2. 中国石油天然气集团有限公司超深层复杂油气藏勘探开发技术研发中心;
3. 新疆维吾尔自治区超深层复杂油气藏勘探开发工程研究中心;
4. 中国石油勘探开发研究院;
5. 中国石油昆仑数智公司
, Tong Kejia1,2,3
, Yang Junfeng1,2,3
, Ji Wancheng1,2,3
, Yang Lu1,2,3
, Fu Ning1,2,3
, Wang Hao1,2,3
, Zhao Meng4
, Wang Xiang5
2. R & D Center of Ultra-deep Complex Oil and Gas Reservoir Exploration and Development, CNPC;
3. Xinjiang Engineering Research Center of Ultra-deep Complex Oil and Gas Reservoir Exploration and Development;
4. PetroChina Research Institute of Petroleum Exploration & Development;
5. CNPC Kunlun Digital Technology Co., Ltd.
油气操作成本是指油气生产过程中对油气水井进行作业、维护及相关设备设施生产运行而发生的成本，是完全成本的重要组成部分，一般占完全成本的35%~45%。操作成本影响要素涉及层级多、关联关系复杂，加之操作成本规模，尤其是成本构成历史数据具有一定的主观摊分因素，给操作成本变化规律预测增加了一些不确定性和复杂性。因此，操作成本预测具有很大的挑战性。
目前，我国陆上深层、超深层油气资源占全国油气资源总量的30%以上，并且新增油气储量占比逐年增大；深层、超深层油气藏开发具有地质条件复杂、技术要求高、开发周期长、运行成本高等特点。随着我国西部一些油田超深层油气已成为增储上产主体，规模有效开发难度加大，成本（尤其是操作成本）的预测与控降是提质增效的战略问题，也是生产经营的重大研究课题[1-3]。
基于上述背景，本文在对以往油气田操作成本预测方法存在的不足进行剖析的基础上，以西部深层、超深层油气田为例，对操作成本进行要素分解和构成内涵评价，提出了油气田操作成本两类预测方法，并进行了案例分析。以期为我国石油企业推进精益化管理和成本控减，提升油气开发效果提供借鉴与参考。
1 以往油气田操作成本预测方法和存在的问题 1.1 以往油气田操作成本预测方法针对操作成本预测这一难题，我国很多学者进行了有益的研究和探索。孙旭光等[4-7]用灰色理论研究了克拉玛依油田的操作成本预测方法，主要采用灰色系统预测模型GM，基于历史数据，对单位操作成本按累加时间序列预测，然后累减生成预测数据还原，得到操作成本预测结果。杨惠贤等[8]以新疆克拉玛依油田油气操作成本为研究对象进行分析，从理念上建立一套适合新疆油田分公司实际的方案。何伟[9]立足于M油田各开发单元操作成本的历史数据，研究各项操作成本的习性，确定操作成本的主要影响因素，进一步建立13项操作成本的预测模型。徐洪德[10]对油气操作成本构成进行了分析，针对新疆油田分公司油气操作成本进行了预测。该研究主要采用数学回归方法，确定基本运行费和与油气处理费的关系；对其他各项操作成本，通过单位费用（类似定额）和工作量进行预测，最后进行汇总。胡燕等[11]用固定可变成本法和含水率法对操作成本进行预测，固定可变成本法中吨油操作可变成本与产液量直接相关，由吨液变动成本表述，固定成本通过单井固定成本获得；含水率法基于固定可变成本法，进一步把吨液变动成本除以（1-含水率)得到吨油变动成本。李丰等[12]从生产控制、开发阶段和宏观经济形势3方面综合确定了影响水驱油田操作成本的指标体系；针对该指标体系，运用主成分分析法，建立了操作成本的主成分回归模型，并提出控制水驱开发油田操作成本、提高原油开发生产效益的对策。骆长娥等[13]用数据统计分析（SPSS）方法，得到操作成本经济界限和单井日产量、井深、综合递减率的线性相关模型。侯春华等[14-15]采用复合分组的方法，对油田操作成本按区块、采油方式和含水率进行复合分组，借助于总指数分析方法中的总平均指标变动分析方法，通过计算油田操作成本指数、原油产量指数、单位产量操作成本指数，进而从区块、采油方式和含水率角度分别对影响油田单位产量操作的变动作进一步分析，找到影响油田操作成本变动的因素，以及变动因素对油田操作成本变动影响的相对数和绝对数。刘斌[16]在经济产量研究中提出了操作成本预测的指数平滑法、移动平均法、回归分析法，解决了老区配产中的成本预测问题。
除上述公开发表的操作成本预测方法外，我国各油气田企业在开发方案设计时，基本上都采用基于成本构成定额和方案工作量进行的操作成本预测方法，其中成本构成定额基于历史数据或油气田企业规定，方案工作量来源于开发方案的油藏工程方案[17-21]。
1.2 以往油气田操作成本预测方法存在的问题目前操作成本预测的多种方法，其预测机理、预测路径和基础条件各有不同。总体看，以往油气田操作成本预测方法存在5方面的不足，一是将操作成本作为一个整体进行预测，仅考虑单一的操作成本变化趋势；当操作成本波动较大时，预测结果偏差较大，预测过程也过于笼统[3-4]。二是对基本运行费或固定可变成本和固定成本的影响因素按单一影响因素（油气处理费或产液量）考虑，过于简化[5-7]。三是已建立的操作成本主成分回归模型主要针对某一高含水油田的特定情景，模型具有局限性。提出的操作成本影响因素局限于含水、驱油物注入量等与操作成本构成直接相关的因素上，对操作成本的间接驱动因素，如开发阶段、宏观经济形势等方面没有涉及[8]。四是一些方法只能进行后验分析操作成本的影响因素，无法进行未来操作成本预判[9-10]。五是成本定额的范式一般是不变的，而且大部分采用油田公司层面的定额或同类区块的历史定额，没有体现具体区块未来动态性和市场化成本定额的要求[12-13]。综上所述，以往操作成本预测方法，预测过程过于简化；或考虑因素过于单一，经验性占主导；或只适合后评价，没有预测的具体路径；或很难进行操作。此外，这些方法沿用多年，对于最近几年开始大规模工业化的深层或超深层油气生产，由于深度、工程、成本等动态性因素，现有方法并不适合，所以要考虑建立针对深层及动态性指标的操作成本预测方法。
1.3 操作成本预测的难点以及本文的主要思路操作成本影响要素涉及层级多、关联关系复杂，加之操作成本规模，尤其是成本构成历史数据具有一定的主观摊分因素，给操作成本变化规律预测增加了一些不确定性和复杂性因素。操作成本预测难度大，具有很大的挑战性。对于油气开发项目操作成本，难度更大，主要原因有3个方面：一是项目操作成本很难与所属油气田区块相互验证，项目和所属油气田的单位操作成本水平，两者从生产运行到成本发生时间点都不具备完全可比性；二是项目单位操作成本和油气田单位操作成本规律不同，项目单位操作成本变化幅度大，油气田单位操作成本相对平稳；三是中国现行油气田开发管理模式在财务上找不到项目成本核算值，在实际的财务核算上看不到实际发生的结果。鉴于操作成本预测的复杂性，兼顾项目和油气田的操作成本预测，设计了基于成本构成的操作成本预测方法和操作成本预测的主成分模型预测方法。前者侧重项目操作成本预测，从成本构成出发，寻求求解之道；后者侧重油气田操作成本预测，基于油气田历史数据样本，建立预测模型。
