Table of Contents

Comprendre la conception et l'optimisation de la trajectoire de Wellbore

La conception et l'optimisation des trajectoires de forage représentent des processus fondamentaux dans l'exploration et le développement du pétrole et du gaz modernes. L'optimisation des trajectoires est un aspect fondamental d'une conception de puits, permettant aux opérations de forage d'atteindre efficacement des réservoirs ciblés tout en minimisant les risques et les coûts opérationnels.

La conception de trajectoires de puits consiste à créer un parcours tridimensionnel précis, depuis l'emplacement du forage de surface jusqu'aux zones cibles subsurfaces. Ce processus exige une attention particulière aux formations géologiques, aux caractéristiques des réservoirs, aux contraintes de forage et aux facteurs économiques.

La complexité de la conception des trajectoires s'est accrue de façon significative avec l'avancement des techniques de forage directionnel et horizontal. C'est une technique cruciale dans l'industrie pétrolière et gazière, permettant l'accès aux réserves d'hydrocarbures éloignées qui sont difficiles à atteindre avec le forage vertical.

L'importance critique de l'optimisation de la trajectoire de Wellbore

Maximiser la récupération des ressources et la productivité des puits

Une trajectoire de forage optimisée permet de réaliser des forages sous des charges de géostress minimales et favorise une durée de vie plus longue pour les puits. Le processus d'optimisation influe directement sur la viabilité économique des projets de forage en influençant les coûts de forage initiaux et les performances de production à long terme.

Pour assurer une récupération efficace des ressources énergétiques souterraines, il faut déterminer une trajectoire appropriée pour le puits de production. La trajectoire doit être conçue pour maximiser le contact avec le réservoir tout en maintenant la perceabilité et la stabilité des puits.

Réduction du temps de forage et des coûts opérationnels

Une planification précise de la trajectoire est essentielle pour réduire le temps et les coûts de forage tout en maximisant la sécurité.Une planification précise de la trajectoire et son exécution garantissent : Efficacité : Réduction du temps de forage et des coûts opérationnels.

L'optimisation de la trajectoire est particulièrement importante pour les projets dans lesquels les puits sont conçus en référence à une plate-forme donnée. Par conséquent, la nécessité d'optimiser la trajectoire augmente avec la contrainte d'une surface fixe à une géométrie de réservoir irrégulière. Ceci est particulièrement pertinent pour les opérations de forage en mer où les emplacements de plate-forme sont fixes et plusieurs puits doivent être forés à partir d'une seule surface.

Assurer la stabilité et la sécurité des puits

La stabilité des puits représente l'une des considérations les plus critiques dans la conception de la trajectoire. L'analyse efficace du risque de stabilité des puits dans les puits directionnels est importante pour explorer les ressources pétrolières et gazières dans les formations profondes complexes. Une trajectoire optimisée doit tenir compte des conditions de contrainte in situ, des propriétés mécaniques des roches et des distributions de pression interstitielle pour minimiser le risque de problèmes d'instabilité des puits tels que l'effondrement des trous, les tuyaux bloqués et la circulation perdue.

Sécurité : La réduction des risques d'instabilité des puits et des risques géologiques demeure primordiale tout au long du processus de forage. La trajectoire doit être conçue pour éviter les zones de faille, les formations surpressions et d'autres risques géologiques qui pourraient compromettre l'intégrité des puits ou poser des risques pour la sécurité du personnel et de l'équipement de forage.

Considérations environnementales

Protection de l'environnement : La diminution de l'empreinte de surface et des perturbations environnementales est devenue un facteur de plus en plus important pour l'optimisation de la trajectoire.En perçant plusieurs puits à partir d'un emplacement ou d'une plate-forme unique, les exploitants peuvent réduire considérablement les perturbations de surface, réduire la fragmentation de l'habitat et réduire l'impact environnemental global des opérations de forage.

Méthodes numériques dans l'optimisation de la trajectoire de Wellbore

Les méthodes numériques impliquent des algorithmes mathématiques pour simuler et optimiser les trajectoires de puits, fournissant des solutions difficiles ou impossibles à réaliser par des calculs manuels ou des approches analytiques simples. Dans le forage de puits non verticaux dans des formations complexes, la fonction de trajectoire statique traditionnelle, combinée à l'algorithme d'optimisation classique, a de la difficulté à s'adapter aux fluctuations de paramètres causées par les changements de formation et manque de performance en temps réel.

Ces méthodes peuvent traiter des modèles géologiques complexes et des contraintes, permettant aux ingénieurs d'évaluer plusieurs options de trajectoire et d'identifier des solutions optimales basées sur diverses fonctions objectives. L'application des techniques d'optimisation numérique a révolutionné la conception de trajectoires de puits en permettant la prise en compte simultanée de multiples objectifs concurrents, tels que la réduction de la longueur de puits, la réduction du couple et de la traînée, l'éviter les risques géologiques et maximiser le contact avec le réservoir.

Avantages des approches d'optimisation numérique

Les méthodes numériques offrent plusieurs avantages clés par rapport aux approches traditionnelles d'essai et d'erreur de la conception de trajectoire. Elles permettent une exploration systématique de l'espace de solution, peuvent gérer simultanément plusieurs contraintes et fournir des mesures quantitatives de qualité de trajectoire. L'optimisation de la trajectoire de forage est un processus multi-objectifs dans lequel des paramètres tels que l'écart minimum, la longueur du puits et le frottement sont des cibles, tandis que d'autres paramètres tels que la capacité de déviation du BHA sont des contraintes.

