CN116097267A - 模块化烃设施安置规划系统 - Google Patents

Abstract

一种用于识别烃生产设施的部件的位置的方法可以包括经由处理器接收输入数据，该输入数据具有代表一区域的一个或多个图、多个井的多个组的坐标以及与多个部件中的至少一个相关联的成本数据。该方法还可以包括基于输入数据和优化算法来确定对应于多个位置的一组候选部件，以及基于输入数据、一组候选位置和优化算法来确定对应于多个位置的几组附加候选部件。该方法然后可以包括基于一个或多个组的附加候选部件中的至少一个，生成指示多个部件的多个位置的一个或多个附加图。

Description

模块化烃设施安置规划系统

交叉引用段落

本申请要求2020年6月30日提交的题为“MODULAR APPROACH FOR OPTIMALPIPELINE PLANNING,”的美国临时申请号62/705,502和2021年2月24日提交的题为“MODULAR HYDROCARBON FACILITY PLACEMENT PLANNING SYSTEM,”的美国临时申请号63/200,256号的权益，其公开内容通过引用结合于此。

背景技术

本公开总体上涉及烃、井设施和管线的自动规划和安置。

当通过油田和/或气田中的烃井从烃储层中提取烃时，提取的烃可以通过运输车辆、管线网络等运输到各种类型的设备、储罐、加工设施等。例如，烃可以经由烃井从储层中提取，然后可以经由管线网络从井运输到各种处理站，这些处理站可以执行烃处理的各个阶段，以使得生产的烃可供使用或运输。

考虑到地理因素、成本因素等，用于识别用于烃提取、处理和分配操作的部件的合适位置和安置的自动规划技术可能涉及大量的处理能力和硬件，以有效地确定各种部件的合适位置。也就是说，用于确定烃操作的部件的合适位置的系统可能需要几天来处理相关信息并识别合适的解。此外，这些系统可以为组成烃操作的有限数量的部件(例如，10-20口井、钻井中心、收集中心和/或中央处理中心)识别合适的位置。在确定合适位置时所分析的部件的延迟和有限数量可能导致延迟操作、更高的成本和与烃提取和处理相关的过程中效率的降低。

这一部分旨在向读者介绍可能与下面描述和/或要求保护的本技术的各个方面相关的技术的各个方面。该讨论被认为有助于向读者提供背景信息，以便于更好地理解本公开的各个方面。因此，应该理解的是，这些陈述应该从这个角度来阅读，而不是作为对现有技术的承认

发明内容

下文阐述了本文公开的某些实施例的概要。应当理解，呈现这些方面仅仅是为了向读者提供这些特定实施例的简要概述，并且这些方面不旨在限制本公开的范围。实际上，本公开可以包含可能没有在下面阐述的多个方面。

在第一实施例中，一种用于确定烃生产地点的布局的方法可以包括经由处理器接收输入数据，该输入数据包括与区域相关联的地质数据、计算资源参数以及要安置在布局中的一组部件的指示。该组部件可包括一个或多个井、两个或更多个设施、设施之间的一个或多个管线以及井和至少一个设施之间的一个或多个井轨迹。该方法还可以包括经由处理器选择一组规划场景中的一个，以在基于计算资源参数确定布局时实施。另外，该方法可以包括，响应于选择规划场景之一，基于第一算法和地质数据确定井的一组井安置。该方法还可以包括基于第二算法同时确定设施的一组设施安置、井的一组井轨迹和管线的一组管线安置。该组管线安置可以基于第三算法和地理数据的图形拓扑来识别设施之间的路径，该地理数据的图形拓扑由与在区域的各个部分安置管线相关联的成本来加权。

在一些实施例中，第一算法可以包括第二算法作为内部迭代循环。

在一些实施例中，计算资源参数可以包括用户设置的阈值时限，在该时限内请求完成布局确定。

在一些实施例中，计算资源参数可以包括用户偏好，该用户偏好指示与确定布局相关联的计算效率和布局优化的准确度之间的优先级。

在一些实施例中，该方法可以包括，响应于选择该组规划场景中的第二规划场景，基于第一算法和地质数据确定一个或多个井的该组井安置。另外，响应于选择第二规划场景，该方法可以包括基于第二算法同时确定设施的一组设施安置和管线的该组管线安置。此外，独立于同时确定，该方法可以包括基于第四算法确定井的该组井轨迹。

在一些实施例中，第四算法可以包括粒子群优化算法，其被配置为惩罚具有大于阈值量的值的双向弯折(dog-leg)严重度。

在一些实施例中，第一算法和第二算法可以分别包括第一和第二粒子群优化算法。

在一些实施例中，第三算法可以是A*算法。

在第二实施例中，一种用于确定两个或更多设施之间的一个或多个管线的管线安置的方法可以包括经由处理器接收输入数据，例如与区域相关联的拓扑数据和与该区域的相应部分中的管线安置相关联的成本数据。该方法还可以包括经由处理器基于第一算法和由成本数据扩充的拓扑数据来确定设施之间的路径。此外，该方法可以包括经由处理器基于该路径确定管线的一组管线安置。

在一些实施例中，确定该组管线安置可以包括基于第二算法同时确定该组管线安置和一组设施安置。

在一些实施例中，确定该组管线安置可以包括基于第二算法同时确定设施的一组设施安置、一个或多个井的一组井轨迹以及管线的该组管线安置。

在一些实施例中，第二算法可以包括粒子群优化算法。

在一些实施例中，该方法可以包括通过第三算法独立于同时确定来确定一个或多个井的一组井安置。

在一些实施例中，该方法可以包括基于成本数据将经由拓扑数据获取的图转换成成本图(graph)。

在一些实施例中，确定设施之间的路径是基于应用于成本图的A*算法。

在第三实施例中，一种用于确定烃生产地点的布局的方法可以包括通过处理器接收输入数据，例如与区域相关联的地质数据和要安置在布局中的一组部件的指示。该组部件可以包括两个或更多个设施以及这两个或更多个设施之间的一个或多个管线。此外，该方法可以包括基于地质数据、该组部件的指示和第一算法同时确定用于设施的一组设施安置和用于管线的一组管线安置。

在一些实施例中，同时确定该组设施安置和该组管线安置可以包括在第一算法的迭代循环内基于地质数据和第二算法迭代地确定一组候选管线安置。

在一些实施例中，确定该组管线安置可以包括基于第二算法和地质数据的图形拓扑来确定设施之间的最短路径，该地理数据由与在区域的相应部分安置管线相关联的成本加权。

在一些实施例中，同时确定一组设施安置和一组管线安置可以包括基于第一算法同时确定一个或多个井的一组井安置、设施的一组设施安置、一组井和至少一个设施之间的一组井轨迹以及管线之间的一组管线安置。

在一些实施例中，该方法可包括在第一算法期间，通过改变与井相关联的钻井中心或旋转井来校正井的不可行候选井轨迹。

在第四实施例中，一种用于确定烃生产地点的布局的方法可以包括经由处理器接收输入数据，例如与区域相关联的地质数据、要安置在布局中的一组部件的指示。该组部件可包括一个或多个井、两个或更多个设施、设施之间的一个或多个管线以及井和至少一个设施之间的一个或多个井轨迹。该方法还可以包括基于地质数据和具有嵌套迭代循环的第一算法，同时确定设施的一组设施安置、井的一组井轨迹、管线的一组管线安置和井的一组井安置。

在一些实施例中，确定该组管线安置可以包括基于第二算法和地质数据的图形拓扑来确定设施之间的最短路径，所述地理数据由与在区域的相应部分安置管线相关联的成本来加权。

在一些实施例中，输入数据可以包括至少一个固定井安置。

在一些实施例中，该方法可以包括经由处理器选择一组规划场景中的一个，以在基于输入数据中指定的计算资源参数确定布局时实施。计算资源参数可以指示与确定布局相关联的计算效率和布局优化的准确度之间的优先级。

在第五实施例中，一种用于识别烃生产设施的多个部件的多个位置的方法可以包括经由处理器接收输入数据，该输入数据具有代表一个区域的一个或多个图、多个井的多组坐标以及与多个部件中的至少一个相关联的成本数据。该方法还可以包括基于输入数据和第一算法确定对应于多个位置的一组候选部件，以及基于输入数据、一组候选位置和第一算法来确定对应于多个位置的一个或多个组的附加候选部件。该方法然后可以包括基于一个或多个组的附加候选部件中的至少一个，生成指示多个部件的多个位置的一个或多个附加图。

在一些实施例中，输入数据可以包括与该区域相关联的一组物理层、代表与由烃生产地点执行的不同操作相关联的一组逻辑层的逻辑层数据、该区域内的一个或多个禁止区域、或者它们的任意组合。

在一些实施例中，确定该一组候选部件可以包括基于第一算法识别与多个逻辑层的至少两个部分内的多个位置相关联的第一组候选部件的第一组位置，该第一算法可以是粒子群优化算法。确定该组候选部件还可以包括基于第一组候选部件的第一部分的两个或更多个候选部件之间的一个或多个距离对第一组候选部件的第一部分进行分组，以及基于第一组候选部件的第一部分和与第一组候选部件相关联的容量数据来确定更新的第一组位置。此外，确定该一组候选部件可以包括基于更新的第一组位置、与在第一组候选部件的第一部分的至少一些部件之间提供流体连接相关联的连接成本数据，确定用于建造烃生产地点的第一总成本。

在一些实施例中，确定一个或多个组的附加候选部件可以包括基于输入数据、粒子群优化算法和更新的第一组位置来识别与多个位置相关联的第二组候选部件的第二组位置。确定该组候选部件还可以包括基于第二组候选部件的第二部分的两个或更多个附加候选部件之间的一个或多个附加距离对第二组候选部件的第二部分进行分组。另外，确定一组候选部件还可以包括基于第二组候选部件的第二部分和与第二组候选部件相关联的附加容量数据来确定更新的第二组位置，以及基于更新的第二组位置、与在第二组候选部件的第二部分的至少一些部件之间提供附加流体连接相关联的附加连接成本数据来确定用于建造烃生产地点的第二总成本。

在一些实施例中，该方法可以包括经由处理器基于输入数据和第二算法确定一组候选井安置，以及经由处理器基于输入数据、一组候选井安置和第二算法确定一个或多个组的附加候选井安置。此外，该方法可以包括经由处理器基于一个或多个组的附加候选井安置生成多组坐标。

在一些实施例中，该方法可以包括经由处理器基于输入数据和第二算法确定对应于多个井轨迹的第二组候选部件(component)。该方法还可以包括经由处理器基于输入数据、第二组候选部件和第二算法确定对应于多个井轨迹的一个或多个组的第二附加候选部件。此外，该方法可以包括经由处理器基于一个或多个组的第二附加候选部件生成多个井轨迹。

在一些实施例中，确定该组候选部件可以包括同时确定一组候选设施安置和该组候选设施安置中的至少两个之间的一组候选管线路线。

在一些实施例中，确定该组候选部件可以包括同时确定一组候选设施安置、该组候选设施安置中的至少两个之间的一组候选管线路线、以及该组候选设施安置和该多口井的多组坐标之间的一组井轨迹。

在一些实施例中，确定一组候选部件可以包括同时确定一组候选井安置、一组候选设施安置、该组候选设施安置中的至少两个之间的一组候选管线路线、以及该组候选井安置和该组候选设施安置之间的一组井轨迹。

在一些实施例中，确定一组候选部件可以包括同时确定多个不同类型的候选部件。

在一些实施例中，识别多个部件的多个位置可以包括基于A*算法确定烃生产地点的一组设施安置之间的一组管线安置。

在一些实施例中，该组管线安置可以包括该组设施安置之间的一个或多个最佳路线。

在一些实施例中，一个或多个最佳路线考虑了拓扑复杂性，包括山、山谷、断层或其任意组合。

在一些实施例中，该组管线安置避开一个或多个禁止区域。

在一些实施例中，代表该区域的图可以包括具有四边形网格块的结构化图。

在一些实施例中，第一算法可以包括粒子群优化算法。

在第六实施例中，烃生产地点规划系统可以包括一个或多个处理器和一个或多个存储器，所述存储器包括指令，当由一个或多个处理器执行时，所述指令使得一个或多个处理器识别烃生产地点的多个部件的多个位置。识别多个部件的多个位置可以包括经由一个或多个处理器接收输入数据，该输入数据包括代表一个区域的一个或多个图、多个井的多组坐标以及与多个部件中的至少一个相关联的成本数据。识别多个位置还可以包括经由一个或多个处理器基于输入数据和算法确定对应于多个位置的一组候选部件，以及基于输入数据、一组候选部件和算法经由一个或多个处理器确定对应于多个位置的一个或多个组的附加候选部件。此外，识别多个位置可以包括经由一个或多个处理器，基于一个或多个组的附加候选部件中的至少一个，生成指示多个部件的多个位置的一个或多个附加图。

