CN112305201A - 一种利用族组分预测储层原油密度的方法 - Google Patents
一种利用族组分预测储层原油密度的方法 Download PDFInfo
- Publication number
- CN112305201A CN112305201A CN201910637469.9A CN201910637469A CN112305201A CN 112305201 A CN112305201 A CN 112305201A CN 201910637469 A CN201910637469 A CN 201910637469A CN 112305201 A CN112305201 A CN 112305201A
- Authority
- CN
- China
- Prior art keywords
- crude oil
- density
- hydrocarbons
- reservoir
- asphaltenes
- 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
- 239000010779 crude oil Substances 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 238000011160 research Methods 0.000 claims abstract description 24
- 238000005553 drilling Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims abstract description 8
- 229930195733 hydrocarbon Natural products 0.000 claims description 52
- 150000002430 hydrocarbons Chemical class 0.000 claims description 52
- 239000004215 Carbon black (E152) Substances 0.000 claims description 18
- 150000004945 aromatic hydrocarbons Chemical class 0.000 claims description 11
- 229930195734 saturated hydrocarbon Natural products 0.000 claims description 11
- 239000003921 oil Substances 0.000 abstract description 30
- 239000011435 rock Substances 0.000 abstract description 13
- 238000011161 development Methods 0.000 abstract description 3
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 27
- 238000000197 pyrolysis Methods 0.000 description 8
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000004332 silver Substances 0.000 description 5
- 229910052709 silver Inorganic materials 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000000994 depressogenic effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000326 densiometry Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 239000003027 oil sand Substances 0.000 description 1
- 239000003960 organic solvent Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000000926 separation 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/26—Oils; Viscous liquids; Paints; Inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
- G01N33/2823—Raw oil, drilling fluid or polyphasic mixtures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
