CN112951345B - 基于杂原子化合物进行油-储源定量对比的方法 - Google Patents
基于杂原子化合物进行油-储源定量对比的方法 Download PDFInfo
- Publication number
- CN112951345B CN112951345B CN202110260952.7A CN202110260952A CN112951345B CN 112951345 B CN112951345 B CN 112951345B CN 202110260952 A CN202110260952 A CN 202110260952A CN 112951345 B CN112951345 B CN 112951345B
- Authority
- CN
- China
- Prior art keywords
- oil
- beta
- reservoir
- contribution
- compounds
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Software Systems (AREA)
Abstract
本发明提供一种基于杂原子化合物进行油‑储源定量对比的方法,包括以下步骤:对油样进行傅立叶变换离子回旋共振质谱测试,然后利用杂原子化合物的质谱测试结果建立全组分油‑储源对比的化学计量模型;分别针对化合物、沥青、油样建立数学方程并求解,根据计算结果即可识别多层混采原油的主产油层并定量评估单个储层的产量贡献。本发明提供的方法能够利用非烃化合物定量评估单个储层对混采原油的产能贡献。
Description
技术领域
本发明涉及原油开采技术领域,尤其涉及一种基于杂原子化合物进行油-储源定量对比的方法。
背景技术
目前,无论是从常规混采油井的多个产层中开采原油,还是使用水力压裂法从页岩油水平井中开采原油,都会造成各个产油层系原油的混合,导致主产油层的识别困难。
常规混采油井的主产层产能评价的手段需要井下作业,工艺复杂、成本高、周期长,也不适用于井底流速低以及窜流的混采油井;对于非常规的页岩油/致密油井,目前尚无有效的工程技术手段进行主产油层识别与评价。
现行地球化学油源对比方法受色质谱技术的限制,通常使用成分相对简单的饱和烃组分以及比较单一的参数指标,主要有原始谱图对比法、生标化合物对比法和碳同位素对比法。原始谱图对比法在复杂情况下会失去其有效性,因为长期的地质演化会使原油成分发生很大的次生变化。生标化合物对比方法包括生标化合物比值和生标化合物浓度对比两类,利用单一生标比值判断原油的主产层时会产生多解性问题以及红墨水效应,即当生标化合物的浓度不同时,生标比值会随产能贡献比例的变化而呈非线性变化;利用生标浓度判断原油主产层则难以避免分馏效应的影响。碳同位素分布对比法首先要考虑到不同地区的石油有不同的碳稳定同位素分布范围,同一地区当碳同位素差值大于同位素分馏效应时一般是不同油源的,但也有例外,其尺度大小难以把握;而且当碳同位素值相接近时,还需考虑其类型曲线的形状和趋势,否则极易误判。
因此,利用多种化合物参数对原油来源进行地球化学综合判断是十分必要的,近年来傅里叶变换离子回旋共振质谱技术的飞速发展为检测原油中含杂原子的非烃化合物提供了机会。
传统GC、GC-MS、GC-MS/MS、GC×GC-TOF-MS等技术手段对检测常规石油中沸点较低、结构相对简单的轻质组分较为有效,但页岩油/致密油在成藏过程中经历地层色层效应和生物降解等作用显著,含有更多沸点高、含杂原子多并且组成复杂的极性大分子化合物,需借助高分辨质谱技术从分子水平进行化学成分分析。
傅里叶变换离子回旋共振质谱仪(FT-ICR MS)是一种使用超导磁体和回旋共振器进行质谱检测的新型仪器,可测得原油中绝大多数化合物的精确质量,从而计算其元素组成并推测化学式。电喷雾电离源(ESI)能将石油分子电离成离子状态,形成准分子离子峰,满足质谱检测要求。ESI源的高选择性可直接电离原油中的杂原子非烃化合物而不是烃类化合物,样品无需族组分分离。因此,ESI电离源结合FT-ICR MS已经成为原油中杂原子化合物的重要分析手段。目前,现有的探索性研究已证明FT-ICR MS在分析石油组成方面的优越性,在重质油和原油重质组分非烃化合物组成研究方面取得了进展。然而,前人没有利用含C、H、O、N、S元素的全组分数据建立数学解析模型,来定量分析和评价原油混合体系中的各油源配比问题。
