CN105158816B - 预测页岩不同类型吸附气非均质性分布的方法 - Google Patents

Abstract

本发明属于非常规油气勘探开发领域，具体地，预测页岩不同类型吸附气非均质性分布的方法。该方法包括以下步骤：步骤一、建立页岩气吸附气含量的概念模型和综合预测数学模型；步骤二、建立基于测井信息预测有机质含量的高精度数学模型；步骤三、建立基于测井信息预测不同矿物含量的高精度数学模型；步骤四、计算页岩吸附气量，评价页岩吸附气分布的非均质性。本发明建立了不同形式的概念模型，将页岩吸附气分为有机质吸附气、粘土矿物吸附气、石英吸附气、其他碎屑岩矿物吸附气、碳酸盐矿物吸附气和其他盐类矿物吸附气，并建立了方法模型，可计算出这些各种形式的吸附气含量。

Description

预测页岩不同类型吸附气非均质性分布的方法

技术领域

本发明属于非常规油气勘探开发领域，具体地，涉及一种页岩气预测模型和方法，用于预测页岩中不同类型吸附气的非均质性分布。

背景技术

页岩气是指储集在富含有机质的细粒碎屑岩中的天然气，一部分以游离态存在于孔隙和裂缝中，一部分吸附于有机质和矿物表面，可以是生物成因、热解成因或混合成因，在一定地质条件下聚集成藏并达到经济开采价值。页岩吸附气是页岩气中的重要形式和组成部分,是由页岩中的有机和无机矿物表面吸附所致，这里首次将它分为有机质吸附气、粘土矿物吸附气、石英吸附气、其他碎屑岩矿物吸附气、碳酸盐矿物吸附气和其他盐类矿物吸附气。如何高精度地预测这些不同类型的吸附气在大套页岩中的非均质性分布,对科学和准确地预测页岩气资源有着重要的意义。

由于不断攀升的能源需求和日益增大的能源压力，让页岩油气这一非常规能源受到越来越多的重视。美国对页岩气的勘探开发走在世界的前列，是目前页岩气大规模商业开发取得成功的唯一国家。1976年，美国能源部开始关注东部页岩气，就Antrim页岩、Ohio页岩、New Albany页岩、Barnett页岩和Lewis页岩等五大页岩气系统开展了针对页岩气地质、地球化学和石油工程的研究(Curtis,2002)。加拿大紧随其后，近年来也开展了页岩气的勘探及实验研究，对泥盆系、石炭系和侏罗系页岩气的勘探潜力进行了评估(RossD&Bustin,2007,2008)。我国近些年也加大了对四川、鄂尔多斯等西部盆地页岩气的勘探和研究工作，取得了一些可喜的成绩。这些西部盆地古生代海相地层分布范围广、地层厚度大、有机质含量普遍较高，可作为区域上页岩气勘探研究的重要层系，富集层位主体存在于中—古生界中。相对而言，东部地区的新生界发育了大套湖相页岩，也是一个不可忽视的重要领域。

已有的相关研究主要涉及到页岩气的赋存形式及影响因素、不同盆地页岩气的成藏条件和机理等。研究认为，虽然页岩气的赋存形式具有多样性，如游离态(游离形式存在于岩石空隙中)、吸附态(吸附于有机质、粘土矿物与干酪根颗粒以及孔隙表面之上)、溶解态(少量溶解于干酪根、沥青质、残留水以及液态原油中)，但目前发现的页岩气多以吸附态为主，吸附性是页岩气的重要性质(李新景等，2007；张金川等，2008；聂海宽等，2009)，典型的实例是美国FortWorth盆地密西西比亚系Barnett组页岩的吸附态页岩气就占原始页岩气总量的40％～60％(Mavor,2003；Bowker,2003；聂海宽等，2009)。吸附作用是页岩气聚集的基本方式之一,吸附状天然气的赋存与游离状天然气含量之间呈彼此消长关系，一般前者天然气的含量变化在20％～85％之间(Curtis,2002；Montgomery et al.,2005)。

基于吸附性对于页岩气的重要性，许多研究人员研究了影响页岩气吸附作用的地质因素。勘探实践和相关实验研究表明，页岩的复杂的矿物成分(Schettler&Parmoly,1990；Loucks&Ruppel,2007)能影响页岩气的赋存形式和吸附作用。富有机质页岩的孔隙结构对于吸附作用及页岩储层中储气潜力的含量来说甚为关键(Montgomery et al.,2005；Bustin,2005；Loucks&Ruppel,2007；Ross&Bustin,2007,2008)。页岩中孔隙结构分布的非均质性决定了页岩气的资源评价是复杂的，原因是孔隙结构与许多因素有关，包括有机碳含量、矿物分布、成熟度和颗粒大小(Ross，2004；Ross&Bustin,2007；Chalmers&Bustin,2007)。页岩中孔隙结构的分布与页岩中矿物组成有很大关系，因此矿物组成是页岩油气聚集的重要因素(Ross&Bustin,2009；聂海宽等，2009)。同时，页岩层中矿物的组成一方面会影响有机质的赋存形式，如粘土型页岩中有机质主要以有机粘土复合体的形式存在(蔡进功等，2004)；另一方面不同矿物的物理化学性质不同会导致对油气吸附能力的差异，因此页岩层中矿物的组分会影响页岩气的向外排出乃至页岩系统内的生排烃平衡。

