CN112014293A - 一种表征水合物藏渗流能力的方法及装置 - Google Patents
一种表征水合物藏渗流能力的方法及装置 Download PDFInfo
- Publication number
- CN112014293A CN112014293A CN202010926577.0A CN202010926577A CN112014293A CN 112014293 A CN112014293 A CN 112014293A CN 202010926577 A CN202010926577 A CN 202010926577A CN 112014293 A CN112014293 A CN 112014293A
- Authority
- CN
- China
- Prior art keywords
- water saturation
- model
- ith
- expressed
- correlation coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 216
- 239000002245 particle Substances 0.000 claims abstract description 87
- 230000005012 migration Effects 0.000 claims abstract description 15
- 238000013508 migration Methods 0.000 claims abstract description 15
- 230000035699 permeability Effects 0.000 claims description 23
- 241000209094 Oryza Species 0.000 claims description 16
- 235000007164 Oryza sativa Nutrition 0.000 claims description 16
- 235000009566 rice Nutrition 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 14
- 239000007789 gas Substances 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 11
- 239000004576 sand Substances 0.000 description 8
- 239000011148 porous material Substances 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- NMJORVOYSJLJGU-UHFFFAOYSA-N methane clathrate Chemical compound C.C.C.C.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O NMJORVOYSJLJGU-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005653 Brownian motion process Effects 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000005411 Van der Waals force Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005537 brownian motion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 150000004677 hydrates Chemical class 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000005325 percolation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种表征水合物藏渗流能力的方法及装置，该方法包括如下步骤：获取水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，以及原始含水饱和度。按照预定规则获得第一模型的预测含水饱和度、第二模型的预测含水饱和度、第三模型的预测含水饱和度，以及第四模型的预测含水饱和度。将原始含水饱和度分别与第一模型的预测含水饱和度、第二模型的预测含水饱和度、第三模型的预测含水饱和度、以及第四模型的预测含水饱和度拟合，获得第一相关系数、第二相关系数、第三相关系数，以及第四相关系数。根据第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，按照第五预定规则判断储层颗粒运移对渗流的影响。
Description
技术领域
本申请属于石油开采技术领域，具体涉及一种表征水合物藏渗流能力的方法及装置。
背景技术
关于表征水合物藏渗流能力，于明豪在现有数学模型基础上，建立了甲烷水合物在多孔介质中降压分解产气的一维数学模型，该数学模型考虑了水合物降压开采过程中冰相的生成。该研究利用有限差分法对模型进行处理，得到冰的生成对于压力、温度、渗透率、累积产气量、瞬时产气量等参数的相互影响规律。但此模型没有考虑水合物分解过程中，水合物储层内部胶结性变差导致骨架上颗粒脱落造成的沉积和堵塞问题。
刘丽强等人基于国际上较为先进的TH模型水合物数值模型，以南海神狐海域为研究对象，模拟水合物竖井降压开采过程，研究水合物藏在开采过程中的气体运移及气、水产量的规律。该模型主要考虑了水合物降压分解过程中产气量、产气速率，但是忽略了开采过程中出砂问题，出砂现象可能导致整体开采过程无法按照预期进行，从而达不到理想的产气速率和产气量。
车雯通过建立三维立方体孔隙网络模型，比较了水合物生成于孔隙中心或壁面两种不同情况时气、水两相相对渗透率的变化，及水合物饱和度、孔径分布对水合物相平衡的影响。但该研究没有考虑水合物分解过程中储层内存在的颗粒运移是否会对结果产生影响。
李传辉等人用核磁共振测量岩芯，通过进一步分析得到水合物对地层孔隙度、孔隙迂曲度、孔隙喉道堵塞的影响最终会影响地层渗透率。同时利用增田下降模型建立了相对渗透率与含水合物饱和度的经验公式(适用于南海神狐海域)。该研究只是证明了水合物颗粒由于会堵塞孔隙和喉道导致对地层渗透率造成影响，但并未建立颗粒与渗透率之间的数学模型。
巴尔霍夫等人利用粒子追踪方法开发了具有物理代表性的3D孔隙网络模型，用来模拟多分散粒子系统中的粒子保留和渗透性损害。该模型包括液压阻力，重力，静电力和范德华力以及布朗运动的影响，同时结合表面粗糙度和颗粒-表面相互作用来确定颗粒的附着和脱离。该模型对颗粒运移的过程进行了详细研究，但是是颗粒在单相流中运动，没有考虑多孔介质中同时存在气体的情况。
李彦龙等人发明了海洋天然气水合物分解区砂粒微观运移过程室内试验方法及装置，用来测量水合物降压开采诱发砂粒运移过程中砂粒级配的变化情况和评价砂粒微观运移过程对近井地层附加表皮的影响程度。该方法对目前已有的关于水合物储层出砂规律的数值模型提供实际室内数据的验证和支持，但是是基于气、水两相一维渗流过程的实验方法，并没有相应的模拟方法。
因此，目前需要建立水合物藏中水合物饱和度、含水饱和度与颗粒运移相关变量的函数关系的数学模型，以表征水合物藏渗流能力。
发明内容
为了克服现有技术的上述缺陷，本发明所要解决的技术问题是提供一种表征水合物藏渗流能力的方法及装置，其能预测不同水合物饱和度下的出砂状况及储层的渗流能力。
本发明的具体技术方案是：
本发明提供一种表征水合物藏渗流能力的方法，包括如下步骤：
获取水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，以及原始含水饱和度；
根据水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，按照第一预定规则获得第一模型的预测含水饱和度，按照第二预定规则获得第二模型的预测含水饱和度，按照第三预定规则获得第三模型的预测含水饱和度，以及按照第四预定规则获得第四模型的预测含水饱和度；
将原始含水饱和度与第一模型的预测含水饱和度拟合，获得第一相关系数，将原始含水饱和度与第二模型的预测含水饱和度拟合，获得第二相关系数，将原始含水饱和度与第三模型的预测含水饱和度拟合，获得第三相关系数，将原始含水饱和度与第四模型的预测含水饱和度拟合，获得第四相关系数；
根据第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，按照第五预定规则判断储层颗粒运移对渗流的影响。
在一个优选的实施方式中，所述第一预定规则为按照以下公式计算得到第一模型的预测含水饱和度：
其中，y1i表示为第一模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，所述第二预定规则为按照以下公式计算得到第二模型的预测含水饱和度：
其中，y2i表示为第二模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，所述第三预定规则为按照以下公式计算得到第三模型的预测含水饱和度：
其中，y3i表示为第三模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，所述第四预定规则为按照以下公式计算得到第四模型的预测含水饱和度：
其中，y4i表示为第四模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，所述第五预定规则为：比较第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，越接近1，则储层颗粒的存在对于储层渗流能力的影响越接近实际情况。
在一个优选的实施方式中，所述第一相关系数为按照以下公式对原始含水饱和度与第一模型的预测含水饱和度进行拟合：
所述第二相关系数为按照以下公式对原始含水饱和度与第二模型的预测含水饱和度进行拟合：
所述第三相关系数为按照以下公式对原始含水饱和度与第三模型的预测含水饱和度进行拟合：
所述第四相关系数为按照以下公式对原始含水饱和度与第四模型的预测含水饱和度进行拟合：
其中，Q1表示为第一相关系数，Q2表示为第二相关系数，Q3表示为第三相关系数，Q4表示为第四相关系数；E1i表示为第一模型的第i个第一统计参数，E2i表示为第二模型的第i个第一统计参数，E3i表示为第三模型的第i个第一统计参数，E4i表示为第四模型的第i个第一统计参数；Ti表示为第i个第二统计参数；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，按照以下公式计算第j模型的第i个第一统计参数Eji和第i个第二统计参数Ti：
Eji＝(yi原-yji)2；
其中，Eji表示为第j模型的第i个第一统计参数，j取1至4中的正整数；yi原表示为第i个原始含水饱和度；yji表示为第j模型的第i个预测含水饱和度。
另外，本发明还提供一种表征水合物藏渗流能力的装置，包括：
获取模块，被配置为获取水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，以及原始含水饱和度；
预测模块，被配置为根据水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，按照第一预定规则获得第一模型的预测含水饱和度，按照第二预定规则获得第二模型的预测含水饱和度，按照第三预定规则获得第三模型的预测含水饱和度，以及按照第四预定规则获得第四模型的预测含水饱和度；
拟合模块，被配置为将原始含水饱和度与第一模型的预测含水饱和度拟合，获得第一相关系数，将原始含水饱和度与第二模型的预测含水饱和度拟合，获得第二相关系数，将原始含水饱和度与第三模型的预测含水饱和度拟合，获得第三相关系数，将原始含水饱和度与第四模型的预测含水饱和度拟合，获得第四相关系数；
判断模块，被配置为根据第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，按照第五预定规则判断储层颗粒运移对渗流的影响。