在一些实施例中，该算法可以是粒子群优化算法。

在第七实施例中，计算机程序可以包括用于实现任何上述方法的指令。

在第八实施例中，非暂时性计算机可读介质可以包括用于实现任何上述方法的指令。

关于本公开的各个方面，可以对上述特征进行各种改进。更多的特征也可以结合到这些不同的方面中。这些改进和附加特征可以单独或以任意组合的方式进行。例如，下面讨论的与一个或多个所示实施例相关的各种特征可以单独或以任何组合结合到本公开的任何上述方面中。以上给出的简要概述仅旨在使读者熟悉本公开的实施例的某些方面和背景，而不限制所要求保护的主题。

为了描述的清楚和简单，没有明确阐述在上述本发明的方面中提供的所有部件的组合。尽管如此，本领域技术人员将直接且明确地认识到，除非在技术上不可行，或者有明确的相反说明，否则涉及这里描述的实施例的一个方面的一致性条款旨在加以必要的修正，作为那些一致性条款可能涉及的本发明的每个其他方面的可选特征。

附图说明

当参考附图阅读以下详细描述时，本公开的各种特征、方面和优点将变得更好理解，在所有附图中，相同的附图标记表示相同的部件，在附图中:

图1示出了根据本公开的一个或多个实施例的可以生产和加工烃的示例烃地点的示意图；

图2示出了根据本公开的一个或多个实施例的各种部件的框图，这些部件可以是用于确定部件位置的规划系统的一部分，这些部件的位置可以是图1的烃地点的一部分；

图3是根据本公开的一个或多个实施例的可以是图1的烃地点的一部分的部件的逻辑层的框图；

图4是根据本公开的一个或多个实施例的烃规划系统在为烃地点制定可能的布局时可以利用的示例分析场景的框图；

图5是根据本公开的一个或多个实施例的用于识别烃地点的部件和部件的合适位置的示例方法的流程图；

图6是根据本公开的一个或多个实施例的两层设施的候选解(solution)的示例；

图7是根据本公开的一个或多个实施例的示例方法的流程图，该方法用于对部件集合进行聚类或分组，以确定烃地点的部件的合适位置；

图8是根据本公开的一个或多个实施例的利用基于图的方案来确定烃地点的管线的路线的示例方法的流程图；

图9是根据本公开的一个或多个实施例的具有管线起始点和管线目标点的示例拓扑；

图10是根据本公开的一个或多个实施例的将成本与不同拓扑区域相关联的网格图；

图11是根据本公开的一个或多个实施例的考虑拓扑复杂性和潜在管线安置方向的成本图；

图12是根据本公开的一个或多个实施例的使用A*算法寻找两个位置之间的最短路径的示例过程的流程图；

图13是根据本公开的一个或多个实施例的对应于图4的场景1的一般工作流程的示例方法的流程图；

图14是根据本公开的一个或多个实施例的根据场景1使用粒子群优化(PSO)操作来确定设施安置的示例方法的流程图；

图15是根据本公开的一个或多个实施例的对应于图4的场景2的一般工作流程的示例方法的流程图；

图16是根据本公开的一个或多个实施例的根据场景2使用粒子群优化(PSO)操作来确定设施安置和管线安置的示例方法的流程图；

图17是根据本公开的一个或多个实施例的对应于图4的场景3的一般工作流程的示例方法的流程图；

图18是根据本公开的一个或多个实施例的根据场景3使用粒子群优化(PSO)操作来确定设施安置、管线安置和井眼轨迹设计的示例方法的流程图；

图19是根据本公开的一个或多个实施例的对应于图4的场景4的一般工作流程的示例方法的流程图；

图20是根据本公开的一个或多个实施例的示例性水平井，其具有跟部、趾部以及钻井中心和跟部之间的井轨迹；

图21是根据本公开的一个或多个实施例的使用PSO算法确定井轨迹设计的示例方法的流程图；

图22是根据本公开的一个或多个实施例的解决井可行性的自动化启发式工作流程的示例方法的流程图；和

图23是根据本公开的一个或多个实施例的图22的方法的一部分的流程图。

具体实施方式

下面将描述一个或多个具体实施例。为了提供这些实施例的简明描述，在说明书中没有描述实际实现的所有特征。应当理解，在任何这种实际实现的开发中，如同在任何工程或设计项目中一样，必须做出许多特定于实现的决定，以实现开发者的特定目标，例如符合系统相关和商业相关的约束，这些约束可能因实施方式而异。此外，应当理解，这种开发努力可能是复杂且耗时的，但是对于受益于本公开的普通技术人员来说，这仍然是设计、制作和制造的常规任务。

附图不一定按比例绘制。实施例的某些特征可能以放大的比例或某种示意性的形式示出，并且为了清楚和简明起见，传统部件的一些细节可能没有示出。尽管一个或多个实施例可能是优选的，但是所公开的实施例不应该被解释为或者以其他方式被用来限制本公开的范围，包括权利要求。应当充分认识到，所讨论的实施例的不同教导可以单独使用或者以任何合适的组合来产生期望的结果。此外，本领域技术人员将理解，该描述具有广泛的应用，并且任何实施例的讨论仅意味着该实施例的示例，并不意味着宣告包括权利要求在内的本公开的范围限于该实施例。

当介绍本公开的各种实施例的部件时，冠词“一”、“一个”和“该”意在表示存在一个或多个部件。术语“包括”和“具有”以开放式的方式使用，因此应该解释为“包括，但不限于……”任何形式的术语“联接”或描述部件之间相互作用的任何其他术语的任何使用旨在表示所描述的部件之间的间接或直接相互作用。

在说明书和权利要求书中使用了某些术语来指代特定的特征或部件。如本领域技术人员将理解的，不同的人可以用不同的名称来指代相同的特征或部件。除非特别说明，否则本文不打算区分名称不同但功能相同的部件或特征。

烃地点可以包括许多便于从井或井场提取、处理和分配烃(例如，石油)的部件。当最初分析潜在的烃提取地点时，考虑许多因素来识别要安置在烃地点的设施的类型、设施的位置、设施之间的距离、储层井段(例如井本身)的位置、井轨迹、这些设施之间的管线的安置等。例如，可以针对可行性、时间或成本效率、储层产量或其任意组合来分析井本身的位置、井轨迹、设施的安置和/或这些设施之间的管线的安置。

尽管可以为特定的烃地点确定各种各样的解或部件和位置的安置，但是与其他组的解相比，某些安置和位置可以导致总体更低的操作成本、更低的建造成本、更高的生产效率以及其他有利的指标。随着更多的提高资源(例如，时间、金钱、供应品)的有效利用以调试设施在烃地点的构建和操作的解被确定，可以识别最佳的设施安置计划。如这里所使用的，最佳可以指与用于生产和在烃地点布局设施的其他解相比，产生最少量的成本、提供最有效量的生产速度、使用最少量的资源或这些特性的组合的解集或确定的布置。此外，在一些实施例中，最佳解可以基于用户可选择的参数，例如阈值成本、资源消耗、烃产量和/或实现该解的处理时间。此外，如本文所用，最佳解还可包括在成本、时间、距离等方面更有效的改进解。这样，最佳路线可以包括相对于先前确定的路线在成本、时间、距离等方面改进的路线。以同样的方式，最佳布局可以包括相对于先前确定的安置在成本、时间、距离等方面改进的安置。

考虑到这一点，本文描述的本实施例涉及系统和方法，用于迭代地识别烃地点的一组部件或设施以及该组部件的位置，使得每个识别的一组部件可以涉及更低的建造成本、更低的操作成本、更有效的烃转移、更有效的烃提取等。也就是说，本文描述的本实施例涉及油气田开发规划操作，其识别用于各种烃提取和处理操作的合适的(例如，最佳的)设施安置、管线安置和/或井安置和/或轨迹。

为了有效地规划和识别烃地点的合适的部件(例如，设施、管线和/或井)和合适的部件位置，规划系统可以考虑与烃被提取的区域的地理属性相关的各种变量。事实上，识别过程可以整合井安置设计和井轨迹设计，这两者都给油田开发规划操作带来了挑战(例如，在概念筛选阶段)。在该初始规划阶段，规划系统可以评估多个概念，这些概念涉及相对于一段时间(例如，期望的项目时间线)安置在不同位置的部件的集合。

一些规划系统使用整合的工作流程，这些工作流程在成本和计算处理能力方面变得非常昂贵。也就是说，规划系统可以识别超过期望项目成本、可能花费超过阈值量的时间(例如，几天、几个月)来生产等的成组部件。实际上，确定设施的合适位置可能涉及最小化生产(例如，建造、操作)某些设施的成本，同时考虑区域的拓扑复杂性、各个设施和烃操作的规定容量、分配提取或处理的烃的轨迹约束等。举例来说，规划系统可以选择不同“节点”的最佳或合适的数量和位置，这些“节点”可以对应于设施的类型、设施的位置、井或井安置以及节点之间的连接路径(例如，管线或井轨迹)等。

不同于其他优化方案，这些优化方案可能由于穷举搜索参数而非常慢，并且不能解决在真实场景中通常遇到的各种拓扑复杂性，本实施例提供了更有效的分析，该分析减少了计算系统所使用的处理能力的量，该计算系统的任务是识别烃地点内的合适部件、部件安置和连接性部件。换句话说，其他优化方案受到现有计算系统的某些存储器和计算参数的限制，以便为烃地点规划操作提供有用的设施建议。此外，不同组/类型的节点的处理可以模块化地完成(例如，组部分)以适应分析的各种复杂性，这可以允许用计算机处理时间/资源换取最佳解的精度的能力。例如，与使用先前分析的结果以特定顺序或次序求解井安置、设施安置和管线安置以执行后续分析相比，通过同时求解井安置、设施安置和管线安置，复杂性可能增加。然而，在某些情况下，增加的复杂性可能导致改进的最佳解。如本文所使用的，同时处理、分析或求解通常意味着与顺序分析相反，在单个分析中一起考虑部件(例如，作为相同算法或成本函数的一部分)。此外，最佳解可以是在给定的时间量或计算机迭代次数中找到的解，使得该解对应于相对于顺序分析技术的时间有效且成本有效的解。

考虑到前述内容，本公开包括规划系统，该规划系统可以采用一种或多种算法，例如粒子群优化(PSO)算法来识别部件(例如，设施、井、管线等)以及可能是烃地点的一部分的部件的位置/安置。此外，规划系统可以联接不同的算法，例如PSO算法和A*搜索算法，以确定可以在各种识别的部件之间使用的管线安置。在某些实施例中，规划系统可以通过分析关于部件安置的各种级别的问题复杂性来调用用于设施和/或井安置优化的模块化方法。例如，PSO算法可以考虑不同的组成层(例如，分级层、不同分级级别内的操作功能)、烃地点和周围区域的拓扑复杂性、任何禁止或不可到达的区域等。通过以这种模块化方式采用PSO算法，本实施例可以显著减少其他(例如，传统的)规划系统先前在设计阶段识别烃地点的部件和部件位置所使用的时间量和处理能力。下面将讨论与基于基于非梯度的算法(例如具有A*搜索算法的PSO算法)来识别烃地点的部件和部件位置的过程相关的附加细节。此外，虽然本公开的某些方面被讨论为使用PSO算法，但是应当理解，在不同的情况下可以使用附加或替代算法，例如黑洞粒子群优化(BHPSO)、差分进化(DE)或其他合适的(例如，基于非梯度的)算法。

作为介绍，图1示出了示例性烃地点10的示意图，其中烃产品，例如原油和天然气，可以从地下提取、处理和储存。根据本实施例，烃地点10可以包括对应于井、处理设施、收集部件、分配网络等的多个部件或设施。在规划在烃地点10使用的部件类型、部件在烃地点10的位置以及其他设计属性的设计阶段，考虑了各种因素。

事实上，随着对负担得起的可持续能源需求的增长，烃生产系统正变得越来越复杂。因此，能源需求的不断增长导致对经济高效的油田布局模式的需求增加。考虑到这一点，本实施例提供了烃地点10内的设施安置布局优化技术，以开发烃地点10的设计，该设计最大化一个或多个驱动值，例如净现值或烃采收率。从地下的角度来看，方案可以包含广泛的元素，包括井数、部件安置、部件类型、控制方案、操作进度和其他参数，以增加烃开发项目的盈利能力。同样地，本文描述的本实施例可以提供用于基于下述示例部件生成烃地点10的设计计划的改进的系统和方法。

