非常規(guī)油氣叢式井平臺靶點(diǎn)自動匹配及引導(dǎo)式智能繞障方法

引用格式：肖啟福，王銳，范生林，陳寬，肖振華，吳坷. 非常規(guī)油氣叢式井平臺靶點(diǎn)自動匹配及引導(dǎo)式智能繞障方法［J］. 石油鉆采工藝，2024，46（3）：280-291.

摘要：為解決叢式井平臺井眼軌道設(shè)計(jì)效率低、難度大的技術(shù)難題，切實(shí)提高非常規(guī)油氣叢式井平臺設(shè)計(jì)效率，將叢式井靶點(diǎn)匹配問題抽象為任務(wù)分配問題，以KM 算法為基礎(chǔ)，建立了靶點(diǎn)匹配目標(biāo)函數(shù)，根據(jù)井口到靶點(diǎn)的水平位移賦權(quán)值確定了匹配次序，形成了井口-靶點(diǎn)自動匹配方法；以A*算法為基礎(chǔ)創(chuàng)建引導(dǎo)式啟發(fā)函數(shù)、構(gòu)建柵欄搜索環(huán)境、優(yōu)化搜索方向，形成叢式井引導(dǎo)式智能繞障方法；總結(jié)了叢式井設(shè)計(jì)策略，開發(fā)了設(shè)計(jì)軟件。應(yīng)用該軟件，4 井式叢式井平臺軌道設(shè)計(jì)平均耗時(shí)8.9 s、6 井式平臺軌道設(shè)計(jì)平均耗時(shí)9.5 s、8 井式平臺軌道設(shè)計(jì)平均耗時(shí)36.6 s、大于等于10 口井平臺軌道設(shè)計(jì)平均耗時(shí)52.5 s；與常規(guī)設(shè)計(jì)技術(shù)相比，5～8 口井平臺設(shè)計(jì)由原耗時(shí)約3 d 降至1.2 d，9～13 口井由原耗時(shí)約6 d 降至2.4 d，節(jié)省設(shè)計(jì)時(shí)間60%。該方法解決了目前叢式井平臺鉆井設(shè)計(jì)耗時(shí)長、效率低的難題，為石油行業(yè)其他專業(yè)智能算法的引用提供參考。

關(guān)鍵詞：非常規(guī)油氣資源；叢式井平臺；井口-靶點(diǎn)匹配；KM 算法；井眼軌道設(shè)計(jì)；路徑尋優(yōu)算法；A*算法

中圖分類號：TE22 文獻(xiàn)標(biāo)識碼： A

0 引言

中國常規(guī)油氣資源勘探開發(fā)已進(jìn)入中后期，勘探層位具有“埋藏深、儲層薄、低孔隙度、低滲透率、低產(chǎn)量”等特點(diǎn)，勘探開發(fā)方向逐步由陸相砂巖轉(zhuǎn)向深層、致密油氣、頁巖油氣等非常規(guī)領(lǐng)域。“井工廠”、“一趟鉆”作業(yè)、地質(zhì)工程一體化導(dǎo)向鉆井技術(shù)為代表的一批高新技術(shù)的不斷發(fā)展和廣泛應(yīng)用，促進(jìn)了中國非常規(guī)油氣資源的經(jīng)濟(jì)高效開發(fā)［1］，實(shí)現(xiàn)了儲量和產(chǎn)量的快速增長，建成了年產(chǎn)量百億立方米的國家級頁巖氣勘探開發(fā)示范區(qū)，川渝地區(qū)多口頁巖氣井獲高產(chǎn)工業(yè)氣流［2］，展現(xiàn)了中國非常規(guī)油氣勘探開發(fā)的巨大潛力。加快川渝非常規(guī)油氣規(guī)模效益開發(fā)，關(guān)鍵在于持續(xù)不斷攻關(guān)鉆井關(guān)鍵技術(shù)［3］。

