Координированное управление качеством цементирования нефтяных и газовых скважин

Н. А. Абухадура,

 асп., eng.nidal@inbox.ru ,

РУДН, Москва,

В.О. Чинакал,

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

ИПУ РАН,  г. Москва

Рассматривается подход к проектированию системы управления, обеспечивающей улучшение качества цементирования нефтяных и газовых скважин. Разработана стратегия разомкнуто-замкнутого управления с использованием анализа текущих оперативных данных процессов цементирования в реальном режиме времени, статистических данных эксплуатации скважин и параметров построенных ранее моделей аналогичных объектов регулирования.

 

In this paper presented approach to the design of the control system, which ensures the improvement of the quality of the cementing oil and gas wells. The strategy of open-closed control developed with using of analysis of current operational data of processes in real-time, of statistical data in time exploitation of wells, of parameters previously built models similar objects of regulation.

Введение

Исследования различных авторов и практика показывают [1], что улучшение качества цементирования нефтяных и газовых скважин тесно связано с решениями, заложенными при проектировании системы управления (СУ) всеми этапами выполнения соответствующих технологических процессов.  При проектировании СУ необходимо обеспечить повышение качества приготавливаемых цементных растворов, непрерывность транспортировки их до насосных установок и обеспечить качественное управление продавливанием раствора в затрубное пространство с учетом влияния целого ряда факторов, как измеряемых, так и не измеряемых в процессе цементирования. Качество процесса цементирования скважины характеризуется минимальным значением частоты газопроявлений в затрубном пространстве [2]. Газопроявления и многие другие факторы оказывают непосредственное и косвенное влияние на изменение свойств и параметров процесса схватывания цементного раствора со стенкой скважины и обсадной трубой, изменяют свойства полученного камня после полного схватывания цементного раствора.

 Для получения высоких показателей эффективности цементирования скважин в разных ситуациях недостаточно использовать только традиционную  реализацию замкнутого управления параметрами цементирования с использованием обратной связи в реальном режиме времени. Необходима разработка алгоритмов разомкнуто-замкнутого управления, обеспечивающих не только регулирование и непрерывное управление по программе на отдельных этапах цементирования, но и автоматическую оперативную оценку текущей ситуации. На основе оценки производится поэтапная корректировка заданий для управления соответствующими механизмами цементировочных агрегатов от начала процесса приготовления цементного раствора до окончания процесса продавливания на каждом этапе цементирования (в среднем 10 мин). В течении этого времени возможна некоторая коррекция последующего протекания процессов схватывания цементного раствора и характеристик его загустевания, т.к., в отличии от процесса циркуляции бурового раствора при бурении, процессы цементирования продолжаются и после окончания продавливания цементирующей смеси. О качестве цементирования можно судить только после процесса схватывания цементного раствора на основе данных определенного периода эксплуатации скважин.

В связи с этим для решения задачи повышения качества цементирования скважин необходимо предусматривать в СУ более эффективные методы регулирования процессов цементирования. Предлагается использовать стратегию разомкнуто-замкнутого управления. На основе оперативного статистического анализа текущих измерений параметров процессов и известных ранее зависимостей автоматизируется получение оценок текущей ситуации. Полученные оценки используются для корректировки параметров программы приготовления смесей и продавливания раствора с учетом возможных типовых или нештатных отклонений текущих параметров процессов от расчетных значений. При разомкнуто-замкнутом управлении корректируются параметры модели объекта, а в СУ формируются соответствующие поправки к заданиям и настройкам регуляторов.

В периоде эксплуатации скважины неизвестные в процессе цементации параметры анализируются лабораторией, проводятся оценки отклонений изучаемых параметров с учетом записей трендов в процессе бурения, приготовления смесей и их продавливания, строятся модели объектов различных скважин вместе с данными об основных геологических особенностях горизонтов и параметров затрубного пространства. Таким образом, работа СУ обеспечивается необходимыми данными, формируются более точные задания на типовые регуляторы СУ с учетом различных моделей скважин, реальных данных и правил оценки ситуаций в базе знаний, построенной на основе ранее накопленных и обработанных данных.

1. Общая техническая постановка задачи

Подробные технические постановки основных задач контроля и управления комплексом процессов цементирования нефтяных и газовых скважин были рассмотрены в [3,4]. В данной работе рассмотрим основные особенности построения моделей критических процессов и соответствующих алгоритмов решения следующих задач:

·      расчёт параметров регулирования процесса продавливания в зависимости от классификации типа скважин и условий применения;

·      управление приготовлением нужных количеств растворов с требуемыми качественными показателями и параметрами процесса продавливания цементирующего раствора.

Необходима классификация объектов и процессов цементирования по различным атрибутам, характеризующим основные ситуации, возникающие при управлении процессами цементирования скважин. На основе такой классификации строятся различные модели типовых объектов, определяются конкретные классы действий при регулировании параметров давления затрубного пространства и формируются корректировки значений уставок для регуляторов давления высокоэнергетических насосов продавливания.

Оперативные текущие данные процесса продавливания при работе комплекса цементирования собираются системой мониторинга в реальном режиме времени и используются при реализации заданных законов изменения давления (замкнутый принцип управления) с учетом давления на выходе насосов и текущих оценок давления в затрубном пространстве. Рис.1. иллюстрирует примеры возможных решений при модификации отдельных факторов модели, пропорционально зависящих от коэффициентов уравнений объектов.

Рис. 1. Сгенерированные решения дифференциального уравнения

При применении метода приближённых множеств для классификации типов моделей объекта (скважин) модель скважины классифицируется в зависимости от изменений градации значений весовых коэффициентов соответствующих систем дифференциальных уравнений. На этой основе выполнятся классификация различных моделей скважин и соответственно определяются соответствующие коэффициенты настройки параметров регуляторов в алгоритмах управления. На основе метода приближённых множеств выделятся различимые классы моделей скважин. Они используются при построении правил, служащих для оценки различных ситуаций и корректировки параметров в алгоритмах управления соответствующих исполнительных средств.

2. Техническая постановка методики анализа данных

Метод приближённых множеств определяет рассмотренные объекты и их свойства в виде информационной системы:

         (1)

Где I – информационная система; U – универсальное пространство, включающее рассмотренные объекты;

A – атрибуты, описывающие свойств данных объектов.

 

Существует подмножество атрибутов B, B⊂A так что b(xi)=b(xj) являются параметрами (атрибутами), с помощью которых определяется неразличимость объектов. Где x – различные объекты, и b∈B Неразличимость объектов относительно подмножества B обозначается “Ind(B)” для любого объекта универсального пространства U. Класс неразличимых объектов xi, обозначается “[xi]Ind(B)”.

Построение основных множеств является первым этапом классификации с использованием приближенных множеств.

За счёт введения неразличимости ситуаций при изменении параметров объектов (атрибутов) упрощается их представление в виде реляционных баз данных.  Упрощается определение соответствующих параметров объекта и настройки СУ по текущим оценкам соответствующих реакций. Таким образом, преимуществом применения метода приближённых множеств является представление объекта в виде сводной объективной информации о нем вместо экспертной информации о степени принадлежности объекта к конкретному классу или множеству на основе теории четких или нечетких множеств [5].

На рис. 2. показана основная последовательность обработки различных данных (текущих оперативных F2rt, статистических F1st, и других данных FN(t), в данную категорию входят, например, ранее фиксированные значения параметров регулирования модели СУ). Все имеющиеся базы данных преобразуются в обыкновенное хранилище данных [6]. Метод приближенных множеств (RST) применяется так же для решения проблем, связанных с повторением образов обработанной информации при извлечении данных и формированием правил принятий решений.

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 (RST) и их кластеризация. «Сырые» данные преобразуются в численные значения и далее применяются методы интеллектуального анализа классифицированных данных [6].  Для обработки архивных данных и генерации продукционных правил принятий решений применяются методы интеллектуального анализа данных [6].

С применением системы разомкнуто-замкнутого управления упрощается решение проблем управления цементированием при не полностью известными или изменяющимися параметрами объекта управления, наличием взаимосвязи качества цементных растворов от параметров плотности, вязкости, наличия фракций, добавок и др., так как алгоритм обеспечивает параллельный анализ и оценку различных ситуаций в процессах цементирования. Применение методов интеллектуального анализа данных позволяет сократить число зависимых параметров модели за счет выделения основных атрибутов классов объектов и процессов, повысить эффективность и безопасность работы СУ комплекса цементирования.

Рис. 2. Структурная схема последовательности системы обработки данных на основе метода приближенных множеств (RST)

Основная задача интеллектуального анализа заключается в использование программных средств, направленных на поиск обобщенных образов объектов и образов регуляторов во множествах данных. Идея поиска знаний в накопленных ранее данных заключается в возможностях программных средств на простое и быстрое нахождение решений в базах данных с использованием обыкновенных программных средств обработки данных (не включающих функциональности поиска и сравнения образов решений). Рис.3 показывает этапы системной обработки данных отдельными модулями программных средств.

 Процесс интеллектуального анализа данных начинается с обработкой имеющихся (накопленных) множеств данных с использованием методологии получения более оптимизированного представления структур данных параллельно с анализом поступления новых оперативных данных. При поступлении новых оперативных данных появляется возможность расширения множества данных и возрастает вероятность совпадения структур анализируемых данных (текущих оперативных, статистических и фиксированных значения параметров регулирования модели СУ) со структурами данных текущих ситуации при цементировании различных типов скважин.

Рис. 3. Методология интеллектуального анализа данных

Выводы

С использованием приближенных множеств проводится первичная классификация объектов, процессов цементирования и управлений. На основе статистического и интеллектуального анализа данных о различных классах скважин и управлений формируются правила для оперативного анализа текущих ситуаций на различных этапах цементирования скважин, включая процессы приготовления цементного раствора и процессы управления его продавливания в затрубное пространство. Более точная оценка ситуации и выбор соответствующих параметров регуляторов позволяют оперативно корректировать работу всех взаимосвязанных агрегатов и СУ, повысить безопасность и эффективность процессов цементирования. В конечном итоге, это обеспечивает повышение общей эффективности добычи нефти и газа за счет более качественного и продолжительного функционирования скважин.

Литература

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

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

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

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

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

8.  Z. Pawlak, Rough sets, Int. J. Inf. Comput. Sci. 11// 1982, стр.341-356.

9.  M. Otto, Fuzzy theory. A promising tool for computerized chemistry, Anal. Chim. Acta 235// 1990, стр.169-175.