现在参考图1，烃地点10可以包括安置在地质地层14内的多个井12。井12可以包括钻井平台16，该钻井平台16可以已经执行钻井操作以钻出井眼18。此外，如本文所用，井12通常可指物理部件，例如钻井平台16和井眼18和/或期望开采的储层的一般区域(例如储层井段)。钻井操作可包括钻探井眼18、将钻井液注入井眼18、在井眼18内执行套管操作等。除了包括钻井平台16之外，烃地点10可以包括地面装备20，其可以执行某些操作，例如水泥安装操作、检测井眼18的状况的测井操作等。这样，地面装备20可以包括储存水泥浆、钻井液、顶替液、隔离液、化学清洗液等的设备。地面装备20可以包括用于将上述各种流体输送到井眼18中的管线和其他材料。地面装备20还可以包括泵和其他设备(例如，分批混合器、离心泵、液体添加剂计量系统、罐等)可以用上述流体填充套管柱的内部。

除了用于钻井操作的装备之外，烃地点可以包括多个井设备，这些井设备可以控制从井12中提取的烃的流动。例如，烃地点10中的井设备可以包括泵千斤顶22、潜水泵24、井树26等。当井12的井底压力不足以将烃提取到地面时，泵千斤顶22可以机械地将烃(例如，油)从井12中提出。潜水泵24可以是浸没在可被泵送的烃液体中的组件。这样，潜水泵24可以包括密封的马达，使得液体不会透过密封件进入马达。此外，密封马达可以将烃从地下区域或储层推到地面。井树26可以是用于自喷井的阀、阀芯(spool)和配件的组件。这样，井树26可用于油井、气井、注水井、水处理井、注气井、凝析井等。作为参考，井12可以是第一等级级别的一部分，并且从井12提取烃的井设备可以是第一等级级别之上的第二等级级别的一部分。每个分级级别可以包括多个部件，并且当前公开的技术在确定烃地点10的设计计划时可以考虑这些级别。

在烃通过井设备从地面提取之后，提取的烃可以通过管线网络28分配到其他设备。也就是说，烃地点10的井设备可以通过管线网络28连接在一起。除了上述井装备之外，管线网络28可以连接到其他收集或收集部件，例如井口分配歧管30、分离器32、储罐34等。

在一些实施例中，泵千斤顶22、潜水泵24、井树26、井口分配管汇30、分离器32和储罐34可以通过管线网络28连接在一起。井口分配歧管30可以收集可能已经由泵千斤顶22、潜水泵24和井树26提取的烃，使得收集的烃可以被发送到烃地点10中的各种烃处理或存储区域。分离器32可以包括压力容器，该压力容器可以将从油井和气井生产的井产流体分离成单独的气体和液体成分。例如，分离器32可以将由千斤顶22、潜水泵24或井树26提取的烃分离成油成分、气体成分和水成分。在烃已经被分离之后，每个分离的成分可以被存储在特定的储罐34中。存储在储罐34中的烃可以通过管线28运输到运输车辆、炼油厂等。

尽管上面描述的烃地点10具有某些部件，但是应该理解的是，烃地点10可以包括附加的、更少的或不同的部件。例如，尽管以上关于陆地上的烃地点10进行了讨论，但是本实施例也可以包括对离岸烃地点10及其部件的分析。也就是说，本文所述的实施例旨在确定任何合适的烃地点的设计，该地点可以包括与烃的生产和分布相关的各种类型的部件。以这种方式，图1中描绘的部件被提供作为其中可以实现本文描述的实施例的示例上下文。因此，本公开的实施例不应限于图1中列出的部件。此外，与陆上或海上烃生产相关的附加部件可以作为模块化规划系统中的附加层(例如，分级的或功能的)来实现。

考虑到此，这里描述的本实施例可以包括用于基于与烃地点相关的设计数据来识别烃地点10中的部件(例如，井设备)和部件位置的系统和方法。通过操作，如图2所示的规划系统50可以接收输入数据，并且根据下面将参考图4更详细描述的过程，基于优化算法，例如粒子群优化(PSO)算法，识别烃地点10中的一组部件位置。

现在参考图2，规划系统50可以包括任何合适的计算设备、云计算设备等，并且可以包括执行各种分析操作的各种部件。如图2所示，规划系统50可以包括通信部件52、处理器54、存储器56、存储部件58、输入/输出(I/O)端口60、显示器62等。通信部件52可以是无线或有线通信部件，其可以促进不同监控系统、网关通信设备、各种控制系统等之间的通信。处理器54可以是能够执行计算机可执行代码的任何类型的计算机处理器或微处理器。存储器56和存储部件58可以是能够用作存储处理器可执行代码、数据等的介质的任何合适的制品。这些制品可以代表非暂时性计算机可读介质(即，任何合适形式的存储器或存储装置)，其可以存储由处理器54用来执行当前公开的技术的处理器可执行代码。存储器56和存储部件58还可以用于存储经由I/O端口60接收的数据、由处理器54分析的数据等。

I/O端口60可以是接口，其可以联接到各种类型的I/O模块，例如传感器、可编程逻辑控制器(PLC)和其他类型的装备。例如，I/O端口60可以用作压力传感器、流量传感器、温度传感器等的接口。这样，规划系统50可以通过I/O端口60接收与井相关联的数据。I/O端口60还可以用作接口，以使规划系统50能够与地面仪器、服务器等连接和通信。

显示器62可以包括任何类型的电子显示器，例如液晶显示器、发光二极管显示器等。这样，经由I/O端口获取的数据和/或由处理器54分析的数据可以呈现在显示器62上，使得规划系统50可以呈现烃地点10的设计以供查看。在某些实施例中，显示器62可以是触摸屏显示器或能够接收来自操作者的输入的任何其他类型的显示器。虽然规划系统50被描述为包括图2中呈现的部件，但是规划系统50不应该局限于包括图2中列出的部件。实际上，规划系统50可以包括比上述更多或更少的部件。

还应当注意，为了关于目标设施优化问题的大小和规格的模块性和灵活性，规划系统50可以通过具有后端和前端部件的网络应用来实现。在该方案中，后端部件可以负责处理某些优化算法，而前端部件可以用于从用户的角度设置优化问题规范和参数，如下面进一步详细描述的。规划系统50的前端部件和后端部件之间的通信可以包括任何合适网络上的通信。

考虑到前述内容，规划系统50可以实现用于部件安置优化的模块化优化方案。此外，规划系统50还可以使用A*搜索算法来规划管线28的布局。举例来说，与其他规划过程相比，规划系统50可以采用PSO算法来增加收敛时间，以识别烃地点10中的一组合适的部件和部件位置，同时最小化目标函数值，例如总成本。此外，与其他规划过程相比，规划系统50可以应用A*搜索算法来确定合适的管线布局设计，从而结合启发式函数的能力，以使用更少的计算资源和计算时间来获得最佳(例如，成本有效的、资源有效的)解。通过使用启发式函数来传达适用于实际管线布局场景的规范和约束，规划系统50可以减少用于识别部件位置的搜索实践中累积的时间，从而减少计算时间和资源的支出。

在一些实施例中，规划系统50可以应用诸如PSO算法的优化方案以容忍各种特征的方式输入数据，以便解决实际的陆上和海上油气田的场景。也就是说，规划系统50可以使用PSO算法来解决与设计烃地点10相关的优化问题。举例来说，优化问题可以对应于以阈值成本建造烃地点10，以在一段时间内生产阈值量的烃。为了定义优化问题或优化问题的优化参数，规划系统50可以根据某些分级或逻辑层来评估烃地点10。

例如，图3是可以是烃地点10的一部分的部件的逻辑层70的框图。逻辑层70可以详述可以是烃地点10的一部分的各种部件的不同逻辑分组。这样，逻辑层70的每一层可以包括执行一些类似功能的节点的集合。举例来说，参考图3，井12可以是作为层0的一部分的节点。井12可以对应于可以生产烃的位置。层1可以包括钻井中心76，其可以对应于钻井平台16、用于从层0中的井12中提取烃的各种类型的井设备(例如，千斤顶22、潜水泵24、井树26)。以同样的方式，层2可以在收集中心80(例如，井口分配歧管30、分离器32)接收来自钻井中心76的输出。层3可以在层级上位于层2之上，并且可以包括中央处理设施84(例如，储罐34)，中央处理设施84可以收集收集中心80的输出。在一些实施例中，中央处理设施84可以位于分配通道(例如，洲际管线、造船厂、高速公路)的阈值距离内，以使得处理后的烃能够被运输到目的地。

如图3所示，具有层0至3的烃地点10的四层设施分别对应于井、钻井中心、收集中心和中央处理设施。以这种方式，逻辑层70提供了生产系统优化问题的示例情况，其包括N_l(l＝1,…,N_l)个逻辑层(例如，0，1，2，3)，使得每个层包含

个节点。层0表示

的井12。层0(例如，水平井段)是设施安置优化问题的输入。因此，规划系统50可以从层1和以上开始解决下面提出的优化问题。应当认识到，可以增加或减少层数来增加或减少复杂性。此外，规划系统50可以同时或分别优化层70之间的连接，例如管线28和/或井轨迹86。

参考图3，规划系统50可以执行每个逻辑层中节点的数量和位置的模块化优化，以最小化在烃地点10中构建节点集合的总成本。也就是说，由规划系统50识别的生产设施可以与多层树相关，其中该树中的每一层表示一个逻辑层。这样，规划系统50解决了优化问题，该优化问题最小化了用于建造设施或其他部件的总成本，该设施或其他部件对应于基于具有井的逻辑层(层0)、钻井中心(层1)、收集中心(层2)和中央处理设施(层3)的节点，以及通过管线28(例如，连接)连接到上层(层l+1)中的节点的每个逻辑层(层)的节点。此外，规划系统50可以将所确定的设施安置与A*搜索算法相结合，以优化将节点连接到另一个节点或其他节点的管线布局。

考虑到此，规划系统50可以用来解决优化问题的优化参数可以包括以下:

(1)层l中的节点数量，

(2)节点坐标

和

(3)连接到层l中每个节点的层l-1中节点的数量；

(4)

将层l-1中的节点j分配给其对应的层l中的节点i，

其中

(5)管线安置；给定物理层上连接两个节点的最佳路径。示例:连接钻井中心和收集中心的管线。可选地，这可以被简化，使得这些管线可以由两个节点之间的欧几里德距离来代替。此外，最佳路径可以由起点和目标点之间的多个节点形成，并且优化可以利用路径上每个节点的位置。

(6)井轨迹；井眼18从地面到井位置的最佳轨迹。此外，井轨迹的优化可以包括改变控制点和/或造斜点(KOP)。

基于烃地点10的逻辑层70，规划系统50可以集中于最小化用于设施优化的明确定义的目标函数：TC，该目标函数表示结合各种节点成本以及相应连接成本的设施总成本($)。下面在等式(1)中提供了可以为规划系统50定义的示例优化问题。

参考等式(1)，

和

可以分别表示层l中节点的实际数量

和从层l-1中节点到层l中节点的总距离。也就是说，

是从层l-1中的节点到层l中的节点的所有连接长度(m)的总和。

如可以理解的，在设施安置成本(例如，选择的节点成本)和钻井成本(例如，连接烃地点10的各个等级层的管线)之间可能存在折衷，其中目标是达到最小化总设施成本的最佳解。除了上面详述的优化问题之外，规划系统50可能限于基于某些约束来识别解。例如，对于每一层l,l＝1,…,N_l，上述优化问题的一组约束的列表可以包括以下内容：

(1)最大允许的

(2)每个相应层中每个节点的最大容量

(3)

和

的非负性。

(4)层l中的最大连接长度。

在描述关于实现优化算法以识别烃地点10中的部件的位置的细节之前，应该注意，规划系统50可以同时分析或者不同时分析烃地点的某些部件。一般来说，在通过地下研究识别了烃地点10的位置之后，生产系统的设计就变成了时间和成本方面的优化问题。生产系统的各个方面从陆上油田向海上油田转变，包括针对海上油田的。例如，关于平台数量、平台安置和尺寸以及井-平台分配的决策是可以在优化问题中评估的变量。在整个油田开发规划训练中，包括选择开发概念的早期阶段，可能会考虑各种开发模式，并可能涉及对其经济可行性和技术可行性的仔细评估。在该筛选阶段，规划系统50可以实施迭代工作流程，其中考虑核心高级成本和潜在表面限制来评估设施开发优化的各种场景。结果，规划系统50可以实现高效的设施安置优化方案，该方案适应拓扑复杂性和表面约束(例如，禁止区域)，如下所述。此外，优化方案的效率可能是可变的。

为了帮助说明，图4是规划系统50在为合适的烃地点(例如，烃地点10)制定最佳布局时可以利用的示例分析场景90的框图。在场景1中，基于输入数据100和先前执行的分析，分别确定每组井安置92、设施安置94、管线安置96和井轨迹设计98。换句话说，基于输入数据100和在相应的优化分析之前执行的任何其他分析，独立地确定每个部件的优化。实际上，虽然某些部件的位置或选择可能与其他部件的位置或选择相关(例如，管线安置取决于设施安置)，但是本文所指的独立分析对应于在没有同时考虑的情况下执行分析。场景2-4包括多个不同部件的同时分析102。例如，场景2包括设施安置94和管线安置96的同时分析102，场景3包括设施安置94、管线安置96和井轨迹设计98的同时分析102，场景4包括井安置95、设施安置94、管线安置96和轨迹设计98的同时分析102。此外，计算复杂性104随着更多整合的同时分析102而增加。这样，在一些实施例中，规划系统50可以选择场景90，以在指定的(例如，用户指定的)计算资源参数或时间约束内实现部件的最佳解。此外，一个或多个用户偏好或选择可以在计算效率和优化精度之间设置优先级(例如，以连续或离散的方式)。此外，规划系统50可以接收针对特定烃地点10的最大成本值的用户选择，并且规划系统50可以基于最大成本值选择适当的场景90。也就是说，为了找到更低成本的解，规划系统50可以选择具有更高计算复杂性的场景90。此外，尽管下面进一步详细讨论了上述场景90(例如，场景1-4)中的每一个，但是应当理解，同时分析102可以包括烃地点10的部件的任何子集，并且可以以各种合适的顺序执行。

此外，虽然本技术利用诸如PSO的优化算法来选择和/或安置烃地点10的部件，包括同时分析102，但是独立分析的部件可以使用单独的(例如，独立的)PSO算法或其他分析技术。例如，可以使用其他技术来识别独立于设施安置和/或管线安置的井安置或井轨迹。例如，井安置算法可以使用净烃厚度图来利用黑洞算法安置井。此外，即使规划系统50不提供井安置和井轨迹作为输出，这也不会显著影响设施设计的目的(例如，烃地点10中的部件的识别和安置)。

在一些实施例中，规划系统50可以采用PSO算法来识别烃地点10中的部件的位置。图5示出了用于执行优化操作的方法110。应当理解，可以使用其他优化算法来代替PSO算法。尽管方法110的以下描述被描述为由规划系统50执行，但是应当理解，任何合适的计算系统都可以执行方法110。此外，尽管方法110是以特定顺序描述的，但是应当注意，方法110可以以任何合适的顺序执行。

如上所述，规划系统50可以通过具有后端和前端部件的web应用来实现。在该方案中，后端部件可以负责处理某些优化算法，而前端部件可以用于从用户的角度设置优化问题规范和参数，这将在下面详细描述。规划系统50的前端部件和后端部件之间的通信可以包括任何合适网络上的通信。

参考图5，在框112，规划系统50可以读取与可以安置部件的烃地点10相关的输入数据100。在一些实施例中，输入数据100可以包括表示与预期用作烃地点10的区域相关联的多个物理层的图数据。输入数据100还可以包括代表各种逻辑层的逻辑层数据，其中不同组的部件可以在烃地点10内执行不同的操作。此外，输入数据100可以包括任何地理的、拓扑的、地下的和/或海底的绘图、数据集或成本估计，以便于分析井安置92、设施安置94、管线安置96和/或井轨迹设计98。在一些实施例中，包括具有独立分析的实施例，输入数据100还可以包括井12或烃地点10处的其他独立分析的部件的坐标组，以及计划部署在烃地点10处的部件的成本数据。

举例来说，输入数据100可以包括图数据。图数据可以包括对应于可以应用部件安置优化的烃地点10的结构化拓扑图。该图可以包括方形单元的并集，并且这些单元中的每一个可以由四个节点组成。该图可以整合或定义禁止安置部件(例如，设施节点)和管线不能通过的禁止区域。在一些实施例中，规划系统50可以对禁止区域施加惩罚以尽可能地避开它们，从而降低相应的成本。在一些实施例中，图数据可以包括网格拓扑图，例如由四边形网格块组成的结构化图。也可以使用另一种图，例如三角网，以可能改善独特拓扑复杂性。

输入数据也可以包括井数据。井数据可以包括坐标(例如

Y_i ⁰,和

)，该坐标可以定义垂直井/斜井的井在储层中的进入点，以及在水平井的情况下的井趾或跟部。在一些实施例中，规划系统50可以确定趾部/跟部位置，以最小化井的总深度。

输入数据还可以包括设施层的数量、层中节点的最大(例如，上限)数量、层中节点的容量、层中最大连接长度、层中节点的成本、层中节点的单位距离的连接成本等。对应于这些输入数据类型的变量列表如下:

N_l       设施层数。

      层l中的最大(上限)节点数。

      层l中节点的容量。即层l-1中可以连接到层l中的节点的最大节点数。

    层l中的最大连接长度(m)。这主要用于说明井的总深度限制。

      层l中节点的成本($/节点)。

      从层l-1中节点到层l中节点的连接成本/米数($/米)。

在一些实施例中，规划系统可以经由通信部件52、I/O端口60等接收输入数据。例如，规划系统50可以包括开发的前端web应用，该前端web应用通过公共互联网协议和特定端口号与后端优化器进行通信，以便于用户参与。规划系统50可以通过界面来实现该方案，在该界面中，用户输入设施优化问题的逻辑层(例如，歧管、平台、浮式生产储油和卸油装置(FPSO)、陆上设施)的数量，以及表示对应于这些逻辑层中的每一个的物理层的图。此外，用户可以提供与上述每个逻辑层l,＝1,…,N_l相关的输入参数：

和

特定于设施优化问题的输入参数可以经由通信部件52(例如，TCP/IP隧道)从安置在用户机器上的前端应用一起分派到后端机器。

在框114，规划系统50可以初始化烃地点10的参数和节点。在一些实施例中，输入参数可以由用户通过规划系统50的前端输入，该前端可以将数据转发给规划系统50的后端，该后端可以执行计算机可读指令，该指令实现诸如PSO应用的优化器应用。优化器应用然后可以使用输入参数(例如，输入数据)来初始化优化问题，该优化问题然后可以由优化器应用来解决。举例来说，PSO应用可以使用具有最大迭代次数

的

粒子。在任何情况下，在框114，规划系统50集中于初始化满足问题约束的一组“候选解”。因此，候选解可能由一组标注为LL的逻辑层组成，其中每层(LL_l)由一组逻辑节点(LN_i)组成。

在框116，规划系统50可以随机化它在框114中初始化的候选解的节点位置。最初，规划系统50可以在相应的图内随机安置每个逻辑层的节点。随机分布可以解决冲突避免和节点的均匀(例如，无偏)分布。也就是说，规划系统50可以通过在网格单元中随机安置节点同时确保在给定的网格单元中可以安置不超过一个节点来解决节点之间的冲突避免。因此，通过在图上分配特定的网格单元来初始化每个节点，并且相应的网格单元对应于构建节点的位置。图6中示出了候选解的示例。

在随机化节点位置之后，规划系统50可以在框118开始用于聚类节点的迭代过程。在一些实施例中，规划系统50可以对层l中的节点进行分组，并且以最小化所用节点的相应成本的方式将所述节点聚类到层l+1中的节点。节点的聚类可以取决于相应节点的容量以及层l和l+1中节点之间的距离。在一些实施例中，可以使用自下而上的方法，该方法从聚类最低层(l＝0)中的节点并将它们连接到层l＝1中的多个节点开始。然后，可以使用相同的聚类方法将层＝1,…,N_l-1的节点聚类。下面将参考图7讨论关于聚类过程的其他细节。

在框120，规划系统50可以为在框118之后确定的候选解组执行成本计算。也就是说，规划系统50可以针对成本函数来评估每个候选解。成本函数计算使用候选解指定的给定配置构建设施的总成本。因此，聚类算法可以使用设定数量的节点来进行连接，以最小化总成本。然后，可以基于一组候选解中所有节点的成本总和加上在它们之间构建的连接的成本总和来确定该设施的总成本。举例来说，使用等式(2)来计算所提出的解的总成本:

参考上面的等式(2)，

和

分别表示节点和连接的总数。节点成本对应于开始时指定的每层中节点的预期成本。然而，只有作为最终设施模型一部分的节点才包括在总成本计算中(即，不是初始化解中的最大节点数)。连接成本对应于在两个节点之间建立连接的成本。连接可以是井轨迹86(例如，从层0到层1)或管线28/出油管(flowline)(例如，当连接上层时)。在这两种情况下，可以使用不同的方法来模拟和精确评估建立连接的成本。

在一些实施例中，规划系统可以采用一种选择，以使用井和管线轨迹的简化且显著更快的版本，用于更有效但不太精确的解。在这种方法中，规划系统50可以假设轨迹是直线(例如，欧几里德距离)，并且它们的成本使用等式(3)简单地计算。

连接成本＝连接长度×每米的连接成本  (3)

为了得到更真实且因此更准确的结果，规划系统50可以采用A*搜索算法来优化管线布局，这将在下面进一步讨论。这种方法为管线提供了更真实的建模，因此，根据表面的拓扑结构、压力对管线结构的影响以及表面隐含的任何额外成本修改，成本估算更加可靠。

在框122，规划系统50可以更新用于解决优化问题的优化参数。也就是说，成本可以被认为是在特定迭代中优化问题可以达到的最小成本。这样，在应用PSO算法或执行PSO过程之前，所确定的每个逻辑层中的节点数量和位置以及这些节点的聚类/分组可以保存在存储部件58中，并被认为是临时最佳一组候选解。然后，这些节点的位置以及所确定的成本可以用于PSO粒子的初始化，以用于接下来的迭代，从而应用开发的智能重启方案。

在框124，规划系统50可以更新优化算法(例如，PSO算法)。PSO算法是一种进化迭代算法，使得每个

粒子象征着相应目标函数的一个解，并且“群”代表在优化方案中进化的粒子组。这样，较早的迭代结果用于建立速度参数，然后用于确定每个粒子在搜索空间中的位置。前面的粒子速度用数学公式表示，以更新相应粒子的速度参数。该数学公式使用粒子的先前速度(例如，来自先前的PSO迭代)、到达获得全局最佳的粒子的对应距离以及在任何PSO迭代中到达其自己的局部最佳的对应距离。这样，每个

粒子可以存储它在整个优化过程中获得的最佳位置或“解”(例如，局部最佳)。另一方面，该算法类似地存储由其任何粒子实现的最佳位置(例如，全局最佳)。通过用不同的优化器替换PSO，可以使用类似的逻辑流程。

在框126，规划系统50可以检查候选解的收敛性。如果最佳情况粒子的成本(例如，最低成本)和平均情况的成本小于规定的容限(例如，1％、5％或用户选择的容限)，则规划系统50可以宣布检测到收敛，并进行到框128。在框128，规划系统50可以采用最佳情况粒子(例如，最低成本)结果作为设施优化问题的最佳解。在一些实施例中，规划系统50然后可以在映射的可视化上呈现识别的部件的结果以供用户查看。也就是说，规划系统50可以在图的识别位置呈现部件，该图可能已经通过输入数据100接收。这些位置可以作为经由显示器62或任何合适的电子显示器所描述的可视化与图一起呈现。在一些实施例中，对应于部件的位置、生成的可视化等的数据可以存储在计算机可访问的文件中，该文件可以被传输到其他计算设备或存储在云存储部件中以供其他用户访问和评估。

在最佳情况粒子成本或平均情况成本高于容限的情况下，规划系统50可以执行另一次迭代，并前进到框130。在框130，规划系统50可以确定在预定的

阈值内是否已经达到收敛。如果没有满足预定阈值，规划系统50可以返回到框118。然而，如果已经达到预定义的阈值，PSO算法可能会努力达到最佳解。在这种情况下，规划系统可以前进到框132。

为了避免陷入无梯度算法通常遇到的局部最佳，规划系统50可以在框132执行智能重启方案。智能重启方案可以增强PSO算法以增强和激励搜索空间中粒子的更新。这种智能重启的工作方式是每50次迭代将最佳粒子结果传递给所有粒子。因此，该更新提高了不同粒子所做的搜索努力，并节省了达到收敛的时间和迭代次数。

如上文关于框118所述，图7示出了用于执行方法110中描述的聚类操作的方法140。类似于方法110，方法140的以下描述被描述为由规划系统50执行。然而，应该理解，任何合适的计算系统都可以执行方法140。此外，尽管方法140是以特定顺序描述的，但是应当注意，方法110可以以任何合适的顺序执行。

如下文将描述的，将节点聚类在一起可能涉及将逻辑层N中的节点分组到层l+1中的适当节点的迭代过程，l＝0,…,N_l-1,考虑到相应节点的容量。这样，可以从下层开始到上层，从层l＝0开始并向上移动，顺序地执行聚类过程。在获得适当的聚类后，聚类算法用这些聚类来更新PSO优化器算法，并且PSO优化器算法(例如，经由规划系统50执行的应用)可以用每层中的节点数量来更新。具有空聚类列表的节点可能不用于确定总成本计算。

现在参考图7，在框142，规划系统50可以通过接收与特定层l中的节点相关的数据来初始化正在执行的聚类算法。该层l可以通过用户输入来接收，或者可以被识别为每个层l的最低值。

在框144，规划系统50可以计算特定层l中的每个节点和相邻层l+1中的节点之间的欧几里德距离。这里，规划系统50可以计算从层l中的每个节点到层l+1中的所有节点的欧几里德距离，并将结果存储在距离矩阵中。

在框146，规划系统50可以对相邻层的节点之间的计算距离进行排序。也就是说，在填充距离矩阵之后并且在分配适当的聚类之前，规划系统50可以按照升序排列层l中每个节点的行到层l+1中所有节点的距离，以便于和准备组的形成。

在框148，规划系统50可以将节点分配给某些聚类。在对距离矩阵排序之后，规划系统50可以将层l中的每个节点分组到层l+1的适当节点(例如，聚类)中。如果层l+1中最近的节点没有能力包括相应的节点，规划系统50可以考虑层l+1中的下一个节点(例如，第二个近的节点)，直到层l中的节点被分组为层l+1中的节点。

在框150，规划系统50可以更新在框146生成的聚类列表。实际上，每次层l+1中的节点被分配一个来自层l的新节点到它的组/聚类时(如前一步骤中所述)，规划系统50可以更新相应节点的群列表并将该节点的可用容量减少1。

在框152，规划系统50可以迭代地检查每一层l。也就是说，规划系统50可以检查针对提议的烃地点10的逻辑层70的不同层，以确定是否已经在聚类方案中考虑了每个层l。如果还没有考虑每一层l，规划系统50可以继续到框154，并移动到评估下一层l+1。这样，规划系统50然后可以返回到框144，并为下一层l+1执行方法140。然而，如果规划系统50已经检查了逻辑层70的每一层，则规划系统50可以完成聚类以包括使用方法140识别的分组节点，并将完成的结果传递给PSO优化器算法以继续优化过程。规划系统50可以将聚类的节点存储在存储部件58(或任何其他合适的存储器)中，使得可以在框120处理聚类的节点。

通过采用上述方法中提出的基于图的算法，规划系统50相对于其他规划操作可以具有几个竞争优势。例如，本实施例解决了拓扑复杂性(例如，山谷和山)，考虑了禁止区域(例如，保护区和私有土地)，并且支持在不同物理层(具有不同高度和约束的不同图)上具有不同逻辑层(例如，井、钻井中心、收集中心、中央处理设施)的灵活性。此外，关于处理成本变化，本实施例可以包括在建模过程中考虑不同的基于成本的图，以表征为所应用的设施安置优化而增加的不同的可能成本，这可以与管线规划场景的相应A*搜索算法相结合。如下所述，该图可以类似地改变成相应的成本图，以精确地逼近相应设施系统的成本。

此外，上述本实施例可用于优化平台的位置和井与平台的连接，这对应于在钻井成本和提高烃采收率方面控制油田开发规划中的可变成本。也就是说，上面解决的优化问题包括基于累积的井-平台距离的目标函数，因此最小化总的井管、立管和管线长度。结果，本实施例可以包括最小化钻井成本和与距离相关的投资，以及提高储层的生产率。也就是说，通过生产系统中相关的静水压降，油井的产能以及储层的产能受到井管、立管和管线长度的影响。因此，对于给定的管线坡度，距离越短，压降越低，因此油井产能越高。另一方面，陡峭的管线会遇到重大的流动保障问题，导致井口压力极限较高，从而降低油井产能。这些因素中的每一个都可以使用上述技术通过与每件设备相关的成本数据和上述评估操作来说明。

记住前述内容，上述实施例相对于其他规划方法具有明显的优势。实际上，油田开发优化的其他解可以分为两类:1)基于梯度的(例如，共轭梯度、牛顿法和最速下降法)，其需要计算目标函数的梯度；以及2)无随机梯度的，例如粒子群优化(PSO)、模拟退火和遗传算法(GA)。基于梯度的方法通常不用于油田开发规划优化问题，因为它们需要连续可微，这不是诸如井和平台安置问题的非平滑问题的特征。

然而，无梯度方法已经被石油和天然气应用中的各种优化方案所使用。例如，随机算法从其固有的随机性中获得克服过早收敛(局部最佳)的鲁棒性。这些方法的另一个特点是它们能够解决各种各样的优化问题，而不考虑它们的复杂性。随机优化方法可以被其他优化器简单地修改、调整和辅助，以增强它们的性能，从而以混合方式工作。

诸如混合进化优化方案、黑洞粒子群优化(BHPSO)技术、将用于设施安置优化的模拟退火算法和用于语言模式的模糊理论相结合的技术等其他技术缺乏这里描述的技术的计算效率。也就是说，与这里描述的技术相比，其他方法使用更多的时间和处理能力来识别解。

此外，当前公开的技术提供了优于未考虑不同拓扑复杂性(例如，山谷、山、断层)的其他技术的改进的分析。此外，其他技术没有考虑障碍物避开，包括禁止区域和环境敏感区域(例如，保护区、私人土地、河流)。

在这点上，A*方案可以与PSO算法一起使用，以在确定管线安置96时考虑这种拓扑复杂性。如上所述，在一些实施例中，规划系统50可以假设井轨迹86或管线28是直线(例如，欧几里德距离)，这可以提高计算速度，但是降低目标函数的精度。或者，当前公开的实施例提出了用于部件安置优化的模块化的基于PSO的方案，该方案可以与用于管线布局规划的创新A*方案整合。PSO算法可以在1)收敛时间和2)目标函数值方面提供更好的结果。此外，采用管线安置96的A*搜索算法结合了启发式函数的能力，以使用最短的可能时间获得最佳解。这种包含的启发式函数传达了适用于实际管线布局场景的规范和约束，以平滑搜索实践，因此减少了必要的计算时间，同时解决了拓扑复杂性。

可以通过基于图的方法来考虑拓扑复杂性和禁止区域/障碍物避开。为了帮助说明A*算法，图8是利用基于图的方案来确定烃地点10的管线28的优化路线的方案的示例方法160。在一些实施例中，管线规划和安置可以被表示为考虑到周围的拓扑结构的路径规划问题。尽管方法160的以下描述被描述为由规划系统50执行，但是应当理解，任何合适的计算系统都可以执行方法160。此外，尽管方法160是以特定顺序描述的，但是应当注意，方法160可以以任何合适的顺序执行。

现在参考图8，在框162，规划系统50可以接收一个或多个地面图，使得规划系统50可以分析地形。地面图可以包括拓扑或地理图，其包括与在考虑管线安置的区域内存在的地形或地质特征相关的数据。

在框164，规划系统50可以将地面图转换成相应的成本图。成本图可以分配由于地形而在某些区域安置管线28的资源成本。在一些实施例中，资源成本可以存储在数据库或数据库结构中，该数据库或数据库结构可以基于可能存在于地面图中的各种地质或地形特征来组织。这些成本可以基于先前的烃地点成本数据在数据库中定义，或者基于与特定地形或地理布局相关联的建造成本(例如，在各种地形中每平方英尺的建造成本)来估计。

在框166，规划系统50可以通过用户输入接收管线28的起点和目标点。在框168，规划系统50可以计算最短A*路径。规划系统50可确定最短A*路径，其可对应于起点和目标点之间的最短路径，同时考虑对应于在相应区域中建造管线的成本图。关于利用根据本文描述的实施例的A*算法的附加细节将在下面参考图12进一步讨论。

在一些实施例中，地面图可以包括由四边形网格块(例如，网孔)制成的结构化图，该结构化图可以定义地面图的各个部分的拓扑参数。然后，这些结构化图可以用于确定成本图，根据该成本图可以做出管线安置96。可以类似地采用其他网格，例如三角形网格，以潜在地实现特殊拓扑复杂区域中的细化。例如，在与网格尺寸相比具有相对小的通道或高度可变的地形的区域中，可以使用不同的或更小的网孔部件。此外，在一些实施例中，规划管线28的分辨率可以取决于初始图的分辨率。例如，分辨率较低的图可能导致管线分辨率较低和/或线段较长。为了帮助说明，图9是具有管线起始点182和管线目标点184的示例拓扑180。从拓扑180的俯视图186和截面图188，举例说明了地形190(例如，山或丘陵)和禁止区域192(例如，水体)。

另外，描绘了欧几里德路径194(例如，直线路径)、第一候选路径196和第二候选路径198。如上所述，欧几里德路径194可能不考虑禁止区域192或地形190，因此在经济上或物理上可能不可行。此外，可以基于与地形190和/或禁止区域192相关联的成本图来评估候选路径196、198。例如，如图10中的图200可以用于将成本202与不同的拓扑区域相关联。应当理解，成本可以对应于与在相应区域中安置管线28相关联的任何成本，并且可以包括购买土地、建造管线28、维护管线28等的成本。如上所述，为了加速计算，网孔可以被分解成四边形块。此外，网孔(mesh)的每个块可以具有基于地形190的属性而变化的关联成本202。此外，不同的管线方向(例如，水平、垂直或对角线)也可能具有与其相关联的不同成本，例如由于可用于在管线28内泵送流体的补充设备。例如，对角连接可能具有比水平连接更大的额外或乘数成本202，例如由于额外的管线长度、转弯、泵等。

关于解决拓扑复杂性，拓扑180可以精确地表征安置设施最佳系统。也就是说，回头参考图8的框164，图200可以被变换成成本图210，如图11所示。拓扑复杂性(例如，山谷、断层、山丘)可以在图中被表征，并且被精确地转换成适当的成本图210。同样，禁止区域192也可以通过仅仅从成本图210中消除它们来表征。否则，这些禁止区域192可以以尽可能避免它们的方式受到惩罚，以降低相应的成本。

参考图8中的方法160的框164，将拓扑180(例如，地面图)转换成成本图210可以使用静态成本图转换或图转换来执行。通过将等式(4)应用于每个网格单元，在拓扑图上执行静态图变换:

参考等式(4)，单元是计算静态成本的网格单元；adj_i是与单元相邻的网格单元的集合；n是网格单元的数量；以及成本(x,y)是在单元x和y之间建立管线段的估计成本；在一些实施例中，在四边形网孔的情况下，网格单元的数量可以是八个单元。这种变换将拓扑180转换成成本图210，其中在每个网格单元上的构建成本被估计为在该单元和所有其他相邻单元之间构建管线段的平均成本。每个网格单元可以由其近似成本202来表示，独立于成本图210上的其他单元以及在其上构建的管线28的方向和位置。

另一方面，图变换可以考虑规划的管线28的路径和方向。通常，图可以包括表示互连节点列表的数据结构。每个连接(例如，边)可以注释构建对应的管线段的成本202。为了将拓扑180转换成成本图210，我们首先创建该图，其中每个顶点/节点表示图200上的网格单元。然后，每个节点(例如节点₁)使用有向边连接到它的每个相邻节点(例如节点₂),该有向边的权重等于构建从节点₁到节点₂的管线的估计成本。使用成本函数来计算在两个节点之间建造管线段的估计成本，该成本函数可以在计算管线成本时适应各种因素(长度、压降、陡度/倾斜度等)。在一些实施例中，可以基于数量减少的因素(例如所需管线28的长度和建造部分的倾斜度)来估计启发式函数，以降低计算复杂度104。

