長期以來，盡可能快地進行鉆井作業一直是衡量作業表現的關鍵指標之一。如果一個鉆井承包商和一名作業方能夠提前一小時甚至幾分鐘完成油井的鉆探工作，那么這口油井就會被認為是成功的。然而，隨著該行業所鉆探油井的地質條件變得更加復雜，多區域開發和平臺式鉆井應用變得愈發普遍，并且在資金更為緊張的經濟環境下生產時間安排也更加緊湊，井眼位置的精準度正成為衡量成功與否的一個同樣重要的指標。數字化和自動化工具幫助該行業提高了鉆井作業以及資產開發與管理其他領域的效率。
 
人工智能和數字技術提高了行業在最佳地質條件下精確定位井眼的能力，同時還減少了天數和深度特別是在油井定位精度方面，數字化資源正助力各公司縮小定向井井筒軌跡周圍的不確定性范圍，降低井筒碰撞風險，并使鉆井人員和作業方能夠避免井下出現代價高昂的錯誤。斯倫貝謝油井建設部門的數字化地下領域負責人丘克斯?阿克佩尼表示：“當我們談到優化井筒時，我們說的是幾個要素的融合：實時軌跡的精度、執行情況以及對油藏特征的了解。”他說：“當能夠實現這些要素的技術相互整合時，我們就能兼收并蓄，兩全其美。歸根結底，這正是我們努力的方向。必須清楚地認識到，鉆井、油藏評估、地質學和地球物理學等不同學科的技術正在融合。我們把這些技術整合在一起，以確保客戶能最大程度地提升資產性能。”然而，即便該行業致力于降低井筒定位的不確定性，快速完井的需求依然存在。作業方仍在尋求縮短鉆井時間，并在此過程中降低成本。
 
自動化和數字化技術有助于同時實現這兩個目標——即使有時用于優化定位精度的系統會以犧牲機械鉆速（ROP）為代價，但它們仍可通過減少非生產時間（NPT）和總井下作業天數，幫助作業方將井下作業時間降至最短。這些效率的提升能為每口油井節省大量成本。休斯敦石油公司產品管理總監托德?福克斯說：“歸根結底，我們知道對客戶來說最重要的是時間。時間就是金錢?？s短達到一定深度所需的天數，減少在井眼彎曲段花費的時間，并且能夠將套管下至井底。所以，我們的客戶非常清楚，不會一味追求瞬時機械鉆速。他們追求的是使油井達到一定深度所需的天數最少。我們的很多合同都包含業績考核要素，因此我們與客戶緊密配合，使用能夠幫助將達到一定深度所需天數減至最少的技術。”鉆井人員和服務提供商都一致認為，在優化井筒方面，人仍將發揮重要作用，提供寶貴的見解。
 
自動化系統可以進行那些常常會導致人為失誤的重復性計算和測量，但人們依然掌握著這樣的經驗知識：在特定地質條件下，底部鉆具組合（BHA）可能會有怎樣的表現，或者在遇到特定異常情況時該如何應對。將這些知識融入到自動化程度日益提高的井下環境中，將有助于鉆出更精準的井筒。MS定向鉆井公司的定向協調員亞歷克斯·根森說：“每個系統都不一樣，但如果你試圖讓任何事情實現自動化，就需要制定規則。要是你的規則不合理，那么系統就不知道該怎么做。自動化系統無法預測在500英尺外會出現什么情況。它還達不到那種具有直覺的程度。輸入的是無用信息，輸出的也必然是無用信息。定向鉆井工人憑借經驗能預見到某些事情可能會發生，即便從數據上看說不通，而且他們知道該采取怎樣的行動。”

 
利用自動化整合不同學科領域
 
阿克佩尼先生將當前優化井筒定位所面臨的挑戰描述為實現“實時地融合軌跡精度、作業執行以及對油藏特征的理解”。在過去幾年里，SLB一直專注于最大限度地發揮數字化和自動化能力，以幫助行業更好地了解特定油田的地質情況，并盡量減少在井筒定位方面對人工干預的需求，從而為作業方節省時間和成本。這些努力的核心是該公司在2022年推出的Neuro自主解決方案系列。該系列中的首個系統——自主定向鉆井系統，運用了建立在地面和井下自動化工作流程中的人工智能算法，能夠自行確定導向順序。Neuro鉆井自主解決方案由四個獨立的子系統組成：一個地下情況分析顧問系統，它對地下數據進行解讀，從而生成油藏的全面可視化圖像；一個定向鉆井顧問系統，它利用地下情況分析顧問系統的解讀結果，為井筒推薦最佳軌跡；一個智能井下系統；以及一個地面咨詢系統。在鉆井過程中，這四個子系統相互結合，實現定向控制的自動化。
 
阿克佩尼先生說：“我們這樣做是為了更好地了解地質結構。我們利用機器學習來進行模型訓練，這意味著，當我們運用物理方法來識別不同的地質層時，我們的全局模型以及為特定油井所使用的局部模型，將幫助我們在解讀過程中得出最高水平的準確度和精確度。這是一個讓我們對油藏測繪和解讀充滿最大信心的系統，它有助于提高我們井筒定位的準確性。”在使用旋轉導向系統（RSS）時，智能井下系統和地面咨詢系統特別有用。傳統上，使用旋轉導向系統進行鉆井需要人工操作，其中包括反復執行指令序列來控制井眼彎曲軌跡。這個指令序列通常包含定向鉆井人員在地面進行的多次干預操作以及關于導向力、工具面方位和測量數據的下行鏈路傳輸。然后，工具數據會反饋到地面，以便對指令進行調整。阿克佩尼先生表示，這個過程，也被稱為控制循環時間，可能需要幾分鐘才能完成。
 
通過在Neuro自主定向鉆井系統中實現下行鏈路的自動化，這個過程可以瞬間完成。他說：“下行能力傳輸實際上就是信息傳遞。當你實現了它的自動化，信息會在需要的時候自行觸發，而且系統知道何時需要在油井方向上對指令做出改變，以及改變到何種程度、持續多長時間。下行鏈路傳輸將車載計算機與井下工具連接起來，為我們在確定軌跡位置時提供了更高維度的精度。”自動下行能力的另一個好處是，它減少了鉆井過程中所需的下行數量。例如，中東的一家運營商在2022年使用Neuro系統自動鉆了一口井，井斜度為22°至90°，井身曲線段為2500英尺，水平段為5400英尺。Neuro系統最大限度地減少了滿足所有主要目標所需的下行命令的數量。對于這口井，作業者鉆了61/8-in。從測量深度9417到總深度14828英尺的水平段，平均每258英尺發送一個下行鏈路。與未使用該技術的鄰井相比，下行鏈路之間的平均長度增加了36%。
 
此外，Neuro系統將井底下行所需時間減少了80%以上，使整口井的總時間僅為10分鐘。去年，SLB在Neuro解決方案系列中增加了自主地質導向功能，這是一種閉環系統，能夠實時整合和解讀地下信息，以自動引導鉆頭穿過油藏的“最佳位置”，即油藏中產量最高的層位。在常規的地質導向作業中，地質學家手動解釋地下數據以確定井目標，更新井計劃和井眼軌跡，并將此計劃傳達給定向鉆工。Neuro系統可以自行完成所有這些工作，有效地消除了人為干預地質導向的需要，減少了完成地質導向軌跡改變所需的時間。去年，在厄瓜多爾，SLB在ShayaEcuador的一口陸上井中部署了Neuro自主地質導向系統，鉆出了2392英尺的水平段。在這次作業中，Neuro系統完成了25次自動地質導向軌跡變化，每次解釋和決策周期平均耗時22秒。
 
導向鉆頭
 
盡管在休斯敦石油公司優化井筒定位的工作中，自動化也占據著重要地位，但該公司認識到，人的主觀判斷同樣不可忽視。福克斯先生指出，自動化系統仍無法完全取代鉆井工人的直覺和洞察力。?？怂瓜壬f：“歸根結底，沒有什么能替代經驗豐富的人對某些關鍵點的判斷，因為一旦我們判斷失誤，代價將極為高昂。在油井作業的不同階段，不同的技術需要人工進行適度干預，而在某些階段則需要更多的人為操作。我們仍然無法完全洞察井下的所有地質情況，而這種不確定性依然難以克服。”該公司的鉆頭導向系統（BGS）旨在在井筒作業中實現人工洞察力與機器洞察力之間的平衡。BGS是一種認知計算系統，能夠針對傳統的彎式馬達定向鉆具組合做出導向決策。?？怂瓜壬f：“鉆頭導向系統是邊緣計算與遠程云計算的結合，以便做出最優決策。它會進行所有的數學運算，并分析每一種不同的井筒軌跡，從而得出結論：實際上，從各方面來看，某一種井筒軌跡是最合理的。一旦達到特定深度，它就會指示你進行滑動操作，讓特定的工具面保持一定的英尺數。”該系統將隨鉆測量（MWD）供應商獲取的定向測量數據錄入電子數據記錄儀（EDR），并生成一種數據傳輸流，可通過兩種方式之一將其傳送給鉆機。一種方式是在井場部署一臺計算機和通信設備，然后將其接入所需的WITS0數據傳輸流，并通過為休斯敦石油公司平板電腦設置的Wi-Fi網絡顯示輸出結果。另一種選擇是通過WITSML協議從電子數據記錄器供應商處將數據傳輸至H&P遠程指揮中心，信息在那里被輸入到一個專用集線器中。
 
數據被傳送到鉆機后，會先進行分析，然后輸出計算結果，這些結果會通過瀏覽器選項卡再傳回電子數據記錄器，并顯示在儀表板上，同時給出后續的導向或旋轉指令。隨后，BGS內的人工智能和機器學習算法會計算出能以最短時間到達目標的井眼軌跡。BGS可與休斯敦石油公司的自動滑動軟件配合使用，以實現對地面設備和可轉向泥漿馬達的自動化控制。不過，?？怂瓜壬硎荆幢阌辛诉@種自動化功能，BGS的設計初衷是作為對操作人員和定向服務供應商的輔助工具，而不是在整個過程中完全取代他們。一方面，操作人員可以選擇不將自動滑動軟件與BGS配合使用，這樣一來，該系統更像是為手動操控底部鉆具組合（BHA）的人員提供建議的工具。
 
該系統仍然需要油井計劃、測量數據以及鄰井數據——這些信息與定向服務供應商和操作人員在不使用該系統的情況下執行油井作業時所交換的信息相同。然而，即使操作人員選擇使用自動滑動軟件，休斯敦石油公司的工作人員和操作人員仍需選擇各種參數并輸入到BGS中，例如操作人員希望保持的距離或鉆井窗口范圍、最大狗腿度、測量頻率、目標上方或滑動時的高低點，以及根據地質條件確定的任何“禁止滑動區域”。然后，休斯敦石油公司可以將多個目標輸入到BGS中，并根據不斷變化的鉆井條件進行調整，自動滑動軟件能夠實時執行這些調整。福克斯先生表示，這種將人為因素納入自動化流程的靈活性，對于應對鉆井過程中出現的意外異常情況非常有價值。
 
“當遇到類似意外斷層這樣的情況時，鄰井數據可能并未顯示出它的存在。地質學家可能也沒有意識到它的存在，但你卻發現了這個意外斷層，這可能就需要對油井計劃進行調整。這個斷層可能會意外地流出水來，從而引發一些問題。知道有經驗豐富的人員在關注數據，并在需要時讓你參與進來，共同研究解決方案，無論是調整油井計劃還是繼續向前鉆探，這都是極其寶貴的。”事實證明，無論是否使用自動滑動軟件，BGS在幫助作業方節省時間和成本以達到目標方面都非常有用。在伊格爾福特頁巖區，有一位作業方在一個井場上使用了BGS，該井場上的八口油井彼此相距不到1英里，且幾乎同時進行鉆探，它們的巖性、井眼軌跡幾何形狀和BHA都幾乎相同。并非該井場上的每口油井都使用了BGS。
 
該系統僅用于四口地質情況復雜且水平段較長的油井——未使用BGS的油井平均水平段長度為5300英尺，而使用BGS的油井水平段平均長度為6600英尺。與未使用BGS的油井相比，使用了BGS的油井在鉆井時間、精度和彎曲度方面取得了明顯更好的效果。使用BGS的油井在79%的時間內都能保持在油井計劃軌跡5英尺范圍內，而未使用BGS的油井這一比例僅為44%。此外，使用BGS的油井因隨鉆測量（MWD）設備或泥漿馬達故障導致的非生產時間（NPT）為零，而未使用BGS的油井中，與MWD設備和泥漿馬達相關的非生產時間占比達13%。這使得使用BGS的油井每口井的鉆井時間總體節省了28小時，據休斯敦石油公司計算，這相當于每口井節省了約7萬美元的成本。一家大型作業方還將BGS與自動滑動軟件以及休斯頓公司的另一套系統——鉆井掃描（DrillScan）軟件配合使用，以幫助降低在海恩斯維爾頁巖區鉆探一口具有挑戰性的油井時出現非計劃起下鉆的風險。特別是，該作業方對在井場上使用手動滑動方式鉆完前兩口油井后發現的高扭矩和高摩阻問題感到擔憂。
 
DrillScan軟件顯示，前兩口油井因井眼彎曲度高而導致摩擦系數大?；谶@一信息，休斯敦石油公司的工作人員建議作業方將彎曲段的狗腿度從10°/100英尺降至8°/100英尺。在鉆井過程中，BGS收集數據，以做出更高效的滑動決策，并通過自動滑動軟件自動執行這些決策。與第一口和第二口油井相比，使用BGS/AutoSlide（自動滑動）/DrillScan軟件組合鉆出的第三口和第四口油井，平均井底鉆井時間從196小時減少到139小時。據H&P計算，這57小時的節省相當于每口井減少了約14萬美元的成本。雖然BGS最初是為彎式馬達鉆井應用開發的，并未針對旋轉導向系統（RSS）工具進行配置，但?？怂瓜壬硎荆摴疽验_始對遠程RSS下行鏈路進行現場測試。他說：“這項新功能從本質上來說將減少鉆井工人可能出現的錯誤。它讓那些旋轉導向系統（RSS）供應商能夠充滿信心地發送下行鏈路指令，因為他們知道這一過程無需人工干預。當他們將編碼信息發送至工具時，指令會得到完美執行，而且無論他們身處世界何處，都能收到反饋確認信息。”
 
充分利用數字化工具
 
Patterson-UTI通過旗下的一家公司——SuperiorQC，簡稱SQC，在其自動化定向鉆井控制應用程序中采用了一種基于云的故障檢測、隔離和恢復（FDIR）系統。該系統運用機器學習算法來提供實時校正，從而最大限度地增加與目標生產層位的接觸。SQC還提供HiFiNav測量管理系統，該系統可以估算旋轉趨勢和泥漿馬達輸出功率；以及HiFiGuidance鉆頭導向系統，該系統將這些估算值輸入機器學習算法中，以計算出井筒的最佳形狀和軌跡。HiFiNav系統會實時不斷地調整其估算值，并將這些值傳送給HiFiGuidance系統，從而能夠針對給定的井段進行優化的超前預測和作業規劃安排。對于使用這些系統的定向鉆井工人來說，在執行油井計劃以及使底部鉆具組合（BHA）到達目標位置方面，自動化程度的提高帶來了巨大的好處。Patterson-UTI的另一家子公司——MS定向鉆井公司的根森先生表示，像SQC或其他數據聚合軟件供應商所提供的這類能夠對潛在碰撞風險發出警報的系統，在大型井場的鉆井作業中尤其有價值。
 
根森先生說：“對于那些在一個井場上部署了多臺鉆機的大型作業方來說，會出現兩臺鉆機緊鄰著同時進行鉆井作業的情況，我們希望這類軟件能夠實時向人們發出警報，告訴我們兩口井的井眼軌跡正朝著彼此的方向延伸。它們之間相距多遠呢？我們是否需要擔心呢？”他提到了HiFiGuidance系統，該系統利用標準的隨鉆測量（MWD）測量數據，結合HiFiNav系統提供的實時旋轉趨勢和泥漿馬達輸出功率估算值，以15英尺為增量來計算井筒的形狀和軌跡。根森先生說：“有些公司會在鉆完一定井段后進行批量校正，有些公司可能會在每次測量后就進行校正，而不是在測量完10000英尺后才校正。這可能會產生影響，因為在那段井段長度內，井眼位置可能會發生很大變化——通常在25英尺到150英尺之間。使用SQC的系統，你只需將測量數據發送給他們，他們就會立即把校正后的測量數據反饋給你，不管結果如何。從我們的角度來看，這并不會耗費太多時間。我們把數據發給他們，他們很快就反饋回來了。”然而，他表示，盡管這些自動化系統是實現更精確井筒的關鍵驅動因素，但它們并非完美無缺。
 
例如，存在缺乏直觀的用戶界面（UI）的問題，用戶界面就是鉆井工人查看系統所處理的所有數據的屏幕。根森先生說：“這些界面只是數據聚合器。你能看到時間分配情況、底部鉆具組合（BHA）的信息、性能報告，并且可以基于所有這些數據進行進一步分析。它只是把所有東西集中在一個地方。這減少了流程中的步驟，并且在某些情況下可能會有所幫助，比如有人沒有發現問題，在沒有相關信息的情況下就接受了目標更改。但從定向鉆井的角度來看，嚴格來說并沒有真正的人工智能。你輸入自己認為可能會發生的情況的參數，然后基于這些參數得到相應的結果。”根森先生說，他希望看到自動化系統的用戶界面在鉆井過程中能實時納入更多的歷史數據。
 
這主要圍繞著自動化系統作為終極數據處理器的基本功能。雖然這些系統能夠解讀數據，并就最佳軌跡向定向鉆井工人提供建議，但實時提供歷史背景信息，會減輕定向鉆井工人在識別異常情況或發現井筒軌跡可能需要偏離系統生成的計劃時，完全依賴自身過往經驗的壓力。“我希望看到更像是彈出式提示的東西，比如在這個深度，使用這種底部鉆具組合（BHA）時我們是這么做的，或者我們當時看到了這樣的機械鉆速（ROP）。如果你知道自己要找什么，你可以去查找這些信息，但這會花費時間。我認為借助人工智能這些信息可以自動呈現。有些系統會利用歷史數據為你提供鉆井參數和預期機械鉆速的指導，但通常情況下，那些數據是由軟件供應商加載的數據文件，且只有已知的鄰井數據集，一般不會包含在特定區域內所鉆的每一口井的數據。”P