美国公司推出压裂作业预测与监督模型

美国Corva能源公司推出用于自动化压裂作业设计的预测与监督模型，引起国际石油完井界同行的关注。主要原因是其同时公布多组物理场模型验证的现场作业流程。

美国Corva能源公司还同时推出压裂作业中的泵送诊断技术，通常用于石油公司的压裂支撑剂设计。石油公司实施压裂作业泵送过程很耗时；然而采用这一技术，为作业者完成压裂作业任务提供了技术信心。

Corva公司研发人员利用数据分析和机器学习的最新成就，帮助缩短压裂作业的运营工作流程，并提高项目经济性。公司专家列出相应压裂工艺监督与学习方法，并且应用于现有的石油公司数据库，以优化设计框架并简化流程。

综合起来，美国Corva能源公司的研究，是建立在专门数据库基础之上；而数据库则是通过“注入/释放”方式输出非均质储层组合而构建的。

Corva公司技术人员在压裂预测与监督项目的研发中使用了5种分类算法。研发过程中，使用的算法有“支持向量机”（Support Vector Machine，SVM）、“决策树”“随机森林”“多项式”和“XGBoost”（eXtreme Gradient Boosting，优化的分布式梯度提升库）。其中‌XGBoost算法基于梯度提升框架，通过“二阶泰勒展开”方法，优化目标函数。技术专家对类的数量进行了敏感处理，以期在模型精度和预测粒度之间建立平衡。

Corva能源公司专家编制了15个压裂现场案例，并且进行全面比较。公司专家构建了完整的机器学习框架，用于处理每个案例集，以及进行超参数调整，以最大限度地提高压裂作业预测的准确性。当公司的压裂模型最终确定后，研发人员还设计了宽泛且实用的现场验证工作流程。

Corva能源公司专家为压裂支撑剂模型选择的目标输出，包括交联流体效率、支撑剂总质量和最大支撑剂浓度。首先使用的“t-SNE”算法，包括无监督“聚类技术”；但是这类方法的预测结果，缺乏作业流程的准确性。而公司研发人员使用的“监督分类模型”则显示了更好的预测效果。

Corva能源公司技术人员使用“正交验证技术”，显示出压裂作业支撑剂的预测准确性的增长趋势。实验中的特征选择，是通过一次一个变量（OVAT），以及简单的特征值相关性研究完成的。由于实验预测中的特征值数量和数据集规模较小，因此在最终的预测模型构建中，没有消除过程中任何特征值。

公司专家还开展置信度和F1分布计算，并且使用调和矩阵进行评估。其中XGBoost分析方法显示了出色的结果，输出参数的准确度为74%至95%。流体效率分为3类，准确率为96%。

Corva能源公司对于6级案例，支撑剂浓度和支撑剂质量预测的准确率，分别达到77%和86%。公司技术人员进行高精度和细粒度的结合，证实了机器学习模型的潜在应用。在所有实验案例中，训练与测试的比例在80∶20至70∶30之间。

研发人员通过机器学习模型设计和实际净压力匹配中的预测，以及匹配裂缝几何形状和处理压力的“逆问题”，进行了模型模拟验证。这些模拟是使用先进的多物理场模拟方法进行的。

Corva能源公司的这种压裂过程与支撑剂的创新设计方法，显示了4方面的改进：一是聚合物消耗量减少30%，二是回流时间减少25%，三是用水量减少30%，四是运营效率提高60%至65%。

沙特油气田利用“调和整数规划”优化井位布置

沙特阿美石油公司（Saudi Aramco）于2025年9月推出“使用调和整数规划数学方法进行井位优化”方法，获得世界各相关行家的重视。

沙特阿美石油公司专家认为，在油气藏内的高潜力区域部署与设计井位，是油田开发规划的关键步骤。然而，迄今世界各地油气田对于这类地区的识别过程中，并没有解决最大限度地提高油气田的最终油气采收率问题。

公司专家指出，这种油藏识别必须辅以优化井眼位置与井眼设计，最终他们完整地提出一种有效的数学优化方法，用于世界各油气田的井位布置，以最大限度地实现井眼轨迹与储层中最佳位置的油气产区相接触。

相关技术人员介绍了提出问题的背景。

在油气田管理复杂性的同时，应适应多个油田开发目标，这是一个重大技术挑战。一般来说，经济开发油气田的多目标函数，被设计用来平衡相互竞争的目标。例如最大限度地提高碳氢化合物产量、最小化注水和优化净现值（NPV）。