如图11所示，每个网格单元被转换成图节点212(例如，顶点),并且通过边连接到它的每个相邻节点。获取网格单元的成本和建立连接的成本都得以保留。在给定管线的对应起始点182和目标点184的情况下，开发的A*算法然后可以遍历开发的成本图210，为每个管线28搜索最佳路径。

如上所述，在生成成本图210之后，规划系统50可以利用如关于框168所述的A*算法。一般来说，A*算法是一种图形遍历算法，由于其完整性、最佳性和最佳效率而用于计算机科学和人工智能的各个领域。A*算法在搜索最短路径时使用优先级队列来评估潜在路径，并且当第一条潜在路径到达目的地时也会停止。A*算法使用启发式函数，该函数在将每个节点添加到潜在路径之前评估每个节点，并估计建立从下一个潜在节点到目的地的管线28的剩余成本。图12的方法220是使用A*算法寻找最短路径的示例过程。在框222，可以迭代地定义顶点C以及目的地d，并且可以在框224通过等式(5)确定路径成本:

参考等式(5)，s是起点182，并且边_i是起点182和顶点v之间的增量连接。通过使用不同顶点的路径成本，可以确定启发式函数,h(v),来估计从顶点到目的地d的成本，目的地也可以是目标点184。当实现时，启发式函数可以减少在达到最佳解同时保持准确度和精确度时使用的时间和处理资源，例如存储器。在一些实施例中，启发式函数可以由成本函数来建模，该成本函数计算两个相邻网格单元之间的成本，以估计在沿着路径的任何点和目的地之间建立管线的成本。

如上所述，为管线安置96和/或设施安置优化实施基于图的方案的好处包括解决拓扑复杂性、处理成本变化、提供可扩展和灵活的解等。应当理解，规划系统50可以彼此结合或单独(例如，独立地)使用上述方法。此外，上述方法可以彼此同时使用以确定同时分析102。

回到图4，如上所述，所述方法的模块化特性允许烃地点10的部件，例如井安置92、设施安置94、管线安置96和/或井眼轨迹设计98同时或独立或其组合被优化。如在此所使用的，模块化分析技术包括在不同的时间段期间执行各种任务或者与其他任务分开执行。举例来说，如图4所示，场景1包括根据模块化方法以连续的顺序确定井安置92、设施安置94、管线安置96和/或井轨迹设计98。此外，场景2包括独立地确定井安置92，同时确定设施安置94和管线安置96，以及根据模块化方法独立地确定井轨迹设计98。

此外，在规划系统50的建议框架中实现的算法打破了传统上分离的领域之间的组织筒仓(silo)，并且为烃企业的多个部门(例如，储层专家、钻井专家、设施专家和经济学家)提供了共享的计划平台。例如，传统上，不同的部门或组可以管理烃地点10的规划中的各个方面或组成部分。然而，在优化一个方面或部件时，其他方面可能偏离它们自己的优化和/或变得不可行。规划系统50可以提供统一的模块化系统，用于以有效的方式确定优化的烃地点布局。

此外，根据它们在不同的潜在陆上和海上油气田开发项目中的适用性，可以将更多或更少的部件整合到优化框架中。规划系统50可以是模块化的和灵活的，并且允许多层粒度，并且因此允许在布局的优化精度和计算效率之间具有不同折衷的一系列解，这可以由用户指定。在一些实施例中，规划系统50可以提供最佳井安置94(例如，井数、位置等)、不同设施层的最佳节点数量(例如，钻井中心、收集中心等的数量)、管线28的最佳布局和最佳井轨迹86，每个都遵守系统约束。在一些场景下，例如取决于烃地点10的大小和/或井12的数量，可以降低计算复杂度104以减少计算时间和/或资源。这样，在一些实施例中，烃地点10的部分或所有构建块(例如，部件)的布局被顺序地而不是同时地寻址，并且如场景1中的顺序解和如场景4中的完全整合的解之间的粒度水平可以由用户设置。如上所述，尽管示出了四种场景作为规划系统50的示例情况，但是合适的部件或成组部件可以同时或独立地被优化，从而为成本降低和驱动值优化提供新的机会。

在示例的场景90中，具有顺序确定的部件的场景1可以具有最低的计算复杂度104，并且因此是计算最快的。为了帮助说明，图13示出了对应于场景1的一般工作流程的方法228的流程图。还如对应图4的场景1所示，方法228可以独立地和顺序地包括在框112读取和/或接收输入数据100，确定井安置92，确定设施安置94，确定管线安置96，以及确定井轨迹设计98。如上所述，独立分析可以使用任何合适的安置算法，其可以包括PSO算法、A*算法或其他优化手段。

此外，在一些实施例中，方法228可包括确定所识别的井12的成本(例如，框230)并确定是否执行烃生产的动态模拟(例如，框232)，并因此计算收入。在动态模拟被禁用的情况下，可行的井设计可以导致计算预期的烃地点支出，例如资本支出(CAPEX)(例如，框234)。当启用动态模拟时，储层模拟器可以由规划系统50执行(例如，框236)，并且可以计算来自储层的预期收入(例如，框238)。这样，预期支出计算可以与预期收入和井成本相结合，以计算净现值(NPV)或其他经济驱动值(例如，框240)。

此外，在确定井轨迹设计98之后，井12的可行性可在框242处确定。如果规划系统50的约束(例如，由用户输入的和/或由拓扑180规定的)没有产生可行的井12，规划系统50可以进行到框244，并提供输入数据没有产生可行设计的通知。在一些实施例中，规划系统50可以分析在确定井安置92、设施安置94、管线安置96和井轨迹设计98时执行的参数和过程，以确定对约束的某些改变，这可以允许生成可行的设计。

如上所述，设施模型可以由多个层表示，每个层包含多个节点(例如，井入口点、钻井中心76、收集中心80和/或中央处理设施84)，例如在PSO算法中。因此，PSO算法是一种目标函数不可知的优化器，它抽象了内部计算，并允许更容易地与其他算法整合和更高的速度评估。此外，层可以表示相同类型的节点集，层之间的连接可以是管线28或井轨迹86(例如，从钻井76中心到井的储层段入口点的轨迹)。在场景1中，在安置设施节点时，管线28和井轨迹86可以被简化为欧几里德距离，或者可以使用A*算法来考虑拓扑复杂性和相关联的约束，例如禁止区域。作为PSO算法的一部分，设施节点可以考虑这种复杂性。

为了帮助进一步说明，图14是用于执行PSO操作以根据场景1确定设施安置94的方法250。应当理解，图14-19和21-23的一个或多个框可以与先前讨论的方法的框相似，或者彼此相似。为简洁起见，重复的框不再讨论。此外，尽管图14-19和21-23中描述的方法是以特定顺序描述的，并且是由规划系统50执行的，但是应当注意，下面描述的方法可以以任何合适的顺序并且由任何合适的计算设备执行。

继续图14的方法250，规划系统50可以通过在框112接收输入数据100、在框114初始化参数和节点以及在框116随机化节点位置来初始化，如以上关于图5所述。规划系统50还可以通过在框118将来自下层的节点连接到上层的节点来对它们进行聚类，如上面参考图5所描述的。例如，井12可以连接到钻井中心76，钻井中心76可以连接到收集中心80，等等。在聚类之后，每个粒子基于在框120的成本计算期间由PSO提供的参数来评估目标函数，如以上关于图5所述。从每个粒子返回的评估可以在彼此之间进行比较，并且与先前的迭代进行比较。如上文参考图5所述，在框122处更新局部最佳解(例如，对于每个粒子)和全局最佳解。此外，可以基于框124处的变量来更新用于下一次迭代的PSO算法中每个粒子中的位置，如上文参考图5所述。

此外，尽管这里讨论的是利用PSO算法，但是也可以使用其他算法，例如聚类或混合PSO/聚类算法。在这种情况下，规划系统50可以分别在框252和254更新聚类和/或混合PSO/聚类算法。因此，为每个粒子获得一组新的节点位置，并为下一次迭代做好准备，以防在框126不满足收敛标准。如果在框130达到最大迭代次数，规划系统50可以在框132执行智能重启，如以上在图5中描述的。

返回参考框126，在一些实施例中，收敛标准基于最佳情况粒子的成本(例如，最低成本)和在规定容限内的平均情况的成本之间的差异。在任何情况下，在框126满足收敛标准之后，规划系统50可以前进到框128，并输出设施节点的优化解。

在设施节点被安置之后，可以确定管线安置96和井轨迹设计98。如上所述，管线布局优化可以使用A*算法。然而，使用A*算法确定的管线布局优化可能不会导致最小化总长度的最佳解，因为它是相对于设施安置94独立执行的。在优化结束时，规划系统50可以返回每层中的节点数量、井眼轨迹设计98、管线安置96和设施的总成本。如果无法从给定的配置中生成可行的设施，或者无法在指定的约束条件下钻探大量的井，则可能会显示一条错误消息，其中包含或不包含补救解。作为场景90中最不复杂的场景，与其他场景90相比，场景1可以使用相对较少的计算和电力资源，但是与其他场景90相比，它也可能导致次优的解。

如图15的方法260所示，场景2结合了对设施安置94和管线安置96的同时分析102。在这种情况下，设施节点和管线28被同时安置在一个或多个拓扑图上，同时考虑潜在的禁止和惩罚区域。此外，管线安置96可以被结合到PSO算法的迭代循环中，如下面在图16的方法270中所描述的。在一些实施例中，管线安置96可以利用管线距离的欧几里德估计、A*算法或PSO循环中的任何其他合适的算法来同时优化设施安置94和管线安置96。

此外，在场景3中，与场景1和2相比，通过将井眼轨迹设计98添加到同时分析102中，可以引入另一程度的整合，并且因此增加计算复杂性104，如图17的方法280所示。此外，图18示出了用于设施安置94、管线安置96和井眼轨迹设计98的同时分析102的方法290。与场景1和2不同，在场景1和2中，独立地检查井12的可行性和井轨迹设计98，在场景3中，井轨迹设计98是设施安置94和管线安置96的PSO循环的一部分。在一些实施例中，当作为PSO循环的一部分分析井轨迹设计98时，井12的可行性可以在框242处被检查，并且因此可以是迭代循环的一部分。例如，在一个或多个井12不可行的情况下，目标函数可以在框292处被罚，并且烃地点10的总成本应该增加以反映其不可行性。惩罚可以用于非梯度优化算法，例如PSO算法。例如，惩罚可以包括修改一些变量以迫使算法偏离不期望的解，同时防止算法过早地收敛到最终解。

例如，在一些实施例中，惩罚可以是基于其他可行井12的成本和钻井中心76的成本来改变不可行井12的惩罚的动态惩罚。在这种技术中，通过等式(6)计算不可行井的损失:

惩罚_不可行井＝max(2×成本_井,1.5×成本_钻井中心)         (6)

实际上，如果可行的话，该惩罚(penalty)可能提供比井12的实际钻井更高的成本，并且在井不与任何其他井12共享钻井中心76的情况下，该惩罚可能高于创建钻井中心76的成本。因此，不可行井12通常可能比可行井12花费更多，以降低选择不可行井的可能性。在一些实施例中，可以在开始采用PSO算法时在每次迭代中更新罚值，并且可以在建立成本之后最终稳定下来。

与场景1和2的结果相比，设施安置94、管线安置96和井眼轨迹设计98的同时分析102可以为烃地点10提供高精度模型，并且可以包括被优化以处理多种不同复杂性的解。此外，与场景1和2一样，可以通过欧几里德距离(例如，为了更快的运行时间)或A*算法来估计管线安置96，以提高精确度。此外，在一些实施例中，智能选择算法可以调整高精度、更真实的连接建模的频率，例如A*算法。换句话说，智能选择算法可以延迟精确建模，直到优化的后期阶段——当烃地点10的最终安置开始形成时——并且对一部分粒子执行建模。建模的频率和建模开始的阈值都可以由用户指定。根据可用的计算时间和资源，这种方法可以允许粒度精度和效率。例如，最终解可以在几秒钟内生成模型，用于快速原型制作，相比之下，构建更精确的模拟需要几个小时或几天。

附加地或替代地，在场景4中，井安置92可以被整合到如图19的方法300中提供的设施安置94、管线安置96和井轨迹设计98的同时分析102中。尽管可以向同时分析102添加额外的部件，但是场景4的整合解可以为烃地点10提供最全面和/或最佳的解。此外，场景4也可能是计算要求最高的场景90。规划系统50的整合解结合了两个优化过程，其特征在于两个主要的迭代循环，其致力于优化烃地点10的NPV。场景4的主循环(例如，外部循环)可由黑洞粒子群优化算法(BHPSO)控制，该算法可用于优化井安置，而次循环(例如，内部循环)可用于优化井轨迹设计98、设施安置94和管线安置96的同时分析102。在一些实施例中，次循环通常可以包括图18的方法290。

