水平井井眼轨迹智能监测及调控数字孪生系统架构设计

尹虎; 袁雨萍; 李黔; 陈春竺; 赵修文

doi:10.12404/j.issn.1671-1815.2507068

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (25) :10817-10831 DOI: 10.12404/j.issn.1671-1815.2507068

石油、天然气工业

水平井井眼轨迹智能监测及调控数字孪生系统架构设计

尹虎 ¹ ,
袁雨萍 ¹ ,
李黔 ¹ ,
陈春竺 ² ,
赵修文 ³

作者信息 +

Design of Digital Twin System Architecture for Intelligent Monitoring and Control of Horizontal Well Trajectory

Author information +

文章历史 +

摘要

在水平井钻井过程中,由于井筒实际位置的不确定性和目标点垂深的不确定性,会造成实钻过程中轨迹需要不断地根据监测结果动态调整。现有的轨迹控制方法中,轨迹监测与轨迹动态优化设计为两个相对独立环节,整个过程耗时长、响应慢,无法适应下一代智能钻井中井眼轨迹智能闭环调控对快速决策与精准控制的需求。因此进行了水平井井眼轨迹智能监测及调控数字孪生系统架构设计,利用数字孪生虚实交互、真实映射、零风险虚拟验证的特点,将井眼轨迹设计、实时监测和自主调控之间的数据双向联系,实现井眼轨迹设计、实时监测和自主调控一体化智能闭环控制。并从数字孪生系统的构建、演化和更新3个方面阐述了水平井井眼轨迹智能监测及调控数字孪生系统的运行机制及关键技术理论。通过案例仿真证明了该数字孪生系统的合理性,通过轨迹变化趋势监测和轨迹动态调整功能的应用,表明了系统架构的实用性。该系统能够将水平井井眼轨迹智能监测及调控技术与智能设备相结合,实现水平井井眼轨迹全周期的一体化智能闭环控制,为实现智能化钻井提供理论支撑。

Abstract

During the drilling process of horizontal wells, the uncertainty of the actual position of the wellbore and the vertical depth of the target point can result in the trajectory needing to be dynamically adjusted based on monitoring results during the actual drilling process. In the existing trajectory control methods, trajectory monitoring and trajectory dynamic optimization were designed as two relatively independent links, and the entire process was time-consuming and slow in response, which cannot meet the requirements of fast decision-making and precise control in the intelligent closed-loop control of wellbore trajectory in the next generation of intelligent drilling. Therefore, an intelligent monitoring and control digital twin system for horizontal wellbore trajectory was constructed, which utilizes the characteristics of virtual real interaction, real mapping, and zero-risk virtual verification of digital twins to establish a bidirectional connection between wellbore trajectory design, real-time monitoring, and autonomous control, achieving integrated intelligent closed-loop control of wellbore trajectory design, real-time monitoring, and autonomous control. And the operation mechanism and the key technical theories of intelligent monitoring and control of horizontal well trajectory in the digital twin system were elaborated from three aspects: construction, evolution, and update of the digital twin system. The rationality of the digital twin system has been demonstrated through case simulations, and the practicality of the system architecture has been demonstrated through the application of trajectory change trend monitoring and trajectory dynamic adjustment functions. This system can combine intelligent monitoring and control technology of horizontal wellbore trajectory with intelligent devices to achieve integrated intelligent closed-loop control of the entire cycle of horizontal wellbore trajectory, providing theoretical support for achieving intelligent drilling.

Graphical abstract

关键词

数字孪生 / 轨迹监测 / 轨迹动态设计 / 轨迹纠偏 / 架构设计

Key words

digital twin / trajectory monitoring / dynamic trajectory design / trajectory correction / architecture design

引用本文

引用格式 ▾

尹虎, 袁雨萍, 李黔, 陈春竺, 赵修文. 水平井井眼轨迹智能监测及调控数字孪生系统架构设计[J]. 科学技术与工程, 2026, 26(25): 10817-10831 DOI:10.12404/j.issn.1671-1815.2507068

YIN Hu, YUAN Yu-ping, LI Qian, CHEN Chun-zhu, ZHAO Xiu-wen. Design of Digital Twin System Architecture for Intelligent Monitoring and Control of Horizontal Well Trajectory[J]. Science Technology and Engineering, 2026, 26(25): 10817-10831 DOI:10.12404/j.issn.1671-1815.2507068

登录浏览全文

4963

注册一个新账户忘记密码

智能钻井技术的最终目标是实现井下自主闭环钻进,而轨迹设计、监测与调控是井下钻进的重要部分,也是智能钻井的关键技术之一。传统的轨迹设计与调控是在钻前基于邻井数据和地质数据建立的静态模型,但是轨迹的监测和调控将贯穿整个钻进周期,井筒实际位置的不确定性和目标点垂深的不确定性,钻前的静态建模将无法准确仿真真实的钻进状态,使得钻前设计的建模与实际环境产生偏差,导致轨迹无法精准着陆。在智能钻井的需求下,轨迹设计必须向更智能化、自主化、精准化的方向发展,必须从传统的静态轨迹设计,向智能动态监测和智能动态决策的井眼轨迹监测及调控技术发展。

随着大数据、物联网以及人工智能技术的发展和进步,数字孪生技术也正驱动智能钻井技术的发展。数字孪生技术源于航空航天领域的“孪生体”,基于大数据、人工智能以及物联网技术,可以建立一个与现实物理模型完全一致的虚拟模型,具有实时同步、真实映射、双向反馈、高保真度、零风险虚拟验证等特点,可以实现设备自主监测、控制和决策^[1]。

目前,数字孪生技术在石油方面的应用正处于大力建设和探索阶段^[2-3]。通过数字孪生技术,构建石油工业数字孪生系统模型,实现石油化工设备、工况的全生命周期监测与管理,预计将降低物耗并提升经济效益^[4]。钻井过程中的全生命周期动态仿真和决策优化,可以减少地面设备故障和井下复杂情况,提高钻井效率,安全钻进^[5]。基于数字孪生技术可以实现钻前、钻中、钻后等钻井作业全生命周期业务的智能化管理^[5-6]。在数字孪生系统构建方面,提出了钻井数字孪生系统^[7]。在钻井设备方面,提出深地钻井顶驱数字孪生PHM运维框架^[8]和井下钻头数字孪生模型^[9],提高钻井效率。在钻井液性能方面,提出了数字孪生环境下基于生成对抗网络的钻井液流变性能预测方法^[10]。在轨迹监测方面,设计出了基于数字孪生的智能钻井虚实联动系统^[11]。对于轨迹调控方面,对钻进参数自适应调控系统提出了系统框架^[12]。为此,国外也对轨迹设计、监测和调控进行了技术攻关,人工智能井眼轨迹生成器在钻前融合多学科进行轨迹设计,在钻井活动期间实现近实时轨迹构建^[13]。由 Landmark 公司开发的COMPASS设计软件在施工过程中实时监控井眼轨迹,进行跟踪预测和待钻井眼设计,确保轨迹平滑,减少事故风险。

