在伊朗南部油田使用多元统计分析对卡钻的预测.doc

在伊朗南部油田使用多元统计分析对卡钻的预测摘要在钻井过程中卡钻是一个常见的问题，每年卡钻都造成了数亿美元的损失而且还引起了很多复杂的问题。因此我们做了很多努力来找到卡钻的原因以至于能够最大限度的减少问题的发生。卡钻发生的激励主要包括:井壁不稳定，压差卡钻，井眼清洗不当和尤其是在大斜度井中的钻头切削形式不当。卡钻的影响主要是浪费钻井时间和增大成本。同时如若丢失一段井眼，井下工具则需要重钻，最糟糕的情况是要在钻孔中另钻新孔。在本研究中试图对伊朗南油田的卡钻情况做开发一个模型。为了此目的使用的数据包括:测量深度，泥浆比重，塑性粘度，屈服值10秒凝胶，10分钟凝胶，pH值，固相百分比等，这些数据都是从这个油田的40口井中选择的。采用多元统计回归和判别分析描述卡钻的方法应经开发出来了。开发出来的公式可以降低卡钻的风险，能够避免钻井成本的增加，可以避免浪费时间。介绍卡钻在石油行业中每年损失数百万美元。当钻柱的部分与井壁接触，有压差存在，井壁坍塌或者井眼整体不规则时会发生卡钻事故18。压差卡钻时最常见的类型(尤其是伊朗南部油田)，它的发生通常是由于在滤饼形成后低的高压渗透区，钻柱和井筒之间的过度接触。 如果管道保持长时间一动不动，在流体和低压区之间或者低压区将举会卡钻23。卡钻研究开始于20世纪50年代11。 Kingsborough and Hempkins在1985年开始根据钻井参数模式利用多远统计分析顶部卡钻的发生。这一开创性研究表明， 应用判别分析技术研究大量的钻井资料来发现在钻进过程中卡钻与不卡钻的井的区别18。 Biegler and Kuhn在1994年建立了原始判别分析技术。这就导致了不仅能够来监测卡钻，而且也能知道卡钻的机理。此外次分析可以量化分析卡钻的可能性，也可以作为一种比较这种风险和类似井卡钻风险相比较的方法。在这项研究中为伊朗南部油田开发的模型只是为了Ilamand Sarvak编队。为此选择的数据包括井的垂直深度，泥浆比重，油水比，地层压力等，这些数据来自从该区块的40口井。已经开发出了采用多元统计回归分析方程等价代换卡钻的方法。开发的公式可以用来预防卡钻的风险。 其次，利用多元统计判别分析技术，找到两个监测钻井变量之间的差异的函数。收集的第一个数据建立在每天对卡钻井和不卡钻井的钻探记录的基础上。在观察井的特性和工作的情况的基础上，这被认为是要么是压差要么是机械的原因。此外，第3组数据是从不卡钻井中收集的，时为了做一个参照。不卡钻井的数据是从与卡钻井相同区域里的井中收集的。在这篇论文中机械卡钻，压差卡钻和不卡钻这三种数据形成了分析的基础。使用SPSS软件(社会科学统计软件包)和判别分析方法找到两个函数和未来3天下一个钻井作业的数据的变量和这些数据交叉的地方，显示第2天的钻探情况。收集现场数据在本研究中使用的两种判断卡钻的方法是采用多元统计回归分析和其他判别分析。 数据库的收集用于回归和判别分析。判别分析表明， 这些技术的应用来研究大量的钻探数据来发现卡钻井和不卡钻井的钻探变量。 在建立相关的变量与非卡钻的模式后，可设计使未来的水井以效仿的这种非卡模式18，23。这篇文章的数据是从115个卡钻实例和105个非卡钻实例中收集而来。115组卡钻实例中有50组是机械卡钻，65组是压差卡钻，包含在今天早上报告24个典型变量。收集的参数包括泥浆性能，井深，井身结构，液压系统，钻具组合数据以及井斜角，地层压力和其他一些数据在表1中有写出。大多数的护具来自每日的报告， 并按照API推荐做法收集和测量正常钻井参数。卡钻事故的数据的收集分为两类，牙擦卡钻和机械卡钻。第3组数据是从同一区域里的非卡钻井里收集来的用来作为一个控制量与卡钻井做比较。机械卡钻，压差卡钻，和不卡钻这3组数据形成了分析和研究的基础。对于每个卡钻井，数据的收集是从卡钻那天开始。其他非卡钻井，钻探数据是在钻井过程中完全顺利的基础上收集的。钻井数据的收集是从开始卡钻那天开始的。这种模型是在卡钻井的钻探数据的基础上建立的。 压差卡钻时Ilamand Sarvak编队伊朗南部油田的共同机理，这一机理的重要原因之一是差压。 因此，差压在独立变量中使用回归分析，其他变量是独立的变量。这种模式的适用于在第二天早上天钻探变量回归分析和接下来3天数据的判别分析。统计模型大多数研究的目的是评估一组变量之间的关系。关注多变量分析技术，特别是当涉及至少有三个变量的多元技术。 