粘土矿物是页岩层系中的一种主要矿物组分，如北美福特沃斯盆地Barnett页岩气产量最高的地区粘土矿物含量平均约为27％(Loucks&Ruppel,2007；Jarvie et al.,2007)，著名的Uinta盆地绿河页岩粘土矿物含量则小于10％，北海地区Heather页岩粘土矿物含量小于5％(Hunt,1996)，Willistton盆地Bakken页岩粘土矿物含量小于20％(郝芳等，2004)。中国南方中上扬子区古生界大隆组页岩中粘土矿物含量极低，分布在0.1％～8.0％，平均仅2.1％，粘土矿物主要为伊利石和伊蒙混层矿物，相对含量平均分别为56％和23％；然而同为中上扬子区古生界的龙潭组粘土矿物中粘土矿物含量变化大，最低仅0.5％，最高可达80.0％，平均为14.4％，为粘土型页岩，粘土矿物中主要为伊利石，相对含量平均约50％(付小东等，2011)；四川盆地南缘下志留统龙马溪组粘土矿物含量高，为16.8％～70.1％，平均达53.39％(陈尚斌等，2011)。以前的勘探表明，虽然海相地层中粘土矿物含量一般小于50％，但粘土矿物对页岩气的吸附有重要影响。在同等地层压力和TOC值条件下，粘土矿物含量为45％的页岩单位体积吸附气量是粘土土矿物含量为7％的页岩的近两倍(Mavor,2003)。

湖相页岩相对海相页岩而言，其中的粘土矿物更发育，含量在40％-60％左右。由于页岩气的吸附能力受粘土矿物影响大，因此粘土矿物中吸附气的含量来是预测湖相页岩中的吸附气含量的一项必要和重要内容。粘土矿物中不同成分如蒙脱石、伊/蒙混层、伊利石及绿泥石具有不同的吸附能力，建立不同粘土矿物成分的页岩气预测模型也是进一步分析和评价是页岩气赋存机制的一个必要环节。同时湖相页岩中，石英含量高，石英对吸附气的贡献也应该考虑；而在海相页岩中，碳酸盐矿物含量高，碳酸盐矿物吸附气的能力不可忽略。

对于页岩而言，存在一个普遍的非均质性特征，即页岩的矿物组成在不同的深度段会有一定的变化，这会导致吸附的页岩气含量在剖面上的非均质性分布特征。目前在页岩气勘探中，对页岩气资源量的定量评价均是采用整体评价的方法，即采用某一深度页岩气含量来代表整段页岩气的平均含量，这种评价方法忽略了页岩气的非均质性分布，缺乏科学性和准确性。在此背景上，发明一种可表征页岩不同类型吸附气非均质性分布的定量预测模型非常有必要。

授权专利(授权公告号：CN103411848B)介绍了一种页岩吸附页岩气能力评价方法。该方法的步骤为：对同一套页岩储层不同深度的若干样品分别测定有机质含量、粘土矿物含量和其它矿物含量；对上述页岩样品进行等温吸附实验，测定页岩样品在地层温度下的兰氏体积；结合上述页岩样品的有机质、粘土矿物、其它矿物含量和兰氏体积，建立方程组求解有机质、粘土矿物和其它矿物在地层温度下吸附页岩气的能力。

申请专利(申请号201410727185.6)公布了一种页岩吸附气含量预测方法和装置，通过根据在研究区采集获得的各页岩样本在不同温度T下的兰氏体积V_L，建立兰氏体积V_L、温度T和页岩样本的有机质丰度TOC之间的第一关系式，以及根据各页岩样本在不同温度T下的兰氏压力P_L，建立兰氏压力P_L的对数与温度T的倒数之间的第二关系式，进而将第一关系式和第二关系式代入兰氏方程，获得温度T、压力P、页岩样本的有机质丰度TOC与吸附气含量V的第三关系式，最后根据第三关系式，预测研究区的吸附气含量V，解决了现有技术中页岩吸附气含量预测准确度不高的技术问题。

这两种评价页岩吸附气的方法均没有涉及到矿物石英和碳酸盐矿物吸附能力的问题，没有设计和无法计算、评价这两种矿物吸附气的能力，并且这两种方法均是建立在有限样品的检测和计算上，不能获得不同类型吸附气含量在剖面上的连续型分布曲线，因而对剖面上吸附气的非均质性无法进行高精度评价，其数据均属大量样品检测或模拟实验获得，因而成本昂贵，限制了其广泛的应用性。

因此，目前现有的页岩气吸附气量预测技术多是基于有机质吸附气量的预测模型，很少量的技术考虑采用了粘土矿物预测模型，没有技术涉及到石英和碳酸盐矿物对页岩气吸附的贡献，而对于湖相页岩和海相页岩而言，分别表现为石英含量和碳酸盐含量高，石英吸附气量和碳酸盐吸附气量均是应该考虑到的内容。现有的页岩气吸附气资源评价基本是用源岩体积平均化的方法进行资源估算，或是针对单个或有限的样品进行观测计算，有限的样品不能反映真实的复杂的具有强烈非均质性的页岩实际情况，因此目前的技术方法不能有效高精度预测页岩吸附气量的分布。并且对实际样品而言，测量方法昂贵、成本高，大量取样不太现实。

发明内容

为了解决现有技术中所存在的不足，本发明提供一种预测页岩吸附气的预测模型和方法，用来预测页岩中不同类型吸附气的非均质性分布。

为实现上述目的，本发明所采用的技术方案如下：

预测页岩不同类型吸附气非均质性分布的方法，包括以下步骤：

步骤一、建立页岩吸附气含量的概念模型和综合预测数学模型

步骤二、建立基于测井信息预测有机质含量的高精度数学模型

步骤三、建立基于测井信息预测不同矿物含量的高精度数学模型

步骤四、计算页岩吸附气量，评价页岩吸附气分布的非均质性。

相对于现有技术，本发明具有以下有益效果：

1、建立了不同形式的概念模型，将页岩吸附气分为有机质吸附气、粘土矿物吸附气、石英吸附气、其他碎屑岩矿物吸附气、碳酸盐矿物吸附气和其他盐类矿物吸附气，并建立了方法模型，可计算出这些各种形式的吸附气含量；

2、可针对垂向大套页岩中的不同矿物吸附气大小同时进行计算，可评价这些吸附气在垂向上非均质性分布，精度可以达到每0.125m一个数据点；

3、通过常用声波时差曲线和电阻率曲线的平移、叠合法，结合实测TOC数据，可以建立每个区域未知的TOC预测模型方程，所建立的预测TOC模型可以直接根据声波时差和电阻率值进行计算、预测TOC，技术简便，操作可行；

4、通过用LINEST函数等数学方法进行多因素拟合，可建立基于常用测井参数电阻率和声波时差的矿物含量预测模型，可预测和评价页岩中不同矿物含量在垂向上的非均质性分布；

5、易操作可行，成本低，通过油田上常用的测井声波时差和电阻率数据以及来源于有限样品的矿物含量和吸附气量检测所获得的一些基础数据，即可实现整套模型的操作，实现页岩中吸附气资源的工业化整体评价。

附图说明

图1为矿物吸附气非均质性分布预测流程概略流程示意图；

图2为矿物吸附气非均质性分布预测流程详细流程示意图；

图3为页岩不同矿物吸附气计算概念模型；

图4为利用声波时差曲线与电阻率曲线重叠造成的△lgR与实测TOC对照(N-38井)(图中声波时差的单位为μs/ft)；

图5为△lgR与实测TOC相关性；

图6为预测的高精度TOC剖面分布图；

图7为N-38井主要矿物含量预测图；

图7A为N-38井粘土矿物含量预测图；

图7B为N-38井石英含量含量预测图；

图7C为N-38井其他碎屑岩矿物含量(除石英外)预测图；

图7D为N-38井碳酸盐矿物含量预测图；

图8为N-38井不同矿物吸附气含量分布；

图8A为N-38井粘土矿物吸附气含量分布；

图8B为N-38井有机质吸附气含量分布；

图8C为N-38井石英吸附气含量分布；

图8D为N-38井除石英外的碎屑岩矿物吸附气含量分布；

图8E为N-38井碳酸盐矿物吸附气含量分布；

图8F为N-38井总吸附气含量分布。

图中：1、G_clay，2、G_org，3、G_qua，4、G_clas，5、G_car，6、G_sal，7、粘土矿物，8、有机质，9、石英，10、其他碎屑岩矿物，11、碳酸盐矿物，12、其他盐类矿物。

具体实施方式

如图1、图2所示，预测页岩不同类型吸附气非均质性分布的方法，包括以下步骤：

步骤1、建立页岩气吸附气含量的综合预测模型，具体方法如下：

(1)、建立概念吸附气模型

根据有机质转化成烃类的不同情况，将页岩吸附气分成六种，分别定义为有机质吸附气、粘土矿物吸附气、石英吸附气、其他碎屑岩矿物吸附气、碳酸盐矿物吸附气和其他盐类矿物吸附气三部分；有机质由于具有大的比表面积，因而吸附能力强，被认为是吸附气赋存的一种重要形式；粘土矿物由伊利石、蒙脱石、伊蒙混层、高岭石和绿泥石组成，其中伊利石、蒙脱石、伊蒙混层在湖相页岩中含量高，吸附能力强，是粘土矿物中吸附气赋存的主要载体；碎屑岩矿物包括石英和其他碎屑岩矿物，盐类矿物包括碳酸盐类矿物以及其他盐类矿物。

