用于提高钻井仿真计算速度和准确性的方法及系统

摘要

本发明公开了一种用于提高钻井仿真计算速度和准确性的方法，包括：根据待仿真井的历史案例数据及仿真数据，对待仿真井进行针对当前仿真环境下的井下风险预测，确定井下存在风险的井段范围；根据预设的仿真精度，确定钻井仿真计算中的由仿真环境形成的井筒模型所需的第一网格密度，并根据井下风险预测结果，对不同风险井段和不同无风险井段对应的第一网格密度进行调整；根据各井段对应的调整后的第一网格密度下的计算步长，进行钻井仿真计算。本发明实现钻井仿真速度与准确性的同步提升，成本低，更符合实际应用情况。

说明书

技术领域

本发明涉及石油工程领域，尤其是涉及一种用于提高钻井仿真计算速度和准确性的方法及系统。

背景技术

钻井工程作为一项地下隐蔽性工程，大量的非均质性、不确定性、非结构性以及非数值化难题构成了钻井工程“黑箱”。井下的高温高压环境、钻柱高频振动、钻柱环空泥浆高速流动以及长时间钻进作业均对传感器有着极其严苛的要求，无法依靠传感工具实现长时间井下状态的稳定准确监测。目前，钻井工程“黑箱”问题的解决主要依赖于应用现有理论方法对当量循环密度、摩阻扭矩等各项井下状态参数进行仿真计算，“黑箱”结果的呈现则依靠二维曲线及三维动画等演示手段，进而为现场工程师和专家提供决策参考。

钻井井下参数的仿真计算如果想要尽可能的准确，则需要将井筒模型划分为密集的网格，进行长时间的海量迭代计算；而钻井工程的不确定性需要现场工程师和专家及时做出判断决策，也就是要尽可能提升仿真计算速度。在实际应用中，由于大多数用户的计算机性能和网络条件一般，无法借助云计算、分布式计算等提高计算能力，使得提高钻井仿真速度与提高钻井仿真准确性变得相互冲突，而难以实现仿真计算速度与准确性的同步提升。尤其是，在仿真环境对应的井深越深时，仿真计算量就越大，业务专家见到仿真结果的等待时间也就越长，存在较大的延后性，从而影响业务专家利用钻井仿真结果决策的实时性。

现有的钻井仿真计算技术中，常常提供仅能够提高计算速度或是计算结果精度之一的技术方案，而缺少一种可同时提高钻井仿真计算速度和准确性的技术方案。

发明内容

为了解决上述技术问题，本发明提供了一种用于提高钻井仿真计算速度和准确性的方法，包括：风险井段划分步骤、根据待仿真井的历史案例数据、及钻井仿真所需的仿真数据，对待仿真井进行针对当前仿真环境下的井下风险预测，确定井下存在风险的井段范围；步长调整步骤、根据预设的仿真精度，确定钻井仿真计算中的由所述当前仿真环境形成的井筒模型对应的第一网格密度，并根据井下风险预测结果，对不同风险井段和不同无风险井段对应的所述第一网格密度进行调整；仿真步骤、根据各井段对应的调整后的第一网格密度下的计算步长，进行钻井仿真计算。

优选地，所述方法，还包括：在所述第一网格密度调整后得到针对每个井段的第二网格密度，并统计井下的总网格数；将所述总网格数与第一网格总数进行对比，判断当前计算精度是否超过预设精度，若未超过，则按照各井段对应的所述第二网格密度进行仿真计算，其中，所述第一网格总数为在对未经过网格调整的当前仿真环境所形成的井筒，按照预期仿真精度进行网格均匀划分时对应的总网格数。

优选地，所述步长调整步骤，包括：根据井下不同的风险井段的风险预测结果，确定相应井段的仿真精度；根据所述相应井段的仿真精度，按照各井段网格调整后的第二网格长度或第二网格密度，将每个风险井段内的仿真计算迭代点进行重新划分，得到针对每个风险井段对应的第二计算步长，其中，所述第二网格长度小于所述第一网格密度对应的长度，所述第二网格密度大于所述第一网格密度。

优选地，所述步长调整步骤，还包括：按照预设的井下无风险网格密度阈值和井下无风险网格长度阈值，将井下不同的无风险井段内的仿真计算迭代点进行重新划分，得到针对每个无风险井段对应的第二计算步长，其中，所述井下无风险网格长度阈值大于所述第一网格密度对应的长度，所述井下无风险网格密度阈值小于所述第一网格密度。

优选地，所述风险井段划分步骤，包括：建立所述待仿真井所在油田区块的案例数据库，并将其作为所述历史案例数据；采集包括钻井设计参数以及钻井实时数据在内的所述仿真数据；利用数据挖掘分析技术，将所述仿真数据与所述历史案例数据中的风险数据进行对比分析；根据对比分析结果，确定存在风险的井段的深度范围、以及其他无风险井段的深度范围。

另一方面，本发明还提供了一种用于提高钻井仿真计算速度和准确性的系统，包括：风险井段划分模块、其配置为根据待仿真井的历史案例数据、及钻井仿真所需的仿真数据，对待仿真井进行针对当前仿真环境下的井下风险预测，确定井下存在风险的井段范围；步长调整模块、其配置为根据预设的仿真精度，确定钻井仿真计算中的由所述当前仿真环境形成的井筒模型对应的第一网格密度，并根据井下风险预测结果，对不同风险井段和不同无风险井段对应的所述第一网格密度进行调整；仿真模块、其配置为根据各井段对应的调整后的第一网格密度下的计算步长，进行钻井仿真计算。

优选地，所述系统还包括全局调整模块，其中，所述全局调整模块，包括：总网格数统计单元，其配置为在所述第一网格密度调整后得到针对每个井段的第二网格密度，并统计井下的总网格数；全局调整单元，其配置为将所述总网格数与第一网格总数进行对比，判断当前计算精度是否超过预设精度，若未超过，则按照各井段对应的所述第二网格密度进行仿真计算，其中，所述第一网格总数为在对未经过网格调整的当前仿真环境所形成的井筒，按照预期仿真精度进行网格均匀划分时对应的总网格数。

优选地，所述步长调整模块，包括：风险井段精度生成单元，其配置为根据井下不同的风险井段的风险预测结果，确定相应井段的仿真精度；第一调整单元，其配置为根据所述相应井段的仿真精度，按照各井段网格调整后的第二网格长度或第二网格密度，将每个风险井段内的仿真计算迭代点进行重新划分，得到针对每个风险井段对应的第二计算步长，其中，所述第二网格长度小于所述第一网格密度对应的长度，所述第二网格密度大于所述第一网格密度。

优选地，所述步长调整模块，还包括：第二调整单元，其配置为按照预设的井下无风险网格密度阈值和井下无风险网格长度阈值，将井下不同的无风险井段内的仿真计算迭代点进行重新划分，得到针对每个无风险井段对应的第二计算步长，其中，所述井下无风险网格长度阈值大于所述第一网格密度对应的长度，所述井下无风险网格密度阈值小于所述第一网格密度。

优选地，所述风险井段划分模块，包括：历史案例构建单元，其配置为建立所述待仿真井所在油田区块的案例数据库，并将其作为所述历史案例数据；仿真数据生成单元，其配置为采集包括钻井设计参数以及钻井实时数据在内的所述仿真数据；风险预测单元，其配置为利用数据挖掘分析技术，将所述仿真数据与所述历史案例数据中的风险数据进行对比分析；井段划分单元，其配置为根据对比分析结果，确定存在风险的井段的深度范围、以及其他无风险井段的深度范围。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

本发明公开了一种用于提高钻井仿真计算速度和准确性的方法及系统。该方法及系统应用数据分析技术，将仿真数据与油田大量复杂情况的历史案例数据进行对比分析，预测风险潜在井段，在仿真计算过程中对可能发生风险的井段增加计算网格密度，对非风险井段则减少计算网格密度，从而实现钻井仿真速度与准确性的双提升。相比较于现有钻井仿真方法中均匀划分计算网格的方法，本发明通过对井筒计算网格进行适当加密与疏松处理，在用户计算机性能一定的情况下，保证了仿真计算速度的提升。另外，本发明通过将设计数据与历史案例数据进行数据分析，提前预测高风险井段进行加密仿真计算，提高了仿真计算准确性。此外，本发明仿真速度的提升不需要局域网服务器、云服务较高的宽带速度进行分布式计算和云计算，成本更低且更符合实际应用情况。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本申请实施例的用于提高钻井仿真计算速度和准确性的方法的步骤图。