另外，本发明还提供一种表征水合物藏渗流能力的装置，包括存储器和处理器，存储器中存储计算机程序，所述计算机程序在被所述处理器执行时，实现以下步骤：如上任一项所述的表征水合物藏渗流能力的方法。
借由以上的技术方案，本申请的有益效果在于：本申请的表征水合物藏渗流能力的方法及装置有利于了解水合物藏在不同水合物饱和度下颗粒和流体的存在状态，继而了解储层的渗流能力，对于后续计算有效渗透率、相对渗透率等和渗流相关的参数值具有重要借鉴意义。
参照后文的说明和附图，详细公开了本申请的特定实施方式，指明了本申请的原理可以被采用的方式。应该理解，本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本申请的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。
应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
在此描述的附图仅用于解释目的，而不意图以任何方式来限制本申请公开的范围。另外，图中的各部件的形状和比例尺寸等仅为示意性的，用于帮助对本申请的理解，并不是具体限定本申请各部件的形状和比例尺寸。本领域的技术人员在本申请的教导下，可以根据具体情况选择各种可能的形状和比例尺寸来实施本申请。在附图中：
图1为本申请实施方式的表征水合物藏渗流能力的方法流程图；
图2为本申请实施方式的表征水合物藏渗流能力的装置模块图。
具体实施方式
下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
需要说明的是，当元件被称为“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，本申请提供一种表征水合物藏渗流能力的方法，该方法包括如下步骤：
S1：获取水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，以及原始含水饱和度。
S2：根据水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，按照第一预定规则获得第一模型的预测含水饱和度，按照第二预定规则获得第二模型的预测含水饱和度，按照第三预定规则获得第三模型的预测含水饱和度，以及按照第四预定规则获得第四模型的预测含水饱和度。
S3：将原始含水饱和度与第一模型的预测含水饱和度拟合，获得第一相关系数，将原始含水饱和度与第二模型的预测含水饱和度拟合，获得第二相关系数，将原始含水饱和度与第三模型的预测含水饱和度拟合，获得第三相关系数，将原始含水饱和度与第四模型的预测含水饱和度拟合，获得第四相关系数。
S4：根据第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，按照第五预定规则判断储层颗粒运移对渗流的影响。
在具体实施方式中，首先可以获取水合物藏的水合物饱和度Si、储层颗粒的平均直径di、储层颗粒数量ni，以及原始含水饱和度yi原，如表1所示：
表1
然后，按照第一预定规则获得第一模型的预测含水饱和度。具体地，所述第一预定规则为按照以下公式计算得到第一模型的预测含水饱和度：
其中，y1i表示为第一模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个，i取1至m中的正整数；m表示为原始含水饱和度的数量。
需要强调的是，原始含水饱和度的数量与水合物饱和度的数量相等。
令x＝ln(Si)，
得到
y1i＝f(x,y)＝p00+p10*x+p01*y+p20*x2+p11*x*y+p02*y2+p30*x3+p21*x2*y+p12*x*y2+p03*y3+p31*x3*y+p22*x2*y2+p13*x*y3+p04*y4
式中：
p00＝-7666；p10＝8321；p01＝-1456；p20＝-262.3；p11＝969.2；p02＝-100.6；p30＝12.7；p21＝-22.93；p12＝37.86；p03＝-3.027；p31＝0.5174；p22＝-0.4993；p13＝0.4964；p04＝-0.03369；得到表2：
表2
接着，将原始含水饱和度yi原与第一模型的预测含水饱和度y1i拟合，获得第一相关系数Q1。
所述第一相关系数Q1为按照以下公式对原始含水饱和度yi原与第一模型的预测含水饱和度y1i进行拟合：
其中，Q1表示为第一相关系数，E1i表示为第一模型的第i个第一统计参数；Ti表示为第i个第二统计参数；i取1至m中的正整数；m表示为原始含水饱和度的数量。
然后，按照以下公式计算第j模型的第i个第一统计参数Eji和第i个第二统计参数Ti：
Eji＝(yi原-yji)2；
其中，Eji表示为第j模型的第i个第一统计参数，j取1至4中的正整数；yi原表示为第i个原始含水饱和度；yji表示为第j模型的第i个预测含水饱和度。
将原始含水饱和度yi原，第一模型的预测含水饱和度y1i以及根据上述拟合规则计算出的第一模型的第i个第一统计参数E1i，和第i个第二统计参数Ti的数值列入表3中。
表3
求得第一相关系数
同理，可以按照第二预定规则获得第二模型的预测含水饱和度。具体地，所述第二预定规则为按照以下公式计算得到第二模型的预测含水饱和度：
其中，y2i表示为第二模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个，i取1至m中的正整数；m表示为原始含水饱和度的数量。
令x＝ln(di)，
得到：
y2i＝f(x,y)＝p00+p10*x+p01*y+p20*x2+p11*x*y+p02*y2+p30*x3+p21*x2*y+p12*x*y2+p03*y3+p31*x3*y+p22*x2*y2+p13*x*y3+p04*y4+p32*x3*y2+p23*x2*y3+p14*x*y4+p05*y5
式中：
p00＝2.388×105；p10＝6.908×104；p01＝1.627×104；p20＝6527；p11＝6229；p02＝-744.5；p30＝202.3；p21＝700.9；p12＝-34.65；p03＝-40.69；p31＝24.53；p22＝10.51；p13＝-7.536；p04＝0.2225；p32＝0.6805；p23＝-0.3414；p14＝0.01731；p05＝9.846×10-5；得到表4；
表4
接着，将原始含水饱和度yi原与第二模型的预测含水饱和度y2i拟合，获得第二相关系数Q2。
所述第二相关系数Q2为按照以下公式对原始含水饱和度yi原与第二模型的预测含水饱和度y2i进行拟合：
其中，Q2表示为第二相关系数；E2i表示为第二模型的第i个第一统计参数；Ti表示为第i个第二统计参数；i取1至m中的正整数；m表示为原始含水饱和度的数量。
然后，按照以下公式计算第j模型的第i个第一统计参数Eji和第i个第二统计参数Ti：
Eji＝(yi原-yji)2；
其中，yi原表示为第i个原始含水饱和度；yji表示为第j模型的第i个预测含水饱和度。
将原始含水饱和度yi原，第二模型的预测含水饱和度y2i以及根据上述拟合规则计算出的第二模型的第i个第一统计参数E2i，和第i个第二统计参数Ti的数值列入表5中。
表5
求得第二相关系数
同理，可以按照第三预定规则获得第三模型的预测含水饱和度。具体地，所述第三预定规则为按照以下公式计算得到第三模型的预测含水饱和度：
其中，y3i表示为第三模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个，i取1至m中的正整数；m表示为原始含水饱和度的数量。
令x＝di，
得到：
y3i＝f(x,y)＝p00+p10*x+p01*y+p20*x2+p11*x*y+p02*y2+p30*x3+p21*x2*y+p12*x*y2+p03*y3+p31*x3*y+p22*x2*y2+p13*x*y3+p04*y4+p32*x3*y2+p23*x2*y3+p14*x*y4+p05*y5
其中：
p00＝36.4；p10＝-2.859×107；p01＝-2.755×107；p20＝7.472×1012；p11＝2.263×1013；p02＝3.858×1012；p30＝-6.472×1017；p21＝-6.18×1018；p12＝-2.937×1018；p03＝-1.489×1017；p31＝5.557×1023；p22＝8.125×1023；p13＝3.933×1020；p04＝2.473×1022；p32＝-7.491×1028；p23＝1.567×1027；p14＝-9.293×1026；p05＝-1.276×1027；得到表6：
表6
接着，将原始含水饱和度yi原与第三模型的预测含水饱和度y3i拟合，获得第三相关系数Q3。
所述第三相关系数Q3为按照以下公式对原始含水饱和度yi原与第三模型的预测含水饱和度y3i进行拟合：
其中，Q3表示为第三相关系数；E3i表示为第三模型的第i个第一统计参数；Ti表示为第i个第二统计参数；i取1至m中的正整数；m表示为原始含水饱和度的数量。
然后，按照以下公式计算第j模型的第i个第一统计参数Eji和第i个第二统计参数Ti：
Eji＝(yi原-yji)2；
其中，yi原表示为第i个原始含水饱和度；yji表示为第j模型的第i个预测含水饱和度。
将原始含水饱和度yi原，第三模型的预测含水饱和度y3i，以及根据上述拟合规则计算出的第三模型的第i个第一统计参数E3i，和第i个第二统计参数Ti的数值列入表7中。
表7
求得第三相关系数
同理，可以按照第四预定规则获得第四模型的预测含水饱和度。具体地，所述第四预定规则为按照以下公式计算得到第四模型的预测含水饱和度：
其中，y4i表示为第四模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
令x＝Si，
得到：
y4i＝f(x,y)＝p00+p10*x+p01*y+p20*x2+p11*x*y+p02*y2+p30*x3+p21*x2*y+p12*x*y2+p03*y3+p40*x4+p31*x3*y+p22*x2*y2+p13*x*y3+p04*y4+p50*x5+p41*x4*y+p32*x3*y2+p23*x2*y3+p14*x*y4+p05*y5
式中：
p00＝8.598；p10＝-204.4；p01＝1.138×1011；p20＝1486；p11＝4.251×1012；p02＝-1.494×1023；p30＝-4616；p21＝-3.603×1013；p12＝6.543×1023；p03＝1.013×1034；p40＝6264；p31＝1.271×1014；p22＝-2.707×1024；p13＝-9.117×1033；p04＝-1.296×1044；p50＝-2973；p41＝-1.429×1014；p32＝3.924×1024；p23＝-2.428×1034；p14＝3.238×1044；p05＝-3.794×1053；得到表8。
表8
接着，将原始含水饱和度yi原与第四模型的预测含水饱和度y4i拟合，获得第四相关系数Q4。
所述第四相关系数Q4为按照以下公式对原始含水饱和度yi原与第四模型的预测含水饱和度y4i进行拟合：
其中，Q4表示为第四相关系数；E4i表示为第四模型的第i个第一统计参数；Ti表示为第i个第二统计参数；i取1至m中的正整数；m表示为原始含水饱和度的数量。
然后，按照以下公式计算第j模型的第i个第一统计参数Eji和第i个第二统计参数Ti：
Eji＝(yi原-yji)2；
其中，yi原表示为第i个原始含水饱和度；yji表示为第j模型的第i个预测含水饱和度。
将原始含水饱和度yi原，第四模型的预测含水饱和度y4i，以及根据上述拟合规则计算出的第四模型的第i个第一统计参数E4i，和第i个第二统计参数Ti的数值列入表9中。
表9
求得第四相关系数
由此，获得表10：
表10
最后，根据第一相关系数Q1、第二相关系数Q2、第三相关系数Q3、以及第四相关系数Q4，按照第五预定规则判断储层颗粒运移对渗流的影响。
所述第五预定规则具体为：比较第一相关系数Q1、第二相关系数Q2、第三相关系数Q3、以及第四相关系数Q4，越接近1，则储层颗粒的存在对于储层渗流能力的影响越接近实际情况。
