卡钻风险无监督诊断与处置措施检索推荐系统

doi:10.12388/j.issn.1673-2677.2026.01.003

新疆石油天然气 ›› 2026, Vol. 22 ›› Issue (1): 26-32.DOI: 10.12388/j.issn.1673-2677.2026.01.003

卡钻风险无监督诊断与处置措施检索推荐系统

吕泽昊¹，李桢²，魏风奇¹，纪国栋³，李令东⁴，陈伟峰³

1.中国石油油气和新能源分公司，北京东城 100007；2.中国石油大学（北京），北京昌平 102249；3.中国石油工程技术研究院，北京昌平 102249；4.中国石油勘探开发研究院，北京海淀 100083

收稿日期:2025-11-18 修回日期:2026-01-10 接受日期:2026-01-13 出版日期:2026-03-10 发布日期:2026-03-10
通讯作者: 李桢（2003-），中国石油大学（北京）软件工程专业，在读硕士，目前从事智能钻完井技术研究。（E-mail）13618488509@163.com
作者简介:吕泽昊（1993-），2019年毕业于中国石油大学（北京）油气井工程，博士，高级工程师，现从事钻完井工程技术研究与推广。（E-mail）1003154924@qq.com
基金资助:
中国石油天然气集团有限公司科研项目“深地油气顶部驱动钻井装置关键零部件项目”（TC240HAJ8-173）。

Unsupervised Diagnosis and Response Recommendation System for Stuck Pipe Risks

LV Zehao¹，LI Zhen²，WEI Fengqi¹，JI Guodong³，LI Lingdong⁴，CHEN Weifeng³

1.CNPC Oil，Gas & New Energies Company，Dongcheng District 100007，Beijing，China；2.China University of Petroleum （Beijing），Changping District 102249，Beijing，China；3.CNPC Engineering Technology R&D Company Limited，Changping District 102249，Beijing，China；4.PetroChina Research Institute of Petroleum Exploration & Development，Haidian District 100083，Beijing，China

Received:2025-11-18 Revised:2026-01-10 Accepted:2026-01-13 Online:2026-03-10 Published:2026-03-10

摘要/Abstract

摘要： 卡钻是钻井过程中常见的风险，严重制约安全高效钻井。传统的阻卡诊断与卡钻处置方法大多基于专家经验、机理模型或监督机器学习算法，存在诊断滞后、过拟合虚警高、主观性强和适配性低等问题。基于无监督学习与K近邻算法，提出了卡钻风险诊断与处置案例推荐方法，并形成软件系统。该系统分为卡钻风险诊断与卡钻事故处理两大核心模块。卡钻风险诊断模块采用孤立森林算法（Isolation Forest）对井下实时数据中的核心工程参数的异常变化趋势进行监控与诊断；卡钻事故处理模块则采用基于KD-Tree+KNN的案例推理算法检索卡钻案例决策库，将相似度最高的前三个案例数据返回到客户端辅助工程师处理卡钻事故。基于上述研究，设计并实现了基于案例推理的井下卡钻智能诊断系统。测试表明，本系统在事故前5 min左右成功发出预警，并快速检索出相似度最高的3个历史处置案例，并推送到界面，为工程师提供了直接的决策支持。

关键词: 卡钻预测, 案例推理, 孤立森林, KD树

Abstract: Stuck pipe，a common risk during drilling operations，severely restricts safe and efficient drilling. Traditional methods for diagnosing and handling stuck pipe incidents mostly rely on expert experience，mechanistic models，or supervised machine learning algorithms and suffer from issues such as diagnostic lag，high false alarms due to overfitting，strong subjectivity，and low adaptability. This paper proposes a method for diagnosing stuck pipe risks and recommending cases of countermeasures based on unsupervised learning and K-Nearest Neighbors （KNN），which has been implemented as a software system. The system comprises two core modules：stuck pipe risk diagnosis and stuck pipe incident handling. The stuck pipe risk diagnosis module employs the Isolation Forest algorithm to monitor and diagnose abnormal trends in key real-time downhole engineering parameters. The stuck pipe incident handling module utilizes a Case-Based Reasoning （CBR） algorithm based on KD-Tree and KNN to retrieve cases from a stuck pipe decision case library，returning the data of three most similar cases to the client-side to assist engineers in handling stuck pipe incidents. Based on the aforementioned，an intelligent downhole sticking diagnosis system based on case-based reasoning was designed and implemented. Tests show that the system successfully issues warnings approximately 5 minutes before an incident occurs，quickly retrieves three most similar historical handling cases，and pushes them to the interface. This developed system provides direct decision support for engineers.

Key words: stuck pipe prediction, case-based reasoning （CBR）, isolation forest, KD-Tree

中图分类号:

TE28
TP18

吕泽昊, 李桢, 魏风奇, 纪国栋, 李令东, 陈伟峰.