- G01N9/36—Analysing materials by measuring the density or specific gravity, e.g. determining quantity of moisture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Immunology (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marine Sciences & Fisheries (AREA)
- Quality & Reliability (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明涉及一种利用族组分预测储层原油密度的方法，属于油气勘探开发技术领域。本发明首先获取研究区已有钻井的储层原油样品，并检测各原油样品的密度与各原油样品的族组分数据；然后建立研究区储层原油密度计算模型，将各原油样品的族组分数据作为输入量，将各原油样品的密度作为目标输出量，训练研究区储层原油密度计算模型；利用训练后的研究区储层原油密度计算模型和新钻井的岩屑、井壁取芯、槽面油花等样品的族组分数据，预测新钻井的储层原油密度。本发明利用原油的族组分与原油的密度建立研究区储层原油密度计算模型，对一定数量已有钻井的原油样品进行模型训练，利用训练好的数学模型，实现了对新钻井储层原油密度高精度低误差的预测。
Description
技术领域
本发明涉及一种利用族组分预测储层原油密度的方法，属于油气勘探开发技术领域。
背景技术
储层原油密度是试油之前进行的试油方案设计、油藏储量计算、油藏开发方案制定等工作需要明确的重要参数之一。但是，在油气勘探过程中，通常在试油出油之后采集样品进行实验分析才能得到准确的储层原油密度数据。因此，研究人员需要在试油之前对储层原油密度进行预测。
以往试油前原油密度的预测主要采用的是储层热解法，如2006年《中国海上油气》第18卷第3期刊登的《渤海地区储集岩热解法原油密度预测模型研究及应用效果》，利用研究区已有钻井原油中热解气态烃、液态烃、重烃含量与密度的相关性进行密度预测。首先统计、分析研究区已有钻井原油样品的密度与热解参数与之间的相关性；然后优选合适的参数建立起利用热解参数计算原油密度的数学模型；最后采集预测对象的储层岩心、井壁取心等含油样品进行岩石热解分析，利用已建立的模型进行原油密度预测。
这种预测方法的优点是采集少量的样品进行热解分析即可快速、经济地预测原油密度。但是，该类方法也存在两个不足之处：一是岩石热解法检测过程中将样品高温燃烧会导致样品中部分组分损失较大，使得计算得到的轻质油指数、重质油指数等指标在表征样品气态烃、液态烃、重烃的相对含量时存在较大的误差；二是在模型建立时仅仅单一地统计气态烃、液态烃或者重烃含量与原油密度的关系，未描述三种组分对原油密度的综合影响。这就使得该类方法在应用过程中存在较大的误差，预测结果的绝对误差最高可达0.1g/ml以上。
发明内容
本发明的目的是提供一种利用族组分预测储层原油密度的方法，以解决现有原油密度预测方法误差大的问题。
为实现上述目的，本发明提供一种利用族组分预测储层原油密度的方法，包括：
(一)获取研究区已有钻井储层原油样品，并检测各原油样品的密度与各原油样品的族组分数据；
(二)建立研究区储层原油密度计算模型，将各原油样品的族组分数据作为输入量，将各原油样品的密度作为目标输出量，训练研究区储层原油密度计算模型；
(三)利用训练后的研究区储层原油密度计算模型预测新钻井的储层原油密度。
本发明的有益效果是：
本发明利用原油的族组分与原油的密度建立研究区储层原油密度计算模型，对一定数量已有钻井的原油样品进行模型训练，最后利用训练好的数学模型预测，实现了对新钻井储层原油密度进行高精度低误差的预测。本发明的方法具有两个方面的优势：一是族组分分离使用萃取的方法在室温条件下对含油样品进行分离，样品中各组分损失极小，测试精度高达万分之一克；二是族组分数据获取过程简便，易于获取大量已有钻井原油样品数据进行模型训练，得到各组分精确的密度权重。
进一步的，由于原油由饱和烃、芳烃、非烃、沥青质四种组分组成且密度具有叠加性，建立本发明中研究区储层原油密度计算模型为
ρ原油＝ρ饱和烃X饱和烃+ρ芳烃X芳烃+ρ非烃X非烃+ρ沥青质X沥青质
其中，ρ原油为原油的密度，ρ饱和烃为原油中饱和烃的密度权重系数，ρ芳烃为原油中芳香烃的密度权重系数，ρ非烃为原油中非烃的密度权重系数，ρ沥青质为原油中沥青质的密度权重系数，X饱和烃为原油中饱和烃的组分含量，X芳烃为原油中芳香烃的组分含量，X非烃为原油中非烃的组分含量，X沥青质为原油中沥青质的组分含量。
进一步的，为了更精确地计算出各组分密度权重系数，本发明中研究区储层原油密度计算模型的ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质的计算方法包括以下步骤：
1)将不少于5组已有钻井原油样品的密度与原油样品族组分数据代入研究区储层原油密度计算模型中，得到多组ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质的值；
2)利用最小二乘法求取最优的ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质。
