CN107346455A - 一种用于识别页岩气产能的方法 - Google Patents
一种用于识别页岩气产能的方法 Download PDFInfo
- Publication number
- CN107346455A CN107346455A CN201610294870.3A CN201610294870A CN107346455A CN 107346455 A CN107346455 A CN 107346455A CN 201610294870 A CN201610294870 A CN 201610294870A CN 107346455 A CN107346455 A CN 107346455A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- data volume
- msub
- production capacity
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种用于识别页岩气产能的方法,包括:钻井产能分析步骤,统计各类试采页岩气井的产能;产能影响因素评价步骤,确定页岩气产能影响因素并获取对应的评价参数及对应的数据体;数据体筛选步骤,根据各类试采页岩气井的产能分析结果,对评价参数对应的数据体进行筛选;产能判别步骤,根据筛选后的数据体构造产能判别模型,以进行产能判别。本发明可实现对页岩气产能的判别,有利于寻找页岩气产能高值区,弥补目前页岩气勘探开发中的不足。
Description
技术领域
本发明属于石油与天然气勘探开发技术领域,具体地说,涉及一种用于识别页岩气产能的方法。
背景技术
近年来,北美地区页岩气勘探开发的成功在世界石油工业领域掀起了一场页岩气革命,世界能源格局也因此悄然改变。在国外页岩气高速发展的影响下,国内的页岩气勘探开发也取得了显著突破,如中石化的涪陵焦石坝页岩气田以及中石油的威远-长宁页岩气,页岩气正逐渐成为国家能源战略规划中一个新的增长点。
国内页岩气的发展,也推动了页岩气勘探开发技术的不断前进。但是,页岩气作为一种非常规能源,其开发过程中涉及到水平钻井、水力压裂等特殊钻井开发工艺,开发成本的增加迫使石油地质勘探人员必须面对这样一个问题:如果某地区页岩气井的产能不够高,那么该地区即使有页岩气也将被认为不具有商业开发价值。也就是说,能否取得较好的经济效益是页岩气勘探开发研究的关键。那么,如何有效的进行页岩气的产能识别就成为页岩气勘探开发的核心问题。
目前,关于页岩气产能评价主要分为勘探和开发阶段的产能评价。在页岩气勘探阶段,地质勘探人员倾向于从石油地质学的角度去总结页岩气的富集规律,如优质泥页岩与良好保存条件的“二元富集”理论以及生烃、储集、保存的“三元富集”理论。但是,这些理论主要是从页岩气成藏的角度来揭示页岩气的富集规律,在具体进行预测的地球物理技术方面涉及相对较少。此外,在勘探阶段,利用测井方法也可以进行页岩气的产能评价,这类技术通过录井、测井资料获取页岩气储层评价关键参数,并通过绘制多参数类比图版或拟合经验公式的方法进行产能评价。但是,测井技术受限于井点处,无法给出页岩气产能的空间分布特征。
在页岩气开发阶段,开发人员倾向于利用数值模拟的方法从页岩气渗流机理对页岩气产能进行细致刻画,这类技术利用多种数学模型分析产能的影响因素,从而建立页岩气产能的评价方法。这类方法不仅需要建立多个数学模型,还需要进行大量的数值计算。
发明内容
为解决以上问题,本发明提供了一种用于识别页岩气产能的方法,用以实现对页岩气产能的判别,有利于寻找页岩气产能高值区,弥补目前页岩气勘探开发中的不足。
根据本发明的一个实施例,提供了一种用于识别页岩气产能的方法,包括:
钻井产能分析步骤,统计各类试采页岩气井的产能;
产能影响因素评价步骤,确定页岩气产能影响因素并获取对应的评价参数及对应的数据体;
数据体筛选步骤,根据各类试采页岩气井的产能分析结果,对评价参数对应的数据体进行筛选;
产能判别步骤,根据筛选后的数据体构造产能判别模型,以进行产能判别。
根据本发明的一个实施例,所述产能影响因素评价步骤进一步包括:
确定产能影响因素,包括生烃条件、储层物性、含气性、可压裂性和保存条件;
获取每个所述产能影响因素对应的评价参数及对应的数据体,作为该产能影响因素的评价参数及对应的数据体,其中,
所述生烃条件对应的评价参数包括镜质体反射率和总有机碳含量,
所述储层物性对应的评价参数包括孔隙度数据体和渗透率,
所述含气性对应的评价参数包括弹性参数,
所述可压裂性对应的评价参数包括泊松比和杨氏模量,
所述保存条件对应的评价参数包括超压和大断裂以及高角度裂缝。
根据本发明的一个实施例,数据体筛选步骤进一步包括:
根据各类试采页岩气井的产能分析结果,计算各影响因素数据体与产能的相关性系数;
从各影响因素数据体中挑选出的相关系数最大的数据体。
根据本发明的一个实施例,产能判别步骤进一步包括:
对筛选出的最大的相关系数及对应的数据体分别进行归一化处理;
根据归一化处理后的最大相关系数及对应的数据体建立产能判别模型;
根据产能判别模型识别页岩气产能。
根据本发明的一个实施例,通过下式对筛选出的最大相关系数对应的数据体进行归一化处理:
其中,IFi为产能影响因素数据体,IFi'为归一化处理后的产能影响因素数据体,min(IFi)和max(IFi)分别为产能影响因素数据体的最小值和最大值。
根据本发明的一个实施例,通过下式对筛选出的最大相关系数进行归一化处理:
其中,ai表示相关性系数,表示各相关性系数的和,ai'表示归一化处理后的相关性系数。
根据本发明的一个实施例,所述产能判别模型为:
其中,IF'Toc、IF'Phy、IF'Gas、IF'Press、IF'Bri和IF'Fra分别表示归一化处理后的生烃条件、储层物性、含气性、有利保存条件、可压裂性和不利保存条件对应的产能影响因素的数据体;a'Toc、a'Phy、a'Gas、a'Press和a'Bri分别表示归一化处理后的生烃条件、储层物性、含气性、有利保存条件和可压裂性对应的产能影响因素的数据体与产能的相关性系数。
根据本发明的一个实施例,其特征在于,
评价参数镜质体反射率通过实验测出岩芯的镜质体反射率;
评价参数总有机碳含量的数据体通过以下步骤得到:
通过实验测出岩芯的总有机碳含量;
利用岩芯资料刻度密度测井曲线,建立密度等测井曲线与岩芯总有机碳含量的经验关系式:
TOC=aDEN+b
其中,a、b为常数,由密度曲线与总有机碳含量的经验关系确定,DEN为密度,TOC为总有机碳含量;
通过插值算法或地质统计反演方法求取总有机碳含量数据体。
根据本发明的一个实施例,评价参数孔隙度的数据体通过以下方式得到:
利用密度孔隙度和中子孔隙度,通过下式计算总孔隙度:
其中,φD表示由密度曲线求取的孔隙度,φN表示由中子曲线求取的孔隙度,φT表示总孔隙度;
通过插值算法或地质统计反演方法求取孔隙度数据体,其中,
如要计算有机质孔隙度,需要扫描电镜技术确定出有机孔隙的面孔率,来实现对有机孔分布特征的求取。
根据本发明的一个实施例,所述可压裂性对应的评价参数还包括页岩脆性指数:
其中,BI表示页岩脆性指数,υmax和υmin表示泊松比的最大和最小值,Emin和Emax表示杨氏模量的最大和最小值。
本发明的有益效果:
本发明通过对已钻井的产能分析,从页岩气的生烃条件、储层物性、含气性、可压裂性和保存条件等方面出发,利用地球物理技术计算出各产能影响因素对应的参数数据体;通过分析上述各参数与页岩气产能的相关性并确定各自的权重值;最后,将上述参数按权值融合为一个新参数SGCD(Shale Gas Capacity Discrimination),以进行页岩气的产能判别。本发明能准确地预测页岩气的产能分布特征,对于提高页岩气地区的经济效益具有重要意义。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要的附图做简单的介绍:
图1是根据本发明的一个实施例的方法流程图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
如图1所示为根据本发明的一个实施例的方法流程图,以下参考图1来对本发明进行详细说明。
首先是步骤S110钻井产能分析步骤,统计各类试采页岩气井的产能。具体的,对工区内已进行试采的页岩气井按产能大小进行统计,为了避免不同钻井类型(直井或水平井)、不同产层、不同钻采工艺引起的产能差异,将钻井类型相同、产层相同、钻采工艺相同的井归为一类并分别进行产能统计。
接下来是步骤S120产能影响因素评价步骤,确定页岩气产能影响因素并获取对应的评价及对应的数据体。具体的,首先确定产能影响因素,主要包括生烃条件、储层物性、含气性、可压裂性和保存条件五个因素。
在确定好各产能影响因素后,获取每个产能影响因素对应的评价参数及对应的数据体,作为该产能影响因素的评价参数及数据体。
其中,良好的生烃条件是页岩气富集高产的先决条件,针对生烃条件方面的评价参数较多,主要包括镜质体反射率(RO)和总有机碳含量(TOC)。
镜质体反射率反映有机质成熟度,一般来说,某一地区的镜质体反射率值变化不大。在实验室对野外露头样品或岩芯样品进行测试,即可确定镜质体反射率,从而推断出该地区泥页岩有机质的热演化程度,并进一步判断该地区有机质处于生油生气的具体阶段或时期,该参数不需要利用地球物理技术去描述其分布特征。
