《Energies》：Proppant Flowback Behaviors in the Deep Coalbed Methane Wells Completed in the Ordos Basin
编辑推荐：
本研究综合运用现场数据、数值模拟和机器学习方法，对鄂尔多斯盆地临兴—神府区块深部煤层气（CBM）井的支撑剂回流行为进行了系统研究。现场数据表明，大部分支撑剂产出发生在早期回流阶段，且剩余井口压力条件下的逐级放大油嘴操作形成了一个高风险作业窗口。研究人员开展了计
本研究综合运用现场数据、数值模拟和机器学习方法，对鄂尔多斯盆地临兴—神府区块深部煤层气（CBM）井的支撑剂回流行为进行了系统研究。现场数据表明，大部分支撑剂产出发生在早期回流阶段，且剩余井口压力条件下的逐级放大油嘴操作形成了一个高风险作业窗口。研究人员开展了计算流体力学—离散元方法（CFD-DEM）耦合模拟，在颗粒尺度上考察了代表性井的支撑剂运移物理过程。CFD-DEM模拟结果显示，颗粒首先在出口附近启动迁移，随后形成优势回流通道。较高的流体速度和更宽的裂缝促进支撑剂回流；而较大的颗粒粒径、较高的有效闭合应力、更大的裂缝粗糙度以及更深的嵌入深度则提高支撑剂充填层的稳定性。研究人员还利用现场数据训练了机器学习模型以预测支撑剂回流风险，所建模型达到了较高的预测精度。此外，模型捕捉了现场尺度的回流风险，并识别出井型、启动压力、储层厚度、压降及油嘴变化量为支撑剂回流的重要预测因子。上述发现深化了对深部煤层气井支撑剂回流机理的认识，为目标区块的油嘴管理、回流优化及支撑剂回流防治提供了实用指导。
**深部煤层气井支撑剂回流行为的多尺度综合研究——基于鄂尔多斯盆地的现场观测、CFD-DEM模拟与机器学习分析**
**1. 研究背景与科学问题**
煤层气（CBM）是一种重要的非常规天然气资源，深部煤层气储层已成为中国，特别是鄂尔多斯盆地东缘地区的主要开发目标。深部煤储层普遍具有高地应力、低渗透率、强应力敏感性和强非均质性等特点，这些条件限制了天然产能，需要实施有效的储层改造。临兴区块和神府区块因此采用大规模水力压裂和分级支撑剂体系来构建导流裂缝网络。支撑剂在压裂停泵后维持水力裂缝张开并保持裂缝导流能力。然而，压裂后返排过程中的流体流动可能使支撑剂颗粒活化并向井筒迁移，这一过程称为支撑剂回流。支撑剂回流会降低裂缝导流能力、在井筒内积聚固相颗粒、损坏设备并增加作业成本。支撑剂充填层的稳定性取决于裂缝宽度、颗粒粒径、闭合应力、压力梯度、颗粒相互作用及裂缝表面性质，因此支撑剂回流是流体、颗粒和力学效应耦合作用的结果。
目前存在的问题主要有三方面：其一，大多数数值模拟研究采用理想化裂缝模型和人为规定的边界条件，其结果难以直接应用于现场尺度的深部煤层气井。其二，深部煤层气返排过程具有高度瞬态性，压力、产水量和油嘴尺寸持续变化，单一油嘴尺寸或临界流量难以完整描述支撑剂回流风险。其三，现场尺度的回流预测面临挑战，支撑剂回流受储层物性、完井设计、应力条件和返排作业等多因素非线性交互作用影响，鲜有研究将现场观测、颗粒尺度模拟与可解释机器学习相结合来评估深部煤层气井的支撑剂回流问题。
**2. 研究内容与总体方法**
研究人员以鄂尔多斯盆地临兴—神府区块为研究区，通过整合现场数据分析、CFD-DEM数值模拟和机器学习三种方法系统研究了深部煤层气井的支撑剂回流行为。首先分析了73口深部煤层气井的返排数据，识别与支撑剂产出相关的作业条件，并表征产出固相的颗粒粒径分布；其次基于现场发生支撑剂回流的井建立CFD-DEM耦合模型，模拟支撑剂启动、运移和回流通道发育过程，定量评价关键储层与工程参数的影响；最后应用机器学习方法评估研究区的现场尺度回流风险。
**3. 主要关键技术方法**
本研究涉及三项关键技术方法。第一，CFD-DEM耦合数值模拟：以Fluent求解流体连续相、EDEM求解颗粒离散相，通过稠密离散相模型（DDPM）界面实现双向耦合，采用Gidaspow曳力模型描述流固相互作用。第二，机器学习预测工作流：采用极限梯度提升（XGBoost）和反向传播神经网络（BPNN）两种分类器，对73口井（含9口出砂井和64口不出砂井）的静态参数与动态返排参数进行建模，使用留一井交叉验证（LOWO）评估模型性能，并采用SHapley Additive exPlanations（SHAP）方法量化各输入变量的贡献。第三，主成分分析（PCA）：将压力、产水量和油嘴尺寸曲线插值为100个等间距点后降维，分别保留5个压力主成分（97.1%方差）、6个产水量主成分（94.9%方差）和4个油嘴尺寸主成分（97.3%方差）。
