. показана основная последовательность анализа данных и этапы обработки данных комплекса цементирования. Применяется метод приближенных множеств (Rough sets Analysis) для решения проблем, связанных с повторением образов обработанной информации при извлечении данных и формированием правил принятий решений. Повторение образов данных приводит к наличию избыточных данных и соответственно увеличивает время анализа данных.

С использованием этапов обработки данных, показанных на рис. 2, различные базы данных комплекса цементирования преобразуется в обыкновенное хранилище данных [6]. Первым этапом преобразования баз данных является извлечение и сортировка всех типов данных объектов для дальнейшей их обработки. В обработку данных входят методы очистки данных с помощью алгоритма сокращения атрибутов и их кластеризация [5], «сырые» данные преобразуются в численные значения и далее применяются методы интеллектуального анализа классифицированных данных [6].

Основные проблемы управления процессами цементирования связаны с не полностью известными, изменяющимися параметрами объекта управления и взаимосвязи качества цементных растворов от параметров плотности, вязкости, наличия фракций, добавок и др. Применение методов интеллектуального анализа данных позволяет сократить число зависимых параметров, повысить эффективность и безопасность работы системы управления комплекса цементирования.

Для демонстрации применения данного подхода рассмотрим состав требований на обработку запросов по параметрам качества цементирования с учетом седиментационной устойчивости цементных растворов. Этот параметр является одним из наиболее эффективных показателей качества цементирования, оценивающий качество разработанных цементных растворов при различных минеральных добавках, качестве цемента и влияния изменения давления в затрубном пространстве в процессе продавливания цементирующего раствора.

3. Пример обработки данных

Данный пример иллюстрирует последовательность анализа зависимости качества цементирования (по седиментационной устойчивости) для смесей при низких значениях ее плотности. При решении задачи необходимо учесть неопределенность в оценке параметров качества процессов смешивания и цементирования. Это связано с неразличимыми параметрами процессов цементирования. Например, плотность смеси по требованиям лаборатории должна иметь точные значения, но с разными показателями качества по седиментационной устойчивости.

Для решения такой задачи применен метод интеллектуального анализа данных, позволяющий выявить неразличимые ситуации с использованием приближенных множеств. Вначале задача решается на основе выделения наиболее значимых факторов, влияющих в разной степени на седиментационную устойчивость цементных смесей при различных наборах минеральных добавок с последующим анализом и удалением зависимых атрибутов.

В таблице 1. представлен фрагмент информационной системы объекта, рассмотренного в [6]. Показатель качества цементирования (седиментационная устойчивость) представлен в виде условных числовых значений 1,2,3, 4, где наибольшее число означает высшее качество цементирования данного вида породы при добавлении соответствующих минералов.

Таблица.1

Фрагмент информационной системы объекта

В общем виде данную информационную систему можно представить в виде: , где I – информационная система (здесь фрагмент таблицы), – совокупность элементов объекта, – множество атрибутов (параметров). Подмножество – представляет возможные значения амплитуд элементов множества A соответственно.

Тогда для каждого атрибута можно указать минимальный характеристический вектор значений :

, , , где

, , – наборы значений показателя степени седиментационной устойчивости соответственно при добавлении бетонита, диатомита и расширенного перлита.

Для множества атрибутов , неразличимость наборов показателейопределяется следующим образом:

Элементы и – неразличимы по подмножеству атрибутов B в A, если для любого . Набор – определяется как основное подмножество в B , характеризуя различимость групп объектов. Для любого элемента множества U, класс эквивалентности элементов в зависимости отможно обозначить как .

Построение основных множеств является первым этапом классификации с использованием приближенных множеств. Так в таблице 1 видно, что объекты и идентичны. По данным информационной системы они неразличимы. Также можно выделить объекты и их зависимости от определенной группы минеральных добавок. Пример показан в таблице 2.

Таблица.2

Фрагмент информационной системы объекта по группировке минеральных добавок

Очевидна неразличимость объектов , , и по данным информационной системы.

С помощью метода приближенных множеств можно выявить признаки неразличимости ситуаций, сократить объем используемой информации и получить более точные зависимости качества цементных растворов от определенных минеральных добавок.

Исследование задачи неразличимости атрибутов параметров плотности и вязкости играет важную роль при обработке исходных данных процессов комплекса цементирования нефтяных и газовых скважин. Выявление неразличимости ситуации значительно повышает эффективность обработки данных с помощью последовательных методов сокращения неразличимых атрибутов параметра плотности и получить уникальные значения классов плотности при кластеризации.

рис.3. Кластеры значений параметра плотности цементного раствора для разных показателей качества.

График на рис.3. показывает классификацию ситуаций с уникальными показателями качества цементирования при добавлении различных минеральных добавок при разработке цементных смесей низкой плотности. Классификация ситуаций цементирования при определенных добавлениях минералов позволяет более эффективно генерировать условий принятий решений или генерации соответствующих моделей алгоритмов управления.

Данный метод анализа данных используется на этапах обработки наборов данных (рис. 2). Первым этапом преобразования баз данных является извлечение и сортировка типов данных всех объектов для их дальнейшей обработки. Важнейшей задачей интеллектуальной обработки данных является повышением эффективности и точности анализа. Технология OLAP за счет возможности агрегирования реляционных баз данных позволяет организовать фильтрацию массивов исходных данных, представленных в виде многомерного куба зависимостей параметров. На других этапах обработки данных используются и другие методы, такие как, очистка данных с помощью алгоритмов сокращения атрибутов и далее их кластеризация [7], получение классифицированных сырых данных. Преобразовать эти данные в численные значения можно, например, с помощью центроидного метода или путем минимизации квадратов расстояний между значениями атрибутов одного класса.

На рис 4. приведена общая структурная схема построения автоматической системы управления процессами цементирования скважин и основные блоки обработки и анализа данных.

рис. 4. Структурная схема системы автоматического управления

Выводы

Технология OLAP обеспечивает подготовку агрегированной информации на основе больших массивов исходных («сырых») данных в виде структурированных данных, представленных в виде многомерного куба OLAP. На основе статистического и интеллектуального анализа этих данных обеспечивается формирование правил для оперативного анализа текущей ситуации при цементировании скважин и корректировки процессов приготовления цементного раствора и процессов его продавливания в затрубное пространство. Более точный расчет смеси и своевременное обнаружение критических ситуаций по превышению противодавления в затрубном пространстве позволяют оперативно корректировать работу всех взаимосвязанных агрегатов и систем управления, повысить безопасность и эффективность процессов бурения и цементирования. В конечном итоге, это обеспечивает повышение общей эффективности добычи нефти и газа за счет более качественного и продолжительного функционирования скважин.

Литература

1. Булатов А.И., “Тампонажные материалы и технология цементирования скважин”// 1991.

2. Техническая документация производителя приборов измерения и контроля параметров АСУ ТП цементирования нефтяных и газовых скважин, Schlumberger product catalog. 2007.

3. Абухадура Нидаль., Чинакал В.О. Разработка математической модели и алгоритмов управления процессами цементирования нефтяных и газовых скважин. Труды V Международной научно-практической конференции «Инженерные системы -2012», стр.303-306, – М., РУДН, 2012.

4. Абухадура Нидаль., Чинакал В.О. Интеллектуальный анализ данных в задачах управления технологическими процессами цементирования нефтяных и газовых скважин. Труды XI международного симпозиума «Интеллектуальные системы» (INTELS -2014), стр.463-468, – М., РУДН, 2014.

5. http://technet.microsoft.com/en-us/library, by Dennis Kennedy. “The Reality of Real-time OLAP”, корпорация Микрософт, опубликовано февраль 2003.

6. B. Walczak, D.L. Massart “Basics of Rough sets theory”/ Chemometrics and Intelligent Laboratory Systems //1998.

7. Hovhannes Sadoyan, Armen Zakarian “Data mining algorithm for manufacturing process control”// 2006.

8. Paulraj Ponniah “Data warehousing fundamentals for it professionals”, Second edition// 2010.