成果简介

针对超稠油开发中蚯蚓洞动态扩展、热采过程传质传热失真及强非线性油藏参数反演三大核心难题，研发了多物理场耦合与智能算法协同驱动的多场耦合智能模拟框架，涵盖机理建模、数值模拟、智能反演与工程决策全链条技术体系，显著提升了超稠油油藏开发动态预测与工艺优化能力。

（1）稠油出砂冷采（CHOPS）开发过程新型流固耦合模拟方法

基于微观孔隙力学机制，突破传统线弹性模型的局限性，提出压力梯度驱动的出砂准则（PGB），构建孔隙度-应力-压力多场耦合数值模型。通过动态模拟孔隙结构演化与流体渗流相互作用，揭示蚯蚓洞网络形成及扩展的内在规律，量化地层非均质性、生产压差等关键因素的影响。部分研究成果如图1-2所示。

（2）双水平井热采重力泄油开发过程新型热流耦合模拟方法

针对蒸汽/溶剂腔形态失真问题，提出热穿透准则（HP criterion），建立温度场-速度场-浓度场动态耦合模型。通过量化热传导、对流扩散与相变传质的协同作用，精准表征蒸汽腔/溶剂腔的时空演化过程，突破传统商业模拟器在复杂热采工艺中的物理场解耦局限。部分研究成果如图3-6所示。

（3）强非线性、高不确定性油藏智能历史拟合技术

针对高维参数空间反演难题，创新提出阻尼迭代集合卡尔曼滤波（Damped-IEnKF）算法，通过动态调控阻尼因子优化迭代路径，增强强非线性系统的收敛稳定性。开发模块化外接程序框架，实现智能算法与商业油藏模拟器的无缝兼容，支持多源数据驱动下的油藏模型动态更新与不确定性量化。部分研究成果如图10-12所示。

成果评价

（1）理论创新性

首次实现CHOPS蚯蚓洞网络从微观孔隙演化到宏观渗流通道的动态耦合模拟，为模拟CHOPS过程与反演蚯蚓洞网络提供了一种灵活普适的新方法；热穿透准则（HP）通过物理约束强化热流耦合机制，显著提升了溶剂辅助热采过程中蒸汽腔/溶剂腔形态模拟的准确性，有效解决了CMG STARS等商业模拟器中蒸汽腔/溶剂腔形态失真的技术瓶颈；Damped-IEnKF算法通过迭代阻尼调控，解决了集合卡尔曼滤波在强非线性系统中的发散问题，为油藏数字孪生提供核心算法支撑。

（2）技术先进性

多物理场耦合框架兼容CMG STARS等主流商业模拟器，兼具高精度模拟与大规模工程应用的适应性；智能反演技术突破传统历史拟合对人工经验的依赖，实现油藏参数动态更新的自动化与标准化。

应用前景

（1）CHOPS开发优化

蚯蚓洞网络的高精度反演为稠油冷采后提高采收率措施（如蒸汽驱、堵水调剖）提供关键地质依据，助力海外稠油区块（如哈萨克斯坦卡拉赞巴斯油田等）降本增效。该成果已在加拿大Lloydminster油田成功应用，单井周期产砂量预测精度提升了40%，并用于优化后续接替开发方案。

（2）热采工艺升级

多场耦合模型可精准预测蒸汽腔扩展边界与溶剂传质效率，为SAGD/ES-SAGD注采参数优化、汽窜防治提供决策支持。该成果已在加拿大帝国石油公司所属Cold Lake油田ES-SAGD先导试验中验证其工程实用性，并推广至加拿大Athabasca和Cold Lake油田的1个ES-SAGD和2个H-VAPEX项目。

（3）智能油藏管理

Damped-IEnKF技术通过动态反演与不确定性量化，支撑油藏数字孪生系统构建，实现开发方案实时优化与风险预警。在Lloydminster油田的蒸汽吞吐接替CHOPS开发应用中，该技术仅用23天完成传统方法需半年的历史拟合，为井距优化及注采参数调整提供了关键决策依据，最终使采收率显著提升8.2%；在Cold Lake油田的ES-SAGD项目的开发方案优化中，该技术通过精确反演储层参数并实时优化注采参数，实现采油速度提升40%、蒸汽消耗量降低15%，吨油操作成本降低18%。 

成果展示

负责人简介

杨世凯，1990年生，西安石油大学石油工程学院讲师，长期从事超稠油高效开发技术、提高采收率、油藏数值模拟、自动历史拟合技术、传质传热机理、多相渗流机理以及机器学习等研究工作。主持加拿大Mitacs 基金项目1项，陕西省教育厅项目1项，新疆油田勘探开发研究院横向项目1项；参与加拿大自然科学与工程研究理事会（NSERC）纵向项目3项以及加拿大Mitacs 基金项目1项。发表论文20余篇，其中以第一作者在业内高水平期刊发表SCI TOP论文5篇。