CN104514552A - 一种煤层气储层识别与丰度预测的方法 - Google Patents
一种煤层气储层识别与丰度预测的方法 Download PDFInfo
- Publication number
- CN104514552A CN104514552A CN201310449808.3A CN201310449808A CN104514552A CN 104514552 A CN104514552 A CN 104514552A CN 201310449808 A CN201310449808 A CN 201310449808A CN 104514552 A CN104514552 A CN 104514552A
- Authority
- CN
- China
- Prior art keywords
- data
- interval
- stratum
- log data
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011435 rock Substances 0.000 claims abstract description 10
- 230000000704 physical effect Effects 0.000 claims abstract description 7
- 239000003245 coal Substances 0.000 claims description 56
- 230000015572 biosynthetic process Effects 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 238000005553 drilling Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 239000011148 porous material Substances 0.000 claims description 4
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 101100348341 Caenorhabditis elegans gas-1 gene Proteins 0.000 claims description 2
- 101100447658 Mus musculus Gas1 gene Proteins 0.000 claims description 2
- 101100447665 Mus musculus Gas2 gene Proteins 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 239000003415 peat Substances 0.000 claims description 2
- 241001127637 Plantago Species 0.000 claims 1
- 239000007789 gas Substances 0.000 description 44
- 238000004458 analytical method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000005251 gamma ray Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000001089 mineralizing effect Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明是非常规气藏气勘探综合测井数据对煤层气储层识别与丰度预测的方法,在岩芯上读取特殊岩性地层深度和厚度,在测井曲线上将相应深度的地层层段删除,对工区内的测井数据进行计算得到煤层的物性数据的平均值和方差,标准化处理后建立多参数煤层气丰度预测公式,得到地层含气量变化曲线,根据地层含气量变化曲线,进行煤层气储层识别和丰度预测。本发明方法简便易行。成本低,运行效率高,可准确识别薄的煤层,煤层气储层丰度预测结果可靠。
Description
技术领域
本发明涉及油气地球物理勘探技术,属于非常规气藏气勘探与开发领域,是综合测井数据对煤层气储层识别与丰度预测的方法。
背景技术
目前煤层气产业的发展已经逐渐步入商业化阶段,并已成为非常规气藏勘探的一个重要方向。煤层气俗称“瓦斯”,又称“煤层甲烷”或“煤层瓦斯”,是指煤在形成演化过程中经生物化学和热解作用生成、并储集在煤层内以甲烷为主的天然气。煤层气的赋存状态以吸附态为主,非常独特,与常规储层中的天然气储存机理大不相同,其影响因素多样而复杂。如煤阶、压力(埋深)、煤层厚度、矿物质含量、煤层渗透率等因素。形成的储层为典型的自生自储,低渗透、变形双重介质,具有非均质性强、各向异性强、孔隙及裂隙结构复杂等特点,且多以薄互层为主,煤质结构复杂,储层物性特征纵横向变化较大。因此要进行煤层气藏的识别和丰度预测,存在很多困难。需要进行多方面的岩石物理、测井响应分析和模拟。
