Донецкий национальный технический университет

sergniko@ukrtop.com

Автоматизация проектирования буровых работ проводится с целью сокращения времени на разработку проектно-сметной документации на бурение скважин. Главная цель автоматизации – избавить специалиста-проектировщика от рутинной работы по выбору режимных параметров, начальной конструкции скважины, а сосредоточиться на их оптимизации, на разработке новых, улучшенных технологических решений. Автоматизированная система проектирования не призвана заменить специалиста, но может предложить некий исходный вариант проекта работ. Задача специалиста – проанализировать и оптимизировать данный вариант, применительно к конкретной ситуации, основываясь на данных, которые невозможно учесть на этапе автоматизированного проектирования из-за их нечеткости и не формализованности.

Стадия проектирования бурения скважин, согласно [1], является одним из четырех основных стадий производственного цикла бурения, но бесспорно является самой ответственной, т.к. ошибки на этой стадии ведут к наибольшим потерям. Создание автоматизированной системы проектирования позволит существенно снизить риск ошибки на этапе проектирования.

На данном этапе, автоматизированные системы проектирования уже созданы, но они имеют ряд недостатков:

- практически все подобные системы спроектированы, применительно к условия нефтегазоводобывающей промышленности, а систем для геологоразведочной отрасли нет;

- в связи с этим, теоретическая основа заложенная в данных системах не может быть использована применительно к геологоразведочному бурению.

В связи с этим и возникает необходимости в создании автоматизированной системы проектирования, которая была бы лишена этих недостатков.

Автоматизация должна основываться на формализованной математической модели, четкой логической схеме. Отсутствие такой модели очень затрудняет процесс автоматизации, а также не дает формального обоснования результатов автоматического синтеза, его достоверности.

Необходимо попытаться формализовать данный процесс. Сложность заключается в том, что нет четких критериев по которым можно было бы судить об устойчивости стенок скважины (главного фактора, определяющего необходимость в составлении конструкции) для всех возможных сочетаниях геологического разреза. Имеются лишь некоторые частные случаи, для которых определенно ясно что надо предпринять ( Например: скальные монолитные породы – определенно не обсаживаются; зоны влияния горных выработок, плывуны, верхняя часть разреза (направляющая) – обсаживаются обязательно). В остальных случаях окончательное решение зависит от многих параметров: влияние промывочной жидкости на стенки, влияние механического воздействия на стенки, отрезок времени, в течении которого необходимо поддерживать устойчивость и т.д. и т.п. В реальной ситуации решение принимается на основе знаний эксперта, поэтому результат (конструкция скважины) зависит не только от конкретной геологической обстановки, но и от личности эксперта и его знаний и опыта.

Предлагаемые возможные направления формализации следующие:

1. Использование знаний проектирования систем искусственного интеллекта, в частности, использование баз знаний, механизмов логического вывода, нейронных сетей и нечетких систем.

2. Установка четких критериев и требований к конструкции (Например – интервал пород 2 группы по устойчивости длиной более 100 м крепить, меньше 100м – нет и т.д и т.п.)

3. Ввод некоторой функции времени, которая определяет необходимость закрепления участка скважины (например при достижении определенного критического значения). Функция должна учитывать как свойства породы, так и свойства массива, различные взаимодействия между стенками скважины и средой, а также время сооружения скважины.

Рассмотрим более подробно три выше названных направления формализации.

Как уже было отмечено выше в реальной ситуации конструкция скважины составляется на основании решения эксперта, который основываясь на собственных знаниях принимает решения о целесообразности той или иной конструкции скважины. Данное направление пытается заменить эксперта на некоторую систему, которая используя свои знания (например в виде баз знаний, продукционных правил и т.д.) пытается принять решение по той или иной конструкции скважины.

Использование механизмов логического вывода основано на получения экспертной оценки путем логического вывода результаты используя при этом продукционные правила вида ЕСЛИ … ТО … ИНАЧЕ , либо их модификации.

При использовании нейронных сетей моделируется процесс распознавания, при котором система распознает сложившуюся ситуацию и предлагает решение. Однако при этом возникает ряд проблем:

• сложно правильно подобрать структуру нейронной сети, т.к. формальных методов выбора структуры сети для произвольной задачи на данный момент не существует;
• нейронная сеть, по своей природе, нуждается в, так называемом, обучении, которое необходимо для того чтобы нейронная сеть действительно правильно распознавала сложившуюся ситуацию. При этом не каждая нейронная сеть обучаема, а также процесс обучения может занимать довольно продолжительное время и требовать большого количества информации

Нечеткие множества – это еще одна попытка моделировать логический аппарат человека. Нечеткая логика оперируют нечеткими множествами, т.е. такими понятиями для которого определена вероятность соответствия чего-либо этому понятию. Нечеткий вывод также основан на высказываниях типа ЕСЛИ…ТО…, но отличается способом определения истинности логического выражения. Нечеткая логика оперирует вероятностями, и это позволяет создавать системы, которые при своей простоте обладают большой гибкостью. Для иллюстрации приведем пример.

Имеется емкость с водой, имеется кран, с помощью которого регулируется уровень жидкости. В емкость с разной интенсивностью прибывает вода. Необходимо создать систему которая не позволяла бы емкости переполняться, но при этом уровень жидкости должен поддерживаться.

Для создания нечеткой системы управления достаточно одного правила:

ЕСЛИ уровень жидкости высокий ТО открыть кран.

Однако, составление конструкции скважины и емкость с водой, не совсем одно и тоже. Может возникнуть проблема составления адекватной модели процесса составления конструкции скважины и этот вопрос требует дополнительной проработки. Но все же можно предположить такую схему:

ЕСЛИ породы неустойчивы И интервал достаточно протяженный

ТО обсадить колонной труб

Но тут стоит отметить, что нельзя понимать под породой А какую-то конкретную породу. Даже более того, мощность также может не соответствовать реальной, а соответствовать какой-нибудь эквивалентной мощности, которая в свою очередь может зависеть не только от горно-геологических факторов.

В этом и состоит основная трудность реализации данного направления, так как необходимо определится с выбором главных факторов от которых зависит приведение литологического слоя пород к некой эквивалентной толще, так как эта операция должна быть обоснованной и адекватной.

В случае обоснованности и адекватности вида этой функции позволит дать наиболее четкое решение.

Однако, при этом возникает проблема определения вида функции и главных факторов влияющих на нее. В принципе данную проблеме можно решить основываясь на статистических методах определения вида зависимости в результате проведения научных экспериментов.

Кроме зависимости от времени, функция может зависеть, к примеру, от расстояния от слоя породы до забоя, что в свою очередь позволит учитывать последовательный характер сооружения скважины.

В заключение, хочется отметить следующее: ни один из выше названных способов, по моему мнению, не может с достаточной точностью охарактеризовать процесс устойчивости стенок скважины, за исключением функции устойчивости как функция от времени, но с другой стороны определить вид этой функции может оказаться невозможно. Исходя из этого можно предположить что необходимо использовать комбинацию выше названных методов для достижения оптимального результата.

4. Курсове та дипломне проектування бурових робіт: навчальний посібник / Калініченко О.І., Юшков О.С., Івачов Л.М. та інші: Під ред. Калініченко О.І. – Донецьк: ДонДТУ, 1998. – 153 с.