CN110887772B - 一种碳酸盐岩储层渗透率识别方法、系统及装置 - Google Patents

一种碳酸盐岩储层渗透率识别方法、系统及装置 Download PDF

Info

Publication number
CN110887772B
CN110887772B CN201811058195.XA CN201811058195A CN110887772B CN 110887772 B CN110887772 B CN 110887772B CN 201811058195 A CN201811058195 A CN 201811058195A CN 110887772 B CN110887772 B CN 110887772B
Authority
CN
China
Prior art keywords
pore
carbonate reservoir
identified
permeability
point
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
Application number
CN201811058195.XA
Other languages
English (en)
Other versions
CN110887772A (zh
Inventor
黄长兵
靳秀菊
范凌霄
彭遥圆
刘卉
蒋文才
崔长鹏
王俞文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Exploration and Development Research Institute of Sinopec Zhongyuan Oilfield Co
Original Assignee
China Petroleum and Chemical Corp
Exploration and Development Research Institute of Sinopec Zhongyuan Oilfield Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Exploration and Development Research Institute of Sinopec Zhongyuan Oilfield Co filed Critical China Petroleum and Chemical Corp
Priority to CN201811058195.XA priority Critical patent/CN110887772B/zh
Publication of CN110887772A publication Critical patent/CN110887772A/zh
Application granted granted Critical
Publication of CN110887772B publication Critical patent/CN110887772B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry

Landscapes

  • Chemical & Material Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种碳酸盐岩储层渗透率识别方法、系统及装置，属于油气藏评价技术领域。本发明将碳酸盐岩储层的孔隙划分多种孔隙类型，分别建立每种孔隙类型和孔隙结构参数取值范围的相关关系，并建立每种孔隙类型的渗透率模型，根据待识别碳酸盐岩储层的孔隙类型选用相应的渗透率模型进行渗透率计算，从而得到了待识别碳酸盐岩储层渗透率的精细解释，提高了渗透率的识别精度，为油气藏的评价和开发提供了精确的数据基础。

