CN105093348B - 一种多层油气资源量预测方法 - Google Patents
一种多层油气资源量预测方法 Download PDFInfo
- Publication number
- CN105093348B CN105093348B CN201410172374.1A CN201410172374A CN105093348B CN 105093348 B CN105093348 B CN 105093348B CN 201410172374 A CN201410172374 A CN 201410172374A CN 105093348 B CN105093348 B CN 105093348B
- Authority
- CN
- China
- Prior art keywords
- oil
- gas accumulation
- probability
- accumulation unit
- condition
- 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.)
- Active
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种多层油气资源量预测方法。该方法在预测包含多个油气聚集单元的勘探目标的油气资源量时,不仅考虑了各油气聚集单元的含油气概率,而且还考虑了各油气聚集单元之间不同地质场景,包括各油气聚集单元成藏条件的依赖关系、上下叠置层关系、计算参数的关联性以及断层的封堵性等。在此基础上进行多次模拟,每一次模拟中,选择油气聚集单元特定的组合形式,根据地质场景合理量化油气聚集单元的计算参数,基于量化后的计算参数模拟计算每一个油气聚集单元的资源量,然后将各油气聚集单元的资源量累加以作为最终的多层油气资源量计算结果。由此获得的多层油气资源量概率分布情况更加符合勘探目标的实际地质情况。
Description
技术领域
本发明涉及油气田勘探开发阶段的油气资源量预测技术,尤其是涉及一种针对含有多个油气聚集单元的勘探目标的多层油气资源量预测方法。
背景技术
在现有的油气资源评价方法中,体积法(也称容积法)是经常使用的一种可信度较高的定量评价方法。该方法的计算方程在地质储量研究中应用最为广泛,计算结果经常用作勘探部署和制定长远规划的重要依据。通常,体积法需要借助含油气面积、含油气储层有效厚度、储集层孔隙度、含油气饱和度、地面原油密度等关键储层参数计算含油气储层中的油气资源量。地下储集岩石具有一定的孔隙空间,油气资源正是因为充注于这些储集空间而得以储存在储集岩层中。油气本身具有一定的体积,有油气聚集的储集岩中的部分储集空间会被其占用。储集岩含油气体积是指具有工业性开采价值的含油气储集岩总体积,通常定义为含油气面积与油气层有效厚度的乘积;而油气体积是指在地层条件下含油气储集岩中油气所占据的孔隙体积。因此通过计算被油气占用的储集岩石空间的体积可以获得油气资源的体积,在经过地下、地面油气参数的矫正,就能够估算出勘探目标的油气资源量。
目前,现有的体积法大致分为确定性方法和简单蒙特卡洛法两种,通过以下方式模拟计算含有多个油气聚集单元的勘探目标的油气资源量:
1、确定性方法:该方法采用各体积参数的平均值作为计算参数来计算单个油气聚集单元的资源量,然后将各油气聚集单元的资源量进行简单相加作为多个油气聚集单元油气资源量的总和。使用该方法的前提条件是各体积参数的值是确定的。由于该方法未考虑各参数值的分布范围对取值的影响,也未考虑各油气聚集单元含油气的概率,因此最终的计算结果与实际情况有较大的偏差。
2、简单蒙特卡洛法:该方法采用各参数的分布值进行多次模拟来计算单个油气聚集单元的资源量,得到的油气资源量具有一系列值,并且符合某种数学分布。然后将各油气聚集单元的资源量的均值进行简单相加作为多个油气聚集单元油气资源量的总和。由于该方法在计算多个含油气单元资源量时未考虑由于地质模型形成所导致的各油气聚集单元之间的相关性,也未考虑各油气聚集单元的含油气概率,因此最终的计算结果与实际情况也有一定的偏差。
显而易见地,在采用上述体积法计算地质储量时,计算结果的可信度取决于含油气面积、油层有效厚度、孔隙度、饱和度、原始原油体积系数等计算参数取值的合理性。但是实际上,目前在应用上述体积法时很少考虑不同地质模型约束条件对上述计算参数取值的影响,而且对于含有多个油气聚集单元的勘探目标,即使考虑了各油气聚集单元的含油气概率,也未考虑地质模型形成所导致的各油气聚集单元之间的相关性,因此导致计算结果与实际情况存在一定的偏差,很大程度上与实际地质情况并不吻合,进而对后续勘探开发决策不可避免造成“高估”的副作用。
发明内容
针对上述问题,本发明提出一种可靠度高的多层油气资源量预测方法。
该预测方法包括以下步骤:
S100、将勘探目标剖分成多个油气聚集单元;
S200、根据成藏条件的概率计算各油气聚集单元的含油气概率;
S300、多次模拟,以获得在不同地质场景下的多层油气资源量的概率分布;其中,每一次模拟包括以下步骤:
