автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Методы и средства разработки информационного обеспечения для поддержки принятия решений в оперативном управлении процессом бурения скважин

На правах рукописи

. ______________________рГБ ОД

Сафари»и Осама • • _____1

- О И{ин Ш-

Методы и средства разработки информационного обеспечения для поддержки принятия решений в оперативном управлении процессом бурения скважин

Специальность05.13.06-"Автоматизированные системы управления'

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва -2000

Работа выполнена в Российском государственном университете нефти и газа имени И.М.Губкина

Научный руководитель — кандидат технических наук, доцент

Командровский В.Г.

Научный консультант - доктор технических наук, профессор

Левицкий A 3.

Официальные оппоненты — доктор технических наук, профессор

Моисеенко A.C. — кандидат технических наук, доцент Бронзов A.C.

Ведущая организация - СКБ Геофизического приборостроения

и информатики "Ореол"

Защита состоится '49" июня 2000 г. в 1110 часов в аудитории ¡LOS, на заседании диссертационного совета К 053.27.10 при Российском государственном университете нефти и газа имени И.М.Губкина по адресу: 117917, г. Москва, Ленинский проспект, 65.

С диссертацией можно ознакомиться в библиотеке Российского государственного университета нефти и газа имени И.М.Губкина.

Автореферат разослан 2000 г.

Ученый секретарь диссертационного совета, кандидат технических наук, доцент

L

пунцов В.Д.

уцы-яснб^о

I. Общая характеристика работы

Актуальность темы. Оперативное управление процессом бурения скважин требует выбора обоснованного решения из множества возможных, возникающих из-за большого объема получаемых и обрабатываемых данных, и значительного числа проблемных ситуаций. Важное значение при этом имеет информационное обеспечение процесса для возможности эффективного человеко-машинного принятия решения. Усложнение работ при бурении наклонно направленном, горизонтальном, кустовом, на шельфе океана - все это требует адекватного реагирования при оперативном управлении процессом проходки скважины. Осуществление мер во многом зависит от развития соответствующих компьютерных технологий для ведения диалога в интерактивной системе автоматизации управления процессом. На это и ориентирована данная работа.

Цель работы - создание методов и средств разработки информационного обеспечения для поддержки принятия решений (ППР) в оперативном управлении процессом бурения скважин.

Методы исследования. В работе использованы методы и алгоритмы распознавания образов, теории вероятностей, применен аппарат статистического факторного анализа, в частности метод главных компонент, для сокращения пространства признаков, используется математическое обеспечение расчета параметров проектного профиля наклонно направленной скважины, построения траектории ее ствола и контроля за текущим положением забоя скважины.

Научная новизна.

I. Предложен информационный подход к ППР в оперативном управлении процессом бурения (ОУБ) как количественного прогнозирования развития процессов по априори накопленной информации о них как соответствующих классах без непосредственного обращения к сложным математическим

зависимостям.

2. Предложены методы и средства разработки информационного обеспечения для ППР на основе теории и практики распознавания образов по трем группам задач ОУБ:

а) интерактивной оценки информационной значимости компонент бурения;

б) аксонометрическом представлении данных инклинометрии;

в) сегментации данных геолого-технологической информации режимов бурения.

3. Разработаны алгоритмы и программные средства для экспертной интерактивной оценки компонент бурения, выбора наиболее значимых, изменения количества классов компонент, их весов для учета свойств месторождения и технологии, принятия решения по управлению процессом в реальном масштабе времени.

4. Предложены и разработаны на базе существующего математического обеспечения обработки инклинометрических данных программные средства визуализации на экране дисплея аксонометрического представления траекторий проектной и фактической скважин, их поворотов вокруг вертикали, выборов проекций на горизонтальную и вертикальные плоскости, масштабирования выбираемых участков траекторий, изменения значений азимутального и зенитного углов, прогнозирования этого изменения относительно зоны допуска попадания в заданную область траектории.

5. Разработаны алгоритмы и программы сегментации данных ГТИ с возможностями интерактивной оценки качества сегментации, варьирования количества сегментов, представительности, соотнесения с геологическим разрезом, границами пластов, отработки долот, предотвращения аварийных ситуаций.

Практическая ценность. Разработанное информационное обеспечение является инструментом для ППР в сложных многофакторных неформализуемых кибернетических системах с обратной связью, а именно:

при интерактивной оценке информационной значимости факторов бурения, определяемых показаниями наземной аппаратуры, данными телеметрии и

обратной связи;

при оценке обработки данных геолого-технологической _ информации режима бурения дня возможности согласования с картой геологического разреза по уточнению границ пластов, смены долота и др.; при оценке обработки данных инклинометрии для возможностей визуализации и коррекции траектории скважины. Апробация работы. Основные теоретические и практические материалы иссертации докладывались на: научно-технических семинарах кафедры автоматизированных систем управления РГУНГ имени И М. Губкина в 1998-99 гг.; третьей научно-технической конференции 27-29 января 1999 г. "Актуальные проблемы состояния и развития нефтегазового комплекса России". Секция 6. Автоматизация и моделирование технологических процессов, управление и энергообеспечение нефтегазового комплекса;

третьей Всероссийской конференции молодых ученых, специалистов и студентов по проблемам газовой промышленности России 28-30 сентября 1999г. "Новые технологии в газовой промышленности." Секция 7. Моделирование, Автоматизация и управление в газовой промышленности. Структура и объем диссертации.

Диссертация состоит из введения, четырех глав, заключения, выводов,

писка литературы из 82 наименований и приложения.

II. Содержание работы Во введении обосновывается актуальность темы диссертационной работы, ормулируется цель, задачи и методы исследования, дается обзор содержания 1ав диссертационной работы.

В первой главе рассматривается анализ системы оперативного управления роцессом бурения скважин. Приводится анализ информационного и

математического обеспечения систем оперативного управления процессом бурения. Рассматривается система управления процессом бурения скважины как совокупность подсистем (подпроцессов), в каждой из которых образуется "свой" объект управления или управляемый процесс. Объект управления определяется по специфике процесса, требованиям к его организации и критерию оценки уровня организации процесса (известны девять объектов для турбинного бурения:

процесс разрушения горной породы на забое, процесс отработки породоразрушающего инструмента (долота), режим работы забойного двигателя и др.).

Оперативный контроль управляемой системы проводится для получения данных по переменным показателям системы, которые позволяют сопоставить представление об ее состоянии, проследить за происходящими изменениями для сопоставления с прогнозом и получить отклик объекта на предпринятые управленческие воздействия.

Так как по каждому управляемому объекту управления формируются различные показатели: факторы управления, параметры объекта воздействия, характеристики орудия воздействия, показатели обратной связи и т.д. и эти показатели соответствуют определенной информационной значимости контролируемого параметра процесса бурения, то их удобнее объединить под одним названием "Информационная компонента" (ИК). Из общей массы выделяются две совокупности ИК: факторы управления и показатели обратной связи.

Конкретный анализ каждого объекта управления позволяет установить общую картину распределения ИК по объектам управления в буровом процессе. В табл. 1 включены данные об участии в девяти объектах управления для турбинного бурения 14-ти из 42-х ИК (ИК как факторы управления по показаниям наземной аппаратуры и показаниям телеметрии). Выбор информационных компонент зависит от конкретных условий бурения

скважины, а также от сложности решаемых управленческих задач и от оценки степени риска.

