柯 珂 王志远 郑清华 李庆建

（1.中国石化石油工程技术研究院 北京 100101； 2.中国石油大学（华东） 山东青岛 266580； 3.中海油研究总院 北京 100028）

柯珂，王志远，郑清华，等.深水智能完井关键设备组合优化模型的建立与应用分析［J］.中国海上油气，2015，27（1）：79-85.

智能完井技术是近十几年发展起来的一项适用于深水油气开发的新技术［1-3］。该技术可以实时监测油藏生产动态，远程控制油气井生产，在无调停作业条件下实现远程控制油气井各生产层的重新配产，降低或消除修井、调停作业次数，增加对油藏信息的了解，降低油藏地质的严重非均质性对生产的影响，加快油气田生产效率，提高最终采收率［4］。自1997年8月世界第一口智能井在北海Snorre油田建成以来［5］，智能完井设备研发及技术发展已进行十几年，经验和实例证明选择合适的关键设备组合是智能完井发挥作用、降低成本的关键所在［6-7］。设备组合的优选需要确定选取标准和优选方法，而目前选择智能完井设备的标准往往是由经济因素所决定［8］，并且智能完井设备优选多是侧重于某一种关键设备的选型［9］或是安装位置［10］，并不能真实反映工程对设备组合的准确性、可靠性、兼容性等多目标要求，所以需要建立合理科学的优选标准及方法。笔者综合有关学者对智能井完井设备的研究成果［11-18］，提出以费用、可靠性、控制精确性、数据测量精确性、操作方便性和兼容性等作为反映关键设备组合特征的6项指标，并将其设定为关键设备组合的优选标准，进而提出利用层次分析法［19-22］构建智能井设备优选模型来解决设备组合优选问题，并以某深水井为例对智能完井关键设备组合优化方法进行探讨，以期为深水智能完井关键设备组合的选择提供借鉴。

1 深水智能完井关键设备

深水智能完井关键设备主要包括以下3个部分：控制系统、井下监测与传输系统和井下控制设备，其中控制系统用来实现井下设备的驱动，井下监测与传输系统用来进行压力和温度的监测以及动力和数据的传输，井下控制设备（主要包括封隔器及流量控制阀）用来实现对产层的控制。

1）控制系统。目前主要有3种类型的智能完井控制系统：全电动式、电动-液压式和全液压式。全电动式控制系统最为精细但也最为昂贵，并且耐温性有限。电动-液压式控制系统用井下电子元件和电磁阀来实现井下流量控制阀的具体操作，也可以与井下监测系统集成。全液压式控制系统具有成本低、系统相对简单、可靠度高、交货时间快等优点，但井下流量控制组件与井下监测组件完全独立，不能相互集成，存在功能性相对较差的缺点。相比于电动-液压式控制系统和全电动式控制系统，全液压式控制系统由于控制管线数目较少，作业者往往要牺牲一定的功能，如井下流量控制阀的节流位数目较少、控制的准确性相对较差、不能实现阀门位置的反馈等［23］。

2）井下监测与传输系统。智能完井井下监测系统主要是指安装在井下的、测量各种井下生产参数的永久性传感器。早期利用电子传感器来记录测量温度、压力、流量等数据，由于耐温性较差导致其精度不高并且使用范围受限。后期将井下永久性光纤传感器［24］应用到井筒分布式温度压力测量中，其无需井下电子设备，并且对电磁干扰和辐射免疫。智能完井系统的井内传输系统包括动力传输系统和数据传输系统，其中动力传输线路分为焊接式和无缝式，数据传输系统分为电缆和光缆。

3）井下控制设备。井下控制设备主要分为2种：井下封隔器、井下流量控制阀。智能完井系统井下封隔器主要用于封隔油套环空，以实现多产层之间的封隔。封隔器主要有机械式和液压式2种，随着智能完井技术的发展和需求，其逐步向液压式发展，利用控制管线来代替油管内外压差操作实现坐封［25-27］。井下流量控制阀分为开关式、多位节流式及无级可变式［28］，通过平衡活塞制动或是弹簧复位制动。在确定井下液压系统体系结构时，作业者必须平衡考虑系统的功能等级要求和希望安装到井下的控制阀的数目来确定选用的控制阀种类。同时当安装多位节流控制阀时，还应确定每个控制阀是单独控制还是同步控制。