2 基于成本构成的操作成本预测方法 2.1 方法理念内涵及操作成本计算考虑到成本预测精度受项目差异、成本历史差异、项目不确定性以及内外部环境等多种因素影响，综合以下4个方面的理念和要素，提出基于成本构成的操作成本预测方法：一是操作成本的每一项构成均是操作成本的影响因素，操作成本预测需要考虑所有驱动操作成本的因素，实现操作成本影响要素全覆盖；二是考虑定额选取的多样性和灵活性，每项成本构成预测有三类定额模式；三是以中国石油天然气集团有限公司的方法规范为基准和出发点，在中国石油天然气集团有限公司已发布的方法规范基础上进行了必要且适当的改进，作为常用模式；四是通过构成定额对标辅助决策方法和操作成本与埋深的规律性研究，建立确保预测结果合理性的保障机制。
针对操作成本11个单项构成的每项成本，按一定的费用定额标准，根据项目方案的工作量，通过量价分析，将定额和相应的工作量相乘得到单项成本预测结果，将所有单项成本预测结果相加，除以油气商品量，即得到单位操作成本预测值（式1）。
| $ \text { 单位操作成本 }=\left(A_1 \alpha_1+A_2 \alpha_2+A_3 \alpha_3+\cdots+A_i \alpha_i\right)/\text { 油气商品量 } $ | (1) |
| $ \begin{array}{l} \text { 式中 } A_i \text { 一每一项成本构成定额；}\\ \;\;\;\;\;\;\;\;\;α_i \text { 一对应定额的工作量。} \end{array} $ |
基于上述理念，每项成本构成预测有三类定额模式，包括常用模式、常用备选模式和深层模式。常用模式是一般情况下的优先选择和通常选择模式，基本符合目前油气田企业的评价标准和规范，在中国石油天然气集团有限公司已发布的方法规范基础上进行了必要的适当改进[1]。常用备选模式是根据具体情况进行改进的个性化选择模式，与常用模式相比，常用备选模式或者是定额的单位不同（一般体现在价格上），或者是定额单位不变，定额的内涵或获取方法发生变化，当常用模式不能满足操作成本预测需求和精度要求时，建议选择常用备选模式。深层模式是适用于深层、超深层的成本定额模式，对于属于深层、超深层的项目操作成本预测，推荐此类模式。
2.3 各项成本三类定额模式具体内涵与技术要求以采出作业费为例，常用模式利用“油气井有效开井数”对应采出作业费定额，对以往利用油气田历史的“油气井开井数”对应采出作业费定额进行采出作业费预测进行了适当修正。当油气田历史和所属开发方案采出井的井型发生较大变化时（例如，开发方案水平井较多，所属油气田的历史直井较多时），用常用模式不能准确预测采出作业费趋势。此时，推荐采用常用备选模式：根据实际方案设计情况，进行相应的采出作业费预测。如果开发方案是深层或超深层，由于涉及的动力费等费用较高，采出作业费相应较高；此时，分两种情况处理：一是所属油气田历史已开发到本方案的深层系，深层动力费已反映在历史数据中，开发方案和所属油气田历史具有可对标性，那么采用常用模式或常用备选模式即可；二是开发方案和所属油气田历史不具可对标性，此时，在采用历史定额计算基础上，需要按方案实际指标，增加动力费等费用（可根据埋深增量和电费的关系进行计算）。所有成本构成的三类定额模式详见表 1。
|
表 1 基于成本构成的操作成本预测方法的定额设置3种模式表 Table 1 Three quota setting modes of cost component-based operating cost prediction method |
在三类定额模式涉及的利用历史定额时，当规模投资或报酬不变且技术也不变时，一般采用历史3年平均值，其合理性和核心逻辑体现在以下3个方面。一是数据稳定性与波动平滑机制。3年周期可覆盖完整经济周期，消除单一年份的极端事件影响，具有抗短期异常干扰效果。在油气等强周期行业，3年平均值能平衡淡旺季差异，具有季节性波动均衡效果。二是趋势识别与预测校准。从技术投入到成本下降一般需要24个月以上，3年窗口可捕捉技术成熟度曲线的转折点，从而体现技术渗透周期和技术迭代滞后性。三是风险控制和国际准则兼容性。3年均值既避免了一年调整的随意性，又能够防止五年均值的僵化，体现预算刚性与灵活性的平衡。埃克森美孚、bp等国际巨头均采用3~5年成本均值，中国企业使用3年基准更便于满足跨国对标和全球标准化需求。
实际上，关于未来操作成本定额的评估，除了基于历史进行预判外，还要考虑未来技术和管理创新情景以及内外部条件变化带来的正向或负向影响要素。以西部深层/超深层油气田为例，由于技术要求高、开发周期长、超深层开发涉及材料、燃料、动力、提液、测试、注入等多项成本较高（例如，地层压力高，超深气藏出水严重；超深碳酸盐岩油藏，产量递减快，气油比高等），导致操作成本历史规律和未来变化趋势存在很多不确定性。与此同时，考虑到深层/超深层技术迭代快，技术进步通过优化方案、提升效率、推动规模化生产等路径可降低成本，技术迭代是成本下降的核心驱动力。但是，综合资源品质变差、外部市场成本增加等因素，从长期看，可能因边际效益递减进入报酬递减阶段。因此，可通过技术进步带来的成本控减和基于对未来内外市场的判断，对定额的确定和评价进行动态调整。可基于索洛剩余（Solow residual）的理念，对油气行业或深层/超深层技术的进步率进行评价，然后对各类定额进行有针对性调整；还可以基于对消费指数（CPI）、生产者物价指数（PPI）以及各地区原材料、燃料和动力购进价格指数（K）的趋势判断，将操作成本的各分项归结到上述3个指标的影响（PPI关联运输费、油气处理费、井下作业费、维护及修理费、测井试井费、天然气净化费；CPI关联轻烃回收费、直接人员费、厂矿管理费、其他直接费指标；K关联直接材料费、直接动力费、直接燃料费），然后对成本定额进行修正。
2.5 确保预测结果合理性的保障机制为提升基于成本构成的操作成本预测结果的准确性，通过基于对标的成本定额辅助决策方法和操作成本与埋深的规律性研究，为确保预测结果的合理性提供了保障机制。
2.5.1 基于对标的成本定额辅助决策方法将操作成本预测对象（一般是产能项目开发方案）归属到所属油气田，并选定除此之外的另一个具有对标意义的对标油气田。例如，A气田是高含水开发20年以上的气田，其中一个新项目采用了新的提高采收率技术，此项目开发方案的成本规律可能不遵循所属A气田区块的历史规律，从类比上看，可能属于另一个B气田区块的规律，B气田区块近几年采用了同样的提高采收率技术开发。在此基础上，再考虑油气田公司层面的历史情况，通过定额指标计算和对标分析，辅助决策成本预测所采用的最后定额。
以A气田的产能项目开发方案成本预测为例，对标油气田选择B气田。共分为如下5个步骤：
第一步，计算A气田、B气田和油气田公司层面的气田这3个对象的逐年历史成本定额。第二步，统计分析3个对象的历史平均成本定额，包括最近一年、两年、三年和四年等四类平均成本定额结果（表 2）。第三步，根据对比分析，初步选择二类成本定额（表 3），用于成本预测（每个指标可以单独、跨对象、跨时间选择）。第四步，对选定的二类成本定额，分别进行成本预测，通过预测结果对比分析，确定其中一类成本定额的预测结果，作为成本预测结果。第五步，重复第三步和第四步，并结合成本变化规律认识，逐渐循环可得到理想或合理的预测结果。
|
|
表 2 三个对象的历史平均成本定额统计对比表 Table 2 Statistics and comparison of historical average cost quotas for three study objects |
|
|
表 3 A气田平均成本定额差额汇总表及方案取值 Table 3 Summary of average cost quota differences and values for different schemes of Gas Field A |
为研究操作成本与埋深的规律性，进行分类评价，将原油区块分成开发中后期和开发后期两类，天然气区块分成开发早期、开发中后期两类。
通过西部某深层、超深层油气田原油区块2023年历史数据拟合，原油区块基本运行费和埋深具有较好的相关性，随着埋深加大，基本运行费线性增加（图 1、图 2）；原油区块操作成本涉及人工成本和基本运行费之和，与埋深相关性减弱；总体来看，随着埋深加大，操作成本也增加，可以拟合成线性关系（图 3、图 4）。通过某油气田公司天然气区块2023年历史数据拟合，天然气区块基本运行费和埋深具有较好的相关性，随着埋深加大，基本运行费呈指数增加（图 5、图 6）；与原油一样，尽管天然气操作成本和埋深相关性减弱，但随着埋深加大，操作成本也增加，可以拟合成指数关系（图 7、图 8）。
|
图 1 开发中后期原油区块基本运行费拟合关系图 Fig. 1 Fitting relationship of basic working costs for crude oil blocks in the middle and late development stages |
|
图 2 开发后期原油区块基本运行费拟合关系图 Fig. 2 Fitting relationship of basic working costs for crude oil blocks in the late development stage |
|
图 3 开发中后期原油区块操作成本拟合关系图 Fig. 3 Fitting relationship of operating costs for crude oil blocks in the middle and late development stages |
|
图 4 开发后期原油区块操作成本拟合关系图 Fig. 4 Fitting relationship of operating costs for crude oil blocks in the late development stage |
|
图 5 开发前期天然气区块基本运行费拟合关系图 Fig. 5 Fitting relationship of basic working costs for natural gas blocks in the early development stage |
|
图 6 开发后期天然气区块基本运行费拟合关系图 Fig. 6 Fitting relationship of basic working costs for natural gas blocks in the late development stage |
|
图 7 开发前期天然气区块操作成本拟合关系图 Fig. 7 Fitting relationship of basic operating costs for natural gas blocks in the early development stage |
|
图 8 开发后期天然气区块操作成本拟合关系图 Fig. 8 Fitting relationship of basic operating costs for natural gas blocks in the late development stage |
根据上述拟合得到的原油和天然气的基本运行费和操作成本与埋深的关系模型，模拟埋深从3500m到7500m相应成本的变化。
对于原油区块，基本运行费和操作成本与埋深的关系具有明显的特征：在同等埋深条件下，开发后期原油基本运行费和操作成本均高于开发中后期；随着埋深增大，由于基本运行费上升幅度加大，操作成本的增加幅度也加大（图 9、图 10）。实际上，相应拟合曲线斜率代表成本上升的梯度，斜率排序为：开发中后期基本运行费斜率 < 开发中后期操作成本斜率 < 开发后期基本运行费斜率 < 开发后期操作成本斜率。
|
图 9 开发中后期原油基本运行费和操作成本预测图 Fig. 9 Prediction of basic working costs and operating costs for crude oil in the middle and late development stages |
|
图 10 开发后期原油基本运行费和操作成本预测图 Fig. 10 Prediction of basic working costs and operating costs for crude oil in the late development stage |
对于天然气区块，在同等埋深条件下，开发中后期天然气基本运行费和操作成本总体明显高于开发早期；随着埋深增大，由于基本运行费上升幅度加大，操作成本同样急剧增加（图 11、图 12）。
|
图 11 开发前期天然气基本运行费和操作成本预测图 Fig. 11 Prediction of basic working costs and operating costs for natural gas in the early development stage |
|
图 12 开发中后期天然气基本运行费和操作成本预测图 Fig. 12 Prediction of basic working costs and operating costs for natural gas in the middle and late development stages |
对于上述基于成本构成的操作成本预测方法，在其应用过程中，需要遵循如下原则：
（1）可视具体情况，结合各项成本3类定额模式具体内涵与技术要求，选用常用模式、常用备选模式、深层模式或这些模式的组合，动态修正成本定额或改变成本构成评价范式。
（2）操作成本预测中，在涉及利用历史定额时，一般采用3年历史平均值，这种做法具有较好的核心逻辑性；当不涉及利用历史定额时，按企业标准或相关规范执行。例如，维护及修理费一般按形成的地面资产原值的2.5%计算。
（3）在成本预测过程中，建议利用基于对标的成本定额辅助决策方法，通过多次操作成本试预测和比选，协助把握好“定额取值艺术”。
（4）操作成本与埋深关系的规律性研究结果可对操作成本预测结果进行约束和校正，辅助操作成本预测。如果操作成本预测结果与操作成本和埋深关系的规律性分析相差很大，需要对操作成本预测过程和相关参数进行多次审视，确保操作成本预测结果的合理性。
2.7应用案例分析
在西部选取了6个深层、超深层油气田对应的6个油气开发方案，有些方案已实施多年，有一些刚开始实施，还有些方案待实施。表 4列出了方案所属油气田、埋深、所属油气田历史实际操作成本、以往常规方法和本文方法预测方案评价期的操作成本等结果。
|
|
表 4 6个油气田对应的6个油气开发方案的操作成本预测结果汇总表 Table 4 Summary of operating cost prediction results for six oil and gas fields with specific oil and gas development plans |
由于我国油气田开发不是采用项目管理模式，对于本案例涉及的6个油气开发方案中已实施的方案，没有财务上认可的实际操作成本数据。此外，预测方案评价期的操作成本与所属油气田的实际操作成本，由于评价对象不同、评价期不对等因素，两者也不能进行直接对比，这给考察预测结果的合理可靠性增加了难度和挑战。但是，由于本文方法考虑到了常用模式、常用备选模式和深层模式，并根据具体方案选择了相应较合理的相关模式，本文方法操作成本预测理论上更接近于实际水平；此外，从油田现场专家的多年实践经验以及对项目成本的规律认识看，应用本文方法对6个油气开发方案案例的预测结果，具有较好的合理性和可靠性。因此，从理论上以及现场专家经验判断，本文方法具有一定的先进性和可靠性。
3 操作成本预测的主成分模型 3.1 方法理念、内涵和操作成本影响因素的确定主成分分析方法是多个关联指标进行降维处理的有效方法。实际上，在影响操作成本的地质、开发和经营等技术经济指标中，这些指标间一般存在一定的相关性，直接将相关指标纳入预测分析不仅复杂，变量间难以取舍，而且可能因多元共线性而无法得出较好的预测结果。针对多个油气田（区块），可以利用油气田历史的操作成本关联指标和操作成本的实际结果，基于主成分分析进行训练和模拟，得到油气田区块操作成本预测的主成分模型。因此，操作成本预测的主成分分析法是一种间接处理方法，目的就是通过线性变换对操作成本影响因素进行降维处理，即把多个影响操作成本的指标组合成相互独立的少数几个能充分反映总体信息的指标，这几个指标称为主成分。主成分是对操作成本“动因”参数的再次整合，也是属于操作成本的“动因”参数。
由于基于历史实际样本进行推演，由此得到的操作成本预测的主成分模型具有一定的实用性和可操作性。针对油气田开发项目，可以利用同类开发项目历史的成套成本关联指标和操作成本的对应结果，通过训练和模拟，同样可得到油气田开发项目操作成本预测主成分模型。
油气田区块操作成本的影响因素较多，涉及地质、开发和管理等参数。从指标离散性、减少相关性的角度，选取11项参数作为操作成本“结果”参数的“动因”参数。其中，地质条件包括油藏埋深、渗透率等2项，开发产出包括产油量、产气量、产液量、注水量、措施产量等5项，开发现状包括综合递减率、采出程度等2项，生产管理包括油井开井数、水井开井数等2项。
3.2 操作成本主成分模型的建立操作成本主成分模型需要基于其样本训练模拟获得。选取中国西部某已开发30多年的油田为样本，有中浅层油气藏，也有深层、超深层油气藏。基于该油田2023年56个区块的成套成本关联指标和操作成本实际结果进行评价拟合，解释的总方差见表 5，模拟得到的模型如下（式2）：
| $ \begin{aligned} &\;\;\;\;\;\;\text { 单位操作成本 }(\text { 元 }/\mathrm{t})=1181.965-345.585 \times Z_1-\\ &50.569 \times Z_2-180.412 \times Z_3 \end{aligned} $ | (2) |
|
|
表 5 解释的总方差结果表 Table 5 Interpreted total variance results |
单位操作成本(元/t)=1181.965-345.585×Z1-50.569×Z2-180.412×Z3 (2)
模型中共有3个主成分。第一主成分Z1包含核实年产油量、核实年产气量、核实年增油量、油气井开井数、渗透率、埋深，是重要影响要素信息（式3）；第二主成分Z2包含核实年产水量、年注水量、注水井开井数等信息（式4）；第三主成分Z3包括原油综合递减、原油可采出程度等信息（式5）。
| $ \begin{aligned} Z_1 & =0.154 \times \text{std}x_1+0.131 \times \text{std}x_2+0.131 \times \text{std}x_3+ \\ 0.158 & \times \text{std}x_4+0.125 \times \text{std}x_5+0.145 \times \text{std}x_6 \end{aligned} $ | (3) |
| $ Z_2 =0.035 \times \text{std}x_7+0.033 \times \text{std}x_8+0.027 \times \text{std}x_9 $ | (4) |
| $ Z_3 =0.092 \times \text{std}x_{10}-0.097 \text{std}x_{11} $ | (5) |
式中 stdx1—stdx11——分别是每个主成分的子模型。
| $ \text{std}x_1=\left(x_1-25.69\right) \times 58.14 $ | (6) |
| $ \text{std}x_2=\left(x_2-0.73\right) \times 2.44 $ | (7) |
| $ \text{std}x_3=\left(x_3-1.57\right) \times 1.78 $ | (8) |
| $ \text{std}x_4=\left(x_4-49.51\right) \times 55.57 $ | (9) |
| $ \text{std}x_5=\left(x_5-323.06\right) \times 326.21 $ | (10) |
| $ \text{std}x_6=\left(x_6-4837.83\right) \times 1734.87 $ | (11) |