Description

一种碳酸盐岩储层渗透率识别方法、系统及装置
技术领域
本发明涉及一种碳酸盐岩储层渗透率识别方法、系统及装置，属于油气藏评价技术领域。
背景技术
储层岩石的渗透率是指在压力差的作用下，岩石允许流体通过的性质，是反映储层岩石渗流能力的关键参数，准确预测渗透率对油气田开发方案的设计和调整至关重要。孔隙结构控制储层岩石渗透率已经取得了共识，尤其是碳酸盐岩储层，受沉积作用和成岩作用控制，具有十分复杂的孔隙结构和强的非均质性，导致其孔隙度-渗透率关系不明确。而目前常用的渗透率识别方法是将所有岩心数据点的孔隙度-渗透率作交会图，建立孔隙度-渗透率之间的关系模型，将待识别储层孔隙度代入该模型中从而确定待识别储层的渗透率。但是上述方式中孔隙度-渗透率交会图相关关系差，很难用一个模型来进行描述。碳酸盐岩储集层渗透率却存在巨大差异，若采用上述方式，很难得到精确的渗透率，继而影响油气藏评价及误导油气藏开采。
发明内容
本发明的目的是提供一种碳酸盐岩储层渗透率识别方法、系统及装置，以解决目前碳酸盐岩储层渗透率识别过程中直接根据孔隙度确定渗透率，没有区别孔隙类型导致确定的渗透率不够精确的问题。
本发明为解决上述技术问题而提供一种碳酸盐岩储层渗透率识别方法，该识别方法包括以下步骤：
1)利用碳酸盐岩储层岩心各点的孔隙结构参数和岩心各点的孔隙类型建立各种孔隙类型和孔隙结构参数取值范围的相互关系；
2)根据岩心各点的孔隙类型建立每种孔隙类型对应的渗透率模型，所述渗透率模型用于表征渗透率与孔隙度的相关关系；
3)获取待识别碳酸盐岩储层的孔隙度，并确定待识别碳酸盐岩储层的孔隙结构参数；
4)根据孔隙类型和孔隙结构参数取值范围的相互关系，利用待识别碳酸盐岩储层的孔隙结构参数确定待识别碳酸盐岩储层的孔隙类型；
5)根据待识别碳酸盐岩储层的孔隙类型选取相应的渗透率模型，将待识别碳酸盐岩储层的孔隙度代入所选取的渗透率模型，确定待识别碳酸盐岩储层的渗透率。
本发明将碳酸盐岩储层的孔隙划分多种孔隙类型，分别建立每种孔隙类型和孔隙结构参数取值范围的相关关系，并建立每种孔隙类型的渗透率模型，根据待识别碳酸盐岩储层的孔隙类型选用相应的渗透率模型进行渗透率计算，从而得到待识别碳酸盐岩储层渗透率的精细解释，提高了渗透率的识别精度，为油气藏的评价和开发提供了精确的数据基础。
进一步地，本发明给出了孔隙结构参数的具体计算方式，岩心的孔隙结构参数是根据岩心的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，待识别碳酸盐岩储层的孔隙结构参数是根据待识别碳酸盐岩储层的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，采用的计算公式为：
Figure BDA0001796360200000021
Figure BDA0001796360200000022
其中γμ为孔隙结构参数，
Figure BDA0001796360200000023
为孔隙度，Vs为横波速度，ρ为体积密度，μs为岩石骨架剪切模量。
进一步地，为了能够在缺少横波测井数据时还能够确定储层的孔隙结构参数，提高该方法的适用性，当待识别碳酸盐岩储层缺少横波测井数据时，所述识别方法还包括：
利用中子测井数据、纵波测井数据和深浅侧向电阻率测试数据中的至少一种确定待识别碳酸盐岩储层的孔隙类型；
根据孔隙类型选取相应的横波正演模型，并将待识别的纵波测井数据代入所选取的横波正演模型，获得待识别碳酸盐岩储层的横波正演数据，将该横波正演数据作为横波测井数据来计算待识别碳酸盐岩储层的孔隙结构参数，所述横波正演模型是根据岩心各点的横波测井数据、岩心各点的纵波测井数据和岩心各点的孔隙类型建立的。
进一步地，为了实现对井间储层的识别，本发明给出了井间储层渗透率的识别方法，当待识别碳酸盐岩储层为井间储层时，所述识别方法还包括：
利用有测井数据的井和地震数据，采用确定性反演法得到有测井数据和地震数据各点的波阻抗、弹性波阻抗和拉梅系数；
分层和分孔隙类型分别统计有测井数据和地震数据各点的波阻抗、弹性波阻抗和拉梅系数的变差函数及概率密度函数，得到各个层段的各种孔隙类型的波阻抗、弹性波阻抗和拉梅系数的变差函数及概率密度函数；
根据各个层段的各种孔隙类型的波阻抗、弹性波阻抗和拉梅系数的变差函数和概率密度函数，通过随机模拟产生井间各点的波阻抗、弹性波阻抗和拉梅系数；
根据井间各点的波阻抗、弹性波阻抗和拉梅系数获得井间各点的孔隙度和孔隙结构参数；
根据井间各点的孔隙结构参数识别井间各点的孔隙类型；
根据井间各点的孔隙类型选取相应的渗透率模型，将井间各点的孔隙度代入选取的渗透率模型，获得井间各点的渗透率。
进一步地，为了实现对岩心孔隙类型的精确划分，本发明给出了具体的划分方式，所述步骤1)中岩心的孔隙类型是对表征碳酸盐岩储层微观孔隙特征的影响因子进行聚类划分得到，所述的影响因子包括排驱压力、平均喉道半径、相对分选系数、偏度系数和最大进汞饱和度。
进一步地，本发明给出了划分的具体孔隙类型，所述的孔隙类型包括粒间孔隙、粒内孔隙、混合孔和溶蚀孔洞裂缝。
本发明还提供了一种碳酸盐岩储层渗透率识别系统，该识别系统包括处理器和存储器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
1)利用碳酸盐岩储层岩心各点的孔隙结构参数和岩心各点的孔隙类型建立各种孔隙类型和孔隙结构参数取值范围的相互关系；
2)根据岩心各点的孔隙类型建立每种孔隙类型对应的渗透率模型，所述渗透率模型用于表征渗透率与孔隙度的相关关系；
3)获取待识别碳酸盐岩储层的孔隙度，并确定待识别碳酸盐岩储层的孔隙结构参数；
4)根据孔隙类型和孔隙结构参数取值范围的相互关系，利用待识别碳酸盐岩储层的孔隙结构参数确定待识别碳酸盐岩储层的孔隙类型；
5)根据待识别碳酸盐岩储层的孔隙类型选取相应的渗透率模型，将待识别碳酸盐岩储层的孔隙度代入所选取的渗透率模型，确定待识别碳酸盐岩储层的渗透率。
进一步地，岩心的孔隙结构参数是根据岩心的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，待识别碳酸盐岩储层的孔隙结构参数是根据待识别碳酸盐岩储层的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，采用的计算公式为：
Figure BDA0001796360200000041
Figure BDA0001796360200000051
其中γμ为孔隙结构参数，
Figure BDA0001796360200000052
为孔隙度，Vs为横波速度，ρ为体积密度，μs为岩石骨架剪切模量。
进一步地，当待识别碳酸盐岩储层缺少横波测井数据时，还包括：
利用中子测井数据、纵波测井数据和深浅侧向电阻率测试数据中的至少一种确定待识别碳酸盐岩储层的孔隙类型；
根据孔隙类型选取相应的横波正演模型，并将待识别的纵波测井数据代入所选取的横波正演模型，获得待识别碳酸盐岩储层的横波正演数据，将该横波正演数据作为横波测井数据来计算待识别碳酸盐岩储层的孔隙结构参数，所述横波正演模型是根据岩心各点的横波测井数据、岩心各点的纵波测井数据和岩心各点的孔隙类型建立的。
本发明还提供了一种碳酸盐岩储层渗透率识别装置，该识别装置包括孔隙结构参数取值范围确定模块、渗透率模型建立模块、孔隙度及孔隙结构参数计算模块、孔隙类型定量识别模块和渗透率解释模块；
所述孔隙结构参数取值范围确定模块用于利用碳酸盐岩储层岩心各点的孔隙结构参数和岩心各点的孔隙类型建立各种孔隙类型和孔隙结构参数取值范围的相互关系；
所述渗透率模型建立模块用于根据岩心各点的孔隙类型建立每种孔隙类型对应的渗透率模型，所述渗透率模型用于表征渗透率与孔隙度的相关关系；
孔隙度及孔隙结构参数计算模块用于获取待识别碳酸盐岩储层的孔隙度，并确定待识别碳酸盐岩储层的孔隙结构参数；
所述孔隙类型定量识别模块用于根据孔隙类型和孔隙结构参数取值范围的相互关系，利用待识别碳酸盐岩储层的孔隙结构参数确定待识别碳酸盐岩储层的孔隙类型；
所述渗透率解释模块用于根据待识别碳酸盐岩储层的孔隙类型选取相应的渗透率模型，将待识别碳酸盐岩储层的孔隙度代入所选取的渗透率模型，确定待识别碳酸盐岩储层的渗透率。
附图说明
图1为本发明较佳实施例提供的碳酸盐岩储层渗透率识别系统的方框示意图；
图2为本发明较佳实施例提供的碳酸盐岩储层渗透率识别方法的流程图；
图3为本发明孔隙类型-孔隙结构参数的频率直方图的示意图；
图4为本发明的横波数据获取方法流程图；
图5为本发明井间储层的碳酸盐岩储层渗透率识别方法的流程图；
图6为本发明较佳实施例提供的碳酸盐岩储层渗透率识别装置的功能模块框图；
图7为本发明识别装置中包含的横波数据获取功能模块框图；
图8为本发明井间储层的碳酸盐岩储层渗透率识别装置功能模块框图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细说明。
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的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中，术语“第一”、“第二”、“第三”、“第四”等仅用于区分描述，而不能理解为只是或暗示相对重要性。
如图1所示，本发明的碳酸盐岩储层渗透率识别系统为计算机等具备数据处理能力的设备，该识别系统100包括：存储器110、处理器120及网络模块130。存储器110、处理器120以及网络模块130相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块，处理器120通过运行存储在存储器110内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本发明实施例中的礁滩相碳酸盐岩储层渗透率识别方法。
其中，存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器110用于存储程序，所述处理器120在接收到执行指令后，执行所述程序。
处理器120可能是一种集成电路芯片，具有信号的处理能力。上述的处理器120可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等。还可以是数字信号处理器(DSP))、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规处理器等。
网络模块130用于通过网络建立电子设备100与外部通信终端之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解，图1所示的结构仅为示意，识别系统100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