以上所描述的井下控制系统、井下流量控制阀、温压传感器、分布式温度传感器、封隔器、井下流量计等6种关键设备在深水智能完井系统中起主导作用，故本文将其组合定义为深水智能完井关键设备组合。

2 深水智能完井关键设备组合优选模型的建立

基于层次分析法建立优选模型的过程可分为4个步骤：划分模型的递阶层次结构，确定准则层对目标层的关系，构造方案层与准则层的关系，获得方案层与目标层的关系。

2.1 划分模型的递阶层次结构

根据层次分析的要求，首先要针对优选问题建立优选模型的递阶层系结构，分为目标层、准则层（标准层）、方案层（措施层）。目标层表示分析问题的预定目标或理想结果，在本模型中是指优选出最佳的智能完井系统关键设备组合，故目标层定义为最佳设备组合，记为O。准则层是指为实现目标所涉及的中间环节，包括所需要考虑的准则和标准等。本文通过对不同类型和种类的设备进行分析，提出判断最佳设备组合的标准可选定为费用、可靠性、控制精确性、数据测量精确性、操作方便性和兼容性等6项指标，依次记为C1—C6。方案层是指为实现目标可供选择的各种措施、决策方案等，本模型的方案层即为通过前期工作（技术可行性分析等）得到的多种包括井下控制系统、井下流量控制阀、温压传感器、封隔器、井下流量计以及分布式温度传感器的关键设备组合方案，将其记为Pi（i=1，2，…，n）。该模型的层次结构图如图1所示。

图1 模型递阶层次结构图Fig.1 AHP hierarchical structure chart of the model

2.2 确定准则层对目标层的关系

1）准则层对目标层的成对比较判断矩阵的求解。根据方案设计目的和实际工程要求，输入准则层各元素相对于最佳设备组合的重要性比重，记为c（6），其中c1到c6为1～9的整数。对其元素进行两两相除，则可以按式（1）、（2）计算出判断矩阵A中的aij、aji。

2）准则层对目标层的层次单排序及一致性检验。求取成对比较判断矩阵A的最大特征值λmax，设方案数为k，根据式（3）计算一致性指标CI，结合式（4）及表1计算一致性比例CR。如果CR＜0.10，认为判断矩阵的一致性可以接受，否则要对输入参数c（6）进行修正，λmax对应的特征向量经过归一化处理即为准则层对目标层的层次单排序。

表1 平均随机一致性指标RI取值［19-20］Table 1 Value of average random consistency index RI［19-20］

2.3 构造方案层对准则层的关系

方案层的元素是通过智能完井技术可行性决策得到的符合开发要求的关键设备组合。由于层次分析要求每层的元素不超过9个，如果关键设备组合的数目超过9种，则需要对方案层的元素进行处理。这里先假设符合要求的设备组合数为k（k≤9），则方案层对准则层就会有6个k×k的成对比较判断矩阵Ai（i=1，2，…，6）。

构造判断矩阵Ai的步骤为：首先选取准则层中的某一准则，分析某一种关键设备的各参数对该准则的贡献程度（权重）；然后对不同设备组合中该类关键设备的参数进行评比打分，将各参数所得的分进行规范化后再结合贡献程度（权重）加权平均即得到不同设备组合中某一关键设备对某一准则的贡献分。

设在评价时设备的参数x对准则层的元素有影响，共有k组对应的x值，记为xj（j=1，2，…，k），假设x=｛x1，x2，…，xk｝已经按由小到大原则排列好，则有：

1）若x与评价元素呈正相关，则任意xj对应的规范化数值为

2）若x与评价元素呈负相关，则任意xj对应的规范化数值为

这样可以得到不同设备组合中6种关键设备对某一准则的贡献分，再结合工程设计要求给出的不同关键设备对某一判断准则的影响比重可以得到不同设备组合对某一准则的贡献分Sij（i=1～6，j=1～k），其中i表示某一准则，j表示某一种设备组合。某一设备组合方案针对某一准则的评分过程如图2所示。