图2是本申请实施例的用于提高钻井仿真计算速度和准确性的方法的原理示意图。

图3是本申请实施例的用于提高钻井仿真计算速度和准确性的方法的具体流程图。

图4是本申请实施例的用于提高钻井仿真计算速度和准确性的系统的模块框图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

钻井工程作为一项地下隐蔽性工程，大量的非均质性、不确定性、非结构性以及非数值化难题构成了钻井工程“黑箱”。井下的高温高压环境、钻柱高频振动、钻柱环空泥浆高速流动以及长时间钻进作业均对传感器有着极其严苛的要求，无法依靠传感工具实现长时间井下状态的稳定准确监测。目前，钻井工程“黑箱”问题的解决主要依赖于应用现有理论方法对当量循环密度、摩阻扭矩等各项井下状态参数进行仿真计算，“黑箱”结果的呈现则依靠二维曲线及三维动画等演示手段，进而为现场工程师和专家提供决策参考。

钻井井下参数的仿真计算如果想要尽可能的准确，则需要将井筒模型划分为密集的网格，进行长时间的海量迭代计算；而钻井工程的不确定性需要现场工程师和专家及时做出判断决策，也就是要尽可能提升仿真计算速度。在实际应用中，由于大多数用户的计算机性能和网络条件一般，无法借助云计算、分布式计算等提高计算能力，使得提高钻井仿真速度与提高钻井仿真准确性变得相互冲突，而难以实现仿真计算速度与准确性的同步提升。尤其是，在仿真环境对应的井深越深时，仿真计算量就越大，业务专家见到仿真结果的等待时间也就越长，存在较大的延后性，从而影响业务专家利用钻井仿真结果决策的实时性。

现有的钻井仿真计算技术中，常常提供仅能够提高计算速度或是计算结果精度之一的技术方案，而缺少一种可同时提高钻井仿真计算速度和准确性的技术方案。

为了解决现有技术的缺陷，本发明提出了一种能够同时提高钻井仿真计算速度和准确性的方法及系统。该方法及系统利用数据分析技术，将仿真设计数据与油田大量复杂情况的历史案例数据进行对比分析，预测风险潜在井段，在仿真计算过程中对可能发生风险的井段则增加计算网格密度，对非风险井段则减少计算网格密度，从而实现钻井仿真速度与准确性的双方面提升，在快速钻井仿真计算的同时为用户提供更加可靠的参考结果。

在对本发明实施例进行详细说明之前，需要对本发明的适用场合进行说明。本发明的方法可用于钻井之前的方案仿真预演或者用于在实钻过程中的仿真监测。在钻前预演仿真过程中，需要模拟实钻过程将钻井设计方案中的参数以一定的时间间隔(秒级)推送给仿真主模块，仿真主模块通过形象的三维场景将井下状态显示出来，经过数据的连续推送和仿真显示，即可看到钻井的连续过程，在这个连续仿真过程中，针对每个时间点，都可对井筒水力参数、钻具摩阻扭矩、机械钻速、钻井风险等不同类别的钻井关键参数进行计算并快速反馈给仿真软件，使得原始数据与计算结果“同步”。在实钻仿真监测过程中，通过现场采集实时传输的参数(秒级间隔)，同时分发给计算模块得到不同类别的钻井(关键)参数(计算结果)，并将当前计算结果回馈给仿真主模块，确保这个高频连续钻井过程的仿真。

另外，在钻井仿真系统中，无论是钻前的仿真还是随钻仿真，所展现的钻井仿真结果都是基于仿真环境限定下的结果。其中，仿真环境包括：起始井深、终止井深、以及仿真精度。由于在随钻仿真过程中，终止井深是随着钻井深度的不断加深而变化的，使得随钻仿真的仿真环境也是实时变化的。另外，仿真精度为钻井仿真过程的计算步长(深度步长)。