| $ \text{std}x_7=\left(x_7-53.18\right) \times 77.43 $ | (12) |
| $ \text{std}x_8=\left(x_8-20.30\right) \times 47.63 $ | (13) |
| $ \text{std}x_9=\left(x_9-6.35\right) \times 12.88 $ | (14) |
| $ \text{std}x_{10}=\left(x_{10}-13.40\right) \times 28.65 $ | (15) |
| $ \text{std}x_{11}=\left(x_{11}-81.69\right) \times 19.58 $ | (16) |
| $ \begin{aligned} & \text { 式中 }\;\;x_1 \text { ——核实年产油量，} 10^4 \mathrm{t} \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_2 \text {——核实年产气量，} 10^8 \mathrm{~m}^3 \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_3 \text {——核实年措施产量，} 10^4 \mathrm{t} \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_4 \text {——油气井开井数，口；}\\ & \;\;\;\;\;\;\;\;\;\;x_5 \text {——渗透率，mD ；}\\ & \;\;\;\;\;\;\;\;\;\;x_6 \text {——埋深，m ；}\\ & \;\;\;\;\;\;\;\;\;\;x_7 \text {——核实年产水量，} 10^4 \mathrm{t} \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_8 \text {——年注水量，} 10^4 \mathrm{t} \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_9 \text {——注水井开井数，口；}\\ & \;\;\;\;\;\;\;\;\;\;x_{10} \text {——原油综合递减，% ；}\\ & \;\;\;\;\;\;\;\;\;\;x_{11} \text {——原油可采出程度，% 。} \end{aligned} $ |
在上述油田2023年56个区块数据中，提取埋深在4500m以深的36个区块数据样本，类似上述过程进行训练拟合得到针对深层、超深层的操作成本主成分模型，如下式所示：
| $ \begin{aligned} & \text { 单位操作成本 }(\text { 元 }/\mathrm{t})=1209.725-541.585 \times Z_1-\\ & 120.215 \times Z_2-112.250 \times Z_3 \end{aligned} $ | (17) |
共有3个主成分。第一主成分Z1包括核实年产油、核实年产气、核实年增油、原油综合递减、油气井开井数、渗透率、埋深等（式18）；第二主成分Z2包含核实年产水、年注水、注水井开井数等（式19）；第三主成分Z3代表原油可采出程度（式20）。
| $ \begin{aligned} & Z_1=0.146 \times \text{std}x_1+0.127 \times \text{std}x_2+0.119 \times \text{std}x_3+0.109 \times \\ & \text{std}x_4+0.145 \times \text{std}x_5+0.138 \times \text{std}x_6+0.137 \times \text{std}x_7 \end{aligned} $ | (18) |
| $ Z_2=0.288 \times \text{std}x_8+0.289 \times \text{std}x_9+0.288 \times \text{std}x_{10} $ | (19) |
| $ Z_3=0.748 \times \text{std}x_{11} $ | (20) |
式中 stdx1—stdx11——分别是每个主成分的子模型。
| $ \text{std}x_1=\left(x_1-46.29\right)/75.51 $ | (21) |
| $ \text{std}x_2=\left(x_2-1.29\right)/3.30 $ | (22) |
| $ \text{std}x_3=\left(x_3-2.14\right)/1.92 $ | (23) |
| $ \text{std}x_4=\left(x_4-7.67\right)/22.21 $ | (24) |
| $ \text{std}x_5=\left(x_5-78.82\right)/62.51 $ | (25) |
| $ \text{std}x_6=\left(x_6-252.73\right)/275.26 $ | (26) |
| $ \text{std}x_7=\left(x_7-5686.84\right)/1201.76 $ | (27) |
| $ \text{std}x_8=\left(x_8-77.34\right)/97.88 $ | (28) |
| $ \text{std}x_9=\left(x_9-35.54\right)/62.56 $ | (29) |
| $ \text{std}x_{10}=\left(x_{10}-10.22\right)/16.71 $ | (30) |
| $ \text{std}x_{11}=\left(x_{11}-80.83\right)/15.18 $ | (31) |
| $ \begin{aligned} & \text { 式中 }\;\;x_1 \text { ——核实年产油量，} 10^4 \mathrm{t} \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_2 \text {——核实年产气量，} 10^8 \mathrm{~m}^3 \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_3 \text {——核实年措施产量，} 10^4 \mathrm{t} \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_4 \text {——原油综合递减，% ；}\\ & \;\;\;\;\;\;\;\;\;\;x_5 \text {——油气井开井数，口；}\\ & \;\;\;\;\;\;\;\;\;\;x_6 \text {——渗透率，mD ；}\\ & \;\;\;\;\;\;\;\;\;\;x_7 \text {——埋深，m ；}\\ & \;\;\;\;\;\;\;\;\;\;x_8 \text {——核实年产水，} 10^4 \mathrm{t} \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_9 \text {——年注水量，} 10^4 \mathrm{t} \text { ；}\\ & \;\;\;\;\;\;\;\;\;\;x_{10} \text {——注水井开井数，口；}\\ & \;\;\;\;\;\;\;\;\;\;x_{11} \text {——原油可采出程度，% 。} \end{aligned} $ |