回归分析和判别分析是两种类型的多元技术。在使用这两种方法之前，必须遵循以下的假设，以取得相应的结果。这些假设是:1. 每个变量的单位必须按照专业术语来制定。2. 如若钻铤没有为一口井的钻具组合考虑过，变狼的长度和堵塞比被认为是0。3. 在垂直井的角变量被认为是零。4. 在垂直井中测量深度和垂直井深时一样的5. 对于水和油的每个变量，他们的比例必须考虑到每个变量中， 例如，如果油/水的比例是80/20，80油和水20应考虑在每个变量中。6. 碱度值应被视为代替油基泥浆的PH值。7. 单位必须转化为米， 必须考虑到3.3英尺/米。回归模型回归分析是一种统计工具，用来评估一个或多个自变量x1 x2 xk与因变量Y的关系。 在大多数的统计方法中， 一个变量通常用来作为一个响应或者因变量， 一个可以从其他变量预测的变量。 这些其他变量被称为预测或独立的变量。这种方法最常用在当独立变量不能被控制时，或者在收集抽样调查或其他观测研究的时候。然而，这同样适用于控制实验情况7。 几个相关的变量方程计算的首要步骤之一是计算所有变量的相关矩阵。表2中指出了这些变量: GPM， AAN， GL1，CL2， MW， TVD， FRPR， DIFPR， ANGLE， DRCODIA，DCLENGHT， YP 和 MD。 此矩阵显示因变量和任何其他独立的变量，独立变量之间的相关性之间的关系。更多的数据表明这些具有变量高度相关性，以至于这个数字从0到1之间变化，越接近1则表明这两个变量具有更大的相关性。 减号表明这两个变量有反向的关系。如表所示， FRPR和DIFPR具有最强的联系，但是这种联系时反向的。在这之后TVD与DIFPR有次高的直接关系。用变量的等效取代可以确定回归模型了。 虽然有几种不同的方式来计算所有潜在的回归方程，但是， 这并不需要太多的计算，并经常使用。其中一些方法是：逆向，提前，逐步，并输入。这些方法也不是绝对优于其他。他们只是确定变量的子集，这是因变量的预测中的良好的特定的样品36。 使用所有的方法和步骤，可以容易的得到最合适的模型。因此有:DIFPR = (0.515) TVD + (577.893) MW (10.893) GL1+ (12.424) GL2 + (1.031) AAN + (0.107) ANGLE (0.944) FRPR + (5.056) DRCODIA + (0.03577)DCLENGHT (0.642) YP (0.01056) GPM (0.0019190) MD (1)使用上面得到的模型，并运用其变量的值，根据钻井条件，可以估算卡钻的可能性，并通过改变上述变量的值，可以防止这种情况的发生。判别分析在这种技术中将关注在几个变量的观测基础上的两个群体之间的区别，也会在得到数据前定义3种群体. 统计的问题是要制定一个规则，或判别函数。 基于每组获得的测量，这将帮助我们来分配一些不知道是从哪个群体来的新的单独变量来校正群体。表3显示了组的分配。分类的结果使我们使用分类功能把所有数据的等级的确定变成了可能。表的上半部分提供了分类的方式。 正确的分类项目在分类的直径中得到了确定。如本表所示在第1组65口井有51口（即78.5）已被正确地预见。 在第2组，有93.3和第3组中，74已正确分类。总的来说，220口井中的186个口（即84.5）被正确分类。 表的底部部分时交叉验证。根据这个变量分类因素可以被导出，只有一个例外。 此方法重复n次，直到所有的记录一旦退出，就可以在N-1个记录分类功能的基础上进行分类。通过分类功能预测的结果载于表的交叉验证。 基于一个新的样本， 这些结果可用于估计预测N个记录分类功能。 正如在“交叉验证”表显示的那样65个中的47个样本（即72.3）被正确归类。第2组有82.9%和第3组中的64%被正确分类。总共有75.5%正确归类。在总额中有84.5%的项目被正确归类。这些数据受到概率统计的影响.如公式2所示，这些操作最终导致两个判别函数， 并使用这两个函数，而代以确定变量的值，可以区分他们的小组。可以看到，每个变量都有一个系数，整个函数中有一个是常数， 因此，代入他们的一个数字结果和使用这两个获得的数字，可以划分出组别。 因为CL变量在所有三组中都相似， 它的系数是在这两个函数中都为零，所以这个变量在两个判别函数中使用。因此有:函数1. (-0.001) TVD (0.993) MW + (0.015) PV (0.028) YP+ (0.371) GL1 (0.327) GL2 + (0.014) VIS + (0.001) FL+ (0.005) DIFPR (0.004) GPM (0.062) AAN +(0.003) RPM (0.001) MD + (0.011) ANGLE + (0.016)SOLID (0.019) WATER (0.028) OIL + (0.398)HOLE + (0.003) FRPR (0.042) DRCODIA (0.058)PH + (7.939) (2)函数2.(-0.483) MW (0.013) PV (0.019) YP + (0.155)GL1 (0.162) GL2 + (0.115) VIS + (0.105) FL (0.001) DIFPR + (0.005) GPM (0.102) AAN +(0.019) RPM + (0.001) CA + (0.004) SOLID + (0.082)WATER + (0.072) OIL (0.026) HOLE (0.001)FRPR (0.218) DRCODIA + (0.002) DCLENGHT +(0.032) PH (6.239) (3)如图1所示，指出了各族在X，Y坐标轴上的位置。就像图中指出的那样，每个组都集中在某一位置，能够清楚的看到3组之间的界限，每个小组都有局限性，所以为了通过这个界限相关值要根据两个函数或者其中一个函数的参数改变而改变。回归分析模型及其应用一个有12个变量和遇着12个变量相关性最高的因变量所组成的模型最终被提出来了，为了适用于探测关于卡钻可能性的钻探条件。通过把这些为第2天钻井条件的变量的值，并执行模型，则将会有一个数字。如果这个数字在100到400psi之间则钻井条件安全，卡钻的概率可忽略不计，但是如果低于100或高于400则会有发生卡钻的风险。那么最好安排条件，以至于提到的数据会在这个范围内。乳沟这个数字在200到300psi之间则会更加合适。从模型的变量来看，其中5项是恒定的，并没有变化，也不能让他们改变。这5项是FRPR，ANGLE，AAN，MD和TVD。当然对于定向井那么井斜角可以改变，但是最好不要钻井轨道，尽可能的去使用其他变量。如果使用模型后数字超过400psi，那么就必须要做出一些规定来时这数字到合适的范围内。判别分析模型及其应用就像描述的那样，根据钻井条件，卡钻的概率是可以预测的，通过这种方法来获得两个判别函数。此外还可以获得一个图表。3个小组位于此图的3个不同位置。通过用边界线除去这些小组和分开他们，可以得到有这3个小组的剖面组成的图表。此图是建立在我们的工作的基础上，是通过接下来3天的钻井条件预测的手段建立的。通过接下来几天的这些的函数的参数的数量，这两个函数的数字会在图表2中表示，将会达到一个单位点。这一点在图中的位置，显示了翌日钻井条件。如果该点位于第2组，钻井条件将是安全的。通过借鉴其他两个点，未来两天（即第二和第三天）的钻井条件将得到。在图中画出这两点，再互联图中的3个点。将获得未来三天的钻探轨迹。这样，未来3天的钻井条件就可以预见。如果钻井条件适合于其他两组，即位于第2组，将会有卡钻的风险。当然也有可能是某些情况下，钻井条件有卡钻的风险状况，但没有问题会发生。但必须牢记，这是一个红色的标志，最好脱离这两种条件来杜绝卡钻的风险。如果钻探轨迹进入第1组的位置，那么在钻井的过程中卡钻可能会发生。因此，必须改变钻井条件来引导钻进轨迹到达第2组数据。出于这个原因，函数1和2必须做出改变。TVD， MD， AN， ANGLED， HOLE and FREE 是常数，不能被改变的，必须在其他变量上做出改变。为了做到这一点，必须减少函数1或2的数字量，引导钻进条件向第2组发展。下降不恒定的变量取决于那一刻的钻井条件，当然其中一些是不能改变的。因为它是对每一个项目的警告，所以必须注意函数2数量的减少和其他参数的增加，为了钻井条件进入2而不是3。改变每个变量取决于该组中提到的该点的情况和该点据边界多远。如果钻井条件下的轨迹是在第3组的情况，即卡钻概率是机械式，它可能发生在POOH或RIH，因此必须通过改变不变量啦改变钻进条件使钻井情况向第2组发展。由于这个原因，图上的关于这个点的位置和他距边界的距离，函数2必须做出改变，但是同样的大多数改变必须在函数1上完成。如果该点位于图上的第3组或者机械卡钻，那么函数1和2都必须做出改变，换言之，函数1必须下降 函数2必须上升。