比较表10中的具体相关系数，可见第三相关系数Q3＝0.92724相对其他相关系数的数值更接近1，因此，第三模型储层颗粒的存在对于储层渗流能力的影响越接近实际情况。
由此可见，利用本申请的表征水合物藏渗流能力的方法可以较好的模拟水合物藏在水合物分解过程中储层颗粒和流体的存在情况。
基于同一发明构思，本发明实施例中还提供了一种表征水合物藏渗流能力的装置，如下面的实施例所述。由于一种表征水合物藏渗流能力的装置解决问题的原理与一种表征水合物藏渗流能力的方法相似，因此表征水合物藏渗流能力的装置的实施可以参见表征水合物藏渗流能力的方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
如图2所示，本发明还提供一种表征水合物藏渗流能力的装置，该装置包括：
获取模块101，被配置为获取水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，以及原始含水饱和度；
预测模块102，被配置为根据水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，按照第一预定规则获得第一模型的预测含水饱和度，按照第二预定规则获得第二模型的预测含水饱和度，按照第三预定规则获得第三模型的预测含水饱和度，以及按照第四预定规则获得第四模型的预测含水饱和度；
拟合模块103，被配置为将原始含水饱和度与第一模型的预测含水饱和度拟合，获得第一相关系数，将原始含水饱和度与第二模型的预测含水饱和度拟合，获得第二相关系数，将原始含水饱和度与第三模型的预测含水饱和度拟合，获得第三相关系数，将原始含水饱和度与第四模型的预测含水饱和度拟合，获得第四相关系数；
判断模块104，被配置为根据第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，按照第五预定规则判断储层颗粒运移对渗流的影响。
在一个优选的实施方式中，所述第一预定规则为按照以下公式计算得到第一模型的预测含水饱和度：
其中，y1i表示为第一模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，所述第二预定规则为按照以下公式计算得到第二模型的预测含水饱和度：
其中，y2i表示为第二模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，所述第三预定规则为按照以下公式计算得到第三模型的预测含水饱和度：
其中，y3i表示为第三模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，所述第四预定规则为按照以下公式计算得到第四模型的预测含水饱和度：
其中，y4i表示为第四模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，所述第五预定规则为：比较第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，越接近1，则储层颗粒的存在对于储层渗流能力的影响越接近实际情况。
在一个优选的实施方式中，所述第一相关系数为按照以下公式对原始含水饱和度与第一模型的预测含水饱和度进行拟合：
所述第二相关系数为按照以下公式对原始含水饱和度与第二模型的预测含水饱和度进行拟合：
所述第三相关系数为按照以下公式对原始含水饱和度与第三模型的预测含水饱和度进行拟合：
所述第四相关系数为按照以下公式对原始含水饱和度与第四模型的预测含水饱和度进行拟合：
其中，Q1表示为第一相关系数，Q2表示为第二相关系数，Q3表示为第三相关系数，Q4表示为第四相关系数；E1i表示为第一模型的第i个第一统计参数，E2i表示为第二模型的第i个第一统计参数，E3i表示为第三模型的第i个第一统计参数，E4i表示为第四模型的第i个第一统计参数；Ti表示为第i个第二统计参数；i取1至m中的正整数；m表示为原始含水饱和度的数量。
在一个优选的实施方式中，按照以下公式计算第j模型的第i个第一统计参数Eji和第i个第二统计参数Ti：
Eji＝(yi原-yji)2；
其中，Eji表示为第j模型的第i个第一统计参数，j取1至4中的正整数；yi原表示为第i个原始含水饱和度；yji表示为第j模型的第i个预测含水饱和度。
另外，本发明还提供一种确定表征水合物藏渗流能力的装置，包括存储器和处理器，存储器中存储计算机程序，所述计算机程序在被所述处理器执行时，实现以上所述的表征水合物藏渗流能力的方法的步骤。
在本实施方式中，所述存储器可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方法的媒体加以存储。本实施方式所述的存储器又可以包括：利用电能方式存储信息的装置，如RAM、ROM等；利用磁能方式存储信息的装置，如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置，如CD或DVD。当然，还有其他方式的存储器，例如量子存储器、石墨烯存储器等等。
在本实施方式中，所述处理器可以按任何适当的方式实现。例如，所述处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。
本说明书实施方式提供的服务器，其处理器和存储器实现的具体功能，可以与本说明书中的前述实施方式相对照解释。
在另外一个实施方式中，还提供了一种软件，该软件用于执行上述实施例及优选实施方式中描述的技术方案。
在另外一个实施方式中，还提供了一种存储介质，该存储介质中存储有上述软件，该存储介质包括但不限于：光盘、软盘、硬盘、可擦写存储器等。
从以上的描述中可以看出，本发明实施方式实现了如下技术效果：本申请的表征水合物藏渗流能力的方法及装置有利于了解水合物藏在不同水合物饱和度下颗粒和流体的存在状态，继而了解储层的渗流能力，对于后续计算有效渗透率、相对渗透率等和渗流相关的参数值具有重要借鉴意义。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
多个元件、成分、部件或步骤能够由单个集成元件、成分、部件或步骤来提供。另选地，单个集成元件、成分、部件或步骤可以被分成分离的多个元件、成分、部件或步骤。用来描述元件、成分、部件或步骤的公开“一”或“一个”并不说为了排除其他的元件、成分、部件或步骤。
应该理解，以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述，在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此，本教导的范围不应该参照上述描述来确定，而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。出于全面之目的，所有文章和参考包括专利申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任何方面并不是为了放弃该主体内容，也不应该认为申请人没有将该主题考虑为所公开的申请主题的一部分。
Claims (10)
1.一种表征水合物藏渗流能力的方法，其特征在于，包括如下步骤：
获取水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，以及原始含水饱和度；
根据水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，按照第一预定规则获得第一模型的预测含水饱和度，按照第二预定规则获得第二模型的预测含水饱和度，按照第三预定规则获得第三模型的预测含水饱和度，以及按照第四预定规则获得第四模型的预测含水饱和度；
将原始含水饱和度与第一模型的预测含水饱和度拟合，获得第一相关系数，将原始含水饱和度与第二模型的预测含水饱和度拟合，获得第二相关系数，将原始含水饱和度与第三模型的预测含水饱和度拟合，获得第三相关系数，将原始含水饱和度与第四模型的预测含水饱和度拟合，获得第四相关系数；
根据第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，按照第五预定规则判断储层颗粒运移对渗流的影响。
2.根据权利要求1所述的表征水合物藏渗流能力的方法，其特征在于，所述第一预定规则为按照以下公式计算得到第一模型的预测含水饱和度：
其中，y1i表示为第一模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
3.根据权利要求1所述的表征水合物藏渗流能力的方法，其特征在于，所述第二预定规则为按照以下公式计算得到第二模型的预测含水饱和度：
其中，y2i表示为第二模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
4.根据权利要求1所述的表征水合物藏渗流能力的方法，其特征在于，所述第三预定规则为按照以下公式计算得到第三模型的预测含水饱和度：
其中，y3i表示为第三模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
5.根据权利要求1所述的表征水合物藏渗流能力的方法，其特征在于，所述第四预定规则为按照以下公式计算得到第四模型的预测含水饱和度：
其中，y4i表示为第四模型的第i个预测含水饱和度；Si表示为第i个水合物饱和度；di表示为第i个储层颗粒的平均直径，单位：米；ni表示为第i个储层颗粒数量，单位：个；i取1至m中的正整数；m表示为原始含水饱和度的数量。
6.根据权利要求1所述的表征水合物藏渗流能力的方法，其特征在于，所述第五预定规则为：比较第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，越接近1，则储层颗粒的存在对于储层渗流能力的影响越接近实际情况。
7.根据权利要求1所述的表征水合物藏渗流能力的方法，其特征在于，所述第一相关系数为按照以下公式对原始含水饱和度与第一模型的预测含水饱和度进行拟合：
所述第二相关系数为按照以下公式对原始含水饱和度与第二模型的预测含水饱和度进行拟合：
所述第三相关系数为按照以下公式对原始含水饱和度与第三模型的预测含水饱和度进行拟合：
所述第四相关系数为按照以下公式对原始含水饱和度与第四模型的预测含水饱和度进行拟合：
其中，Q1表示为第一相关系数，Q2表示为第二相关系数，Q3表示为第三相关系数，Q4表示为第四相关系数；E1i表示为第一模型的第i个第一统计参数，E2i表示为第二模型的第i个第一统计参数，E3i表示为第三模型的第i个第一统计参数，E4i表示为第四模型的第i个第一统计参数；Ti表示为第i个第二统计参数；i取1至m中的正整数；m表示为原始含水饱和度的数量。
8.根据权利要求7所述的表征水合物藏渗流能力的方法，其特征在于，按照以下公式计算第j模型的第i个第一统计参数Eji和第i个第二统计参数Ti：
Eji＝(yi原-yji)2；
其中，Eji表示为第j模型的第i个第一统计参数，j取1至4中的正整数；yi原表示为第i个原始含水饱和度；yji表示为第j模型的第i个预测含水饱和度。
9.一种表征水合物藏渗流能力的装置，其特征在于，包括：
获取模块，被配置为获取水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，以及原始含水饱和度；
预测模块，被配置为根据水合物藏的水合物饱和度、储层颗粒的平均直径、储层颗粒数量，按照第一预定规则获得第一模型的预测含水饱和度，按照第二预定规则获得第二模型的预测含水饱和度，按照第三预定规则获得第三模型的预测含水饱和度，以及按照第四预定规则获得第四模型的预测含水饱和度；
拟合模块，被配置为将原始含水饱和度与第一模型的预测含水饱和度拟合，获得第一相关系数，将原始含水饱和度与第二模型的预测含水饱和度拟合，获得第二相关系数，将原始含水饱和度与第三模型的预测含水饱和度拟合，获得第三相关系数，将原始含水饱和度与第四模型的预测含水饱和度拟合，获得第四相关系数；
判断模块，被配置为根据第一相关系数、第二相关系数、第三相关系数、以及第四相关系数，按照第五预定规则判断储层颗粒运移对渗流的影响。