上述六种矿物对页岩吸附气的贡献是页岩吸附气定量表征的关键问题。通过大量实践探索工作，建立了由这六种矿物组成的页岩储层的岩石物理模型，如图3所示；该模型表示页岩中总的吸附气量是由有机质吸附气、粘土矿物吸附气、石英吸附气、其他碎屑岩矿物吸附气、碳酸盐矿物吸附气和其他盐类矿物吸附气的量共同组成；

(2)、建立数学模型

由该模型所建立的孔隙度数学模型如下：

G_clay+G_org+G_qua+G_clas+G_car+G_sal＝G (1)

其中：

G_clay＝A_clay×C_clay (2)

G_org＝A_org×C_org (3)

G_qua＝A_qua×C_qua (4)

G_clas＝A_clas×C_clas (5)

G_car＝A_car×C_car (6)

G_sal＝A_sal×C_sal (7)

因此有：

A_clay×C_clay+A_org×C_org+A_qua×C_qua+A_clas×C_clas+A_car×C_car+A_sal×C_sal＝G (8)

式中：

A为矿物百分含量(％)，A_clay为粘土矿物含量，A_org为有机质含量，A_qua为碎屑岩矿物中的石英含量，A_clas为其他碎屑岩矿物含量，A_car为碳酸盐矿物含量，A_sal为其他盐类矿物含量，这些矿物含量可通过X衍射全岩分析获得。

C为每层岩石单位质量吸附的吸附气质量(t^-1)，C_clay表示单位质量粘土矿物吸附的天然气质量，C_org表示单位质量有机质吸附的天然气质量，Q_qua表示单位质量石英吸附的天然气质量，C_clas表示单位质量其他碎屑岩矿物吸附的天然气质量，C_car表示单位质量碳酸盐矿物吸附的天然气质量，C_sal表示单位质量其他盐类矿物吸附的天然气质量。通常认为在岩石学、沉积环境、成岩作用和地球化学等地质条件相似的地区或层系，可以认为C_clay、C_org、C_qua、C_clas、C_car、C_sal的数值保持恒定。

G为页岩的总吸附气量(％)，G_clay表示单位质量页岩中粘土矿物的吸附气质量，G_org表示单位质量页岩中有机质矿物的吸附气质量，G_qua表示单位质量页岩中石英的吸附气质量，G_clas表示单位质量页岩中除石英外的其他碎屑岩矿物吸附气质量，G_car表示单位质量页岩中碳酸盐矿物的吸附气质量，G_sal表示单位质量页岩中除碳酸盐矿物外的其他盐类矿物的吸附气质量。G为单位质量页岩的总吸附气质量，可通过对岩石的实际检测获得。

气体的质量可由气体的体积获得。实测气体的体积可由等温吸附实验获得(GB/T9560-2004)。在对实际岩心样品进行等温吸附实验基础上，根据Langmuir单分子层吸附理论(Langmuir,1918)，通过理论计算获得页岩对甲烷等试验气体吸附特性的兰氏体积V_L,以下为计算方程：

V＝V_LP/(P_L+P) (9)

其中V是吸附气体的体积(mL),V_L是Langmuir单分子层吸附体积(mL),P是平衡压力(MPa),P_L是当吸附气的量处于Langmuir体积一半时的压力(MPa).

基于地下页岩中的吸附气体通常为有机生成的甲烷气体CH₄，因此下式通过气体体积可以计算获得气体质量：

C＝(V/22.4)×16 (10)

由(8)式可知，C_clay、C_org、C_qua、C_clas、C_car、C_sal为未知，其他的都可以实测获得。矿物含量通过对页岩样品的X衍射检测而获得。页岩气的吸附量可以获得等温吸附试验或根据2103年中国石油天然气行业标准(SY/T 6940-2013)检测方法获得。

因此只需要实测六个代表性样品，构建6元一次方程，既可以求解出六个未知数C_clay、C_org、C_qua、C_clas、C_car、C_sal。再将这些求出的值代入方程8)即构建了不同吸附气的预测模型。

步骤2、建立基于测井信息预测有机质含量的高精度数学模型，具体方法如下：

由于测井曲线具有垂向高分辨率的特点，利用测井数据这个特点，建立有效的计算模型，可以实现有机质含量、粘土矿物含量等研究的高分辨率工作。因此，借助测井资料在剖面上的高精度性，建立有机质丰度(TOC)的预测模型。