改变钻井条件最好的变量的选择取决于现有的设施。通过这种方法做出这些步骤，那么预测接下来3天的钻井条件和改变钻井条件和消除卡钻的风险是可能的。通过引导钻进条件向第2组发展，钻井可以进行的更加安全，卡钻也不太可能发生了。如何使用两种不同的方法来显示卡钻的的可能是可以被预测和消除的。更为可观的一点是当回归法执行，由此而产生的数据落在适合的范围，在判别法中同样的条件落在第2组即非卡钻，在回归状态时所考虑的范围在判别发法里可能会发生卡钻。因此，在同一条件下执行两种方法，卡钻的概率可以被更好的预测到。在回归方法中只有第2天的钻井条件可以实测到，但是在判别方法中接下来3天的钻井条件都可以预测到。因此，第二种方法是更好，因为它的变量更多，因此它被认为更准确。正如前面所说，两个方法都有错误的部分。由于这是一个统计工作，各项统计工作都会伴随着错误，那么它很可能不会有正确的答案，但是他尝试着去减少两种方法中的错误。回归分析探讨就像所提到的那样，与因变量相关性最高的12个自变量放在一起组成线性数学公式，把这个公式预测公式。DIFPR:这是根据其他变量测量而得到的自变量。由于本次研究的卡钻主要是由压差引起的，这个变量是用来衡量其他和这个变量有联系的变量的一个基础。 在钻井作业中最佳的DIFPR是100-200psi， 但考虑到现有的钻井条件，100到400psi之间就认为是安全的钻井条件，不在这个范围内则认为是有卡钻的风险。 这个范围是根据公式中的自变量对因变量的影响而确定的。 如表2所示，很明显除了ANGLE， AAN， 和FRPR以外的所有变量都有直接关系，这些变量都和DIFPR有着反向的关系，这是由于他们的相关数字为负。FRPR: 如表2所示，与其他变量相比他与DIFF有着最高的相关性。，但因为相关数字是负数，它与DIFPR是反向关系。在图3中分散在X和Y轴周围(X代表FRPR，Y代表DIFPR)。 回归线穿过中值，这个角度为负数，这意味着这两个参数之间的关系是反向的。因此，通过增加FRPR，因变量DIFPR会下降，这是完全合乎逻辑的，这是因为DIFPR是从FRPR和静水压力中得到的。TVD:考虑到表2，DVD和DIFPR之间的高度相关性和他们之间的意义是显而易见的。图4显示分散的点是在TVD和DIFPR两轴周围分布的。在图中可以看到，由于点的平均值而产生的回归直线是正的，这表明了这两个变量间的直接关系，所以TVD增加DIFPR也会增加。MW:就像在表2中所示，在MW和DIFPR之间有着高度相关性。此外，它们之间的关系是有意义的。GL1&GL2: 根据表2，可以看出GL1 GL2和DIFF之间很好的相关性和有意义的关系。凝胶是显示泥浆中悬浮颗粒的一个属性。是高是低，这个值会直接影响到钻井过程中的几个问题，特别是卡钻。因此，它必须保持在根据DVD和已知的条件形成的逻辑范围中。使用这个公式，逻辑范围可以根据钻井条件和其它变量获得。AAN:ANN是环形截面积，可以根据以下公式得到其中Dh= Diameter of hole (in)Dp= Diameter of pipe (in)如表2所示，SAN和IFPR的相关性是反向。两个参数之间的关系是有意义的。环形截面积取决于井眼的大小和管径。ANGLE:根据表2可以看出，井斜角和DIFPR之间的关系是有意义的，这两个参数之间有一个很高的相关性。这两个变量之间的关系是反向的。DRCODIA & DCLENGTH:根据表2，钻铤的长度和直径与DIFPR具有较高的正相关。一般来说钻铤越长，直径越大越容易发生卡钻。因此在钻具组合中尽可能少钻铤的长度和直径。YP: 如表2所示，可以很容易发现YP和DIFPR之间相关性也比较好。众所周知，泥浆的特点之一携带钻屑，悬浮钻屑。因此，其数量必须保持在一个很好的极限，因为它可能会导致卡钻这样的事故发生。因此，必须保持在一个最佳的限制，这个极限是可以用公式计算出来的。MD:如图2所示，这个变量和DIFPR有较好的相关性，他们的关系也有特殊的意义。MD和ANGLE都只用于定向井中。GPM: 如图2所示，GPM 在所有变量中和因变量的相关性最小，他们之间的关系的意义也很低。判别分析探讨正如前面所提到的那样，收集的数据被分为3组。在这种分类中，第二组被认为是非卡钻，因此这组中的变量卡钻的概率最低，如果钻井条件适合本组，那么卡钻概率将下降到最低。第一组被命名为压差卡钻。该组中的钻井条件，发生卡钻的卡率最高。这组的钻井条件包括防喷器的检测，调查，发生卡钻时与以停产井或者钻井的井的关系。