图1是本申请实施例的用于提高钻井仿真计算速度和准确性的方法的步骤图。如图1所示，先对本发明中的用于提高钻井仿真计算速度和准确性的方法(以下简称“仿真方法”)进行说明。首先，步骤S110需要根据待仿真井的历史案例数据、以及当前钻井仿真所需的仿真数据，对待仿真井进行针对当前仿真环境下的井下风险预测，确定当前井下可能存在风险的井段范围、以及剩余井段的范围。钻井仿真所需的仿真数据包括：实钻过程中采集到的各种实测数据、以及各种预先设计好的静态参数(设计参数)。其中，实测数据包含：地质数据和钻井工程数据，地质数据包括地层压力、岩石物性、岩石力学参数等；钻井工程数据包含井眼轨迹、钻具组合、钻井液性能、钻井施工参数等。钻井设计参数包括：井深结构、地层分层等。

在步骤S110中，需要根据上述这些仿真数据和历史案例数据，对待仿真井进行针对当前仿真环境下的井下风险预测计算，确定井下不同位置的井段中存在风险的井段的深度范围、以及处于不同位置处的无风险井段的深度范围。需要说明的是，在本发明实施例中，参考图3，整个井筒内的风险井段可以是一个也可以是多个，根据井下风险预测结果来确定，每个风险井段都具有相对应的深度范围。其中，风险井段指的是具有井漏、井涌、卡钻、井壁失稳等任意一种或几种潜在风险发生的深度范围。另外，继续参考图3，整个井筒内除一个或多个风险井段之外的其他深度范围则划分为相应的无风险井段，此时，当前井筒被划分为由不同深度范围的无风险井段和风险井段交替分布而形成。

在完成风险井段划分过程后，进入到步骤S120中。步骤S120根据预设的预期仿真精度(例如：每0.5米深度仿真计算一个网格点)，确定钻井仿真计算中的井筒模型所需的第一网格密度(例如：每米有两个网格)，并根据井下风险预测结果，对不同风险井段和不同无风险井段对应的第一网格密度进行调整，得到针对各井段的第二网格密度。在常规的钻井仿真计算中，通常采用井筒模型来模拟井下钻进过程的方式进行仿真计算。进一步，参考图3，在常规方法中，井筒模型被均匀划分为若干等长网格(例如：网格长度为0.5米)，依次分布于井下不同深度位置处，通过深度累加迭代的方式，随着井下深度的不断增加，对钻井过程进行实时仿真计算。利用这种方式，一方面，水力参数、摩阻扭矩等部分参数井下分布的仿真计算需要按照从井口到井底、再从井底到井口的方式依据网格划分进行多次反复迭代计算，直至误差小于临界阈值，迭代计算收敛，计算量随着网格划分增多急剧增大。另一方面，钻井仿真计算的目标就是预测钻井风险，全井网格均匀划分无法帮助钻井仿真对风险易发生井段进行精细分析，全井网格均匀划分时(例如：网格长度为0.5米)计算节点有可能跨越了风险点，无法通过仿真预测出风险。为此，在本发明实施例中，首先需要根据预设的预期仿真精度，确定当前(当前仿真环境下的)仿真计算的深度步长，这个深度步长表示常规仿真计算中均匀划分井下网格时对应的预期网格长度。此时，对于整个井筒模型来说，单位深度内所包含的网格的数量即为第一网格密度。而后，根据步骤S110得到的风险预测结果，在仿真计算过程中，对可能发生井段增加计算网格密度，以进行网格加密计算；对无风险井段则需要减少计算网格密度，以进行网格疏松计算。这样，相比于全井均匀网格精细计算可大幅度降低计算量，提升钻井仿真速度的同时，还能够通过对风险井段的加密计算提高了钻井仿真的计算准确性，而无风险井段的疏松计算也不会影响计算准确性，从而实现了钻井仿真速度与准确性的双提升。

