Les réservoirs pétroliers compacts en profondeur dans le bassin de Dongying (profondeur de 3700~4300 m) font face à des défis typiques des profondeurs en raison de la haute température géothermique (152 ℃), de la haute pression de la formation et d’un effet de blindage des contraintes important, tels que la demi-longueur des fractures courte (moins de 80 m), la diminution rapide de la production (taux de déclin supérieur à 40 % en 3 mois) et de grandes différences de capacité de production causées par un mauvais appariement des paramètres géologiques et techniques. Cet article propose une technique améliorée de « fracturation à accumulation d’énergie par injection préalable de CO₂ supercritique et activation précise par liquide d’adsorption » visant à résoudre les problèmes clés de rechargement d’énergie en profondeur, de limitation de l’expansion des fractures et d’efficacité faible d’extraction du pétrole de la matrice. Ce procédé contrôle la phase du CO₂ supercritique (température à 35 ℃, pression à 15 MPa, densité à 0,8 g/cm³), en utilisant sa haute diffusivité (0,12 cm²/s) et son potentiel d’expansion de phase pour précharger l’énergie et créer des fractures ; il s’accompagne d’un système optimisé de liquide d’adsorption à base de sulfonate pétrolier anionique (tension interfaciale abaissée à 0,15 mN/m, angle de contact optimisé à 65°), réduisant efficacement la résistance capillaire et améliorant l’aptitude au mouillage du réservoir, permettant une activation précise du pétrole de la matrice. Pour résoudre le problème d’optimisation multi-paramètres, une base de données de simulation numérique avec 960 scénarios a été construite sur la base d’un plan d’essai orthogonal L₆₄ (4⁵), couvrant 6 paramètres géologiques clés et 5 paramètres techniques à optimiser. Ensuite, un modèle d’optimisation couplé associant un réseau de neurones à rétropropagation (BP) et un algorithme génétique a été développé, avec la production cumulée comme fonction objectif, pour rechercher globalement la meilleure injection de CO₂, le volume et la vitesse d’injection du liquide d’adsorption, le temps de fermeture du puits et la production journalière de liquide. La validation du modèle montre une erreur relative de prédiction du réseau BP inférieure à 2,5 % (pour les nouveaux puits avec 13 neurones dans la couche cachée, MSE de 0,0037 ; pour les anciens puits avec 8 neurones, MSE de 0,0043), tandis que l’algorithme génétique converge en 75 générations (probabilité de croisement P_c=0,4, probabilité de mutation P_m=0,2), démontrant la haute précision et efficacité du modèle. L’application sur site a donné des résultats remarquables : la demi-longueur des fractures est passée de 78 m à 161 m, soit une augmentation de 106,4 % ; le taux de déclin de la production sur 90 jours du puits type Y22 a diminué de 13,3 % ; après optimisation des paramètres, la capacité productive des nouveaux et anciens puits a augmenté respectivement de 16,8 % et 11,2 %. L’étude a mis au point un processus décisionnel d’optimisation intégrant simulation numérique, apprentissage des paramètres et optimisation dynamique, surmontant efficacement le problème d’expansion longitudinale des fractures dans les réservoirs de type boîte et fournissant un paradigme d’optimisation réplicable pour le développement efficace des hydrocarbures non conventionnels.

fracturation à accumulation d’énergie; réservoirs compacts en profondeur; CO₂ supercritique; réseau de neurones BP; algorithme génétique; optimisation des paramètres