Les méthodes modernes d'optimisation numérique peuvent intégrer des données en temps réel des opérations de forage pour affiner continuellement les prévisions et les recommandations de trajectoire. Par rapport à la conception de trajectoire de puits, l'optimisation de trajectoire de puits nécessite le calcul en temps réel des résultats d'optimisation, ce qui nécessite une plus grande efficacité de calcul.

Techniques numériques communes pour l'optimisation de la trajectoire

Chaque méthode a ses propres forces, faiblesses et domaines d'application. La sélection d'une méthode d'optimisation appropriée dépend des caractéristiques spécifiques du problème de conception de la trajectoire, y compris le nombre de variables, la nature des contraintes, la complexité de la fonction objective et la disponibilité des ressources informatiques.

Méthodes d'optimisation par gradient

Les méthodes d'optimisation basées sur les graduations utilisent des informations dérivées pour guider la recherche de solutions optimales.Ces méthodes sont particulièrement efficaces pour les problèmes avec des fonctions et contraintes objectives continues et lisses. Elles fonctionnent en calculant le gradient (première dérivée) de la fonction objective par rapport aux variables de conception et en se déplaçant dans la direction de descente la plus raide (ou ascension pour des problèmes de maximisation).

D'autres approches centrées sur la théorie couvrent un algorithme de restauration des gradients séquentielle parmi les différentes techniques d'optimisation appliquées aux problèmes de trajectoire de puits. Les méthodes basées sur les gradients convergent généralement rapidement quand on commence à partir d'une bonne estimation initiale et peuvent gérer efficacement les problèmes avec de nombreuses variables de conception.

Les méthodes courantes basées sur les gradients comprennent les méthodes de descente les plus raides, de gradient conjugué et de quasi-Newton. Ces approches ont été appliquées avec succès aux problèmes d'optimisation de trajectoire où l'objectif est de minimiser les coûts de forage, de réduire la longueur des puits ou d'optimiser d'autres paramètres continuellement variables.

Algorithmes génétiques

Les algorithmes génétiques représentent une classe de méthodes d'optimisation évolutionnelle inspirées par la sélection naturelle et l'évolution biologique. L'algorithme génétique est l'un des algorithmes d'optimisation utilisés dans l'optimisation de bien placer par de nombreux chercheurs.

L'optimisation des trajectoires de puits pour atteindre un emplacement de surface de surface offset, impliquant une combinaison complexe de composants verticaux, déviés et horizontaux, nécessite la réduction minimale de la longueur de puits et du couple de frottement sur la chaîne de forage. Les algorithmes génétiques sont particulièrement adaptés à ces problèmes d'optimisation multi-objectifs car ils peuvent maintenir une population variée de solutions représentant différents compromis entre des objectifs concurrents.

Les principaux avantages des algorithmes génétiques sont leur capacité à gérer simultanément des variables discrètes et continues, leur robustesse à l'optima local et leur capacité à explorer efficacement les grands espaces de solutions. Les résultats indiquent que la méthodologie MOGA surpasse les approches de fonction mono-objectif conduisant à une convergence rapide vers un ensemble de solutions optimales de Pareto. Les algorithmes génétiques multi-objectifs (MOGA) sont particulièrement utiles pour l'optimisation de la trajectoire car ils peuvent identifier un ensemble de solutions Pareto-optimales représentant différents compromis entre les objectifs.

Cependant, les algorithmes génétiques nécessitent généralement plus d'évaluations de fonction que les méthodes basées sur le gradient et peuvent nécessiter un réglage attentif des paramètres de l'algorithme comme la taille de la population, le taux de croisement et le taux de mutation. L'analyse révèle qu'en adoptant une approche adaptative qui permet aux paramètres comportementaux de l'algorithme génétique d'évoluer au fur et à mesure que les itérations progressent, le MOGA proposé converge plus rapidement vers de meilleures solutions ultimes.

Optimisation du swarm des particules

L'optimisation des essaims de particules (PSO) est une technique d'optimisation stochastique basée sur la population inspirée par le comportement social de l'élevage des oiseaux ou de la scolarisation des poissons. Par conséquent, cet article décrit une méthode pour concevoir et optimiser des trajectoires de puits directionnels et horizontaux basées sur la technique de l'optimisation numérique de l'algorithme PSO.

PSO a plusieurs caractéristiques attrayantes pour les applications d'optimisation de trajectoire. Il est relativement simple à mettre en œuvre, a peu de paramètres à régler, et peut gérer efficacement des fonctions objectives non linéaires et non différenciables. Dans l'étude d'Onwunalu, l'optimisation de Swarm par particules a été développée et appliquée pour optimiser le type et l'emplacement de nouveaux puits dans le développement de champs pétrolifères.

L'algorithme PSO fonctionne en faisant ajuster chaque particule en fonction de sa propre expérience et de l'expérience des particules voisines. Ce mécanisme d'apprentissage social permet à l'essaim de converger vers des régions prometteuses de l'espace de solution tout en maintenant la diversité pour éviter une convergence prématurée à l'optima local. Biswas a développé une nouvelle approche d'optimisation hybride qui combine automates cellulaires avec optimisation du loup gris et optimisation de l'essaim de particules pour s'attaquer au problème d'optimisation mathématique non linéaire et limitée de la conception de trajectoire de puits.

Anneau simulé

Le recuit simulé est une technique d'optimisation probabiliste inspirée du processus de recuit en métallurgie, où les matériaux sont chauffés puis refroidis lentement pour réduire les défauts et obtenir une structure cristalline plus stable. Dans l'optimisation, le recuit simulé commence par une haute "température" qui permet à l'algorithme d'accepter des solutions pires avec une forte probabilité, permettant l'exploration de l'espace de la solution.