综合来看,将数字孪生技术和钻井工程设计相结合的研究正处于起步阶段,目前的研究成果更多是基于数字化钻井技术的辅助决策技术,并未将监测结果和调控设计有效地联系起来。对于如何在智能钻井的背景下,实现轨迹钻进监测和轨道动态调控一体化智能闭环控制,目前尚未形成一个明确清晰的技术框架。为此,现将水平井井眼轨迹随钻监测及轨道调控技术与数字孪生技术相融合,设计基于数字孪生的水平井井眼轨迹监测及轨道调控系统框架和运行机制,将真实的钻井平台准确地映射为虚拟钻井平台,将轨迹监测和轨迹调控相联系,分析水平井井眼轨迹监测及轨道调控数字孪生系统的关键理论和技术需求,推动数字孪生技术在钻井工程中的应用,为实现智能钻井提供理论基础。

1 水平井井眼轨迹智能监测及调控技术及其数字孪生需求

1.1 水平井井眼轨迹智能监测及调控技术框架及工艺流程

水平井井眼轨迹随钻监测及轨道优化技术的目标是替代传统的静态轨迹设计,实现水平井井眼轨迹智能监测、智能调控设计,使得钻机自主调控并按照设计轨迹钻进。该技术主要包含钻前静态设计、轨迹动态监测和轨迹动态决策(图1)。该技术与智能钻探设备、智能终端相结合,可以构建水平井眼轨迹全生命周期的轨迹智能监测及调控技术体系。

水平井井眼轨迹智能监测及调控技术的工艺流程如图2所示。

(1)钻前静态设计,包括设计轨迹参数设计和轨迹控制参数设计。设计轨迹参数是指根据地层数据、邻井数据和钻井设计数据确定造斜点层位,最终设计出可以钻达靶点的初始井眼轨迹。轨迹控制参数设计是指根据设计轨迹离散数据、地层数据和钻具组合结构,设计轨道导向控制方案(造斜率、工具面角)。

(2)轨迹动态监测,包括轨迹变化趋势动态监测、轨迹造斜率动态监测和水平段空间位置动态监测。轨迹变化趋势动态监测是指当实钻轨迹处于直井段时,根据邻井轨迹数据,分析实钻轨迹的防碰风险;当实钻轨迹处于造斜段时,计算其与计划轨迹之间的距离,分析轨迹的偏离程度;并结合轨迹的实时数据、设计靶点数据以及地层的变化情况,通过误差分析模型和储层位置的不确定性,分析水平井着陆中靶概率。轨迹变化趋势动态监测是井眼轨迹防碰风险、偏离程度和着陆中靶概率的判断依据。轨迹造斜率动态监测是指根据实钻轨迹的造斜率与设计轨迹数据的对比,实时掌握井眼轨迹的倾斜角度变化情况,是井眼轨迹动态调整设计的基础。水平段空间位置动态监测是指实钻轨迹进入水平段储层后,分析钻头与储层的空间位置,是井眼轨迹智能导向设计的基础。

(3)轨迹动态决策,包括井眼轨迹动态调整设计和井眼轨迹智能导向设计。井眼轨迹动态调整设计是指当监测到实钻轨迹在未进入水平段时偏离设计轨迹,根据设计轨迹离散参数和轨迹智能优化设计模型,进行实时纠偏轨迹设计;当监测到实际靶点和设计靶点之间的垂深发生变化以及轨迹存在严重碰撞风险时,根据实时数据、地层变化和轨迹智能优化设计模型来进行待钻轨道设计,并计算出工具面角度,实时更新轨迹设计方案,以此实现轨迹安全高效地按计划轨迹精准着陆。井眼轨迹智能导向设计是指在实钻轨迹进入水平段后,根据实时数据分析BHA的受力情况,结合轨迹智能导向控制模型,优化工具面转速和导向工具姿态,实时更新轨迹设计方案,以实现实钻轨迹在储层中穿行。

1.2 水平井井眼轨迹智能监测及调控技术的数字孪生需求

在钻井过程中,可能会发生实钻轨迹偏离设计轨迹、与邻井有重大碰撞风险、因井筒实际位置不确定性和储层垂深的不确定性导致无法精准着陆以及目标点层位建模不精准的情况,这些都需要实时地对实钻轨迹的变化趋势、造斜率以及目标点层位进行监测,并及时地对实钻轨迹进行调控。而目前的轨迹优化设计应用的模型是静态的,模拟设计的结果不能实时准确地反映钻井作业的工况,很难满足对轨迹进行实时监测和调控的需求。

因此,需要一个可以实现在虚拟空间完全映射真实物理模型,实现虚实交互,搭建水平井井眼轨迹智能监测及调控数字孪生系统。利用数字孪生虚实映射、可再现的特点,零风险模拟所有轨迹的可能性,选择最优轨迹作为设计轨迹。将数字孪生技术与井眼轨迹智能监测及调控技术相结合,可以实现井眼轨迹智能监测及调控技术与智能设备的高度融合,对实钻轨迹的作业状态实现精准的映射,实现安全高效的钻井作业。

2 水平井井眼轨迹智能监测及调控技术数字孪生系统设计

2.1 整体架构

基于数字孪生的五维模型和井眼轨迹智能监测及调控技术,构建水平井轨迹智能监测及调控数字孪生系统架构,实现对实钻轨迹全生命周期进行监测和调控。系统包含物理层、数据层、虚拟孪生层、服务应用层和通信连接层,如图3所示。

物理层是实际存在的钻井平台,由真实的导向工具、地质情况和钻井活动等组合而成。其中导向工具是部署了各类传感器的弯外壳螺杆钻具、旋转导向工具、MWD/LWD测量工具等,可以通过设备上的传感器实时监测地质情况、钻井活动和轨迹变化趋势,并通过物联网技术实时同步虚拟孪生层中几何模型的实钻数据,以及接收服务应用层中设计出的决策数据,对钻具进行实时调控。

数据层主要包括钻井设计、地质设计、物探数据等设计数据,录井数据、测井数据、随钻数据等钻井动态数据,钻具造斜率、动态趋势变化、钻头空间位置等轨迹监测数据以及监测分析结果、轨迹设计策略、轨迹控制策略等轨迹决策数据。数据层是井眼轨迹智能监测及调控数字孪生系统运行和计算的关键,是钻进过程中实时数据的载体,为虚拟孪生层的分析和控制提供数据基础。