国外从60年代末期就开始着手研究利用测井方法解决生油岩评价的问题，较为实用和成熟的方法是法国石油研究院于80年代末提出的有机碳测井评价方法(CarpentierB，1991)和埃克森石油公司提出的△lgR法(Passey Q R,et al，1990)。这两种方法都是基于生油岩有机质对测井曲线的响应特征，建立解释模型，用常规的声波测井和电阻率测井进行定量计算有机碳的含量，同时针对不同成熟度的生油岩通过给出反映成熟度的地化参数，对解释模型进行适当的修正。但在应用该方法时，存在一定的局限性：在电阻率曲线和声波时差曲线进行重叠时，人为确定基线可以带来一定误差，△lgR的求取比较烦琐，不便于操作；该方法需要成熟度参数才能完成，因此在实际应用中比较困难。另外该模型是一个经验关系式，在应用到其它地区时会带来一定的误差。

根据以下方法，可以建立基于声波时差和电阻率的TOC预测模型：

(1)检测实测TOC含量；

在研究井段每50-100米选取一个页岩样品，对其TOC含量进行检测。

(2)计算△lgR大小

对自然伽马曲线、密度曲线等进行叠合、分离，根据自然伽马、密度、声波等测井系列，辨别和排除储集层段，分辨出烃源岩层段；对声波时差曲线和电阻率曲线进行叠合和分离，直到出现理想的“基线”为止；根据声波时差曲线和电阻率曲线叠合特征，计算造成的△lgR大小，△lgR的大小可以通过两者分离的间距在lg(R)的坐标轴上所代表的大小确定；

(3)建立△lgR与实测TOC值的对应关系

根据每个样品点对应的△lgR和电阻率与声波时差值，建立△lgR和电阻率与声波时差值的转化关系；再根据每个样品点对应的△lgR和实测TOC关系，回归和建立△lgR与实测TOC值的对应关系；最后综合确定基于声波时差和电阻率的TOC预测模型。

上述确立的基于声波时差和电阻率的TOC预测模型，可以适用于具有相似页岩沉积地质背景的地区。该预测模型仅需从测井曲线中获得电阻率和声波时差值即可求出有机碳含量，因此操作方便，简捷可行；中间环节少，因而误差小，精确度高。

步骤3、建立基于测井信息预测不同矿物含量的高精度数学模型，具体方法如下：

(1)检测粘土矿物含量

挑选代表性样品，进行粘土矿物含量检测，获取部分实测粘土矿物含量数据。采用X射线衍射仪对部分样品的矿物成分进行测定，利用实验所得地层剖面上一系列矿物数据，结合相应的测井数据，建立两者之间的预测模型，再反过来以该预测模型来预测研究区块粘土矿物的非均质性分布。

(2)挑选有效的测井参数

把实测矿物深度和测井资料的深度统一起来，得出实测矿物和测井数据深度上一一对应的数据表。测井参数和矿物含量的单因素相关性分析，挑选实用性和可靠性强的测井参数。在挑选参数和建立预测模型过程中，基于以下几点：①所挑选的测井参数必须是常用的，在油田容易获得的，以保证所建立预测矿物含量模型的可实用性和操作性；②必须挑选同矿物含量表现出相关性好的测井参数，为此，首先对粘土矿物含量对每种测井数据做单因素相关性分析，挑选出相关性较高的测井参数作为元素的预测参数。

(3)建立矿物含量预测方程

利用LINEST函数进行多因素拟合，选取好测井参数组合和相应的元素类型预测初始范围后就开始利用LINEST函数进行拟合。根据自变量数目在EXCEL表中选取返回参数的区间，一般选取M行(M为自变量数目)5列，调出函数，分别选择因变量数组和自变量数组，按住Ctrl+Shift+Enter，在回归值区域内就会得到各项回归值。由于LINEST函数得出的参数后形成的是多元一次线性回归方程，为了得出高次或者非线性的方程，可以对自变量数组中的参数进行指数化、对数化、升幂、降幂等的变换，观察判定系数的变化，使结果趋向于建立良好相关性回归方程。同时，为了优化回归方程，需要剔除对因变量影响不大的因素。

(4)误差检验和F显著性水平检验

观察得出的各系数的数值和相应的校准误差，删除相关系数特别小而标准误差显著大或者自身的存在而造成判定系数明显降低的自变量参数。为了验证得出的方程有效，还需对其进行F显著性水平检验，验证各自变量是否显著影响因变量。

步骤4、计算页岩吸附气量，评价页岩吸附气分布的非均质性

(1)计算页岩吸附气量

根据上述步骤二和步骤三中获得的各个参数，结合步骤一的预测模型，分别预测TOC、不同矿物含量，在此基础上根据综合预测模型(8)计算不同类型页岩吸附气含量的分布。

(2)评价页岩吸附气分布的非均质性

根据深度剖面上所预测的有机质吸附气、粘土矿物吸附气、石英吸附气、其他碎屑岩矿物吸附气、碳酸盐矿物吸附气和其他盐类矿物吸附气的分布，对页岩吸附气非均质性分布进行综合评价，确定页岩吸附气高丰度分布区。

具体实施例

以山东省东营凹陷N-38井区为例，该井页岩分布规模较广，勘探和地质认识程度较高；挑选N-38井沙三段不同深度段的6块典型页岩作为测试样品，这6块样品都是大块泥岩样品，沉积稳定，体现了一定的代表性。

步骤1、建立页岩气吸附气含量的综合预测模型

首先,对挑选的6块样品进行了XRD矿物组成分析测试、碳硫分析仪TOC测试，获得页岩测试样品的有机质含量TOC、粘土矿物含量、石英含量、碳酸盐矿物含量和其他矿物含量数据。

通过甲烷等温吸附实验可以检测页岩的实测吸附气含量。实验仪器为HPVA-200高压等温吸附仪，实验气体为甲烷，浓度为99.99％，设置温度为30℃，设置压力在12MPa以内。对实验样品粉碎研磨质40目，以空气干燥基为实验介质条件，对每块样品选择9个压力点测定其吸附量，每个压力点以24小时作为平衡时间，每块样品按一致的递增压力进行吸附实验，通过该实验获得实验样品的兰氏体积V_L，再通过9)式和10)式获得试验样品的吸附气质量C。

表1为6块样品所实测获得的各矿物含量以及吸附气量数据。

表1实测样品的各矿物含量以及吸附气量数据

通过表1的实测数据，构建以下六个六元一次方程：

0.47C_clay+0.0214C_org+0.33C_qua+0.1C_clas+0.03C_car+0.0486C_sal＝6.77 (11)

0.56C_clay+0.0475C_org+0.26C_qua+0.06C_clas+0.04C_car+0.0325C_sal＝7.29 (12)

0.50C_clay+0.0352C_org+0.29C_qua+0.05C_clas+0.05C_car+0.0748C_sal＝6.88 (13)

0.43C_clay+0.0124C_org+0.34C_qua+0.04C_clas+0.07C_car+0.1076C_sal＝6.32 (14)

0.38C_clay+0.0082C_org+0.27C_qua+0.08C_clas+0.2C_car+0.0618C_sal＝5.82 (15)

0.35C_clay+0.0186C_org+0.32C_qua+0.09C_clas+0.15C_car+0.0714C_sal＝6.02 (16)

通过求解，获得C_clay值为7.84mg/g，C_org为17.36mg/g，C_qua为6.3mg/g，C_clas为4.48mg/g，C_car为2.52mg/g，C_sal为2.24mg/g。将这些值代入8)式，获得预测模型：

7.84A_clay+17.36A_org+6.3A_qua+4.48A_clas+2.52A_car+2.24A_sal＝G (17)

该预测模型表明，页岩中有机质吸附天然气的能力最强，粘土矿物次之，然后是石英，盐类矿物吸附天然气能力最弱；页岩中有机质含量要低于粘土矿物含量和脆性矿物含量，尤其对于湖相页岩而言，粘土矿物和石英含量高，粘土矿物和石英对吸附气的贡献更不应该忽视。

步骤2、建立基于测井信息预测有机质含量的高精度数学模型

对N-38井湖相页岩发育层段古近系沙河街组三段(沙三段)进行部分采样分析，检测实测TOC含量。再对该井段的自然伽马曲线、密度曲线等进行叠合、分离，发现其造成的△lgR与有机碳丰度之间关系较差，但可以根据自然伽马、密度、声波等测井系列，可以辨别和排除储集层段，从而分别出烃源岩层段。

同样，对声波时差曲线和电阻率曲线进行叠合和分离，直到出现理想的“基线”为止。可以看出两曲线叠合造成的△lgR大小与实测TOC值有着良好的对应关系(图4)。

△lgR的大小可以通过两者分离的间距在lg(R)的X轴上所代表的大小确定，R_j的大小为声波时差曲线在lg(Rt)的X轴上所代表的值，通过坐标变化，得出R_j值：

lg(R_j)＝(105-AC)/50 (18)

ΔlgR＝lg(R)-(105-AC)/50 (19)

即，ΔlgR＝lg(R)+0.02AC–2.1 (20)

对ΔlgR与岩芯实测TOC值进行定量关系分析(图5)：

当ΔlgR≤1.0时，TOC＝3.8338ΔlgR+0.9643 (21)

当ΔlgR>1.0时，TOC＝12.909ΔlgR–9.6336 (22)

综合得：当ΔlgR≤1.0时，TOC＝3.8338lgR+0.0767AC–7.1047 (23)

当ΔlgR>1.0时，TOC＝12.909lgR+0.2582AC–36.7425 (24)

式中：△lgR为声波时差曲线和电阻率曲线两条曲线间的距离；R为实测电阻率(Ω.m)；R_j为基线对应的电阻率(Ω.m)；AC为实测的声波时差值(μs/ft)。

因此，确立的(23)式和(24)式即为预测TOC分布的数学模型，可以适用于具有相似页岩沉积地质背景的地区。

步骤3、建立基于测井信息预测不同矿物含量的高精度数学模型

根据具体实施方案，完成以下步骤：

(1)挑选代表性样品，进行粘土矿物含量检测，获取部分实测粘土矿物含量数据。

(2)测井参数和矿物含量的单因素相关性分析，挑选实用性和可靠性强的测井参数。

(3)利用LINEST函数进行多因素拟合，建立预测方程

(4)误差检验和F显著性水平检验

通过对N-38沙三段部分页岩实测样品的分析，以粘土矿物和碳酸盐矿物含量为例，其预测模型分别为下式：

A_clay＝-84.9-1.49×R^0.5+13.8×AC^0.5 (25)

A_car＝35.49-0.0468R^0.5-2.85×AC ^0.5 (26)

上式中，R为电阻率(Ω.m)，AC为声波时差(μs/ft)。

可以看出，上述预测模型与声波时差和电阻率有关，而声波时差和电阻率数据都是油田上常用的和容易获得的测井参数，因此预测模型具有可操作性和实用性。

步骤4、计算页岩吸附气量，评价页岩吸附气分布的非均质性

根据上述步骤二和步骤三中获得的各个参数，结合步骤一的预测模型，分别预测TOC、不同矿物含量，在此基础上根据综合预测模型(8)计算不同类型页岩吸附气含量的分布，实现对页岩吸附气非均质性分布的定量预测和评价。

图6为根据步骤2预测的N-38井沙三段页岩的TOC分布图，图7为根据步骤3预测的N-38井沙三段页岩的粘土矿物含量、石英含量、其他碎屑岩矿物含量和碳酸盐矿物含量分布图，图8为根据步骤1的预测模型方程17)式，将步骤2和步骤3的预测结果代入后，获得的不同矿物吸附气含量的分布图。这些预测数据基于测井数据，精度可达到0.125m一个数据点，为4883个数据点形成的连续点群分布，可充分评价页岩吸附气剖面分布的非均质性。

Claims (1)

1.一种预测页岩不同类型吸附气非均质性分布的方法，其特征在于，包括以下步骤：

步骤一、建立页岩气吸附气含量的概念模型和综合预测数学模型，具体方法如下：

(1)、建立概念吸附气模型；

根据有机质转化成烃类的不同情况，将页岩吸附气分成六种，分别定义为有机质吸附气、粘土矿物吸附气、石英吸附气、其他碎屑岩矿物吸附气、碳酸盐矿物吸附气和其他盐类矿物吸附气；

(2)、建立数学模型；

由概念吸附气模型所建立的孔隙度数学模型如下：

G_clay+G_org+G_qua+G_clas+G_car+G_sal＝G (1)

其中：

G_clay＝A_clay×C_clay (2)

G_org＝A_org×C_org (3)

G_qua＝A_qua×C_qua (4)

G_clas＝A_clas×C_clas (5)

G_car＝A_car×C_car (6)

G_sal＝A_sal×C_sal (7)

因此有：

A_clay×C_clay+A_org×C_org+A_qua×C_qua+A_clas×C_clas+A_car×C_car+A_sal×C_sal＝G (8)

式中：

A为矿物百分含量(％)，A_clay为粘土矿物含量，A_org为有机质含量，A_qua为碎屑岩矿物中的石英含量，A_clas为其他碎屑岩矿物含量，A_car为碳酸盐矿物含量，A_sal为其他盐类矿物含量，矿物含量可通过X衍射全岩分析获得；

C为每层岩石单位质量吸附的吸附气质量(t^-1)，C_clay表示单位质量粘土矿物吸附的天然气质量，C_org表示单位质量有机质吸附的天然气质量，Q_qua表示单位质量石英吸附的天然气质量，C_clas表示单位质量其他碎屑岩矿物吸附的天然气质量，C_car表示单位质量碳酸盐矿物吸附的天然气质量，C_sal表示单位质量其他盐类矿物吸附的天然气质量；在岩石学、沉积环境、成岩作用和地球化学地质条件相似的地区或层系，认为C_clay、C_org、C_qua、C_clas、C_car、C_sal的数值保持恒定；

G为页岩的总吸附气量(％)，G_clay表示单位质量页岩中粘土矿物的吸附气质量，G_org表示单位质量页岩中有机质矿物的吸附气质量，G_qua表示单位质量页岩中石英的吸附气质量，G_clas表示单位质量页岩中除石英外的其他碎屑岩矿物吸附气质量，G_car表示单位质量页岩中碳酸盐矿物的吸附气质量，G_sal表示单位质量页岩中除碳酸盐矿物外的其他盐类矿物的吸附气质量；G为单位质量页岩的总吸附气质量，可通过对岩石的实际检测获得；

气体的质量可由气体的体积获得，实测气体的体积可由等温吸附实验获得；在对实际岩心样品进行等温吸附实验基础上，根据Langmuir单分子层吸附理论，通过理论计算获得页岩对甲烷吸附特性的兰氏体积V_L,以下为计算方程：

V＝V_LP/(P_L+P) (9)

其中V是吸附气体的体积(mL)，V_L是Langmuir单分子层吸附体积(mL)，P是平衡压力(MPa)，P_L是当吸附气的量处于Langmuir体积一半时的压力(MPa)；