进一步，在完成网格调整操作后，进入到步骤S130中。步骤S130根据各井段对应的调整后的第一网格密度下的计算步长(深度步长)，也就是说，需要按照步骤S120得到的各井段对应的第二网格密度来进行钻井仿真计算。

图2是本申请实施例的用于提高钻井仿真计算速度和准确性的方法的原理示意图。图3是本申请实施例的用于提高钻井仿真计算速度和准确性的方法的具体流程图。下面结合图2和图3对本发明所述的仿真方法进行详细说明。在本发明实施例中，井下风险是随着钻井过程中不断变化的仿真环境范围(尤其是深度范围)而不断实施的，需要按照下述步骤S301～步骤S304在进行实时的仿真计算时对相应的不断变化的仿真环境进行实时的风险预测分析。步骤S301建立当前待仿真井所在油田区块的案例数据库，搜集各类复杂情况与风险的历史数据，并在上述案例数据库中加载所述历史数据，形成为含有风险信息在内的历史案例数据。其中，加载各类复杂情况与风险包括：井漏、井涌、卡钻、井壁失稳等。历史案例数据包括：井号、风险类型、地层岩屑、风险发生井深、井深结构、钻具组合、钻井液性质、风险发生前后一段时间内的实时工程参数(例如：钻压、转速、排量、起下钻速度等)等。需要说明的是，在本发明实施例中，步骤S301所生成的历史案例数据是在钻井过程实施前就已经根据建立好的案例数据库、和收集好的历史数据而生成。步骤S302获取钻井仿真计算中所需的仿真数据。其中，仿真数据包括：钻井设计参数(即上述各种预先设计好的静态参数)、以及实时钻井数据。需要说明的是，步骤S302之后的后续步骤都是在进行针对当前仿真环境下的实时仿真计算过程中所实施的。

进一步，步骤S303利用数据挖掘分析技术，采用数据分析法(例如：空间距离法)，将当前仿真数据与历史案例数据中的大量复杂情况与风险案例数据进行对比分析，预测当前待仿真井可能发生潜在风险的井段。具体地，首先，需要提取仿真数据中与历史案例数据相同的数据项，利用空间距离法等数据分析方法，计算仿真数据中的实测数据、与不同案例中的风险数据的相似性(计算结果进行归一化处理)。若相似性超过某一风险判别阈值，则认为仿真井在该井段极可能发生相同风险(例如，井漏风险判别阈值为0.8，井涌风险判别阈值为0.7，卡钻风险判别阈值为0.86等)。需要说明的是，在本发明实施例中，历史井案例数据中的风险数据是历史井钻井过程中实际发生的风险记录，仿真数据是与历史井中的实际风险数据进行对比的。

而后，步骤S304根据步骤S303的对比分析结果(风险预测结果)，确定整个井筒内存在风险的一个或多个井段的深度范围、以及其他的一个或多个无风险井段的深度范围。

接着，在完成上述风险井段与无风险井段划分操作后，进入到步骤S305中。步骤S305根据用户设置的预期仿真精度，确定当前仿真环境所形成的井筒模型需要划分的计算网格对应的第一网格密度(预期网格密度)、以及第一网格长度(计算深度步长，预期网格长度)。其中，预期仿真精度是常规方法中全井网格均匀划分操作中所对应的仿真精度。所述网格是由井筒模型内各个仿真迭代计算点所形成的，在常规网格划分操作中，每个相邻仿真迭代点之间的间隔长度均相等。

进一步，步骤S306根据风险预测结果，对每个风险井段内的由各个仿真迭代点所形成的网格，进行加密调整。具体地，根据井下不同的风险井段的风险预测结果，确定相应井段的仿真精度；而后，根据相应井段的仿真精度，按照各井段网格调整后的第二网格长度或第二网格密度，将每个风险井段内的仿真计算迭代点进行重新划分，得到针对每个风险井段对应的第二计算步长。其中，第二网格长度小于第一网格密度对应的长度、并且第二网格密度大于第一网格密度。这样，在为每个风险井段重新设置网格长度和相应的网格密度后，才可达到减小网格长度、且增大网格密度的效果，从而完成计算网格的加密调整，如此可同时提高风险井段仿真精度和准确性。