10.一种表征水合物藏渗流能力的装置，其特征在于，包括存储器和处理器，存储器中存储计算机程序，所述计算机程序在被所述处理器执行时，实现以下步骤：如权利要求1至8任一项所述的表征水合物藏渗流能力的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010926577.0A CN112014293A (zh) | 2020-09-07 | 2020-09-07 | 一种表征水合物藏渗流能力的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010926577.0A CN112014293A (zh) | 2020-09-07 | 2020-09-07 | 一种表征水合物藏渗流能力的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112014293A true CN112014293A (zh) | 2020-12-01 |
Family
ID=73516882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010926577.0A Pending CN112014293A (zh) | 2020-09-07 | 2020-09-07 | 一种表征水合物藏渗流能力的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112014293A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080221799A1 (en) * | 2007-02-13 | 2008-09-11 | Schlumberger Technology Corporation | Method and system for determining dynamic permeability of gas hydrate saturated formations |
| CN105021506A (zh) * | 2015-07-09 | 2015-11-04 | 中国石油大学(华东) | 一种基于孔隙网络模型的三相相对渗透率的计算方法 |
| CN105675441A (zh) * | 2016-01-15 | 2016-06-15 | 中国石油大学(华东) | 一种径向流条件下不同水合物饱和度时的气水相对渗透率测定方法 |
| CN106353069A (zh) * | 2016-09-30 | 2017-01-25 | 青岛海洋地质研究所 | 海洋天然气水合物分解区砂粒微观运移过程室内试验方法及装置 |
| WO2018022956A1 (en) * | 2016-07-28 | 2018-02-01 | Board Of Regents, The University Of Texas System | Systems and methods for determining unsteady-state two-phase relative permeability |
| CN110132818A (zh) * | 2019-05-28 | 2019-08-16 | 北京大学 | 一种含天然气水合物沉积物渗透率的获取方法及系统 |
| CN110361158A (zh) * | 2019-06-27 | 2019-10-22 | 青岛海洋地质研究所 | 降压过程中水合物储层泥砂剥离运移的模拟方法及装置 |
| CN110390130A (zh) * | 2019-06-12 | 2019-10-29 | 中国地质大学（武汉） | 含水合物沉积物的降压开采出砂室内实验数值模拟方法 |
-
2020
- 2020-09-07 CN CN202010926577.0A patent/CN112014293A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080221799A1 (en) * | 2007-02-13 | 2008-09-11 | Schlumberger Technology Corporation | Method and system for determining dynamic permeability of gas hydrate saturated formations |
| CN105021506A (zh) * | 2015-07-09 | 2015-11-04 | 中国石油大学(华东) | 一种基于孔隙网络模型的三相相对渗透率的计算方法 |
| CN105675441A (zh) * | 2016-01-15 | 2016-06-15 | 中国石油大学(华东) | 一种径向流条件下不同水合物饱和度时的气水相对渗透率测定方法 |
| WO2018022956A1 (en) * | 2016-07-28 | 2018-02-01 | Board Of Regents, The University Of Texas System | Systems and methods for determining unsteady-state two-phase relative permeability |
| CN106353069A (zh) * | 2016-09-30 | 2017-01-25 | 青岛海洋地质研究所 | 海洋天然气水合物分解区砂粒微观运移过程室内试验方法及装置 |
| CN110132818A (zh) * | 2019-05-28 | 2019-08-16 | 北京大学 | 一种含天然气水合物沉积物渗透率的获取方法及系统 |
| CN110390130A (zh) * | 2019-06-12 | 2019-10-29 | 中国地质大学（武汉） | 含水合物沉积物的降压开采出砂室内实验数值模拟方法 |
| CN110361158A (zh) * | 2019-06-27 | 2019-10-22 | 青岛海洋地质研究所 | 降压过程中水合物储层泥砂剥离运移的模拟方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| JUNCHEN LV.ET AL: "A review of micro computed tomography studies on the gas hydrate pore habits and seepage properties in hydrate bearing sediments" * |