基于地下页岩中的吸附气体通常为有机生成的甲烷气体CH₄，因此下式通过气体体积可以计算获得气体质量：

C＝(V/22.4)×16 (10)

由(8)式可知，C_clay、C_org、C_qua、C_clas、C_car、C_sal为未知，其他的都可以实测获得；矿物含量通过对页岩样品的X衍射检测而获得；页岩气的吸附量可以获得等温吸附试验或根据2013年中国石油天然气行业标准检测方法获得；

因此只需要实测六个代表性样品，构建6元一次方程，既可以求解出六个未知数C_clay、C_org、C_qua、C_clas、C_car、C_sal；再将这些求出的值代入方程8即构建了不同吸附气的预测模型；

步骤二、建立基于测井信息预测有机质含量的高精度数学模型，具体方法如下：

由于测井曲线具有垂向高分辨率的特点，利用测井数据这个特点，建立有效的计算模型，可以实现有机质含量、粘土矿物含量研究的高分辨率工作；因此，借助测井资料在剖面上的高精度性，建立有机质丰度(TOC)的预测模型；根据以下方法，可以建立基于声波时差和电阻率的TOC预测模型：

(1)、检测实测TOC含量；

在研究井段每50-100米选取一个页岩样品，对其TOC含量进行检测；

(2)、计算△lgR大小；

对自然伽马曲线、密度曲线进行叠合、分离，根据自然伽马、密度、声波测井系列，辨别和排除储集层段，分辨出烃源岩层段；对声波时差曲线和电阻率曲线进行叠合和分离，直到出现理想的“基线”为止；根据声波时差曲线和电阻率曲线叠合特征，计算造成的△lgR大小，△lgR的大小可以通过两者分离的间距在lg(R)的坐标轴上所代表的大小确定；

(3)、建立△lgR与实测TOC值的对应关系；

根据每个样品点对应的△lgR和电阻率与声波时差值，建立△lgR和电阻率与声波时差值的转化关系；再根据每个样品点对应的△lgR和实测TOC关系，回归和建立△lgR与实测TOC值的对应关系；最后综合确定基于声波时差和电阻率的TOC预测模型；

上述确立的基于声波时差和电阻率的TOC预测模型，可以适用于具有相似页岩沉积地质背景的地区；该预测模型仅需从测井曲线中获得电阻率和声波时差值即可求出有机碳含量，因此操作方便，简捷可行；中间环节少，因而误差小，精确度高；

步骤三、建立基于测井信息预测不同矿物含量的高精度数学模型，具体方法如下：

(1)、检测粘土矿物含量；

挑选代表性样品，进行粘土矿物含量检测，获取部分实测粘土矿物含量数据；采用X射线衍射仪对部分样品的矿物成分进行测定，利用实验所得地层剖面上一系列矿物数据，结合相应的测井数据，建立两者之间的预测模型，再反过来以该预测模型来预测研究区块粘土矿物的非均质性分布；

(2)、挑选有效的测井参数；

把实测矿物深度和测井资料的深度统一起来，得出实测矿物和测井数据深度上一一对应的数据表；测井参数和矿物含量的单因素相关性分析，挑选实用性和可靠性强的测井参数；

(3)、建立矿物含量预测方程；

利用LINEST函数进行多因素拟合，选取好测井参数组合和相应的元素类型预测初始范围后就开始利用LINEST函数进行拟合；根据自变量数目在EXCEL表中选取返回参数的区间，一般选取M行5列，M为自变量数目；调出函数，分别选择因变量数组和自变量数组，按住Ctrl+Shift+Enter，在回归值区域内就会得到各项回归值；由于LINEST函数得出的参数后形成的是多元一次线性回归方程，为了得出高次或者非线性的方程，可以对自变量数组中的参数进行指数化、对数化、升幂、降幂变换，观察判定系数的变化，使结果趋向于建立良好相关性回归方程；同时，为了优化回归方程，需要剔除对因变量影响不大的因素；

(4)、误差检验和F显著性水平检验；

观察得出的各系数的数值和相应的校准误差，删除相关系数特别小而标准误差显著大或者自身的存在而造成判定系数明显降低的自变量参数；为了验证得出的方程有效，还需对其进行F显著性水平检验，验证各自变量是否显著影响因变量；

步骤四、计算页岩吸附气量，评价页岩吸附气分布的非均质性，具体方法如下：

(1)、计算页岩吸附气量

根据上述步骤二和步骤三中获得的各个参数，结合步骤一的预测模型，分别预测TOC、不同矿物含量，在此基础上根据综合预测模型(8)计算不同类型页岩吸附气含量的分布；

(2)、评价页岩吸附气分布的非均质性

根据深度剖面上所预测的有机质吸附气、粘土矿物吸附气、石英吸附气、其他碎屑岩矿物吸附气、碳酸盐矿物吸附气和其他盐类矿物吸附气的分布，对页岩吸附气非均质性分布进行综合评价，确定页岩吸附气高丰度分布区。