更进一步地说，由于井下风险井段可能有一个也可能有多个，因此，在一个实施例中，可以为井下每个风险井段设置相同的第二网格密度及其对应的第二网格长度。将每个风险井段对应的第一网格长度调整为第二网格长度、且将每个风险井段的第一网格密度调整为第二网格密度，以在步骤S309中以第二网格长度进行仿真计算。其中，第二网格密度大于第一网格密度，且第二网格长度小于第一网格长度。举例来说，若用户设置的预期仿真精度是每0.5米深度划为一个网格来作为仿真计算中的一个迭代点，此时，预期网格长度为0.5米。而后，在步骤S306中，需要按照第二网格密度或第二网格长度，将每个风险井段内进行重新划分，形成为每个风险井段内具有第二网格密度或第二网格长度间隔特征的多个仿真迭代点，以构成新的网格结构。例如：第二网格密度为每1米深度划为10个网格、第二网格长度为0.1米。

在另一个步骤S306的实施例中，可以为井下每个风险井段设置不同的第二网格密度及其对应的第二网格长度。具体地，首先，S3061获取井下不同的风险井段的深度范围，而后，S3062根据每个风险井段对应的深度范围，来确定相应井段的仿真精度。其中，在本发明实施例中，不同的深度范围对应有不同的仿真精度，由于实际应用过程中，井下风险井段的数量不会太多，但对于距离井口深度越远的风险井段因受到地层压力、温度等越发复杂的环境影响，相较于距离井口深度越近的风险井段来说，所面临的风险系数越高，因而，应具有更高的仿真精度，从而需要加强对更深的风险井段的仿真监控。由此，在本发明实施例中，针对不同深度的风险井段，通常设置有不同的第二网格密度及相应的第二网格长度。进一步，更高的仿真精度对应有越高的第二网格密度、以及相应的越低的第二网格长度；相反，越低的仿真精度对应有越低的第二网格密度、以及相应的越高的第二网格长度。接着，S3063根据不同井段对应的仿真精度，重新划分相应井段的计算网格，为相应井段设置与当前仿真精度对应的第二网格密度和第二网格长度，以达到减小第一计算步长的长度且增大第一网格密度的目的，得到针对每个风险井段对应的第二计算步长(第二网格长度)，以在步骤S309中以第二网格长度进行仿真计算。

参考图2，基于图2中的仿真环境，具有两个风险井段，将上侧距离井口最近的风险井段确定为第一风险井段，将下侧距离井口较远的风险井段确定为第二风险井段。在为这两个井段进行网格加密调整时，首先获取第一风险井段和第二风险井段的深度范围。而后，分别确定第一风险井段和第二风险井段的仿真精度。其中，第二风险井段的仿真精度高于第一风险井段的仿真精度，例如：第一风险井段的仿真精度为每0.25米深度划为一个网格，第二风险井段的仿真精度为每0.2米深度划为一个网格。接着，为第一风险井段设置针对该井段的第二网格密度和相应的第二网格长度、以及为第二风险井段设置针对该井段的第二网格密度和相应的第二网格长度。其中，第二风险井段的第二网格长度小于第一风险井段的第二网格长度，第二风险井段的第二网格密度大于第一风险井段的第二网格密度。例如：第一风险井段的第二网格长度为0.25米，第一风险井段的第二网格密度为每1米有4个网格，第二风险井段的第二网格长度为0.2米，第二风险井段的第二网格密度为每1米有5个网格。

在对每个风险井段进行网格调整后，进入到步骤S307中，以对剩余的各个无风险井段分别进行网格调整。步骤S307按照预设的井下无风险网格密度阈值和井下无风险网格长度阈值，对不同位置处的无风险井段，分别进行网格疏松调整。具体地，需要按照预设的井下无风险网格密度阈值，对井下不同的无风险井段内的仿真计算迭代点进行重新划分，将井下无风险网格密度阈值作为每个无风险井段的第二网格密度，将井下无风险网格长度阈值作为每个无风险井段的第二网格长度，以达到增大网格长度、且减小网格密度的效果，从而完成计算网格的疏松调整，继而在步骤S309中以第二网格长度(第二计算步长)进行仿真计算。其中，井下无风险网格密度阈值小于第一网格密度，且井下无风险网格长度阈值大于第一网格长度。由此，虽然这种调整方式会降低无风险井段仿真精度，但不会影响仿真准确性。例如：在本发明实施例中，井下无风险网格密度阈值为每1米有1个网格；井下无风险网格长度阈值为1米。