第3组被命名为机械卡钻。这一组中，主要涉及了地层水和钻铤，钻井条件是最容易发生卡钻的，像POOH，RIH条件。页岩是钻井工程师们关心了很多年的问题，也产生许多问题，其中之一就是卡钻。为了解决这个问题，采取了一些补救措施，在页岩底层下套管，使用含有钙离子的油基泥浆，水基泥浆。结论与建议1. 判别分析可用于区分三组的井，使用图中绘制的有80%到86%的成功率。2. 回归分析可以使最准确的无论是卡钻井还是非卡钻井。3. 这些对伊朗南部油田的分析研究只用于Sarvak，Ahwaz和Abb-Taymoor油田，并不能在这个时候可以延伸到其它地区。4. 在判别分析中可以提前3天预测卡钻而回归分析只能预测一天。5. 在判别分析中， 如果一天的位置，位于第2组，那么卡钻的可能性就小，反之则会有卡钻的风险。6. 在回归分析中，如果与DIFPR相关的数据在100到400psi之间，那么钻井条件则安全，卡钻的可能较小，反之则会有较大的卡钻风险。7. 此外，压差和井眼的清洗和其他有卡钻引起的事故也被描述了，但是卡钻最可能的原因是由于断层的存在。8. 利用多元判别分析和回归分析一口井的压差，在使用同样变量和落在1组和2组的变量，是使用判别分析法，将会显示在图中卡钻的位置，反之亦然。 这些方法的相关性并不总是成功，有70%到80%的成功率。9. 根据各油田使用的多元回归和判别分析方法，可以得到有关这方面的模型。10. 利用统计分析，可以得到卡钻的概率和测量深度，泥浆比重和流量之间的关系，那么卡钻的风险就会因为这些变量而显示在图中。11. 在实际领域应用的计算模型中， 钻孔位置可位于在“非卡钻”地区，用回归分析法中可确定压差在100到400psi的区域，这样可以避免卡钻。致谢该文作者希望感谢伊朗南部油田公司授权发表此文。和相关这些方法可以预测得更准确。 例如回归分析时，将会显示模型中其他全部的超过极限(100到400psi)的变量这样的命名TVD: 真实垂直深度 英尺PV: 塑性粘度 c.pYP: 屈服点 磅/100平方英尺GL1: 10秒凝胶 磅/100平方英尺GL2: 10分钟凝胶 磅/100平方英尺PF: 泥浆漏失 毫升LOSS 地层漏失 桶/天DIFPR 压差 磅/平方英寸GPM 流动速率 伽/分ROP 渗流速率 英尺/小时AAN 环形截面积 平方英寸RPM 转每分 转/分MD 实测深度 英尺ANGLE 井斜角度CL 氯化物浓度百万分比浓度。CA 钙离子浓度百万分比浓度。WATER 水油比OIL 油水比HOLE 井径 英寸FRPR 地层压力， 磅/平方英寸DRCODIA 钻铤外径 英寸DCLENGH 钻铤长度 ，英尺T PH pHMW 泥浆比重磅/加仑参考文献1. A. Darvishzadeh， “Geology of Iran”， publication ofAmirkabir， 1986.2. A.I. Levorsen “Geology of Petroleum”，W.H.Freeman and Company New York， 1967.3. Brian S.Everitt and Graham Dunn “AppliedMultivariate Data Analysis， British librarycataloguing in publication data， 19914. C.J .Hopkins and R.A. Leickesnring， “Reducing theRisk of Stuck Pipe in the Netherlands， paper SPEnumber 29422.1995.5. Colin Bowes & Ray Procter， Guide Lines & DrillersHandbook Credits， B.P.Research， 1997.6. C.M. Courteille， and Zurdo， “A New Approach toDifferential Sticking”， paper SPE number 14244，1985.7. David G.Kleinbaum， Lawrence L.kupper， “AppliedRegression Analysis and other MultivariableMethods”， PWS-KENT Publishing Company，Boston， 