图2是本发明较佳实施例提供的碳酸盐岩储层渗透率识别方法的流程图，该方法有关流程所定义的方法步骤可以由处理器120实现，下面对该方法的具体流程进行详细阐述。
步骤S210：对可表征礁滩相碳酸盐岩储层微观孔隙特征的多个影响因子进行聚类分析，将所述礁滩相碳酸盐岩储层的孔隙划分为多种孔隙类型。
其中，所述多个影响因子包括排驱压力、平均喉道半径、相对分选系数、偏度系数及最大进汞饱和度。顾名思义，聚类即按照某些特征和规则将整个数据集分成若干组的过程，各个组内元素在某些特征方面具有较高的相似性，而组间元素则在这些特征方面具有较大的差异性，所得到的各个组即为一个聚类。通过对岩心的可表征礁滩相碳酸盐岩储层微观孔隙特征的排驱压力、平均喉道半径、相对分选系数、偏度系数及最大进汞饱和度等多个影响因子进行聚类分析，结合岩心铸体薄片资料，就可以将所述礁滩相碳酸盐岩储层的孔隙划分为多种孔隙类型。例如，以某区块为例，将所述礁滩相碳酸盐岩储层的孔隙划分为粒内孔隙、粒间孔隙、混合孔和裂缝。其中，粒内孔包括粒内溶孔、鲕模孔和溶洞。粒间孔包括晶间溶孔、晶间孔和粒间溶孔。混合孔可以是界限不明，既具有粒间孔特征，又具有粒内孔特征的孔隙。
步骤S220：根据岩心各点的横波测井数据、岩心各点的测井密度数据、岩心各点的孔隙度和岩心各点的岩石骨架剪切模量，计算岩心各点的孔隙结构参数，并结合岩心各点的铸体薄片和多个影响因子进行分析，建立每种孔隙类型和孔隙结构参数γμ取值范围的相关关系。
Figure BDA0001796360200000091
Figure BDA0001796360200000092
其中
Figure BDA0001796360200000093
为孔隙度，Vs为横波速度，ρ为体积密度，μs为岩石骨架剪切模量。对于有铸体薄片的岩心数据点(即确定了孔隙类型的岩心数据点)，可以计算这些点的γμ，做孔隙类型-的频率直方图，根据频率直方图建立每种孔隙类型和孔隙结构参数γμ取值范围的相关关系。例如，以某区块为例，其孔隙类型-孔隙结构参数γμ的频率直方图如图3所示，则根据直方图可以得出：粒内孔对应的孔隙结构参数γμ小于等于4，混合孔对应的孔隙结构参数γμ大于4且小于8，粒间孔对应的孔隙结构参数γμ大于等于8且小于等于13，裂缝对应的孔隙结构参数γμ大于13。
步骤S230：根据孔隙类型和孔隙结构参数γμ取值范围的相关关系，利用岩心各点的孔隙结构参数γμ划分岩心各点的孔隙类型，建立每种孔隙类型的渗透率模型，所述渗透率模型表征渗透率和孔隙度的相关关系。
计算岩心各点的孔隙结构参数γμ，并根据步骤S230建立的孔隙类型和孔隙结构参数γμ取值范围的相关关系，重新划分岩心各点的孔隙类型，再根据岩心孔隙度和岩心渗透率，分孔隙类型建立渗透率模型。例如，以某区块为例，K表示渗透率，
Figure BDA0001796360200000094
表示孔隙度，分孔隙类型建立岩心孔隙度和岩心渗透率的相关关系，相关分析得粒内孔对应的渗透率模型为
Figure BDA0001796360200000095
混合孔对应的渗透率模型为
Figure BDA0001796360200000101
粒间孔对应的渗透率模型为
Figure BDA0001796360200000102
由于本区块裂缝为非储层，则不作分析。在其他区块分析时，若裂缝为储层，则需要分析。
步骤S240：根据测井数据和/或地震数据，获得待识别储层的孔隙度。
其中，本发明所针对的待识别储层属于礁滩相碳酸盐岩储层，孔隙度计算模型有很多，在此不作赘述。StatMin最优化模块是基于多矿物模型和岩石物理统计学的最优化测井解释分析工具，对于礁滩相碳酸盐岩储层可以选择StatMin最优化模块效果较好。在一种实施方式中，可以将伽马测井曲线计算的粘土含量、声波视孔隙度、补偿中子测井曲线、密度测井曲线和中子-密度交会计算的粘土含量作为输入数据，应用StatMin最优化模块获得待识别储层的孔隙度解释结果。
步骤S250：根据待识别储层的横波测井数据、测井密度数据、孔隙度解释结果、岩石骨架剪切模量，计算待识别储层的孔隙结构参数γμ。
步骤S260：根据孔隙类型和孔隙结构参数γμ取值范围的相关关系，利用计算的待识别储层的孔隙结构参数γμ识别待识别储层的孔隙类型。
步骤S270：根据待识别储层的孔隙类型选取相应的渗透率模型，将待识别储层的孔隙度输入选取的渗透率模型，即可获得待识别储层的渗透率。
从孔隙结构参数γμ的计算公式可以看出，孔隙结构参数γμ计算需要使用横波数据。对于缺失横波测井数据的井的储层而言，如图4所示，该方法还包括：
步骤S280：根据岩心各点的横波测井数据、岩心各点的纵波测井数据和岩心各点的孔隙类型，建立每种孔隙类型的横波正演模型，横波正演模型表征横波测井数据和纵波测井数据的相关关系。
对于碎屑岩，纵波速度和横波速度之间具有很好的相关关系，考虑到孔隙类型对横波速度的影响，因此，本发明分孔隙类型建立横波测井数据和纵波测井数据的相关关系。例如，以某区块为例，Vs表示横波速度，Vp表示纵波速度，分孔隙类型建立横波测井数据和纵波测井数据的相关关系，通过相关分析得粒内孔对应的横波正演模型为Vp＝1.6385Vs+161.48，混合孔对应的横波正演模型为Vp＝1.5352Vs+706.93，粒间孔对应的横波正演模型为Vp＝1.1579Vs+2249.2。同理，由于本区块裂缝为非储层，则不作分析。
步骤S290：对于缺失横波测井数据的井，利用中子测井数据、纵波测井数据和深浅侧向电阻率测井数据中至少一种识别缺失横波测井数据的待识别储层的孔隙类型。