从样本的代表性看，该模型更适合于某油气田公司深层、超深层的操作成本预测。
3.4 模型的优势和局限性分析 3.4.1 具有较好的灵活性、继承性和迭代性，预测精度较高操作成本预测的主成分模型是从影响操作成本的地质、开发和经营等技术经济指标要素入手，通过多因素降维处理和基于历史样本的回归，对操作成本进行宏观预测。模型建立比较灵活，只要给出一整套数据样本，就可以得到成本关联模型。当出现新的样本后，可以和以前的样本整合，得到迭代模型。因此，操作成本主成分预测模型具有较好的继承性和迭代性。实际上，从认识、实践和再认识的过程，也需要实时更新迭代。
3.4.2 适合于油气田区块成本预测模型适合对油气田区块进行成本预测，因为对于油气田区块，可以得到一套成本关联指标和操作成本的实际结果，这些样本是真实发生的。
3.4.3 准确性依赖于历史样本的全面性和可代表性该模型仅代表2023年这56个区块的统计规律，可能受未来油气田开发阶段、油气藏类型的变化影响，由此模型预测的结果和实际可能存在一定的偏差，需要不断丰富更新训练样本。理论上，对于不同岩性、不同油气类型和不同开发方式，需要单独进行模拟建模。
3.4.4 对于开发方案的操作成本主成分预测模型还需进一步探索在目前我国油气田企业没有实施项目管理的情况下，实际上开发项目（方案）的单位操作成本是一个理论预测值，在实际的财务核算上没有实际发生的结果，难以找到实际成套样本。因此，操作成本预测的主成分模型目前不完全适用于开发方案，更适用于油气田区。
3.5 应用案例分析 3.5.1 某油田操作成本预测案例已知某油田A和油田B历史数据如表 6所示。根据建立的操作成本预测的主成分模型，由历史数据可算出三类主成分，进而计算得到基于主成分模型预测的操作成本。
|
|
表 6 两个油田历史基础参数对比表 Table 6 Comparison of historical basic parameters between two oil fields |
油田A操作成本(元/t)=1181.965-345.585×Z1-50.569×Z2-180.412×Z3=1079.45
油田B操作成本(元/t)=1181.965-345.585×Z1-50.569×Z2-180.412×Z3=820.45
其中，Z1、Z2、Z3分别通过如下模型计算。
| $ \begin{aligned} Z_1= & 0.154 \times \text{std}x_1+0.131 \times \text{std}x_2+0.131 \times \text{std}x_3+0.158 \times \text{std}x_4+0.125 \times \text{std}x_5+0.145 \times \text{std}x_6 \\ = & 0.154 \times(20.4734-25.69)/58.14+0.131 \times(0.2496-0.73)/2.44+0.131 \times(3.137-1.57)/1.78+0.158 \times \\ & (57-49.51)/55.57+0.125 \times(234.2-323.6)/326.21+0.145 \times(4510-4837.83)/1734.87=0.036 \\ Z_2= & 0.035 \times \text{std}x_7+0.033 \times \text{std}x_8+0.027 \times \text{std}x_9 \\ = & 0.035 \times(77.8924-53.18)/77.43+0.033 \times(49.1041-20.30)/47.63+0.027 \times(19-6.35)/12.88=0.058 \\ Z_3= & 0.092 \times \text{std}x_{10}+0.097 \times \text{std}x_{11} \\ = & (9.08-13.4)/28.65+(94.09-81.69)/19.58=0.483 \end{aligned} $ |
通过上述模型预测得到油田A操作成本为1079.45元/t，实际操作成本为987.64元/t，预测精度为91.3%；油田B操作成本为820.45元/t，实际操作成本830.90元/t，预测精度为98.7%；操作成本主成分模型具有较好的预测精度。
3.5.2 某深层油田操作成本预测案例采用深层、超深层操作成本主成分模型对某深层油田进行操作成本预测。油田历史数据如表 7所示，由这些历史数据可算出3类主成分，同样可得到该油田的操作成本预测结果。
|
|
表 7 某深层油田历史基础参数表 Table 7 Historical basic parameters of a deep oilfield |
操作成本（元/t）=1209.725-541.585×Z1-120.215×Z2-112.250×Z3=1432.61
其中，Z1、Z2、Z3同样通过深层、超深层操作成本主成分模型进行计算。
通过上述模型预测得到的操作成本为1432.61元/t，实际操作成本1578.69元/t，预测精度为90.7%。因此，深层、超深层操作成本主成分模型同样也具有较好的精度。
4 结论与认识（1）基于成本构成的操作成本预测方法是在油气田企业常规操作成本预测方法基础上，从操作成本的构成要素入手，主要针对成本构成定额，设置了常用模式、常用备选模式和深层模式；这些模式在油气田开发方案的操作成本预测中，可视具体情况灵活选用，包括多种模式的组合，动态修正成本定额或改变成本构成评价范式，目的是提高操作成本预测的精度和可靠性。
（2）操作成本预测中，在涉及利用历史定额时，一般建议采用历史3年平均。这种做法的合理性和核心逻辑主要体现在数据稳定性与波动平滑机制、趋势识别与预测校准、管理实操与风险控制、国际惯例与准则兼容性等4方面。
（3）基于对标的成本定额辅助决策方法和操作成本与埋深的规律性研究是确保预测结果合理性的两类保障机制。前者通过对标手段对操作成本进行多次试预测和对比分析，协助选择合理的定额数据，协助把握好“定额取值艺术”；后者通过操作成本与埋深的规律性分析，可对操作成本预测结果进行约束和校正，预测结果与操作成本和埋深的规律性分析相差很大，需要对操作成本预测过程和相关参数进行二次审视。
