一种基于贝叶斯约束优化算法的钻井多目标优化方法与流程

本发明涉及石油天然气钻探工程钻井，特别涉及一种基于贝叶斯约束优化算法的钻井多目标优化方法。

背景技术：

1、任何一种钻头和钻井方式，对应于任何一种岩石，均存在一段高效破岩区和钻速挖潜区域。在钻进过程中，由于所钻遇的地层具有不确定性，设计的钻井参数往往无法达到预期的钻井速度，导致钻井速度低、钻井周期长，严重影响油气田开发进度和整体经济效益。选择不同的钻井参数，将直接影响钻井安全、效率和成本。钻井参数优化就是在当前钻井状态下，结合钻井设备约束，实时、定量和准确的找到最优钻井参数组合，以最大程度提高钻井效率。

2、目前，钻井参数优化方法主要分为两个方向，一是基于物理模型和评判准则来确定优化的钻井参数，二是通过数据挖掘算法找到钻井参数对钻井效率的影响规律，通过钻井参数组合优选来实现钻井过程优化。基于物理模型的优化方法大多以单一的单位进尺成本模型为目标函数，追求成本最小或者以机械比能模型为核心，追求能效转化最大。然而，实钻过程的复杂性导致钻井参数比不可能只受单因素影响，该类方法一般忽略实际各参数关联耦合过程，导致虽有作用，但是效果有限。数据挖掘方法采用新兴人工智能算法，能在全局范围内进行搜索，通常可以得到较好的优化结果，但是数据挖掘方法一般不考虑物理模型，只回归参数间相关性，对钻井数据量要求较大，且具有很强的地区适应性，泛化能力不足，导致实用性及局限性较大。由于钻井参数受钻井机泵条件、井壁稳定、钻具受力等多方面限制，这些均不能通过数据挖掘算法识别，通过数据挖掘方法优化得到的钻井参数未考虑物理约束，可能会引发钻井风险。而且钻井参数影响因素众多且相关性强，有必须建立基于物理模型和物理约束的多参数多目标快速优化方法来指导现场钻井。对于多参数多目标优化问题，传统的优化方法虽然比较系统和成熟，但是钻井模型通常都为复杂的非线性方程，而对于钻井多参数多目标模型则更为复杂，目前算法只能解决满足特定条件的简单多目标优化问题，且并没有考虑物理约束。传统的优化方法很难能解决此类优化问题，在钻参优化中常用的多目标优化算法有粒子群优化(pso)算法、遗传算法(ga)等。但这些算法稳定性不高，存在搜索效率受限和局部最优等问题。如何结合现场工程实际，找到易于实现、还原度高的钻井参数优化方法，实现精确、高效的钻井参数优化以指导现场钻井，是目前钻井现场需要解决的关键问题之一。

技术实现思路

1、本发明的目的是提供一种能有效满足现场提速需求，为钻井司钻工提供最优钻井参数导航的基于贝叶斯约束优化算法的钻井多目标优化方法。

2、为此，本发明技术方案如下：

3、一种基于贝叶斯约束优化算法的钻井多目标优化方法，其具体步骤如下：

4、s1、获取钻井过程中的钻井基础数据，包括实时钻井数据和静态钻井数据；其中，实时钻井数据包括：转速、钻压、扭矩和流量；静态钻井数据包括：门限钻压、钻头磨损量、钻头直径、钻具组合和钻井液参数；

5、s2、对步骤s1获取的实时钻井数据进行预处理，以得到标准化钻井数据；

6、s3、确定贝叶斯优化算法约束条件，包括钻井设备约束和钻井工艺约束；其中，钻井设备约束包括：钻机最大允许钩载、钻头允许最大转速、以及钻井泵额定排量；钻井工艺约束包括：井壁稳定流量变化范围、井眼清洁最小排量、钻具临界屈曲、以及钻具抗拉抗扭极限；