总有机碳含量在同一地区的变化较大,需要结合地球物理技术预测其空间分布特征。具体包括以下的几个步骤:首先通过实验测出岩芯的TOC值;然后利用岩芯资料刻度密度等测井曲线,并建立密度等测井曲线与TOC的经验关系:
TOC=aDEN+b (1)
其中,a、b为常数,由密度曲线与TOC的经验关系确定;DEN为密度,g/cm3。
最后,选取合适的插值算法或地质统计反演方法求取TOC数据体,从而获得TOC的空间分布特征。
页岩气储层物性分析方面,产能影响因素的评价参数主要指页岩储层的孔隙度及渗透率分析。由于泥页岩的特殊形态,其渗透率主要受微裂缝控制,可以通过岩心实验获得。孔隙度可以利用密度孔隙度曲线和中子孔隙度进行总孔隙度的求取,可利用下式计算:
其中,φD为由密度曲线求取的孔隙度,φN为由中子曲线求取的孔隙度,φT为总孔隙度。最后,通过选取合适的插值算法或地质统计反演方法即可求取孔隙度数据体,从而获得储层物性的空间分布特征。此外,如果要计算有机质孔隙度,需要扫描电镜技术确定出有机孔隙的面孔率,才可实现对有机孔分布特征的求取。
页岩气含气性分析方面,能够进行含气性检测的地震属性较多,常用的叠后地震属性有高频衰减和低频增量属性。此外,在叠前反演的基础上可以求取纵波阻抗、横波阻抗、泊松比、拉梅系数等弹性参数,这些弹性参数的组合也可进行含气性的检测。
与岩石可压裂性相关的弹性参数主要包括泊松比和杨氏模量。对于页岩气来说,泊松比反映了页岩在压力下破裂的能力,杨氏模量反映了压裂后保持裂缝的能力。页岩杨氏模量越高、泊松比越低,脆性越高,可压裂性越好,一般将杨氏模量和泊松比相结合,组合为页岩脆性指数来识别页岩的可压裂性,公式如下:
其中:BI为脆性指数,υmax、υmin、Emin和Emax分别代表泊松比与杨氏模量的最大和最小值。泊松比和杨氏模量可由叠前反演求得。
对于页岩气来说,保存条件良好是其富集高产的关键因素。利用地球物理技术来评价页岩气保存条件,主要包括两个方面的内容:首先是超压,超压是保存条件良好的重要特征,超压发育的区域往往标志着页岩气的高产区;其次是大断裂以及高角度裂缝,它们对保存条件主要起破坏作用。超压的地球物理预测技术较多,目前常用的主要是基于速度谱的Fillippone公式法,将计算出的地层压力与静水压力做比值运算,即可得到表征超压分布特征的压力系数数据体。大断裂和高角度缝的描述也较为常规,基于方位各向异性的叠前裂缝预测技术可以求出各向异性强度数据体,它能够较好的表征断裂及高角度缝的分布特征。
接下来是步骤S130数据体筛选步骤,根据各类试采页岩气井的产能分析结果,对评价参数对应的数据体进行筛选。
具体的,首先根据各类试采页岩气井的产能分析结果,计算各影响因素数据体与产能的相关性系数。然后从每种影响因素数据体中挑选出相关系数最大的数据体,即在每种影响因素中挑选出相关性最好的一个数据体参与最终的页岩气产能判别。在上述影响因素中,由于断裂及高角度缝会导致页岩气的散失,实际研究中各向异性强度与页岩气产能的相关性系数一般是负的,因此,该相关性系数不参与页岩气的产能判别,而是将各向异性强度直接引入产能判别的模型中。
最后是步骤S140产能判别步骤,根据筛选后的数据体构造产能判别模型,以进行产能判别。
步骤S120中计算出的各个数据体的值域相差较大,如果简单的进行参数组合,其结果无法体现出所有因素对产能的影响;为了消除值域差异的影响,先对步骤S130筛选出的数据体进行归一化处理,再对步骤S130中筛选出的不同产能影响因素与产能的相关性系数进行归一化处理。具体的,通过下式对筛选出的产能影响因素数据体进行归一化处理:
其中,IFi为产能影响因素数据体,IFi'为归一化处理后的产能影响因素数据体,min(IFi)和max(IFi)分别为产能影响因素数据体的最小值和最大值。
通过下式对不同产能影响因素与产能的相关性系数进行归一化处理:
其中,ai表示不同产能影响因素与产能的相关性系数,表示各产能影响因素与产能的相关性系数的和,ai'表示归一化处理后的相关性系数。
接着根据归一化处理后的最大相关系数及对应的数据体建立产能判别模型。该产能判别模型表示如下:
其中,IF'Toc、IF'Phy、IF'Gas、IF'Press、IF'Bri和IF'Fra分别表示筛选出并归一化处理后的生烃条件、储层物性、含气性、有利保存条件、可压裂性和不利保存条件对应的产能影响因素的数据体;a'Toc、a'Phy、a'Gas、a'Press和a'Bri分别表示归一化处理后的生烃条件、储层物性、含气性、有利保存条件和可压裂性中筛选出数据体与产能的相关性系数。
通过式(6)计算得到的页岩气产能判别的三维参数数据体SGCD,高值代表页岩气的高产能区,低值代表页岩气的低产能区,从而实现对页岩气产能的空间分布特征描述。
本发明通过对已钻井的产能分析,从页岩气的生烃条件、储层物性、含气性、可压裂性和保存条件等方面出发,利用地球物理技术计算出各产能影响因素对应的参数数据体;通过分析上述各参数与页岩气产能的相关性并确定各自的权重值;最后,将上述参数按权值融合为一个新参数SGCD,以进行页岩气的产能判别。本发明能准确地预测页岩气的产能分布特征,对于提高页岩气地区的经济效益具有重要意义。
以下通过一个具体的实施例来对本发明进行验证说明。本发明提出的技术方法,已经在四川盆地志留系龙马溪组页岩气产能预测中得到应用。
在未使用本发明的技术方案前,研究区龙马溪组的页岩气产能分布特征不明确。具体应用中,首先根据现有钻井资料情况,整理出产能数据库;然后利用多种地球物理技术,分别计算出生烃条件、储层物性、含气性、可压裂性、保存条件等五个方面的三维数据体:①生烃条件。通过井上密度与TOC进行关系拟合,两者相关系数达0.9以上,利用叠后地质统计反演求出TOC的三维数据体;②储层物性。利用声波、密度曲线进行总孔隙度的求取,结合扫描电镜给出的面孔率,求出井上的有机孔隙度曲线,利用叠后地质统计反演求出有机孔隙度的三维数据体;③含气性。分别计算叠后高频衰减属性、低频增量属性以及叠前反演的流体因子数据体(应用中选用纵横波阻抗比值为流体因子);④可压裂性。通过叠前反演求出泊松比和杨氏模量数据体,并进一步构建脆性指数数据体;⑤保存条件。利用速度谱数据和Filloppone公式求出地层压力数据,与静水压力数据体做比值运算,可求取地层压力系数数据体;在经过动校正的叠前道集基础上进行叠前方位各向异性裂缝预测,求出各向异性强度数据体。
接着以产能数据库为基础,进行前一步骤中各数据体的产能相关性分析,并确定出各影响因素的权值,其中,含气性检测的三个数据体,叠前反演获取的流体因子与产能相关性好于叠后高频衰减、低频增量属性,因此,选取该流体因子参与最终的产能判别。
最后,对相关系数和各影响因素数据体分别进行归一化处理,并代入定义的参数模型中,即可求出页岩气产能判别参数数据体。通过该技术的应用,较为准确的得到了目的层页岩气产能的空间分布特征,与钻井实际产能吻合较好。
虽然本发明所公开的实施方式如上,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,在不脱离本发明所公开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)
1.一种用于识别页岩气产能的方法,包括:
钻井产能分析步骤,统计各类试采页岩气井的产能;
产能影响因素评价步骤,确定页岩气产能影响因素并获取对应的评价参数及对应的数据体;
数据体筛选步骤,根据各类试采页岩气井的产能分析结果,对评价参数对应的数据体进行筛选;
产能判别步骤,根据筛选后的数据体构造产能判别模型,以进行产能判别。
2.根据权利要求1所述的方法,其特征在于,所述产能影响因素评价步骤进一步包括:
确定产能影响因素,包括生烃条件、储层物性、含气性、可压裂性和保存条件;
获取每个所述产能影响因素对应的评价参数及对应的数据体,作为该产能影响因素的评价参数及对应的数据体,其中,
所述生烃条件对应的评价参数包括镜质体反射率和总有机碳含量,
所述储层物性对应的评价参数包括孔隙度数据体和渗透率,
所述含气性对应的评价参数包括弹性参数,
所述可压裂性对应的评价参数包括泊松比和杨氏模量,
所述保存条件对应的评价参数包括超压和大断裂以及高角度裂缝。
3.根据权利要求1或2所述的方法,其特征在于,数据体筛选步骤进一步包括:
根据各类试采页岩气井的产能分析结果,计算各影响因素数据体与产能的相关性系数;
从各影响因素数据体中挑选出的相关系数最大的数据体。
4.根据权利要求3所述的方法,其特征在于,产能判别步骤进一步包括:
对筛选出的最大的相关系数及对应的数据体分别进行归一化处理;
根据归一化处理后的最大相关系数及对应的数据体建立产能判别模型;
根据产能判别模型识别页岩气产能。
5.根据权利要求4所述的方法,其特征在于,通过下式对筛选出的最大相关系数对应的数据体进行归一化处理:
<mrow>
<msubsup>
<mi>IF</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>IF</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>IF</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>IF</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>IF</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,IFi为产能影响因素数据体,IF′i为归一化处理后的产能影响因素数据体,min(IFi)和max(IFi)分别为产能影响因素数据体的最小值和最大值。
6.根据权利要求4所述的方法,其特征在于,通过下式对筛选出的最大相关系数进行归一化处理:
<mrow>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,ai表示相关性系数,表示各相关性系数的和,a′i表示归一化处理后的相关性系数。
7.根据权利要求4-6中任一项所述的方法,其特征在于,所述产能判别模型为:
<mrow>
<mi>S</mi>
<mi>G</mi>
<mi>C</mi>
<mi>D</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>a</mi>
<mrow>
<mi>T</mi>
<mi>o</mi>
<mi>c</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>IF</mi>
<mrow>
<mi>T</mi>
<mi>o</mi>
<mi>c</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>P</mi>
<mi>h</mi>
<mi>y</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>IF</mi>
<mrow>
<mi>P</mi>
<mi>h</mi>
<mi>y</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>G</mi>
<mi>a</mi>
<mi>s</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>IF</mi>
<mrow>
<mi>G</mi>
<mi>a</mi>
<mi>s</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>Pr</mi>
<mi>e</mi>
<mi>s</mi>
<mi>s</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>IF</mi>
<mrow>
<mi>Pr</mi>
<mi>e</mi>
<mi>s</mi>
<mi>s</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>B</mi>
<mi>r</mi>
<mi>i</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<msubsup>
<mi>IF</mi>
<mrow>
<mi>B</mi>
<mi>r</mi>
<mi>i</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mrow>
<mrow>
<msubsup>
<mi>IF</mi>
<mrow>
<mi>F</mi>
<mi>r</mi>
<mi>a</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mfrac>
</mrow>
其中,IF′Toc、IF′Phy、IF′Gas、IF′Press、IF′Bri和IF′Fra分别表示归一化处理后的生烃条件、储层物性、含气性、有利保存条件、可压裂性和不利保存条件对应的产能影响因素的数据体;a′Toc、a′Phy、a′Gas、a′Press和a′Bri分别表示归一化处理后的生烃条件、储层物性、含气性、有利保存条件和可压裂性对应的产能影响因素的数据体与产能的相关性系数。
8.根据权利要求2所述的方法,其特征在于,
评价参数镜质体反射率通过实验测出岩芯的镜质体反射率;
评价参数总有机碳含量的数据体通过以下步骤得到:
通过实验测出岩芯的总有机碳含量;
利用岩芯资料刻度密度测井曲线,建立密度等测井曲线与岩芯总有机碳含量的经验关系式:
TOC=aDEN+b
其中,a、b为常数,由密度曲线与总有机碳含量的经验关系确定,DEN为密度,TOC为总有机碳含量;
通过插值算法或地质统计反演方法求取总有机碳含量数据体。
9.根据权利要求2所述的方法,其特征在于,评价参数孔隙度的数据体通过以下方式得到:
利用密度孔隙度和中子孔隙度,通过下式计算总孔隙度:
<mrow>
<msub>
<mi>&phi;</mi>
<mi>T</mi>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<msup>
<msub>
<mi>&phi;</mi>
<mi>D</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>&phi;</mi>
<mi>N</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
<mn>2</mn>
</mfrac>
</msqrt>
</mrow>
其中,φD表示由密度曲线求取的孔隙度,φN表示由中子曲线求取的孔隙度,φT表示总孔隙度;
通过插值算法或地质统计反演方法求取孔隙度数据体,其中,
如要计算有机质孔隙度,需要扫描电镜技术确定出有机孔隙的面孔率,来实现对有机孔分布特征的求取。
10.根据权利要求2所述的方法,其特征在于,所述可压裂性对应的评价参数还包括页岩脆性指数:
<mrow>
<mi>B</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>BI</mi>
<mi>&upsi;</mi>
</msub>
<mo>+</mo>
<msub>
<mi>BI</mi>
<mi>E</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
其中,BI表示页岩脆性指数,υmax和υmin表示泊松比的最大和最小值,Emin和Emax表示杨氏模量的最大和最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610294870.3A CN107346455A (zh) | 2016-05-05 | 2016-05-05 | 一种用于识别页岩气产能的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610294870.3A CN107346455A (zh) | 2016-05-05 | 2016-05-05 | 一种用于识别页岩气产能的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107346455A true CN107346455A (zh) | 2017-11-14 |
Family
ID=60254203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610294870.3A Pending CN107346455A (zh) | 2016-05-05 | 2016-05-05 | 一种用于识别页岩气产能的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107346455A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108035709A (zh) * | 2017-12-04 | 2018-05-15 | 中国石油天然气股份有限公司 | 一种页岩储层质量的确定方法及装置 |
CN108416475A (zh) * | 2018-03-05 | 2018-08-17 | 中国地质大学(北京) | 一种页岩气产能非确定性预测方法 |
CN108756834A (zh) * | 2018-05-28 | 2018-11-06 | 中国科学技术大学 | 页岩气生产数据分析方法 |
CN109209329A (zh) * | 2018-10-31 | 2019-01-15 | 重庆地质矿产研究院 | 一种确定页岩储层可压裂性系数的方法 |
CN109298449A (zh) * | 2018-09-26 | 2019-02-01 | 中国石油化工股份有限公司 | 一种确定陆相页岩油勘探有利单元的方法 |
CN109975189A (zh) * | 2017-12-28 | 2019-07-05 | 中国石油天然气股份有限公司 | 孔隙型砂岩储层产能预测方法与装置 |
CN110295894A (zh) * | 2018-03-22 | 2019-10-01 | 中国石油化工股份有限公司 | 一种建立水平井产能预测模型的方法 |
CN111812736A (zh) * | 2020-07-22 | 2020-10-23 | 西南石油大学 | 一种致密砂岩无水气藏含气性评价方法 |
CN114526050A (zh) * | 2020-11-06 | 2022-05-24 | 中国石油化工股份有限公司 | 一种用于评价碳酸盐岩储层可压性的方法及系统 |
WO2023130426A1 (zh) * | 2022-01-06 | 2023-07-13 | 海南热带海洋学院 | 一种评判食品物料可打印性的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110120712A1 (en) * | 2009-07-30 | 2011-05-26 | Halliburton Energy Services, Inc. | Increasing fracture complexity in ultra-low permeable subterranean formation using degradable particulate |
CN104199121A (zh) * | 2014-08-15 | 2014-12-10 | 中国石油大学(北京) | 一种页岩气藏建产有利区的综合判别方法 |
CN104389594A (zh) * | 2014-10-13 | 2015-03-04 | 成都创源油气技术开发有限公司 | 页岩气井产能评价预测方法 |
-
2016
- 2016-05-05 CN CN201610294870.3A patent/CN107346455A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110120712A1 (en) * | 2009-07-30 | 2011-05-26 | Halliburton Energy Services, Inc. | Increasing fracture complexity in ultra-low permeable subterranean formation using degradable particulate |
CN104199121A (zh) * | 2014-08-15 | 2014-12-10 | 中国石油大学(北京) | 一种页岩气藏建产有利区的综合判别方法 |
CN104389594A (zh) * | 2014-10-13 | 2015-03-04 | 成都创源油气技术开发有限公司 | 页岩气井产能评价预测方法 |
Non-Patent Citations (4)
Title |
---|
刘志逊等: "《中国能源资源形式与能源地质调查工作部署研究》", 30 June 2015, 地质出版社 * |
周道容: "四川盆地威远地区下古生界页岩气成藏条件及有利区优选", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
李昌伟等: "国内外页岩气形成条件对比与有利区优选", 《天然气地球科学》 * |
谭延栋: "《天然气勘探中的测井技术》", 31 December 1994, 石油工业出版社 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108035709A (zh) * | 2017-12-04 | 2018-05-15 | 中国石油天然气股份有限公司 | 一种页岩储层质量的确定方法及装置 |
CN109975189A (zh) * | 2017-12-28 | 2019-07-05 | 中国石油天然气股份有限公司 | 孔隙型砂岩储层产能预测方法与装置 |
CN109975189B (zh) * | 2017-12-28 | 2022-03-29 | 中国石油天然气股份有限公司 | 孔隙型砂岩储层产能预测方法与装置 |
CN108416475A (zh) * | 2018-03-05 | 2018-08-17 | 中国地质大学(北京) | 一种页岩气产能非确定性预测方法 |
CN110295894B (zh) * | 2018-03-22 | 2022-03-01 | 中国石油化工股份有限公司 | 一种建立水平井产能预测模型的方法 |
CN110295894A (zh) * | 2018-03-22 | 2019-10-01 | 中国石油化工股份有限公司 | 一种建立水平井产能预测模型的方法 |
CN108756834A (zh) * | 2018-05-28 | 2018-11-06 | 中国科学技术大学 | 页岩气生产数据分析方法 |
CN109298449A (zh) * | 2018-09-26 | 2019-02-01 | 中国石油化工股份有限公司 | 一种确定陆相页岩油勘探有利单元的方法 |
CN109209329A (zh) * | 2018-10-31 | 2019-01-15 | 重庆地质矿产研究院 | 一种确定页岩储层可压裂性系数的方法 |
CN111812736A (zh) * | 2020-07-22 | 2020-10-23 | 西南石油大学 | 一种致密砂岩无水气藏含气性评价方法 |
CN111812736B (zh) * | 2020-07-22 | 2021-03-16 | 西南石油大学 | 一种致密砂岩无水气藏含气性评价方法 |
CN114526050A (zh) * | 2020-11-06 | 2022-05-24 | 中国石油化工股份有限公司 | 一种用于评价碳酸盐岩储层可压性的方法及系统 |
CN114526050B (zh) * | 2020-11-06 | 2022-11-04 | 中国石油化工股份有限公司 | 一种用于评价碳酸盐岩储层可压性的方法及系统 |
WO2023130426A1 (zh) * | 2022-01-06 | 2023-07-13 | 海南热带海洋学院 | 一种评判食品物料可打印性的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107346455A (zh) | 一种用于识别页岩气产能的方法 | |
CN110276827B (zh) | 一种基于泥页岩储层的有效性的评价方法 | |
CN110412661B (zh) | 细粒岩油气藏甜点段优势段簇的评价方法及装置 | |
Buller et al. | Petrophysical evaluation for enhancing hydraulic stimulation in horizontal shale gas wells | |
Sen et al. | Petrophysical heterogeneity of the early Cretaceous Alamein dolomite reservoir from North Razzak oil field, Egypt integrating well logs, core measurements, and machine learning approach | |
CN105275456B (zh) | 一种利用测井资料识别优质泥页岩的方法 | |
CN108009705A (zh) | 一种基于支持向量机技术的页岩储层可压性评价方法 | |
CN106168685A (zh) | 一种页岩气单井地质综合评价方法 | |
CN104806232B (zh) | 一种确定碳酸盐岩储层孔隙度下限的方法 | |
CN105697002A (zh) | 一种用于识别煤系地层岩性的方法 | |
CN105240006B (zh) | 一种适用于火山岩储层的油水层识别方法 | |
CN111425193A (zh) | 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法 | |
CN104047598A (zh) | 非均质古岩溶碳酸盐岩储层产能预测方法 | |
CN110727035A (zh) | 一种低渗强非均质气藏气水层识别方法 | |
CN106560820A (zh) | 一种页岩气储层的测井评价方法 | |
CN111487691B (zh) | 一种致密砂岩储层岩性及砂体结构定量识别方法 | |
CN105404972A (zh) | 一种油藏开发不确定性研究及风险控制的方法 | |
CN110295894A (zh) | 一种建立水平井产能预测模型的方法 | |
Kharrat et al. | Rock Typeand Permeability Prediction of a Heterogeneous Carbonate Reservoir Using Artificial Neural Networks Based on Flow Zone Index Approach | |
CN116122801A (zh) | 一种页岩油水平井体积压裂可压性综合评价方法 | |
CN110688781B (zh) | 一种低渗非均质气藏储层测井解释方法 | |
CN111781638A (zh) | 一种有效裂缝带预测方法及装置 | |
CN101798922A (zh) | 天然气充盈度判断方法及其在低丰度气藏中的应用 | |
CN112228050B (zh) | 一种定量评价致密油储层宏观非均质性的方法及其应用 | |
CN114692360A (zh) | 一种用于碳酸盐岩储层的测井评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171114 |
|
RJ01 | Rejection of invention patent application after publication |