川渝地區(qū)非常規(guī)油氣一般采用叢式井開發(fā)模式，井眼軌道設(shè)計(jì)面臨以下難題：（1） 井口與靶區(qū)不規(guī)則對應(yīng)，靶點(diǎn)匹配依靠人工反復(fù)調(diào)整，難以實(shí)現(xiàn)科學(xué)匹配；（2） 叢式井平臺井間距小（一般為5 m），設(shè)計(jì)過程中需考慮當(dāng)前井與鄰井的交碰風(fēng)險(xiǎn)及誤差橢球等影響因素，可設(shè)計(jì)的軌道空間較小，設(shè)計(jì)難度大；（3） 現(xiàn)有的井眼軌道設(shè)計(jì)軟件（如Landmark Compass、Sunny Pathing 等） 均是單井逐一設(shè)計(jì)，自動化程度低，不具備叢式井平臺井眼軌道批量設(shè)計(jì)功能，且繞障設(shè)計(jì)過程中為規(guī)避當(dāng)前井與鄰井的交碰風(fēng)險(xiǎn)，需反復(fù)調(diào)整當(dāng)前井造斜點(diǎn)深度及軌道設(shè)計(jì)參數(shù)，設(shè)計(jì)繁瑣且效率低。

科學(xué)的軌道設(shè)計(jì)既是保障鉆井安全施工的前提，也是提高油氣開發(fā)效率的關(guān)鍵。近年來，在井眼軌道設(shè)計(jì)與優(yōu)化方面，中國學(xué)者開展了相關(guān)研究并取得了豐碩成果。

2014 年，殷晟分析了川南深層頁巖氣工區(qū)地應(yīng)力狀況、儲層解釋評價(jià)，提出了川南地區(qū)頁巖氣水平井軌道優(yōu)化設(shè)計(jì)方法，建立了川南地區(qū)雙增式井眼軌道垂直剖面優(yōu)化方法［4］。

2018 年，王志月等提出了頁巖氣叢式井平臺位置優(yōu)化方法，將平臺位置優(yōu)選轉(zhuǎn)化為數(shù)學(xué)最優(yōu)化問題，采用遺傳算法快速求解，實(shí)現(xiàn)了叢式井低成本高效開發(fā)［5］。李偉等建立了涪陵頁巖氣井眼軌道計(jì)算模型，提出了“七段式”三維水平軌道優(yōu)化設(shè)計(jì)方法并開展了應(yīng)用，應(yīng)用效果證明，該方法適用于涪陵頁巖氣鉆井設(shè)計(jì)與現(xiàn)場施工［6］。王志月提出了頁巖氣叢式水平井三維井眼軌道最優(yōu)化設(shè)計(jì)通用模型，該模型將三維井眼軌道看成由m 段直線段和n 段空間圓弧段按照一定順序連接而成，且相鄰井段間光滑連接，建立了三維井眼軌道設(shè)計(jì)長度最短的優(yōu)化目標(biāo)函數(shù)，但存在求解難度大的問題［7］。閆吉曾提出了恒工具面角三維水平井軌道設(shè)計(jì)方法，通過坐標(biāo)變換將水平井軌道轉(zhuǎn)化為常用軌道類型，針對六段制軌道建立了初始方位角模型（一元非線性單調(diào)函數(shù)），采用二分法、黃金分割法及Fibonacci法等一維搜索法計(jì)算，算例驗(yàn)證了方法的科學(xué)性及模型的優(yōu)越性［8］。

2019 年，李文燕提出了基于粒子群算法的井眼軌道優(yōu)化方法，實(shí)現(xiàn)了井眼軌道多參數(shù)目標(biāo)優(yōu)化，但存在模型求解困難，現(xiàn)場不易實(shí)現(xiàn)的問題［9］。李成媛提出了基于蟻群算法的軌道優(yōu)化設(shè)計(jì)方法，改進(jìn)蟻群算法實(shí)現(xiàn)軌道優(yōu)化，該算法相比于其他智能算法，計(jì)算速度更快，但算法存在魯棒性不高，計(jì)算結(jié)果易陷入局部最優(yōu)的問題［10］。

2020 年，王六鵬等以入靶精度及最短設(shè)計(jì)井深作為雙優(yōu)化目標(biāo)函數(shù)，以造斜段造斜率和扭方位段全角變化率作為約束條件，以“直—增—穩(wěn)—增扭—穩(wěn)—水平段”五段制三維水平井軌道作為設(shè)計(jì)剖面，建立基于多目標(biāo)約束三維水平井軌道優(yōu)化設(shè)計(jì)模型，應(yīng)用該模型對實(shí)鉆井眼軌道進(jìn)行了優(yōu)化設(shè)計(jì)［11］。高德利等結(jié)合頁巖氣鉆井作業(yè)平臺井口布局方式，建立了頁巖氣叢式井最外側(cè)井的井眼軌道多目標(biāo)優(yōu)化模型，目標(biāo)函數(shù)綜合考慮了井眼軌道的勢能、總長度及側(cè)向位移，優(yōu)化結(jié)果對比分析表明，該模型在較小的井眼軌道勢能和長度條件下，側(cè)向位移達(dá)到最大，能更好地滿足山區(qū)、丘陵等復(fù)雜地區(qū)頁巖氣田開采的實(shí)際需求［12］。顧岳等提出了頁巖氣田壓裂區(qū)加密調(diào)整井繞障軌跡優(yōu)化方法，運(yùn)用矢量代數(shù)方法對頁巖氣壓裂區(qū)障礙物進(jìn)行了幾何建模，建立了以設(shè)計(jì)軌道總長度最短、軌道勢能最小為優(yōu)化目標(biāo)的頁巖氣壓裂區(qū)繞障軌道優(yōu)化設(shè)計(jì)模型，提出了判斷頁巖氣壓裂段影響域之間是否存在干擾的幾何校核方法，通過現(xiàn)場實(shí)鉆數(shù)據(jù)驗(yàn)證，該模型能夠?qū)崿F(xiàn)井眼軌道設(shè)計(jì)總長度和軌道勢能最小的優(yōu)化目標(biāo)［13］。

2021 年，李琪等通過改進(jìn)Brooks 的交碰概率計(jì)算模型，提出一種密集叢式井網(wǎng)井眼交碰風(fēng)險(xiǎn)計(jì)算方法，實(shí)現(xiàn)了密集井網(wǎng)井眼交碰風(fēng)險(xiǎn)等級量化評價(jià)，有效指導(dǎo)了密集叢式井防碰施工［14］。于凡等基于彈性桿力學(xué)模型提出懸桿線井眼軌道設(shè)計(jì)方法，對比了懸桿線軌道在降摩減扭等方面的優(yōu)勢，分析了懸桿線軌道降摩減扭效果的主控因素及規(guī)律［15］。韋龍貴等提出了基于熵權(quán)法的井眼軌跡設(shè)計(jì)方案優(yōu)選方法，建立了大位移井軌道設(shè)計(jì)方案評價(jià)模型，通過計(jì)算各評價(jià)指標(biāo)的權(quán)重與方案綜合得分，排除了定性評價(jià)易受主觀因素影響的成分，更能客觀準(zhǔn)確地優(yōu)選軌跡設(shè)計(jì)方案［16］。

2023 年，趙延峰等提出了“直—增—穩(wěn)—扭—穩(wěn)—增—水平段”七段式三維水平井軌道設(shè)計(jì)方法，將上述七段式三維軌道拆分至2 個(gè)鉛垂面和1 個(gè)斜平面，建立等效的3 個(gè)二元非線性方程組，降低了求解難度，應(yīng)用實(shí)例證明該方法有助于降低井眼軌跡控制難度，有效提高鉆井速度［17］。魯港等提出了三維七段制圓弧型井眼軌道設(shè)計(jì)約束方程組求解方法，將方程組采用消元法處理，得到只含一個(gè)未知數(shù)的特征方程，并采用數(shù)學(xué)方法證明了此方法的合理性，為三維七段制圓弧型井眼軌道設(shè)計(jì)參數(shù)計(jì)算提供了理論基礎(chǔ)［18］。來建強(qiáng)等提出了井眼軌道模型中數(shù)值積分計(jì)算方法，采用恒工具面法計(jì)算東、北坐標(biāo)，數(shù)值積分法經(jīng)過積分參數(shù)變換，將被積函數(shù)簡化處理，計(jì)算量減少一半，改進(jìn)后算法的計(jì)算結(jié)果與Compass 計(jì)算結(jié)果一致［19］。