由于粒内孔具有较高的束缚水和相对高的灰质含量。则相对于粒间孔储层，补偿中子在粒内孔储层表现为低值。因为纵波可以在粒内孔储层中沿骨架传播，而在粒间孔储层中必须经过扁、长的孔隙空间，造成传播速度的降低。因此，相对于粒间孔储层，纵波时差在粒内孔储层表现为相对高的值。由于粒间孔储层的连通性高于粒内孔，引起钻井液的侵入半径大。因此，对比深浅侧向电阻率，粒间孔储层表现出比粒内孔储层更大的幅度差。因此，通过结合中子测井数据、纵波测井数据和深浅侧向电阻率测井数据中至少一种就可以定量识别缺失横波测井数据的待识别储层的孔隙类型。
步骤S300：根据缺失横波测井数据的井的孔隙类型选取相应的横波正演模型，将缺失横波测井数据的井的储层的纵波测井数据输入选取的横波正演模型，获得所述缺失横波测井数据的井的储层的横波正演数据。
上述方案所针对的待识别储层均是井内储层，对于井间储层，只能根据已有的井资料和地震数据进行预测或初略估计。可选地，请参阅图5，在本实施例中，对于井间储层，本发明的识别方法还包括采用叠前统地质计学反演原理进行预测。与叠前同时反演和叠后地质统计学反演相比，叠前地质统计学反演技术融合了前两者的优势，将分角度叠加的多数据体反演与地质统计学反演集成到同一个反演引擎中，并将约束稀疏脉冲反演方法与随机模拟技术相结合，构建成为一个全新的随机反演算法，最终获得一系列高分辨率的油藏预测结果。采用叠前统地质计学反演原理进行预测的步骤如图5所示。
步骤S310：利用有测井数据的井和地震数据，采用确定性反演法得到有测井数据和地震数据的各点的波阻抗、弹性波阻抗和拉梅系数。
步骤S320：分层和分孔隙类型分别统计有测井数据和地震数据的各点的波阻抗、弹性波阻抗和拉梅系数的变差函数和概率密度函数，得到各个层段的各种孔隙类型的波阻抗、弹性波阻抗和拉梅系数的变差函数和概率密度函数。
步骤S330：根据各个层段的各种孔隙类型的波阻抗、弹性波阻抗和拉梅系数的变差函数和概率密度函数，通过随机模拟产生井间各点的波阻抗、弹性波阻抗和拉梅系数。
步骤S340：根据井间各点的波阻抗、弹性波阻抗和拉梅系数获得井间各点的孔隙度和孔隙结构参数γμ。
步骤S350：根据井间各点的孔隙结构参数γμ识别井间各点的孔隙类型。
步骤S360：根据井间各点的孔隙类型选取相应的渗透率模型，将井间各点的孔隙度输入选取的渗透率模型，获得井间各点的渗透率。
叠前地质统计学反演方法有效地综合了地震、测井等资料，其反演方法同时发挥了测井数据垂向分辨率高和地震数据横向分辨率高的优势，反演结果对于细节的描述远远超过地震带宽的限制，可以达到地震分辨率的四倍。因此，采用叠前地质统计学反演方法大大提高了预测渗透率的精度。
在上述基础上，本发明还提供了一种碳酸盐岩储层渗透率识别装置200，如图6所示，包括聚类分析模块210、孔隙结构参数取值范围确定模块220、渗透率模型建立模块230、孔隙度确定模块240、孔隙结构参数计算模块250、孔隙类型定量识别模块260和渗透率解释模块270。
聚类分析模块210，用于对可表征碳酸盐岩储层微观孔隙特征的多个影响因子进行聚类分析，将所述碳酸盐岩储层的孔隙划分为多种孔隙类型，其中，所述多个影响因子包括排驱压力、平均喉道半径、相对分选系数、偏度系数及最大进汞饱和度。
孔隙结构参数取值范围确定模块220，用于根据岩心各点的横波测井数据、岩心各点的测井密度数据、岩心各点的孔隙度和岩心各点的岩石骨架剪切模量，计算岩心各点的孔隙结构参数γμ，并结合岩心各点的铸体薄片和多个影响因子进行分析，建立每种孔隙类型和孔隙结构参数γμ取值范围的相关关系。
Figure BDA0001796360200000131
Figure BDA0001796360200000132
其中
Figure BDA0001796360200000133
为孔隙度，Vs为横波速度，ρ为体积密度，μs为岩石骨架剪切模量。
渗透率模型建立模块230，用于根据孔隙类型和孔隙结构参数γμ取值范围的相关关系，利用岩心各点的孔隙结构参数γμ划分岩心各点的孔隙类型，建立每种孔隙类型的渗透率模型，渗透率模型表征渗透率和孔隙度的相关关系。
孔隙度解释模块240，用于根据测井数据和/或地震数据，获得待识别碳酸盐岩储层的孔隙度解释结果，其中，待识别储层属于碳酸盐岩储层。
孔隙结构参数计算模块250，用于根据待识别储层的横波测井数据、测井密度数据、孔隙度解释结果、岩石骨架剪切模量，计算待识别储层的孔隙结构参数γμ。
孔隙类型定量识别模块260，用于根据孔隙类型和孔隙结构参数γμ取值范围的相关关系，利用计算的待识别碳酸盐岩储层的孔隙结构参数γμ识别待识别储层的孔隙类型。
渗透率解释模块270，用于根据待识别碳酸盐岩储层的孔隙类型选取相应的渗透率模型，将待识别碳酸盐岩储层的孔隙度解释结果输入选取的渗透率模型，获得待识别碳酸盐岩储层的渗透率解释结果。
从孔隙结构参数γμ的计算公式可以看出，计算时需使用横波数据。对于缺失横波测井数据的井的储层，如图7所示，本发明的碳酸盐岩储层渗透率识别装置200还包括横波正演模型建立模块280、孔隙类型初步识别模块290和横波正演模块300。
横波正演模型建立模块280，用于根据岩心各点的横波测井数据、岩心各点的纵波测井数据和岩心各点的孔隙类型，建立每种孔隙类型的横波正演模型，所述横波正演模型表征横波测井数据和纵波测井数据的相关关系。