1987.8. “Fundamental Stuck Pipe Prevention”， kingdomDrilling services Ltd.9. H.A. Nyromand， “Apply Linear Regression”，published in Ferdusi University， 1996.10. J.A. Howard and S.B.Glover， “Tracking Stuck PipeProbability While Drilling， Paper SPE number27528， 1994.11. “Journal of Oilfield Review”， Schlumberger， 1991.12. Kallh coghill and mike Darke， “Stuck PipePrevention Procedures， Specific to the PedernalesField Venezuela”， B.P.Research， 1994.13. K.H. Khosrotehrani， “Stratigraphy”， published inuniversity of Tehran， 1975.14. K.J. Sample， and Bourgoyne， “An ExperimentalEvaluation of Correlations Used for PredictingCutting Slip Velocity”， paper number SPE 6645，1977.15. L.Yuejin and P.A. Bern， “Simple Charts toDetermine Hole Cleaning Requirements in DeviatedWells”， paper SPE number 27486， 1994.16. M.Aston and J.Hagan “Wellbore StabilityGuidelines”; B.P.Research， 1994.17. M.R. Jalali， “Stratigraphy of Zagross”， NationalIranian Oil Company， 1988.18. M.W .Biegler and GR. Kuhn， “Advances inPrediction of Stuck Pipe Using MultivariateStatistical Analysis”， paper SPE number 27529，1994.19. M. Zargar， “Apply of SPSS 10”， publication ofBehineh， 2001.20. N. Adams， “A Field Case Study of DifferentialPressure Pipe Sticking”， paper SPE number 6716，1977.21. P.Nimmo and A.W.Kamp， “Explosive Cutting ofStuck Drill Pipe and Bottom Hole Assemblies”，paper SPE number 13003， 1984.22. R.A.Sanchez， and J.J.Azar “The Effect of Drill PipeRotation on Hole Cleaning during Directional WellDrilling”， paper SPE number 37626， 1997.23. R.H.Kingsborough and W.E. Lohec， “MultivariateStatistical Analysis of Stuck Drill Pipe Situations”，Paper SPE number 14181， 1985.24. Richard smith， “High Angle Well Hole Cleaning Practical Obseruations”， B.P.Exploration， 1989.25. .R.M. Shivers， and R.J. Domangue， “OperationalDecision Making for Stuck Pipe Incidents in the Gulfof Mexico: A Risk Econom