CN108897906A - 一种基于数字岩心模型的储层敏感性伤害模拟方法 - Google Patents
一种基于数字岩心模型的储层敏感性伤害模拟方法 Download PDFInfo
- Publication number
- CN108897906A CN108897906A CN201810508119.8A CN201810508119A CN108897906A CN 108897906 A CN108897906 A CN 108897906A CN 201810508119 A CN201810508119 A CN 201810508119A CN 108897906 A CN108897906 A CN 108897906A
- Authority
- CN
- China
- Prior art keywords
- mineral
- rock
- group
- rock forming
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 95
- 230000006378 damage Effects 0.000 title claims abstract description 61
- 230000035945 sensitivity Effects 0.000 title claims abstract description 32
- 239000011435 rock Substances 0.000 claims abstract description 229
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 166
- 239000011707 mineral Substances 0.000 claims abstract description 166
- 238000006243 chemical reaction Methods 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 28
- 238000009533 lab test Methods 0.000 claims abstract description 16
- 230000003628 erosive effect Effects 0.000 claims abstract description 5
- 239000002734 clay mineral Substances 0.000 claims description 123
- 239000004927 clay Substances 0.000 claims description 61
- 230000008569 process Effects 0.000 claims description 56
- 238000009826 distribution Methods 0.000 claims description 54
- 239000002245 particle Substances 0.000 claims description 48
- 230000007797 corrosion Effects 0.000 claims description 35
- 238000005260 corrosion Methods 0.000 claims description 35
- 238000011049 filling Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 30
- 238000001816 cooling Methods 0.000 claims description 13
- 230000008961 swelling Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000002922 simulated annealing Methods 0.000 claims description 8
- 238000005311 autocorrelation function Methods 0.000 claims description 7
- 239000012530 fluid Substances 0.000 claims description 7
- 230000035699 permeability Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 238000005137 deposition process Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims description 4
- 238000000137 annealing Methods 0.000 claims description 3
- 238000005266 casting Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000004090 dissolution Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000000502 dialysis Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000011161 development Methods 0.000 abstract description 6
- 238000011160 research Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 239000007788 liquid Substances 0.000 description 27
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 description 25
- 229910052901 montmorillonite Inorganic materials 0.000 description 23
- 229910052619 chlorite group Inorganic materials 0.000 description 17
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 17
- 229910001919 chlorite Inorganic materials 0.000 description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 229910052900 illite Inorganic materials 0.000 description 13
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 13
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 10
- 229910052622 kaolinite Inorganic materials 0.000 description 10
- 238000009736 wetting Methods 0.000 description 10
- 208000027418 Wounds and injury Diseases 0.000 description 9
- 208000014674 injury Diseases 0.000 description 8
- 230000003321 amplification Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000012332 laboratory investigation Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 229910021647 smectite Inorganic materials 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- -1 enrichment Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000012798 spherical particle Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于数字岩心模型的储层敏感性伤害模拟方法，以原始含多种岩石矿物组分的数字岩心模型为参考，结合不同模拟条件下不同岩石矿物的室内实验结果(不同类型岩石矿物的转化及体积变化规律)，通过基于模型离散点稳定性判别和形态学中膨胀和腐蚀算法等方法将室内研究结果与数字岩心模型紧密结合，实现了基于数字岩心技术对储层敏感性伤害的模拟，最后通过对储层伤害前后数字岩心模型微观结构及孔渗变化的分析，得到不同模拟条件下，岩石矿物敏感性对储层伤害的程度，该方法的提出进一步拓展了数字岩心技术在油气田开发领域的应用，也为储层岩石矿物敏感性伤害的研究提供了新手段。
Description
技术领域
本发明属于油气田开发技术领域，特别涉及一种基于数字岩心模型的储层敏感性伤害模拟方法，是一种主要针对不同模拟条件下，由于储层岩石矿物体积变化及转化造成的储层敏感性伤害过程而开展的基于含多种岩石矿物组分的数字岩心模型的储层伤害模拟技术。
背景技术
在整个油气田开发过程中，从储层地质到钻井、完井、采油以及后续的增产措施等一系列环节中都有可能发生储层伤害。针对储层伤害的研究也涵盖了储层伤害机理的研究、储层伤害过程模拟装置的研究、储层伤害评级方法与标准以及储层保护技术等。储层伤害则主要通过以下几种主要的方法来进行研究，具体包括：①以储层孔渗性能评价、敏感性评价、储层岩石及流体性能评价等为主的室内与现场研究评价；②通过油藏数值模拟及数学建模的手段进行储层伤害过程的研究；③利用专家评价系统对储层伤害程度的诊断与评价。如何利用有限的现场资料，快捷高效的研究储层伤害对于储层微观结构损害的影响，从而减小储层伤害对于油气田开发过程的影响。
随着计算机技术，仪器分析手段的不断发展，促进了数字岩心理论及相关技术的发展，而数字岩心重建技术作为一项发展较为迅速的微观尺度储层模拟分析手段而受到越来越多的关注，其应用也由最初的岩石基本物性研究扩展到了孔隙内流体的渗流、富集、岩石电性关系等多个方面。黏土矿物是储层岩石矿物的重要组成部分，其除遇水具有较强的可塑性外，多数还具有较强的吸附性和离子交换性等特点；是导致储层发生敏感性伤害的主控因素，因此本发明提出一种基于含多种岩石矿物组分数字岩心模型的储层敏感性伤害模拟方法，通过基于数值法构建的数字岩心模型，结合室内实验研究结果，模拟不同条件下岩石矿物敏感性造成的储层伤害。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种基于数字岩心模型的储层敏感性伤害模拟方法，通过数字岩心技术将室内实验研究结果与现场资料相结合，为研究不同储层的储层伤害过程提供手段。
为了实现上述目的，本发明采用的技术方案是：
一种基于数字岩心模型的储层敏感性伤害模拟方法，包括以下步骤：
步骤1，基于真实储层二维信息，利用改进混合算法和聚类算法构建含多种岩石矿物的数字岩心模型；
步骤2，通过室内实验得到不同模拟条件下(不同温度，不同润湿环境，不同水类型)，不同类型岩石矿物的体积变化、转化规律的实验参数；
步骤3，基于不同模拟条件下(不同温度，不同润湿环境，不同水类型)各类岩石矿物的体积膨胀系数，计算得到不同类型岩石矿物基团的膨胀体积，以步骤1中的含多种岩石矿物组分的数字岩心模型为基础，结合不同类型岩石矿物的属性及形态学中的膨胀算法，对不同模拟条件下(不同温度，不同润湿环境，不同水类型)岩石矿物的膨胀过程进行模拟；
步骤4，基于不同模拟条件下(不同温度，不同润湿环境，不同水类型)各类岩石矿物的体积溶蚀系数，计算得到不同类型岩石矿物基团的溶蚀体积，以步骤1中的含多种岩石矿物组分的数字岩心模型为基础，结合不同类型岩石矿物的属性及形态学中的腐蚀算法，对不同模拟条件下(不同温度，不同润湿环境，不同水类型)岩石矿物的溶蚀过程进行模拟；
步骤5，基于不同模拟条件下(不同温度，不同润湿环境，不同水类型)各类岩石矿物的转化率，计算得到不同类型岩石矿物基团相互转化的体积，以步骤1中的含多种岩石矿物组分的数字岩心模型为基础，优先考虑岩石矿物基团较小的岩石矿物基团进行转化，包括转化相岩石矿物的减少和被转化相岩石矿物增加两个过程，对不同条件下岩石矿物的转化过程进行模拟。
所述步骤1中，真实储层二维信息包括铸体薄片、岩石粒度分布、黏土矿物分布、黏土矿物产状特征；具体的模型构建步骤包括：
第一步，利用过程法构建基础数字岩心模型时，考虑黏土矿物的总含量，在沉积过程中，根据真实储层的粒度分布情况，随机选择沉积颗粒的半径，沉积颗粒的尺寸不但由原始的沉积颗粒粒度分布决定，同时额外考虑黏土矿物与储层砂岩颗粒之间的比例，在满足高能环境和重力势能梯度最大的下落模拟原则的基础上模拟沉积过程，并结合真实岩心孔隙度，选择压实因子控制数字岩心模型的孔隙度；
第二步，将单位体像素点的空间占位，即点、线和面占位三种类型，按其对邻域不稳定性的贡献程度赋予权值，其中面为5，边为3，点为2；在选取交换单位体像素点时，计算该体像素点与邻域占位点、线和面上的不稳定性贡献程度S，并基于模拟退火算法中能量值下降的过程，引入交换单位体像素点对其邻域不稳定性的贡献程度参数Sd，对交换点的可交换性进行判断，提高交换单位体像素点的有效性，其中Sd为与模拟过程中系统能量相关的无因次值：
Sd＝N×β(E0-Ei/△Emax)(1)
式中，N为单位体像素点影响的邻域接触点的个数，无量纲；β为单位体像素点对邻域不稳定性系数，无量纲；E0为系统的初始能量，无量纲；Ei为第i次降温后系统的能量，无量纲；ΔEmax为初始模型和基于储层岩石二维信息的参考模型系统的能量差值，无量纲，初始模型是指过程法构建的基础数字岩心模型；
第三步，利用改进混合算法构建初始数字岩心模型的步骤为：
①建立基于储层岩石二维信息的参考模型，将过程法构建的基础数字岩心模型作为改进混合算法的初始模型，设定初始温度，并计算初始系统的相关参数，包含自相关函数、线性路径函数、分形特征函数和能量值；
②在保证模拟退火降温过程随机性的基础上，计算交换单位体像素点26个空间占位对邻域不稳定性的贡献程度S；当S>Sd时，认为该点的不稳定程度较高，可作为系统更新的交换点；当S<Sd时，则重复步骤②；
③计算交换单位体像素点后系统的相关参数，包括单点概率函数、自相关函数、线性路径函数、分形函数和能量值，计算与未交换前系统的能量差值ΔE；当ΔE<0时，更新系统；当ΔE>0时，根据Metropolis准则来判断系统是否更新，即在一定的概率条件下接受系统更新；如果判断后不满足系统更新条件，则返回步骤②；
④判断内循环终止条件，即判断在同一温度条件下系统能量差值是否小于设定最小能量差值；同时为避免系统刚降温，系统能量上升而立刻导致内循环结束而产生的降温，通过设定系统更新的失败率ff来避免该现象的出现，其中：
式中，Nf为导致系统能量回升的更新失败的次数；N为系统更新的总次数；
当ff大于一定值后，则进行降温处理，降温过程采取等比降温方案，并返回步骤②；
⑤当模拟过程温度降低到最终设定温度时或与上次降温的系统能量差值ΔE小于设定值时，整个模拟过程终止；
作为约束条件，模拟退火算法中使用的统计函数包括：单点概率函数P(r)、自相关函数、线性路径函数和分形函数，利用自相关函数和线性路径函数对初始系统进行退火模拟，当模型具备一定分形特征后，引入分形函数进一步约束重建模型；
第四步，将混合算法重建后初始数字岩心模型中的类球岩石颗粒，与过程法中构建的基础数字岩心模型的原始球形岩石颗粒相比较并取二者补集，将初始数字岩心模型初步划分为岩石骨架相、孔隙相和黏土矿物相三大类；
第五步，通过Hoshen-Kopelman算法对初始数字岩心模型中的黏土矿物基团进行统计和划分，其中被M相占据的概率为c，被T相占据的概率为1-c，对于晶格中的每一个占位i，当其被M相占据时，则给该占位赋予一个基团标记其中α是基团标记的特征符号，t为基团标记的次数，某一离散点的标记由一系列自然数表示：
在这一系列自然数中只有一个自然数是基团α的准确标记，该标记为且该值是集合(3)中所有自然数的最小值，其它各基团标记之间的关系则由以下整数集给出：
其中，只有是正整数元素，该值为基团中M相的个数，当进行第t次标记时，若基团中M相个数少于上次标记过程基团α的M相个数，则将该差值表示为相应t次的基团α的T相个数，(4)中的其它元素皆为负整数，反映了与其它基团标记的关系，与的关系用式(5)表示：
检查被判断离散点是否有被扫描过的相邻离散点，若相邻离散点为T相，则将当前被判断离散点赋予新基团的标记；如果有一个相邻离散点已经赋予基团标记，则将当前网格与相邻离散点赋予相同的标记；如果有一个以上的相邻离散点已经赋予基团标记，且基团标记各不相同，则将基团中所有离散点赋予相同的标记，最后统计并划分模型中黏土矿物相基团的个数及尺寸；
第六步，较大的连通基团为黏土相中基团尺寸大于相邻基质颗粒尺寸的黏土矿物基团，通过K-means算法对初始数字岩心模型中黏土矿物相基团尺寸较大的黏土矿物基团进行划分，具体步骤如下：
①读取数据样本的集合；
②设定样本聚类的个数k，随机的选取k个数据样本作为初始的数据样本聚类中心；
③计算欧氏距离，计算数据样本中每个数据到各聚类中心的欧式几何距离，然后根据最小误差平方和准则函数将数据按照远近距离划分到相应的不同聚类中心所对应的聚类当中；
④更新聚类中心，将每个聚类中所有数据的均值作为各个聚类新的中心，并以最小误差平方和准则重新计算新的聚类中心的值；
⑤迭代判别，将步骤④中计算得到的数值与前一次计算得到的数值相比较，如果两者差值小于或等于预先设定的临界值，则停止迭代，否则重新进行步骤③进行迭代；
⑥输出数据样本及聚类结果，包括每个聚类的聚类中心、大小；
第七步，当黏土矿物基团边界的离散点为单个岩石颗粒时，则将该黏土矿物基团划分为交代形式，交代形式主要分布于岩石颗粒内，呈单个离散点的形式分布；当黏土矿物基团边界的相邻离散点为单个岩石骨架颗粒及孔隙时，则将该黏土矿物相基团划分为颗粒表面充填形式；
当黏土矿物基团边界的相邻离散点为多个岩石骨架颗粒及孔隙时，则将该黏土矿物基团划分为粒间充填形式；
将交代形式、颗粒表面充填形式和粒间充填形式的黏土矿物基团分别标记为A、B、C；最终得到不同结构黏土矿物基团分布和不同类型的黏土矿物基团分布；
第八步，基于Hoshen-Kopelman算法和K-means算法得到初始数字岩心模型中黏土矿物基团大小及数量分布，以及按结构划分得到的黏土矿物基团类型及数量分布，结合真实储层黏土含量及分布以及主要的黏土矿物结构特点，按黏土矿物相基团大小和结构特点将模型中的黏土矿物赋予相应的黏土性质，得到含多组分岩石矿物分布的数字岩心模型。
所述步骤2中，室内实验包括为模拟原始储层条件及不同生产条件下，当储层温度、压力、层内流体和注入流体性质发生变化时，不同岩石矿物的转化及体积变化情况，具体包括不同类型岩石矿物在不同模拟条件下(不同温度，不同润湿环境条件，不同水类型)的膨胀率、溶蚀率和转化率。
所述步骤3中，对不同模拟条件(不同温度，不同润湿环境，不同水类型)下岩石矿物的膨胀过程进行模拟的具体步骤如下：
①基于步骤2中室内实验得到的膨胀率以及步骤1中所构建含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在不同模拟条件下的膨胀体积；
②读取步骤1中得到的含多种岩石矿物组分数字岩心模型(中不同岩石矿物基团的大小；
③判断孔隙空间占位是否能用于放置膨胀后的岩石矿物；
④计算空间占位的稳定性；
⑤计算空间占位与岩石矿物基团表面的最小距离；
⑥将可用于放置膨胀岩石矿物的空间占位进行排序；
⑦将膨胀岩石矿物放置在优先等级较高的空间占位上。
所述步骤4中，对不同模拟条件(不同温度，不同润湿环境，不同水类型)下岩石矿物的溶蚀过程进行模拟的具体步骤如下：
①基于室内实验得到的溶蚀率以及步骤1中含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在不同模拟条件下的溶蚀体积；
②读取步骤1得到的含多种岩石矿物组分数字岩心模型中不同岩石矿物基团的大小；
③判断岩石矿物基团边界能否用于溶蚀；
④计算边界占位的稳定性；
⑤将可用于发生溶蚀的边界占位进行排序；
⑥按照各岩石矿物基团的大小选取可用于溶蚀的边界占位；
⑦在优先等级较高的边界占位上进行溶蚀。
所述步骤5中，对不同模拟条件(不同温度，不同润湿环境，不同水类型)下岩石矿物的转化过程进行模拟的具体步骤如下：
①基于室内实验得到的转化率以及步骤1中含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在不同模拟条件下的转化体积与被转化体积；
②读取步骤1得到的含多种岩石矿物组分数字岩心模型中不同岩石矿物基团的大小；
③判断转化相岩石矿物的占位是否能够用于放置被转化相岩石矿物；
④计算空间占位的稳定性；
⑤将可用于转化的岩石矿物空间占位按所属基团的大小进行排序；
⑥选择优先等级较高的转化岩石矿物放置被转化相岩石矿物；
⑦将转化岩石矿物放置在优先等级较高的空间占位上。
通过对比不同储层敏感性伤害前后数字岩心模型中岩石矿物的体积变化、数字岩心模型的孔隙度和渗透率的变化，进一步研究储层敏感性伤害对储层微观结构的影响。
与现有技术相比，本发明的一种基于数字岩心模型的储层敏感性伤害模拟方法，通过将有限的矿场资料与室内实验结果相结合，提出了一种基于数字岩心技术的储层敏感性伤害模拟研究的新手段，该方法首先利用有限的矿场资料构建了包含多种岩石矿物类型与产状的数字岩心模型；其次，在不同模拟条件(温度、压力和流体性质等)下研究了不同类型岩石矿物的转化及体积变化规律，以此为基础，最后通过基于模型离散点稳定性判别和形态学中膨胀和腐蚀算法等方法将室内研究结果与数字岩心紧密结合，实现了基于数字岩心技术对储层敏感性伤害的模拟，最后通过对储层伤害前后数字岩心模型微观结构及孔渗变化的分析，得到不同模拟条件下，岩石矿物敏感性对储层伤害的程度，该方法的提出进一步拓展了数字岩心技术在油气田开发领域的应用，也为岩石矿物敏感性伤害的研究提供了新手段。
附图说明
图1是含多种岩石矿物数字岩心模型重建流程图。
图2是岩石矿物膨胀运算流程图。
图3是岩石矿物腐蚀运算流程图。
图4是岩石矿物转化运算流程图。
图5是含多种岩石矿物数字岩心模型。
图6是含多种岩石矿物数字岩心模型中黏土矿物基团的分布。
图7是不同类型的黏土矿物模型及其分布。
图8是高温高pH模拟冷凝液条件下的储层敏感性伤害模型。
图9是黏土膨胀溶蚀前后特征。
图10是高温高pH模拟冷凝液条件下各类黏土基团大小的分布。
图11是高温高pH模拟冷凝液条件下黏土基团的分布。
具体实施方式
下面结合附图和实施例对本发明作详细说明，但本发明不限于下列的实施例。
本发明具体涉及到一种基于数字岩心模型的储层敏感性伤害模拟方法，该实施例的高温高pH模拟冷凝液条件下储层敏感性伤害的模拟过程是通过以下步骤来实现的：
实施例中所采用的是基于储层岩石二维信息的含多种岩石矿物的数字岩心重建技术，其中包含的储层岩石二维信息主要包括储层的粒度分布、铸体资料、孔隙度、岩石矿物含量及产状分布等。
(1)含多种岩石矿物原始数字岩心模型的构建
含多种岩石矿物的数字岩心模型的构建按图1所示的过程进行构建，其中利用过程法构建基础数字岩心模型，在满足高能环境和重力势能梯度最大的下落模拟原则的基础上模拟沉积过程，并结合真实岩心孔隙度，选择压实因子控制数字岩心的孔隙度。为构建含多组分岩石矿物的数字岩心模型，在沉积过程中，根据真实粒度随机选择球体颗粒的半径时，考虑了其他类型岩石矿物所占体积，因此沉积颗粒的尺寸不但由原始的粒度分布决定，同时额外考虑了其他类型岩石矿物与储层砂岩颗粒之间的比例。在运用混合算法构建初始数字岩心模型时，将单位体像素点的空间占位(点、线和面)按其对邻域不稳定性的贡献程度赋予权值，其中面为5，边为3，点为2；在选取交换体像素点时，计算该体像素点与邻域占位点、线和面上的不稳定性贡献程度S，并基于模拟退火算法中能量值下降的过程，引入交换单位体像素点对其邻域不稳定性的贡献程度参数Sd，对交换点的可交换性进行判断，提高交换单位体像素点的有效性，其中Sd为与模拟过程中系统能量相关的无因次值：
Sd＝N×β(E0-Ei/△Emax)(1)
式中，N为单位体像素点影响的邻域接触点的个数，无量纲；β为单位体像素点对邻域不稳定性系数，无量纲；E0为系统的初始能量，无量纲；Ei为第i次降温后系统的能量，无量纲；ΔEmax为初始模型和参考模型系统的能量差值，无量纲。
作为约束条件，模拟退火算法中常用的统计函数包括：单点概率函数、自相关函数、线性路径函数和分形函数等，利用自相关函数和线性路径函数对初始系统进行退火模拟，当模型具备一定分形特征后，引入分形函数进一步约束重建模型。
将混合算法重建后初始数字岩心模型中的类球岩石颗粒，与过程法中重建基础模型的原始球形岩石颗粒相比较，并将模型初步划分为岩石骨架相(R)、孔隙相(P)和黏土矿物相(C)三大类，其中C相在空间中以大小不同的不规则离散基团的形式分布，其中模型运算之前需要将三维重建模型划分为两相，孔隙相和岩石骨架相需合并为一相T，利用Hoshen-Kopelman算法得到模型中黏土基团的编号、尺寸和数量，由于统计划分的黏土矿物基团中存在部分尺寸较大的连通黏土基团，而在真实储层中不同种类的黏土矿物在岩石颗粒表面也存在连通、接触的情况；利用K-means聚类算法可以将对岩石颗粒(聚类中心)周围的黏土矿物按所属关系进行聚类。因此，本发明以岩石颗粒的球心和所有较大尺寸的黏土矿物基团作为K-means算法的数据样本对Hoshen-Kopelman算法划分后的黏土矿物基团进行有效划分。对于较大尺寸的连通黏土矿物基团可按照K-means算法划分为多个附着于岩石颗粒表面的有效黏土基团。
储层中常见的黏土矿物包括蒙脱石、伊利石、伊蒙混层、绿泥石、高岭石；常见的分布形式为粒间孔隙充填、颗粒包壳、交代和包壳衬边等，且不同黏土的分布特点也各不相同。重建模型中黏土矿物的填充形式主要为颗粒表面填充(单个黏土表面填充，多个黏土表面填充和层状黏土表面填充)、颗粒间填充(双颗粒间黏土填充、多颗粒间黏土填充)和颗粒内部填充，故在进行数字岩心模型的黏土矿物构建时，结合实际黏土的分布形式，按照单个黏土基团与岩石骨架颗粒的相邻关系将黏土矿物基团分布的主要形式划分为：粒间充填、颗粒表面充填和交代作用。
基于Hoshen-Kopelman算法得到模型中黏土矿物基团大小及数量分布，以及按结构划分得到的重建模型中黏土基团类型及数量分布，结合真实储层黏土含量分布以及主要的黏土矿物结构特点，按黏土矿物基团大小和结构特点将模型中的黏土矿物赋予相应的黏土性质，得到含不同类型岩石矿物分布的数字岩心模型，如图5所示。
(2)数字岩心模型岩石矿物分布特征
参考模型储层孔隙度为26.38％，渗透率0.614μm2，泥质含量12.36％；其中黏土含量分布为：蒙脱石40.8％，高岭石19.1％，绿泥石27.4％，伊利石6.3％。其中蒙脱石产状主要以颗粒包壳为主，存在部分粒间充填形式；高岭石以粒间孔隙充填，呈分散质点状集合体分布；绿泥石以包壳衬边，粒间充填和交代状分布；伊利石的分布形式包括粒间充填、交代和薄膜式分布。
①重建模型中的黏土基团分布
基于Hoshen-Kopelman算法得到的数字岩心模型中不同黏土矿物基团的分布情况如图6所示，其中最大的黏土矿物基团的尺寸为27953个体素，最小的黏土基团大小为1个体素(基团个数为9432)。基团大小小于11个体素的黏土基团仅占所有黏土基团的1.91％；而主要的黏土基团则分布在10000个体素到25000个体素之间，占总黏土体积的97.29％。整体的黏土基团分布呈现“大基团为主，小基团分散”的特点，这与实际储层中黏土矿物的分布形式相近似。
②结构划分后模型中黏土矿物的统计
通过黏土基团的结构判别，所有的黏土矿物基团按产状被划分为三种主要类型：表面充填，粒间充填和交代作用。其中以粒间充填形式分布的黏土矿物基团共有4685个基团，含量占黏土总体积的67.13％；表面充填产状的黏土矿物基团共有4530个，含量占黏土总体积的32.30％；而交代作用的黏土矿物则零星的分布于岩石颗粒当中，其含量仅占到黏土总体积的0.28％；模型中较大的黏土矿物基团主要为表面充填和粒间充填的形式。
通过对数字岩心模型中黏土矿物基团的划分和结构判别，每个黏土矿物基团都标记了不同的属性(包括基团大小、序号、产状等)。因此，结合真实储层的相关信息(包括黏土含量、黏土类型、黏土的产状等)，模型中的黏土矿物按黏土含量和产状特征被划分为不同的黏土类型，蒙脱石是模型中含量最多的黏土矿物，含量占黏土矿物总体积的40.84％，绿泥石占27.43％，高岭石占19.11％，伊利石占6.28％。且对于不同尺寸的黏土矿物基团，各种黏土矿物基团的分布相对均匀。
③含多种岩石矿物数字岩心模型中黏土矿物的分布
从各层中黏土矿物的分布情况来看，黏土矿物分布中包括部分基团大小小于5的黏土矿物颗粒，同时大基团黏土矿物的分布以粒间充填(双颗粒间和多粒间)，颗粒表面充填(蚀变类黏土、包壳衬边、薄膜式)为主，存在少量交代式分布的黏土矿物。
由图7a和图7e可以看出，蒙脱石在模型中由于含量较高，主要成连片充填并附着于岩石基质表面，同时蒙脱石黏土基团主要以粒间充填和表面充填的形式分布于重建模型当中，基团数量分别为2117个和1935个；粒间充填类蒙脱石和表面充填类蒙脱石的含量占黏土矿物总体积的41.41％和58.39％；其中最大的粒间充填类蒙脱石基团大小为22716个体素，最大的表面充填类蒙脱石基团大小为21273个体素；由图7b和7f可以看出，绿泥石以环状和部分连片的基团分布于模型当中，粒间充填类绿泥石共有900个基团，占黏土矿物总体积的62,53％；表面充填类绿泥石共有975个基团，占黏土矿物总体积的37.14％，最大的粒间充填类和表面充填类绿泥石基团大小分别为22767个体素和21193个体素；由图7c和图7g可以看出，高岭石一般以粒间充填的形式分布于储层岩石当中，而由模型中黏土矿物的分布可知，粒间充填是模型中高岭石的主要分布形式，占黏土总体积的98.58％，其中最大的粒间充填类黏土基团的大小为27953个体素；由图7d和7h可以看出，伊利石在模型中的产状包括粒间充填，表面充填和交代形式，其中表面充填类和粒间充填类伊利石分别占41.32％和58.12％。交代作用在四种黏土矿物中均有分布，且主要以零星分布的形式分布于岩石颗粒当中，蒙脱石、绿泥石、高岭石和伊利石中交代状黏土基团的个数分别为504、619、61和244个，所构建的含黏土三维多孔介质模型与真实储层的黏土矿物分布、产状较为吻合。
(3)储层岩石矿物性质变化造成的储层伤害模型构建
储层中的黏土矿物在不同的储层环境中，经过复杂的水岩反应，容易造成黏土矿物的转化，由室内模拟实验结果可知：高温高pH模拟冷凝液反应后，1％的蒙脱石向其它类型岩石矿物转化，6％的高岭石向蒙脱石转化，1％的高岭石向伊利石转化，7％的伊利石向蒙脱石转化，16％的绿泥石向其它类型岩石矿物转化。
蒙脱石及一些混层黏土矿物是常见的水敏性黏土矿物，在不同的环境中，水敏性黏土矿物的膨胀体积和对储层造成的伤害程度亦不尽相同。针对不同模拟条件下黏土矿物的体积膨胀变化，开展了相应的实验研究，在高温高pH的模拟冷凝液环境中，体积膨胀较为明显的黏土矿物为蒙脱石，膨胀率为159.13％；非膨胀性的伊利石向膨胀性的蒙脱石发生了部分转化造成了体积膨胀，膨胀率为58.8％；模型中蒙脱石的基团表面发生了明显的膨胀；随着蒙脱石的膨胀，模型的孔隙度不断下降，同时模型的孔喉结构也发生了较为明显的变化，进一步加剧了水敏性黏土矿物对储层渗透性能带来的影响；绿泥石是典型的酸敏性黏土矿物，然而在高温高pH的模拟冷凝液环境中绿泥石在水岩反应作用下，也发生了较少量的溶蚀作用。
储层岩石矿物性质变化造成的储层伤害，包括了因岩石矿物性质变化造成岩石矿物的体积膨胀、溶蚀、转化等一系列过程，不同模拟条件下黏土矿物的体积变化和各类黏土矿物的转化过程是在岩石的水岩反应过程中同时发生的，且黏土转化过程并不改变黏土矿物的体积，而黏土矿物的体积变化均反映了不同类型黏土矿物转化后的体积变化。因此由于储层岩石矿物性质造成的储层伤害模型应首先综合考虑岩石矿物的转化和体积变化，在此基础上，基于黏土矿物的转化关系，对体积变化后的储层伤害模型做黏土转化过程的模拟，具体地，高温高pH模拟冷凝液条件下岩石矿物的膨胀过程进行模拟的具体步骤按图2所示的流程进行模拟：
①基于室内实验得到的岩石矿物膨胀率以及所构建含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在高温高pH模拟冷凝液条件下的膨胀体积；
②读取含多种岩石矿物组分数字岩心模型中不同岩石矿物基团的大小；
③判断孔隙空间占位是否能用于放置膨胀后的岩石矿物；
④计算空间占位的稳定性；
⑤计算空间占位与岩石矿物基团表面的最小距离；
⑥将可用于放置膨胀岩石矿物的空间占位进行排序；
⑦将膨胀岩石矿物放置在优先等级较高的空间占位上。
高温高pH模拟冷凝液条件下岩石矿物的溶蚀过程进行模拟的具体步骤按图3所示的流程进行模拟：
①基于室内实验得到的岩石矿物溶蚀率以及所构建含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在高温高pH模拟冷凝液条件下的溶蚀体积；
②读取含多种岩石矿物组分数字岩心模型中不同岩石矿物基团的大小；
③判断岩石矿物基团边界能否用于溶蚀；
④计算边界占位的稳定性；
⑤将可用于发生溶蚀的边界占位进行排序；
⑥按照各岩石矿物基团的大小选取可用于溶蚀的边界占位；
⑦在优先等级较高的边界占位上进行溶蚀。
高温高pH模拟冷凝液条件下岩石矿物的转化过程进行模拟的具体步骤按图4所示的流程进行模拟：
①基于室内实验得到的岩石矿物转化率以及所构建含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在高温高pH模拟冷凝液条件下的转化体积与被转化体积；
②读取含多种岩石矿物组分数字岩心模型中不同岩石矿物基团的大小；
③判断转化相岩石矿物的占位是否能够用于放置被转化相岩石矿物；
④计算空间占位的稳定性；
⑤将可用于转化的岩石矿物空间占位按所属基团的大小进行排序；
⑥选择优先等级较高的转化岩石矿物放置被转化相岩石矿物；
⑦将转化岩石矿物放置在优先等级较高的空间占位上。
(4)储层岩石矿物性质变化造成的储层伤害特征研究
利用含多组分数字岩心模型构建了由于储层岩石矿物性质变化造成的储层伤害模型，由于在不同模拟条件下不同岩石矿物的转化及体积变化会造成黏土矿物产状、含量的变化，同时黏土矿物的变化会进一步造成储层岩石物性的变化。因此，本例研究了由于高温高pH模拟冷凝液条件下，储层岩石矿物性质变化造成的黏土矿物含量及体积变化，以及模型的孔隙度及渗透率的变化。
①黏土矿物含量与体积的变化
如图8所示为高温高pH模拟冷凝液条件下的储层敏感性伤害模型，在黏土转化过程中，虽然总的黏土矿物含量及体积并没有发生变化，但是不同类型的黏土矿物之间发生了相互转化，各类黏土矿物的含量和体积都发生了变化；而在黏土矿物的溶蚀和膨胀过程中，由于体积的变化是从黏土矿物的表面开始的，因此在变化过程中，黏土矿物的含量及体积，甚至黏土矿物的产状都发生了明显的变化，如图9所示，其中图9a和图9c分别为黏土矿物膨胀前后的示意图，图9b和图9d分别为黏土矿物溶蚀前后的示意图。
表1高温高pH模拟冷凝液条件下黏土矿物变化
如表1所示为高温高pH模拟冷凝液条件下黏土矿物的变化情况。模型中的黏土含量发生了明显的变化，其中模型的黏土含量由原始的12.29％上升为高温高pH模拟冷凝液条件下19.00％，黏土矿物含量的变化主要是由于模拟反应条件下黏土矿物的膨胀所导致的，其中蒙脱石由原始模型的40.84％上升为高温高pH模拟冷凝液反应后的66.06％。岩石矿物经历转化、溶蚀、膨胀后，相比原始模型，高温高pH模拟冷凝液模型中，蒙脱石和伊利石的膨胀占主导作用，而绿泥石和高岭石向蒙脱石、伊利石和其它矿物的转化作用以及二者的溶蚀作用使得模拟反应后绿泥石和高岭石的含量相比原始模型有所降低。
由图10和图11所示，图10a、10b、10c和10d分别为高温高pH模拟冷凝液储层伤害数字岩心模型和原始含多种岩石矿物数字岩心模型中蒙脱石、高岭石、伊利石和绿泥石的基团大小；图11a和图11e为高温高pH模拟冷凝液伤害前后蒙脱石的分布，图11b和图11f为高温高pH模拟冷凝液伤害前后高岭石的分布，图11c和图11g为高温高pH模拟冷凝液伤害前后伊利石的分布，图11d和图11h为高温高pH模拟冷凝液伤害前后绿泥石的分布，不同类型黏土矿物基团在储层伤害过程前后，基团的大小及基团的数量都发生了明显的变化，从黏土的结构上来看，由于模拟过程中交代类黏土矿物均位于其它类黏土矿物中，因此在储层伤害过程中，交代类黏土矿物的含量基本不发生变化，对于膨胀性黏土矿物蒙脱石，发生敏感性伤害后，表面充填和粒间充填蒙脱石的基团大小都有所上升，且由图10可以看出，在膨胀类黏土矿物的膨胀过程中，部分表面充填的黏土矿物随着体积的不断增加，附着于岩石颗粒表面的黏土不断向孔隙空间及邻近的岩石颗粒表面膨胀，因此膨胀过程中表面类黏土的增幅低于粒间类黏土的增幅。绿泥石由于在不同的模拟反应过程中都会发生少量的溶蚀，因此不同类型的绿泥石基团大小都有所下降。
②孔隙度和渗透率变化
表2高温高pH模拟冷凝液条件下模型孔渗参数变化
由表2可以看出，储层伤害后黏土矿物含量上升而孔隙度下降，高温高pH模拟冷凝液条件下岩石矿物性质造成的储层伤害明显，黏土含量由原始模型的12.29％上升为模拟反应后的19.00％，增幅为50.08％，而孔隙度由原始的26.38％下降为20.56％；同时渗透率由原始模型的589.76×103μm2下降为279.20×103μm2，由于岩石矿物性质的差异对原始的储层造成了极大的伤害，储层孔渗下降明显。
Claims (7)
1.一种基于数字岩心模型的储层敏感性伤害模拟方法，其特征在于，包括以下步骤：
步骤1，基于真实储层二维信息，利用改进混合算法和聚类算法构建含多种岩石矿物的数字岩心模型；
步骤2，通过室内实验得到不同模拟条件下，不同类型岩石矿物的体积变化、转化规律的实验参数；
步骤3，基于不同模拟条件下各类岩石矿物的体积膨胀系数，计算得到不同类型岩石矿物基团的膨胀体积，以步骤1中的含多种岩石矿物组分的数字岩心模型为基础，结合不同类型岩石矿物的属性及形态学中的膨胀算法，对不同模拟条件下岩石矿物的膨胀过程进行模拟；
步骤4，基于不同模拟条件下各类岩石矿物的体积溶蚀系数，计算得到不同类型岩石矿物基团的溶蚀体积，以步骤1中的含多种岩石矿物组分的数字岩心模型为基础，结合不同类型岩石矿物的属性及形态学中的腐蚀算法，对不同模拟条件下岩石矿物的溶蚀过程进行模拟；
步骤5，基于不同模拟条件下各类岩石矿物的转化率，计算得到不同类型岩石矿物基团相互转化的体积，以步骤1中的含多种岩石矿物组分的数字岩心模型为基础，优先考虑岩石矿物基团较小的岩石矿物基团进行转化，包括转化相岩石矿物的减少和被转化相岩石矿物增加两个过程，对不同条件下岩石矿物的转化过程进行模拟。
2.根据权利要求1所述基于数字岩心模型的储层敏感性伤害模拟方法，其特征在于，所述步骤1中，真实储层二维信息包括铸体薄片、岩石粒度分布、黏土矿物分布、黏土矿物产状特征；具体的模型构建步骤包括：
第一步，利用过程法构建基础数字岩心模型时，考虑黏土矿物的总含量，在沉积过程中，根据真实储层的粒度分布情况，随机选择沉积颗粒的半径，沉积颗粒的尺寸不但由原始的沉积颗粒粒度分布决定，同时额外考虑黏土矿物与储层砂岩颗粒之间的比例，在满足高能环境和重力势能梯度最大的下落模拟原则的基础上模拟沉积过程，并结合真实岩心孔隙度，选择压实因子控制数字岩心模型的孔隙度；
第二步，将单位体像素点的空间占位，即点、线和面占位三种类型，按其对邻域不稳定性的贡献程度赋予权值，其中面为5，边为3，点为2；在选取交换单位体像素点时，计算该体像素点与邻域占位点、线和面上的不稳定性贡献程度S，并基于模拟退火算法中能量值下降的过程，引入交换单位体像素点对其邻域不稳定性的贡献程度参数Sd，对交换点的可交换性进行判断，提高交换单位体像素点的有效性，其中Sd为与模拟过程中系统能量相关的无因次值：
Sd＝N×β(E0-Ei/△Emax) (1)
式中，N为单位体像素点影响的邻域接触点的个数，无量纲；β为单位体像素点对邻域不稳定性系数，无量纲；E0为系统的初始能量，无量纲；Ei为第i次降温后系统的能量，无量纲；ΔEmax为初始模型和基于储层岩石二维信息的参考模型系统的能量差值，无量纲，初始模型是指过程法构建的基础数字岩心模型；
第三步，利用改进混合算法构建初始数字岩心模型的步骤为：
①建立基于储层岩石二维信息的参考模型，将过程法构建的基础数字岩心模型作为改进混合算法的初始模型，设定初始温度，并计算初始系统的相关参数，包含自相关函数、线性路径函数、分形特征函数和能量值；
②在保证模拟退火降温过程随机性的基础上，计算交换单位体像素点26个空间占位对邻域不稳定性的贡献程度S；当S>Sd时，认为该点的不稳定程度较高，可作为系统更新的交换点；当S<Sd时，则重复步骤②；
③计算交换单位体像素点后系统的相关参数，包括单点概率函数、自相关函数、线性路径函数、分形函数和能量值，计算与未交换前系统的能量差值ΔE；当ΔE<0时，更新系统；当ΔE>0时，根据Metropolis准则来判断系统是否更新，即在一定的概率条件下接受系统更新；如果判断后不满足系统更新条件，则返回步骤②；
④判断内循环终止条件，即判断在同一温度条件下系统能量差值是否小于设定最小能量差值；同时为避免系统刚降温，系统能量上升而立刻导致内循环结束而产生的降温，通过设定系统更新的失败率ff来避免该现象的出现，其中：
式中，Nf为导致系统能量回升的更新失败的次数；N为系统更新的总次数；
当ff大于一定值后，则进行降温处理，降温过程采取等比降温方案，并返回步骤②；
⑤当模拟过程温度降低到最终设定温度时或与上次降温的系统能量差值ΔE小于设定值时，整个模拟过程终止；
作为约束条件，模拟退火算法中使用的统计函数包括：单点概率函数P(r)、自相关函数、线性路径函数和分形函数，利用自相关函数和线性路径函数对初始系统进行退火模拟，当模型具备一定分形特征后，引入分形函数进一步约束重建模型；
第四步，将混合算法重建后初始数字岩心模型中的类球岩石颗粒，与过程法中构建的基础数字岩心模型的原始球形岩石颗粒相比较并取二者补集，将初始数字岩心模型初步划分为岩石骨架相、孔隙相和黏土矿物相三大类；
第五步，通过Hoshen-Kopelman算法对初始数字岩心模型中的黏土矿物基团进行统计和划分，其中被M相占据的概率为c，被T相占据的概率为1-c，对于晶格中的每一个占位i，当其被M相占据时，则给该占位赋予一个基团标记其中α是基团标记的特征符号，t为基团标记的次数，某一离散点的标记由一系列自然数表示：
在这一系列自然数中只有一个自然数是基团α的准确标记，该标记为且该值是集合(3)中所有自然数的最小值，其它各基团标记之间的关系则由以下整数集给出：
其中，只有是正整数元素，该值为基团中M相的个数，当进行第t次标记时，若基团中M相个数少于上次标记过程基团α的M相个数，则将该差值表示为相应t次的基团α的T相个数，(4)中的其它元素皆为负整数，反映了与其它基团标记的关系，与的关系用式(5)表示：
检查被判断离散点是否有被扫描过的相邻离散点，若相邻离散点为T相，则将当前被判断离散点赋予新基团的标记；如果有一个相邻离散点已经赋予基团标记，则将当前网格与相邻离散点赋予相同的标记；如果有一个以上的相邻离散点已经赋予基团标记，且基团标记各不相同，则将基团中所有离散点赋予相同的标记，最后统计并划分模型中黏土矿物相基团的个数及尺寸；
第六步，较大的连通基团为黏土相中基团尺寸大于相邻基质颗粒尺寸的黏土矿物基团，通过K-means算法对初始数字岩心模型中黏土矿物相基团尺寸较大的黏土矿物基团进行划分，具体步骤如下：
①读取数据样本的集合；
②设定样本聚类的个数k，随机的选取k个数据样本作为初始的数据样本聚类中心；
③计算欧氏距离，计算数据样本中每个数据到各聚类中心的欧式几何距离，然后根据最小误差平方和准则函数将数据按照远近距离划分到相应的不同聚类中心所对应的聚类当中；
④更新聚类中心，将每个聚类中所有数据的均值作为各个聚类新的中心，并以最小误差平方和准则重新计算新的聚类中心的值；
⑤迭代判别，将步骤④中计算得到的数值与前一次计算得到的数值相比较，如果两者差值小于或等于预先设定的临界值，则停止迭代，否则重新进行步骤③进行迭代；
⑥输出数据样本及聚类结果，包括每个聚类的聚类中心、大小；
第七步，当黏土矿物基团边界的离散点为单个岩石颗粒时，则将该黏土矿物基团划分为交代形式，交代形式主要分布于岩石颗粒内，呈单个离散点的形式分布；当黏土矿物基团边界的相邻离散点为单个岩石骨架颗粒及孔隙时，则将该黏土矿物相基团划分为颗粒表面充填形式；
当黏土矿物基团边界的相邻离散点为多个岩石骨架颗粒及孔隙时，则将该黏土矿物基团划分为粒间充填形式；
将交代形式、颗粒表面充填形式和粒间充填形式的黏土矿物基团分别标记为A、B、C；最终得到不同结构黏土矿物基团分布和不同类型的黏土矿物基团分布；
第八步，基于Hoshen-Kopelman算法和K-means算法得到初始数字岩心模型中黏土矿物基团大小及数量分布，以及按结构划分得到的黏土矿物基团类型及数量分布，结合真实储层黏土含量及分布以及主要的黏土矿物结构特点，按黏土矿物相基团大小和结构特点将模型中的黏土矿物赋予相应的黏土性质，得到含多组分岩石矿物分布的数字岩心模型。
3.根据权利要求1所述基于数字岩心模型的储层敏感性伤害模拟方法，其特征在于，所述步骤2中，室内实验包括为模拟原始储层条件及不同生产条件下，当储层温度、压力、层内流体和注入流体性质发生变化时，不同岩石矿物的转化及体积变化情况，具体包括不同类型岩石矿物在不同模拟条件下的膨胀率、溶蚀率和转化率。
4.根据权利要求1所述基于数字岩心模型的储层敏感性伤害模拟方法，其特征在于，所述步骤3中，对不同模拟条件下岩石矿物的膨胀过程进行模拟的具体步骤如下：
①基于步骤2中室内实验得到的膨胀率以及步骤1中所构建含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在不同模拟条件下的膨胀体积；
②读取步骤1中得到的含多种岩石矿物组分数字岩心模型(中不同岩石矿物基团的大小；
③判断孔隙空间占位是否能用于放置膨胀后的岩石矿物；
④计算空间占位的稳定性；
⑤计算空间占位与岩石矿物基团表面的最小距离；
⑥将可用于放置膨胀岩石矿物的空间占位进行排序；
⑦将膨胀岩石矿物放置在优先等级较高的空间占位上。
5.根据权利要求1所述基于数字岩心模型的储层敏感性伤害模拟方法，其特征在于，所述步骤4中，对不同模拟条件下岩石矿物的溶蚀过程进行模拟的具体步骤如下：
①基于室内实验得到的溶蚀率以及步骤1中含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在不同模拟条件下的溶蚀体积；
②读取步骤1得到的含多种岩石矿物组分数字岩心模型中不同岩石矿物基团的大小；
③判断岩石矿物基团边界能否用于溶蚀；
④计算边界占位的稳定性；
⑤将可用于发生溶蚀的边界占位进行排序；
⑥按照各岩石矿物基团的大小选取可用于溶蚀的边界占位；
⑦在优先等级较高的边界占位上进行溶蚀。
6.根据权利要求1所述基于数字岩心模型的储层敏感性伤害模拟方法，其特征在于，所述步骤5中，对不同模拟条件下岩石矿物的转化过程进行模拟的具体步骤如下：
①基于室内实验得到的转化率以及步骤1中含多种岩石矿物组分数字岩心模型的分辨率，计算不同类型岩石矿物在不同模拟条件下的转化体积与被转化体积；
②读取步骤1得到的含多种岩石矿物组分数字岩心模型中不同岩石矿物基团的大小；
③判断转化相岩石矿物的占位是否能够用于放置被转化相岩石矿物；
④计算空间占位的稳定性；
⑤将可用于转化的岩石矿物空间占位按所属基团的大小进行排序；
⑥选择优先等级较高的转化岩石矿物放置被转化相岩石矿物；
⑦将转化岩石矿物放置在优先等级较高的空间占位上。
7.根据权利要求1所述基于数字岩心模型的储层敏感性伤害模拟方法，其特征在于，通过对比不同储层敏感性伤害前后数字岩心模型中岩石矿物的体积变化、数字岩心模型的孔隙度和渗透率的变化，进一步研究储层敏感性伤害对储层微观结构的影响。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810508119.8A CN108897906B (zh) | 2018-05-24 | 2018-05-24 | 一种基于数字岩心模型的储层敏感性伤害模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810508119.8A CN108897906B (zh) | 2018-05-24 | 2018-05-24 | 一种基于数字岩心模型的储层敏感性伤害模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108897906A true CN108897906A (zh) | 2018-11-27 |
| CN108897906B CN108897906B (zh) | 2022-03-18 |
Family
ID=64343374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810508119.8A Expired - Fee Related CN108897906B (zh) | 2018-05-24 | 2018-05-24 | 一种基于数字岩心模型的储层敏感性伤害模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108897906B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353237A (zh) * | 2020-03-23 | 2020-06-30 | 河海大学 | 一种基于矿物晶粒定向发育的各向异性岩石建模方法 |
| CN111504252A (zh) * | 2020-04-23 | 2020-08-07 | 长江水利委员会长江科学院 | 一种长距离隧洞膨胀性围岩变形超前预测预报方法 |
| CN111694855A (zh) * | 2020-06-11 | 2020-09-22 | 中国石油大学(北京) | 储层敏感性智能预测数据处理方法及装置 |
| CN111833432A (zh) * | 2019-04-22 | 2020-10-27 | 四川大学 | 一种基于岩心二维灰度图像的三维重建方法 |
| CN112784433A (zh) * | 2021-01-31 | 2021-05-11 | 郑州轻工业大学 | 一种基于腐蚀的分级模拟退火建模方法 |
| CN113049784A (zh) * | 2021-03-24 | 2021-06-29 | 陕西延长石油（集团）有限责任公司 | 一种适用于泥页岩储层水敏的预测方法 |
| US11326450B2 (en) | 2020-06-11 | 2022-05-10 | China University Of Petroleum (Beijing) | Intelligent prediction method and apparatus for reservoir sensitivity |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
| CN105139444A (zh) * | 2015-07-31 | 2015-12-09 | 四川大学 | 基于岩心二维颗粒图像的三维颗粒结构重建方法 |
| US20160194940A1 (en) * | 2013-08-13 | 2016-07-07 | Schlumberger Technology Corporation | Digital core sensitivity analysis |
-
2018
- 2018-05-24 CN CN201810508119.8A patent/CN108897906B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160194940A1 (en) * | 2013-08-13 | 2016-07-07 | Schlumberger Technology Corporation | Digital core sensitivity analysis |
| CN105139444A (zh) * | 2015-07-31 | 2015-12-09 | 四川大学 | 基于岩心二维颗粒图像的三维颗粒结构重建方法 |
| CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
Non-Patent Citations (3)
| Title |
|---|
| YANLONG HE等: "Reconstruction of a digital core containing-clay minerals based on a clustering algorithm", 《PHYSICAL REVIEW E》 * |
| 何延龙等: "基于Hoshen-Kopelman算法的三维多孔介质模型中黏土矿物的构建", 《石油学报》 * |
| 陈昱林: "泥页岩微观孔隙结构特征及数字岩心模型研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111833432A (zh) * | 2019-04-22 | 2020-10-27 | 四川大学 | 一种基于岩心二维灰度图像的三维重建方法 |
| CN111833432B (zh) * | 2019-04-22 | 2023-04-18 | 四川大学 | 一种基于岩心二维灰度图像的三维重建方法 |
| CN111353237A (zh) * | 2020-03-23 | 2020-06-30 | 河海大学 | 一种基于矿物晶粒定向发育的各向异性岩石建模方法 |
| CN111504252A (zh) * | 2020-04-23 | 2020-08-07 | 长江水利委员会长江科学院 | 一种长距离隧洞膨胀性围岩变形超前预测预报方法 |
| CN111504252B (zh) * | 2020-04-23 | 2021-07-02 | 长江水利委员会长江科学院 | 一种长距离隧洞膨胀性围岩变形超前预测预报方法 |
| CN111694855A (zh) * | 2020-06-11 | 2020-09-22 | 中国石油大学(北京) | 储层敏感性智能预测数据处理方法及装置 |
| US11326450B2 (en) | 2020-06-11 | 2022-05-10 | China University Of Petroleum (Beijing) | Intelligent prediction method and apparatus for reservoir sensitivity |
| CN112784433A (zh) * | 2021-01-31 | 2021-05-11 | 郑州轻工业大学 | 一种基于腐蚀的分级模拟退火建模方法 |
| CN112784433B (zh) * | 2021-01-31 | 2023-04-11 | 郑州轻工业大学 | 一种基于腐蚀的分级模拟退火建模方法 |
| CN113049784A (zh) * | 2021-03-24 | 2021-06-29 | 陕西延长石油（集团）有限责任公司 | 一种适用于泥页岩储层水敏的预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108897906B (zh) | 2022-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108897906A (zh) | 一种基于数字岩心模型的储层敏感性伤害模拟方法 | |
| CN108804779A (zh) | 一种基于数字岩心模型的稠油油藏储层解堵过程模拟方法 | |
| CN105139444B (zh) | 基于岩心二维颗粒图像的三维颗粒结构重建方法 | |
| CN108875140B (zh) | 一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法 | |
| CN110147561B (zh) | 一种含天然裂缝致密油气储层体积压裂缝网预测方法 | |
| CN107742031B (zh) | 基于实验和数学算法的驱替实验人造岩心分析制备方法 | |
| CN108829950B (zh) | 一种基于岩心图像的非常规储层渗透率评价方法 | |
| CN108763711A (zh) | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 | |
| CN105551004A (zh) | 一种基于岩心ct图像处理的剩余油微观赋存表示方法 | |
| CN106960070A (zh) | 一种基于有限元‑离散元ct重构煤体的渗流模拟方法 | |
| CN114154427B (zh) | 基于深度学习的体积压裂裂缝扩展预测方法和系统 | |
| CN106442271A (zh) | 岩心渗透率模拟方法及装置 | |
| CN114595608B (zh) | 一种压裂施工参数和工作制度参数优化方法及系统 | |
| CN105447762B (zh) | 一种流体替换的低渗透油藏水淹信息的计算方法 | |
| CN110702581B (zh) | 一种强非均质多孔介质的多尺度渗透率计算方法 | |
| CN106227957A (zh) | 等效裂缝建模的方法 | |
| CN110097069A (zh) | 一种基于深度多核学习的支持向量机岩相识别方法及装置 | |
| CN114510854A (zh) | 一种循缝找洞的酸压数值模拟结果准确性评价方法 | |
| CN112016212B (zh) | 一种基于渗流控制方程的储层纵向非均质性评价方法 | |
| CN112562078A (zh) | 一种三维地质分析预测模型构建方法 | |
| CN109632604B (zh) | 一种孔隙尺度到岩心尺度聚合物驱相对渗透率粗化方法 | |
| CN104727789B (zh) | 中高渗砂岩油藏水驱波及系数及过水倍数动态描述方法 | |
| CN114357678A (zh) | 一种新型区域地下水位监测网优化设计方法 | |
| CN107165621A (zh) | 一种利用聚类方法识别多井沉积微相的方法 | |
| CN108710734A (zh) | 基于网格自适应加密与粗化技术的数值模拟方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220318 |