在继续之前，应当注意，如图19所示，用于确定场景4的整合解的方法300的以下描述可以由规划系统50或任何其他合适的计算设备来执行。现在参考图19，在框112读取输入数据100之后，方法300可以进入主循环，其中，对于每个“粒子”，BHPSO指定用于井安置的决策变量，并且因此将井12安置在储层中，在水平井的情况下，这可以包括井12的“跟部”和/或“趾部”，如下面进一步讨论的。结果，可以生成对应于每个PSO粒子的多个储层模拟模型，使得每个模型可以具有不同的一组井。然后，每个粒子可以进入次循环，用于同时确定设施安置94、管线安置96和井眼轨迹设计98。例如，次循环通常可以执行图18的方法290，并输出针对设施安置94、设施节点之间的管线安置96以及从井跟到设施节点(例如，钻井中心76)的井轨迹设计98的优化解。此外，规划系统50可以并行运行每个井安置PSO粒子的次循环，以优化运行时间。例如，多处理器计算机可以进一步利用并行处理来减少资源消耗和/或加快计算时间。

如同场景3，如果井12不可行，则在框302，PSO算法可被惩罚以避免不可行的解。例如，在完成次循环时，可以进行测试以评估每个粒子的井眼轨迹可行性。在对于特定粒子存在任何不可行的井12的情况下，可以通过增加相关成本和/或给该粒子分配零NPV来惩罚该粒子，以消除其对下一代粒子的贡献。另一方面，如果所有井轨迹86对于特定粒子都是可行的，则可以在框234计算设施安置94、管线安置96和井轨迹设计98的CAPEX，并且可以在框236模拟相关的开发场景。此外，NPV可在框240处基于框234处生成的CAPEX、框230处的井成本以及框238处来自框236处确定的模拟的估计收入来计算。此外，在BHPSO粒子的模拟运行完成后(这又是一个并行任务)，BHPSO算法可在框122更新优化参数，并在框124更新决策变量，用于主循环的下一次迭代。

在移动到主循环的下一次迭代之前，BHPSO算法可以通过在框126计算粒子的平均NPV和最大NPV之间的差来检查收敛，或者在框130检查迭代次数是否已经超过预定义的最大值。收敛可能意味着已经用可行的井轨迹86识别了最佳NPV。然而，如果在预定义的最大迭代次数内没有达到收敛，则主循环可以终止并输出非收敛警报和/或最近(例如，最佳发现)的解。

应当理解，场景4可以利用欧几里德近似法用于管线安置96和/或井眼轨迹设计98，或者利用A*算法来提高精确度。此外，在一些实施例中，场景4可以包括智能选择算法，并且调整诸如A*算法的连接的高精度建模的频率。此外，如上所述，在一些实施例中，可以利用示例场景90的不同变型(例如，为了调整效率)，包括井眼轨迹设计98和/或管线安置96单独发生(例如，后处理)的情况，导致场景3和场景4之间的混合场景。附加地或替代地，场景90的变型可以在其自身的次循环中(例如，作为主循环内的嵌套PSO算法，例如场景4的算法)或独立地作为其自身的PSO算法或其他合适的算法来优化井轨迹86。

例如，图20示出了示例水平井310，其具有跟部312E、趾部314T以及钻井中心76和跟部312之间的井眼轨迹86。在一些实施例中，可以使用基于贝塞尔曲线的方法来分析井轨迹设计98。例如，井眼轨迹设计98可以通过求解方程(7)的表达式B(B_x,B_y,B_z),U∈[0,1]给出:

B(U)＝＝S(1-U)³+3(1-U)²UCs+3(1-U)U²Ce+U³E        (7)

参考等式(7)，间隔[0,1]对应于水平井310的三维空间中的点。此外，

和E(E_x,E_y,E_z)分别描述了造斜点(kick off point)/源点和目标/终点。从D_C到E的井眼轨迹总长度可以最小化，同时遵守以下约束条件:

·B是在S点与

相切，在E点与

相切；

·曲线及其导数在S和E处都是连续的；和SE

·双向弯折严重度(DLS)。

此外，井眼轨迹86的优化在遵守上述约束的同时通过改变

和

位置并满足等式(8)和等式(9)而发生:

参考等式(8)和等式(9)，

是

处的单位切向量；

是

处的单位切向量；ds是确定吸引子点C_s位置的任意标量参数；de是确定吸引子点C_e位置的任意标量参数；以及S_z，是S在规定范围

内的分量。此外，可通过改变S_z,C_s,和C_e的位置同时遵守上述约束来最小化井眼轨迹长度。这可以迭代进行，或者更有效地，使用具有最小井眼轨迹长度的优化器作为目标函数。为了帮助说明，图21包括方法320的流程图，该流程图总结了使用另一种PSO算法对井眼轨迹设计98的优化。

在一些实施例中，井眼轨迹设计98迭代发生，例如在场景3和4的整合解中。这样，规划系统50可以独立地或者作为同时分析102的一部分来优化井轨迹设计98。例如，在一些实施例中，方法320可以包括在框112接收或读取输入数据100，并在框114初始化PSO的每个粒子的参数。此外，可以在框322生成PSO的每个粒子的轨迹，并且可以在框324相对于阈值(例如，预编程或用户设置的阈值)检查双向弯折严重度(DLS)。如果特定粒子的DLS大于某个阈值，则在框326处，与候选井轨迹86相关联的总长度可被设置为无穷大或某个合适的高值，以惩罚候选井轨迹86。另一方面，如果DLS在可接受的范围内(例如，小于阈值)，则候选井轨迹86的总长度可在框328处计算。此外，如果不满足收敛标准，则可以更新PSO，并且可以生成新的候选井轨迹86。然而，如果满足收敛标准，则可以在框242检查具有相关井轨迹86的井的可行性。井12可以返回为不可行，或者如果它们可行，则可以输出最佳井轨迹86。

通常，规划系统50可以以一些计算成本产生一组可行井12。然而，在一些情况下，不可行井轨迹86可能出现，例如由于双向弯折严重度约束、总深度约束或两者的违反。在这种情况下，可以应用诸如图22和23的方法330和334中的自动启发式工作流程来解决井的不可行性。

现在参考图22，在框332，规划系统50可以接收规定的钻井中心76和井安置94。这样，规划系统50可以迭代通过每个井12的循环，以“修复(fix)”不可行的井。例如，在进入循环之前，每个井12可以在框334处被设置为不可行。该循环可以从第一口井12开始(例如，框336)，并在框338检查其可行性。如果发现井12可行，则规划系统50可在框242检查每个接收的井12是否被确定为可行。如果没有，则在框340可以检查迭代次数(例如，对照迭代的阈值水平)。如果已经达到迭代的最大阈值，则不可行井轨迹86的“修复”可以被确定为不成功，这可能伴随有错误消息和/或建议。如果没有达到迭代的最大阈值，则可以选择(例如，经由框342)接收的井的另一个井12，并测试其可行性。

返回参考框338，如果发现井12不可行，则规划系统50可以通过前进到框344来尝试修正它，框344在图23中被展开。参考图23，在框346，规划系统50可以尝试优化井轨迹86。在优化井轨迹86之后，在框347处，可以再次评估井12的可行性。如果在框347处确定井12不可行，则规划系统50可以检查另一个钻井中心76是否具有可用的能力，并在框348切换到另一个钻井中心。在框349处，可以再次优化井眼轨迹，并且在框350处，可以检查利用新的钻井中心76的井眼轨迹的可行性。如果井12不可行，规划系统50可以在框352处以规定的增量角度(例如，5、10、15、45、90度)旋转井12(例如，在水平井的情况下)。此外，旋转井12可以位于例如净烃厚度图上相对高的累积净烃厚度上。在每次增量之后，井眼轨迹可以在框354处被优化。

在框354处优化井轨迹之后，规划系统50可以前进到框356，以再次检查井可行性。如果井12可行，规划系统50可以前进到图22的框242。然而，如果井12不可行，规划系统50可进行到图22的框358，并在阈值区域内重新定位一个或多个钻井中心76。在这种情况下，在框360，与重新定位的钻井中心76相关联的井12可被设置为不可行。结果，规划系统50可以返回到框336，以在重新定位的钻井中心76处重新检查井12的可行性。规划系统50可保持运行/尝试修复井12，直到所有井轨迹86都可行或达到最大尝试次数。

返回参考图23的框347、350和356，如果规划系统50确定井在这些块中的任一个是可行的，则规划系统50可以前进到图22的框242，以确定所提供的井12中的每一个是否已经被确定为可行。如上所述，如果井的总数被确定为不可行，则可以在框340检查迭代次数(例如，对照迭代的阈值水平)。如果已经达到迭代的最大阈值，则不可行井轨迹86的“修复”可以被确定为不成功，这可能伴随有错误消息和/或建议。如果没有达到迭代的最大阈值，则可以选择(例如，经由框342)接收的井的另一个井12，并测试其可行性。

关于提供改进的可扩展性和灵活性，当前公开的技术提供了扩充各种图的能力，以简化几个方面的演示，并为不同的真实油气田的设施安置要求提供不同的现实环境。这样，用户可以修改或编辑上述图数据以反映当前状况。也就是说，规划系统50可以使用户能够编辑图数据，以包括将不同逻辑层的设施规划节点安置在不同的物理层/层位上。开发的算法可以使用几个层位，并在同一个图中演示。结果，规划系统50使得能够模块化和灵活地添加不同的设施优化层，而无需添加模拟或计算来处理现实的设施安置场景。此外，规划系统50可以允许将不同的成本因素整合到成本函数中。除了拓扑图之外，规划系统50还可以接收土地成本图，以估计安置设施系统时的土地获取成本。这样，上述规划系统50提供了直接考虑各种成本因素的能力，允许使用不同的场景来生成和测试，而不必改变上述过程，并且不影响所开发算法的存储和计算复杂性。此外，规划系统50可以通过接收象征相应成本因素的附加成本图来动态整合更多成本因素。这种灵活性提供了测试不同复杂程度的能力，而无需额外的设置，并检查增加的许多成本因素的敏感性，而无需为每种情况表达成本模型。

贯穿本说明书对“一个实施例”、“一实施例”、“实施例”、“一些实施例”、“某些实施例”或类似语言的引用意味着结合该实施例描述的特定特征、结构或特性可以包括在本公开的至少一个实施例中。因此，贯穿本说明书的这些短语或类似语言可以但不一定都指同一实施例。尽管已经针对具体细节描述了本公开，但是这并不意味着这些细节应该被视为对本公开范围的限制，除非它们被包括在所附权利要求中。

此外，上述方法和过程可以由处理器执行。此外，术语“处理器”不应被解释为将这里公开的实施例限制于任何特定的设备类型或系统。处理器可以包括计算机系统。计算机系统还可以包括用于执行上述任何方法和过程的计算机处理器(例如，微处理器、微控制器、数字信号处理器或通用计算机)。

计算机系统还可以包括存储器，例如半导体存储设备(例如，RAM、ROM、PROM、EEPROM或闪存可编程RAM)、磁存储设备(例如，软盘或硬盘)、光存储设备(例如，CD-ROM)、PC卡(例如，PCMCIA卡)或其他存储设备。

上面描述的一些方法和过程可以被实现为与计算机处理器一起使用的计算机程序逻辑。计算机程序逻辑可以以各种形式体现，包括源代码形式或计算机可执行形式。源代码可以包括各种编程语言(例如，目标代码、汇编语言或诸如C、C++或JAVA的高级语言)的一系列计算机程序指令。这种计算机指令可以存储在非暂时性计算机可读介质(例如，存储器)中，并由计算机处理器执行。计算机指令可以以任何形式分发，如带有附带的印刷或电子文档(例如，收缩包装的软件)的可移动存储介质，预载有计算机系统(例如，在系统ROM或硬盘上)，或者通过通信系统(例如，因特网或万维网)从服务器或电子公告板分发。

替代地或附加地，处理器可以包括联接到印刷电路板、集成电路(例如，专用集成电路(ASIC))和/或可编程逻辑器件(例如，现场可编程门阵列(FPGA))的分立电子部件。上述任何方法和过程都可以使用这种逻辑器件来实现。