L'avantage clé du recuit simulé est sa capacité à échapper à l'optima local en acceptant occasionnellement des solutions qui sont pires que la solution actuelle. Cela le rend particulièrement utile pour les problèmes d'optimisation de trajectoire hautement non linéaire avec de nombreux optima locaux. L'algorithme est relativement simple à mettre en œuvre et peut gérer des variables discrètes et continues, ainsi que des contraintes complexes.

Cependant, le recuit simulé peut être coûteux en calcul parce qu'il nécessite de nombreuses évaluations de fonctions, et sa performance dépend de façon critique du calendrier de refroidissement (la vitesse à laquelle la température diminue).Il faut bien régler le calendrier de refroidissement et d'autres paramètres pour obtenir de bons résultats.

Approches d'optimisation hybride et avancée

Reconnaissant qu'aucun algorithme d'optimisation n'est universellement supérieur à tous les problèmes, les chercheurs ont développé des approches hybrides qui combinent les forces de plusieurs méthodes. On n'a observé aucun algorithme ne produit les résultats souhaités ou la sortie exacte; par conséquent, une hybridation de différents algorithmes a été utilisée par les chercheurs. Ces méthodes hybrides peuvent tirer parti des capacités de recherche globales des algorithmes évolutionnaires avec les capacités de raffinement locales des méthodes basées sur le gradient.

Deux algorithmes d'optimisation ou deux méthodes numériques peuvent être intégrés, ou un mélange de techniques peut être réalisé pour obtenir les résultats de caractéristiques souhaitées. Par exemple, un algorithme génétique peut être utilisé pour identifier les régions prometteuses de l'espace de la solution, suivi d'une méthode basée sur le gradient pour affiner la solution à un optimum local. Cette approche en deux étapes peut réduire considérablement le temps de calcul tout en maintenant la qualité de la solution.

Parmi les autres approches avancées, mentionnons l'Optimizer de Loup Gris, qui imite la hiérarchie de leadership et le mécanisme de chasse des loups gris, et l'algorithme de Hooke-Jeeves, une méthode de recherche directe qui ne nécessite pas d'information de gradient.

Renforcement profond des méthodes d'apprentissage et d'intelligence artificielle

Les progrès récents de l'intelligence artificielle et de l'apprentissage machine ont ouvert de nouvelles possibilités d'optimisation de trajectoire de puits. Par conséquent, cet article propose un modèle d'optimisation de trajectoire de puits basé sur l'apprentissage de renforcement profond pour réaliser la conception et le contrôle de trajectoire de puits non verticales pendant le forage.

Enseignement du renforcement profond pour le contrôle de la trajectoire

L'apprentissage en profondeur du renforcement combine des algorithmes d'apprentissage en renforcement avec des réseaux neuronaux profonds pour gérer des espaces d'état et d'action à haute dimension. Axé sur les exigences d'optimisation en temps réel de scénarios de forage complexes, l'algorithme TD3 est adopté pour résoudre le problème de la prise de décision continue à haute dimension par la mise à jour de la stratégie de retard, le double réseau Q et le lissage de la stratégie cible.

L'algorithme de la politique déterministe profonde à deux retards (TD3) représente une approche de ce type qui a montré des promesses pour l'optimisation de la trajectoire de puits. Pour la conception de trajectoire de puits, une stratégie déterministe est bénéfique parce qu'elle fournit des recommandations de trajectoire cohérentes pour des états de puits et des conditions géologiques donnés.

D'autres approches d'apprentissage de renforcement profond comprennent le Gradient de la politique déterministe profonde (DDPG) et le Q-Networks de profondeur (DQN). Par la suite, Wang (2022) a proposé un algorithme de contrôle de suivi de trajectoire de puits basé sur DDPG, et sur cette base, le contrôle adaptatif de suivi des trajectoires de puits a été réalisé par l'apprentissage du transfert.

Learning automatique pour les décisions de géostationnement

Cette étude intègre avec succès la planification de trajectoires, la simulation dynamique du forage et les évaluations ML, établissant SVM-GWO comme modèle puissant pour les décisions de pilotage dans diverses formations géologiques. Support Vector Machines (SVM) combiné à des algorithmes d'optimisation comme Grey Wolf Optimization (GWO) ont démontré une grande précision dans la prévision des ajustements de trajectoire optimaux.

Algorithmes d'optimisation : Les algorithmes AI et ML analysent les données historiques de forage pour prédire des trajectoires optimales de puits. Contrôle adaptatif : Ces modèles apprennent en permanence des opérations de forage et adaptent la trajectoire en temps réel pour optimiser les performances.Cette capacité d'adaptation est particulièrement précieuse dans les formations hétérogènes où les conditions géologiques peuvent différer significativement des prédictions pré-perruque.

Principales contraintes et considérations en matière d'optimisation de la trajectoire

L'optimisation efficace de la trajectoire doit tenir compte de nombreuses contraintes et considérations qui reflètent les réalités physiques des opérations de forage et des conditions géologiques, lesquelles peuvent être classées en contraintes de forage, contraintes géologiques et contraintes opérationnelles.

Contraintes de la courbure et de la gravité des chiens

Nous avons mis en place un algorithme de contrainte de la jambe de chien pour tenir compte de la courbure requise des chemins de puits et assurer leur percement selon un seuil prescrit. Une courbure excessive peut entraîner des problèmes de forage tels que couple et traînée élevés, difficulté à faire tourner le boîtier et usure accrue des équipements de forage.