图2 某一设备组合方案针对某一准则的评分示意图Fig.2 Rating schematic diagram of one key equipment combination to a certain criterion

成对比较判断矩阵Ai的计算如下：

上述方法可以评价各方案对准则层的费用、可靠性、控制精确性、数据测量精确性和操作方便性的影响比重。但在比较各方案对兼容性准则的影响比重时，首先计算各设备组合中所有设备总共来源于多少不同的属公司，然后再按照上述的负相关参数规范化理论对求得的公司数进行规范化，进而得到各方案对兼容性准则的比重。至此，可以得到方案层对准则层的层次单排序，再经过一致性检验即可得到不同方案对准则层的比重，即不同设备组合对不同标准的比重。

2.4 获得方案层与目标层的关系

得到方案层对准则层以及准则层对目标层的关系后，可以通过目标总排序来得到方案层对目标层的关系，即不同设备组合针对最优设备组合的排序。

总排序权重需要自上而下地将单准则下的权重进行合成。已知准则层包含6个元素，记为C1—C6，它们关于总目标的层次单排序权重分别为c1，…，c6；方案层包含k个因素，记为P1，…，Pk，它们关于某一准则Cj的单排序权重分别为p1j，…，pkj。因此，方案层中各因素关于总目标的权重即为各设备组合方案针对最优方案的层次总排序权重O1，…，Ok，其计算如式（8）所示：

最后，对层次总排序也须作一致性检验，当总排序随机一致性比例小于0.10时，认为层次总排序结果具有较满意的一致性并接受该分析结果。

通过对比方案层中不同方案的总排序权值即可确定出最佳的设备组合方案。对于符合要求的设备组合数为k＞9的情况，首先从方案中选出9种方案进行一次层次分析得到最优方案，然后从剩下的方案中选取8个方案与前一次分析得到的最优方案组成9个方案再进行层次分析，重复上述优选过程，直到优选出最终的最佳设备组合。

3 算例分析

以IWCA-1深水井为例。该井智能完井关键设备组合优选项目参数和油层参数分别见表2、3，智能完井关键设备组合优选技术可行性分析结果见表4（该井最初并未选择使用井下流量计和分布式温度传感器）；结合工程设计要求分别对准则层各元素相对于最佳设备组合的重要性以及关键设备对某一判断准则的重要性进行打分（表5、6），利用前面所描述的模型编程计算与分析得到智能完井关键设备组合优选结果（表7），并对模型中参数的敏感性进行分析。

表2 IWCA-1深水井智能完井关键设备组合优选项目参数Table 2 Project parameters of key equipment combination optimization in IWCA-1 deep water intelligent completions

表3 IWCA-1深水井智能完井关键设备组合优选油层参数Table 3 Formations parameters of key equipment combination optimization in IWCA-1 deep water intelligent completions

表4 IWCA-1深水井智能完井关键设备组合优选技术可行性分析结果Table 4 Technical feasibility analysis result of key equipment combination optimization in IWCA-1 deep water intelligent completions

表5 IWCA-1深水井智能完井关键设备组合优选判断准则的决策比重打分Table 5 Importance of criterion to the decision of key equipment combination optimization in IWCA-1 deep water intelligent completions

表6 IWCA-1深水井智能完井关键设备组合优选设备对判断准则影响的比重打分Table 6 Importance of equipment to the criterion of key equipment combination optimization in IWCA-1 deep water intelligent completions

表7 IWCA-1深水井智能完井关键设备组合优选结果Table 7 Optimum result of key equipment combination optimization in IWCA-1 deep water intelligent completions