（4）操作成本预测的主成分模型是从影响操作成本的地质、开发和经营等技术经济指标要素入手，通过多因素降维处理和基于历史样本的回归，对操作成本进行宏观预测，具有较好的灵活性、继承性和迭代性，预测精度较高，适合于油气田区块成本预测。模型的准确性依赖于历史样本的全面性和代表性；当出现新的样本后，可以和以前样本整合，得到迭代模型。因此，需要不断丰富、更新训练样本，对操作成本预测进行实时更新迭代。由于开发方案的单位操作成本在实际的财务核算很难看到实际发生结果，难以找到实际成套样本；因此，对于开发方案的操作成本主成分预测模型还需进一步研究探索。
（5）基于成本构成的操作成本预测方法和操作成本预测的主成分模型两类方法，具有一定的互补性，这两类方法单独或联合利用，改进了以往方法考虑因素过于简化、以经验和主观为主导、操作性不强、对深层针对性不强等问题；前者侧重项目操作成本预测，后者侧重油气田操作成本预测。从技术上，基于成本构成的操作成本预测方法突出影响要素全覆盖、定额选取多样化的特点，操作成本预测的主成分模型突出经验抽取的统计方法，两类方法都具备通过实践进行迭代的继承性。因此，为开发方案设计、财务预算编制、生产经营优化部署以及油气发展战略制定提供了有益的评价手段和决策依据。
（6）鉴于操作成本内外部影响因素的复杂性和不确定性，在当今人工智能和大数据技术不断成熟、工业化应用不断深化的背景下，以石油企业的信息化建设成果为基础，可搭建操作成本预测数据库，通过操作成本案例学习和知识图谱建设，借助专家系统和推理机制，建立自适应、不断迭代的操作成本智能预测体系。因此，基于人工智能和大数据技术辅助进行操作成本预测是未来技术发展的重要方向。
| [1] |
宋新民, 曲德斌, 邹存友. 低油价常态下中国油田开发低成本战略[J]. 石油勘探与开发, 2021, 48(4): 869-878. Song Xinmin, Qu Debin, Zou Cunyou. Low cost development strategy for oilfields in China under low oil prices[J]. Petroleum Exploration and Development, 2021, 48(4): 869-878. |
| [2] |
胡青, 张宝娟, 陈程, 等. 非常规油气开发经济评价方法研究与应用[J]. 中国石油勘探, 2025, 30(1): 180-192. Hu Qing, Zhang Baojuan, Chen Cheng, et al. Research and application of economic evaluation methods for unconventional oil and gas development[J]. China Petroleum Exploration, 2025, 30(1): 180-192. DOI:10.3969/j.issn.1672-7703.2025.01.014 |
| [3] |
丹尼尔·耶金. 能源新版图[M]. 阎志敏, 译. 北京: 石油工业出版社, 2022: 3-140. Yergin D. The new map: energy, climate, and clash of nations[M]. Yan Zhimin, translated. Beijing: Petroleum Industry Press, 2022: 3-140. |
| [4] |
孙旭光, 张兆新, 白鹤仙, 等. 灰色理论在克拉玛依油田操作成本预测中的应用[J]. 新疆石油地质, 2005, 26(6): 704-706. Sun Xuguang, Zhang Zhaoxin, Bai Hexian, et al. Application of grey theory to prediction of oil-gas operation cost of Karamay oilfield[J]. Xinjiang Petroleum Geology, 2005, 26(6): 704-706. |
| [5] |
张光华, 钟水清, 唐洪俊, 等. 灰色预测模型在油气操作成本预测中的应用[J]. 钻采工艺, 2006, 29(5): 126-128. Zhang Guanghua, Zhong Shuiqing, Tang Hongjun, et al. Application of grey forecast model in development cost prediction of oil/gas field[J]. Drilling & Production Technology, 2006, 29(5): 126-128. |
| [6] |
余祖德, 宋朝霞. 灰色模型在油气操作成本预测中的应用[J]. 石油化工技术经济, 2003, 19(6): 50-53. Yu Zude, Song Zhaoxia. Application of grey model in forecast of oil and gas operation cost[J]. Techno-Economics in Petrochemicals, 2003, 19(6): 50-53. |
| [7] |
王宝毅, 张宝生. 改进的灰色模型在油气成本预测中的应用[J]. 天然气工业, 2006, 26(8): 149-150, 153. Wang Baoyi, Zhang Baosheng. Application of improved grey forecasting model in oil and gas cost forecasting[J]. Natural Gas Industry, 2006, 26(8): 149-150, 153. |
| [8] |
杨惠贤, 王艳, 刘胜涛. 新疆克拉玛依油田油气操作成本研究[J]. 中国管理信息化, 2016, 19(6): 44. Yang Huixian, Wang Yan, Liu Shengtao. A study on oil and gas operating costs in the Karamay oilfield, Xinjiang[J]. China Management Informationization, 2016, 19(6): 44. |
| [9] |
何伟. 基于影响因素分析的油田操作成本预测模型[J]. 中国矿业, 2019, 28(增刊2): 115-118. He Wei. Prediction model of oilfield operating cost based on analysis of influencing factors[J]. China Mining Magazine, 2019, 28(S2): 115-118. |