虚拟孪生层是物理钻井平台在虚拟空间的精准数字映射,是实钻轨迹钻进过程在井眼轨迹智能监测及调控数字孪生系统中的远程再现。其中几何模型包含井眼轨迹、地质分层、井身结构、钻具组合等几何参数。机理模型是对轨迹设计和监测逻辑的描述,包括轨迹设计模型、轨迹误差模型、着陆监测模型、轨迹预测模型等。控制模型是对轨迹进行调控的约束条件,包括轨迹偏离约束、轨迹防碰约束、目标点位置约束、井斜控制约束等。虚拟孪生层通过钻井孪生数据和各种服务应用进行数据分析和处理,零风险模拟优化钻进轨迹,选择最优钻进路线。在实际钻进过程中,实现几何模型、机理模型和控制模型的实时更新,使虚拟孪生层和物理层时刻保持一致。

服务应用层是井眼轨迹智能监测及调控数字孪生系统核心功能的表征。服务应用层基于数据层和虚拟孪生层,通过钻前静态设计、轨迹动态监测和轨迹动态决策等服务实现井眼轨迹智能监测及调控。具体包括轨迹参数设计服务、轨迹控制参数设计服务、水平段空间位置动态监测服务、轨迹变化趋势动态监测服务、轨迹造斜率动态监测服务、井眼轨迹动态调整设计服务和井眼轨迹智能导向设计服务等。

通信连接层是数字孪生系统各个模块之间的连接,是物理层、数据层、虚拟孪生层和服务应用层实现相互连接、数据互通的桥梁。通信连接层基于物联网技术,将MWD等测量工具的实时测井数据上传至虚拟孪生层进行分析和处理,并将井眼轨迹调控设计数据下传至物理层,调整轨迹按照设计参数钻进,实现孪生系统的虚实交互和远程控制。

2.2 运行机制

水平井井眼轨迹智能监测及调控数字孪生系统的运行机制,如图4所示,包含数字孪生系统构建和钻前静态设计、数字孪生系统演化和轨迹动态监测、数字孪生系统更新和轨迹动态决策3个方面。

2.2.1 数字孪生系统构建和钻前静态设计

首先,通过对地质信息进行建模,对邻井的钻井数据进行数据清洗和特征提取,建立地质分层、钻具组合等几何模型。然后,基于理论知识和智能算法建立轨迹设计、着陆监测、轨迹预测等机理模型,以及轨迹偏离约束、轨迹防碰约束、目标点位置约束、井斜控制约束等控制模型。最后在虚拟孪生层模拟不同地质环境下不同设计参数下的钻进轨迹,通过钻前静态设计服务建立井眼轨迹设计参数(轨迹离散数据、造斜点、井眼曲率等)和轨迹控制参数(工具面),并将轨迹设计、控制参数同步传输到虚拟孪生层和物理层中,确保虚拟孪生层和物理层按照相同的参数进行钻进。

2.2.2 数字孪生系统演化和轨迹动态监测

当实钻轨迹根据钻前静态设计的轨迹参数进行钻进时,基于物联网技术通过通信连接层,将实时的测井数据传输到数据层和虚拟孪生层,对比数据层的钻井孪生数据,实时更新几何模型,让虚拟孪生层和物理层虚实结合同步钻进,并对实钻轨迹进行实时监测。同时,实时传输的数据将通过轨迹动态监测服务对实钻轨迹的着陆概率、井眼分离系数、轨迹偏离程度、造斜率预测、目标点层位等进行实时监测,分析实钻轨迹是否存在无法安全钻达靶点的情况,分析结果也将作为轨迹动态决策服务的基础。

2.2.3 数字孪生系统更新和轨迹动态决策

通过对比虚拟孪生层中模拟的实钻轨迹和物理层传输的实时数据,实时分析虚拟孪生层模拟实钻轨迹与实际钻进轨迹之间的差异。将监测数据实时通过通信连接层上传至虚拟孪生层,实现虚拟孪生层模型中几何模型实时更新,减少虚拟模型和物理模型之间的差异,实现对真实钻进过程的精准映射。通过轨迹动态监测服务对实钻轨迹进行实时监测。如果动态监测到轨迹的变化趋势与设计参数不一致,首先需要对轨迹的着陆概率、井眼分离系数和轨迹偏离程度进行监测和判断,如果实钻轨迹无法正常着陆靶点,又或者是当前实钻轨迹与邻井轨迹有碰撞风险,此时需要重新通过智能算法对待钻井眼进行设计;如果实钻轨迹与设计轨迹的偏离程度超过设置的阈值,此时需要计算出适合当前工况的工具面角,进行智能纠偏设计。如果动态监测到工具的造斜率与设计参数不一致,可能导致实钻轨迹偏离设计轨迹;如果在水平段钻进过程中动态监测到目标点层位与初始建模不一致,即实钻轨迹按照设计轨迹钻进无法在储层中穿行,钻遇率降低,这时也需要进行智能纠偏设计。新生成的最优轨迹设计方案以及控制方案将实时传输至虚拟孪生层中,对各个模型进行更新,并同步通过通信连接层将设计参数和控制参数传输至物理层中指导钻具调整工具面角按照设计轨迹钻进,实现虚拟孪生层和物理层之间无差别的虚实同步钻进以及轨迹的智能闭环控制。

3 水平井井眼轨迹智能监测及调控技术数字孪生系统关键理论技术

为应对复杂钻井环境带来的挑战,提升轨迹设计的效率以及定向钻井作业的效率和安全性,详细介绍井眼轨迹智能监测及调控技术所涉及的井眼轨迹随钻监测和井眼轨迹智能调控等关键技术。

3.1 水平井钻前静态设计

钻前静态设计方案是整个钻井作业开始的基础,是整个系统运行的起点。因此,在实施钻井作业前需要设计出一条考虑所有约束可以钻达靶点的轨迹,并给出适合当前钻进环境的控制方案。

综合考虑实际的油藏构造特征和井位靶点的位置特征,选用最合适的轨迹形态^[14-16]。并结合钻井地质、储层岩性的影响,设计出的轨迹应以规避井下事故风险为原则。在钻前轨迹设计时,可以根据造斜工具的造斜能力和地层可钻性选取造斜点的位置,使造斜点适当上移,适当延长视平移以降低造斜率,避免出现局部“大狗腿”的轨迹形态,并选择合适的钻具结构进行钻进^[17-18]。水平井水平段的设计长度影响油井的产油量,在设计水平段的时候需要对水平段长度进行适当控制^[19]。通过设计轨迹参数,计算出工具面摆放的角度,并根据钻井工具特性和地层特性,给出每一段轨迹的钻进方式(滑动钻进、复合钻进)和合适的钻具组合,形成轨迹的控制参数设计^[20]。因此,可以将所有的轨迹形态、地质分层、钻具组合等几何模型都加载到虚拟孪生层中,结合智能算法优化选择最优的轨迹设计参数和轨迹控制参数,以此完成钻前静态轨迹设计,效果图如图5所示。

3.2 水平井井眼轨迹动态监测

动态监测数据是井眼轨迹调控技术的实施基础,是实现虚拟孪生层和物理层一致性的关键服务。在水平井钻井过程中,工具造斜率导致的误差会造成井眼轨迹的实际位置产生不确定性;由于目标点垂深不确定性,实际靶点垂深可能会增加或减少,都可能导致最终入靶失败。因此,在实际水平井钻井过程中需要对工具的真实造斜率进行监测,防止在轨迹造斜过程中,实际造斜率的不确定性导致轨迹偏离的情况发生。同时,对实钻轨迹进行实时监测,防止轨迹偏离和产生重大碰撞风险,控制轨迹精准入靶。还需要对水平段空间位置进行监测,以确定轨迹穿过A靶后在储层中穿行。

3.2.1 井眼轨迹造斜率预测

在智能钻井的背景下,将力学与智能模型融合,通过力学模型计算钻头侧向力、钻头转角和极限造斜率并作为主控因素,利用自动化机器学习框架结合其他参数进行拟合预测,实现对造斜率的精准预测^[21-22]。如果设计采用旋转导向钻具钻进,可以基于延时微分方法,在考虑钻进参数、地层分布、钻具本身的几何结构和受力分析对工具造斜率影响的基础上,建立旋转导向工具造斜率预测模型^[23-24]。或者利用下部钻具组合力学模型及钻头-地层相互作用模型,引入折算系数,建立基于零侧向钻速条件的造斜率预测模型^[25]。如果设计采用单弯螺杆钻具钻进,可以根据折算造斜率的定义,结合三维钻速方程,实现对单弯螺杆钻具组合滑动钻进的造斜率预测^[26]。因此,通过模拟几何法、力学法和实时数据驱动等方法,根据实际的钻具组合、设计参数以及地层情况,结合智能算法建立井眼轨迹造斜率预测模型,为水平井井眼轨迹监测技术提供技术支撑。

3.2.2 井眼轨迹变化趋势监测

由于井筒实际位置的不确定性和目标点垂深的不确定性,需要实时监测井眼轨迹的变化趋势,包括对轨迹中靶概率、轨迹碰撞风险以及轨迹偏离程度的监测。

1)中靶概率

中靶概率是实钻轨迹顺利入靶的关键指标,是水平井钻井成功与否的第一步。在实钻过程中,“两个不确定性”会导致轨迹提前或滞后着陆,存在一定的概率不能准确入靶^[27],如图6所示。实际工程设计中并未对中靶概率进行实时预测,而是在钻前设计时预测垂深,在水平井着陆阶段根据实钻地层情况进行轨迹调整,只解决目标垂深的不确定性^[28-29]。因此,需要开展对水平井中靶概率实时监测的研究,基于 ISCWSA 误差模型,在钻井过程中同步考虑储层空间位置的不确定性与井眼轨迹的测量不确定性。通过沿井眼轨迹逐段累积误差,实时更新三维位置的不确定性椭球,并将其与储层几何特征动态耦合,进而系统评估造斜工具、储层厚度、标志层深度、入靶点井斜角及造斜点深度等关键参数对中靶概率的实时影响,实现水平井中靶概率实时监测。

2)防碰风险

防碰风险是井下安全施工的重要判断依据,通过对轨迹的防碰风险进行分级,判断风险程度,以此进行后续的轨迹调控设计。目前,防碰设计大多还停留在静态设计阶段,根据“井间防碰”的理念,在钻前设计时考虑防碰并优化轨迹,通过防碰扫描实现防碰风险的评估^[30]。但是仅依靠钻前的防碰设计无法适应实际的工况,因此需要构建实时的水平井井眼轨迹防碰风险监测模型^[31],通过实时监测实钻轨迹的防碰风险,根据邻井的井眼数据,利用电磁定位井筒^[32-33],计算正钻井和邻井的误差椭球、井间距离及井眼分离系数SF等数据并以此评价轨迹的碰撞风险,从而监测井下的安全施工状态,如图7、表1所示。

3)偏离程度

偏离程度是根据实钻轨迹和设计轨迹之间的距离计算得出的。在钻进过程中可能会出现实钻轨迹偏离设计轨迹的情况,需要对其进行扫描监测,分析轨迹间的偏离程度,如图8所示。因此,建立水平井井眼轨迹偏离程度监测模型,通过随钻监测数据和扫描监测模型,实现轨迹偏离程度实时监测。

3.2.3 水平段空间位置监测

实钻轨迹进入水平段储层,即表明储层垂深已确定,但是钻前建立的储层段地质模型不够精准,还需要在储层地质模型的横向展布上进行更新,以便及时地调整井眼轨迹,确保钻头始终在储层中钻进。由于储层厚度、发育情况以及地层产状等因素,给轨迹的钻遇率提升带来了风险^[34]。可以通过井震结合精细描述储层构造地质特征和油层发育情况,利用三维地质建模技术,建立断层区三维空间模型,对钻头的空间位置进行监测^[19,35]。或者利用随钻测井的实时数据,判断井眼与储层的交切关系,计算地层倾角及储层厚度,判断钻头和储层的空间位置^[36-37]。因此,建立水平井轨迹目标层位监测模型(图9),监测钻头和储层的空间位置,预判轨迹钻出储层的概率,防止实钻轨迹穿出储层,提高实钻轨迹的钻遇率。

3.3 水平井井眼轨迹动态决策

当监测到实钻轨迹存在风险时,就需要对实钻轨迹进行调控,使得实钻轨迹按照设计参数安全、高效钻达储层。当监测到处于造斜段的实钻轨迹发生偏离,需要对井眼轨迹进行智能纠偏设计;当监测到处于直井段的实钻轨迹有重大碰撞风险,或者监测到目标点的层位与设计建模点不一致时,需要对井眼轨迹进行待钻轨迹智能设计;当轨迹处于水平段时,需要监测钻头和储层的空间位置,通过智能导向设计,防止钻头钻出储层。构建水平井井眼轨迹智能调控技术,是实现水平井井眼轨迹智能监测及调控数字孪生系统的核心技术支撑。

3.3.1 井眼轨迹动态调整设计

井眼轨迹动态调整设计包含造斜段的智能纠偏设计和待钻轨迹智能设计。

造斜段智能纠偏设计,通过限定目标点的坐标,使得轨迹顺利在某一点回归原设计轨迹。在已有的轨迹模型的基础上^[38-41],通过粒子群算法、遗传算法、布谷鸟搜索优化算法、灰狼算法、斑点鬣狗优化器等智能算法优化轨迹的长度、轨道势能等目标^[42-44],实现在设计轨迹的某一点平滑回归,继续按设计轨迹钻进,效果如图10所示。

待钻轨迹智能设计是将传统的轨迹设计模型和智能方法相结合的一种轨迹优化设计。基于三维模型法,利用实钻轨迹数据,通过多目标优化算法,对轨迹的长度、轨道势能或生产效率等目标进行优化,对轨迹的造斜率、分段长度以及靶前距等参数进行约束,优选出一条满足各项评价指标以及工程约束的最优待钻井眼轨道^[45-48]。构建水平井待钻轨迹智能设计模型,在考虑轨迹靶点、钻进地层、钻具组合等约束下,利用智能算法对待钻轨迹进行设计,效果如图11所示。

轨迹设计完成后,将轨迹设计参数传入装置角的计算模型,基于最小曲率法,计算出造斜段轨迹的工具面角[式(1)],控制钻具按照对应的工具面角进行调整。

(1)$\mathit{w}=\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{t}\mathrm{a}\mathrm{n}\left(\frac{\mathrm{s}\mathrm{i}\mathrm{n}{\mathit{\alpha }}_{2}\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{\Delta }\mathit{\phi }}{\mathrm{s}\mathrm{i}\mathrm{n}{\mathit{\alpha }}_{1}\mathrm{c}\mathrm{o}\mathrm{s}{\mathit{\alpha }}_{2}-\mathrm{c}\mathrm{o}\mathrm{s}\mathrm{\Delta }\mathit{\phi }\mathrm{s}\mathrm{i}\mathrm{n}{\mathit{\alpha }}_{2}\mathrm{c}\mathrm{o}\mathrm{s}{\mathit{\alpha }}_{1}}\right)$

式(1)中:α₁为起始点井斜角,rad;α₂为终止点井斜角,rad;$\mathrm{\Delta }\mathit{\phi }$为起始点和终止点的方位角之差,rad。

3.3.2 井眼轨迹智能导向设计

水平段智能导向设计可以采用基于模糊控制或自适应算法的PID控制器^[49-51],通过实钻轨迹的井斜角、方位角以及空间位置,实时优化工具面角度。基于钻头和设计轨迹之间的垂深偏差和相对角度^[44],通过BHA力学模型,建立速率控制方法,实现对导向工具速率的调控。构建水平井井眼轨迹智能导向设计模型,在考虑轨迹空间位置、钻井参数、实时参数和BHA受力的条件下,利用智能算法实现导向设计,对导向工具姿态和工具面速率进行调控,使得钻头按照设计轨迹在储层中钻进。

4 案例仿真

试验数据来自川渝地区某页岩气井Z203-1井和Z203-2井,将对Z203-1井进行动态监测-决策-调控的仿真模拟。将录井数据和随钻测斜数据实时传输到云平台,进行井眼轨迹实时防碰扫描分析和轨迹偏离监测,并依据监测分析结果。采用三维五段制轨迹剖面设计轨迹,基于多目标粒子群算法,以轨迹长度和轨道势能为目标函数进行轨迹动态调整设计。

4.1 数字孪生系统构建

在进行轨迹动态监测和动态决策之前,需要对Z203-1井的数字孪生系统进行搭建。通过数字孪生系统数据管理页面输入Z203-1井的地质报告,以及邻井Z203-2井的地质信息和钻井参数,同步构建Z203-1井的储层地质模型,如图12所示。

将Z203-1井与Z203-2井输入数字孪生系统后,系统将根据内置的机理模型和控制模型中的约束,通过钻前静态设计服务对水平井井眼轨迹进行模拟仿真设计,根据多目标粒子群算法的优化结果选择最优轨迹作为钻前设计轨迹,将设计结果数据传输到虚拟孪生层并同步离散轨迹参数、计算工具面角。Z203-1井剖面设计数据如表2所示。

4.2 数字孪生体演化与更新

实钻开始,虚拟孪生层也同步进行轨迹钻进。实钻数据通过随钻实时无线测量上传至数据层,实钻无线随钻部分测斜数据如表3所示。同时虚拟孪生层模拟钻进的轨迹数据也将同步传输至数据层。通过数据清洗和特征化处理后,对比孪生模型和实际模型之间的差异,实时纠正孪生模型与实际模型之间的误差,确保虚实同步钻进。同时数据也将传入各服务应用中,对轨迹进行实时动态监测和动态决策,确保轨迹安全钻达A靶。

物理层和虚拟孪生层同步钻进,实时产生钻井数据,通过数据层清洗数据,对轨迹进行监测和决策,决策信息同步更新至物理层和虚拟孪生层中。虚拟孪生系统依次进行“数据采集-动态监测-动态决策-数据更新”无限循环的过程,使得系统正常运行,达到虚实同步钻进,实现智能钻井。

后续将对轨迹的防碰风险和偏离程度进行轨迹监测和调控仿真,验证系统设计的可行性、合理性和实用性。

4.2.1 井眼轨迹变化趋势动态监测

在直井段进行水平井实时防碰扫描分析,基于最近距离扫描的井眼分离系数计算结果,并以此绘制带有误差椭球的轨迹扫描三维图像。在造斜段进行轨迹偏离实时监测,基于设计轨迹和实钻轨迹在同一垂深下的水平距离进行比较,并以此判断实钻轨迹是否发生了偏离。

轨迹变化趋势监测结果如图13、图14所示。

通过实时传输的轨迹数据可以知道,在直井段时两口井的最近距离始终大于7 m,分离系数始终大于4。因此两口井基本不会发生碰撞。此时会实时更新孪生模型,进行孪生模型和实际模型之间的对比,纠正孪生模型与实际模型之间的误差,并对轨迹持续进行动态监测。

处于造斜段时,当检测到3 672.65 m的测点时,轨迹的偏离距离达到了30.22 m,实钻轨迹和设计轨迹之间的水平距离已经超过设定的阈值30 m。因此认定实钻轨迹已经发生了偏离。此时在实时更新孪生模型的同时,会触发轨迹动态决策服务,对轨迹进行纠偏设计,并将设计结果同步到虚拟孪生层和钻具中。

4.2.2 井眼轨迹动态决策

基于4.2.1节轨迹检测的数据,当检测到3 672.65 m的测点时,轨迹的偏离距离达到了30.22 m,此时平台就会停止继续钻进。同时以当前井底为设计起点,实时进行轨迹动态调整设计并计算相应的工具面角,优化结果如图15、表4、表5所示。计算后的数据将通过传输系统传输至钻具,控制调整工具面的摆放,使得实钻轨迹按照新的调整方案进行钻进。

通过设计结果可知,纠偏调整轨迹在垂深、井斜角、方位角、东坐标、北坐标都尽可能地迫近设计轨迹,在最后与设计轨迹的空间直线距离为0.194 m。实钻轨迹将按照7.39(°)/(30 m)的造斜率、167.66°的工具面角钻进88.64 m。之后稳斜钻进30 m。后续以4.23(°)/(30 m)的造斜率、437.61°的工具面角继续钻进,即可在垂深3 882.61 m处回归原设计轨迹继续钻进。此时,轨迹的优化模拟结果数据将传输到虚拟孪生层与物理层中,更新物理模型和孪生模型中的钻井参数,虚实同步按照纠偏轨迹钻进,实现智能闭环控制。

5 结论

(1)基于数字孪生具有虚实交互、真实映射、零风险虚拟验证的特点,构建了水平井井眼轨迹智能监测及调控数字孪生系统架构,实现了物理层和虚拟孪生层虚实交互、精准映射,能准确反映实钻轨迹全生命周期的钻进状态,并满足轨迹钻进监测和轨道动态调控一体式智能闭环控制的需求。

(2)水平井井眼轨迹智能监测及调控数字孪生系统应用于轨迹生命全周期。钻前通过该系统设计出最适合当前状态的设计轨迹;钻中通过监测水平井井眼轨迹的造斜率、变化趋势和钻头的空间位置,使得钻头按照设计轨迹准确入靶并在储层中钻进。

(3)为了实现水平井井眼轨迹智能监测及调控数字孪生系统的应用,还需要开展水平井钻前静态设计、井眼轨迹造斜率预测、井眼轨迹变化趋势监测、水平段空间位置监测、井眼轨迹智能设计以及井眼轨迹智能导向设计等关键技术的研究。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	曾义金, 王敏生, 光新军, 等. 中国石化智能钻井技术进展与展望[J]. 石油钻探技术, 2024, 52(5): 1-9, 171.

[2]	Zeng Yijin, Wang Minsheng, Guang Xinjun, et al. Progress and prospects of Sinopec’s intelligent drilling technologies[J]. Petroleum Drilling Techniques, 2024, 52(5): 1-9, 171.

[3]	崔悦, 李玉凤, 李伟, 等. 数字孪生在油气田地面系统的研究进展及展望[J]. 化工进展, 2025, 44(3): 1194-1205.

[4]	Cui Yue, Li Yufeng, Li Wei, et al. Research progress and prospect of the application of digital twins in oil and gas field ground systems[J]. Chemical Industry and Engineering Progress, 2025, 44(3): 1194-1205.

[5]	王金江, 王舒辉, 张来斌, 等. 基于数字孪生的压气站场设备风险智能决策系统[J]. 天然气工业, 2021, 41(7): 115-123.

[6]	Wang Jinjiang, Wang Shuhui, Zhang Laibin, et al. Digital twin based intelligent risk decision-making system of compressor station equipment[J]. Natural Gas Industry, 2021, 41(7): 115-123.

[7]	余斌, 朱伟佳. 石化行业数字孪生技术的应用探索[J]. 化工进展, 2019, 38(S1): 278-282.

[8]	Yu Bin, Zhu Weijia. Application exploration of digital twin technology in petrochemical industry[J]. Chemical Industry and Engineering Progress, 2019, 38(S1): 278-282.

[9]	宋先知, 李根生, 祝兆鹏, 等. 钻井数字孪生技术研究现状及发展趋势[J]. 石油钻探技术, 2024, 52(5): 10-19, 171.

[10]	Song Xianzhi, Li Gensheng, Zhu Zhaopeng, et al. Research status and development trend of drilling digital twin technology[J]. Petroleum Drilling Techniques, 2024, 52(5): 10-19, 171.

[11]	张媛. 基于数字孪生技术的钻井工程智能作业支持系统的设计[J]. 信息系统工程, 2024(4): 4-7.

[12]	Zhang Yuan. Design of intelligent operation support system for drilling engineering based on digital twin technology[J]. China CIO News, 2024(4): 4-7.

[13]	张好林, 杨传书, 李昌盛, 等. 钻井数字孪生系统设计与研发实践[J]. 石油钻探技术, 2023, 51(3): 58-65.

[14]	Zhang Haolin, Yang Chuanshu, Li Changsheng, et al. Design and research practice of a drilling digital twin system[J]. Petroleum Drilling Techniques, 2023, 51(3): 58-65.

[15]	王博, 李显义, 米凯夫, 等. 数字孪生驱动的深地钻井顶驱智能运维关键技术[J]. 石油机械, 2025, 53(6): 1-11, 21.

[16]	Wang Bo, Li Xianyi, Mi Kaifu, et al. Key technologies for intelligent operation and maintenance of deep drilling top drive powered by digital twin[J]. China Petroleum Machinery, 2025, 53(6): 1-11, 21.

[17]	Macpherson J. Technology focus: drilling systems automation and management[J]. Journal of Petroleum Technology, 2020, 72(2): 60.

[18]	郭亮, 徐行, 刘开勇, 等. 数字孪生环境下基于生成对抗网络的钻井液流变性能预测方法[J]. 钻井液与完井液, 2025, 42(3): 359-367.

[19]	Guo Liang, Xu Hang, Liu Kaiyong, et al. Method of predicting drilling fluid rheology based on generative adversarial networks in digital twin environment[J]. Drilling Fluid & Completion Fluid, 2025, 42(3): 359-367.

[20]	牟政通, 陶雷, 严梁柱, 等. 基于数字孪生的智能钻井虚实联动系统开发[C]// 2025国际石油石化技术会议论文集(IPPTC). 北京: 陕西省石油学会, 西安石油大学, 2025: 308-316.

[21]

Mou Zhengtong, Tao Lei, Yan Liangzhu, et al. Development of virtual and real linkage system of intelligent drilling based on digital twin[C]// 2025 Proceedings of the International Petroleum and Petrochemical Technology Conference (IPPTC). Beijing: Shaanxi Petroleum Society, Xi’an University of Petroleum, 2025: 308-316.

[22]	赵修文, 尹虎, 李黔. 钻进参数自适应调控数字孪生系统架构[J]. 石油钻探技术, 2024, 52(5): 163-170.

[23]	Zhao Xiuwen, Yin Hu, Li Qian. Architecture of a digital twin-based adaptive control system for drilling parameters[J]. Petroleum Drilling Techniques, 2024, 52(5): 163-170.

[24]	Alfarisi O, Singhal R, Rouis L, et al. Incepting caspian AI-driven well trajectory design: simultaneous multi-objective optimization for near real-time well path construction[C]// GOTECH Conference. Dubai City: SPE, 2025: 224457-MS.

[25]	贾自力, 石彬, 周红燕, 等. 超低渗透水平裂缝油藏水平井井眼轨迹优化技术[J]. 特种油气藏, 2017, 24(3): 150-154.

[26]	Jia Zili, Shi Bin, Zhou Hongyan, et al. Well path optimization technique for horizontal wells in reservoirs with ultra-low permeability and horizontal fractures[J]. Special Oil and Gas Reservoirs, 2017, 24(3): 150-154.

[27]	梁卫卫, 党海龙, 崔鹏兴, 等. 三维地质建模技术在致密砂岩油藏水平井开发中的应用--以鄂尔多斯盆地S区块为例[J]. 新疆石油地质, 2020, 41(5): 616-621.

