В статье представлен инновационный алгоритм формирования оптимальной сетки горизонтальных скважин при их радиальном размещении на основе геологической 3D модели нефтяного месторождения. Предложен аналитический подход, который позволяет значительно сократить время и вычислительные ресурсы по сравнению с традиционными методами, такими как многовариантные гидродинамические расчеты или алгоритмы искусственного интеллекта. Основу метода составляет целевая функция, учитывающая подвижность и количество запасов углеводородов, а также геологические параметры залежи, такие как проницаемость, толщина пласта и относительная фазовая проницаемость. Алгоритм был апробирован на трех синтетических моделях месторождений с различными геолого-физическими характеристиками и условиями формирования радиальных сеток горизонтальных скважин. Результаты расчетов показали, что предложенный метод обеспечивает сопоставимую с оптимизационными алгоритмами эффективность (разница в добыче нефти составила 1,1–3,5 %), но при этом требует в 78 раз меньше времени для расчетов. Это делает его особенно полезным на ранних этапах проектирования разработки месторождений, где важна скорость принятия решений при высокой неопределенности данных. Статья также подчеркивает практическую значимость алгоритма для шельфовых месторождений, где ограниченное число скважин и высокая стоимость бурения требуют точного планирования.
Список литературы
1. Дежина И.Г. Актуальные технологические направления в разработке и добыче нефти и газа. – М.: БиТуБи, 2017. – 220 с.
2. Overcoming Subsurface Challenges to Develop a Thin Oil Column – A Case Study from the Five Decade Old Gekko Discovery in the Alvheim Area / L.K. Tveiterå, M.B. Fismen, Ch.A. Asgeir, F.O. Ivar // SPE-209543-MS. – 2022. – https://doi.org/10.2118/209543-MS
3. Эксплуатация морских нефтегазовых месторождений / А.Б. Сулейманов, Р.П. Кулиев, Э.И. Саркисов, К.А. Карапетов. – М.: Недра, 1986. – 285 с.
4. Automated Identification of the Optimal Sidetrack Location by Multivariant Analysis and Numerical Modeling. A Real Case Study on a Gas Field / B. Magizov,
T. Topalova, O. Loznyuk [et al.] // SPE-196922-MS. – 2019. – https://doi.org/10.2118/196922-MS
5. A holistic review on artificial intelligence techniques for well placement optimization problem / J. Islam, P.M. Vasant, B.M. Negash [et al.] // Advances in Engineering Software. – 2020. – V. 141. – P. 102767. – https://doi.org/10.1016/j.advengsoft.2019.102767
6. Сайфуллин А.А. Разработка аналитического инструмента для определения оптимальной траектории скважины // Наука. Инновации. Технологии. – 2022. – № 3. – C. 47–74. – https://doi.org/10.37493/2308-4758.2022.3.3
7. Concept, technology and practice of «man-made reservoirs» development / Zou Caineng, Ding Yunhong, Lu Yongjun [et al.] // Petroleum Exploration and Development. – 2017. – V. 44. – P. 146–158. – https://doi.org/10.1016/S1876-3804(17)30019-8
8. Cost analysis of oil, gas, and geothermal well drilling / M.Z. Lukawski, B.J. Anderson, Ch. Augustine [et al.] // Journal of Petroleum Science and Engineering. – 2014. – V. 118. – P. 1–14. – https://doi.org/10.1016/j.petrol.2014.03.012
9. Mohamed A.W. A novel differential evolution algorithm for solving constrained engineering optimization problems // Journal of Intelligent Manufacturing. – 2018. –
V. 29. – Р. 659–692. – https://doi.org/10.1007/s10845-017-1294-6
10. Юшков И.Р., Хижняк Г.П., Илюшин П.Ю. Разработка и эксплуатация нефтяных и газовых месторождений: учебно-метод. пособие. – Пермь: Изд-во Пермского национального исследовательского политехнического университета, 2013. – 177 с.