虽然在本公开中阐述的实施例可能容易受到各种修改和替代形式的影响，但是已经通过附图中的示例示出了特定的实施例，并且已经在本文中进行了详细描述。然而，应该理解的是，本公开不旨在限于所公开的特定形式。本公开将覆盖落入由所附权利要求限定的本公开的精神和范围内的所有修改、等同物和替代物。

本文提出和要求保护的技术被引用并应用于实际性质的实物和具体实例，它们明显地改进了本技术领域，因此不是抽象的、无形的或纯理论的。此外，如果本说明书末尾所附的任何权利要求包含一个或多个被指定为“用于[执行]某一功能的装置”或“用于[执行][某一功能]的步骤”的元件，则这些元件应根据35 U.S.C.112(f)进行解释。然而，对于包含以任何其他方式指定的元件的任何权利要求，这种元件不应根据35 U.S.C.112(f)进行解释。

Claims (44)

1.一种用于确定烃生产地点的布局的方法，包括:

经由处理器接收输入数据，该输入数据包括与区域相关联的地质数据、计算资源参数和要安置在该布局中的一组部件的指示，该一组部件包括一个或多个井、两个或更多个设施、两个或更多个设施之间的一个或多个管线以及一个或多个井和两个或更多个设施中的至少一个之间的一个或多个井轨迹；

经由处理器选择多个规划场景中的一个以在基于计算资源参数确定该布局时实施；和

响应于选择多个规划场景中的第一规划场景:

基于第一算法和地质数据来确定一个或多个井的一组井安置；和

基于第二算法同时确定两个或更多个设施的一组设施安置、一个或多个井的一组井轨迹、以及一个或多个管线的一组管线安置，该组管线安置基于第三算法和地质数据的图形拓扑识别两个或更多个设施之间的路径，该地质数据的图形拓扑由与在该区域的相应部分处安置一个或多个管线相关联的成本加权。

2.根据权利要求1所述的方法，其中第一算法包括作为内部迭代循环的第二算法。

3.根据权利要求1或2所述的方法，其中，该计算资源参数包括用户设置的阈值时间限制，在该阈值时间限制内，请求完成布局确定。

4.根据权利要求1或2所述的方法，其中所述计算资源参数包括用户偏好，该用户偏好指示与确定所述布局相关联的计算效率和所述布局的优化准确度之间的优先级。

5.根据权利要求1-4中任一项所述的方法，响应于选择多个规划场景中的第二规划场景:

基于第一算法和地质数据确定一个或多个井的一组井安置；

基于第二算法，同时确定所述两个或更多个设施的该一组设施安置和一个或多个管线的一组管线安置；和

基于第四算法，独立于所述同时确定，确定一个或多个井的该一组井轨迹。

6.根据权利要求5所述的方法，其中第四算法包括粒子群优化算法，该粒子群优化算法被配置为惩罚具有大于阈值量的值的双向弯折严重度。

7.根据权利要求1-6中任一项所述的方法，其中第一算法和第二算法分别包括第一粒子群优化算法和第二粒子群优化算法。

8.根据权利要求1-7中任一项所述的方法，其中第三算法包括A*算法。

9.一种用于确定两个或更多个设施之间的一个或多个管线的管线安置的方法，包括:

经由处理器接收输入数据，该输入数据包括与区域相关联的拓扑数据和与该区域的相应部分中的管线安置相关联的成本数据；

经由处理器，基于第一算法和由成本数据扩充的拓扑数据，确定两个或更多设施之间的路径；和

经由所述处理器，基于所述路径为一个或多个管线确定一组管线安置。

10.根据权利要求9所述的方法，其中确定所述一组管线安置包括基于第二算法同时确定所述一组管线安置和两个或更多个设施的一组设施安置。

11.根据权利要求9所述的方法，其中确定所述一组管线安置包括基于第二算法同时确定两个或更多个设施的一组设施安置、一个或多个井的一组井轨迹以及一个或多个管线的一组管线安置。

12.根据权利要求10或11所述的方法，其中，第二算法包括粒子群优化算法。

13.根据权利要求10所述的方法，包括独立于所述同时确定，经由第三算法确定一个或多个井的一组井安置。

14.根据权利要求9-13中任一项所述的方法，包括基于成本数据将经由拓扑数据获取的图转换成成本图。

15.根据权利要求14所述的方法，其中确定两个或更多设施之间的路径是基于应用于所述成本图的A*算法。

16.一种用于确定烃生产地点的布局的方法，包括:

经由处理器接收输入数据，该输入数据包括与区域相关联的地质数据和要被安置在所述布局中的一组部件的指示，该一组部件包括两个或更多个设施以及所述两个或更多个设施之间的一个或多个管线；和

基于所述地质数据、所述一组部件的指示和第一算法，同时确定两个或更多个设施的一组设施安置和一个或多个管线的一组管线安置。

17.根据权利要求16所述的方法，其中同时确定一组设施安置和一组管线安置包括基于所述地质数据和在第一算法的迭代循环内的第二算法迭代地确定一组候选管线安置。

18.根据权利要求16或17所述的方法，其中确定所述一组管线安置包括基于第二算法和所述地质数据的图形拓扑来确定两个或更多个设施之间的最短路径，该地质数据的图形拓扑由与在所述区域的相应部分处安置一个或多个管线相关联的成本加权。

19.根据权利要求16-18中任一项所述的方法，其中同时确定所述一组设施安置和所述一组管线安置包括基于第一算法同时确定一个或多个井的一组井安置、所述两个或更多个设施的一组设施安置、一个或多个井与所述两个或更多个设施中的至少一个之间的一组井轨迹以及所述两个或更多个设施之间的一个或多个管线的一组管线安置。

20.根据权利要求16-19中任一项所述的方法，包括在第一算法期间，通过改变与井相关联的钻井中心或旋转所述井来校正该井的不可行候选井轨迹。

21.一种用于确定烃生产地点的布局的方法，包括:

经由处理器接收输入数据，该输入数据包括与区域相关联的地质数据、要被安置在该布局中的一组部件的指示，该一组部件包括一个或多个井、两个或更多个设施、两个或更多个设施之间的一个或多个管线、以及一个或多个井与两个或更多个设施中的至少一个之间的一个或多个井轨迹；和

基于地质数据和包括嵌套迭代循环的第一算法，同时确定两个或更多个设施的一组设施安置、一个或多个井的一组井轨迹、一个或多个管线的一组管线安置和一个或多个井的一组井安置。

22.根据权利要求21所述的方法，其中确定该一组管线安置包括基于第二算法和地质数据的图形拓扑来确定所述两个或更多个设施之间的最短路径，所述地质数据的图形拓扑由与在所述区域的相应部分处安置一个或多个管线相关联的成本加权。

23.根据权利要求21或22所述的方法，其中该输入数据包括至少一个固定井安置。

24.根据权利要求21-23中任一项所述的方法，包括经由所述处理器选择多个规划场景中的一个以在基于输入数据中指定的计算资源参数确定所述布局时实施，该计算资源参数指示与确定所述布局相关联的计算效率和所述布局优化的准确度之间的优先级。

25.一种用于识别烃生产地点的多个部件的多个位置的方法，包括:

经由处理器接收输入数据，该输入数据包括代表一区域的一个或多个图、多个井的多组坐标以及与多个部件中的至少一个相关联的成本数据；

经由处理器，基于输入数据和第一算法来确定对应于多个位置的一组候选部件；

经由处理器，基于输入数据、该一组候选部件和第一算法来确定对应于多个位置的一个或多个组的附加候选部件；和

经由所述处理器，基于所述一个或多个组的附加候选部件中的至少一个，生成指示多个部件的多个位置的一个或多个附加图。

26.根据权利要求25所述的方法，其中所述输入数据包括:

多个物理层，与所述区域相关联；

逻辑层数据，代表与由烃生产地点执行的不同操作相关联的多个逻辑层；

所述区域内的一个或多个禁止区域；或

它们的任意组合。

27.根据权利要求26所述的方法，其中确定一组候选部件包括:

基于包括粒子群优化算法的第一算法，识别与多个逻辑层的至少两个部分内的多个位置相关联的第一组候选部件的第一组位置；

基于第一组候选部件的第一部分的两个或更多个候选部件之间的一个或多个距离，对第一组候选部件的第一部分进行分组；

基于第一组候选部件的第一部分和与第一组候选部件相关联的容量数据来确定更新的第一组位置；和

基于更新的第一组位置、与在第一组候选部件的第一部分的至少一些部件之间提供流体连接相关联的连接成本数据，确定用于建造烃生产地点的第一总成本。

28.根据权利要求27所述的方法，其中确定所述一个或多个组的附加候选部件包括:

基于输入数据、粒子群优化算法和更新的第一组位置，识别与多个位置相关联的第二组候选部件的第二组位置；

基于第二组候选部件的第二部分的两个或更多个附加候选部件之间的一个或多个附加距离，对第二组候选部件的第二部分进行分组；

基于第二组候选部件的第二部分和与第二组候选部件相关联的附加容量数据来确定更新的第二组位置；和

基于更新的第二组位置、与在第二组候选部件的第二部分的至少一些部件之间提供附加流体连接相关联的附加连接成本数据，确定用于建造烃生产地点的第二总成本。

29.根据权利要求25-28中任一项所述的方法，包括:

经由处理器，基于输入数据和第二算法来确定一组候选井安置；

经由处理器，基于输入数据、所述一组候选井安置和第二算法来确定一个或多个组的附加候选井安置；和

经由处理器，基于所述一个或多个组的附加候选井安置，生成多个组的坐标。

30.根据权利要求25-28中任一项所述的方法，包括:

经由处理器，基于输入数据和第二算法来确定对应于多个井轨迹的第二组候选部件；

经由处理器，基于输入数据、第二组候选部件和第二算法来确定对应于多个井轨迹的一个或多个组的第二附加候选部件；和

经由所述处理器，基于所述一个或多个组的第二附加候选部件，生成多个井轨迹。

31.根据权利要求25-30中任一项所述的方法，其中确定一组候选部件包括同时确定:

一组候选设施安置；和

该一组候选设施安置中的至少两个之间的一组候选管线路线。

32.根据权利要求25-30中任一项所述的方法，其中确定一组候选部件包括同时确定:

一组候选设施安置；

该一组候选设施安置中的至少两个之间的一组候选管线路线；和

多个井的多个组的坐标和该一组候选设施安置之间的一组井轨迹。

33.根据权利要求25-30中任一项所述的方法，其中确定一组候选部件包括同时确定:

一组候选井安置；

一组候选设施安置；

该一组候选设施安置中的至少两个之间的一组候选管线路线；和

该一组候选井安置和该一组候选设施安置之间的一组井轨迹。

34.根据权利要求25-33中任一项所述的方法，其中确定一组候选部件包括同时确定多个不同类型的候选部件。

35.根据权利要求25-30中任一项所述的方法，其中识别多个部件的多个位置包括:

基于A*算法确定烃生产地点的一组设施位置之间的一组管线安置。

36.根据权利要求35所述的方法，其中该一组管线安置包括所述一组设施安置之间的一个或多个最佳路线。

37.根据权利要求36所述的方法，其中一个或多个最佳路线考虑了拓扑复杂性，该拓扑复杂性包括山脉、山谷、断层或其任意组合。

38.根据权利要求35-37中任一项所述的方法，其中所述一组管线安置避开一个或多个禁止区域。

39.根据权利要求25-38中任一项所述的方法，其中代表所述区域的一个或多个图包括具有四边形网格块的结构化图。

40.根据权利要求25所述的方法，其中第一算法包括粒子群优化算法。

41.一种烃生产地点规划系统，包括:

一个或多个处理器；和

一个或多个存储器，包括指令，当由一个或多个处理器执行时，该指令使得一个或多个处理器通过以下识别烃生产地点的多个部件的多个位置:

经由一个或多个处理器接收输入数据，该输入数据包括代表一区域的一个或多个图、多个井的多个组的坐标以及与多个部件中的至少一个相关联的成本数据；

经由一个或多个处理器，基于输入数据和一算法来确定对应于多个位置的一组候选部件；

经由一个或多个处理器，基于所述输入数据、所述一组候选部件和所述算法，确定对应于多个位置的一个或多个组的附加候选部件；和

经由一个或多个处理器，基于一个或多个组的附加候选部件中的至少一个，生成指示多个部件的多个位置的一个或多个附加图。

42.根据权利要求41所述的系统，其中所述算法包括粒子群优化算法。

43.一种计算机程序，包括用于实施权利要求1-40中任一项的方法的指令。

44.一种非暂时性计算机可读介质，包括用于实施权利要求1-40中任一项的方法的指令。

Images