| [10] |
徐洪德. 新疆油田分公司油气操作成本预测方法研究[D]. 成都: 西南石油大学, 2003. Xu Hongde. A study on the forecasting methods for oil and gas operating costs of Xinjiang oilfield company[D]. Chengdu: Southwest Petroleum University, 2023. |
| [11] |
胡燕, 高安琪, 田雨露. 石油企业油气操作成本的确定方法及应用研究[J]. 现代工业经济和信息化, 2024, 14(7): 187-189, 194. Hu Yan, Gao Anqi, Tian Yulu. Discuss determination method and application of oil and gas operating cost in petroleum enterprises[J]. Modern Industrial Economy and Informationization, 2024, 14(7): 187-189, 194. |
| [12] |
李丰, 张晓辉, 曲德斌, 等. 基于主成分回归模型的水驱油田操作成本预测[J]. 石油天然气学报, 2012, 34(9): 136-139, 143. Li Feng, Zhang Xiaohui, Qu Debin, et al. Operation cost prediction of waterflooding oilfields based on principal composition regression model[J]. Journal of Oil and Gas Technology, 2012, 34(9): 136-139, 143. |
| [13] |
骆长娥, 陈尘, 要建东. 油田操作成本经济界限模型研究[J]. 价值工程, 2012, 31(10): 111-112. Luo Chang'e, Chen Chen, Yao Jiandong. Research on model of oil field operation cost economic boundary[J]. Value Engineering, 2012, 31(10): 111-112. |
| [14] |
侯春华. 基于复合分组的油田操作成本指数分析方法及应用研究[J]. 当代石油石化, 2018, 26(10): 35-41. Hou Chunhua. Research on oilfield operating cost index analysis based on composite grouping[J]. Petroleum & Petrochemical Today, 2018, 26(10): 35-41. |
| [15] |
周超, 王秀芝. 组合预测在油气操作成本预测中的应用[J]. 西南石油大学学报(社会科学版), 2009, 2(4): 27-29. Zhou Chao, Wang Xiuzhi. Application of combination forecasting model in oil and gas operation cost prediction[J]. Journal of Southwest Petroleum University (Social Sciences Edition), 2009, 2(4): 27-29. |
| [16] |
刘斌. 油气勘探开发经济评价技术 [M]. 北京: 石油工业出版社, 2020. Liu Bin. Economic evaluation technology for oil and gas exploration and development [M]. Beijing: Petroleum Industry Press, 2020. |
| [17] |
中国石油天然气集团公司规划计划部, 中国石油天然气股份有限公司规划总院. 中国石油天然气集团公司油气勘探开发投资项目经济评价方法[R]. 北京: 中国石油天然气集团有限公司, 2017. China National Petroleum Corporation Planning and Programming Department, PetroChina Planning & Engineering Institute. China National Petroleum Corporation economic evaluation methods for oil and gas exploration and development investment projects[R]. Beijing: China National Petroleum Corporation, 2017. |
| [18] |
曲德斌, 王小林, 兰丽凤, 等. 油气上游业务资源优化理论及应用 [M]. 北京: 石油工业出版社, 2018. Qu Debin, Wang Xiaolin, Lan Lifeng, et al. Resource optimization of oil & gas upstream theory and application [M]. Beijing: Petroleum Industry Press, 2018. |
| [19] |
李志学, 芦伟. 我国油田生产成本的结构特征及其与国外的对比[J]. 资源与产业, 2008, 10(4): 40-46. Li Zhixue, Lu Wei. A structural feature of oilfield production cost and its comparison to foreign oilfields[J]. Resources & Industries, 2008, 10(4): 40-46. |
| [20] |
丛淑燕. 油气田企业实施作业成本管理的简要论证[J]. 石油天然气学报, 2008, 27(2): 267-268. Cong Shuyan. Management for operational cost in the enterprises of oil and gas fields[J]. Journal of Oil and Gas Technology, 2008, 27(2): 267-268. |
| [21] |
王静龙. 多元统计分析 [M]. 北京: 科学出版社, 2018. Wang Jinglong. Multivariate statistical analysis [M]. Beijing: Science Press, 2018. |