La gravité de la jambe de chien, mesurée en degrés par 100 pieds ou degrés par 30 mètres, représente le taux de changement dans la direction du puits. Différents ensembles de forage et tailles de trous ont différentes capacités de gravité maximale de la jambe de chien.

Une contrainte de courbure assure la perceuse de la trajectoire du puits sur le terrain. L'algorithme d'optimisation doit garantir que la trajectoire conçue reste dans les limites de la perceuse de la technologie de forage disponible dans tout le puits. Cette contrainte est particulièrement importante dans le forage à grande portée où le maintien du contrôle de trajectoire sur de longues sections horizontales est difficile.

Risques géologiques et prévention des collisions

L'optimisation de la trajectoire doit tenir compte des risques géologiques tels que les zones de faille, les formations surpression, les sections instables de schiste et les zones épuisées.Ces modèles identifient les zones de fracture potentielles, permettant d'éviter les formations instables et d'optimiser la conception de la trajectoire.

Dans les zones à forte densité de puits, l'évitement des collisions devient une contrainte critique.Évitement des collisions : Les techniques de démultiplication magnétique aident à détecter les puits à proximité, à prévenir les collisions et à assurer un espacement sûr des puits.

Les algorithmes modernes d'optimisation des trajectoires peuvent intégrer des contraintes probabilistes d'évitement des collisions qui expliquent l'incertitude dans le positionnement des puits.Cette approche garantit que la probabilité de collision reste en dessous d'un seuil acceptable même si l'on tient compte des effets cumulatifs des erreurs d'arpentage et des incertitudes géologiques.

Contraintes de couple, de glisser et d'hydraulique

Les forces mécaniques agissant sur le cordon de forage représentent des contraintes importantes dans la conception de trajectoire. Un couple excessif peut empêcher la rotation du cordon de forage, tandis qu'une traînée excessive peut empêcher la descente ou l'élévation du cordon de forage. Les résultats démontrent que, par rapport à la conception réelle, le premier scénario raccourcit le TMD de 69 m. Dans les deuxième, troisième et quatrième scénarios, le couple total diminue de 61 %, 50 % et 31 % respectivement.

Les contraintes hydrauliques garantissent un débit et une pression adéquats pour nettoyer le trou, refroidir le bit et utiliser les outils de trou. La conception de la trajectoire doit tenir compte des pertes de pression dans tout le système circulant et s'assurer que la pression de la pompe disponible est suffisante pour maintenir un nettoyage approprié du trou tout en restant sous la pression de rupture de formation.

On effectue souvent des simulations de fonctionnement en cascade pour vérifier que la trajectoire conçue permet de faire tourner les cordes de boyau jusqu'aux profondeurs prévues sans dépasser les limites de l'équipement.

Contraintes de la cible et contact avec le réservoir

L'objectif principal de tout puits est d'atteindre des zones cibles spécifiées dans le réservoir. Premièrement, une carte du potentiel de productivité est générée à partir des données de caractérisation du site d'un réservoir (lorsqu'elles sont disponibles). Deuxièmement, à partir de la méthode de marchage rapide, des chemins de puits sont générés à partir d'un certain nombre de positions d'entrée vers un certain nombre de points de sortie situés aux côtés opposés du réservoir.

Pour les puits horizontaux, la trajectoire devrait idéalement être placée dans la partie la plus productive du réservoir tout en maintenant une distance adéquate par rapport aux contacts avec l'eau ou le gaz. Le point d'atterrissage (où le puits devient horizontal) et l'azimut de la section horizontale doivent être soigneusement choisis pour maximiser l'exposition au réservoir tout en évitant les obstacles au débit.

Dans les scénarios multi-cibles, la trajectoire doit être conçue pour intersecter plusieurs zones cibles dans la séquence optimale. Nous soulignons cependant que les approches susmentionnées ne tiennent compte que de trajectoires bien comprises entre une seule source et une seule cible, ce qui indique que l'optimisation multi-cible demeure un problème difficile nécessitant des approches d'optimisation sophistiquées.

Méthodes de conception de trajectoire et techniques de calcul

La représentation mathématique et le calcul des trajectoires de puits constituent la base de l'optimisation de la trajectoire. Plusieurs méthodes normalisées ont été développées pour calculer la position et la direction de puits à partir des mesures de levé.

Méthode de courbure minimale

La méthode de courbure minimale est apparue comme la norme acceptée de l'industrie pour le calcul des levés directionnels 3D. À l'aide de ce modèle, la trajectoire du puits est représentée par une série d'arcs circulaires et de lignes droites. Cette méthode suppose que le puits suit un arc circulaire lisse entre les stations de levé, ce qui fournit une bonne approximation de la géométrie réelle du puits.

La méthode de courbure minimale calcule la position et la direction du puits à chaque station de levé en fonction de mesures de profondeur, d'inclinaison et d'azimut mesurées. Ensuite, pour concevoir le profil 3D, la méthode de courbure minimale (MCM) a été utilisée pour la détermination de la surveillance. La méthode est préférée à des approches plus simples comme la méthode tangentielle ou la méthode tangentielle équilibrée parce qu'elle fournit des calculs de position plus précis, en particulier dans les puits à courbure importante.

Pour la conception de trajectoire, la méthode de courbure minimale peut être utilisée en sens inverse pour déterminer les changements d'inclinaison et d'azimut nécessaires pour atteindre une position cible. Ceci constitue la base de nombreux algorithmes d'optimisation de trajectoire qui doivent calculer les propriétés géométriques des trajectoires candidates.

Courbes et représentations paramétriques de Bézier

Les approches avancées de conception de trajectoire utilisent des courbes paramétriques telles que les courbes de Bezier pour définir des trajectoires de puits lisses et continues. Le module de conception et d'optimisation permet aux utilisateurs de construire des trajectoires de puits 3D en utilisant les courbes de Bezier et de les optimiser par rapport aux caractéristiques géomécaniques et hydrauliques en utilisant un principe d'énergie mécanique hydraulique spécifique (HMSE) et un temps de forage minimum.

Les courbes plus basses offrent plusieurs avantages pour la conception de trajectoires. Elles offrent des courbes fluides et continues qui peuvent être facilement manipulées en ajustant les points de contrôle. Les courbes sont définies par des équations polynômes, ce qui les rend efficaces par calcul pour évaluer et différencier.

L'utilisation de représentations de courbes paramétriques simplifie également le problème d'optimisation en réduisant le nombre de variables de conception. Au lieu de spécifier la position de puits à de nombreux points discrets, la trajectoire peut être définie par un nombre plus petit de points de contrôle ou de paramètres de courbe. Cette réduction dimensionnelle peut améliorer significativement l'efficacité des algorithmes d'optimisation.

Méthode de marche rapide

Dans cet article, un nouveau flux de travail d'optimisation basé sur la méthode de marche rapide est développé et appliqué pour optimiser les trajectoires de puits dans les réservoirs de pétrole et de gaz hétérogènes. La méthode de marche rapide est une technique numérique développée à l'origine pour suivre les interfaces mobiles et a été adaptée pour l'optimisation de trajectoire dans les réservoirs hétérogènes.

Nous avons élaboré les procédures détaillées de cet algorithme d'optimisation, qui recherche le chemin optimal en maximisant le rapport bénéfice-coût. La méthode fonctionne en propageant un front à travers le modèle du réservoir, avec la vitesse de propagation déterminée par la qualité du réservoir ou d'autres propriétés pertinentes. La trajectoire résultante suit le chemin du temps de déplacement minimum ou le bénéfice maximal, évitant naturellement les zones de réservoir de faible qualité.

La méthode de marche rapide est particulièrement adaptée à l'optimisation de trajectoire dans les réservoirs hétérogènes car elle tient compte automatiquement des variations spatiales des propriétés des réservoirs. La méthode peut traiter des géométries complexes des réservoirs et produit naturellement des trajectoires perçables et lisses lorsqu'elle est combinée avec des contraintes de courbure appropriées.

Optimisation multi-objectif dans la conception de trajectoires

L'optimisation de trajectoire de puits implique généralement plusieurs objectifs concurrents qui doivent être équilibrés pour atteindre un design global optimal. Les approches d'optimisation mono-objectif qui se concentrent sur un seul critère peuvent produire des trajectoires qui fonctionnent mal par rapport à d'autres considérations importantes.

Fonctions objectives communes

Les objectifs les plus courants dans l'optimisation de la trajectoire sont de minimiser la profondeur mesurée, de minimiser le temps de forage, de minimiser le couple et la traînée, de maximiser le contact avec le réservoir et de minimiser le risque d'instabilité des puits. Cette méthode est appliquée pour optimiser le processus de forage d'un puits de pétrole dans la mer de Bohai, en explorant quatre scénarios d'optimisation : prioriser la vraie profondeur mesurée (TMD), prioriser le couple, prioriser la pression d'effondrement et équilibrer les trois objectifs de façon égale.

Les objectifs économiques, tels que la réduction du coût total du puits ou la maximisation de la valeur actuelle nette, peuvent également être intégrés au cadre d'optimisation, qui combine généralement les coûts de forage (qui augmentent avec la profondeur mesurée et le temps de forage) avec les avantages de production (qui augmentent avec le contact avec le réservoir et la productivité du puits).

Les objectifs environnementaux, tels que la réduction de l'empreinte de surface ou des émissions de gaz à effet de serre, prennent de plus en plus d'importance dans l'optimisation de la trajectoire, qui peut être intégrée dans des cadres d'optimisation multiobjectifs, parallèlement aux objectifs techniques et économiques traditionnels.

Pareto Optimisation et analyse des compromis

Les problèmes d'optimisation multi-objectifs n'ont généralement pas une solution optimale unique, mais plutôt un ensemble de solutions Pareto-optimal représentant différents compromis entre les objectifs. Une solution est Pareto-optimal si aucune autre solution n'existe qui améliore un objectif sans aggraver au moins un autre objectif.

D'autres approches centrées sur la théorie couvrent... recherche évolutionnaire soumise à Pareto optimumity parmi les différentes techniques d'optimisation appliquées à la conception de trajectoire. Algorithmes évolutifs multi-objectifs sont particulièrement adaptés à identifier l'ensemble Pareto-optimal parce qu'ils maintiennent une population de solutions diverses tout au long du processus d'optimisation.

L'ensemble Pareto-optimal offre aux décideurs une gamme d'options de trajectoire représentant différents compromis entre des objectifs concurrents. Par exemple, une trajectoire peut minimiser le temps de forage mais entraîner un couple et une traînée plus élevés, tandis qu'une autre peut minimiser le couple et la traînée au détriment d'un temps de forage plus long.

Optimisation et géostationnement des trajectoires en temps réel

Bien que la planification de trajectoires avant le forage soit essentielle, la capacité d'optimiser les trajectoires en temps réel pendant les opérations de forage est devenue de plus en plus importante. La géostationnalité consiste à effectuer des ajustements de trajectoire en fonction des informations géologiques obtenues pendant le forage pour s'assurer que le puits demeure dans la zone cible.

Intégration des données en temps réel et en exploitation

Les outils modernes de forage en temps réel permettent de mesurer en temps réel les propriétés de formation, la position des puits et les paramètres de forage. Prise de décision éclairée : Les opérateurs utilisent ces données pour prendre des décisions éclairées au cours du forage, en optimisant la trajectoire des puits en fonction des conditions géologiques rencontrées.

La trajectoire du puits a été repensée et sélectionnée après la construction de nouveaux modèles de stabilité et de contrainte géomécaniques utilisant des données de coupe lors du forage (LWD). Cette approche adaptative permet d'ajuster la trajectoire pour éviter les risques géologiques inattendus ou pour mieux cibler les zones productives qui diffèrent des prévisions pré-perçage.

L'intégration des données en temps réel dans l'optimisation de la trajectoire nécessite des algorithmes qui peuvent traiter rapidement de nouvelles informations et générer des recommandations de trajectoire actualisées. Optimisation continue : Les outils de surveillance en temps réel fournissent une rétroaction sur les paramètres de forage, permettant des ajustements dynamiques au parcours du puits.

Systèmes rotatifs et contrôle de trajectoire

Contrairement aux méthodes traditionnelles, le RSS permet une rotation continue de la chaîne de forage, fournissant des ajustements en temps réel de la trajectoire du puits. Cela permet un contrôle précis de la direction, permettant aux foreurs de naviguer avec précision dans des formations géologiques complexes.

La technologie RSS offre plusieurs avantages pour l'optimisation et le contrôle de trajectoire. La rotation continue réduit les frottements et améliore le nettoyage des trous par rapport aux forages directionnels conventionnels avec des moteurs à boue. La capacité à effectuer des ajustements de trajectoires petits et fréquents permet un contrôle de trajectoire plus précis et un meilleur ciblage des réservoirs.

La capacité d'adaptation du système à divers profils de puits, la réduction des vibrations de forage et l'amélioration des capacités de levé contribuent à améliorer les performances de forage, à accélérer les taux et à améliorer la rentabilité du placement des puits.

Contrôle adaptatif et prise de décision

La principale tâche du contrôle de la trajectoire du forage dans les puits de pétrole et de gaz est d'ajuster les paramètres de forage du puits en temps réel pour guider la trajectoire du forage vers le réservoir de pétrole cible.

L'agent de trajectoire de forage est nécessaire pour ajuster dynamiquement la stratégie de prise de décision de trajectoire de forage en fonction des paramètres de terrain en temps réel, et il devrait posséder la capacité d'adaptation aux nouveaux scénarios.

Applications spécialisées et techniques avancées

Optimisation du forage à portée étendue

Le forage à grande portée (ERD) est un progrès crucial dans l'industrie pétrolière et gazière, permettant l'accès aux hydrocarbures situés loin de la plate-forme de forage. L'optimisation des trajectoires de forage à grande portée est essentielle pour maximiser l'extraction des ressources, minimiser les impacts environnementaux et assurer des opérations rentables.

L'optimisation de la trajectoire des puits ERD doit équilibrer soigneusement les objectifs concurrents d'atteindre des cibles éloignées tout en maintenant la perceuse et la stabilité des puits. La trajectoire comprend généralement une section de construction longue pour atteindre l'inclinaison requise, suivie d'une section tangente ou horizontale prolongée.

La technologie de simulation joue un rôle essentiel dans l'optimisation des trajectoires de forage en puits dans le forage à aire étendue (ERD) en fournissant aux ingénieurs la capacité de modéliser divers scénarios, d'évaluer les risques et de déterminer les trajectoires de forage les plus efficaces.

Sidetrack et Relief Well Optimisation

Les puits de puits secondaires sont forés à partir de puits existants pour accéder à de nouvelles zones de réservoir ou pour contourner les problèmes dans le puits d'origine. Ce type de puits est le principal moyen technique d'exploiter le reste du pétrole dans les couches minces de pétrole, les champs pétroliers marginaux et les zones de pétrole mort.

L'optimisation de la trajectoire des puits de voie latérale doit tenir compte des contraintes imposées par le puits existant, y compris l'emplacement du point de démarrage, la capacité de construction du caisson existant et la nécessité d'éviter le puits d'origine après la sortie.

Pour les puits de secours, il faut un contrôle de trajectoire particulièrement précis pour intersecter un puits cible à des fins d'intervention. Planification de l'interception : Dans le forage de puits de secours, les aides magnétiques à la distance dans l'interception précise des puits cibles à des fins d'intervention.

Conception multilatérale de puits

Les puits multilatéraux comprennent plusieurs branches latérales forées à partir d'un puits principal, permettant l'accès à plusieurs zones de réservoir ou un contact accru avec un réservoir provenant d'un seul puits principal. L'optimisation de la trajectoire pour les puits multilatéraux est particulièrement complexe car elle doit tenir compte des interactions entre plusieurs latéraux et s'assurer que chaque côté peut être foré et complété avec succès.

L'optimisation doit déterminer le nombre optimal de latéraux, leur espacement, leur orientation et leur longueur pour maximiser la production tout en maintenant la perceuse et la faisabilité de l'achèvement. La capacité et la performance de cette approche d'optimisation de puits ont été démontrées dans une série d'études de simulation 2D et 3D, où une trajectoire de puits unique est prévue de manière optimale et des latéraux multiples de diverses courbures sont conçus de manière optimale.

Outils de technologie de simulation et de visualisation

Les technologies de simulation et de visualisation avancées jouent un rôle crucial dans l'optimisation des trajectoires en permettant aux ingénieurs d'évaluer les options de trajectoire, d'identifier les problèmes potentiels et de communiquer efficacement les conceptions.

Modélisation géologique et géomécanique

Modélisation géologique : Logiciel de simulation permettant aux ingénieurs de créer des modèles géologiques détaillés de l'environnement souterrain, y compris des formations, des failles et des propriétés du réservoir.

Comprendre les régimes de stress : Les modèles géomécaniques aident à prédire la distribution de stress in situ et son effet sur la stabilité des puits. Ces modèles intègrent la structure géologique, les propriétés mécaniques des roches et les données de pression interstitielle pour prédire où les problèmes de stabilité des puits sont les plus susceptibles de se produire.

Les modèles géologiques tridimensionnels constituent le fondement de l'optimisation de la trajectoire en définissant la répartition spatiale des propriétés des réservoirs, les risques géologiques et les contraintes de forage.

Simulation de dynamique de forage

Les outils de simulation de dynamique de forage modélisent le comportement mécanique du cordon de forage et prédisent le couple, la traînée, le flambage et les vibrations. Ces simulations sont essentielles pour vérifier qu'une trajectoire conçue peut être forée avec l'équipement disponible et pour identifier les problèmes mécaniques potentiels avant qu'ils ne se produisent sur le terrain.

Les modèles de torque et de traînée calculent les forces de frottement agissant sur le cordon de forage au cours de son déplacement dans le puits. Ces modèles tiennent compte de la géométrie du tronc de puits, de la configuration du cordon de forage, des propriétés de la boue et des forces de contact entre le cordon de forage et le mur de tronc de puits.

Les outils de simulation hydraulique modélisent le débit du fluide de forage dans le système circulant et prédisent les pertes de pression, l'efficacité de nettoyage des trous et la densité de circulation équivalente. Ces simulations garantissent que la trajectoire prévue peut être forée tout en maintenant un nettoyage adéquat des trous et en restant dans la fenêtre de fonctionnement sécuritaire entre la pression interstitielle et la pression de rupture.

Visualisation 3D et soutien à la décision

L'outil de visualisation avancée aidera à la construction de puits en fournissant aux planificateurs de puits et aux ingénieurs de forage des informations sur les zones et les possibilités possibles de problèmes pendant le forage. La nouvelle approche de la conception de trajectoire de puits rendra la planification plus interactive, robuste et efficace dans le temps.

Les outils de visualisation tridimensionnels permettent aux ingénieurs de visualiser la trajectoire prévue dans le contexte des structures géologiques, des puits de compensation et des installations de surface. Ces outils permettent de concevoir une trajectoire interactive où les ingénieurs peuvent manipuler les paramètres de trajectoire et voir immédiatement les effets sur la géométrie du puits, le dégagement de collision et le contact avec le réservoir.

Le module de visualisation fournit une image 3D du puits en construction en ce qui concerne les puits offset, la visualisation statistique et le filtrage des données des sections de puits forés pour déterminer, par exemple, les zones de ROP et de faible tortuosité. Cette capacité permet aux ingénieurs d'apprendre de la performance de puits offset et d'intégrer ces connaissances dans de nouvelles conceptions de trajectoire.

Défis et orientations futures

Complexité et efficacité informatiques

L'un des principaux défis de l'optimisation des trajectoires est le coût de calcul de l'évaluation de fonctions objectives complexes et des contraintes. Les simulations de haute fidélité de la mécanique de forage, la stabilité des puits et les performances des réservoirs peuvent être coûteuses en calcul, limitant le nombre d'options de trajectoire qui peuvent être évaluées pendant l'optimisation.

Les techniques de modélisation par substitution et de modélisation par ordre réduit offrent des solutions potentielles en créant des modèles simplifiés qui rapprochent le comportement de simulations complexes à un coût de calcul beaucoup plus faible. Les méthodes d'apprentissage automatique peuvent être formées sur des résultats de simulation de haute fidélité pour créer des modèles de substitution à fonctionnement rapide qui permettent des études d'optimisation plus étendues.

Des plateformes de calcul parallèle et d'optimisation en nuage permettent d'effectuer simultanément plusieurs évaluations de trajectoires, réduisant ainsi de manière significative le temps de travail nécessaire aux études d'optimisation.Ces technologies permettent d'effectuer des études d'optimisation plus complètes qui tiennent compte d'un plus grand nombre de scénarios et d'incertitudes.

Quantification de l'incertitude et optimisation robuste

L'optimisation de la trajectoire doit tenir compte des incertitudes liées aux modèles géologiques, aux propriétés des réservoirs et aux paramètres de forage.

Des approches d'optimisation robustes visent à identifier des trajectoires qui fonctionnent bien dans une gamme de scénarios possibles plutôt que d'optimiser pour un scénario déterministe unique.Ces approches tiennent explicitement compte de l'incertitude dans le processus d'optimisation et produisent des trajectoires moins sensibles aux variations de paramètres incertains.

Les méthodes d'optimisation stochastique utilisent des représentations probabilistes de paramètres incertains et cherchent à optimiser les performances attendues ou à minimiser la probabilité d'échec.Ces méthodes nécessitent de nombreuses évaluations de la fonction objective pour différentes réalisations de paramètres incertains, rendant l'efficacité computationnelle particulièrement importante.