通過調(diào)研發(fā)現(xiàn)，中國學(xué)者在叢式井井眼軌道優(yōu)化設(shè)計(jì)方面取得了豐碩成果，但大多數(shù)成果集中在單井井眼軌道優(yōu)化設(shè)計(jì)方面，且多數(shù)成果未規(guī)模推廣應(yīng)用。在叢式井平臺井眼軌道批量自動設(shè)計(jì)方面，如何應(yīng)用智能算法提高叢式井平臺軌道設(shè)計(jì)效率、實(shí)現(xiàn)自動設(shè)計(jì)的研究較少，其主要原因在于，一方面中國學(xué)者在井眼軌道優(yōu)化方面應(yīng)用智能算法（蟻群算法、粒子群算法、遺傳算法等） 取得了一定的研究成果，但存在優(yōu)化模型求解困難、現(xiàn)場不易實(shí)現(xiàn)等問題，導(dǎo)致研究成果未實(shí)現(xiàn)工業(yè)轉(zhuǎn)化和落地；另一方面，近年來中國在人工智能算法領(lǐng)域取得了一些重大突破，但在石油專業(yè)領(lǐng)域的人工智能研究仍處于起步階段，在基礎(chǔ)科學(xué)和關(guān)鍵技術(shù)方面的研究仍有待加強(qiáng)。

為解決非常規(guī)油氣叢式井平臺井眼軌道設(shè)計(jì)效率低、難度大的技術(shù)難題，開展叢式井平臺靶點(diǎn)匹配方法研究，通過優(yōu)選匹配算法結(jié)合叢式井靶點(diǎn)匹配特點(diǎn)進(jìn)行改進(jìn)，實(shí)現(xiàn)叢式井平臺靶點(diǎn)自動匹配；開展路徑尋優(yōu)算法優(yōu)選，結(jié)合叢式井平臺繞障環(huán)境和需求對優(yōu)選算法進(jìn)行適應(yīng)性改進(jìn)，切實(shí)解決叢式井平臺井眼軌道繞障設(shè)計(jì)難度大的問題，實(shí)現(xiàn)障礙物自動識別，繞障路徑自動搜索。為驗(yàn)證上述算法的有效性，總結(jié)叢式井平臺井眼軌道設(shè)計(jì)策略，開發(fā)相關(guān)軟件，開展現(xiàn)場應(yīng)用，根據(jù)應(yīng)用效果持續(xù)推進(jìn)軟件優(yōu)化升級，盡快形成生產(chǎn)力，在中國非常規(guī)油氣勘探開發(fā)過程中發(fā)揮積極作用。

1 方法過程

1.1 室內(nèi)研究

1.1.1 叢式井平臺靶點(diǎn)自動匹配

叢式井平臺井口-靶點(diǎn)匹配是將平臺n 個(gè)靶點(diǎn)匹配給n 個(gè)井口，匹配后要求總水平位移最小，屬于任務(wù)分配問題。

圖論中二分圖任務(wù)匹配算法是解決任務(wù)匹配問題主要方法之一。二分圖具體匹配方法有匈牙利算法（Hungarian Algorithm） 和KM（Kuhn-Munkres） 算法［20］。匈牙利算法的匹配過程未設(shè)置匹配優(yōu)先級（不帶權(quán)重），每個(gè)匹配對象均是平級，解決的是最大限度匹配問題，無法實(shí)現(xiàn)每個(gè)對象均匹配的最優(yōu)結(jié)果；KM 算法匹配過程考慮優(yōu)先級，評價(jià)指標(biāo)高的對象優(yōu)先匹配，解決的是每個(gè)對象均匹配且效率最高的最優(yōu)匹配問題［21］。叢式井平臺井口與靶點(diǎn)匹配，需要考慮匹配權(quán)重，以實(shí)現(xiàn)最優(yōu)匹配（匹配后的叢式井平臺總水平位移最小），因此以KM 算法為基礎(chǔ)，建立最優(yōu)匹配目標(biāo)函數(shù)，根據(jù)井口到靶點(diǎn)水平位移賦權(quán)重確定匹配次序，執(zhí)行KM 算法流程，實(shí)現(xiàn)井口與靶點(diǎn)的自動匹配。