一种钻井事故预警方法及系统与流程

技术特征：
1.一种钻井事故预警方法，其特征在于，包括以下步骤：s1：采集钻井施工过程中的多维时序数据；s2：将多维时序数据输入多因子htm钻井事故预警模型，计算原始异常分数，确认输入能够被预测及不能被预测的时间段；s3：对不能被预测的时间段计算异常似然分数l
t
；s4：对异常似然分数l
t
进行阈值化处理，并通过阈值进行决策。2.根据权利要求1所述的钻井事故预警方法，其特征在于，所述步骤s1中多维时序数据获取的具体步骤如下：s11：采集钻井施工过程中的传感器的多维时序关键征兆数据；s12：在时刻t采集到的关键征兆数据集合记为向量x
t
；s13：将在不同的时刻采集到的关键征兆数据集合进行汇总获取连续的多维数据流：
…
,x
t
‑2,x
t
‑1,x
t
,x
t 1
,x
t 2
,
…
。3.根据权利要求2所述的钻井事故预警方法，其特征在于，在步骤s12中的关键征兆数据包括扭矩、转盘转速、大勾载荷、大勾高度、泵压。4.根据权利要求3所述的钻井事故预警方法，其特征在于，所述原始异常分数s
t
的计算公示如下：其中，s
t
为原始异常分数，π(x
t
‑1)为htm网络内部状态向量，a(x
t
)为向量x
t
的稀疏二值编码。5.根据权利要求4所述的钻井事故预警方法，其特征在于，步骤s2中，所述原始异常分数s
t
的范围为0≤s
t
≤1，其中，0表示时刻t的输入能够被完美地预测，1表示时刻t的输入完全不能被预测，区间内的值反映了输入和预测之间的相似度；通过设定预测值，将相似度与预测值进行比较，评估是否能够被预测。6.根据权利要求5所述的钻井事故预警方法，其特征在于，所述异常似然分数l
t
的计算公式如下：其中l
t
为异常似然分数，q为高斯尾部概率函数，为短期平均值，μ
t
为样本均值，σ
t
为标准差。7.根据权利要求6所述的钻井事故预警方法，其特征在于，所述短期平均值的计算公式如下：其中，为短期平均值，s
t
‑
i
为t
‑
i时刻的异常分数，w’为短期平均值的窗口长度。8.根据权利要求7所述的钻井事故预警方法，其特征在于，所述标准差σ
t
的计算公式如
下：其中，σ
t
为标准差，s
t
‑
i
为t
‑
i时刻的异常分数，μ
t
为样本均值，w为计算均值的窗口长度，w>>w’。9.根据权利要求1至8任一项所述的钻井事故预警方法，其特征在于，所述异常似然分数l
t
的范围为0≤l
t
≤1，所述阈值的范围为0.8≤阈值≤1。10.一种钻井事故预警系统，其特征在于，包括依次通信连接的用于对历史数据进行学习后对当前时刻数据进行预测的预测模块、用于对当前时刻数据进行异常分析的异常程度分析模块、用于将异常程度分析模块的分析结果与阈值进行比较后判断系统是否正常的阈值决策模块。

技术总结
本发明涉及钻井事故预警技术领域，更具体地，涉及一种钻井事故预警方法及系统，其中一种钻井事故预警方法，包括以下步骤：S1：采集钻井施工过程中的多维时序数据；S2：将多维时序数据输入多因子HTM钻井事故预警模型，计算原始异常分数，确认输入能够被预测及不能被预测的时间段；S3：对不能被预测的时间段计算异常似然分数L


技术研发人员：刘书杰 张万栋 罗鸣 李炎军 彭巍 陈江华 吴江 董钊 韩成
受保护的技术使用者：中海石油（中国）有限公司海南分公司 中海石油（中国）有限公司湛江分公司
技术研发日：2021.07.27
技术公布日：2021/11/23