**4. 研究结果**
**4.1 支撑剂回流的现场观测**
根据井口压力变化将返排过程划分为三个阶段：快速压降阶段（阶段I）、渐进压降阶段（阶段II）和近大气压返排阶段（阶段III）。现场数据表明，大部分支撑剂产出发生在阶段II，即中间返排期是支撑剂回流的主要阶段，且支撑剂回流主要与油嘴尺寸或产水量的变化相关。交叉分析显示，支撑剂回流数据点在完整作业范围内占据相对狭窄的区域，表明没有任何单一参数能独立决定支撑剂回流的起始。随着油嘴尺寸增大，与支撑剂回流相关的井口压力逐渐降低；与支撑剂回流相关的产水量通常随油嘴尺寸增大而增加，但高产水量本身并不触发支撑剂回流。最高回流风险出现在阶段II的中间油嘴放大阶段，此时井内仍保有足够的压力和流动能量活化支撑剂，而放大的油嘴促进了更强的流体向井筒运移。
**4.2 CFD-DEM模拟**
CFD-DEM模拟揭示了支撑剂回流的演化过程：颗粒首先在出口附近启动迁移，此处局部流速增高；颗粒损失削弱稳定充填结构并形成优势回流通道，通道形成后流体集中流经该通道，加剧通道边界的进一步侵蚀。重力促进颗粒向下沉降并使充填层上部失稳，导致出口上方颗粒优先回流。单因素敏感性分析表明：较小的颗粒具有较低临界速度和更高的回流倾向；较宽的裂缝在较低流速下即可使颗粒活化，增加回流风险；裂缝粗糙度通过增加颗粒约束和流动阻力提高充填层稳定性；较高的入口流速增大颗粒曳力、促进颗粒活化和裂缝宽度损失；较高的有效闭合应力增强颗粒约束，提高临界运移速度并降低回流损失；更深的嵌入深度增强颗粒约束、稳定支撑剂充填层。
**4.3 现场尺度支撑剂回流风险预测**
XGBoost模型结合静态特征与压力动态特征（启动压力和PCA表征的压降曲线）取得了最高预测精度94.52%，正确识别了9口出砂井中的7口和64口非出砂井中的62口。XGBoost在分类性能上持续优于BPNN，前者在出砂井与非出砂井之间提供了更清晰的概率分离。SHAP分析识别出井型、动态压降曲线PC4、储层厚度和启动压力为最重要的预测因子，闭合压力梯度、井底闭合压力和动态油嘴尺寸曲线PC4也具有重要作用。动态特征提供了超越静态储层与完井参数的额外信息。
**5. 讨论与结论总结**
讨论部分指出，返排风险取决于压力、油嘴尺寸和产水量的耦合变化而非单一临界油嘴尺寸。水力驱动力与力学约束共同控制支撑剂稳定性：高流速和宽裂缝促进颗粒运移，而大颗粒、高闭合应力、粗糙缝面和深嵌入提高充填层稳定性。现场变量描述井筒和地表尺度的水力加载，CFD-DEM变量描述裂缝内的颗粒阻力和局部运移，两者结合将作业条件与颗粒尺度回流机制联系起来。研究结果为返排管理提供了实用指导：应在井筒保持高压时避免快速放大油嘴，压降与油嘴轨迹需统筹考虑，固定油嘴尺寸限制无法适用于所有井，基于压力、油嘴尺寸和产量的动态作业窗口是控制回流风险的更实用方法。
研究结论可概括为以下五点：(1)支撑剂回流主要发生于中间返排阶段（阶段II），充分井口压力下的逐级放大油嘴增强了水力驱动并促进支撑剂活化，回流风险取决于压降、油嘴变化和产水量的综合效应；(2)CFD-DEM模拟揭示了支撑剂回流的演化过程——颗粒运动始于裂缝出口附近局部流速增高区域，颗粒损失削弱充填层稳定结构并形成优势回流通道，加速后续支撑剂迁移；(3)水力条件与力学约束共同控制支撑剂稳定性——较高流速和较宽裂缝增加回流，而较大颗粒、较高闭合应力、较粗糙缝面和较深嵌入改善支撑剂保留；(4)动态返排数据改善了支撑剂风险预测，而静态地质与完井参数仍为主导控制因素，XGBoost模型结合静态特征与压力相关动态特征取得最佳性能。(5)研究结果支持深部煤层气开发的动态油嘴管理和基于风险的返排优化，未来研究应纳入更大规模现场数据集和更精细的近井流动模拟以提高预测可靠性。