孔隙类型初步识别模块290，用于对于缺失横波测井数据的井，利用中子测井数据、纵波测井数据和深浅侧向电阻率测井数据中至少一种识别缺失横波测井数据的井的储层的孔隙类型。
横波正演模块300，用于根据缺失横波测井数据的井的孔隙类型选取相应的横波正演模型，将缺失横波测井数据的井的储层的纵波测井数据输入选取的横波正演模型，获得缺失横波测井数据的井的储层的横波正演数据。
上述装置只能针对井中储层，对于井间储层，只能根据已有的井资料和地震数据进行预测或初略估计。可选地，请参阅图8，在本实施例中，对于井间储层，本发明的碳酸盐岩储层渗透率识别装置200还包括确定性反演模块310、变差函数和概率密度函数计算模块320、随机模拟模块330、井间孔隙度和孔隙结构参数计算模块340和井间各点渗透率解释模块350。
确定性反演模块310，用于利用有测井数据的井和地震数据，采用确定性反演法得到有测井数据和地震数据的各点的波阻抗、弹性波阻抗和拉梅系数。
变差函数和概率密度函数计算模块320，用于分层和分孔隙类型分别统计有测井数据和地震数据的各点的波阻抗、弹性波阻抗和拉梅系数的变差函数和概率密度函数，得到各个层段的各种孔隙类型的波阻抗、弹性波阻抗和拉梅系数的变差函数和概率密度函数。
随机模拟模块330，用于根据各个层段的各种孔隙类型的波阻抗、弹性波阻抗和拉梅系数的变差函数和概率密度函数，通过随机模拟产生井间各点的波阻抗、弹性波阻抗和拉梅系数。
井间孔隙度和孔隙结构参数计算模块340，用于根据井间各点的波阻抗、弹性波阻抗和拉梅系数获得井间各点的孔隙度和孔隙结构参数γμ。
井间各点渗透率解释模块350，用于根据井间各点的孔隙结构参数γμ识别井间各点的孔隙类型，根据井间各点的孔隙类型选取相应的渗透率模型，将井间各点的孔隙度输入选取的渗透率模型，获得井间各点的渗透率解释结果。
本发明提供的碳酸盐岩储层渗透率识别方法、系统、装置建立了每种孔隙类型的渗透率模型、建立了每种孔隙类型的横波正演模型以用于得到横波数据，及对井间储层进行叠前地质统计学反演以获得井间储层渗透率，实现了对不同孔隙类型的碳酸盐岩储层的渗透率精细解释，有利于评价油气藏及指导油气藏开发。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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(可以是个人计算机，各种电子设备，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、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种碳酸盐岩储层渗透率识别方法，其特征在于，该识别方法包括以下步骤：
1)利用碳酸盐岩储层岩心各点的孔隙结构参数和岩心各点的孔隙类型建立各种孔隙类型和孔隙结构参数取值范围的相互关系，其中，岩心各点的孔隙结构参数是根据岩心各点的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，所述孔隙类型包括粒间孔隙、粒内孔隙、混合孔和溶蚀孔洞裂缝；
2)根据岩心各点的孔隙类型建立每种孔隙类型对应的渗透率模型，所述渗透率模型用于表征渗透率与孔隙度的相关关系；
3)获取待识别碳酸盐岩储层的孔隙度，并确定待识别碳酸盐岩储层的孔隙结构参数，其中，待识别碳酸盐岩储层的孔隙结构参数是根据待识别碳酸盐岩储层的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，采用的计算公式为：
Figure FDA0003896531520000011
Figure FDA0003896531520000012
其中γμ为孔隙结构参数，
Figure FDA0003896531520000013
为孔隙度，fμ为岩石骨架柔韧性参数，无量纲，Vs为横波速度，ρ为体积密度，μs为岩石骨架剪切模量；
4)根据孔隙类型和孔隙结构参数取值范围的相互关系，利用待识别碳酸盐岩储层的孔隙结构参数确定待识别碳酸盐岩储层的孔隙类型；
5)根据待识别碳酸盐岩储层的孔隙类型选取相应的渗透率模型，将待识别碳酸盐岩储层的孔隙度代入所选取的渗透率模型，确定待识别碳酸盐岩储层的渗透率。
2.根据权利要求1所述的碳酸盐岩储层渗透率识别方法，其特征在于，当待识别碳酸盐岩储层缺少横波测井数据时，所述识别方法还包括：
利用中子测井数据、纵波测井数据和深浅侧向电阻率测试数据中的至少一种确定待识别碳酸盐岩储层的孔隙类型；
根据孔隙类型选取相应的横波正演模型，并将待识别的纵波测井数据代入所选取的横波正演模型，获得待识别碳酸盐岩储层的横波正演数据，将该横波正演数据作为横波测井数据来计算待识别碳酸盐岩储层的孔隙结构参数，所述横波正演模型是根据岩心各点的横波测井数据、岩心各点的纵波测井数据和岩心各点的孔隙类型建立的。
3.根据权利要求1所述的碳酸盐岩储层渗透率识别方法，其特征在于，当待识别碳酸盐岩储层为井间储层时，所述识别方法还包括：
利用有测井数据的井和地震数据，采用确定性反演法得到有测井数据和地震数据各点的波阻抗、弹性波阻抗和拉梅系数；
分层和分孔隙类型分别统计有测井数据和地震数据各点的波阻抗、弹性波阻抗和拉梅系数的变差函数及概率密度函数，得到各个层段的各种孔隙类型的波阻抗、弹性波阻抗和拉梅系数的变差函数及概率密度函数；
根据各个层段的各种孔隙类型的波阻抗、弹性波阻抗和拉梅系数的变差函数和概率密度函数，通过随机模拟产生井间各点的波阻抗、弹性波阻抗和拉梅系数；