1）温度测量精度的影响。在表3的基础上，修改“温度测量精度要求”的数值全为0.2，进行优选得到表8所示的结果。从表8可以看出，油层1和油层2的温压传感器没有发生变化，仍为 W＿PTGuage；而油层3的最佳温压传感器变为SUREFLO，油层4的最佳温压传感器变为PPS2700。因此，随着温度测量精度要求的降低，可选的温压传感器种类变多，优选结果也遵循了适用性的原则。

表8 考虑温度测量精度影响时IWCA-1深水井智能完井关键设备组合优选结果Table 8 Optimum result of key equipment combination optimization in IWCA-1 deep water intelligent completions with the effect of temperature measurement accuracy

2）分布式温度传感器和井下流量计的影响。在考虑温度测量精度影响的基础上，同时选择安装“分布式温度传感器”和“井下流量计”，通过层次分析后得到最佳的关键设备组合结果见表9。与表8相比，在其他参数不变的情况下，因为选择安装了2种设备，油层3和油层4的温压传感器发生了变化，由SUREFLO、PPS2700变成了W＿PTGuage。这说明，层次分析法是考虑方案的整体权重做出判断的，模型中方案层对准则层的判断权重充分考虑到了方案中各组成设备的参数，模型具有说服性。

表9 考虑分布式温度传感器和井下流量计影响时IWCA-1深水井智能完井关键设备组合优选结果Table 9 Optimum result of key equipment combination optimization in IWCA-1 deep water intelligent completions with the effect of the distributed temperature sensor and the down hole flow meter

3）水深和井深参数的影响。在表3的基础上改变水深（改为500 m）和井深（改为2 500 m）参数，相应的油层参数见表10。通过层次分析得到的最佳智能完井关键设备组合结果见表11。从表11可以看出，最佳井下控制系统和最佳流量控制阀都发生了变化，由SMS、HSC-ICV变成了Camco和TRFC-HNAP，说明水深和井深会影响井下控制系统和流量控制阀的选型，这是通过影响井下控制系统的工作环境中的有效控制距离引起的。

表10 水深、井深变化后IWCA-1深水井智能完井关键设备组合优选的油层参数Table 10 Formations parameters of key equipment combination optimization in IWCA-1 deep water intelligent completions with the variation of water depth and drilling depth

表11 考虑水深、井深变化时IWCA-1深水井智能完井关键设备组合优选结果Table 11 Optimum result of key equipment combination optimization in IWCA-1 deep water intelligent completions with the effect of water depth and drilling depth variation

4 结论

1）总结了深水智能完井中的关键设备组合，并通过分析各设备的性能参数和特征提出了优选标准。

2）基于层次分析法建立了深水智能完井关键设备组合优化模型，算例分析表明该优选模型可以在实际工程中进行应用，能够得到适用于不同工况下的深水智能完井最优设备组合方案。

［1］MACPHAIL W F P，KONOPCZYNSKI MR.From intelligent injectors to smart flood management：realizing the value of intelligent completion technology in the moderate production rate industry segment［C］.SPE 112240，2008.

［2］ROBINSON M.Intelligent well completions［C］.SPE 80993，2003.

［3］JACKSON NIELSEN V B，PIEDRAS J，STIMATZ G P，et al.Aconcagua，Camden Hills，and King's Peak Fields，Gulf of Mexico，employ intelligent completion technology in unique field-development scenario［C］.SPE 80292，2002.

［4］GOING W S，THIGPEN B，CHOK P，et al.Intelligent well technology：are we ready for closed loop control？［C］.SPE 99834，2006.

［5］GAO C H，RAJESWARAN R T，NAKAGAWA E Y.A literature review on smart well technology［C］.SPE 106011，2007.

［6］MCLAUCHLAN A，NIELSEN V J.Intelligent completions：lessons learned from 7 years of installation and operational experience［C］.SPE 90566，2004.

［7］MUBARAK S，DAWOOD N，SALAMY S.Lessons learned from 100 intelligent wells equipped with multiple downhole valves［C］.SPE 126089，2010.

［8］ARASHI A，KONOPCZYNSKI M，NIELSON V J，et al.Defining and implementing functional requirements of an intelli-gent-well completion system［C］.SPE 107829，2007.

［9］BIRCHENKO V M，AL-KHELAIWI F T，KONOPCZYNSKI MR，et al.Advanced wells：how to make a choice between passive and active inflow-control completions［C］.SPE 115742，2008.

［10］KING P，GHOSH B.Optimisation of smart well completion design in the presence of uncertainty［C］.SPE 166008，2013.

［11］ROBINSON M.Intelligent well completions［C］.SPE 80993，2003.

［12］MATHIESON D，GIULIANI C.Intelligent well automationdesign and practice［C］.SPE 103082，2006.

［13］ALMEIDA L F，TUPAC Y J，PACHECO MA C，et al.Evolutionary optimization of smart-wells control under technical uncertainties［C］.SPE 107872，2007.

［14］SANDOY B，TJOMSLAND T，BARTON D T，et al.Improved reservoir management with intelligent multi-zone WAG injectors and downhole optical flow monitoring［C］.SPE 95843，2005.

［15］KONOPCZYNSKI M，AJAYI A.Design of intelligent well downhole valves for adjustable flow control［C］.SPE 90664，2004.

［16］AJAYI A A，KONOPCZYNSKI MR，GIULIANI C.Defining and implementing functional requirements of an intelligentwell completion system［C］.SPE 107829，2007.

［17］JOSEPH P，GOING W S，ERIKSEN F，et al.Overcoming challenges during the development and installation of intelligent completion systems in SRI wells［C］.SPE 115540，2008.

［18］AJAYI A A，PACE S V，PETRICH B，et al.Managing operational challenges in the installation of an intelligent well completion in a deepwater environment［C］.SPE 116133，2008.

［19］SAATY T L.The analytic hierarchy process：planning，priority setting，resources allocation［M］.Newyork：McGraw-Hill，1980.

［20］SAATY T L.Axiomatic foundation of the analytic hierarchy process［J］.Management science，1986，32（7）：841-855.

［21］徐慧，罗超，刘志刚.层次分析法评价指标筛选方法探讨［J］.中国海上油气，2007，19（6）：415-418.Xu Hui，Luo Chao，Liu Zhigang.Study on the selection method of evaluation indexes by AHP［J］.China Offshore Oil and Gas，2007，19（6）：415-418.

［22］孙福街，程林松，李秀生.层次分析法在油田开发综合评价与方案优选中的应用探讨［J］.中国海上油气（地质），2002，16（5）：328-332，344.Sun Fujie，Cheng Linsong，Li Xiusheng.An application of hierarchic analysis to comprehensive evaluation and optimization of oilfield development plan［J］.China Offshore Oil and Gas（Geology），2002，16（5）：328-332，344.

［23］TIRADO R A.Hydraulic intelligent well systems in subsea applications：options for dealing with limited control-line penetrations［C］.SPE 124705，2009.

［24］SANDOY B，TJOMSLAND T，BARTON D T，et al.Improved reservoir management with intelligent multi-zone WAG injectors and downhole optical flow monitoring［C］.SPE 95843，2005.

［25］王兆会，曲从锋.遇油气膨胀封隔器在智能完井系统中的应用［J］.石油机械，2009，37（8）：96-98.Wang Zhaohui，Qu Congfeng.The application of swell packers in intelligent completion system［J］.China Petroleum Mechinery，2009，37（8）：96-98.

［26］王兆会，曲从锋，袁进平.智能完井系统的关键技术分析［J］.石油钻采工艺，2009，31（5）：1-4.Wang Zhaohui，Qu Congfeng，Yuan Jinping.Key techniques for intelligent completion system［J］.Oil Drilling ＆ Production Technology，2009，31（5）：1-4.

［27］SHAW J.Comparison of downhole control system technologies for intelligent completions［C］.SPE 147547，2011.

［28］WILLIAMSON J R，BOULDIN B，PURKIS D.The development of an infinitely variable choke for intelligent well completions［C］.OTC 11934，2000.