МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ РЕШЕНИЯ ЗАДАЧИ ОПТИМАЛЬНОГО РАЗМЕЩЕНИЯ КУСТОВЫХ ПЛОЩАДОК И РАСПРЕДЕЛЕНИЯ СКВАЖИН МЕЖДУ НИМИ

摘要

Множество технологических задач нефтегазовой отрасли сводятся к решению проблемы оптимального размещения объектов (кустовые площадки и распределение забоев по ним, компрессорные станции на трассе трубопровода, склады ГСМ, автозаправки и т. п.) на дискретном рабочем поле (ДРП). На сегодняшний день для решения простейших задач размещения (ПЗР) существует множество точных и приближенных методов, но универсальное решение отсутствует. Это вызвано тем, что ПЗР представляет собой NP-трудную задачу, временная сложность которой возрастает с ростом числа рассматриваемых объектов и их параметров. В конце XX в. были разработаны многоагентные методы роевого интеллекта, позволяющие за полиномиальное время находить оптимальное решение с заданной точностью. Работа таких алгоритмов основана на децентрализованном поведении интеллектуальных агентов, которые представляют собой самоорганизующуюся систему с адаптацией к окружающей среде (условию задачи). Примером таких многоагентных систем являются стаи птиц, колонии муравьев, пчел и т. д. В статье рассмотрена NP-трудная задача оптимального размещения кустовых площадок (КП) и распределения забоев скважин по ним. Размерность задачи: 55 забоев скважин и 55 вариантов размещения КП. Критерий оптимальности: минимум суммарной стоимости размещения КП в блоке и средней стоимости метра проходки скважин. Для решения поставленной задачи предложен дискретный пчелиный алгоритм с отжигом, реализованный в виде программного модуля в среде MS Visual Studio 2010 на языке С#.%Numerous technology issues which are common for the oil and gas sector appear relating to optimum placement of targets (well clusters and distribution, pipeline compressor stations, fuel and lubricants storage, filling stations, etc.) in discrete operating areas. Multiple methods presently exist today to handle such allocation issues, although a common solution is still unavailable. This is believed attributable to target allocation complexity which normally rises with growing count of targets under consideration and their multiple parameters. In late 20th century, polynomial Al algorithms were developed, aimed at finding optimum solutions. Mostly relying on these developments, the paper addresses Al-driven ways to optimise well cluster locations and inter-cluster well distribution using MS Visual Studio tools.