Табл. I

Информационные компоненты процесса бурения и их значимость

Информационные компоненты, ИК Объект управления, к Информац. значимость ИК

123456789

По показаниям наземной аппаратуры

1 -нагрузка на долото 1110 0 10 0 0 28 19 7004 000 45 58

2-частота вращения ротора 110 0 0 10 0 1 II 19 0004 00 5 41 39

3-интенсивность подачи раствора 11111110 0 11 4 13 16 13 1 6 0 0 76 64

4-вешественный состав бурового раствора 111111110 644931 660 85 39

5-плотность бурового раствора 111110 110 17 47950 14 50 80 6)

6-реологические свойства раствора 0 0 1110 10 0 004 13 80600 40 31

7-показатель фильтрации 10 0 10 0 0 1 0 11 00900080 40 28

8- вещественный состав и РН фильтрата 10 0 10 0 0 10 11 00900080 40 28

9-температура бурового раствора 0 10 0 0 0 0 10 040000030 22 7

Ю-смазывающие свойства раствора 0 10 0 0 10 0 1 040008005 23 17

1 1-гранулометрический состав наполнителя в буровом растворе 000000 100 000000 10 00 9 10

По данным телеметрии

12- нагрузка на долото 10 0 0 0 0 0 0 1 28 00000002 23 30

13-интенсивность потока в долоте 0 0 0 10 0 0 0 1 000 13 00400 18 17

14-осевая нагрузка в бурильной колонне на УБТ 0 0 0 0 0 10 0 1 000004002 10 6

Экспертный ряд коэффициентов Щ группового участия информации по объектам управления (умноженные на 100). 18 13 9 13 9 5 9 9 5

Эффективность оперативного управления процессом бурения зависит от

уровня информационного обеспечения. Общий уровень информационного )беспечения определяется по методике, которая позволяет установить информационную значимость каждого контролируемого параметра или ИК в

отдельности. Исходя из вышеизложенного поставлена задача создания методов и средств разработки информационного обеспечения для поддержки принятия решений в оперативном управлении процессом бурения скважин, которое должно включать:

1) поддержку процедур интерактивной оценки информационной значимости показателей бурения;

2) поддержку процедур обработки (сжатия и классификации) данных проходки скважины, подтверждающих геологоразведочные данные, например, по отметкам отработки долот;

3) поддержку процедур визуализации траектории проходки скважины и возможностей рекомендаций для ее коррекции при оперативном управлении.

Во второй главе проводится анализ информационных компонент оперативного управления процессом бурения, степень участия каждой из них, их вес, важность в оценке объекта управления с учетом коэффициентов группового участия информации по объектам управления, полученных экспертным путем (см. нижнюю строку табл. 1). В столбце 3 табл.1 представлены значения (умноженные на 100) информационной значимости /?,-каждой ИК„ /=1,2,..., 14, оценен по формуле:

При автоматизированной обработке экспериментальных данных наиболее общей является ситуация, требующая для окончательного решения как новых данных, так и коррекции субъективных представлений о сущности искомого результата, то есть подмножеств - образов как количества частей, на которое разбивается исходное множество. Именно последнее и требует введения диалога в той или иной форме. Для поддержки диалога и принятия решений и применены алгоритмы распознавания образов.

9

(1)

где ИКл =

1, если ИКЛ является параметром к-ого объекта управления, 0, в противном случае.

Ниже приведены результаты приложения распознавания образов к исследованию процесса бурения.

На рис. 1 показана классификация объектов (факторов) как информационных компонент ИК по одному параметру - числу, скаляру. В табл.2 дано разбиение по мере близости ('„ = ]/>, - р11, где /,/= 1,...,14.

Группировка компонент ИК на рис. 1, где по оси абсцисс отложены значения информационной значимости ИК, а по оси ординат - номера ИК по классам отчетливо просматривается. И результаты работы примененного здесь алгоритма классификации это подтверждают: области классов на рис. 1 обведены сплошными линиями для четырнадцати компонент классификации.

Рис. 2 несколько в иной форме, не графической, а "матричной" представляет те же результаты классификации №0 по их информационной значимости с учетом экспертных данных столбца 3 табл. 1. Представленная на рис. 2 матрица получена из исходной матрицы ||С>||, где С\ =\р, -Р,\>

1^=1,..., 14, а р„ р, вычислены по (1) перестановкой столбцов матрицы согласно разделению элементов на три класса и "сжатием" столбцов каждого класса в один. Элементами такой "диагональной" матрицы, точнее "квази-диагонапьной матрицы, являются: в диагонали - числа, являющиеся оценками внутриклассовых близостей объектов - элементов матрицы ||СУ||, а недиагонапьными - оценки межклассовых близостей (удаленностей).

Суть алгоритма состоит в том, что происходит выделение эталонных объектов классов, как наиболее удаленных, а оставшиеся объекты распределяются по этим эталонам как наиболее к ним близкие.

Таким образом, классификация позволяет иметь множество вариантов, способствовать нечеткому выводу, который соответствует нечеткой (размытой) природе самой сути процесса бурения и управления им. Табл.2 как раз и показывает возможность проверки устойчивости классификации внутри данной меры близости объектов за счет варьирования, в общем нечеткого вычисления меры близости (в столбце 2 табл.2 даны три значения этой меры - 76,75,71).

|% и 12 13 2 Ф-

10

Ч

Ч #.............•

9 10

11 14 13 12

С учетом данных эксперта 1

14911

8 12 6

С учетом данных эксперта 2

"Г

Ч-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-(—

10 20 30 40 50 60 70 80 90 100

области классов без применения МГК

области классов по первому собственному вектору МГК

о

■

Рис. 1. Классификация информационных компонент по их экспертной значимости в оперативном управлении процессом бурения

Номер I

класса 1 2 3

Рис. 2. "Диаголализация" матрицы сходства

Табл. 2

Результаты классификации информационных компонент по их значимости

Наиболее удаленные классы Общее число Номера классов - Номера ИК классов

Эталоны Удаленность классов эталонов

1 2 3 4 5

4 3,5,4

5 -11 71 3 2 11 6,7,8,2,1 11,14,12,13,9,10

4 3,4,5

4-11 76 4 11 1 10 11,14 1,2,6,7,8 9,10,12,13

4 4

14 11,14

4-14 75 5 1 10 3 1,2,6,7,8 9,10,12,13 3,5

Разбиение в табл.2 можно производить также по мере близости

(2)

»-I

Реакция объекта управления может позволить выработать классификацию, более адекватную процессу и объекту управления, благодаря наличию обратной связи в схеме управления. Классификация множества ИК по их информационным значимостям позволяет:

□ принимать управляющие решения при оперативном управлении процессом бурения нефтяных и газовых скважин;

□ изменять управляющие воздействия на объекты управления;

о отслеживать и прогнозировать аварийные ситуации в процессе бурения;

□ переоценивать по результатам или показателям процесса бурения значимость каждой ИК, качество классификации и др.

Система классификации становится адаптивной. Возможен набор вариантов для выбора решения, управляющих воздействий на процесс в силу их корреляции, дефицита ресурсов и других причин.

С помощью разработанного программного продукта проведена классификация информационных компонент оперативного управления процессом бурения скважин по данным табл. 1.

Каждая ИК, в общем характеризуется векторно, т.е. своим набором из девяти параметров согласно столбцу 3 табл.1. Меры сходства, (ряд которых указан в табл. 3), учитывают это обстоятельство.

Анализ результатов применения различных мер сходства показал, что

- в своем большинстве, несмотря на различия меры, дают относительно устойчивое соотношение между объектами, т.е. классы образуются идентичным, похожим образом;

- некая обобщенная (скалярная интегральная) характеристика объектов, усредненная по количественным их экспертным значениям признаков, может давать классификацию, (существенно) отличающуюся от классификации с

учетом векторного характера объектов. Для оценки или уменьшения этого расхождения можно рекомендовать варьирование весов объектов, признаков и показателей последних дифференцированно по каждому из объектов.

--------Такое варьирование было^сделано с помощью так называемых "сводных"

экспертных данных, что показало лучшую корреляцию с классификациями факторов как векторов.

