潘焕泉 (教授)

教授 博士生导师 硕士生导师

性别：男

毕业院校：浙江大学

学历：博士研究生

学位：理学博士学位

在职信息：在职

所在单位：资源学院、未来技术学院

入职时间：2019-12-09

职务：教授

学科：石油工程

办公地点：主楼 927

联系方式：email: panhq@cug.edu.cn

Email：

同专业博导    同专业硕导
  • 其他栏目

个人简历

        国家级高层次人才, 中国地质大学(武汉)资源学院石油工程系和未来技术学院教授，博士生导师，国际石油工程师学会的会刊 SPE Journal 副主编。长期致力于智能油气开发和油藏数值模拟新技术的研发，在石油勘探与开发、Applied Energy、SPE Journal、AIChE Journal 等国际知名期刊上发表多篇创新性学术论文。加入中国地质大学（武汉）之前曾先后担任美国油藏工程研究所研究员、美国斯坦福大学资深研究员。曾在美国斯坦福大学能源与资源工程系世界著名油藏数值模拟研究中心SUPRI-B 与美国工程院院士Khalid Aziz 教授（现代油藏数值模拟技术的奠基人、加拿大油藏数值模拟商用软件公司CMG（Computer Modeling Group）的创始人）和美国工程院院士Louis Durlofsky 教授（智能油气田开发领域创始人）共同合作研究超过17 年。 在这期间，领导研发了SUPRI-B 两个新一代油藏数值模拟软件ADGPRS 和GPRS。在美国油藏工程研究所同世界著名的油气藏开发专家、美国工程院院士、中国工程院外籍院士Abbas Firoozabadi 教授合作研究5 年，核心研究成果被目前世界上最新一代的大型商用油藏数值模拟器INTERSECT所采用，在全世界被广泛的应用。

        目前在中国地质大学（武汉）领导团队从事大模型、深度学习（deep learning）在油气田开发和管理中的应用；基于人工智能的油藏建模-数模、地质-工程一体化新技术研发；非常规油气资源的高效开发；常规油藏提高采收率的新技术；高效二氧化碳CCUS新技术；等等。

        团队每年招收学术博士研究生3-4名、硕士研究生5-10名、专业在职博士研究生1-2名、博士后两名。欢迎石油工程、地质建模和人工智能专业的学生加入我们研究团队。团队提供优越的学习和科研环境，较高的研究津贴。


科研项目：

智能油气开发与油藏数值模拟新技术研发，科技部国家级人才专项科研基金，2022-2024；

油藏模拟大模型构建技术研究，黑龙江省/大庆油田人工智能重点研发计划，2025-2027；

地质资源精准开发风险预测大数据平台，十四-五国家重点研发计划，2022-2027；

新型油气勘探开发国家科技重大专项“智慧油气田关键装备与软件”-油气藏生产措施调整方案动态优化技术与软件, 2025-2029;

深度学习框架下的页岩油藏快速模拟算法研究，中石油大庆油田，2022-2024；

AI 基础模型调优技术，中石油勘探开发研究院，2025-2026；

复杂构造地质建模及压裂模拟技术研发，特雷西能源科技公司，2023-2025；

水平井三维缝网反演动态模拟及产能预测技术，延长石油，2025-2026；

Development of DME-CO2-brine-hydrocarbons PVT Model，阿联酋国家石油公司 （Abu Dhabi National Oil Company), 2023-2024;

大牛地致密气藏开发动态精准预测及挖潜方案快速优化，中石化华北油田，2023-2025；

四川盆地陆相页岩油气赋存特征及含油气性评价技术研究，中石化科技攻关，2021-2023；

泸州深层页岩储层压裂缝网复杂程度评价研究，中石油西南油气田，2023-2024；


近三年发表的主要论文：

Liu, J., Liu, J., Zhu, Y., Sun, W., Zhang, D. and Pan, H., 2025. Multi-objective optimization for efficient CO2 storage under pressure buildup constraint in saline aquifer. Applied Energy, 382, p.125175；

潘焕泉，刘剑桥，龚斌，朱艺亨，白军辉等，2024. 油藏动态分析场景大模型构建与初步应用. 石油勘探与开发，51(05):1175-1182；

Pan H., Liu, J., Gong B., Zhu Y., Bai J., et al., 2025.  Construction and preliminary application of large language model for reservoir performance analysis. Petroleum Exploration and Development, 51(5), pp.1357-1366;

Liu, J., Pan, H., Sun, W., Jing, H. and Gong, B., 2025. Extension of fourier neural operator from three-dimensional (x, y, t) to four-dimensional (x, y, z, t) subsurface flow simulation. Mathematical Geosciences, 57(2), pp.359-391；

Liu, J., Zhang, D., Liu, J., Sun, W., Pan, H., Zhu, Y., Jing, H. and Fang, Z., 2025. Robust optimization under geological uncertainty using a TransUNet-based surrogate model with EnOpt algorithm. Mathematical Geosciences, 57(3), pp.547-576；

Liu, J., Pan, H., Jiang, S., Jing, H. and Zhu, Y.,2025. DL-NRS Net: A Physics-Informed Fourier Neural Operator Framework for High-Resolution Reconstruction Without High-Resolution Labels. Mathematical Geosciences, pp.1-27；

Jing, H., Pan, H., Sun, R., Liu, J. and Fang, Z., 2025. Efficient Phase Equilibrium Calculations of Shale Reservoir Fluids—Part I: New Fast and Robust Trust Region–Based Algorithm with Volume Variables at Isobaric-Isothermal Conditions. SPE Journal, 30(5), pp.2958-2974；

Jing, H., Pan, H., Jiang, J., Liu, J. and Fang, Z., 2025. Efficient Phase Equilibrium Calculations of Shale Reservoir Fluids—Part II: New Fast and Robust Trust Region–Based Algorithm with Volume Variables Including Capillary Pressure at Isobaric-Isothermal Conditions. SPE Journal, 30(5), pp.2887-2908；

Fang, Z., Jing, H., Pan, H., Wei, L., Masalmeh, S. and Li, J., 2025. A General Multiphase Equilibrium Calculation Framework for H2O/Brine-CO2-Dimethyl Ether-Hydrocarbon Systems. SPE Journal, pp.1-20.

Jing, H., Pan, H., Sun, R., Liu, J. and Fang, Z., 2025. Artificial neural network-based three-phase equilibria computation in compositional simulation of EOR and storage of CO2 in low-temperature reservoir. Geoenergy Science and Engineering, 246, p.213542；

Sun, R., Pan, H. and Tchelepi, H., 2025. New algorithm of three-phase equilibrium calculations for CO2-hydrocarbon-water systems. Geoenergy Science and Engineering, 244, p.213426;

Sun, R., Pan, H., Xiong, H. and Tchelepi, H., 2023. Physical-informed deep learning framework for CO2-injected EOR compositional simulation. Engineering Applications of Artificial Intelligence, 126, p.106742;

Jiang, J. and Pan, H., 2023. Efficient dissipation-based nonlinear solver for multiphase flow in discrete fractured media. Journal of Computational Physics, 479, p.112006;

教育经历

[1] 浙江大学  |  化学  |  博士  |  博士研究生毕业

工作经历

[1]   2019.12-至今

中国地质大学(武汉)  |  资源学院  |  教授  |  全职

[2]   2002.7-2019.12

美国斯坦福（Stanford）大学  |  能源与资源工程系  |  资深研究员  |  全职

[3]   2011.6-2013.9

美国雪佛龙 (Chevron) 石油公司  |  能源公司  |  高级顾问

[4]   1999.10-2002.7

美国 Incyte 公司  |  技术研发  |  技术管理  |  全职

[5]   1995.6-1999.10

美国油藏工程研究所（Reservoir Engineering Research Institute）  |  副研究员  |  全职

[6]   1994.9-1995.6

日本冈山 (Okayama) 大学  |  地球内部科学国家开放实验室  |  访问研究员  |  全职

[7]   1993.9-1994.8

中国石油大学(北京)  |  副教授  |  全职

[8]   1991.9-1993.8

中国石油大学(北京)  |  博士后  |  全职

社会兼职

  • [1]   SPE Journal 副主编 （Associate Editor）, SPE 会员

  • [2]   “石油科学通报”期刊副主编

研究方向

  • [1]   智能油气田开发：
        1. 大语言模型在油气田开发管理中的应用；
        2. 深度学习驱动的油气藏模拟、历史拟合和生产优化；
        3. 基于深度学习、具有物理感知的神经网络方法加速油藏数值模拟器的新算法；
        4. 基于大模型的智能压裂技术；
        5. 基于机器学习与大数据技术的油藏特征属性识别；
        6. 智能油气藏数字孪生技术和应用。

  • [2]   非常规资源的有效开发：
          1. 非常规油气藏地质-工程一体化高效开发技术；
          2. 页岩气/页岩油/煤层气/致密油气藏高效储存改造技术;
          3. 低渗/超低渗储层渗流机理与开发技术研究。

  • [3]   常规油藏提高采收率技术：  
          1. 水驱/化学驱/热采等提高采收率新技术与应用；
          2. 剩余油预测与高效动用技术。

  • [4]   二氧化碳CCUS新技术：
          1. 二氧化碳提高采收率和地质封存的协同优化技术。

  • [5]   人工智能赋能的快速油藏数值模拟技术研发

    • 联系方式

  • [1]  邮编：

  • [2]  传真：

  • [3]  通讯/办公地址：

  • [4]  办公室电话：

  • [5]  移动电话：

  • [6]  邮箱：

    • 团队成员

    油藏模拟与智能决策研究中心

    研究中心依托中国地质大学（武汉）“地质过程与矿产资源国家重点实验室”和“油气勘探开发理论与技术”湖北省重点实验室，专注于智能油气田开发的新方法和新技术的研究与应用。中心现有国家级高层次人才2人、教授5人、副教授2人；博士后5~10人、博士研究生45~50人、硕士研究生60~70人。研究方向为智能油气开发、油藏建模、油藏模拟。聚焦“一体化、智能化、实时油藏管理”的关键算法和技术难关。在油气田开发大模型构建技术、油气田开发数字孪生技术、智能化地质建模-油藏模拟-生产优化的油气开发闭环管理、包含裂缝和溶洞等复杂构造形态的快速“全真”建模和数值模拟等方面取得了突破性的进展。研究成果推广应用到各大油气田，取得了显著的经济效益。