附图说明
图1为本发明利用族组分预测储层原油密度的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
查干凹陷位于内蒙古银根-额济纳旗盆地东部，已发现的原油分布深度跨度大，从900m到3000m均有分布；成因类型复杂，既有成熟轻质原油、生物降解稠油，还有部分未熟-低熟稠油；密度差异也大，分布在0.8828～0.9849mg/l之间。由于上述特点，对该区原油密度进行准确预测的难度很大。下面结合查干凹陷原油密度预测的实例，对本发明预测储层原油密度的过程进行详细说明。如图1所示为本实施例利用族组分预测储层原油密度的流程图，具体步骤如下：
1、获取查干凹陷原油样品和预测目标含油样品的密度和族组分数据。
1.1采集查干凹陷原油样品，依据行业标准《原油和石油产品密度测定法(U形振动管法)》(SH/T 0604-2000)进行原油密度测试，依据行业标准《岩石中可溶有机物及原油族组分分析》(SY/T 5119-2008)进行原油族组分测试，表1为查干凹陷原油密度和族组分测试结果统计表，其中包含25个样品的测试结果。
当然，在实际进行原油密度测试时还可以采用红外光谱法等方法，而在进行原油族组分测试还可以采用质谱分析法等方法，这些均为现有技术，在此不予以赘述。
1.2采集查干凹陷预测目标储层岩心、槽面油花、岩屑等含油样品，依据行业标准进行族组分测试，表2为查干凹陷储层油砂、槽面油、岩屑族组成测试结果统计表，其中包含9个样品的测试结果。
2、计算查干凹陷原油四种族组分的密度。
2.1原油的族组分是利用不同有机溶剂对原油的不同族性成分和结构的化合物类型进行选择性分离所得到的若干物理化学性质相近的混合物。原油包括饱和烃、芳烃、非烃和沥青质四种族组分，且原油的密度具有加权性，因此查干凹陷储层原油密度计算模型可表述为
ρ原油＝ρ饱和烃X饱和烃+ρ芳烃X芳烃+ρ非烃X非烃+ρ沥青质X沥青质
式中ρ原油为原油的密度，单位g/ml；ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质分别表示带有密度单位的饱和烃、芳烃、非烃、沥青质的密度权重系数，单位g/ml；X饱和烃、X芳烃、X非烃、X沥青质分别表示饱和烃、芳烃、非烃、沥青质的组分含量。
2.2将步骤1.1获取的原油样品分成计算组和检验组，计算组用于计算原油四种族组分的密度，检验组用于检验计算结果，最终完成对查干凹陷储层原油密度计算模型的训练工作。由于查干凹陷祥6-1井巴二段具有8个连续的单井分层试油样品，而且8个样品的密度和族组分差异较大，因此，选取该井的样品为计算组，其余原油样品为检验组，分组结果如表1所示。计算组和检验组也可相互交换进行步骤2.3和2.4的计算和验证过程，相互验证以求得最优的族组分密度权重系数。
2.3根据步骤2.1建立的原油密度计算模型和步骤2.2的计算组祥6-1井巴二段8个原油样品密度和族组分测试数据，由于4个原油样品密度和族组分测试数据就能计算出一组ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质，这样8组数据理论上能够获得70组ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质，针对70个ρ饱和烃、70个ρ芳烃、70个ρ非烃和70个ρ沥青质分别使用最小二乘法求取最优的ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质，分别为0.7636mg/l、1.0603mg/l、1.1008mg/l、1.2679mg/l，此时求得的原油密度计算值与实测值之间误差的平方和最小。表3为查干凹陷祥6-1井原油密度计算值与绝对误差统计表，此时计算值与实测值绝对误差分布于0.00000～0.00004mg/l之间，远小于0.03g/ml。因此，判定计算组样品选取合理。
2.4利用步骤2.3求得的ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质和步骤2.2检验组样品的族组分数据，求取检验组样品的原油密度计算值，计算结果如表4所示，表4为查干凹陷原油密度计算值与绝对误差统计表。此时，计算值和实测值的绝对误差分布在0.00146～0.01874mg/l之间，小于0.03g/ml。因此，判定原油四种族组分密度权重系数的计算结果有效，可以用于查干凹陷原油密度预测。
3、预测研究目标(新钻井)的储层原油密度。
3.1利用步骤2.4求得的查干凹陷原油的ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质和步骤1.2获取的预测目标含油样品族组分数据，根据步骤2.1建立的储层原油密度计算模型，即可对查干凹陷储层原油密度进行预测，预测结果如表5所示，表5为查干凹陷储层原油密度预测结果、试油后实测结果及误差统计表。与试油后的实测原油密度对比可知，一个岩屑样品预测结果的绝对误差比较大，为0.02593mg/l，远大于岩心、槽面油样品的绝对误差，这主要是因为岩屑样品中损失了较多的原油轻质组分，但该绝对误差仍小于0.03mg/l，满足试油方案设计等工作的需要。其余不同显示级别的储层岩心和槽面油花样品预测结果与实测结果的绝对误差分布在0.00023～0.00998mg/l之间，远小于0.03g/ml，基本具备了替代原油密度测试的技术精度，能够满足试油方案设计、油藏储量计算等工作对原油密度的数据需求。
本实施例基于对原油族组成和密度加权性的分析，建立了利用族组成密度与含量计算原油密度的数学计算模型，利用研究区已有数据采用最小二乘法计算出四种族组分的密度权重系数，结合预测目标的族组成数据，实现了对新钻井原油密度经济、快速、准确的预测，绝对误差在0.03g/ml之内，可为试油方案设计、油藏储量计算等工作提供重要的指导。
上述实施例中，针对70个ρ饱和烃、70个ρ芳烃、70个ρ非烃和70个ρ沥青质分别使用最小二乘法才求取了最优的ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质，当然还可以使用均值的方法来求取，这种变化、修改、替换和变型仍应当落入本发明的保护范围内。
上述实施例中，使用了加权方程的形式作为储层原油密度计算模型，当然还可以使用BP神经网络算法来建立储层原油密度计算模型，此时网络的输入层为原油的族组分含量，输出层为原油的密度，通过使用足量的原油样品对该网络进行训练，也可以得到具有合适精度的储层原油密度计算模型。这种变化、修改、替换和变型仍应当落入本发明的保护范围内。
表1
表2
表3
| 序号 | 井号 | 顶深,m | 底深,m | 层位 | 样品类型 | 密度,mg/l | 饱和烃,％ | 芳烃,％ | 非烃,％ | 沥青质,％ | 计算密度值,mg/l | 绝对误差,mg/l |
| 1 | 祥6-1井 | 2300.78 | 2303.2 | 巴二段 | 原油 | 0.8963 | 59.21 | 13.66 | 26.72 | 0.41 | 0.8963 | 0.00001 |
| 2 | 祥6-1井 | 2317.05 | 2320.4 | 巴二段 | 原油 | 0.9326 | 56.11 | 12.01 | 16.38 | 15.50 | 0.9326 | 0.00004 |
| 3 | 祥6-1井 | 2320.7 | 2325.6 | 巴二段 | 原油 | 0.8615 | 69.70 | 12.29 | 17.59 | 0.42 | 0.8615 | 0.00000 |
| 4 | 祥6-1井 | 2349.35 | 2352.3 | 巴二段 | 原油 | 0.8864 | 61.94 | 16.12 | 21.36 | 0.58 | 0.8864 | 0.00002 |
| 5 | 祥6-1井 | 2362.62 | 2366.6 | 巴二段 | 原油 | 0.8979 | 59.07 | 14.35 | 25.31 | 1.27 | 0.8979 | 0.00003 |
| 6 | 祥6-1井 | 2372.67 | 2374.8 | 巴二段 | 原油 | 0.8873 | 64.29 | 10.71 | 20.44 | 4.56 | 0.8873 | 0.00000 |
| 7 | 祥6-1井 | 2376.62 | 2380.7 | 巴二段 | 原油 | 0.9317 | 57.64 | 9.98 | 14.86 | 17.52 | 0.9317 | 0.00002 |
| 8 | 祥6-1井 | 2388.15 | 2392.1 | 巴二段 | 原油 | 0.9512 | 50.90 | 12.38 | 20.55 | 16.17 | 0.9512 | 0.00002 |
表4
| 序号 | 井号 | 顶深,m | 底深,m | 层位 | 样品类型 | 密度,mg/l | 饱和烃,％ | 芳烃,％ | 非烃,％ | 沥青质,％ | 计算密度值,mg/l | 绝对误差,mg/l |
| 1 | 吉12井 | 1080.8 | 1098.6 | 苏二段 | 原油 | 0.9798 | 41.77 | 20.25 | 30.07 | 7.91 | 0.9650 | 0.01483 |
| 2 | 吉12井 | 1000 | 1200 | 苏二段 | 原油 | 0.9814 | 35.12 | 18.60 | 38.84 | 7.44 | 0.9873 | 0.00587 |
| 3 | 吉2-平12 | 1197.67 | 1376.9 | 银根组 | 原油 | 0.9626 | 45.38 | 15.32 | 33.52 | 5.78 | 0.9512 | 0.01137 |
| 4 | 吉2平1井 | 1079.4 | 1255.1 | 银根组 | 原油 | 0.9488 | 47.41 | 15.09 | 27.36 | 10.14 | 0.9518 | 0.00297 |
| 5 | 吉2-平7 | 1091 | 1292.3 | 银根组 | 原油 | 0.9556 | 44.79 | 17.54 | 30.80 | 6.87 | 0.9541 | 0.00146 |
| 6 | 吉3井 | 1151.6 | 1172.4 | 苏二段 | 原油 | 0.9713 | 44.16 | 17.38 | 30.77 | 7.69 | 0.9577 | 0.01360 |