| 孙可明等: "不同饱和度水合物沉积物的三轴加载渗透率试验" * |
| 蔡建超等: "含水合物沉积物多相渗流特性研究进展" * |
| 车雯等: "天然气水合物沉积层渗流特性的模拟" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vacondio et al. | Accurate particle splitting for smoothed particle hydrodynamics in shallow water with shock capturing | |
| Anderson et al. | Dynamic roughness model for large-eddy simulation of turbulent flow over multiscale, fractal-like rough surfaces | |
| Pan et al. | Pore-scale modeling of saturated permeabilities in random sphere packings | |
| CN106605158B (zh) | 利用用于深度剖绘的参数化模板的沉积物运移模拟 | |
| Piggott et al. | Anisotropic mesh adaptivity for multi-scale ocean modelling | |
| Begnudelli et al. | Conservative wetting and drying methodology for quadrilateral grid finite-volume models | |
| Lee et al. | Solving the shallow water equations using 2d sph particles for interactive applications | |
| EP2997518A1 (en) | Mass exchange model for relative permeability simulation | |
| CN107480384A (zh) | 河道水流泥沙平面二维数值模拟方法和系统 | |
| Kong et al. | A new model for coupling surface and subsurface water flows: With an application to a lagoon | |
| Hong et al. | Adaptive particles for incompressible fluid simulation | |
| CN112052634B (zh) | 低渗油藏注水过程中颗粒运移影响的分析方法及装置 | |
| Chang et al. | Local shear and mass transfer on individual coral colonies: Computations in unidirectional and wave‐driven flows | |
| CN113947043A (zh) | 基于cfd模拟的海底管道的振动频率监测方法和系统 | |
| CN107169227B (zh) | 一种分段压裂水平井的粗网格模拟方法及系统 | |
| Amoudry et al. | Toward representing wave‐induced sediment suspension over sand ripples in RANS models | |
| Rasool et al. | A strategy to interface isogeometric analysis with Lagrangian finite elements—Application to incompressible flow problems | |
| CN112014293A (zh) | 一种表征水合物藏渗流能力的方法及装置 | |
| Davies et al. | Open source flood simulation with a 2D discontinuous-elevation hydrodynamic model | |
| Liu et al. | An unstructured mesh finite volume method for modelling saltwater intrusion into coastal aquifers | |
| Harris et al. | Large eddy simulation of sediment transport over rippled beds | |
| Duan et al. | Improved 2D shallow water model able to capture the effects of complex bathymetric features through their subgrid modeling | |
| CN112069620A (zh) | 一种确定天然气水合物储层颗粒运移程度的方法及装置 | |
| Park et al. | A surface reconstruction algorithm using weighted alpha shapes | |
| Zhou et al. | A two-dimensional coupled flow-mass transport model based on an improved unstructured finite volume algorithm |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201201 |