卡钻风险无监督诊断与处置措施检索推荐系统 [J]. 新疆石油天然气, 2026, 22(1): 26-32.

LV Zehao, LI Zhen, WEI Fengqi, JI Guodong, LI Lingdong, CHEN Weifeng.

Unsupervised Diagnosis and Response Recommendation System for Stuck Pipe Risks [J]. Xinjiang Oil & Gas, 2026, 22(1): 26-32.

参考文献

［1］ASEEL A，ROY R，SIDHARTH P V，et al. Analysis of pipe sticking due to wellbore uncleanliness using machine learning［J］. Heliyon，2023，9（12）.

［2］张欣. 基于案例推理的井漏诊断与决策系统研究［D］. 北京：中国石油大学（北京），2019.ZHANG Xin. Study on lost circulation diagnosis and decision-making system based on case-based reasoning［D］. Beijing：China University of Petroleum （Beijing），2019.

［3］陈星玮，冉桂东，宋泽文. 钻井实时故障复杂诊断系统研究与应用［J］. 信息系统工程，2022，（6）：64-67. CHEN Xingwei，RAN Guidong，SONG Zewen. Research and application of real-time drilling failure and complex issues diagnosis system［J］. China CIO News，2022，（6）：64-67.

［4］孔庆宇，侯杰，王勇，等. 模糊案例推理故障诊断系统研究［J］. 信息通信，2018，（11）：157-159. KONG Qingyu，HOU Jie，WANG Yong，et al. Research on fault diagnosis system based on fuzzy case-based reasoning［J］. Changjiang Information & Communications，2018，（11）：157-159.

［5］胜亚楠. 页岩气钻井卡钻故障预警方法研究与应用［J］. 河南科学，2023，41（11）：1569-1575.SHENG Yanan. Research and application of early warning method for sticking faults in shale gas drilling［J］. Henan Science，2023，41（11）：1569-1575.

［6］谭天一，张辉，马丹妮，等. 考虑数据不平衡影响的钻井复杂智能诊断方法［J］. 石油钻采工艺，2021，43（4）：449-454. TAN Tianyi，ZHANG Hui，MA Danni，et al. An intelligent drilling accident diagnosis method considering the influence of data imbalance［J］. Oil Drilling & Production Technology，2021，43（4）：449-454.

［7］李宜君. 基于专家系统和长短期记忆网络的钻井风险监测方法研究与应用［D］. 山东青岛：中国石油大学（华东），2020.LI Yijun. Research and application of drilling risk monitoring method based on expert system and long short-term memory network［D］. Qingdao，Shandong：China University of Petroleum （East China），2020.

［8］TAN T，ZHANG H. A risk prediction method of pipe sticking accidents due to wellbore uncleanness for long horizontal section wells［J］. Journal of Petroleum Science and Engineering，2022，210：110023.

［9］SIQUEIRA V S M，CUADROS M A S L，MUNARO C J，et al. Expert system for early sign stuck pipe detection：Feature engineering and fuzzy logic approach［J］. Engineering Applications of Artificial Intelligence，2024，127：107229.

［10］祝诚勇，黄鹏翔，李理敏. 基于专家反馈的广义孤立森林异常检测算法［J］. 计算机应用研究，2024，41（1）：88-93. ZHU Chengyong，HUANG Pengxiang，LI Limin. Generalized isolation forest anomaly detection algorithm based on expert feedback［J］. Application Research of Computers，2024，41（1）：88-93.

［11］李志猛. 基于孤立森林的在线异常流量检测方法研究［D］. 河北唐山：华北理工大学，2024. LI Zhimeng. Research on online anomaly traffic detection method based on isolation forest［D］. Tangshan，Hebei：North China University of Science and Technology，2024.

［12］魏斐斐. 基于自适应阈值的改进孤立森林算法研究与验证［J］. 电脑知识与技术，2024，20（10）：20-22.WEI Feifei. Research and validation of improved isolation forest algorithm based on adaptive threshold［J］. Computer Knowledge and Technology，2024，20（10）：20-22.

［13］王超.基于案例推理的知识库系统研究［C］//天津市电子学会，天津市仪器仪表学会.第三十二届中国（天津）2018’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集，2018：303-305.WANG Chao. Research on knowledge base system based on case-based reasoning ［C］//Tianjin Electronic Society，Tianjin Instrumentation Society. Proceedings of the 32nd China （Tianjin） 2018 Academic Conference on Innovation in IT，Network，Information Technology，Electronics and Instrumentation，2018：303-305.

［14］门菲. 基于案例推理技术的井漏风险识别方法［J］. 承德石油高等专科学校学报，2019，21（1）：22-25. MEN Fei. Risk identification method of lost circulation based on case-based reasoning technique［J］. Journal of Chengde Petroleum College，2019，21（1）：22-25.

卡钻风险无监督诊断与处置措施检索推荐系统

Unsupervised Diagnosis and Response Recommendation System for Stuck Pipe Risks

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics