CN110873904A - 流体识别方法及装置 - Google Patents
流体识别方法及装置 Download PDFInfo
- Publication number
- CN110873904A CN110873904A CN201811019214.8A CN201811019214A CN110873904A CN 110873904 A CN110873904 A CN 110873904A CN 201811019214 A CN201811019214 A CN 201811019214A CN 110873904 A CN110873904 A CN 110873904A
- Authority
- CN
- China
- Prior art keywords
- acidic
- fluid
- content
- conglomerate reservoir
- conglomerate
- 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
- 239000012530 fluid Substances 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 68
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 197
- 239000011707 mineral Substances 0.000 claims abstract description 197
- 230000002378 acidificating effect Effects 0.000 claims abstract description 173
- 239000002253 acid Substances 0.000 claims description 60
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 32
- 230000007935 neutral effect Effects 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 19
- 238000000611 regression analysis Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 17
- 238000005094 computer simulation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000011435 rock Substances 0.000 description 35
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 12
- 239000011148 porous material Substances 0.000 description 11
- 239000007789 gas Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000005251 gamma ray Effects 0.000 description 6
- 239000003345 natural gas Substances 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000008398 formation water Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种流体识别方法及装置。其中，该方法包括：确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值；根据分类临界值和砾岩储层中的酸性矿物含量，将砾岩储层分类，获得砾岩储层分类结果；建立与砾岩储层分类结果对应的酸性矿物含量与电阻率交会图；根据酸性矿物含量与电阻率交会图，识别砾岩储层中的流体类型。本发明解决了相关技术中无法准确判别含酸性矿物砾岩的流体的技术问题。
Description
技术领域
本发明涉及石油勘探技术领域，具体而言，涉及一种流体识别方法及装置。
背景技术
相关技术中，对于油气藏勘探开发，储层流体性质的判别是测井评价的重要任务。常见的流体性质判别方法归纳起来有如下几种：电阻率法、交会图法、P1/2法、核磁共振测井判别法等。对含酸性矿物的砾岩储层，受酸性火山岩的喷发成岩机制的影响，储集空间一般以原生孔隙和次生孔隙为主，孔喉比值较大，孔隙结构复杂，表现出极强的非均质性；同时，酸性矿物成分含量与电阻率关系的分析研究发现，在储层物性、孔隙流体性质相差不大的情况下，酸性矿物成分含量升高，电阻率呈增大趋势。酸性矿物的存在极大影响了储层岩石的电阻率，使得相关技术中利用电阻率法判别流体性质的方法不再适用，会导致无法准确判别出含酸性矿物砾岩的流体的技术问题。
针对上述的相关技术中无法准确判别含酸性矿物砾岩的流体的技术问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种流体识别方法及装置，以至少解决相关技术中无法准确判别含酸性矿物砾岩的流体的技术问题。
根据本发明实施例的一个方面，提供了一种流体识别方法，包括：确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值；根据所述分类临界值和所述砾岩储层中的酸性矿物含量，将所述砾岩储层分类，获得砾岩储层分类结果；建立与所述砾岩储层分类结果对应的酸性矿物含量与电阻率交会图；根据所述酸性矿物含量与电阻率交会图，识别所述砾岩储层中的流体类型。
进一步地，确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值包括：获取砾岩储层的试油层的历史流体数据；根据测井、岩心分析数据和所述历史流体数据，获取所述试油层的电阻率值与酸性矿物含量值；根据所述电阻率值与所述酸性矿物含量值，确定历史流体散点图，其中，所述历史流体散点图用于指示多个流体类型的分布情况，所述多个流体类型至少包括：油层、油水同层、水层；基于所述历史流体散点图，确定所述酸性矿物含量分界值。
进一步地，在确定用于将所述砾岩储层进行分类的酸性矿物含量的分类临界值之前，所述方法还包括：确定分析样品的酸性矿物含量值；确定所述分析样品的对应深度点的自然伽马相对值；建立砾岩储层的酸性矿物含量计算模型，其中，所述酸性矿物含量计算模型是根据多组数据的对应关系建立的，所述多组数据中的每组数据至少包括：历史测井的自然伽马相对值和历史酸性矿物含量。
进一步地，建立砾岩储层的酸性矿物含量计算模型之后，所述方法还包括：获取当前测井的自然伽马曲线；根据所述当前测井的自然伽马曲线和所述酸性矿物含量计算模型，确定所述砾岩储层中的酸性矿物含量。
进一步地，确定所述分析样品的对应深度点的自然伽马相对值包括：通过预设伽马公式获取所述自然伽马相对值SHGR，其中，所述预设伽马公式为：
其中，GR表示历史测井的分析样品对应深度的自然伽马值，GRmax表示分析样品所处层段的自然伽马最大值，GRmin表示分析样品所处层段的自然伽马最小值。
进一步地，建立砾岩储层的所述酸性矿物含量计算模型包括：通过预设回归分析公式建立所述酸性矿物含量计算模型，其中，所述预设回归分析公式为：VSH＝A×eB×SHGR，其中，VSH表示酸性矿物含量，SHGR表示自然伽马相对值，A表示第一系数，B表示第二系数，A、B通过回归分析得到。
进一步地，根据所述酸性矿物含量与电阻率交会图，识别所述砾岩储层中的流体类型包括：根据电阻率值和酸性矿物含量值在所述酸性矿物含量与电阻率交会图中的区域位置，识别所述砾岩储层中的流体类型。
进一步地，确定砾岩储层分类结果包括：至少确定偏酸性砾岩储层和偏中性砾岩储层。
根据本发明实施例的另一方面，还提供了一种流体识别装置，包括：确定单元，用于确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值；分类单元，用于根据所述分类临界值和所述砾岩储层中的酸性矿物含量，将所述砾岩储层分类，获得砾岩储层分类结果；建立单元，用于建立与所述砾岩储层分类结果对应的酸性矿物含量与电阻率交会图；识别单元，用于根据所述酸性矿物含量与电阻率交会图，识别所述砾岩储层中的流体类型。
进一步地，所述确定单元包括：第一确定模块，用于获取砾岩储层的试油层的历史流体数据；第一获取模块，用于根据测井、岩心分析数据和所述历史流体数据，获取所述试油层的电阻率值与酸性矿物含量值；第二确定模块，用于根据所述电阻率值与所述酸性矿物含量值，确定历史流体散点图，其中，所述历史流体散点图用于指示多个流体类型的分布情况，所述多个流体类型至少包括：油层、油水同层、水层；第三确定模块，用于基于所述历史流体散点图，确定所述酸性矿物含量分界值。
进一步地，所述装置还包括：第四确定模块，用于在确定用于将所述砾岩储层进行分类的酸性矿物含量的分类临界值之前，确定分析样品的酸性矿物含量值；确定所述分析样品的对应深度点的自然伽马相对值；建立模块，用于建立砾岩储层的酸性矿物含量计算模型，其中，所述酸性矿物含量计算模型是根据多组数据的对应关系建立的，所述多组数据中的每组数据至少包括：历史测井的自然伽马相对值和历史酸性矿物含量。
进一步地，所述装置还包括：第二获取模块，用于在建立砾岩储层的酸性矿物含量计算模型之后，获取当前测井的自然伽马曲线；第五确定模块，用于根据所述当前测井的自然伽马曲线和所述酸性矿物含量计算模型，确定所述砾岩储层中的酸性矿物含量。
进一步地，所述第四确定模块包括：获取子模块，用于通过预设伽马公式获取所述自然伽马相对值SHGR，其中，所述预设伽马公式为：
其中，GR表示历史测井的分析样品对应深度的自然伽马值，GRmax表示分析样品所处层段的自然伽马最大值，GRmin表示分析样品所处层段的自然伽马最小值。
进一步地，所述建立模块包括：建立子模块，用于通过预设回归分析公式建立所述酸性矿物含量计算模型，其中，所述预设回归分析公式为：VSH＝A×eB×SHGR，其中，VSH表示酸性矿物含量，SHGR表示自然伽马相对值，A表示第一系数，B表示第二系数，A、B通过回归分析得到。
进一步地，所述识别单元包括：识别模块，用于根据电阻率值和酸性矿物含量值在所述酸性矿物含量与电阻率交会图中的区域位置，识别所述砾岩储层中的流体类型。
根据本发明实施例的另一方面，还提供了一种终端，包括：存储器，与所述存储器耦合的处理器，所述存储器和所述处理器通过总线系统相通信；所述存储器用于存储程序，其中，所述程序在被处理器执行时控制所述存储器所在设备执行上述任意一项所述的流体识别方法，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的流体识别方法。