Все представленные в табл.3 способы расчета коэффициентов связности (близости) объектов предназначены для различных типов признаков: качественных, количественных и комплексных. Количественные методы расчета (меры сходства) реагируют на конкретные признаки объектов. Например, изменяя нагрузку на долото, мы тем самым воздействуем на объекты управления: процесс разрушения горной породы на забое, процесс отработки породоразрушающего инструмента, режим работы забойного двигателя и режим работы бурильной колонны. Для качественных методов важным показателем является наличие или отсутствие признака (фактора участия объекта в процессе бурения) - единица или нуль. Например, для объекта управления "Очистка забоя от шлама" важными являются: интенсивность подачи раствора, его вещественный состав, плотность, реологические свойства раствора, показатели фильтрации, вещественный состав фильтрата, а также интенсивность потока в долоте.

Отличие в результатах (при использовании представленных методов) зависит еще от того, что каждая мера сходства имеет свою чувствительность к данным, то есть по разному реагирует на веса признаков (экспертный ряд коэффициентов). В одних мерах сходства веса признаков имеют большое влияние, а в других нет. А в рассмотренных выше методах эта чувствительность к данным приблизительно одинакова.

При анализе результатов классификации ИК методами 1, 3 и 4 из табл.3 (при разбиении на три класса) получены результаты:

• класс 1: нагрузка на долото, интенсивность подачи раствора, вещественный состав бурового раствора, плотность бурового раствора, реологические свойства раствора, показатель фильтрации и вещественный состав фильтрата;

• класс 2: гранулометрический состав наполнителя в буровом растворе;

• класс 3: частота вращения ротора, температура бурового раствора, смазывающие свойства раствора, нагрузка на долото, интенсивность потока в долоте и осевая нагрузка в бурильной колонне.

Из классификации ИК следует, что влияние на какую-либо ИК в процессе бурения вызывает воздействие и на остальные ИК данного класса (отображается коэффициентом внутриклассовой близости), и не оказывает особого влияния на ИК других классов (отображается коэффициентом межклассовой близости). Например, изменение плотности бурового раствора влияет и на интенсивность подачи раствора, вещественный состав бурового раствора, реологические свойства раствора, показатель фильтрации и вещественный состав фильтрата. Но в тоже время не будет оказано особого влияния на гранулометрический состав наполнителя в буровом растворе, а также на частоту вращения ротора, температуру бурового раствора, смазывающие свойства раствора, нагрузку на долото, интенсивность потока в долоте и осевую нагрузку в бурильной колонне. Таким образом, используя классификацию ИК, можно узнать, какие ИК в процессе бурения оказывают друг на друга воздействие, а какие нет; тем самым появляется возможность оперативного управления процессом бурения скважин.

На рис.1 приведены также результаты классификации по первому собственному вектору, т.е. по первой главной компоненте матрицы сходства, для тех же булевых векторов ИК табл. 1.

Классификации без МГК с учетом экспертных данных (см. табл. 1) и по первому собственному вектору для М=3 совпадают примерно на 71%, без учета веса, значимости каждого класса или веса ИК.

Табл. 3

Результаты классификации по разным мерам сходства

Формула меры сходства Разбиение информационных компонент

___Класс №1_____ Класс №2 Класс №3

1) Я" , Я, + я, - яи 1,3,4,5,6,7,8 11 2,9,10,12,13,14

2) ♦ * 1 5,3,4,6,7,8,9,11 14,13 2,1,10,12

3) ^ 1,3,4,5,6,7,8 11 2,9,10,12,13,14

4) ^ 2 Ии+К, 1,3,4,5,6,7,8 11 2,9,10,12,13,14

5) 5,3,4,6,7,8 1 14,2,9,10,11,12 ИЗ

1 5,3,4,6 14,9,10,11,13 1,2,7,8,12

7) I к 3,1,4,5 14,2,10,12 13,6,7,8,9,11

8) 2 К к 3,1,2,4,5 14,9,10,11,12 13,6,7,8

9) - °г1<т, 5,4,6,7,8,9,11 14,2,10,12,13 3,1

10) С„ + г г 5,3,4,6,7,8 14,2,9,10,11,12, 13 1

Если же учесть вес ИК„ ее значимость, то этот процент совпадения озрастет: 80% для М=3. Аналогичные сравнения результатов с учетом

сводных данных эксперта 2 дают худшие оценки: 50% для М=3 (эти "сводные" экспертные данные дают вес каждому элементу булевой матрицы табл.1).

