企业官网建设流程全解析

简介：这是面向石油工程、油藏工程专业师生及稠油开发技术人员的教学PPT，系统介绍世界稠油开采现状与前沿开采技术。课件先给出UNITAR推荐的重油及沥青分类标准，以及国内普通稠油、特稠油、超稠油的划分依据，再结合美国、加拿大、委内瑞拉、中国等主要生产国的探明储量与热采产量数据，呈现全球稠油资源格局。技术部分重点讲述蒸汽吞吐、蒸汽驱、注水驱、天然水驱等成熟方法，并利用不同蒸汽吞吐周期的生产曲线，分析普通稠油采收率约25%的机理及改进思路，知识点衔接清晰、数据图表翔实。资源压缩包共1个pptx文件，总大小1.33MB，内容完整，可直接用于课程教案、学习备课或技术科普讲解。目前已有64人学习浏览，适合希望在较短时间内把握稠油开发要点的读者。

1. 稠油不是渣油：从 6.3 万亿桶资源量说起

把钻井录井取出来的原油样品摆在岩心台上，稠油看起来像沥青，但真正让它从边际资源变成开发热点的是储量数字。课件里引用的统计口径是：世界稠油地质储量约 6.3 万亿桶，大约 1 万亿立方米；而同一时期常规石油和天然气的剩余储量各约 0.8 到 1.0 万亿桶油当量。稠油体量是常规油气的六到七倍，谁能把黏度 1 万到 10 万厘泊的地层油有效采出来，谁就掌握了后续几十年的产量接替。

课件按 54 页把全球稠油从定义、分类、储量分布，到蒸汽吞吐、蒸汽驱、注水水驱的适用条件和参数边界整理成了可查的资料。对油藏工程师来说，最实用的部分是分类表和周期生产曲线；对做开发规划的人来说，蒸汽驱四条件和常规水驱案例表可以直接拿去对标。下面按数据重构的思路逐条拆开，重点放在分类口径、吞吐曲线形状和汽驱参数控制上。

2. 分类标准对照：UNITAR、API 度与我国粘度-密度双指标体系

2.1 UNITAR 推荐指标：粘度分级，密度和 API 度互为校验

UNITAR 的重油及沥青分类标准最容易记混。它用粘度做第一指标，同时看密度和 API 度：重油粘度 100～10000 mPa·s，密度 934～1000 kg/m³，API 度 20～10；沥青粘度大于 10000 mPa·s，密度大于 1000 kg/m³，API 度小于 10。这个标准把“稠油”定义成介于常规油和沥青之间的一类流体，核心判断依据是能否在油层条件下流动，而不是分子量或者胶质沥青质含量。

实际项目里，密度和粘度并不总是同步升降。有些油在地层温度下粘度只有几百毫帕·秒，但密度已经接近 0.99，单看粘度会归入普通稠油，单看密度又像特稠油。UNITAR 的解法是把粘度作为主指标，密度和 API 度作为辅助校验。录入数据时不要把 API 度和相对密度混用，二者换算是 ( SG = 141.5 / (API + 131.5) )，SG 是 60℉ 下的相对密度，不是任意温度下的实测密度。

2.2 我国标准：普通稠油、特稠油和超稠油的边界

我国标准在 UNITAR 基础上进一步细分，按脱气油粘度和 20℃ 相对密度分成三类，另外还给出“亚稠油”建议类别。温度基点的差异很关键：UNITAR 用 60℉，我国标准用 20℃，对比前必须把密度折算到同一温度，否则边界判断会漂移。

普通稠油Ⅰ-1亚类常被单独提出来做常规水驱评价，但“先注水”不等于放弃热采。对于埋深浅、油层相对均质的区块，先注水建立驱替，后期含水上来再转热采，是课件里推荐的递进路径。亚稠油的概念值得留意，它的粘度低于稠油分类下限，但又比常规稀油难流动，深度小于 2000 m 时注水效果不错，有机堵塞井段则适合用蒸汽吞吐引效。