根据井间各点的波阻抗、弹性波阻抗和拉梅系数获得井间各点的孔隙度和孔隙结构参数；
根据井间各点的孔隙结构参数识别井间各点的孔隙类型；
根据井间各点的孔隙类型选取相应的渗透率模型，将井间各点的孔隙度代入选取的渗透率模型，获得井间各点的渗透率。
4.根据权利要求1所述的碳酸盐岩储层渗透率识别方法，其特征在于，所述步骤1)中岩心的孔隙类型是对表征碳酸盐岩储层微观孔隙特征的影响因子进行聚类划分得到，所述的影响因子包括排驱压力、平均喉道半径、相对分选系数、偏度系数和最大进汞饱和度。
5.一种碳酸盐岩储层渗透率识别系统，其特征在于，该识别系统包括处理器和存储器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
1)利用碳酸盐岩储层岩心各点的孔隙结构参数和岩心各点的孔隙类型建立各种孔隙类型和孔隙结构参数取值范围的相互关系，其中，岩心各点的孔隙结构参数是根据岩心各点的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，所述孔隙类型包括粒间孔隙、粒内孔隙、混合孔和溶蚀孔洞裂缝；
2)根据岩心各点的孔隙类型建立每种孔隙类型对应的渗透率模型，所述渗透率模型用于表征渗透率与孔隙度的相关关系；
3)获取待识别碳酸盐岩储层的孔隙度，并确定待识别碳酸盐岩储层的孔隙结构参数，其中，待识别碳酸盐岩储层的孔隙结构参数是根据待识别碳酸盐岩储层的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，采用的计算公式为：
Figure FDA0003896531520000031
Figure FDA0003896531520000032
其中γμ为孔隙结构参数，
Figure FDA0003896531520000033
为孔隙度，fμ为岩石骨架柔韧性参数，无量纲，Vs为横波速度，ρ为体积密度，μs为岩石骨架剪切模量；
4)根据孔隙类型和孔隙结构参数取值范围的相互关系，利用待识别碳酸盐岩储层的孔隙结构参数确定待识别碳酸盐岩储层的孔隙类型；
5)根据待识别碳酸盐岩储层的孔隙类型选取相应的渗透率模型，将待识别碳酸盐岩储层的孔隙度代入所选取的渗透率模型，确定待识别碳酸盐岩储层的渗透率。
6.根据权利要求5所述碳酸盐岩储层渗透率识别系统，其特征在于，当待识别碳酸盐岩储层缺少横波测井数据时，还包括：
利用中子测井数据、纵波测井数据和深浅侧向电阻率测试数据中的至少一种确定待识别碳酸盐岩储层的孔隙类型；
根据孔隙类型选取相应的横波正演模型，并将待识别的纵波测井数据代入所选取的横波正演模型，获得待识别碳酸盐岩储层的横波正演数据，将该横波正演数据作为横波测井数据来计算待识别碳酸盐岩储层的孔隙结构参数，所述横波正演模型是根据岩心各点的横波测井数据、岩心各点的纵波测井数据和岩心各点的孔隙类型建立的。
7.一种碳酸盐岩储层渗透率识别装置，其特征在于，该识别装置包括孔隙结构参数取值范围确定模块、渗透率模型建立模块、孔隙度及孔隙结构参数计算模块、孔隙类型定量识别模块和渗透率解释模块；
所述孔隙结构参数取值范围确定模块用于利用碳酸盐岩储层岩心各点的孔隙结构参数和岩心各点的孔隙类型建立各种孔隙类型和孔隙结构参数取值范围的相互关系，其中，岩心各点的孔隙结构参数是根据岩心各点的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，所述孔隙类型包括粒间孔隙、粒内孔隙、混合孔和溶蚀孔洞裂缝；
所述渗透率模型建立模块用于根据岩心各点的孔隙类型建立每种孔隙类型对应的渗透率模型，所述渗透率模型用于表征渗透率与孔隙度的相关关系；
孔隙度及孔隙结构参数计算模块用于获取待识别碳酸盐岩储层的孔隙度，并确定待识别碳酸盐岩储层的孔隙结构参数，其中，待识别碳酸盐岩储层的孔隙结构参数是根据待识别碳酸盐岩储层的横波测井数据、测井密度数据、孔隙度和岩石骨架剪切模量计算得到，采用的计算公式为：
Figure FDA0003896531520000041
Figure FDA0003896531520000042
其中γμ为孔隙结构参数，
Figure FDA0003896531520000043
为孔隙度，fμ为岩石骨架柔韧性参数，无量纲，Vs为横波速度，ρ为体积密度，μs为岩石骨架剪切模量；
所述孔隙类型定量识别模块用于根据孔隙类型和孔隙结构参数取值范围的相互关系，利用待识别碳酸盐岩储层的孔隙结构参数确定待识别碳酸盐岩储层的孔隙类型；
所述渗透率解释模块用于根据待识别碳酸盐岩储层的孔隙类型选取相应的渗透率模型，将待识别碳酸盐岩储层的孔隙度代入所选取的渗透率模型，确定待识别碳酸盐岩储层的渗透率。
CN201811058195.XA 2018-09-11 2018-09-11 一种碳酸盐岩储层渗透率识别方法、系统及装置 Active CN110887772B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811058195.XA CN110887772B (zh) 2018-09-11 2018-09-11 一种碳酸盐岩储层渗透率识别方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811058195.XA CN110887772B (zh) 2018-09-11 2018-09-11 一种碳酸盐岩储层渗透率识别方法、系统及装置