[28]	Liang Weiwei, Dang Hailong, Cui Pengxing, et al. Application of 3D geological modeling in horizontal well development of tight sandstone oil reservoirs: a case study of Block S in Ordos Basin[J]. Xinjiang Petroleum Geology, 2020, 41(5): 616-621.

[29]	刘明, 许鹏, 陈述, 等. 四川盆地致密气水平井钻井关键技术[J]. 非常规油气, 2024, 11(4): 152-159.

[30]	Liu Ming, Xu Peng, Chen Shu, et al. Key drilling technologies for tight gas horizontal wells in Sichuan Basin[J]. Unconventional Oil & Gas, 2024, 11(4): 152-159.

[31]	周庆刚. 伊拉克东巴油田Khasib层水平井定向钻井技术实践[J]. 西部探矿工程, 2022, 34(5): 66-69.

[32]	Zhou Qingang. Practice of directional drilling technology for horizontal wells in Khasib layer of Dongba Oilfield in Iraq[J]. West-China Exploration Engineering, 2022, 34(5): 66-69.

[33]	王建龙, 齐昌利, 柳鹤, 等. 沧东凹陷致密油气藏水平井钻井关键技术[J]. 石油钻探技术, 2019, 47(5): 11-16.

[34]	Wang Jianlong, Qi Changli, Liu He, et al. Key technologies for drilling horizontal wells in tight oil and gas reservoirs in the Cangdong Sag[J]. Petroleum Drilling Techniques, 2019, 47(5): 11-16.

[35]	马立军, 梁晓伟, 贾剑波, 等. 陆相夹层型页岩油超长水平井开发技术[J]. 石油钻采工艺, 2024, 46(2): 220-227, 237.

[36]	Ma Lijun, Liang Xiaowei, Jia Jianbo, et al. Ultra-long horizontal well development technology for continental interbedded shale oil[J]. Oil Drilling & Production Technology, 2024, 46(2): 220-227, 237.

[37]	李文霞, 王居贺, 王治国, 等. 顺北油气田超深高温水平井井眼轨迹控制技术[J]. 石油钻探技术, 2022, 50(4): 18-24.

[38]	Li Wenxia, Wang Juhe, Wang Zhiguo, et al. Wellbore trajectory control technologies for ultra-deep and high-temperature horizontal wells in the Shunbei oil & gas field[J]. Petroleum Drilling Techniques, 2022, 50(4): 18-24.

[39]	白佳帅, 钟尹明, 王立伟, 等. 机理-数据融合的造斜率智能预测方法[J]. 石油机械, 2025, 53(5): 1-9.

[40]	Bai Jiashuai, Zhong Yinming, Wang Liwei, et al. Mechanism-data fused intelligent prediction of build-up rate[J]. China Petroleum Machinery, 2025, 53(5): 1-9.

[41]	张红, 涂忆柳, 冯定, 等. 基于Kriging代理模型的造斜率预测方法研究[J]. 科学技术与工程, 2017, 17(3): 61-68.

[42]	Zhang Hong, Tu Yiliu, Feng Ding, et al. Research on prediction method of build-up rate of deflecting tools based on Kriging surrogate model[J]. Science Technology and Engineering, 2017, 17(3): 61-68.

[43]	李飞, 张楠. 基于延时微分的旋转导向工具造斜率预测方法研究[J]. 煤田地质与勘探, 2024, 52(6): 166-173.

[44]	Li Fei, Zhang Nan. Build-up rate prediction of rotary steerable tools based on delay differentiation[J]. Coal Geology & Exploration, 2024, 52(6): 166-173.

[45]	巩宪锋, 黄翔宇. 推靠式旋转导向井眼轨迹预测与控制方法[J]. 科学技术与工程, 2016, 16(18): 20-24.

[46]	Gong Xiaofeng, Huang Xiangyu. Predict and control method of well path for push the bit RSS[J]. Science Technology and Engineering, 2016, 16(18): 20-24.

[47]	秦永和, 范永涛, 陈文辉, 等. 静态推靠式旋转导向控制模型与造斜率预测方法[J]. 石油钻探技术, 2023, 51(4): 74-80.

[48]	Qin Yonghe, Fan Yongtao, Chen Wenhui, et al. Static push-the-bit rotary steering control model and build-up rate prediction method[J]. Petroleum Drilling Techniques, 2023, 51(4): 74-80.

[49]	胡广强, 周太彬, 刁斌斌, 等. 单弯螺杆钻具组合滑动钻进造斜率预测方法[J]. 西部探矿工程, 2023, 35(2): 31-34.

[50]	Hu Guangqiang, Zhou Taibin, Diao Binbin, et al. Prediction method for slope formation of single curved screw drilling rig combination sliding drilling[J]. West-China Exploration Engineering, 2023, 35(2): 31-34.

[51]	Yin H, Jiang X H, Li Q, et al. Target-hitting probability prediction of landing point for a horizontal well[J]. SPE Drilling & Completion, 2022, 37: 326-339.

[52]	顾岳, 曼茂立, 杨博, 等. 约束靶点方向的曲面中靶轨道设计模型[J]. 内蒙古石油化工, 2023, 49(11): 31-34.

[53]	Gu Yue, Man Maoli, Yang Bo, et al. Design model in curved target orbit in the constrained target direction[J]. Inner Mongolia Petrochemical Industry, 2023, 49(11): 31-34.

[54]	谢鑫, 徐浩, 付成林, 等. 水平井钻井轨迹控制研究[J]. 精细石油化工进展, 2022, 23(5): 31-35.

[55]	Xie Xing, Xu Hao, Fu Chenglin, et al. Research on drilling trajectory control of horizontal wells[J]. Advances in Fine Petrochemicals, 2022, 23(5): 31-35.

[56]	曹振义, 李世超, 苗强, 等. 浅层煤层气大平台井眼轨迹整体优化设计技术的应用: 以保德区块保8井区为例[J]. 录井工程, 2025, 36(1): 56-62.

[57]	Cao Zhenyi, Li Shichao, Miao Qiang, et al. Application of overall optimized design technology for shallow coalbed methane large platform wellbore trajectory: a case study of Bao 8 wellblock in Baode block[J]. Mud Logging Engineering, 2025, 36(1): 56-62.

[58]	尹虎, 范涛, 江星宏. 页岩气丛式水平井上部井段防碰关键参数设计[J]. 科学技术与工程, 2024, 24(22): 9342-9349.

[59]	Yin Hu, Fan Tao, Jiang Xinghong. Design of key parameters for collision prevention in upper section of shale gas cluster horizontal well[J]. Science Technology and Engineering, 2024, 24(22): 9342-9349.

[60]	刁斌斌, 谷浩, 高德利, 等. 邻井随钻磁测距防碰系统的研制和应用[J]. 石油机械, 2022, 50(10): 14-19.

[61]	Diao Binbin, Gu Hao, Gao Deli, et al. Development and application of magnetic ranging anti-collision while drilling system[J]. China Petroleum Machinery, 2022, 50(10): 14-19.

[62]	李翠, 高丽萍, 李佳, 等. 邻井随钻电磁测距防碰工具模拟试验研究[J]. 石油钻探技术, 2017, 45(6): 110-115.

[63]	Li Cui, Gao Liping, Li Jia, et al. Experiment research on an electromagnetic anti-collision detection tool while drilling adjacent wells[J]. Petroleum Drilling Techniques, 2017, 45(6): 110-115.

[64]	陈泉键, 张哨楠, 白晓亮, 等. 岩溶微古地貌对岩溶白云岩的储层控制作用--以大牛地奥陶系马五1+2段岩溶储层水平井解释为例[J]. 东北石油大学学报, 2016, 40(6): 96-105, 10.

[65]

Chen Quanjian, Zhang Shaonan, Bai Xiaoliang, et al. The control effect of karst micro ancient landforms on karst dolomite reservoirs: a case study of horizontal wells in the Mawu 1+2 karst reservoir of the Ordovician system in Daniudi[J]. Journal of Northeast Petroleum University, 2016, 40(6): 96-105, 10.

[66]	温真桃, 操良涛, 简万洪, 等. 复杂构造区页岩气水平井高钻遇率井轨迹优化技术--以永川南区开发实践为例[J]. 非常规油气, 2022, 9(1): 112-118.

[67]	Wen Zhentao, Cao Liangtao, Jian Wanhong, et al. Trajectory optimization technology of shale gas horizontal wells in complicated structure area: a case of the development practice of Yongchuan southern area[J]. Unconventional Oil & Gas, 2022, 9(1): 112-118.

[68]	孙震, 腾闻, 邢乐乐, 等. 水平井地质导向技术在临兴西区气田的应用--以LXX23-21H井为例[J]. 石油地质与工程, 2025, 39(2): 10-15.

[69]	Sun Zhen, Teng Wen, Xing Lele, et al. Application of horizontal well geo-steering technology in west Linxing gas field: a case study from well LXX23-21H well[J]. Petroleum Geology and Engineering, 2025, 39(2): 10-15.

[70]	张东涛, 呼赞同, 何叶, 等. 水平井地质导向难点及对策分析--以四川盆地南缘昭通页岩气国家级示范区为例[J]. 天然气地球科学, 2022, 33(8): 1354-1361.

[71]	Zhang Dongtao, Hu Zantong, He Ye, et al. Analysis on the difficulties and countermeasures of geosteering of horizontal wells in Zhaotong National Shale Gas Demonstration Zone, southern Sichuan Basin[J]. Natural Gas Geoscience, 2022, 33(8): 1354-1361.

[72]	鲁港, 巩小明, 曹传文, 等. 限定入靶井斜的双圆弧型纠偏轨道设计问题的全解[J]. 石油天然气学报, 2009, 31(1): 75-79.

[73]	Lu Gang, Gong Xiaoming, Cao Chuanwen, et al. All solutions to dual arc correcting trajectory design with restricted target-entering deviation[J]. Journal of Oil and Gas Technology, 2009, 31(1): 75-79.

[74]	赵智勇. 限定入靶方向的双圆弧型纠偏轨道设计问题的解析解[J]. 中外能源, 2013, 18(12): 62-65.

[75]	Zhao Zhiyong. Analytical solutions for arc correcting trajectory design with restricted target-entering deviation[J]. Sino-Global Energy, 2013, 18(12): 62-65.

[76]	张子瑜. 空间斜平面上的二维井眼轨道设计方法[J]. 中外能源, 2018, 23(4): 50-53.

[77]	Zhang Ziyu. Design method of two-dimensional wellbore trajectory on spatial oblique plane[J]. Sino-Global Energy, 2018, 23(4): 50-53.

[78]	杨智光, 潘荣山, 苑晓静, 等. 古龙页岩油开发试验钻井设计优化与实践[J]. 大庆石油地质与开发, 2024, 43(4): 181-190.

[79]	Yang Zhiguang, Pan Rongshan, Yuan Xiaojing, et al. Optimization and practice of drilling design for Gulong shale oil development test[J]. Petroleum Geology & Oilfield Development in Daqing, 2024, 43(4): 181-190.

[80]	Wang Z, Gao D. Multi-objective optimization design and control of deviation-correction trajectory with undetermined target[J]. Journal of Natural Gas Science & Engineering, 2016, 33: 305-314.

[81]	Joshi D R, Robello S. Automated geometric path correction in directional drilling[C]// SPE Annual Technical Conference and Exhibition. San Antonio, Texas: SPE, 2017: 187209-MS.

[82]	Chen J L, Tang X P, Teng X M, et al. An adaptive well trajectory control method for drilling automation[C]// the 57th U.S. Rock Mechanics/Geomechanics Symposium. Atlanta, Georgia: American Rock Mechanics Association, 2023: ARMA- 2023-0202.

[83]	Biswas K, Rahman M T, Negash B M, et al. Spotted hyena optimizer for well-profile energy optimization[J]. Journal of Physics: Conference Series, 2021, 1793(1): 012061.

[84]	Wendi H, Min W, Luefeng C, et al. multi-objective drilling trajectory optimization using decomposition method with minimum fuzzy entropy-based comprehensive evaluation[J]. Applied Soft Computing Journal, 2021, 107: 107392.

[85]	Wang Z Y, Gao D L, Liu J J. Multi-objective sidetracking horizontal well trajectory optimization in cluster wells based on DS algorithm[J]. Journal of Petroleum Science and Engineering, 2016, 147: 771-778.

[86]	Zheng J, Lu C, Gao L. Multi-objective cellular particle swarm optimization for wellbore trajectory design[J]. Applied Soft Computing, 2019, 77: 106-117.

[87]	Alvarado-Silva C A, De Oliveira G C R, Gamboa A A R, et al. A simulation study on pressure control in oil well drilling using gain-scheduled PID controllers[J]. Applied Sciences, 2025, 15(5): 2748.

[88]	Laib A, Talbi B, Krama A, et al. Hybrid interval type-2 fuzzy PID+ I controller for a multi-DOF oilwell drill-string system[J]. IEEE Access, 2022, 10: 67262-67275.

[89]	Zhang N, Li F, Liu Z, et al. Inclination-holding control method for rotary steerable system based on fuzzy PID[C]// 2024 6th International Conference on Intelligent Control, Measurement and Signal Processing (ICMSP). Xi’an: IEEE, 2024: 31-34.

基金资助

油气重大专项(2025ZD1405903)

PDF (16758KB)

访问

被引

详细

导航

Received	Published	Revised
2025-10-09	2026-09-08	2026-01-14
Online Date
2026-09-18

摘要