2.3 全球稠油资源分布：国别口径与单位换算

课件引用的资源表格沿用 UNITAR 时代口径，单位是 ( 10^8 m^3 )。加拿大沥青探明地质储量 2814×10⁸ m³，资源量 4001×10⁸ m³；委内瑞拉稠油探明 432.44×10⁸ m³，资源量 1905×10⁸ m³；前苏联沥青资源量 2146.3×10⁸ m³；中国稠油探明约 13×10⁸ m³。各国“探明”和“资源量”的标准差异很大，不能把加拿大的沥青和委内瑞拉的超重油简单相加再乘采收率。

课件里的 6.3 万亿桶是包含天然沥青在内的地质储量，和表 1.3 的分国别探明储量口径并不完全一致。做宏观趋势引用时用 6.3 万亿桶，做具体项目评价时以探明地质储量为准。单位换算可以用一段简单的 Python 脚本：

def bbl_to_m3(bbl): """桶换算成立方米""" return bbl * 0.158987 def m3_to_t(m3, api=8.0): """按 API 度估算相对密度，再算吨数""" sg = 141.5 / (api + 131.5) # 60F 下相对密度 return m3 * sg * 1000 # 1 m3 原油约等于 1000*sg 吨 m3_total = bbl_to_m3(6.3e12) t_total = m3_to_t(m3_total, api=10.0) print(f"6.3 万亿桶约 {m3_total:.2e} m3，折算约 {t_total:.2e} 吨")

这里bbl_to_m3是标准换算系数，m3_to_t用 API 度反算相对密度。API=10 接近沥青边界，相对密度约 1.0，所以 1 立方米稠油比 1 吨水略重或持平。这个脚本只是量级估计，真正储量计算要用油藏温度下的体积系数，但用来核对“6.3 万亿桶到底是多少亿吨”已经足够。

3. 蒸汽吞吐：周期注汽-焖井-放喷的数据曲线与采收率边界

3.1 吞吐机理：热降粘与近井清洗的分工

蒸汽吞吐通常被简写为 CSS（Cyclic Steam Stimulation），单井注汽、焖井、放喷循环作业。课件把机理归成两条：一是降低原油粘度和水的粘度，提高油水渗流能力；二是清洗井眼及近井地带，改善油井完善程度。第一条机理长期有效，第二条只在前一两个周期内贡献明显。第三周期后产量下降，优先怀疑加热半径不足，而不是近井解堵失效。

每个周期都在不断补充热能和压能，随后开井泄压排出热流体。课件用一句话点透：产出量高于注入量，排出流体的热焓低于注入流体的热焓，油层压力渐次衰竭，油层温度缓慢升高。这是蒸汽吞吐和天然衰竭式开采的关键区别：衰竭式是纯消耗能量，吞吐是把部分热量留在地层里，让下一个周期能采出更多原油。

3.2 普通稠油与超稠油的周期生产曲线对比

PPT 里两张统计平均曲线值得反复看。普通稠油井第一个周期产量不算高，随后爬升，第四周期前后到达 3000 到 4000 吨的峰值，之后再缓慢下降；超稠油井峰值只有 1000 到 1400 吨，峰值周期更早，递减更快。

用 Python 可以快速生成两条对比曲线：

import matplotlib.pyplot as plt def cycle_profile(peak, peak_cycle, decline, cycles=12): """模拟吞吐周期产量：上升段线性，递减段指数""" q = [] for n in range(1, cycles + 1): if n <= peak_cycle: q.append(peak * n / peak_cycle) else: q.append(peak * (1 - decline) ** (n - peak_cycle)) return q ordinary = cycle_profile(3800, 4, 0.08) extra_heavy = cycle_profile(1200, 3, 0.12) plt.plot(range(1, 13), ordinary, label="ordinary heavy oil") plt.plot(range(1, 13), extra_heavy, label="extra heavy oil") plt.xlabel("cycle number") plt.ylabel("cycle oil production (t)") plt.legend()

上升段用线性逼近，递减段用指数衰减，两个基准参数分别取 0.08 和 0.12。现场井的周期产量除以自身峰值后，可以和这两条无量纲曲线叠在一起，判断该井是否提前进入递减期。递减系数 0.08 和 0.12 是经验基准，不代表油藏数值模拟结果。

3.3 多井整体蒸汽吞吐与放喷节奏

普通稠油蒸汽吞吐采收率不超过 30%，根本原因是采大于注，油层压力衰竭。改进思路是多井整体蒸汽吞吐，相邻井同时注汽、同时焖井，让热场在井间叠加，减少单井周围能量耗散速度。这个做法对低渗或者薄互层油藏尤其重要：单井吞吐时热量向远端传导慢，井组吞吐能形成准线性热驱替前缘。

放喷阶段不能一上来就大压差快排。前期压差过大，蒸汽会沿高渗条带突进到井口，产液温度高但携油能力差；焖井时间不足，热量还没展开就放喷，会造成“井底热、远处冷”的温度倒挂。常见做法是先控制放喷液量，回压缓慢降低，等井口温度曲线出现明显回落再放大生产压差。

3.4 用周期数据判断转蒸汽驱时机

吞吐后期，地层压力低于泡点压力较多时，溶解气驱作用减弱，周期产量可能掉到峰值的 30% 以下。此时即使增加单井注汽量，油汽比也补不回来。常见判据是连续两个周期油汽比低于经济下限，同时周围井已经完成预热，井间热连通趋势明显。下一章的蒸汽驱四条件，就是转驱后要重新控制的参数组。

4. 蒸汽驱与常规水驱：井网、阶段与参数控制

4.1 世界蒸汽驱项目规模与产量构成

到 2002 年，全球正在进行中的注蒸汽采油项目有 136 个，美国 55 个、委内瑞拉 49 个、加拿大 13 个，当年蒸汽驱热采原油产量约 7288.3 万吨。中国同期热采产量约 1314.2×10⁴ m³，是和加拿大、委内瑞拉并列的主要热采地区。蒸汽驱在这个阶段已经不是实验性技术，而是规模化商业开采的主要手段，代表油田包括美国克恩河油田和印尼杜尔油田。

这些油田有一个共同特点：油层厚、埋深浅、净总比高，适合蒸汽腔向上超覆和横向扩展。相反，薄互层、强底水或者埋深超过 1500 m 的区块，地面和井筒热损失大，蒸汽干度难以保证，做蒸汽驱方案前要反复论证。

4.2 注采井网与吞吐预热

蒸汽驱由注汽井和生产井构成注采井网，常见的是行列式井网和面积井网。面积井网里的五点、反七点、反九点各有适用场景：五点井网注采对应关系强，但井网密度大；反九点井网初期井数少，适合非均质性较弱的均质砂体；行列式井网则更利于控制蒸汽前缘方向性突进。

蒸汽驱之前先做蒸汽吞吐，实质是三重预热：一是在近井地带建立高温区，二是解除钻井和生产过程中的有机堵塞，三是利用吞吐阶段的压力响应认识油层连通性。课件里特别强调，深入分析蒸汽吞吐过程，会发现很多对汽驱有用的油藏认识，比如高渗条带方向、隔夹层分布、边底水活跃程度。把这些信息带进汽驱井网设计，比单纯看数值模拟更接近实际情况。

4.3 汽驱三阶段与四条件

转蒸汽驱后一般经历三个过程：汽驱启动阶段、热流体控制阶段、蒸汽突破后阶段。三个阶段的主攻方向完全不同：

课件总结的四个成功条件在一线非常管用：合理的注汽速度、合理的井底蒸汽干度、合理的注入压力和地层压力、合理的采注比。四个条件必须同时满足，只调一个参数解决不了汽驱失控问题。下面这组经验参数可以用来快速体检：

def steam_flood_check(inj_rate, bh_dryness, inj_pressure, res_pressure, voidage_ratio): checks = { "注汽速度": (inj_rate, 60, 150, "t/d"), "井底干度": (bh_dryness, 0.40, 1.0, "小数"), "注采压差": (inj_pressure - res_pressure, 0.0, 3.0, "MPa"), "采注比": (voidage_ratio, 0.8, 1.2, "小数"), } for name, (val, lo, hi, unit) in checks.items(): status = "OK" if lo <= val <= hi else "OUT" print(f"{name}: {val:.2f} {unit} [{status}]") steam_flood_check(inj_rate=120, bh_dryness=0.5, inj_pressure=10.0, res_pressure=8.0, voidage_ratio=1.0)

注汽速度 60～150 t/d 是常规稠油中浅层常用的区间，具体要按油层厚度、注采井距和井筒热损失调整。井底干度下限取 0.4，是因为地面干度即使到 0.7，井筒散热后到井底也可能低于 0.4。注采压差限制在 3 MPa 以内，主要是防止蒸汽沿微裂缝或高渗层快速突进。采注比长期低于 0.8，地层亏空加大；长期高于 1.2，蒸汽前缘推进过快，突破风险上升。

4.4 常规水驱的生产特征与案例表

不适合热采或热采尚未启动的稠油油藏，常选择常规注水驱。冷水驱的典型生产特征是见水早、低含水期短；中期含水上升快；采出程度大多只有 10% 到 25%；高含水期长，水油比高，采出成本高。课件里的实际油田数据可以直接拿来对标：

最值得参考的是曙块：注水为主，蒸汽吞吐作为引效手段，采收率做到 35%，高于多数纯冷水驱区块。吞吐的洗井和解堵功能，让注水在稠油层里能建立真正有效的驱替。反过来，辽河冷块采收率只有 16%，课件备注明确说薄互层、不符合热采条件，不适合汽驱。这种区块强行转蒸汽只能增加热损失，不能提高波及体积。常规水驱转热采，必须首先做油藏筛选，不是粘度超过 50 mPa·s 就统一上热采。

4.5 油汽比窗口与热损失控制

课件给出一个重要经验值：蒸汽驱累积生产油汽比一般在 0.15 到 0.25 之间。低于 0.15 基本低于经济界限。油汽比低不代表没有油采出，而是系统热效率太差：地面管线和井筒热损失、顶底岩层热损失、蒸汽突破后的蒸汽损失、采出高温液体的热损失，都会让有效热量比例下降。现场我会按月核对注汽量、产液量和产液温度，油汽比连续低于 0.15 时，先查井筒保温，再看井底蒸汽干度，最后才考虑井网调整。

5. 数据复现：用 Python 整理分类表、吞吐曲线与油汽比指标

把课件里的分类表、周期曲线和油汽比阈值变成可维护的脚本，第一步是统一单位，第二步是封装判断函数。我会把三大类稠油的粘度和密度边界直接写进 Python，方便后续做单井筛选和月度油汽比体检。

def classify(mu, rho20): """按我国稠油分类标准判断类别""" if 50 <= mu < 10000 and rho20 >= 0.92: return "普通稠油" if 10000 <= mu < 50000 and rho20 >= 0.95: return "特稠油" if mu >= 50000 and rho20 >= 0.98: return "超稠油" return "常规油" samples = [(120, 0.94), (20000, 0.96), (60000, 1.0)] for mu, rho20 in samples: print(f"mu={mu:>6} mPa.s, rho20={rho20:.2f} -> {classify(mu, rho20)}") def osr_check(oil_t, steam_t): """计算油汽比并对照经验区间""" osr = oil_t / steam_t print(f"OSR = {osr:.3f}") return osr for oil_t, steam_t in [(1200, 8000), (1800, 6000)]: osr = osr_check(oil_t, steam_t) if osr < 0.15: print("低于 0.15，优先检查井底干度和注汽速度")

classify里的判断顺序有讲究：密度条件放在粘度条件之后，否则低粘度高密度的常规油会被误判成普通稠油。rho20参数名也提醒使用者，这里的相对密度是 20℃ 值，不是 UNITAR 标准里的 60℉ 值。osr_check用来做月度油汽比体检，0.15 是课件里蒸汽驱经验下限，不是绝对经济极限。油汽比连续三个月在 0.15 以下时，不建议直接关井，而是先核对蒸汽计量表，再下测温剖面看井底干度，很多时候问题出在地面计量偏高，井底实际干度只有 0.2 甚至更低。

单位换算是最后容易翻车的地方。相对密度在 20℃ 和 60℉ 下测出的数值不同，直接拿 20℃ 密度去套 60℉ 的 API 公式，会造成 2 到 4 个 API 度的系统误差，分类结论可能从普通稠油跳到特稠油。

本文还有配套的精品资源，点击获取