提高石油采收率技术：机理、新兴方法与基于人工智能的优化策略综述

《Energy & Fuels》：Enhanced Oil Recovery Technologies: A Review of Mechanisms, Emerging Methods, and Artificial Intelligence-Based Optimization Strategies

　　

由于毛细管捕集、不利流度比和储层非均质性，一次和二次采油方法通常遗留60–70%的原始地质储量。提高石油采收率（EOR）通过热力、化学、气体、微生物、混合和纳米流体基过程针对这一残余油，这些过程改变孔隙尺度力以提高驱替效率和波及效率。热力方法降低粘度但能耗高；化学驱增强流度控制并降低界面张力但在高温高盐储层中面临不稳定性；气体注入实现混相并实现CO₂封存但遭受早期突破和波及性差；混合技术结合多种机理，以操作复杂性为代价实现20–40%的增量采收率。近期人工智能（AI）和机器学习（ML）的整合推进了EOR筛选、性能预测和优化，深度学习模型在方法选择中达到高达95%的准确率。关键挑战仍在于化学稳定性、经济可行性和油田规模实施。未来发展需要物理信息驱动的AI框架、经济高效且环境友好的配方以及针对特定储层的混合设计，以在支持碳管理目标的同时最大化采收率。

全球能源系统正经历关键转型，但石油需求在中长期仍将保持高位。一次和二次采油仅能采出原始地质储量（OOIP）的30–40%，大量残余油因地层非均质性、毛细管捕集和不利流度比而滞留。增强采油（EOR）技术通过热力、化学、气体注入、纳米流体、微生物及混合方法等可提高采收率，但各方法均存在局限：热力法能耗高且碳排放大；化学法在高温高盐条件下易降解；气驱易早期突破且波及效率低。近年来，人工智能（AI）和机器学习（ML）的引入为EOR筛选、性能预测和优化提供了新途径，但缺乏全面涵盖机理、性能、经济性和人工智能整合的综述。因此，研究人员基于2015–2025年文献，对热力、化学、气体、纳米流体、微生物、混合及AI辅助EOR技术进行了系统性评述，重点分析机理、定量采收率、储层适用性、限制及未来方向，发表于《Energy》。

主要关键技术方法：研究人员综合评述了传统与新兴EOR技术，包括热力（蒸汽驱、蒸汽辅助重力泄油（SAGD）、原位燃烧（ISC）、电加热）、化学（聚合物驱、表面活性剂驱、碱驱、碱-表面活性剂-聚合物（ASP）驱）、气体注入（CO₂、N₂、烃类气体）、纳米流体（SiO₂、Al₂O₃、TiO₂、ZnO、Fe₃O₄等）、微生物（MEOR）及混合（ASP、表面活性剂-聚合物（SP）、聚合物-交替-气体（PAG）、表面活性剂-交替-气体（SAG）等）。AI/ML方法包括人工神经网络（ANN）、深度学习、随机森林、XGBoost、强化学习、物理信息神经网络（PINN）及可解释AI（XAI）。样本来源为全球公开发表的油田现场和实验室研究数据（2015–2025年）。

**1. 引言**：通过文献梳理指出，现有综述多聚焦单一方法，缺乏整合热力、化学、气体、纳米流体、微生物、混合及AI辅助EOR的统一框架。本综述填补了这一空白，强调机理匹配与储层针对性设计。

**2. 提高石油采收率的基础**：EOR的五种基本机理为粘度降低、界面张力（IFT）降低、润湿性改变、混相驱替和流度控制。关键储层参数如Dykstra-Parsons渗透率变异系数（V_DP）和毛细管数（N_c）决定EOR有效性。研究表明，IFT降低需与流度控制结合，尤其在油湿碳酸盐岩中。

**3. 提高石油采收率的方法**：
- **3.1 热力EOR**：蒸汽驱和SAGD可回收50–80% OOIP，但能耗高；原位燃烧（ISC）回收50–70%，但燃烧控制困难；电加热（与纳米颗粒结合）回收20–35%，水深可至2000 m，碳排放最低。
- **3.2 化学EOR**：聚合物驱（HPAM、SPAM、黄原胶等）可提高采收率12–19%；表面活性剂驱（阴离子、阳离子Gemini、两性离子等）增量采收率12–38%；碱驱（Na₂CO₃最优）与ASP组合可回收水驱后残余油90%以上。但高温高盐条件下化学剂降解和吸附仍是主要限制。
- **3.3 气体注入EOR**：CO₂混相驱（高于最小混相压力MMP）可实现微观驱替效率>80%，但整体受宏观波及效率限制。WAG和PAG可改善波及，但面临早期突破和腐蚀问题。氮气注入成本低但需高压，烃类气体注入在低渗透油藏中效果最佳。