S310、根据各油气聚集单元的含油气概率以及成藏条件的性质计算油气聚集单元的组合概率,所述组合概率是指多个油气聚集单元中至少一个油气聚集单元含油气的概率;
S320、根据成藏条件的依赖关系判断与组合概率对应的油气聚集单元的组合形式;
S330、根据油气聚集单元的组合形式设置不同地质场景约束条件,并根据地质场景约束条件量化各油气聚集单元的计算参数;
S340、基于量化的计算参数计算在所述组合形式下每一个油气聚集单元的资源量,并将各油气聚集单元的资源量累加作为多层油气资源量的计算结果。
根据本发明的实施例,所述成藏条件包括圈闭条件、储层条件、充注条件和保存条件。
所述单个油气聚集单元的含油气概率Pg为:
Pg=P圈闭×P充注×P储层×P保存
上式中,P圈闭是圈闭条件概率,P充注是充注条件概率,P储层是储层条件概率,P保存是保存条件概率。
根据本发明的实施例,所述步骤S310可以进一步包括:
S311、判断成藏条件的性质是属于全局成藏条件还是属于要局部成藏条件;S312、按照下式计算组合概率P含油气:
上式中,P边际概率表示边际概率,是全局成藏条件的概率的乘积;P第i个条件概率表示第i个油气聚集单元的条件概率,是第i个油气聚集单元的局部成藏条件的概率的乘积;n表示油气聚集单元的个数;Pgmax表示多个油气聚集单元中的最大含油气概率。
根据本发明的实施例,所述步骤S320中,成藏条件的依赖关系包括:
完全独立关系,各油气聚集单元的油气成藏条件之间没有任何关联;
部分依赖关系,各油气聚集单元具有至少一个相同的成藏条件;
完全依赖关系,各油气聚集单元具有相同的成藏条件。
根据本发明的实施例,所述步骤S330中,对各油气聚集单元的计算参数进行以下至少一项量化处理:
储层上、下叠置关系的量化处理;
计算参数之间相关性的量化处理;
断层封堵性的量化处理。
具体地,所述计算参数之间的相关性包括同一油气聚集单元的不同计算参数之间的相关性,以及不同油气聚集单元的相同计算参数之间的相关性。
且在所述计算参数之间的相关性的量化处理过程中,首先通过建立回归线限定计算参数的取值范围,然后再根据实际地质情况进行有效取舍。
根据本发明的实施例,所述步骤S340中,利用不确定体积法计算每一个油气聚集单元的资源量。
此外,根据本发明的实施例,该预测方法还可以进一步包括以下步骤:
S400、根据每一次模拟过程中的各油气聚集单元资源量的计算结果,以及相应的组合形式和组合概率,绘制展示多层油气资源量概率分布情况的分位图。
与现有技术相比,本发明提出的多层油气资源量预测方法,在计算包含多个油气聚集单元的勘探目标的资源量时,不仅考虑了各油气聚集单元的含油气概率,而且还充分考虑了不同的地质场景下各油气聚集单元成藏条件之间的依赖性,例如圈闭条件、储层条件、充注条件和保存条件等四个成藏条件的依赖性,以及储层上下叠置关系,计算参数的相关性和断层的封堵性对计算资源量的影响,从而将油气资源量与地质风险有效地结合在一起,提高了计算结果的合理性。并且进一步地,在此基础上通过蒙特卡洛法进行多次模拟,使获得的模拟结果多层油气资源量概率分布情况更加符合勘探目标的实际地质情况。本发明尤其适用于预测包含多个油气聚集单元的勘探目标的油气资源量,在勘探阶段的圈闭评价和圈闭优选中具有广泛的应用前景。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明提出的多层油气资源量预测方法的具体实施流程图;
图2a是某勘探目标剖分前油气聚集单元地质模型示意图;
图2b是某勘探目标剖分后油气聚集单元地质模型示意图;
图3是一种典型的三种边际概率取值情况的地质模型示意图;
图4a是上下连续叠置且油水界面一定而储层界面变化的两个储层的地质模型示意图;
图4b是上下连续叠置且储层界面一定而油水界面变化的两个储层的地质模型示意图;
图5是本发明实施例中计算单个油气聚集单元的资源量时涉及的计算参数以及最终的计算结果的分布示意图;
图6a是本发明实施例中通过建立回归线限定计算参数的取值范围的示意图;
图6b是本发明实施例中基于图6a所示的经过回归处理后的计算参数而获得的模拟结果的示意图;
图7a是封堵性较好的断层形成独立的油气藏单元的地质模型示意图;
图7b是封堵性较差的断层形成连通的油气藏单元的地质模型示意图;
图8是本发明另一实施例的位于苏北盆地高邮凹陷永安南的某三级圈闭的地质模型示意图;
图9a是图8所示的实施例基于完全依赖关系获得的多层油气资源量概率分布情况的分位图;
图9b是图8所示的实施例基于部分依赖关系获得的多层油气资源量概率分布情况的分位图;
图9c是图8所示的实施例基于完全独立关系获得的多层油气资源量概率分布情况的分位图。
具体实施方式
如图1所示,是本发明多层油气资源量预测方法的一个实施例的流程图。在此实施例中,该方法可以细分为以下几个步骤:
S100、将勘探目标剖分成多个油气聚集单元。
如图2a和图2b所示,是某勘探目标剖分前与剖分后油气聚集单元地质模型示意图。图2a是没有进行剖分的勘探目标,其包括油藏和气顶气藏;图2b是通过进一步地质认识后,结合断层与储层条件剖分成四个油气聚集单元的勘探目标。
S200、根据成藏条件的概率计算各油气聚集单元的含油气概率。
选择合适的评价参数模板来计算每一个油气聚集单元的含油气概率。在本实施例中,评价参数主要考虑圈闭条件、充注条件、储层条件和保存条件等四个成藏条件,当然也可以不限于此。在基于地质认识成果确定这四个成藏条件的概率后,通过下式可以获得单个油气聚集单元的含油气概率Pg:
Pg=P圈闭×P充注×P储层×P保存
上式中,P圈闭是圈闭条件概率,P充注是充注条件概率,P储层是储层条件概率,P保存是保存条件概率。
所有油气聚集单元中,含油气概率最大的油气聚集单元的含油气概率称为最大含油气概率Pgmax。
S300、进行多次模拟,以获得在不同地质场景下的多层油气资源量的概率分布。其中,每一次模拟包括步骤S310~S340:
S310、计算油气聚集单元的组合概率,其进一步包括步骤S311和S312:
S311、根据各油气聚集单元之间的关系识别成藏条件的性质,即判断成藏条件是属于全局成藏条件还是属于局部成藏条件。其中,全局成藏条件,也称共性成藏条件,对各油气聚集单元成藏具有相同或相似的控制作用;局部成藏条件,也称独立成藏条件,仅对某个油气聚集单元的成藏具有控制作用。
S312、基于最大含油气概率Pgmax以及全局成藏条件和局部成藏条件的概率,通过下式计算勘探目标多个含油气聚集单元中至少一个油气聚集单元发现油气的概率,该概率也即组合概率P含油气:
上式中,P群风险表示由于全局成藏条件好坏而造成的所有层圈闭都不含有油气的概率;P所有个体风险表示由于局部成藏条件好坏而造成的单个层圈闭不含有油气的概率;P边际概率表示边际概率,是全局成藏条件的概率的乘积;P第i个条件概率表示第i个油气聚集单元的条件概率,是第i个油气聚集单元的局部成藏条件的概率的乘积;n表示油气聚集单元的个数。
S320、根据成藏条件的依赖关系判断与组合概率对应的油气聚集单元的组合形式。
首先根据边际概率的大小判断各油气聚集单元之间的成藏条件的依赖关系,具体内容如下:
1)完全独立关系:如果边际概率值为1,则表示各油气聚集单元的油气成藏条件之间没有任何关联,各油气聚集单元的含油气性完全独立。即,每一个油气聚集单元均可以单独含有油气,也可以和其他油气聚集单元同时含有油气。
2)部分依赖关系:如果边际概率值介于最大含油气概率与1之间,则表示各油气聚集单元具有至少一个相同的成藏条件,最大含油气概率的油气聚集单元对其它的油气聚集单元具有部分决定作用。即,如果最大含油气概率的油气聚集单元不含有油气,那么其它的油气聚集单元的含油气概率就会降低。
3)完全依赖关系:如果边际概率值等于最大含油气概率,则表示各油气聚集单元具有相同的成藏条件,最大含油气概率的油气聚集单元对其它的油气聚集单元具有完全决定作用。即,如果最大含油气概率的油气聚集单元不含有油气,那么其它的油气聚集单元肯定不会含有油气。
然后根据上述三种关系,进一步确定在一定组合概率下的油气聚集单元的组合形式。
如图3所示,是一种典型的三种边际概率取值情况的地质模型示意图。该图以分析三角洲不同沉积亚环境间的成藏条件依赖关系为例,假定油气聚集单元A的含油气概率为0.3,油气聚集单元B的含油气概率为0.2,且A和B显然经历了相同的储层沉积条件,那么A和B之间可能存在不同性质的成藏条件依赖关系,其具体地可以分为以下三种情况:
①边际概率值是1,表示A和B之间的油气成藏条件之间没有任何关系,意味着A和B的含油气性完全独立。因此在模拟过程中,根据A和B自身的概率值来取样。
②边际概率值介于0.3(含油气概率的最大值)和1.0之间,表示A和B具有部分类似或相同的成藏条件,意味着A部分决定B的含油气性。因此在模拟过程中,在A没有被取到的情况下,B被取到的概率很低。
③边际概率值等于0.3(含油气概率最大值),表示A和B具有明确的相同的成藏条件,意味着A是否含有油气直接决定了B是否含有油气。因此在模拟过程中,除非A被取到,否则B不可能单独被取到。
S330、根据油气聚集单元的组合形式,识别、设置不同地质场景约束条件,并根据地质场景约束条件合理量化各油气聚集单元的计算参数。
根据不同地质场景设置同一油气聚集单元或者不同油气聚集单元之间的地质约束条件,用于合理量化计算过程中相关计算参数的取值。在本实施例中,各种地质场景约束条件的量化处理主要考虑以下三个方面:
1)储层上、下叠置关系的量化处理
如果厚度一定的储层中存在两个(或两个以上)储层物性(例如孔隙度)有差别的连续叠加层,那么这两个(或两个以上)叠加层的体积及其参数就具有相关性。以图4所示的上下连续叠置、物性不同的两个储层为例,当油水界面一定而储层界面存在变化时(如图4a所示),又或者当储层界面一定而油水界面存在变化时(如图4b所示),对整个储集体的有效储集空间都有较大的影响。这种相关性可以具体分为以下三种情况:
①当上层油气聚集单元的底界面等同于下层油气聚集单元的顶界面时,上层厚度的不确定性会对下层厚度的变化产生直接影响。也就是说,在纵向上垂直叠置的几个油气聚集单元,当其中某一单元的储层厚度发生变化时,在总厚度保持不变的原则下,计算其它油气聚集单元的储层厚度。
②上下储层共享同一的油水界面、溢出点、盖层等地质条件,如果其油水界面发生变化,意味着第一种情况中的总厚度发生了变化,这会对连续叠加层的含油气体积产生影响。
③是上述②的特殊场景,共享同一油水界面的层间上、下叠置的两个或多个油气聚集单元,如果油气溢出点在上层的顶界面,那么不管其它的体积参数是多少,下层储层的含油气体积都为0。
2)计算参数相关性的量化处理
在油气资源评价中,地质统计变量之间的相关性反映了地质总体的共同特征,是一个非常重要的参考因素。如果考虑不周,油藏规模分布的均值和方差会被高估或低估。在本发明中,不仅要考虑同一油气聚集单元的不同计算参数之间的相关性,而且还要考虑不同油气聚集单元的相同计算参数之间的相关性。
在本实施例中,在采用不确定性体积法计算某个油气聚集单元的资源量时,每个计算参数都会反映油气资源富集的某些信息,并且这些信息之间存在一定的相关性。同时,在计算勘探目标内多个油气聚集单元的资源量时,还要考虑一个油气聚集单元与其它不同油气聚集单元的相同计算参数之间的相关性,以判断随机取样是否符合地质场景约束条件。总而言之,不管是计算单个油气聚集单元的资源量,还是计算勘探目标内多个油气聚集单元的资源量,都需要根据实际地质情况对参数的随机取值进行有效取舍,使得最终的模拟结果趋于合理。
如图5所示,是本实施例中优选不确定性体积法计算单个油气聚集单元的资源量时涉及的计算参数以及最终的计算结果的分布示意图。其中,上一排是计算参数,包括岩石体积、净毛比、孔隙度、饱和度、体积系数和采收率,各计算参数均以不同的分布进行取值;下一排是基于这些计算参数得到的计算结果,该计算结果以概率分布的形式表示。
此外,如图6a所示,当同一油气聚集单元的不同计算参数或者不同油气聚集单元的相同计算参数之间具有相关性时,可以通过建立回归线限定计算参数的取值范围,从而忽略异常值的干扰。如图6b所示,经过回归处理后的计算参数能够更好地反映彼此之间的相关性,再在此基础上根据实际地质情况进行有效取舍后,那么最终获得的模拟结果会更加合理。
3)断层封堵性的量化处理
众所周知,断层的封堵性会对油气成藏产生显著的影响。如图7a所示,当断层封堵性较好时,断层上升盘和断层下降盘各自形成独立的油气藏单元,具有不同的油水界面和油气柱高度,彼此不会相互影响。此时两个油气聚集单元是相对独立的,计算参数能够分别考虑。如图7b所示,当断层封堵性较差时,油气会通过断层渗漏,断层上下盘形成连通的油气藏,具有同一的油水界面,属于同一个油气藏。此时需要对二者的厚度进行适当地修改。因此在计算勘探目标的油气资源量时,需要根据地质实际考虑断层是否具有封堵性,并通过参数设置影响计算结果,提高计算结果的准确性。
S340、基于量化的计算参数,计算在一定组合形式下的每一油气聚集单元的资源量,并将各油气聚集单元的资源量累加作为勘探目标的多层油气资源量的计算结果。
通过反复执行上述步骤S310~S340,完成多次模拟,可以获得在一定地质场景下不同组合概率、组合形式下的多层资源量计算结果。
在本实施例中,优选利用蒙特卡洛法进行上千次模拟。每一次模拟过程中,选择油气聚集单元一种特定的组合形式,根据地质场景合理量化各油气聚集单元的计算参数,基于量化后的计算参数模拟计算每一个油气聚集单元的资源量,最后将各油气聚集单元的资源量累加以作为最终的模拟结果,也即勘探目标的多层资源量计算结果。
进一步地,本发明还可以包括以下步骤:
S400、记录每一次模拟过程中的各油气聚集单元资源量的计算结果,以及相应的组合形式和组合概率,对上千次模拟的计算结果进行排序(例如按照从大到小的顺序),绘制出展示多层油气资源量概率分布情况的分位图。该分位图一方面能够直观地体现勘探目标的多层资源量计算结果的不确定性,另一方面能够直观地反映特定的多层资源量计算结果具体来自哪些的油气聚集单元。
在本实施例中,优选地,上述分位图的横坐标可以设置为勘探目标的油气(可采)资源量(也即多层资源量计算结果),纵坐标可以设置为组合概率,用平行于横坐标的线段长短表示某组合概率下油气聚集单元资源量的大小。此外,图件下方还可以同时用表格形式列出关键概率数值下的资源量数值,以便更加直观。
下面以图8所示的位于苏北盆地高邮凹陷永安南的某三级圈闭为例,进一步地说明本发明的技术方案及其所获得的技术效果。从图8中可知,该三级圈闭主要目的层为古近系戴南组,纵向上包含有三个次级油气聚集单元,自下而上依次为戴一段(Ed11、Ed12)、戴二段(Ed21)。这三个次级油气聚集单元具有不同的油水界面和压力系统。其中,Ed21为主要目标,含油气概率为45.4%;Ed11和Ed12为兼探层位,含油气概率分别为39.7%、40.3%(参见表1)。
表1各油气聚集单元的含油气概率计算结果
Ed21、Ed11和Ed12这三个油气聚集单元根据成藏条件的性质,可能存在以下三种成藏条件依赖关系:
1)Ed11、Ed12成藏的圈闭条件、充注条件、储层条件和保存条件均与Ed21有关联,也即Ed11、Ed12的成藏条件完全依赖于Ed21。在这种情况下,圈闭条件、充注条件、储层条件和保存条件均为全局成藏条件,故边际概率P边际概率为0.454,该勘探目标钻探成功(至少一层含油气)的概率P含油气为0.454。
P边际概率=P圈闭×P充注×P储层×P保存=0.90×0.84×0.75×0.80=0.454
P含油气=P边际概率×(1-(1-PEd21(条件))×(1-PEd11(条件))×(1-PEd12(条件)))=0.454×(1-(1-1)×(1-1)×(1-1))=0.454
相应地,可能的油气资源量为410.5万吨(参见图9a,以及表2的“完全依赖”项)。
2)Ed11、Ed12成藏的圈闭条件、充注条件、储层条件和保存条件四项因子中部分与Ed21有关联,也即Ed11、Ed12的成藏条件部分依赖于Ed21。此时,Ed11和Ed12是否含有油气部分取决于Ed21。换句话说,即使Ed21不含油气,Ed11和Ed12也可能含油气。在这种情况下,圈闭条件、充注条件和保存条件为全局成藏条件,而储层条件为局部成藏条件,故P边际概率为0.567,该勘探目标钻探成功(至少一层含油气)的概率P含油气为0.561。
P边际概率=P圈闭×P充注×P储层=0.90×0.84×0.75=0.567
P含油气=P边际概率×(1-(1-PEd21(条件))×(1-PEd11(条件))×(1-PEd12(条件)))=0.567×(1-(1-0.8)×(1-0.75)×(1-0.79))=0.561
相应地,可能的油气资源量为331.5万吨(参见图9b,以及表2的“部分依赖”项)。
3)Ed11、Ed12成藏的圈闭条件、充注条件、储层条件和保存条件四项因子均与Ed21没有关联,也即Ed11、Ed12的成藏条件完全独立于Ed21。此时,Ed11和Ed12是否含有油气与Ed21无关。换句话说,无论Ed21含不含油气,Ed11和Ed12都有可能各自含油气。在这种情况下,圈闭条件、充注条件、储层条件和保存条件均为局部成藏条件。故边际概率P边际概率为1.0,该勘探目标钻探成功(至少一层含油气)的概率P含油气为0.804。
P边际概率=1.0
P含油气=P边际概率×(1-(1-PEd21(条件))×(1-PEd11(条件))×(1-PEd12(条件)))=1.0×(1-(1-0.454)×(1-0.397)×(1-0.403))=0.804
相应地,可能的油气资源量为210.4万吨(参见图9c,以及表2的“完全独立”项)。
表2不同地质场景下的多层资源量计算结果
实际上,根据对该勘探目标区域地质的研究认识,这三个层圈闭的成藏条件既有相互依赖性,又有独立性:从圈闭条件方面分析,受局部断裂构造和三角洲沉积环境的影响,三个层圈闭都属于构造-岩性组合圈闭;从储层条件方面分析,虽然Ed21、Ed11和Ed12均为三角洲沉积,但是从Ed12到Ed21,该沉积区域经历了多次沉积旋回,无论是储层物性还是储层厚度都有较大的差异;从充注方面分析,该圈闭位于永安南缓坡带,油气主要来自下伏阜四段烃源岩,由断裂系统作为主要运移通道;另外,三个次级圈闭的保存条件也具有相似性。综上所述,该评价单元中Ed21、Ed11和Ed12三个层圈闭成藏条件中的圈闭条件、油气充注条件和保存条件具有共性(即彼此依赖),属于全局成藏条件,储层条件则具有独立性,属于局部成藏条件,故可以初步判断基于部分依赖关系得出的多层油气资源量的概率分布更加符合实际地质情况。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种多层油气资源量预测方法,包括以下步骤:
S100、将勘探目标剖分成多个油气聚集单元;
S200、根据成藏条件的概率计算各油气聚集单元的含油气概率;
S300、多次模拟,以获得在不同地质场景下的多层油气资源量的概率分布;其中,每一次模拟包括以下步骤:
S310、根据各油气聚集单元的含油气概率以及成藏条件的性质计算油气聚集单元的组合概率,所述组合概率是指多个油气聚集单元中至少一个油气聚集单元含油气的概率;
S320、根据成藏条件的依赖关系判断与组合概率对应的油气聚集单元的组合形式;
S330、根据油气聚集单元的组合形式设置不同地质场景约束条件,并根据地质场景约束条件量化各油气聚集单元的计算参数;
S340、基于量化的计算参数计算在所述组合形式下每一个油气聚集单元的资源量,并将各油气聚集单元的资源量累加作为多层油气资源量的计算结果。
2.如权利要求1所述的多层油气资源量预测方法,其特征在于,所述成藏条件包括圈闭条件、储层条件、充注条件和保存条件。
3.如权利要求2所述的多层油气资源量预测方法,其特征在于,所述单个油气聚集单元的含油气概率Pg为:
Pg=P圈闭×P充注×P储层×P保存
上式中,P圈闭是圈闭条件概率,P充注是充注条件概率,P储层是储层条件概率,P保存是保存条件概率。
4.如权利要求1所述的多层油气资源量预测方法,其特征在于,所述步骤S310进一步包括:
S311、判断成藏条件的性质是属于全局成藏条件还是属于局部成藏条件;
S312、按照下式计算组合概率P含油气:
上式中,P边际概率表示边际概率,是全局成藏条件的概率的乘积;P第i个条件概率表示第i个油气聚集单元的条件概率,是第i个油气聚集单元的局部成藏条件的概率的乘积;n表示油气聚集单元的个数;Pgmax表示多个油气聚集单元中的最大含油气概率。
5.如权利要求1所述的多层油气资源量预测方法,其特征在于,所述步骤S320中,成藏条件的依赖关系包括:
完全独立关系,各油气聚集单元的油气成藏条件之间没有任何关联;
部分依赖关系,各油气聚集单元具有至少一个相同的成藏条件;
完全依赖关系,各油气聚集单元具有相同的成藏条件。
6.如权利要求1所述的多层油气资源量预测方法,其特征在于,所述步骤S330中,对各油气聚集单元的计算参数进行以下至少一项量化处理:
储层上、下叠置关系的量化处理;
计算参数之间相关性的量化处理;
断层封堵性的量化处理。
7.如权利要求6所述的多层油气资源量预测方法,其特征在于,所述计算参数之间的相关性包括同一油气聚集单元的不同计算参数之间的相关性,以及不同油气聚集单元的相同计算参数之间的相关性。
8.如权利要求6或7所述的多层油气资源量预测方法,其特征在于,在所述计算参数之间的相关性的量化处理过程中,首先通过建立回归线限定计算参数的取值范围,然后再根据实际地质情况进行有效取舍;
其中,对落入回归线限定的计算参数的取值范围内的计算参数进行取,对未落入回归线限定的计算参数的取值范围内的计算参数进行舍。
9.如权利要求1所述的多层油气资源量预测方法,其特征在于,所述步骤S340中,利用不确定体积法计算每一个油气聚集单元的资源量。
10.如权利要求1所述的多层油气资源量预测方法,其特征在于,进一步包括以下步骤:
S400、根据每一次模拟过程中的各油气聚集单元资源量的计算结果,以及相应的组合形式和组合概率,绘制展示多层油气资源量概率分布情况的分位图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410172374.1A CN105093348B (zh) | 2014-04-25 | 2014-04-25 | 一种多层油气资源量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410172374.1A CN105093348B (zh) | 2014-04-25 | 2014-04-25 | 一种多层油气资源量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105093348A CN105093348A (zh) | 2015-11-25 |
CN105093348B true CN105093348B (zh) | 2017-08-04 |
Family
ID=54574201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410172374.1A Active CN105093348B (zh) | 2014-04-25 | 2014-04-25 | 一种多层油气资源量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105093348B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107015289B (zh) * | 2016-01-28 | 2019-05-07 | 中国石油化工股份有限公司 | 圈闭地质资源量确定方法及装置 |
CN107038327B (zh) * | 2016-02-02 | 2020-05-22 | 中国石油化工股份有限公司 | 多目的层圈闭地质资源量确定方法及装置 |
CN107085650B (zh) * | 2016-02-15 | 2021-04-09 | 中国石油化工股份有限公司 | 三维地震项目评价方法及装置 |
CN107180293B (zh) * | 2016-03-11 | 2020-07-28 | 中国石油化工股份有限公司 | 一种面向勘探目标的地质评价水平测定方法 |
CN107292411B (zh) * | 2016-03-31 | 2020-11-13 | 中国石油化工股份有限公司 | 成藏组合技术可采储量规模预测方法及装置 |
CN107589466B (zh) * | 2016-07-06 | 2019-04-02 | 中国石油化工股份有限公司 | 一种用于评价待发现资源量空间分布特征的方法 |
CN106896419B (zh) * | 2017-03-28 | 2018-09-04 | 中国石油天然气股份有限公司 | 一种确定油气资源量的方法及装置 |
CN108756857B (zh) * | 2018-05-18 | 2021-08-27 | 中国海洋石油集团有限公司 | 一种油砂成藏时期顶气分布预测方法 |
