基于深度自编码器的钻井工况智能识别研究

作者：何淼; 陈欢; 张党生; 许明标; 陈鑫

来源：长江大学学报(自然科学版), 2023, 20(03): 84-93.

DOI：10.16772/j.cnki.1673-1409.20230112.002

• 钻井
• 工况识别
• 深度自编码器
• 滑动时间窗口算法

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1 470 803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。

• 单位
  中国石油集团渤海钻探工程有限公司; 长江大学