| 7 | 力平1井 | 2842.6 | 2845.6 | 巴二段 | 原油 | 0.8491 | 69.60 | 14.25 | 14.25 | 1.90 | 0.8635 | 0.01442 |
| 8 | 毛1井 | 2035 | 2045.6 | 巴二段 | 原油 | 0.8465 | 71.77 | 13.19 | 10.29 | 4.75 | 0.8614 | 0.01490 |
| 9 | 毛1井 | 1145.9 | 1185.4 | 苏二段 | 原油 | 0.9463 | 46.02 | 16.22 | 26.55 | 11.21 | 0.9578 | 0.01149 |
| 10 | 毛8-2井 | 1172.4 | 1190 | 苏二段 | 原油 | 0.9543 | 41.59 | 21.59 | 24.12 | 12.70 | 0.9730 | 0.01874 |
| 11 | 毛8-3井 | 1150 | 1214 | 苏二段 | 原油 | 0.9654 | 45.87 | 12.84 | 31.88 | 9.41 | 0.9566 | 0.00875 |
| 12 | 毛8井 | 904.4 | 915.5 | 银根组 | 原油 | 0.9463 | 48.17 | 17.54 | 23.82 | 10.47 | 0.9488 | 0.00247 |
| 13 | 祥6井 | 2280.5 | 2372.6 | 巴二段 | 原油 | 0.8228 | 78.67 | 11.16 | 9.36 | 0.81 | 0.8324 | 0.00957 |
| 14 | 意11井 | 2990 | 3003.8 | 巴一段 | 原油 | 0.8591 | 67.12 | 15.67 | 15.47 | 1.74 | 0.8710 | 0.01194 |
| 15 | 意15井 | 1089.6 | 1160.4 | 苏二段 | 原油 | 0.9849 | 37.89 | 13.08 | 45.04 | 3.98 | 0.9744 | 0.01052 |
| 16 | 意6井 | 1752.5 | 1829.4 | 苏一段 | 原油 | 0.8453 | 72.75 | 10.96 | 15.17 | 1.12 | 0.8529 | 0.00762 |
| 17 | 意9井 | 2027 | 2236.3 | 巴二段 | 原油 | 0.8611 | 66.53 | 13.05 | 17.47 | 2.95 | 0.8761 | 0.01501 |
表5
Claims (3)
1.一种利用族组分预测储层原油密度的方法，其特征在于，包括：
(一)获取研究区已有钻井储层原油样品，并检测各原油样品的密度与各原油样品的族组分数据；
(二)建立研究区储层原油密度计算模型，将各原油样品的族组分数据作为输入量，将各原油样品的密度作为目标输出量，训练研究区储层原油密度计算模型；
(三)利用训练后的研究区储层原油密度计算模型预测新钻井的储层原油密度。
2.根据权利要求1所述的利用族组分预测储层原油密度的方法，其特征在于，基于原油由饱和烃、芳烃、非烃、沥青质四种组分组成且密度具有叠加性的原理，建立研究区储层原油密度计算模型为
ρ原油＝ρ饱和烃X饱和烃+ρ芳烃X芳烃+ρ非烃X非烃+ρ沥青质X沥青质
其中，ρ原油为原油的密度，ρ饱和烃为原油中饱和烃的密度权重系数，ρ芳烃为原油中芳香烃的密度权重系数，ρ非烃为原油中非烃的密度权重系数，ρ沥青质为原油中沥青质的密度权重系数，X饱和烃为原油中饱和烃的组分含量，X芳烃为原油中芳香烃的组分含量，X非烃为原油中非烃的组分含量，X沥青质为原油中沥青质的组分含量。
3.根据权利要求2所述的利用族组分预测储层原油密度的方法，其特征在于，所述研究区储层原油密度计算模型的ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质的计算方法包括以下步骤：
1)将不少于5组已有钻井原油样品的密度与原油样品族组分数据代入研究区储层原油密度计算模型中，得到多组ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质的值；
2)利用最小二乘法求取最优的ρ饱和烃、ρ芳烃、ρ非烃、ρ沥青质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910637469.9A CN112305201A (zh) | 2019-07-15 | 2019-07-15 | 一种利用族组分预测储层原油密度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910637469.9A CN112305201A (zh) | 2019-07-15 | 2019-07-15 | 一种利用族组分预测储层原油密度的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112305201A true CN112305201A (zh) | 2021-02-02 |
Family