CN110426734B (zh) * | 2019-06-20 | 2021-04-30 | 中国石油天然气股份有限公司 | 一种断陷盆地岩性油气藏的勘探方法、设备及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1988010437A1 (en) * | 1987-06-25 | 1988-12-29 | Luminis Pty. Ltd. | Thermoluminescent method of locating oil and gas reservoirs |
WO2004104639A1 (en) * | 2003-05-16 | 2004-12-02 | Leroy Ellis | Mud gas isotope logging interpretive method in oil and gas drilling operations |
CN1749780A (zh) * | 2005-09-21 | 2006-03-22 | 大庆油田有限责任公司 | 油气藏三元分类方法 |
CN101726761A (zh) * | 2008-10-15 | 2010-06-09 | 中国石油天然气股份有限公司 | 一种风险约束的油气资源空间分布预测方法 |
CN103278866A (zh) * | 2013-06-07 | 2013-09-04 | 中国石油大学(华东) | 一种泥页岩层系内页岩油资源潜力评价方法 |
CN103714390A (zh) * | 2012-09-28 | 2014-04-09 | 中国石油化工股份有限公司 | 一种油气圈闭组合勘探优化方法 |
-
2014
- 2014-04-25 CN CN201410172374.1A patent/CN105093348B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1988010437A1 (en) * | 1987-06-25 | 1988-12-29 | Luminis Pty. Ltd. | Thermoluminescent method of locating oil and gas reservoirs |
WO2004104639A1 (en) * | 2003-05-16 | 2004-12-02 | Leroy Ellis | Mud gas isotope logging interpretive method in oil and gas drilling operations |
CN1749780A (zh) * | 2005-09-21 | 2006-03-22 | 大庆油田有限责任公司 | 油气藏三元分类方法 |
CN101726761A (zh) * | 2008-10-15 | 2010-06-09 | 中国石油天然气股份有限公司 | 一种风险约束的油气资源空间分布预测方法 |
CN103714390A (zh) * | 2012-09-28 | 2014-04-09 | 中国石油化工股份有限公司 | 一种油气圈闭组合勘探优化方法 |
CN103278866A (zh) * | 2013-06-07 | 2013-09-04 | 中国石油大学(华东) | 一种泥页岩层系内页岩油资源潜力评价方法 |
Non-Patent Citations (2)
Title |
---|
圈闭/区带的地质风险分析;吕鸣岗等;《石油学报》;19970430;第18卷(第2期);第49-53页 * |
成藏体系油气资源评价中的统计方法体系;盛秀杰等;《石油与天然气地质》;20131231;第34卷(第6期);第827-833、854页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105093348A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105093348B (zh) | 一种多层油气资源量预测方法 | |
CA2577845C (en) | Method for creating facies probability cubes based upon geologic interpretation | |
US8793111B2 (en) | Automated field development planning | |
Milkov | Risk tables for less biased and more consistent estimation of probability of geological success (PoS) for segments with conventional oil and gas prospective resources | |
CN106707340A (zh) | 一种火山岩岩相的预测方法 | |
Mohaghegh et al. | Modeling, history matching, forecasting and analysis of shale reservoirs performance using artificial intelligence | |
CA2577706A1 (en) | Method for making a reservoir facies model | |
Best et al. | Quantifying the potential effects of high-volume water extractions on water resources during natural gas development: Marcellus Shale, NY | |
CN106353820A (zh) | 一种基于知识模型的测井解释方法 | |
CN103075142A (zh) | 一种注水开发油田堵水油井选井方法 | |
Jones* et al. | Assessment of yet-to-find-oil in the Pre-Salt area of Brazil | |
CN107016205A (zh) | 一种地下水数值模拟的多模型构建方法 | |
Gad et al. | Optimal management for groundwater of Nubian aquifer in El Dakhla depression, Western Desert, Egypt | |
Ikpeka et al. | Application of machine learning models in predicting initial gas production rate from tight gas reservoirs | |
Al-Khazraji et al. | Development of heterogeneous immature Brownfield with Waterdrive using dynamic opportunity index: a case study from Iraqi oilfields | |
Godif et al. | Delineation of groundwater potential zones using remotely sensed data and GIS-based analytical hierarchy process: Insights from the Geba river basin in Tigray, Northern Ethiopia | |
Singh et al. | Optimal Subsurface Appraisal: A Key Link to the Success of Development Projects-Few Examples | |
EP3186665B1 (en) | Method of characterising a subsurface volume | |
CN104933282B (zh) | 多层圈闭含油气概率的获取方法和系统 | |
Becerra et al. | Petroleum reservoir uncertainty mitigation through the integration with production history matching | |
Astratti et al. | Seismic to simulation fracture characterization of a Green carbonate reservoir in presence of large uncertainties | |
Johnson | Mapping the likelihood of flowing artesian conditions in the Okanagan basin and Lower Fraser Valley, British Columbia | |
Saduakassov et al. | Integrated carbonate clinoform characterization through assisted history matching of wireline formation pressure data, Karachaganak Field, Kazakhstan | |
Botechia et al. | Estimating the chance of success of information acquisition for the Norne benchmark case | |
Cross et al. | When the music stops: Quantifying inventory exhaustion in the Midland Basin with machine learning |
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 |