由此，完成了上述针对每个无风险井段和每个风险井段的网格调整过程，从而进入到步骤S308中。步骤S308根据上述预期仿真精度，对经网格调整过程后的每个风险井段和无风险井段进行网格全局性调整。具体地，先统计当前仿真环境下的经过网格调整过程后的总网格数(参见图2中所示的经过本发明疏松调整和加密调整后的总网格数)，根据当前总网格数，判断当前计算精度是否超过预设的预期仿真精度，若未超过，则进入到步骤S309中按照各井段对应的第二网格密度进行仿真计算。其中，需要将当前总网格数与第一网格总数(参见图2中所示的未经过本发明疏松调整和加密调整前的总网格数)进行对比。进一步，若前者小于或等于后者，则当前计算精度未超过预期仿真精度；若前者大于后者，则当前计算精度超过预期仿真精度。上述第一网格总数为在对未经过网格调整(网格调整过程实施前)的当前仿真环境对应的起始井深与终止井深间所形成的井筒，按照预期仿真精度进行全井网格均匀划分时对应的总网格数。

另外，如果当前计算精度超过预期仿真精度，则需要返回到步骤S306中重新对每个风险井段的仿真精度进行设置，适当降低每个风险井段的仿真精度，从而控制加密网格与疏松网格的全井平均密度，使其不超过实现用户预期仿真精度条件所需的预期网格密度(或预期仿真精度)。由此，本发明虽增加了风险井段的网格密度，但仍然会对当前仿真环境所形成的井筒的网格总数进行监控，减少了全井网格划分数量，从而在保障仿真结果准确性和快速性的基础上，进一步减轻了钻井仿真计算的计算量。

进一步，步骤S309应用加密和疏松调整后的所有井段对应的第二计算步长(第二网格长度)进行钻井仿真计算，以更快的速度和更高的准确性完成钻井仿真，为用户输出最终的钻井仿真结果。

举例来说，本发明实施例中所述的仿真方法在西北油田X井钻井仿真中进行应用，具体实施流程如下：

(1)建立整个西北油田钻井复杂情况与风险案例数据库，加载X井所在区块的历史案例数据；

(2)采集X井相关的设计数据、实时数据等各类数据，通过应用空间距离计算等数据分析方法，与X井所在区块的历史案例数据中的各类风险数据进行对比分析；

(3)通过分析，预测X井可能发生钻井复杂情况与风险的井段范围、以及各个无风险的井段范围；

(4)根据用户设置的预期钻井仿真精度(例如每0.5m深度仿真计算一个点)，确定X井井筒均匀划分网格的第一网格密度与第一网格总数；

(5)根据X井潜在风险预测结果，对风险井段的计算网格在第一网格密度的基础上进行加密调整，提高该段的仿真精度与准确性；对无风险井段的计算网格在第一网格密度的基础上进行疏松调整，降低该段的仿真精度，但由于其无风险，不影响仿真准确性；控制网格加密和疏松调整后的总网格量小于在预期钻井仿真精度下均匀划分网格的数量(第一网格总数)，提高了仿真计算速度；

(6)通过对X井全井进行钻井仿真，将本发明的应用效果与常规均匀划分网格仿真效果进行对比，钻井仿真计算速度可提升35％，仿真时间压缩25％，对于钻井复杂情况的发生位置与时间仿真更加精确，证明本发明的方法可以有效实现钻井仿真速度与准确性的同步提升。