Подтверждением сказанному могут служить и высокие значения меры сходства между первым собственным вектором и экспертными данными. Так по коэффициентам взаимной корреляции 11(['К1-Э1) = 0.896 и Н(1'К!-Э2) -0.707, где ГК1-первая главная компонента матрицы корреляций И К, как булевых векторов; Э1,Э2 - информационные значимости //Л", по оценкам экспертов 1 и 2 соответственно.

В то же время корреляция между значимостями ИК по оценкам экспертов 1 и 2 составляет К (Э1 -Э2)=0.833. Расхождения результатов определяются тем, что в отличие от экспертного ряда (эксперта 1 в нашем обозначении) коэффициентов % группового участия информации по объектам управления каждый коэффициент И^ для эксперта 2 есть вектор, компоненты которого соответствуют определенным ИК (см. табл.1). Отсюда следует, что каждая ИК1 представляется не булевым вектором по девяти объектам управления и, следовательно, матрица сходства ./?, по которой должны определяться собственные числа и векторы в МГК, другая, " своя". Возможность задания множества ИKi не булевыми векторами предусмотрена в программных средствах.

В третьей главе изложены методы и средства обработки, представления, интерпретации оперативных инклинометрических данных бурения. Правда, напрямую методы распознавания не приложены к задачам обработки данных инклинометрии. Однако введение этих задач вытекает, с одной стороны, из желания более полного охвата задач бурения и важности в связи с ростом "интереса" особенно к наклонно направленному и горизонтальному бурению. С другой стороны, оценка результатов фактической проходки - это тоже классификация, оценка ситуации как важнейшая часть принятия решения.

В связи со сказанным, на базе использования основных методов и математических зависимостей для расчета предельных значений азимутальных

и зенитных углов предложены методы и средства построения проектной и фактической траеетории скважин в пространстве, вертикальной и горизонтальной плоскостях, их просмотра с разных сторон, изменения данных для варьирования в реальном масштабе времени, а значит и для прогноза траектории, оперативного принятия управленческих решений.

Процесс получения данных о пространственном положении ствола скважины включает два этапа: получение первичной инклинометрической информации с помощью различных технических средств и обработку этой информации, причем роль обработки достаточно высока. Основная задача обработки - определение положения ствола скважины, причем, соответствующим выбором метода расчета можно повысить точность результата при том же числе точек измерений. Существует ряд математических методов построения траектории ствола скважины по данным инклинометрических измерений. Однако задачи обработки значительно шире.

Задачи оперативного контроля тесно связаны с задачами проектирования оптимального профиля, а также с задачами оперативного управления процессом проводки наклонно направленной скважины. По существу контроль и управление можно рассматривать как две подсистемы единой системы контроля и управления процессом проводки.

Предлагаемые в данной главе методы и средства позволяют решать следующие задачи обработки инклинометрической информации и задачи проектирования:

- ввод параметров проектного профиля;

- расчет проектного профиля скважины;

- ввод, упорядочение и слияние массивов измерений, полученных при многократных замерах;

- накопление информации по скважинам;- контроль за текущим положением забоя скважины;

- построение горизонтальной и вертикальной проекций скважины;

- построение траектории ствола скважины в пространственных координатах (х. у. z);

- сравнение фактической траектории ствола скважины с проектной и выявление опасных отклонений от проекта;

- рекомендации по зенитному углу и азимуту для соединения прямой линией достигнутого забоя скважины с проектным;

- выдача отчетов.