**4. 新兴提高石油采收率技术**：
- **4.1 纳米颗粒基EOR**：SiO₂、Al₂O₃、TiO₂、ZnO等纳米颗粒通过IFT降低、润湿性改变和分离压机制提高采收率，增量可达5–15%。复合纳米颗粒（如Fe₃O₄@SiO₂）回收率可超90%，但聚集、保留和成本仍是现场应用障碍。
- **4.2 微生物EOR（MEOR）**：通过产生生物表面活性剂、生物聚合物和气体，增量采收率5–20%，但现场规模转化受限于微生物存活率和营养物分布。
- **4.3 混合EOR**：ASP、SP、PAG、SAG等混合方法通过协同机理实现20–40%增量采收率，优于单一方法，但操作复杂性增加。

**5. 人工智能在提高石油采收率中的应用**：
- **5.1 AI EOR方法筛选**：基于735个现场项目的深度学习分类器准确率达95%（训练集），但验证和测试集准确率较低（84.3%和82.6%），表明可能过拟合。随机森林和XGBoost在中小数据集上更实用。
- **5.2 AI在化学EOR中**：ANN和梯度提升模型用于预测聚合物驱和ASP驱的采收率和净现值，精度高（误差<2%）。混合AI-遗传算法框架优化聚合物注入策略，R² > 0.99。
- **5.3 AI在气驱EOR中**：ANN和XGBoost用于预测CO₂-油MMP，R² > 0.99。多智能体深度强化学习（MADDPG）优化多井CO₂注入速率，解决维数灾难。
- **5.4 AI在水驱优化中**：ANN代理模型与粒子群优化（PSO）结合，优化注采控制，结果与直接模拟误差<5%。强化学习框架首次应用于水驱生产优化，适应动态条件。
- **5.5 AI在热力EOR中**：PSO-ANN框架预测蒸汽驱采收率，误差<8%。深度强化学习用于SAGD蒸汽注入自适应控制，动态调整策略。
- **5.6 储层表征与模拟加速**：物理信息神经网络（PINN）嵌入控制方程，提高外推可靠性。单元级深度学习方法保持空间精度，但模型复杂度高。
- **5.7 AI在EOR中的挑战与局限**：数据质量、模型可解释性、外推域外可靠性是主要问题。可解释AI（XAI）和混合物理-ML方法正在发展以提升信任度。

**6. 经济可行性与油价敏感性**：聚合物驱成本最低（5–15美元/桶），在40美元/桶油价下即可盈利；ASP和CO₂驱需60–80美元/桶；纳米流体和MEOR仍属预商业化，成本较高。碳定价（如美国45Q信用）可改善CO₂-EOR经济性。

**7. 挑战与展望**：地质非均质性、化学降解、纳米颗粒保留、气窜、经济波动和环境问题是主要挑战。未来方向包括：开发热稳定低吸附化学剂、绿色生物基EOR试剂、CCUS与CO₂-EOR融合、可解释AI与数字孪生技术，以及储层特异性混合设计。

**结论翻译**：本综述涵盖热力、化学、气体注入、纳米流体、微生物、混合及AI辅助等EOR技术的最新进展。在所有方法中，五种机理控制采收率提升：粘度降低、界面张力降低、润湿性改变、混相驱替和流度控制。从文献综述发现，没有一种EOR方法适用于所有储层条件，必须将EOR机理与储层条件（包括油粘度、岩性、温度、矿化度、压力、润湿性和非均质性）相匹配。关键发现是：热力EOR是重油储层最成熟的技术；化学EOR在改善波及和驱替效率方面非常有效；气体注入（特别是CO₂-EOR）不仅提高采收率，还具有碳管理潜力；纳米流体和微生物EOR提供了有前景但现场仍受限的选择。尽管混相CO₂驱在高于最小混相压力（MMP）时可在接触孔隙体积内接近零残余油饱和度，但整体储层采收率仍受宏观波及效率、气体流度控制、储层非均质性和波及性限制。混合EOR方法具有利用互补机理并解决单一过程局限性的潜力。同时，AI和机器学习在EOR筛选、采收率预测、不确定性分析和注入优化中越来越有用，结合物理信息模型和数字孪生工作流。目前阻碍EOR更广泛部署的因素包括储层非均质性、高温高盐下的化学降解、纳米颗粒保留、气体流度控制、可扩展性不确定性、环境问题以及对油价和化学成本的敏感性。未来EOR发展应转向储层特异性混合设计、环境友好化学品和纳米材料、可靠的现场规模验证、CO₂-EOR/CCUS整合以及可解释的物理信息AI工具。这些方向有助于使成熟和复杂储层的采收更高效、经济且可持续。