Многослойная кооперативная оптимизационная структура с прокси-моделями для экономического освоения месторождений сланцевого газа

Оптимизация освоения сланцевого газа сталкивается со значительными трудностями из‑за вычислительных ограничений при учёте сложных взаимодействий параметров на разных масштабах. Традиционные методы оптимизации ограничены неспособностью эффективно обрабатывать высокоразмерные пространства параметров, чрезмерными вычислительными затратами, препятствующими применению на масштабе месторождения, и неспособностью одновременно учитывать как технические показатели, так и экономические результаты. Основная цель данного исследования — максимизация чистой приведённой стоимости (NPV) на масштабе месторождения путем систематической оптимизации инженерных параметров при заданных геологических ограничениях, что преобразует сложный процесс принятия решений по развитию месторождения в количественную математическую задачу максимизации целевой функции NPV при определении соответствующих оптимальных инженерных параметров. В статье предлагается новая прокси‑поддерживаемая многослойная кооперативная оптимизационная структура (PAMLCO), которая системно устраняет эти ограничения через иерархическую декомпозицию задачи и интеграцию параметров на разных масштабах. PAMLCO преобразует сложную задачу оптимизации месторождения в три иерархически связанных подпроblems: (1) внешний слой ориентирован на оптимизацию масштаба месторождения и определяет глобальные параметры, включая полу-длину трещины (FHL), проводимость трещины (FC), шаг кластеров (CS) и координату целевой точки A; (2) средний слой оптимизирует параметры колонны скважин, такие как длина горизонтального интервала (HSL), число скважин и координату целевой точки B; (3) внутренний слой оптимизирует параметры отдельной скважины, например расстояние от устья до цели A и буровые площадки, соединённые с каждой скважиной. В отличие от традиционных методов «разделяй и властвуй», приводящих часто к локальным экстремумам, PAMLCO реализует двунаправленный механизм обмена информацией между соседними слоями оптимизации — результаты верхнего уровня задают границы ограничений для нижнего уровня, в то время как оптимальные решения нижнего уровня направляют эволюцию параметров верхнего уровня. Ключевая новинка PAMLCO заключается в эффективной обработке эффектов связи между микроскопическими параметрами трещин и макроскопическими стратегиями развития месторождения при учёте неоднородности коллектора и наземных ограничений. В основе стоит высокоточная прокси‑модель Gaussian Process Regression (GPR) (R2 = 0.9999, RMSE = 0.0132) в сочетании с генетическим алгоритмом (GA), что ускоряет процесс оптимизации более чем в 2400 раз по сравнению с традиционными численными симуляциями при сохранении точности решения в пределах 2% от исчерпывающих подходов. Этот прорыв в вычислительной эффективности делает всестороннюю оптимизацию на масштабе месторождения практически осуществимой, позволяя интегрировать сложные технические и экономические факторы в реальных процессах принятия решений. При применении к Сычуаньскому бассейну PAMLCO обеспечил суммарную добычу газа 68.58 × 10^8 м3, коэффициент извлечения 15.8% и NPV $3.07 × 10^8, что представляет улучшения на 201%, 204% и 1235% соответственно по сравнению с фактическими схемами месторождения и на 11%, 10% и 35% соответственно по сравнению с традиционной однослойной оптимизацией на базе GA. Оптимизированная схема определила идеальные параметры на уровне месторождения, включая FHL (91 м), HSL (1000–3923 м), объём проппанта на метр (2.67 м3/м), CS (22 м), число скважин и расположение скважин. Методология представляет собой значительный шаг вперёд в оптимизации освоения месторождений, эффективно связывая микромасштабные параметры трещин и макромасштабные стратегии размещения при сохранении вычислительной эффективности. Универсальность структуры выходит за рамки рассматриваемого случая и предлагает потенциальные приложения для различных нетрадиционных коллекторов, требующих экономической оптимизации при сложных геологических и эксплуатационных ограничениях. Ключевые вклады: первая реализация многослойной оптимизации, разрешающая межмасштабную связь параметров в развитии сланцевого газа; разработка комплексного рабочего процесса для одновременной оптимизации размещения скважин, параметров завершения и стратегий развития месторождения при реалистичных ограничениях; достижение ~2400× ускорения оптимизации с помощью инновационной GPR‑прокси при сохранении высокой точности; создание модели данных, интегрирующей геологические, инженерные и экономические ограничения в единой вычислительной структуре.