不幸的是，研发人员发现，数值模拟涉及大型储层模型、高井数和复杂设计的众多开发场景，会产生大量的计算成本。因此，仅依靠传统的优化算法，在庞大的储层模型中布置数百口井，在计算上变得难以实现。

至今，世界各地油气田的随机优化技术，已被广泛应用于井位优化。部分石油公司已经探索了“混合”或称“调和”方法，结合两种或多种优化技术，来克服单个算法所固有的局限性。

沙特阿美专家追述，这些优化方法，通常涉及在各种约束条件下，将NPV（净现值）最大化作为目标函数。而“搜索空间”通常跨越仿真模型的整个3D网格，需要大量的计算资源和较长的周转时间。

为了缓解这些问题，研究人员通过使用“最佳点地图”来减少算法搜索空间。而确定油田中的最佳点，对于确定钻探新井的最有前景的位置至关重要。

在实践中，可以通过评估各种储层属性来确定最佳点，包括储层的连通性、波及效率、生产率和其他关键性能指标。特别是在井位和设计优化的背景下，使用3D储层模型的输入，对准确地进行最佳点识别起着至关重要的作用。

技术人员进一步发现，具体而言，模拟模型中的每个网格单元，都被分配了一个介于0和1之间的值，表示其相对储层质量，接近1的值表示所选井位对提高油气井产量非常有利。

最近的一项研究证明，使用储层ROI（机会指数）过滤3D搜索空间的有效性。许多其他最佳点标识符，在优化井位方面具有重要价值。此方法通过应用ROI简化了优化过程，减轻了与传统方法相关的计算负担。

技术部门为了应对大规模井位优化中固有的计算挑战，在项目中引入了一种能够处理全油田规模应用的新颖与高效的方法。通过先进的计算数学建模技术，旨在最大限度地提高井眼轨迹与高产油气层之间的接触，最终提高整体油田性能。

技术人员利用特殊方法，即用“混合或调和整数规划”（MIP）来制定和解决复杂的优化问题。这得益于高性能“优化求解器”的强大功能。沙特阿美这种协同作用能够快速确定最佳的井位和设计，为提高油气采收率，以及在油田开发中做出更明智的决策铺平道路。

澳公司优化项目管理加速边际油田开发

澳大利亚Matrix Energy Exploration and Production（矩阵能源勘探与生产公司），于2024年8月在尼日利亚石油会议上，公布了其创新成果。主要内容是运用结构化项目管理方法，提高边际油田开发效率。

公司专家在会上，回顾尼日利亚Apani边际油田采用的精益施工管理流程，并研讨边际油田的资产开发计划，从而描述石油和天然气开采过程。专家指出，这一方法有望为较高水平开采边际油田，或者开发新的边际油田资产，包括给出边际油田的预钻井与废弃井的基本设计方案。

尼日利亚Apani边际油田位于尼日尔三角洲沉积盆地南部，为陆上油田。此油田的Apani—01井于2006年被封堵并废弃。在油井废弃作业中，项目专家采用了非传统方法，即结构化项目管理方法。采用此方法的主要原因是在地面以下10米处，考虑到将来有可能恢复预钻井作业，或者在原地重新开展油气井的封堵与弃井作业。

公司项目团队首先确定设计和施工的最佳工程条件。在考虑了边际油田开发中的一系列相关因素，例如钻机设备占地面积、钻机子结构，以及钻井上部结构的累积载荷分析、辅助设备单位载荷计算后，还进行了严格的振动分析、应力分析、总布置布局和材料选择。

为了提高这一管理方法的现场应用普及与施工作业便利，这家澳大利亚公司编制了“项目管理知识体系”（PMBOK），还进行多项管理方法与工艺的创新与实施。在作业过程中，项目团队严格遵循“项目管理知识体系”推荐实践程序。终于在Apani—01井项目批准后4个月内，实现了边际油田的首次油气开采。

具体说来，从钻井井位等关键设计参数的论证开始，该公司采用了项目结构化集成管理，并且通过涉及“项目管理知识体系”的所有知识领域，例如作业范围、时间、成本、质量、风险、采购、人力资源、沟通和利益相关者的管理。此外，专家还在相关文件中，深入进行各种概念与术语的识别、定义、统一和协调。

（编译：郭永峰 编译自美国《JPT（石油技术报道）》杂志）