Для выполнения проектного задания на строительство скважины, т.е. для приведения ствола скважины по проектной траектории с выходом в заданную точку вскрытия продуктивного пласта с минимальным отклонением, технолог должен иметь возможность непрерывного наблюдения за изменением фактической траектории ствола скважины и отслеживать ее отклонения. Имея такую возможность, технолог сможет вырабатывать своевременные управленческие решения и на его основе произвести требуемое управленческое воздействие на объект управления - процесс бурения.

Разработанная программа в среде Delphi позволяет изобразить фактическую и проектную траектории скважины, как в проектировании на вертикальную и горизонтальную плоскость, так и в аксонометрии (пространственное представление), рассчитать параметры необходимые для осуществления контроля за проводкой скважины, осуществлять сбор, хранение и представление информации.

Структура модуля интерпретации данных инклинометрии состоит из трех модулей: модуль ввода исходных данных; модуль алгоритмических расчетов; модуль вывода информации.

К окнам графической интерпретации относится (рис. 3);

К информационным окнам относится главное диалоговое окно (рис. 4);

фактический профили и планы скважины

■■намжвашййимипм

РК68ВЖ вгадеяре язекжта*

ЙТмПГ'ГшГВПИДиТГЛГГ!

аявмбгетииййжэа _ щия ими» авалжм!

шшшшм&гззш!

Р«оаот%» си «абм ао аду*, м. ..

Рфсгг<т*я ог прооигмнеА прсищм мбоя

........ ..............-

«о 6* мот о к^ля по Мкм

мо цаипм «ци фг* по им мбм аодммго«р«ЯАСу| помиу^мДв»

«*внп» «яг* ........

пэ ¿оай 17,4/6

319 20173 17£/

319 лззе 177ЬЗ

313 20 «£ 18115

лч /0 913 «Л

319 л м 19(^4

319 г! 19К4

Л 9 г» 19413

319 22 719 19 843

319 го 145

319 О» 20 776

319 24 ЗЫ ¿и«

319 251 21.923

ЛЗ лея 22568

Л 9 Л5тв /1/14

319 27 п 1

319 29 795 Л15

319 29534 25795

319 Я2П 26441

235 30 047 26.7Е2

235 79596 2740«

ГЛ /9144 /8 046 —

235 Л 691 28 6Яв

Рис. 4. Окно отображения исходных и рассчитанных параметров

пространственного положения скважины

В четвертой главе изложены методы и средства информационного обеспечения поддержки принятия решений по данным геолого-технологической информации (ГТИ) режима бурения, сжатия данных режима бурения, повышение интерактивности обработки и представления ГТИ в оперативном управлении процессом бурения, алгоритмизация сегментации данных ГТИ, программный продукт, результаты обработки ГТИ.

При классификации ГТИ можно говорить о сегментации с конечной целью принятия оперативных управленческих решений при бурении, прогноза начала или завершения интервала, отслеживания и прогноза смены продолжительности работы долота, оценки степени износа бурового инструмента, предотвращения аварийных ситуаций, поломки оборудования и др.

Результаты предлагаемой сегментации позволяют отражать геологическую картину по глубине скважины. Предлагаемые методы ориентированы на интерактивную интерпретацию сегментации и сжатия данных и на возможность дополнительных уточняющих повторов, проводимых в нужном направлении, и варьирования. Это связано с разбиением данных на сегменты, уточнении их по выделенным эталонам двумя, в общем существенно разными, методами:

отдельно по каждой каротажной кривой с последующим совмещением их для окончательной сегментации;

получение предварительно "интегральной" каротажной кривой и ее сегментации.