准确识别煤储层的埋深及其厚度,是煤层气勘探开发的基础。目前,利用测井资料准确地识别煤层,确定煤层厚度的方法已经成熟,并且精度也越来越高。而进行煤层气储层识别以及丰度预测的方法主要是岩芯分析和实验室测定。但是由于岩芯采样间隔大(通常为25cm),费用高,耗时长。同时煤层硬度小、固结性差,很难进行有效采样和实验室分析。同时井口测量操作时影响因素较多,测量结果误差大。因此获得这类信息的成本高,耗时长,存在系统偏差。地球物理测井是在钻井完成后在井孔内利用测量电、声、热、放射性等物理性质的测井仪器进行地层物理性质探测,用以辨别地下岩石和流体性质的方法。具有分辨率高、种类齐全的特点,可以提供高精度的煤层气储层测井地质信息,是煤层气勘探开发中不可缺少的一个重要组成部分。煤层气储层的测井解释具有快速直观、分辨率高、费用低廉等特点,可弥补取心、试井及煤芯分析在这些方面的不足。
在利用测井数据进行煤层含气量的估算方面,国内外采用的方法不外两种方式:一是利用单一的测井数据与实验测试量建立简单数学回归关系,然后估算储层含气量的计算方法。例如,根据密度测井数据估算煤岩成分及煤层气含量;利用空间模量差比法和电阻率比值法来识别煤层气层,根据煤层吸附条件进行含气量估算等方法。这些方法虽然考虑了煤层的特殊岩石物理特点,计算速度快,但是,考虑因素单一,有些参数不易求得。另一种就是开发新的适用于复杂岩性、复杂孔隙结构的高分辨率成像测井技术,如核磁共振测井、成像测井等,建立一套新的煤层气测井评价技术。但是这些先进的技术在煤层气勘探中应用少,设备成本高,资料搜集困难,很难形成成熟技术广泛应用。所以,立足于现有的成熟的测井技术,综合对比分析相关的多种地球物理测井数据,进行煤层气储层的丰度评价,是切实可行的。并且,至今没有文献公开发表利用多种地球物理测井数据,结合实验室测试数据用于储层含气量的计算,进行储层识别和丰度预测。
发明内容
本发明目的是提供一种准确的煤层气储层识别与丰度预测的方法。
本发明步骤包括:
1)钻井并在井中采集常规地球物理测井数据;
步骤1)所述的测井数据包括井径、声波时差、自然电位、密度、电阻率和自然伽玛测井曲线。
步骤1)所述的井中采集通常在一个工区内多口井采集。
2)消除储层埋深和压力对测井数据的影响;
步骤2)所述的消除储层埋深和压力对测井数据的影响是:
(1)用工区内煤层的孔隙度测井曲线,计算不同井中相同煤储层的平均孔隙度;
(2)利用下式计算不同深度沉积物的孔隙度变化量;
φ=φ0e-cz (1)
其中,φ0是沉积物在地表的原始孔隙度,C为常数,Z是地层埋藏深度;φ0和C用最小二乘曲线拟合得到;
(3)利用下式将不同埋深的孔隙度数据校正到同一埋藏深度Zde,得到埋深为Zde时地层的孔隙度φ1;
式中:φ1是埋深为Zde时地层的孔隙度,Z2是地层的实际埋深,φ2是埋藏深度为Z2时地层的实际孔隙度;
3)在岩芯剖面上,读取酸盐岩、火成岩等特殊岩性地层深度位置和地层厚度,在测井曲线上将相应深度的地层层段数据删除,使其不参与统计;
4)根据煤层的物性分布特点,对工区内的测井数据进行计算得到煤层的物性数据的平均值和方差,利用均值—方差法对测井资料进行标准化处理;
步骤4)所述的煤层的物性是密度分布不高于1.9g/cm3,纵波速度不高于3500m/s,孔隙度变化范围在2%—25%。
步骤4)所述的标准化处理是:
(1)确定工区内目标井中目的层段的深度,将目的层段内的测井数据X(x1,x2,…,xn)作为期望值,计算均值EX和方差V(x);
其中:(x1,x2,…,xn)是在目的层段内按照一定的采样间隔,测井数据X的离散采样数据;即xn是同一类型的测井数据X在目的层段内的第n个点的采样值;
所述的测井数据X的数据类型包括声波时差、密度、自然伽马、电阻率、孔隙度。
(2)将工区内其他井的需要标准化处理的测井数据作为测量值Y(y1,y2,…,yn),并计算均值EY和方差V(y);
其中:(y1,y2,…,yn)是在目的层段内按照一定的采样间隔,测井数据Y的离散采样数据;即yn是Y数据在目的层段内的第n个点的数值;
所述的Y是工区内其他井中采集的,类型与X数据类型相同的测井数据。
(3)按照下式对测量值Y标准化,得到的结果为Z(z1,z2,…,zn);
其中:V(x)是X的方差,Ex是X的均值;Y是需要进行归一化处理的测量值,V(y)是测量值Y的方差;Ey是测量值Y的方差;
5)综合工区内多井的测井资料,建立多参数煤层气丰度预测公式;
所述的建立多参数煤层气丰度预测公式过程是:
(1)选取工区中同时具有测井数据和实验室含气量测试结果的井作为参考井,用于丰度预测公式的建立;对这些井中的测井数据进行步骤1)至4)的处理;