Publications (2)

Publication Number Publication Date
CN110887772A CN110887772A (zh) 2020-03-17
CN110887772B true CN110887772B (zh) 2023-02-03

Family

ID=69745532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811058195.XA Active CN110887772B (zh) 2018-09-11 2018-09-11 一种碳酸盐岩储层渗透率识别方法、系统及装置

Country Status (1)

Country Link
CN (1) CN110887772B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112485174B (zh) * 2020-10-19 2021-09-14 中国地质大学（北京） 基于堆叠立方体模型计算含水合物储层渗透率的方法
CN112363244B (zh) * 2020-10-26 2024-05-28 中国石油天然气集团有限公司 波阻抗反演方法与碳酸盐岩非均质储层预测方法及系统
CN113586042B (zh) * 2021-07-09 2023-09-26 中国石油天然气股份有限公司 孔隙型碳酸盐岩动态渗透率确定方法及装置
CN113504172A (zh) * 2021-09-10 2021-10-15 北京润泽创新科技有限公司 一种基于数字岩心的渗透性能评价方法及装置
CN114563822B (zh) * 2022-02-25 2024-09-13 青海省柴达木综合地质矿产勘查院 一种盐湖卤水有效储层识别方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760081B (zh) * 2013-12-31 2016-01-06 中国石油天然气股份有限公司 基于孔隙结构特征的碳酸盐岩储层的气藏预测方法及系统
US20160109593A1 (en) * 2014-10-17 2016-04-21 Vimal SAXENA Methods and systems for generating percolated rock physics models for predicting permeability and petrophysical quantities
CN104992468B (zh) * 2015-07-30 2018-01-05 中国石油集团川庆钻探工程有限公司 缝洞型碳酸盐岩油气藏三维地质建模方法
CN105240005B (zh) * 2015-10-28 2021-04-13 中国石油化工股份有限公司 一种低孔特低渗非常规储层溶蚀孔识别方法
CN106054248B (zh) * 2016-07-15 2017-07-18 河海大学 一种基于大面积致密储层地震岩石物理反演方法
CN106290105B (zh) * 2016-07-20 2017-08-11 中国石油大学(华东) 一种碳酸盐岩储层溶蚀孔隙体积含量预测方法
CN107917865B (zh) * 2016-10-11 2020-01-31 中国石油化工股份有限公司 一种致密砂岩储层多参数渗透率预测方法
CN108181219B (zh) * 2017-11-15 2020-05-08 中国石油天然气股份有限公司 一种基于碳酸盐岩孔隙结构预测渗透率的方法及其装置

Also Published As

Publication number Publication date
CN110887772A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN110887772B (zh) 一种碳酸盐岩储层渗透率识别方法、系统及装置
US10788598B2 (en) Method of predicting parameters of a geological formation
RU2669948C2 (ru) Оптимизация многоступенчатого проекта нефтяного месторождения в условиях неопределенности
CN108897066B (zh) 碳酸盐岩裂缝密度定量预测方法及装置
CA2931435A1 (en) Method for developing a geomechanical model based on seismic data, well logs and sem analysis of horizontal and vertical drill cuttings
CN109856674B (zh) 工程甜点评测方法
EP3394647B1 (en) A methodology for building realistic numerical forward stratigraphic models in data sparse environment
CN104181585A (zh) 一种地球物理勘探横波估算方法和系统
CN110095811B (zh) 膏岩层速度模型构建处理方法及装置
CN112578475B (zh) 基于数据挖掘的致密储层双甜点识别方法
CN113433587B (zh) 岩石物理反演方法及系统
CN112462421B (zh) 储层信息预测方法、装置、电子设备及存储介质
CN115522912A (zh) 基于大数据的电缆吸附卡风险定量评价方法、系统及介质
CN115728818A (zh) 花岗岩潜山储层垂向分带地震识别方法及装置
CN112649870B (zh) 岩石物理建模中矿物弹性参数的确定方法及系统
CN112558153B (zh) 一种双相介质的油气储层预测方法及装置
Hosseini et al. Artificial Intelligence for prediction of porosity from Seismic Attributes: Case study in the Persian Gulf
CN113971351B (zh) 裂缝孔隙度的确定方法及装置
CN111366974B (zh) 基于频变固液解耦流体因子的叠前地震反演方法和装置
CN112363244B (zh) 波阻抗反演方法与碳酸盐岩非均质储层预测方法及系统
CN113900143B (zh) 天然气水合物的属性特征的确定方法、装置和服务器
CN112558152B (zh) 一种提高测井横波速度预测精度的方法及系统
CN107589457A (zh) 测井资料尺度粗化的方法和装置
CN107764697A (zh) 基于孔隙介质渐进方程非线性反演的含气性检测方法
CN115963526A (zh) 一种储层脆性指数地震预测方法、装置和可读存储介质

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