Из мер сходства, рассмотренных в табл. 3, выбираются "показатели расстояния", подобные расстоянию по Хеммингу и евклидову, как наиболее распространенные. Признаками, описывающими показатели расстояния в данном случае, будут являться амплитуда и глубина, а мерами сходства-функции от них или как аналоги расстояния по Хеммингу или евклидову. - произведение или модуль разности амплитуд;

- произведение модуля разности амплитуд на разность глубин;

- произведение модуля разности амплитуд на квадрат разности глубин;

При этих методах сегментации количество сегментов, меры и функции их получения-могут варьироваться _с возможностями представления областей сегментов, их эталонами с указанием границ, пересечений и т.п., практически близко к тому как это принято сейчас при обработке нечетких множеств, поскольку меры сходства объектов, классов есть значения функции принадлежности.

Основные результаты и выводы

В данной диссертационной работе получены следующие результаты:

1. Анализ информационных систем поддержки принятия решений (ППР) в оперативном управлении процессом бурения (ОУБ) показал необходимость разработки методов и средств создания информационного обеспечения интерактивной оценки.

2. На основе теории и практики распознавания образов предложены методы и средства разработки информационного обеспечения для ППР по трем группам задач оперативного управления бурением:

а) интерактивной оценки информационной значимости компонент бурения;

б) аксонометрическом представлении данных инкпинометрии;

в) сегментации данных геолого-технологической информации режимов бурения.

3. Разработаны алгоритмы и программные средства для экспертной интерактивной оценки компонент бурения, выбора наиболее значимых, изменения количества классов компонент, их весов для учета свойств месторождения и технологии, принятия решения по управлению процессом в реальном масштабе времени.

4. Предложены и разработаны на базе существующего математического обеспечения обработки инклинометрических данных программные средства

визуализации на экране дисплея аксонометрического представления траекторий проектной и фактической скважин, их поворотов вокруг вертикали, выборов проекций на горизонтальную и вертикальные плоскости, масштабирования выбираемых участков траекторий, изменения значений азимутального и зенитного углов, прогнозирования этого изменения относительно зоны допуска попадания в заданную область траектории.

5. Разработаны алгоритмы и программы сегментации данных ГТИ с возможностями интерактивной оценки качества сегментации, варьирования количества сегментов, представительности, соотнесения с геологическим разрезом, границами пластов, отработки долот, предотвращения аварийных ситуаций.

6. Разработаны средства для создания информационного обеспечения:

а) БД для хранения параметров проектного профиля скважины, данных инклинометрических измерений и расчетов;

б) программа в среде Delphi для расчета параметров проектного профиля, отображения проектной и фактической траекторий в вертикальной и горизонтальной плоскостях и в пространстве, для записи и коррекции данных профилей в БД, вывода данных измерений и расчетов на печать, и расчетов предельных значений азимутального и зенитного углов;

в) программа в MS Excel для расчета значений сегментов данных ГТИ режима бурения;

г) программа в среде Visual С++ для классификации и оценки информационной значимости факторов бурения.

7. Разработано и отлажено программное обеспечение вышеперечисленных работ для компьютерного учебного класса кафедры АСУ РГУ нефти и газа им. И.М. Губкина.

По теме диссертации опубликованы следующие работы:

1. Левицкий А.З., Командровский В.Г., Сафарини О. Об автоматизации оперативного управления бурением скважин. Научно-технический журнал

Чвтоматизация, телемеханизация и связь в нефтяной промышленности", Га 3-4, 1999.-с. 2-8.

2. Командровский В.Г., Сафарини О. О классификации информационных змпонент оперативного управления процессом бурения. - Тезисы докладов

•ей научно-технической конференции "Актуальные проблемы состояния и «вития нефтегазового комплекса России". - М., 1999. - с. 43.

3. Сафарини О. Обработка данных измерений в газовых скважинах. -езисы докладов 3-ей Всероссийской конференции молодых ученых, тециалистов и студентов по проблемам газовой промышленности России 1овые технологии в газовой промышленности". - М., 1999. - с. 29.

4. Левицкий А.З., Командровский В.Г., Сафарини О. О методах и >едствах разработки информационного обеспечения для оперативного травления бурением. Научно-технический журнал "Автоматизация, :лемеханизация и связь в нефтяной промышленности", № 3,2000. - с. 7-11.