Intégration de sources de données multiples

L'optimisation moderne de la trajectoire doit intégrer des données provenant de sources multiples, y compris des relevés sismiques, des registres de puits, des analyses de base, des données sur les performances de forage et des données de production.

Les techniques de fusion de données qui combinent des informations provenant de sources multiples tout en tenant compte de leurs incertitudes respectives sont essentielles pour créer des modèles géologiques et géomécaniques fiables.

Le défi de l'intégration des données est aggravé par la nécessité de mettre à jour les modèles en temps réel à mesure que de nouvelles données deviennent disponibles lors du forage.

Systèmes autonomes de forage

L'avenir de l'optimisation des trajectoires réside dans des systèmes de forage entièrement autonomes qui peuvent planifier et exécuter des trajectoires optimales avec une intervention humaine minimale.Exploitation à distance : La robotique permet des opérations de forage à distance dans des environnements difficiles, réduisant les risques et les coûts opérationnels.

Pour réaliser des forages autonomes, il faut progresser dans plusieurs domaines, notamment la technologie des capteurs, le traitement en temps réel des données, l'intelligence artificielle et les systèmes de contrôle. Le système doit être capable de reconnaître et de répondre à une vaste gamme de conditions de forage et de scénarios géologiques, nécessitant des modèles d'apprentissage machine robustes formés à des données historiques étendues.

La sécurité et la fiabilité sont des préoccupations primordiales pour les systèmes de forage autonomes. Le système doit être capable de détecter les anomalies, d'évaluer les risques et de prendre les mesures correctives appropriées.

Meilleures pratiques pour l'optimisation des trajectoires

Définition d'objectifs clairs et de contraintes

L'optimisation réussie de la trajectoire commence par la définition claire des objectifs et des contraintes du bien en question, ce qui exige une collaboration étroite entre les ingénieurs du forage, les géoscientifiques, les ingénieurs des réservoirs et le personnel des opérations afin de s'assurer que toutes les considérations pertinentes sont intégrées au cadre d'optimisation.

L'importance relative des différents objectifs devrait être explicitement exprimée, soit par des facteurs de pondération dans une formulation à objectif unique, soit par une articulation de préférence dans une approche multi-objectifs. Les contraintes devraient être fondées sur des capacités d'équipement réalistes, des conditions géologiques et des pratiques opérationnelles plutôt que sur des hypothèses trop prudentes qui limitent inutilement l'espace de solution.

Validation et analyse de sensibilité

Les trajectoires optimisées devraient être validées en profondeur par simulation et analyse de sensibilité avant leur mise en œuvre, ce qui comprend la vérification que la trajectoire satisfait à toutes les contraintes, l'évaluation des performances selon divers scénarios et l'évaluation de la sensibilité aux paramètres incertains.

La comparaison avec les performances de puits offset fournit une validation précieuse de l'approche d'optimisation. Si la trajectoire optimisée diffère sensiblement des puits offset réussis, les raisons des différences doivent être comprises et justifiées.

La planification des éventualités devrait être effectuée pour déterminer d'autres options de trajectoire si le plan primaire ne peut être exécuté en raison de conditions imprévues.

Amélioration continue et apprentissage

L'optimisation des trajectoires devrait être considérée comme un processus d'amélioration continue plutôt qu'une activité ponctuelle. La capture et l'analyse systématiques des données sur les performances de forage permettent de perfectionner les modèles, de valider les hypothèses et d'améliorer les approches d'optimisation au fil du temps.

L'analyse post-bien comparant les trajectoires et les performances prévues et réelles fournit une rétroaction précieuse pour améliorer les conceptions futures de trajectoire.

Les systèmes de gestion des connaissances qui tiennent compte des leçons apprises et des pratiques exemplaires tirées des études d'optimisation des trajectoires permettent aux organisations de développer des connaissances institutionnelles et d'éviter de répéter des erreurs passées.

Conclusion

La conception et l'optimisation des trajectoires de puits utilisant des méthodes numériques sont devenues une capacité essentielle pour les opérations pétrolières et gazières modernes. L'évolution de la planification simple de trajectoire 2D à l'optimisation 3D sophistiquée intégrant de multiples objectifs, contraintes complexes et adaptation en temps réel reflète la complexité croissante et les exigences de performance des opérations de forage contemporaines.

Les méthodes d'optimisation numérique, y compris les algorithmes basés sur le gradient, les algorithmes génétiques, l'optimisation des essaims de particules et le recuit simulé, fournissent des outils puissants pour identifier des trajectoires optimales qui équilibrent des objectifs concurrents tels que la réduction des coûts de forage, la maximisation du contact avec le réservoir et la stabilité des puits.

L'optimisation réussie de la trajectoire nécessite l'intégration de multiples disciplines, notamment l'ingénierie du forage, la géoscience, l'ingénierie des réservoirs et les opérations. Elle exige des données de haute qualité, des capacités de modélisation sophistiquées et des méthodes informatiques efficaces.

L'industrie se dirige vers des environnements de forage plus difficiles, notamment l'eau ultra-profonde, la portée étendue et les ressources non conventionnelles, et l'importance de l'optimisation de la trajectoire ne fera qu'augmenter.

Pour plus d'informations sur l'ingénierie du forage et l'optimisation de la trajectoire, visitez le Société des ingénieurs pétroliers et explorez les ressources sur OnePetro.Vous trouverez d'autres conseils techniques à travers Association internationale des entrepreneurs en forage.La recherche académique sur les méthodes d'optimisation est disponible par ScienceDirect et Springer.