7、s4、构建贝叶斯优化算法的目标函数，以通过贝叶斯优化算法获得实时推荐最优的钻压、转速和流量钻井参数。

8、进一步地，在步骤s2中，预处理为降噪处理，包括：异常值去除、空缺值插值或去除、以及对波动起伏较大的数据进行平滑处理。

9、进一步地，步骤s4的具体实施步骤为：

10、s401、构建贝叶斯优化算法的目标函数，其表达式为：

11、

12、式中，为超体积测量函数；r1和r2表示约束条件形成的取值范围区域；f1为单位进尺成本函数，f2为钻头机械比能函数；

13、s402、将概率代理函数、采集函数与贝叶斯优化算法的目标函数进行组合，形成贝叶斯优化算法；其中，

14、概率代理函数的表达式为：g(x)～gp(m(x),k(x,x′))；

15、采集函数的表达式为：式中，为超体积提升函数，其表达式为：是满足约束条件的概率函数，为约束函数gj的高斯过程替代函数，pr()为概率代理函数；

16、s403、获取最优的钻压、转速和排量这三个钻井参数，其步骤为：

17、步骤1、基于贝叶斯优化函数约束条件，随机初始化样本群；初始样本群由若干个样本点组成，每个样本点为一个三维样本点，对应由随机生成的钻压数据、转速数据和排量数据构成；

18、步骤2、采用贝叶斯优化算法的目标函数，计算得到初始样本群中每个样本点的超体积测试值；

19、步骤3、基于初始样本群，利用采集函数获取新样本点，并放入初始样本群中，完成样本群的更新；

20、步骤4、通过贝叶斯优化算法的目标函数计算新样本点的超体积值，以利用新样本点更新概率代理函数；

21、步骤5、判断当前是否达到迭代次数条件：

22、若达到迭代次数条件，停止采集新样本点；

23、若未达到迭代次数条件，则利用更新后的概率代理函数，更新采集函数；

24、步骤6、重复步骤2～步骤5，直至达到步骤5设定的迭代次数条件；

25、步骤7、当经过步骤5判断为达到迭代次数条件后，迭代结束，当前样本群中超体积测试值最大的样本点，即为基于贝叶斯约束优化算法得到的最优的钻压、转速和排量。

26、进一步地，在步骤s401中，贝叶斯优化算法的目标函数的具体构建步骤为：

27、1)单位进尺成本函数的表达式为：

28、

29、式中，cpm为单位进尺成本，cr为钻机作业费，te为钻头与起下钻成本的折算时间，af为地层研磨性系数，a1、a2为转速影响系数，n为转速，z1、z2为钻压影响系数，w为钻压，hf为钻头磨损量，c1为牙齿磨损减慢系数，c2为牙齿磨损因数，kd为岩石可钻性系数，m为门限钻压，λ为钻速指数；ch为水力净化系数，其表达式为：vpc为实际钻速，vpcs为净化完善时的钻速，ps为净化完善时所需的比水功率，p为实际比水功率；cp为压差影响系数，其表达式为：vpc0为零压差时的钻速，β为岩石性质有关的系数，δp为井内液柱压力与地层孔隙压力之差；

30、2)钻头机械比能函数的表达式为：

31、

32、式中，em为修正机械比能，ef为机械比能修正系数，ab为钻头截面积，t为钻头扭矩，rop为机械钻速，h为水功率传递效率，q为流量，δpb为钻头压力降低变化量；

33、(3)将单位进尺成本函数和钻头机械比能函数带入超体积测量函数，构建贝叶斯优化算法的目标函数；其中，超体积测量函数的表达式为：

34、

35、式中，λm表示d区域上的勒贝格测度，d是约束条件形成的取值范围区域；r属于d，是一个d区域上取值边界；表示个体向量集合；f表示中一个向量，具体地，f为单位进尺成本函数和钻头机械比能函数。

36、进一步地，在步骤s403的步骤1中，初始样本群由10～20个样本点组成。

37、进一步地，在步骤s403的步骤5中，迭代次数条件设定为迭代次数达到100～200次。

38、与现有技术相比，该基于贝叶斯约束优化算法的钻井多目标优化方法通过结合现场工程实际，找到易于实现、还原度高的钻井参数优化方法，实现精确、高效的钻井参数优化，得到适用于钻井施工的最优钻压、转速、排量这三个钻井参数，有效满足现场提速需求，为钻井司钻工推荐最优钻井参数组合。