在本发明实施例中，可以先确定出用于将砾岩储层进行分类的酸性矿物含量的分类临界值，利用该分类临界值和检测得到的砾岩储层中的酸性矿物含量，将砾岩储层分类，得到砾岩储层分类结果，然后可以通过砾岩储层分类结果，建立与该结果对应的酸性矿物含量和电阻率交会图，最后可以根据得到的酸性矿物含量和电阻率交会图，识别出砾岩储层中的流体类型。在该实施例中，可以先对砾岩储层进行分类，以区分出偏酸性区域和偏中性区域，这样，在识别砾岩储层中的流体类型时，可以分别根据偏酸性区域和偏中性区域的不同分类，将砾岩储层中的含酸性矿物砾岩区分出来，从而在通过电阻率判别砾岩储层中的流体类型时，可以更多考虑其为偏酸性流体，进而解决相关技术中无法准确判别含酸性矿物砾岩的流体的技术问题，提高含酸性矿物砾岩的流体识别的准确性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的流体识别方法的流程图；
图2是根据本发明的一个实施例的井区玛131断块的自然伽马与补偿中子交会图；
图3是根据本发明实施例的一个井区中三个断块中酸性矿物成分含量和自然伽马相对值SHGR的交会图；
图4是根据本发明实施例的井区中制作的酸性矿物含量与电阻率的流体识别交会图；
图5根据本发明实施例的流体识别装置的示意图；
图6是根据本发明实施例的一种终端的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于用于更好的理解本发明，下面对本发明实施例中涉及的部分术语或名词做出解释：
电阻率法测井：resistivity logging，根据岩层或矿体与围岩电阻率的差别研究钻孔地质剖面的方法，工作时，用电缆把电极系放入钻孔中并沿钻孔剖面移动，由仪器记录测井曲线。对于地下岩层中不同类型的岩石，其导电能力也不相同，在油气藏勘探时，可以利用石油不导电的特性，勘探到地下岩石的构成，其中是否含有石油、天然气、地层水等。对于测井，可以利用电阻率法得到不同岩层的电位，然后通过一定的转换关系，得到地层的电阻率，测出沿井深变化的电阻率曲线，根据电阻率曲线，确定出岩层厚度和深度，判别出石油层和天然气层。
自然伽马测井:natural gamma-ray logging,利用伽马射线探测器测量地层岩石天然的自然伽马射线强度，研究地层岩石性质的测井方法。工作时，用电缆把伽马射线探测器放入钻孔中并沿钻孔剖面移动，由仪器记录测井曲线。对于地下岩层中不同类型的岩石，其放射性也不相同，在油气藏勘探时，可以利用不同岩石放射性不同的特性，勘探到地下岩石的构成。对应砾岩储集层，随着母岩性质的不同，其放射性强度也不同，测出的自然伽马曲线值也不同。愈偏基性，伽马测井值越低，愈偏酸性，伽马测井值越高，因此可以利用自然伽马测井值来划分砾岩储集层类型。
下面通过不同的实施例对本发明进行说明。
实施例一
根据本发明实施例，提供了一种流体识别的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本发明下述各项实施例，可以应用于各种油气藏勘探开发中，包括勘探油层、天然气层、水层等各种储层流体类型中，本发明对于具体使用的区域不做限定，例如，适用于新疆油田勘探开采过程中，当然，本发明实施例的应用环境并不仅仅限于油气藏勘探开发中，也可以是其他需要识别流体类型的过程中，对于识别的具体流体类型，可以根据各地常规的开采流体来确定，例如，在区域A中勘探类型为油层和水层，没有天然气层，这时就可以在利用本发明对该区域A进行储层流体识别时，重点关注油层和水层。在当前进行油气藏勘探过程中，准确判别出储层的流体类型是重要的任务，常见的是使用电阻率法进行储层流体判别，由于在使用电阻率进行储层流体勘探时，利用的是不同流体的导电性质(如石油不导电、水导电性强)，岩层含水时导电性强，电阻低，而含油气时导电性差，电阻高，可以实时判别地下岩层中流体的构成；但是对于含酸性的矿物岩层，由于酸性矿物也会使岩层电阻率升高(无法直观区分是因酸性矿物还是含油气使岩层电阻率升高)，造成在判别岩层中的流体类型时，对于油层或水层判别，出现较大误差，造成储集层流体类型判别不准确。而本发明中，可以通过先对砾岩矿物进行分类，判别油层或水层时根据含酸性特性，提高判别流体类型的准确度。
可选的，本发明实施例中的流体识别方法不仅可以识别油层、水层、天然气层，还可以应用于识别煤、金属矿等环境中。
下面结合优选的实施步骤对本发明进行说明，图1是根据本发明实施例的流体识别方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值。
其中，本发明实施例中的砾岩储层可以是各种砾岩地质的储集层，可以包括多个储集层，如受火山岩的喷发成岩机制的影响，可以形成酸性矿物的砾岩储层，这时其储集空间一般以原生孔隙和次生孔隙为主，孔隙结构较为复杂，这时其岩层中的油、水、气等层，判别可能出现误差。
本发明实施例中可以利用历史数据，确定出酸性矿物含量的分类临界值。对于上述步骤，可以在确定分类临界值时，通过获取砾岩储层的试油层的历史流体数据；根据测井、岩心分析数据和历史流体数据，获取试油层的电阻率值与酸性矿物含量值；根据电阻率值与酸性矿物含量值，确定历史流体散点图，其中，历史流体散点图用于指示多个流体类型的分布情况，多个流体类型至少包括：油层、油水同层、水层。
对于分类临界值，用在区分砾岩储层中的矿物酸性特质中，即可以区分出偏酸性砾岩储层和偏中性砾岩储层，根据检测到的砾岩储层中的酸性矿物成分含量值，结合该分类临界值，以区分砾岩储层，本发明实施例对于砾岩储层中的酸性矿物进行有效区分，这样在利用电阻率值判别砾岩储层中的流体时，减少判别误差，提高判别准确性。
可选的，本发明实施例中对于砾岩中的各个储集层，可以确定出石油层、天然气层、水层。对于历史过程中根据各种测试手段获得的储集层数据集，其可以包括但不限于：各个储集层对应的电阻率值、自然伽马值、流体类型、对应储集层酸性矿物含量值等，尤其是对于有取心资料的储集层中的试油层，可以得到试油层段的电阻率值和酸性矿物含量值，并根据电阻率值和酸性矿物含量值分多个流体类型(油层、油水同层、水层)做散点图，该试油层可以是进行各项测试确定流体类型的储集层。最后可以根据散点图的走势，确定出具有明显差异的酸性含量区分线，可以将该酸性含量区分线作为分类临界线，而其对应的酸性矿物含量值可以作为分类临界值。本发明中设定的分类临界值不做具体限定，可以根据各个区域的测井数据得到相应的分类临界值，如18％、20％、22％等。
另外，本发明实施例在确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值之前，还可以通过确定分析样品的酸性矿物含量值，并确定出分析样品的对应深度点的自然伽马相对值，以建立砾岩储层的酸性矿物含量计算模型，其中，酸性矿物含量计算模型是根据多组数据的对应关系建立的，多组数据中的每组数据至少包括：历史测井的自然伽马相对值和历史酸性矿物含量。
即可以通过历史过程中对测井测得的自然伽马相对值和历史过程中测得的砾岩储层中的酸性矿物含量值，通过深度学习方式，学习并训练得到酸性矿物含量计算模型，从而可以通过该酸性矿物含量计算模型更快速的确定出砾岩储层中的酸性矿物含量。
其中，上述在建立酸性矿物含量计算模型时，可以先确定出酸性矿物含量和自然伽马测井曲线相对值的关系，根据该关系建立模型。另外，在建立模型之前，还可以利用岩石薄片确定酸性矿物含量，即可以以岩心的薄片分析实验为基础，确定出岩心的酸性矿物含量。对于自然伽马测井曲线，可以通过自然伽马测井获得，工作时，用电缆把伽马探测器放入钻孔中并沿钻孔剖面移动，由仪器记录测井曲线，得到自然伽马测井曲线。
可选的，上述确定分析样品的对应深度点的自然伽马相对值，可以通过预设伽马公式获取自然伽马相对值SHGR，其中，预设伽马公式为：
其中，GR表示历史测井的分析样品对应深度的自然伽马值，GRmax表示分析样品所处层段的自然伽马最大值，GRmin表示分析样品所处层段的自然伽马最小值。在确定自然伽马最大值和自然伽马最小值时，可以通过砾岩储层中不同断块储层的自然伽马(GR，natural gamma-ray)与补偿中子交会图确定。该自然伽马可以是利用自然伽马测井方式测井得到数据，而补偿中子可以是通过补偿中子测井方式测井得到的数据。
对于上述实施方式中的建立砾岩储层的酸性矿物含量计算模型，其可以通过预设回归分析公式建立酸性矿物含量计算模型，其中，预设回归分析公式为：VSH＝A×eB×SHGR，其中，VSH表示酸性矿物含量，SHGR表示自然伽马相对值，A表示第一系数，B表示第二系数，A、B通过回归分析得到。
可选的实施方式，在建立砾岩储层的酸性矿物含量计算模型之后，方法还包括：获取当前测井的自然伽马曲线；根据当前测井的自然伽马曲线和酸性矿物含量计算模型，确定砾岩储层中的酸性矿物含量。即可以在得到当前测井的自然伽马曲线后，根据自然伽马曲线对应的各项自然伽马值，从而将数据输入至模型中，通过该模型得到与自然伽马曲线对应的砾岩储层中的酸性矿物含量，不同的储集层，其酸性矿物含量不同。
步骤S104，根据分类临界值和砾岩储层中的酸性矿物含量，将砾岩储层分类，获得砾岩储层分类结果。
其中，上述砾岩储层分类结果可以包括但不限于：偏酸性砾岩储层和偏中性砾岩储层。即可以根据砾岩储层中的酸性矿物含量，区分砾岩储层，从而在判别砾岩储层中的流体类型时，对偏酸性砾岩储层和偏中性砾岩储层的电阻率进行分开判别，对于偏酸性砾岩储层，其导电性能降低，电阻率会增大，这时，可以在测得的电阻率值的基础上，准确识别砾岩储层中的流体类型。
步骤S106，建立与砾岩储层分类结果对应的酸性矿物含量与电阻率交会图。
其中，在建立与砾岩储层分类结果对应的酸性矿物含量与电阻率交会图时，可以通过自然伽马测井获得的自然伽马曲线和酸性矿物含量计算模型，计算出不同砾岩储层的酸性矿物含量，根据电阻率法测井获得对应储集层电阻率值，进而确定出不同储集层酸性矿物含量与电阻率交会图，并将该交会图显示在预设的显示终端中，以让用户实时了解测井数据。
步骤S108，根据酸性矿物含量与电阻率交会图，识别砾岩储层中的流体类型。
通过上述实施例，可以先确定出用于将砾岩储层进行分类的酸性矿物含量的分类临界值，利用该分类临界值和检测得到的砾岩储层中的酸性矿物含量，将砾岩储层分类，得到砾岩储层分类结果，然后可以通过砾岩储层分类结果，建立与该结果对应的酸性矿物含量和电阻率交会图，最后可以根据得到的酸性矿物含量和电阻率交会图，识别出砾岩储层中的流体类型。在该实施例中，可以先对砾岩储层进行分类，以区分出偏酸性区域和偏中性区域，这样，在识别砾岩储层中的流体类型时，可以分别根据偏酸性区域和偏中性区域的不同分类，将砾岩储层中的含酸性矿物砾岩区分出来，从而在通过电阻率判别砾岩储层中的流体类型时，可以更多考虑其为偏酸性流体，进而解决相关技术中无法准确判别含酸性矿物砾岩的流体的技术问题，提高含酸性矿物砾岩的流体识别的准确性。
在本发明实施例中，根据酸性矿物含量与电阻率交会图，识别砾岩储层中的流体类型包括：根据电阻率值和酸性矿物含量值在酸性矿物含量与电阻率交会图中的区域位置，识别砾岩储层中的流体类型。
通过上述方式，可以准确识别出砾岩储层中的流体类型，提高识别准确度，该流体类型可以是根据用户的实际需求进行的检测，例如，流体类型为石油、水、或天然气等。
下面可以结合另一种实施例对本发明进行说明。
实施例二
本发明实施例中，可以以一个示例区块进行说明(如示例区块为准噶尔盆地玛湖凹陷某个砾岩区块)。砾岩储层内含有大量酸性火山碎屑，对岩石的储集空间、孔喉比、孔隙结构均有影响，储层非均质性强。在不考虑岩石矿物等其他电阻率因素影响的情况下，岩石仅通过孔隙中的地层水导电，电阻率大小主要受孔隙喉道大小的控制。酸性矿物成分会对喉道空间造成影响，进而影响电阻率。因此本发明提出一种考虑酸性矿物含量影响的砾岩储集层流体识别方法。按照本发明提供的方法技术较好地解决了酸性矿物成分对砾岩储层流体识别的影响。
具体实施方式和实施流程为：
11、利用工区所取的岩心做岩石薄片分析实验确定不同岩心的酸性矿物的含量并进行岩心归位。
12、利用自然伽马值计算自然伽马相对值SHGR，公式如下：
其中，在求取储层自然伽马最大值与自然伽马最小值时，根据不同断块酸性储层的自然伽马与补偿中子交会图图版确定。图2是根据本发明的一个实施例的井区玛131断块的自然伽马与补偿中子交会图，如图2所示，通过自然伽马GR和补偿中子的关系，可以区分出非储层低GR(自然伽马)，中性储层和酸性储层，通过分界线区分不同的储层，该玛131断块中包括测井数：玛16、玛131、玛133和玛137，其中，以玛131进行说明，通过该图可以得到自然伽马最大值和自然伽马最小值。进而确定出自然伽马相对值SHGR。
13、使用薄片分析实验中酸性矿物成分含量值VSH与对应深度自然伽马值相对值SHGR分析得到酸性矿物成分含量的计算模型，回归公式如下：
VSH＝A×eB×SHGR，式中：VSH代表酸性矿物成分含量；SHGR代表自然伽马相对值；A、B分别代表第一、第二系数由回归分析得到。
14、基于回归所得的酸性矿物成分含量计算模型，利用自然伽马曲线计算酸性矿物含量。
15、基于试油层段的结果，提取试油层段的电阻率值与酸性矿物含量值；使用电阻率值与酸性矿物含量值分油层、油水同层、水层三个系列点作散点图；根据散点图走势，以酸性矿物含量值的某一分界值为界将散点区域分为偏酸性区域和偏中性区域。
16、建立偏酸性与偏中性砾岩储层酸性矿物含量与电阻率交会图版，图版中通常应包括以下六个区域：偏酸性油层、偏酸性油水层、偏酸性水层、偏中性油层、偏中性油水层、偏中性水层。
图3是根据本发明实施例的一个井区中三个断块中酸性矿物成分含量和自然伽马相对值SHGR的交会图，如图3所示，该图中包括三个断块，分别为夏723、玛137、玛136，通过该图可以分析得到自然伽马相对值SHGR的走势，即可以利用岩心对应的自然伽马相对值与酸性矿物成分进行回归分析，得到第一、第二系数，最终建立酸性矿物成分含量的计算模型，其中，第一系数为5.0136，第二系数为2.5127，。
17、根据流体识别交会图中电阻率值与计算酸性矿物含量值对应图版中点所处的区域位置来判别流体类型。
图4是根据本发明实施例的井区中制作的酸性矿物含量与电阻率的流体识别交会图，如图4所示，偏中性砾岩储层和偏酸性砾岩储层分界是在酸性矿物含量为18％处，该图版数据来自试油结果中偏酸性油层、偏酸性油水层、偏酸性水层、偏中性油层、偏中性油水层、偏中性水层六个储层的电阻率值与酸性矿物成分含量计算值的交会，首先根据偏酸性储层与中性储层的分界值将图版分为偏酸性与偏中性区域，随后根据不同的流体情况将区域划分为偏酸性油层、偏酸性油水层、偏酸性水层、偏中性油层、偏中性油水层、偏中性水层六个区域，最终得到该井区里岩储层考虑酸性矿物含量的利用电阻率进行流体识别的标准。
综上，本发明实施例中提供了一种考虑酸性矿物含量影响的砾岩储集层流体识别方法，利用岩石薄片确定酸性矿物的含量，明确酸性矿物含量与自然伽马测井曲线相对值的关系，建立酸性矿物含量的计算模型，并利用自然伽马曲线计算酸性矿物含量，然后可以根据酸性矿物含量值的大小，将砾岩储层分为两类：偏酸性砾岩储层与偏中性砾岩储层，之后可以建立偏酸性与偏中性砾岩储层酸性矿物含量与电阻率交会图版；根据储层电阻率与酸性矿物含量在交会图中的位置，识别流体类型，该发明实施例可以解决了含酸性火山碎屑砾岩储层中酸性矿物对电阻率的影响，提高了酸性矿物储层流体识别的准确度。
实施例三
下面对本发明的具体实施装置进行说明，可选的，下述的流体识别装置可以对应于上述的流体识别方法。
图5根据本发明实施例的流体识别装置的示意图，如图5所示，该装置可以包括：确定单元51，用于确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值；分类单元53，用于根据分类临界值和砾岩储层中的酸性矿物含量，将砾岩储层分类，获得砾岩储层分类结果；建立单元55，用于建立与砾岩储层分类结果对应的酸性矿物含量与电阻率交会图；识别单元57，用于根据酸性矿物含量与电阻率交会图，识别砾岩储层中的流体类型。
通过上述的装置，可以通过确定单元51确定出用于将砾岩储层进行分类的酸性矿物含量的分类临界值，利用分类单元53，根据该分类临界值和检测得到的砾岩储层中的酸性矿物含量，将砾岩储层分类，得到砾岩储层分类结果，然后可以根据建立单元55通过砾岩储层分类结果，建立与该结果对应的酸性矿物含量和电阻率交会图，最后可以通过识别单元57根据得到的酸性矿物含量和电阻率交会图，识别出砾岩储层中的流体类型。在该实施例中，可以先对砾岩储层进行分类，以区分出偏酸性区域和偏中性区域，这样，在识别砾岩储层中的流体类型时，可以分别根据偏酸性区域和偏中性区域的不同分类，将砾岩储层中的含酸性矿物砾岩区分出来，从而在通过电阻率判别砾岩储层中的流体类型时，可以更多考虑其为偏酸性流体，进而解决相关技术中无法准确判别含酸性矿物砾岩的流体的技术问题，提高含酸性矿物砾岩的流体识别的准确性。
其中，确定单元51包括：第一确定模块，用于获取砾岩储层的试油层的历史流体数据；第一获取模块，用于基于历史流体数据，获取试油层的电阻率值与酸性矿物含量值；第二确定模块，用于根据电阻率值与酸性矿物含量值，确定历史流体散点图，其中，历史流体散点图用于指示多个流体层的分布情况，多个流体层至少包括：油层、油水同层、水层；第三确定模块，用于基于历史流体散点图，确定酸性矿物含量分界值。
可选的实施方式，上述装置还包括：第四确定模块，用于在确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值之前，确定分析样品的酸性矿物含量值；确定所述分析样品的对应深度点的自然伽马相对值；建立模块，用于建立砾岩储层的酸性矿物含量计算模型，其中，酸性矿物含量计算模型是根据多组数据的对应关系建立的，多组数据中的每组数据至少包括：历史测井的自然伽马相对值和历史酸性矿物含量。
可选的，上述装置还包括：第二获取模块，用于在建立砾岩储层的酸性矿物含量计算模型之后，获取当前测井的自然伽马曲线；第五确定模块，用于根据当前测井的自然伽马曲线和酸性矿物含量计算模型，确定砾岩储层中的酸性矿物含量。
另外，第四确定模块包括：获取子模块，用于通过预设伽马公式获取自然伽马相对值SHGR，其中，预设伽马公式为：
其中，GR表示历史测井的分析样品对应深度的自然伽马值，GRmax表示分析样品所处层段的自然伽马最大值，GRmin表示分析样品所处层段的自然伽马最小值。
其中，建立模块包括：建立子模块，用于通过预设回归分析公式建立酸性矿物含量计算模型，其中，预设回归分析公式为：VSH＝A×eB×SHGR，其中，VSH表示酸性矿物含量，SHGR表示自然伽马相对值，A表示第一系数，B表示第二系数，A、B通过回归分析得到。
对于上述的识别单元57，其可以包括：识别模块，用于根据电阻率值和酸性矿物含量值在酸性矿物含量与电阻率交会图中的区域位置，识别砾岩储层中的流体类型。
上述的流体识别装置还可以包括处理设备和存储设备，上述确定单元51、分类单元53、建立单元55、识别单元57等均作为程序单元存储在存储设备中，由处理设备执行存储在存储设备中的上述程序单元来实现相应的功能。
实施例四
下面结合实施上述的流体识别方法的终端对本发明进行说明。
图6是根据本发明实施例的一种终端的示意图，如图6所示，该终端可以包括：存储器61，与存储器耦合的处理器63，存储器和处理器通过总线系统相通信；存储器用于存储程序，其中，程序在被处理器执行时控制存储器所在设备执行上述任意一项的流体识别方法，处理器用于运行程序，其中，程序运行时执行上述任意一项的流体识别方法。
处理器中包含内核，由内核去存储设备中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来识别砾岩储层中的流体类型。
存储设备可能包括计算机可读介质中的非永久性存储设备，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种流体识别方法，其特征在于，包括：
确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值；
根据所述分类临界值和所述砾岩储层中的酸性矿物含量，将所述砾岩储层分类，获得砾岩储层分类结果；
建立与所述砾岩储层分类结果对应的酸性矿物含量与电阻率交会图；
根据所述酸性矿物含量与电阻率交会图，识别所述砾岩储层中的流体类型。
2.根据权利要求1所述的方法，其特征在于，确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值包括：
获取砾岩储层的试油层的历史流体数据；
根据测井、岩心分析数据和所述历史流体数据，获取所述试油层的电阻率值与酸性矿物含量值；
根据所述电阻率值与所述酸性矿物含量值，确定历史流体散点图，其中，所述历史流体散点图用于指示多个流体类型的分布情况，所述多个流体类型至少包括：油层、油水同层、水层；
基于所述历史流体散点图，确定所述酸性矿物含量分界值。
3.根据权利要求1所述的方法，其特征在于，在确定用于将所述砾岩储层进行分类的酸性矿物含量的分类临界值之前，所述方法还包括：
确定分析样品的酸性矿物含量值；
确定所述分析样品的对应深度点的自然伽马相对值；
建立砾岩储层的酸性矿物含量计算模型，其中，所述酸性矿物含量计算模型是根据多组数据的对应关系建立的，所述多组数据中的每组数据至少包括：历史测井的自然伽马相对值和历史酸性矿物含量。
4.根据权利要求3所述的方法，其特征在于，建立砾岩储层的酸性矿物含量计算模型之后，所述方法还包括：
获取当前测井的自然伽马曲线；
根据所述当前测井的自然伽马曲线和所述酸性矿物含量计算模型，确定所述砾岩储层中的酸性矿物含量。
5.根据权利要求3所述的方法，其特征在于，确定所述分析样品的对应深度点的自然伽马相对值包括：
通过预设伽马公式获取所述自然伽马相对值SHGR，其中，所述预设伽马公式为：
其中，GR表示历史测井的分析样品对应深度的自然伽马值，GRmax表示分析样品所处层段的自然伽马最大值，GRmin表示分析样品所处层段的自然伽马最小值。
6.根据权利要求3所述的方法，其特征在于，建立砾岩储层的所述酸性矿物含量计算模型包括：
通过预设回归分析公式建立所述酸性矿物含量计算模型，其中，所述预设回归分析公式为：
VSH＝A×eB×SHGR，
其中，VSH表示酸性矿物含量，SHGR表示自然伽马相对值，A表示第一系数，B表示第二系数，A、B通过回归分析得到。
7.根据权利要求1所述的方法，其特征在于，根据所述酸性矿物含量与电阻率交会图，识别所述砾岩储层中的流体类型包括：
根据电阻率值和酸性矿物含量值在所述酸性矿物含量与电阻率交会图中的区域位置，识别所述砾岩储层中的流体类型。
8.根据权利要求1所述的方法，其特征在于，确定砾岩储层分类结果包括：至少确定偏酸性砾岩储层和偏中性砾岩储层。
9.一种流体识别装置，其特征在于，包括：
确定单元，用于确定用于将砾岩储层进行分类的酸性矿物含量的分类临界值；
分类单元，用于根据所述分类临界值和所述砾岩储层中的酸性矿物含量，将所述砾岩储层分类，获得砾岩储层分类结果；
建立单元，用于建立与所述砾岩储层分类结果对应的酸性矿物含量与电阻率交会图；
识别单元，用于根据所述酸性矿物含量与电阻率交会图，识别所述砾岩储层中的流体类型。
10.一种终端，其特征在于，包括：
存储器，与所述存储器耦合的处理器，所述存储器和所述处理器通过总线系统相通信；
所述存储器用于存储程序，其中，所述程序在被处理器执行时控制所述存储器所在设备执行权利要求1至8中任意一项所述的流体识别方法，
所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的流体识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811019214.8A CN110873904B (zh) | 2018-09-03 | 2018-09-03 | 流体识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811019214.8A CN110873904B (zh) | 2018-09-03 | 2018-09-03 | 流体识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110873904A true CN110873904A (zh) | 2020-03-10 |
| CN110873904B CN110873904B (zh) | 2022-02-01 |
Family
ID=69716595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811019214.8A Active CN110873904B (zh) | 2018-09-03 | 2018-09-03 | 流体识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110873904B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111911141A (zh) * | 2020-07-24 | 2020-11-10 | 中国石油天然气集团有限公司 | 一种基于黏土类型的电阻削减率识别砾岩油层的方法 |
| CN113670367A (zh) * | 2020-05-14 | 2021-11-19 | 霍尼韦尔国际公司 | 毫米波和超声波传感器 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103132993A (zh) * | 2013-03-26 | 2013-06-05 | 西北大学 | 一种逐步识别低渗复杂岩性油藏中的油层和水层的方法 |
| CN103485758A (zh) * | 2013-08-12 | 2014-01-01 | 中国石油天然气股份有限公司 | 一种利用多种资料拟合反演复杂岩性解释方法及装置 |
| CN103899305A (zh) * | 2014-03-27 | 2014-07-02 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层流体性质的识别方法及设备 |
| CN104656162A (zh) * | 2015-02-13 | 2015-05-27 | 西安石油大学 | 一种富铀烃源岩铀含量及有机碳含量确定方法 |
| CN107092036A (zh) * | 2017-04-10 | 2017-08-25 | 中国科学院大学 | 一种基于储层真电阻率反演的火山岩地层流体识别方法及系统 |
-
2018
- 2018-09-03 CN CN201811019214.8A patent/CN110873904B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103132993A (zh) * | 2013-03-26 | 2013-06-05 | 西北大学 | 一种逐步识别低渗复杂岩性油藏中的油层和水层的方法 |
| CN103485758A (zh) * | 2013-08-12 | 2014-01-01 | 中国石油天然气股份有限公司 | 一种利用多种资料拟合反演复杂岩性解释方法及装置 |
| CN103899305A (zh) * | 2014-03-27 | 2014-07-02 | 中国石油天然气股份有限公司 | 一种碳酸盐岩储层流体性质的识别方法及设备 |
| CN104656162A (zh) * | 2015-02-13 | 2015-05-27 | 西安石油大学 | 一种富铀烃源岩铀含量及有机碳含量确定方法 |
| CN107092036A (zh) * | 2017-04-10 | 2017-08-25 | 中国科学院大学 | 一种基于储层真电阻率反演的火山岩地层流体识别方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 李洪娟 等: "酸性火山岩储层岩性与流体识别", 《天然气工业》 * |
| 王拥军等: "火山岩岩性识别新技术 ", 《断块油气田》 * |
| 胡博: "徐深气田营城组火山岩气藏储量参数研究", 《内蒙古石油化工》 * |
| 黄习习等: "新疆春风油田石炭系火山岩岩性特征及测井识别方法 ", 《沉积与特提斯地质》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113670367A (zh) * | 2020-05-14 | 2021-11-19 | 霍尼韦尔国际公司 | 毫米波和超声波传感器 |
| CN111911141A (zh) * | 2020-07-24 | 2020-11-10 | 中国石油天然气集团有限公司 | 一种基于黏土类型的电阻削减率识别砾岩油层的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110873904B (zh) | 2022-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104278991B (zh) | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 | |
| CN110847901B (zh) | 一种变矿化度地层水下的致密砂岩储层流体识别方法 | |
| CN106761729B (zh) | 低渗砾岩录井多参数解释方法 | |
| US8626447B2 (en) | System and method for sweet zone identification in shale gas reservoirs | |
| CN108019204B (zh) | 基于物性和地层水矿化度校正的中子伽马气层识别方法 | |
| Hartley et al. | Summary of discrete fracture network modelling as applied to hydrogeology of the Forsmark and Laxemar sites | |
| CN110873904B (zh) | 流体识别方法及装置 | |
| CN104594888A (zh) | 一种基于致密储层导电因素实验的油层识别方法 | |
| Whittaker et al. | Numerical simulation of subsurface characterization methods: application to a natural aquifer analogue | |
| CN115390155A (zh) | 针对非均质储层的测井解释方法、装置、电子设备及介质 | |
| AU2017279838B1 (en) | Method for classifying deep rock geofacies based on data mining | |
| CN113775326A (zh) | 可动水饱和度的评价方法、装置、电子设备及介质 | |
| La Pointe et al. | Estimation of effective block conductivities based on discrete network analyses using data from the Äspö site | |
| Liu et al. | Application of clustering and stepwise discriminant analysis based on hydrochemical characteristics in determining the source of mine water inrush | |
| CN109598049B (zh) | 钻孔岩石裂隙发育程度及区域岩石裂隙发育规律的方法 | |
| CN108387948B (zh) | 煤层底板水危险源区域定位方法及装置 | |
| CN114060015A (zh) | 一种致密砂岩含气性的评价方法及装置 | |
| Strandli et al. | Diagnostics for reservoir structure and CO2 plume migration from multilevel pressure measurements | |
| CN111911141A (zh) | 一种基于黏土类型的电阻削减率识别砾岩油层的方法 | |
| CN114624784B (zh) | 灰岩储层的状态确定方法、装置及可读存储介质 | |
| CN104879126A (zh) | 一种基于阵列感应测井的碎屑岩储层流体识别方法 | |
| CN110924937A (zh) | 套管井水淹层段的识别方法及装置 | |
| CN111827989B (zh) | 一种沥青削减指数识别含沥青砾岩油层的方法 | |
| CN113409460B (zh) | 一种碎屑岩储层夹层机器学习型三维定量表征方法 | |
| Alizadeh et al. | How to measure the various types of geologic porosities in oil and gas reservoirs using image logs |
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 |