(2)建立多参数煤层气丰度预测公式:
Vgas=A0+A1X1+A2X2+A3X3+A4X4+A5X5+A6X6 (4)
式中:Vgas是煤层气含气量数据,A0是预测公式中的常数项;
X1={x1 1,x2 1,…xn 1}是地层的密度测井数据,其中,xn 1是密度测井数据在目的层段中第n个点的数值;A1是密度变量的加权系数;
X2={x1 2,x2 2,…xn 2}是地层的纵波速度,其中,xn 2是纵波速度数据在目的层段中第n个点的数值;A2是纵波速度变量的加权系数;
X3={x1 3,x2 3,…xn 3}是地层的孔隙度数据,其中,xn 3是孔隙度测井数据在目的层段中第n个点的数值,A3是孔隙度变量的加权系数;
X4={x1 4,x2 4,…xn 4}是地层的伽玛测井数据,其中,xn 4是伽玛测井数据在目的层段中第n个点的数值,A4是伽玛变量的加权系数;
X5={x1 5,x2 5,…xn 5}是地层的电阻率测井数据,其中,xn 5是电阻率测井数据在目的层段中第n个点的数值,A5是电阻率变量的加权系数;
X6={x1 6,x2 6,…xn 6}是井径变化数据,其中,xn 6是井径数据在目的层段中第n个点的数值,A6是井径变量的加权系数;
(3)利用参考井中已有的实验室测定的煤层气含量和测井数据作为已知数据,对公式(4)进行多元回归分析,就可得到下列方程组:
其中:
公式(5)中的A0、A1、A2、A3、A4、A5、A6为公式4中的加权系数,{Vgas1,Vgas2,…Vgasn}是参考井在目的层段内的实验室测定的煤层气含量数据值,其中的Vgasn是目的层段内第n个点的含气量数据值;
公式(6)中的{x1 1,x2 1,…xn 1}、{x1 2,x2 2,…xn 2}、{x1 3,x2 3,…xn 3}、{x1 4,x2 4,…xn 4}、{x1 5,x2 5,…xn 5}、{x1 6,x2 6,…xn 6}的定义与公式(4)中的定义相同,是参考井中已知的不同类型的测井数据在目的层段内的离散采样值;
(4)用乔里斯基(Cholesky)分解算法解公式(5),就得出公式(4)的加权系数A0、A1、A2、A3、A4、A5、A6,完成丰度预测公式;
6)对工区内没有进行实验室含气量测定的每口井中的测井曲线进行上述步骤2)至4)的处理,利用丰度预测公式(4)对工区内没有进行实验室含气量测定的井进行含气量预测,得到每口井的地层含气量变化曲线;
步骤6)所述的测井曲线包括井径、密度、速度、孔隙度、伽玛、电阻率曲线。
7)分析地层含气量变化曲线,进行煤层气储层识别,确定煤层气储层的厚度和埋藏深度。
所述的储层识别是:地层含气量超过8m3/t的地层为良好含气储层;含气量低于8m3/t,大于4m3/t所处的地层为含气地层,为储存有煤层气的泥炭或页岩;预测含气量低于4m3/t的地层为不含气地层。
本发明利用常规测井采集得到的井径、密度、纵波声波、伽马、孔隙度、电阻率测井曲线,准确判定煤层的埋藏深度和厚度,并能预测煤层的含气量的变化规律,评价储层含气丰度。该方法计算效率高,数据获取简单。可以减少钻井取心、野外煤心采集以及实验室测试的费用和时间,为煤田开发、煤层气开采提供可靠信息。
本发明所述的含气层划分和预测的方法,其优势主要表现为:
利用常规测井数据就可进行准确的含气层划分,方法简便易行。成本低,运行效率高。
所使用的数据为测井数据,采样间隔小,所以得到的估算结果分辨率高,可准确识别薄的煤层,煤层气储层丰度预测结果可靠。
附图说明
图1孔隙度随地层深度变化分析图;
图2岩性剖面;
图3利用本发明进行的某井1含气层丰度预测结果;
图4利用本发明进行的某井2含气层丰度预测结果;
图5利用本发明进行的某井3含气层丰度预测结果。
具体实施方式
本发明根据煤层的特殊岩石物理性质以及煤层气的独特贮存方式,利用煤层在常规测井数据上的变化规律,消除埋深、岩性等地质因素对测井数据的影响,在井筒附近进行煤层气含气层段的划分。并结合实验室含气量检测结果,利用多元线性回归分析方法,对煤层的含气量进行半定量预测,为煤层气勘探提供一个较为客观、相对准确的含气量评价方法。
本发明的具体实施方式为:
1)钻井并在井中采集常规地球物理测井数据;测井数据包括井径、声波时差、自然电位、密度、电阻率和自然伽玛测井曲线。
2)消除储层埋深和压力对测井数据的影响;基本步骤是:
首先利用用工区内煤层的孔隙度测井曲线,计算不同井中相同煤储层的平均孔隙度;
然后利用公式(1)计算不同深度沉积物的孔隙度变化量,如图1;
最后利用公式(2)将不同埋深的孔隙度数据校正到同一埋藏深度Zde,得到埋深为Zde时地层的孔隙度φ1;
3)在岩芯剖面上,读取酸盐岩和火成岩地层深度位置和地层厚度,在测井曲线上将相应深度的地层层段数据删除,使其不参与统计,如图2;
4)根据煤层的物性分布特点,对工区内的测井数据进行计算得到煤层的物性数据的平均值和方差,利用均值—方差法对测井资料进行标准化处理;相应的标准化处理过程是:
(1)确定工区内目标井中目的层段的深度,将目的层段内的测井数据X(x1,x2,…,xn)作为期望值,计算均值EX和方差V(x);
其中:(x1,x2,…,xn)是在目的层段内按照一定的采样间隔,测井数据X的离散采样数据;即xn是同一类型的测井数据X在目的层段内的第n个点的采样值;
所述的测井数据X包括声波时差、密度、自然伽马、电阻率。
(2)将工区内其他井的需要标准化处理的测井数据作为测量值Y(y1,y2,…,yn),并计算均值EY和方差V(y);
其中:(y1,y2,…,yn)是在目的层段内按照一定的采样间隔,测井数据Y的离散采样数据;即yn是Y数据在目的层段内的第n个点的数值;
所述的Y是工区内其他井中采集的,类型与X数据类型相同的测井数据。
(3)按照公式(3)对测量值Y标准化,得到标准化处理结果Z(z1,z2,…,zn);
5)综合工区内多井的测井资料,建立多参数煤层气丰度预测公式(4);所述的建立多参数煤层气丰度预测公式过程是:
(1)选取工区中同时具有测井数据和实验室含气量测试结果的井作为参考井,用于丰度预测公式的建立;对这些井中的测井数据进行步骤1)至4)的处理;
(2)利用参考井中已有的实验室测定的煤层气含量和测井数据作为已知数据,对公式(4)进行多元回归分析,就得出公式(4)的加权系数A0、A1、A2、A3、A4、A5、A6,完成丰度预测公式的建立;
6)对工区内没有进行实验室含气量测定的每口井中的测井曲线进行上述步骤2)至4)的处理,利用丰度预测公式(4)对工区内没有进行实验室含气量测定的井进行含气量预测,得到每口井的地层含气量丰度预测曲线,如图3、4、5;
7)分析地层含气量丰度预测曲线,进行煤层气储层识别,确定煤层气储层的厚度和埋藏深度如图3、4、5。
Claims (5)
1.一种煤层气储层识别与丰度预测的方法,特点是采用以下步骤:
1)钻井并在井中采集常规地球物理测井数据;
2)消除储层埋深和压力对测井数据的影响;
3)在岩芯剖面上,读取碳酸盐岩、火成岩特殊岩性地层深度位置和地层厚度,在测井曲线上将相应深度的地层层段数据删除,使其不参与统计;
4)根据煤层的物性分布特点,对工区内的测井数据进行计算得到煤层的物性数据的平均值和方差,利用均值—方差法对测井资料进行标准化处理;
5)在工区内已有实验室含气量测试结果参考井测井资料基础上,建立多参数煤层气丰度预测公式;
6)对工区内没有进行实验室含气量测定的每口井中的测井曲线进行上述步骤2)至4)的处理,利用步骤5)建立的丰度预测公式对工区内没有进行实验室含气量测定的井进行含气量预测,得到每口井的地层含气量变化曲线;
7)根据地层含气量变化曲线,进行煤层气储层识别,确定煤层气储层的厚度和埋藏深度,以及储层中煤层气丰度变化规律。
2.根据权利要求1的方法,特点是步骤2)所述的消除储层埋深和压力对测井数据影响过程是:
(1)用工区内煤层的孔隙度测井曲线,计算不同井中相同煤储层的平均孔隙度;
(2)利用下式计算不同深度沉积物的孔隙度变化量;
φ=φ0e-cz (1)
其中,φ0是沉积物在地表的原始孔隙度,C为常数,Z是地层埋藏深度;φ0和C用最小二乘曲线拟合得到;
(3)利用下式将不同埋深的孔隙度数据校正到同一埋藏深度Zde,得到埋深为Zde时地层的孔隙度φ1;
式中:φ1是埋深为Zde时地层的孔隙度,Z2是地层的实际埋深,φ2是埋藏深度为Z2时地层的实际孔隙度。
3.根据权利要求1的方法,特点是步骤4)所述的标准化处理是:
(1)确定工区内目标井中目的层段的深度,将目的层段内的测井数据X(x1,x2,…,xn)作为期望值,计算均值EX和方差V(x);
其中:(x1,x2,…,xn)是在目的层段内按照一定的采样间隔,测井数据X的离散采样数据;即xn是同一类型的测井数据X在目的层段内的第n个点的采样值;
所述的测井数据X包括声波时差、密度、自然伽马、电阻率、孔隙度;
(2)将工区内其他井的需要标准化处理的测井数据作为测量值Y(y1,y2,…,yn),并计算均值EY和方差V(y);
其中:(y1,y2,…,yn)是在目的层段内按照一定的采样间隔,测量值Y的离散采样数据;即yn是测量值Y数据在目的层段内的第n个点的数值;
所述的测量值Y是工区内其他井中采集的,类型与测井数据X类型相同的测井数据;
(3)按照下式对测量值Y标准化,得到标准化处理结果Z(z1,z2,…,zn);
其中:V(x)是X的方差,Ex是X的均值;Y是需要进行归一化处理的测量值,V(y)是测量值Y的方差;Ey是测量值Y的方差。
4.根据权利要求1的方法,特点是步骤5)所述的建立多参数煤层气丰度预测公式过程是:
(1)选取工区中同时具有测井数据和实验室含气量测试结果的井作为参考井,用于丰度预测公式的建立;对这些井中的测井数据进行步骤1)至4)的处理;
(2)建立多参数煤层气丰度预测公式:
Vgas=A0+A1X1+A2X2+A3X3+A4X4+A5X5+A6X6 (4)
式中:Vgas是煤层气含气量数据,A0是预测公式中的常数项;
X1={x1 1,x2 1,…xn 1}是地层的密度测井数据,其中,xn 1是密度测井数据在目的层段中第n个点的数值;A1是密度变量的加权系数;X2={x1 2,x2 2,…xn 2}是地层的纵波速度,其中,xn 2是纵波速度数据在目的层段中第n个点的数值;A2是纵波速度变量的加权系数;
X3={x1 3,x2 3,…xn 3}是地层的孔隙度数据,其中,xn 3是孔隙度测井数据在目的层段中第n个点的数值,A3是孔隙度变量的加权系数;
X4={x1 4,x2 4,…xn 4}是地层的伽玛测井数据,其中,xn 4是伽玛测井数据在目的层段中第n个点的数值,A4是伽玛变量的加权系数;
X5={x1 5,x2 5,…xn 5}是地层的电阻率测井数据,其中,xn 5是电阻率测井数据在目的层段中第n个点的数值,A5是电阻率变量的加权系数;
X6={x1 6,x2 6,…xn 6}是井径变化数据,其中,xn 6是井径数据在目的层段中第n个点的数值,A6是井径变量的加权系数;
(3)利用参考井中已有的实验室测定的煤层气含量和测井数据作为已知数据,对公式(4)进行多元回归分析,得到下列方程组:
其中:
公式(5)中的A0、A1、A2、A3、A4、A5、A6为公式(4)中的加权系数,{Vgas1,Vgas2,…Vgasn}是参考井在目的层段内的实验室测定的煤层气含量数据值,其中的Vgasn是目的层段内第n个点的含气量数据值;
公式(6)中的{x1 1,x2 1,…xn 1}、{x1 2,x2 2,…xn 2}、{x1 3,x2 3,…xn 3}、{x1 4,x2 4,…xn 4}、{x1 5,x2 5,…xn 5}、{x1 6,x2 6,…xn 6}的定义与公式(4)中的定义相同,是参考井中已知的不同类型的测井数据在目的层段内的离散采样值;
(4)用乔里斯基(Cholesky)分解算法解公式(5),就得出公式(4)的加权系数A0、A1、A2、A3、A4、A5、A6,完成丰度预测公式。
5.根据权利要求1的方法,特点是步骤7)所述的储层识别是:地层含气量超过8m3/t的地层为良好含气储层;含气量低于8m3/t,大于4m3/t所处的地层为含气地层,为储存有煤层气的泥炭或页岩;预测含气量低于4m3/t的地层为不含气地层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310449808.3A CN104514552B (zh) | 2013-09-27 | 2013-09-27 | 一种煤层气储层识别与丰度预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310449808.3A CN104514552B (zh) | 2013-09-27 | 2013-09-27 | 一种煤层气储层识别与丰度预测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104514552A true CN104514552A (zh) | 2015-04-15 |
CN104514552B CN104514552B (zh) | 2017-07-14 |
Family
ID=52790375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310449808.3A Active CN104514552B (zh) | 2013-09-27 | 2013-09-27 | 一种煤层气储层识别与丰度预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104514552B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046006A (zh) * | 2015-07-29 | 2015-11-11 | 中国石油天然气股份有限公司 | 一种页岩气藏水平井多段压裂产能预测方法及装置 |
CN105298481A (zh) * | 2015-10-15 | 2016-02-03 | 山东科技大学 | 一种深部煤系及薄煤层多级叠加测井识别方法 |
CN105572757A (zh) * | 2015-11-03 | 2016-05-11 | 山东科技大学 | 一种描述煤系细粒沉积结构的方法 |
CN105649618A (zh) * | 2016-01-18 | 2016-06-08 | 山东科技大学 | 一种海侵事件煤层关键界面的识别方法 |
CN106127598A (zh) * | 2016-06-29 | 2016-11-16 | 太原理工大学 | 一种基于地球物理测井信息的构造煤预测方法 |
CN106321088A (zh) * | 2015-07-07 | 2017-01-11 | 中国石油化工股份有限公司 | 确定目标煤层的煤层气含量的方法 |
CN106337683A (zh) * | 2015-07-07 | 2017-01-18 | 中国石油化工股份有限公司 | 确定目标煤层的煤层气含量的方法 |
CN106932836A (zh) * | 2015-12-30 | 2017-07-07 | 中国石油化工股份有限公司 | 一种用于评价页岩气含气丰度的方法及系统 |
CN107153733A (zh) * | 2017-05-09 | 2017-09-12 | 中国石油集团川庆钻探工程有限公司 | 一种复杂孔隙结构岩石的毛管压力曲线拟合方法 |
CN107576772A (zh) * | 2017-07-25 | 2018-01-12 | 中国地质大学(北京) | 一种利用测井数据定量评价煤体结构类型的方法 |
EP3574183A4 (en) * | 2016-10-26 | 2020-03-18 | Davis, Jimmy L. | METHOD FOR DRILLING VERTICAL AND HORIZONTAL PATHS FOR DEGRADING SOLID GROUND TREASURES |
CN110965997A (zh) * | 2018-09-30 | 2020-04-07 | 中国石油化工股份有限公司 | 基于沉积相约束的测井曲线标准化方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7216702B2 (en) * | 2003-02-28 | 2007-05-15 | Yates Petroleum Corporation | Methods of evaluating undersaturated coalbed methane reservoirs |
CN101253402A (zh) * | 2005-05-24 | 2008-08-27 | 雅特斯石油公司 | 评价欠饱和煤层气储层的方法 |
CN102536223A (zh) * | 2012-01-16 | 2012-07-04 | 中国石油大学(华东) | 煤层裂隙孔隙度快速计算方法 |
CN102830442A (zh) * | 2012-08-04 | 2012-12-19 | 中国矿业大学(北京) | 一种预测预报煤层气产能的潜力系数评价方法 |
CN103114840A (zh) * | 2013-01-09 | 2013-05-22 | 中国石油天然气股份有限公司 | 一种高-过高成熟页岩有机碳含量计算方法及装置 |
-
2013
- 2013-09-27 CN CN201310449808.3A patent/CN104514552B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7216702B2 (en) * | 2003-02-28 | 2007-05-15 | Yates Petroleum Corporation | Methods of evaluating undersaturated coalbed methane reservoirs |
CN101253402A (zh) * | 2005-05-24 | 2008-08-27 | 雅特斯石油公司 | 评价欠饱和煤层气储层的方法 |
CN102536223A (zh) * | 2012-01-16 | 2012-07-04 | 中国石油大学(华东) | 煤层裂隙孔隙度快速计算方法 |
CN102830442A (zh) * | 2012-08-04 | 2012-12-19 | 中国矿业大学(北京) | 一种预测预报煤层气产能的潜力系数评价方法 |
CN103114840A (zh) * | 2013-01-09 | 2013-05-22 | 中国石油天然气股份有限公司 | 一种高-过高成熟页岩有机碳含量计算方法及装置 |
Non-Patent Citations (4)
Title |
---|
张妮 等: "利用测井资料评价煤层气含气量的新方法", 《国外油田工程》 * |
王安龙 等: "利用测井资料计算煤层含气量及工业组分方法研究", 《油气藏评价与开发》 * |
王志文: "煤层含气量的测井评价技术", 《中国优秀硕士学位论文全文数据库-基础科学辑》 * |
董维武: "煤层气储层测井评价方法研究", 《中国优秀硕士学位论文全文数据库-基础科学辑》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106321088B (zh) * | 2015-07-07 | 2019-12-13 | 中国石油化工股份有限公司 | 确定目标煤层的煤层气含量的方法 |
CN106337683B (zh) * | 2015-07-07 | 2019-07-05 | 中国石油化工股份有限公司 | 确定目标煤层的煤层气含量的方法 |
CN106321088A (zh) * | 2015-07-07 | 2017-01-11 | 中国石油化工股份有限公司 | 确定目标煤层的煤层气含量的方法 |
CN106337683A (zh) * | 2015-07-07 | 2017-01-18 | 中国石油化工股份有限公司 | 确定目标煤层的煤层气含量的方法 |
CN105046006B (zh) * | 2015-07-29 | 2018-05-04 | 中国石油天然气股份有限公司 | 一种页岩气藏水平井多段压裂产能预测方法及装置 |
CN105046006A (zh) * | 2015-07-29 | 2015-11-11 | 中国石油天然气股份有限公司 | 一种页岩气藏水平井多段压裂产能预测方法及装置 |
CN105298481A (zh) * | 2015-10-15 | 2016-02-03 | 山东科技大学 | 一种深部煤系及薄煤层多级叠加测井识别方法 |
CN105298481B (zh) * | 2015-10-15 | 2016-06-15 | 山东科技大学 | 一种深部煤系及薄煤层多级叠加测井识别方法 |
CN105572757A (zh) * | 2015-11-03 | 2016-05-11 | 山东科技大学 | 一种描述煤系细粒沉积结构的方法 |
CN106932836A (zh) * | 2015-12-30 | 2017-07-07 | 中国石油化工股份有限公司 | 一种用于评价页岩气含气丰度的方法及系统 |
CN106932836B (zh) * | 2015-12-30 | 2019-07-12 | 中国石油化工股份有限公司 | 一种用于评价页岩气含气丰度的方法及系统 |
CN105649618A (zh) * | 2016-01-18 | 2016-06-08 | 山东科技大学 | 一种海侵事件煤层关键界面的识别方法 |
CN106127598B (zh) * | 2016-06-29 | 2019-03-15 | 太原理工大学 | 一种基于地球物理测井信息的构造煤预测方法 |
CN106127598A (zh) * | 2016-06-29 | 2016-11-16 | 太原理工大学 | 一种基于地球物理测井信息的构造煤预测方法 |
EP3574183A4 (en) * | 2016-10-26 | 2020-03-18 | Davis, Jimmy L. | METHOD FOR DRILLING VERTICAL AND HORIZONTAL PATHS FOR DEGRADING SOLID GROUND TREASURES |
CN107153733A (zh) * | 2017-05-09 | 2017-09-12 | 中国石油集团川庆钻探工程有限公司 | 一种复杂孔隙结构岩石的毛管压力曲线拟合方法 |
CN107576772A (zh) * | 2017-07-25 | 2018-01-12 | 中国地质大学(北京) | 一种利用测井数据定量评价煤体结构类型的方法 |
CN107576772B (zh) * | 2017-07-25 | 2020-08-11 | 中国地质大学(北京) | 一种利用测井数据定量评价煤体结构类型的方法 |
CN110965997A (zh) * | 2018-09-30 | 2020-04-07 | 中国石油化工股份有限公司 | 基于沉积相约束的测井曲线标准化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104514552B (zh) | 2017-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104514552B (zh) | 一种煤层气储层识别与丰度预测的方法 | |
US20150088424A1 (en) | Identifying geological formation depth structure using well log data | |
US20110144913A1 (en) | Source rock volumetric analysis | |
EP2340505A1 (en) | Heterogeneous earth models for a reservoir field | |
US9176255B2 (en) | Permeability prediction systems and methods using quadratic discriminant analysis | |
Li et al. | A rock physics model for estimating elastic properties of upper Ordovician-lower Silurian mudrocks in the Sichuan Basin, China | |
Moore et al. | Tight gas sandstone reservoirs, part 2: petrophysical analysis and reservoir modeling | |
Cluff et al. | Petrophysics of the Lance sandstone reservoirs in Jonah field, Sublette County, Wyoming | |
US20130292111A1 (en) | Method of constructing a well log of a quantitative property from sample measurements and log data | |
CN104153768A (zh) | 一种评价花岗岩储层储集性能的方法 | |
CN107831540A (zh) | 储层物性参数直接提取新方法 | |
Holden et al. | Integration of production logs helps to understand heterogeneity of Mishrif reservoir in Rumaila | |
Worthington | Reservoir characterization at the mesoscopic scale | |
Jasim et al. | Specifying quality of a tight oil reservoir through 3-d reservoir modeling | |
CN101798922A (zh) | 天然气充盈度判断方法及其在低丰度气藏中的应用 | |
Rotimi et al. | Reservoir characterization and modeling of lateral heterogeneity using multivariate analysis | |
Davies | Permeability Modelling of a Sandstone Reservoir in Parts of the Niger Delta | |
CN110454155B (zh) | 一种应用磁化率测井方法确定第四纪地层年代的方法 | |
Ekine et al. | Delineation of hydrocarbon bearing reservoirs from surface seismic and well log data (Nembe Creek) in Niger Delta oil field | |
Malvić et al. | Reducing variogram uncertainties using the ‘jack-knifing’method, a case study of the Stari Gradac–Barcs-Nyugat field | |
Li et al. | Three-dimensional reservoir architecture modeling by geostatistical techniques in BD block, Jinhu depression, northern Jiangsu Basin, China | |
US11905809B2 (en) | Determining reservoir heterogeneity for optimized drilling location | |
BuÈcker et al. | Analysis of downhole logging data from CRP-2/2A, Victoria Land Basin, Antarctica: a multivariate statistical approach | |
Hietala et al. | Integrated Rock-Log Calibration in the Elmworth Field-Alberta, Canada: Well Log Analysis Methods and Techniques: Part II | |
Asgari Nezhad et al. | Facies Quality Zoning in Shale Gas by Deep Learning Method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |