Los yacimientos petrolíferos densos profundos en la cuenca de Dongying (profundidad de 3700~4300 m) enfrentan desafíos típicos de zonas profundas debido a la alta temperatura geotérmica (152 ℃), alta presión de formación y un fuerte efecto de blindaje de estrés, tales como la media longitud de la fractura corta (menos de 80 m), la rápida caída de producción (tasa de disminución superior al 40 % en 3 meses) y grandes diferencias en la capacidad de producción causadas por el mal ajuste de los parámetros geológicos e ingenieriles. Este artículo propone un proceso mejorado de “fracturación de almacenamiento de energía con inyección previa de CO₂ supercrítico y activación precisa por fluidos de adsorción” con el objetivo de abordar los principales problemas de la dificultad en el reabastecimiento energético profundo, la limitación en la expansión de fracturas y la baja eficiencia en la movilización del petróleo de la matriz. Este proceso regula la fase del CO₂ supercrítico (temperatura de 35 ℃, presión de 15 MPa, densidad de 0.8 g/cm³), aprovechando su alta difusividad (0.12 cm²/s) y el potencial de expansión por cambio de fase para la precarga de energía y la creación de fracturas; junto con un sistema optimizado de fluidos de adsorción basados en sulfonatos de petróleo aniónicos (tensión interfacial reducida a 0.15 mN/m, ángulo de contacto optimizado a 65°), que reduce eficazmente la resistencia capilar y mejora la humectabilidad del yacimiento, logrando una activación precisa del petróleo de la matriz. Para resolver la complejidad de la optimización de múltiples parámetros, se construyó una base de datos de simulación numérica con 960 combinaciones basada en un diseño ortogonal L₆₄ (4⁵) que abarca 6 parámetros geológicos clave y 5 parámetros técnicos a optimizar. Posteriormente, se estableció un modelo de optimización acoplado que combina una red neuronal de retro-propagación (BP) y un algoritmo genético, con la producción acumulativa como función objetivo, para la optimización global del volumen de inyección de CO₂, volumen y velocidad de inyección de los fluidos de adsorción, tiempo de descanso y producción diaria de fluidos. La validación del modelo mostró que el error relativo de predicción de la red BP no supera el 2.5 % (para pozos nuevos con 13 nodos en la capa oculta, error cuadrático medio de 0.0037; para pozos antiguos con 8 nodos, error cuadrático medio de 0.0043), y que el algoritmo genético converge en 75 generaciones (tasa de cruce P_c=0.4, tasa de mutación P_m=0.2), demostrando alta precisión y eficiencia. La aplicación de campo mostró resultados notables: la media longitud semi-fracturada aumentó de 78 m a 161 m, un incremento del 106.4 %; la tasa de declive de producción a 90 días del pozo típico Y22 disminuyó un 13.3 %; tras la optimización de parámetros, la capacidad productiva de pozos nuevos y antiguos aumentó un 16.8 % y 11.2 % respectivamente. El estudio estableció un proceso de decisión óptima que integra simulación numérica, aprendizaje de parámetros y optimización dinámica, superando eficazmente el desafío de la expansión longitudinal de fracturas en yacimientos tipo caja, proporcionando un paradigma de optimización que puede ser replicado para el desarrollo eficiente de yacimientos no convencionales.

fracturación de almacenamiento de energía; yacimientos densos profundos; CO₂ supercrítico; red neuronal BP; algoritmo genético; optimización de parámetros