ID=74329234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910637469.9A Pending CN112305201A (zh) | 2019-07-15 | 2019-07-15 | 一种利用族组分预测储层原油密度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112305201A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113012763A (zh) * | 2021-02-24 | 2021-06-22 | 西南石油大学 | 一种基于四族组分的原油氧化反应动力学模型建立方法 |
-
2019
- 2019-07-15 CN CN201910637469.9A patent/CN112305201A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113012763A (zh) * | 2021-02-24 | 2021-06-22 | 西南石油大学 | 一种基于四族组分的原油氧化反应动力学模型建立方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2240767B1 (en) | Methods and apparatus for analysis of downhole compositional gradients and applications thereof | |
| CN108694264B (zh) | 一种确定页岩气储层渗透率的方法 | |
| CN105626009A (zh) | 一种缝洞型碳酸盐岩油藏单井注水替油效果定量评价方法 | |
| NO20120602A1 (no) | Fremgangsmater for optimalisering av petroleumsreservoar | |
| CN108798657B (zh) | 基于钻井液录井参数气测值的录井解释方法 | |
| CN105447298A (zh) | 一种储层分析的方法及其应用 | |
| CN112541571A (zh) | 基于双并联神经网络的机器学习的注采连通性确定方法 | |
| CN112305201A (zh) | 一种利用族组分预测储层原油密度的方法 | |
| CN110486010B (zh) | 一种基于气测录井参数的储层含油气性定量评价方法 | |
| CN109655394B (zh) | 一种孔喉结构参数约束下的核磁共振t2谱渗透率计算方法 | |
| CN103197348B (zh) | 利用各层内部样品进行加权编制测井交会图的方法 | |
| CN110634079B (zh) | 利用多参数计算储层综合含水率的录井油气层解释方法 | |
| Meisingset | Uncertainties in reservoir fluid description for reservoir modeling | |
| CN106383215B (zh) | 一种高热演化盆地混源天然气的混合比的确定方法 | |
| CN110909466A (zh) | 提高差孔隙分选储层平均毛管压力曲线计算精度的方法 | |
| CN113239621B (zh) | 一种基于弹性网络回归算法的pvt测量方法 | |
| Peng et al. | Identification of low resistivity oil and gas reservoirs with multiple linear regression model | |
| Xu et al. | Evaluation of reservoir connectivity using whole-oil gas chromatographic fingerprint technology: A case study from the Es 3 3 reservoir in the Nanpu Sag, China | |
| CN111967677B (zh) | 一种非常规资源甜点分布的预测方法及装置 | |
| CN109444983B (zh) | 一种油气输导体系类型划分的定量评价方法 | |
| CN116068664A (zh) | 一种利用元素录井计算页岩气储层密度的方法 | |
| CN110412148B (zh) | 一种判断混源天然气混源比的方法 | |
| CN113705917A (zh) | 一种致密油藏压裂水平井初期产能预测方法 | |
| CN110568149B (zh) | 沉积盆地烃源岩生排烃史精细快速定量模拟方法 | |
| Amanipoor | Providing a subsurface reservoir quality maps in oil fields by geostatistical methods |
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 |