另一方面，本发明基于上述用于提高钻井仿真计算速度和准确性的方法，提出了一种用于提高钻井仿真计算速度和准确性的系统(以下简称“仿真系统”)。图4是本申请实施例的用于提高钻井仿真计算速度和准确性的系统的模块框图。如图4所示，仿真系统包括：风险井段划分模块41、步长调整模块42和仿真模块43。其中，风险井段划分模块41按照上述步骤S110实施，配置为根据待仿真井的历史案例数据、及钻井仿真所需的仿真数据，对待仿真井进行针对当前仿真环境下的井下风险预测，确定井下存在风险的井段范围。步长调整模块42按照上述步骤S120实施，配置为根据预设的仿真精度，确定钻井仿真计算中的由当前仿真环境形成的井筒模型所需的第一网格密度，并根据井下风险预测结果，对不同风险井段和不同无风险井段对应的第一网格密度进行调整。仿真模块按照上述步骤S130实施，配置为根据各井段对应的调整后的第一网格密度下的计算步长，进行钻井仿真计算。

本发明所述的仿真系统还包括：全局调整模块44。其中，全局调整模块44配置为根据上述预期仿真精度，对经网格调整过程后的每个风险井段和无风险井段进行网格全局性调整。进一步，全局调整模块44包括：总网格数统计单元441、和全局调整单元442。总网格数统计单元441，其配置为在第一网格密度调整后得到针对每个井段的第二网格密度，并统计井下的总网格数。全局调整单元442，其配置为将当前总网格数与第一网格总数进行对比，判断当前计算精度是否超过预设精度，若未超过，则按照各井段对应的第二网格密度进行仿真计算。其中，第一网格总数为在对未经过网格调整的当前仿真环境所形成的井筒，按照预期仿真精度进行网格均匀划分时对应的总网格数。

进一步，上述步长调整模块42包括：风险井段精度生成单元421和第一调整单元422。其中，风险井段精度生成单元421，其配置为根据井下不同的风险井段的风险预测结果，确定相应井段的仿真精度。第一调整单元422，其配置为根据相应井段的仿真精度，按照各井段网格调整后的第二网格长度或第二网格密度，将每个风险井段内的仿真计算迭代点进行重新划分，得到针对每个风险井段对应的第二计算步长。其中，第二网格长度小于第一网格密度对应的长度，第二网格密度大于第一网格密度。

更进一步地说，上述步长调整模块42，还包括：第二调整单元423。其中，第二调整单元423，其配置为按照预设的井下无风险网格密度阈值和井下无风险网格长度阈值，将井下不同的无风险井段内的仿真计算迭代点进行重新划分，得到针对每个无风险井段对应的第二计算步长。其中，井下无风险网格长度阈值大于第一网格密度对应的长度，井下无风险网格密度阈值小于第一网格密度。

进一步地，上述风险井段划分模块41包括：历史案例构建单元411、仿真数据生成单元412、风险预测单元413和井段划分单元414。历史案例构建单元411，其配置为建立待仿真井所在油田区块的案例数据库，并将其作为历史案例数据。仿真数据生成单元412，其配置为采集包括钻井设计参数以及钻井实时数据在内的仿真数据。风险预测单元413，其配置为利用数据挖掘分析技术，将仿真数据与历史案例数据中的风险数据进行对比分析。井段划分单元414，其配置为根据对比分析结果，确定存在风险的井段的深度范围、以及其他无风险井段的深度范围。

本发明公开了一种用于提高钻井仿真计算速度和准确性的方法及系统。该方法及系统应用数据分析技术，将仿真数据与油田大量复杂情况的历史案例数据进行对比分析，预测风险潜在井段，在仿真计算过程中对可能发生风险的井段增加计算网格密度，对非风险井段则减少计算网格密度，从而实现钻井仿真速度与准确性的双提升。相比较于现有钻井仿真方法中均匀划分计算网格的方法，本发明通过对井筒计算网格进行适当加密与疏松处理，在用户计算机性能一定的情况下，保证了仿真计算速度的提升。另外，本发明通过将设计数据与历史案例数据进行数据分析，提前预测高风险井段进行加密仿真计算，提高了仿真计算准确性。此外，本发明仿真速度的提升不需要局域网服务器、云服务较高的宽带速度进行分布式计算和云计算，成本更低且更符合实际应用情况。

虽然本发明所披露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。