发明内容
有鉴于此,本发明提供了一种能够定量评估单个储层对混采原油的产能贡献的基于杂原子化合物进行油-储源定量对比的方法。
本发明提供一种基于杂原子化合物进行油-储源定量对比的方法,包括以下步骤:
S1,已知待研究油样是从一个或多个储层中采出的,对从储层采出的油样进行傅立叶变换离子回旋共振质谱(FT-ICR MS)测试,然后利用杂原子化合物的质谱测试结果建立全组分油-储源对比的化学计量模型;
S2,针对步骤S1的化学计量模型分别建立杂原子化合物、沥青、油样的数学方程并求解,根据计算结果即可识别多层混采原油的主产油层并定量评估单个储层的产量贡献。
进一步地,步骤S2中,建立杂原子化合物、沥青、油样的数学方程并求解的具体过程为:
S2.1,对于杂原子化合物,建立以下方程(1):
其中,βy表示特定化合物Cy对产出油的贡献,Cy表示在采出油中检测到的特定化合物,y=1,2,…,n;βy [x]表示给定的沥青[x]对特定化合物Cy的贡献,x=1,2,…,b;Cy [x]=1可检测时,Cy [x]=0不可检测时;
S2.2,对于沥青,建立以下方程(2):
其中,β[x]表示给定的沥青[x]对产出油的贡献;
S2.3,对于油样,分别建立以下方程(3)-(4):
β[oil]=β1+β2+…+βy…+βn (0≤βy≤100%) (3)
β[oil]=β[1]+β[2]+…+β[x]…+β[b] (0≤β[x]≤100%) (4)
其中,β[oil]为原油非烃组分的解析度,当产层取样不全时β[oil]<100%,当产层取样完整时β[oil]=100%;
S2.4,利用有限差分迭代法对方程(1)-方程(4)求解,得到给定沥青的β[x]值,β[x]值越大,说明该段储层对产能的贡献越大。
本发明提供的技术方案带来的有益效果是:
本发明提供的方法利用含C、H、O、N、S元素的全组分数据建立高分辨率质谱全组分定量数学解析模型,然后开展化学统计学计算,定量分析和评价混源油体系中各油源贡献比例以判断主产油层;与传统油源对比技术只能进行常规的定性油源对比分析相比,本发明提供的方法能够定量评估单个储层对混采原油的产能贡献;本发明提供的方法可以规避分馏效应的影响,并且可以自检测是否还存在尚未识别的油源。
附图说明
图1是端元油G016359的体积百分比和质量百分比与混合后计算结果的关系图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1,本发明的实施例提供了一种基于杂原子化合物进行油-储源定量对比的方法,包括以下步骤:
S1,已知所研究的油样是从一个或多个储层中采出的,对从储层采出的油样进行傅立叶变换离子回旋共振质谱(FT-ICR MS)测试,然后利用杂原子化合物的质谱测试结果建立全组分油-储源对比的化学计量模型,见表1;
表1基于杂原子化合物建立的油-储源定量对比的化学计量模型
表1中,Cy表示在采出油中检测到的特定化合物,y=1,2,…,n;βy [x]表示给定的沥青[x]对特定化合物Cy的贡献,x=1,2,…,b;β[x]表示给定的沥青[x]对产出油的贡献,βy表示特定化合物Cy对产出油的贡献, β[oil]为原油非烃组分的解析度,当产层取样不全时β[oil]<100%,当产层取样完整时β[oil]=100%;
S2,已知混源油样中检测到n种化合物(n=1,2,3,…),来源于n个储层沥青,则理论上该混源油既等于n种化合物含量之和,又等于n个储层沥青贡献之和,因此,可开展以下方程求解:
对于化合物:混源油βy中给定化合物Cy的浓度是所有沥青βy [x]的贡献之和,则建立以下方程(1):
其中,Cy [x]=1可检测时,Cy [x]=0不可检测时;
对于沥青:给定的沥青β[x]的产能贡献是所有检测到的化合物βy [x]的贡献之和,则建立以下方程(2):
其中,Cy [x]=1可检测时,Cy [x]=0不可检测时;
对于油样:产出油是所有检测到的化合物βy的总和,则建立以下方程(3):
β[oil]=β1+β2+…+βy…+βn (0≤βy≤100%) (3)
同时,已知原油产自有沥青采样的储层β[x],建立以下方程(4):
β[oil]=β[1]+β[2]+…+β[x]…+β[b] (0≤β[x]≤100%) (4)
利用有限差分迭代法对方程(1)-方程(4)求解,得到给定沥青的β[x]值,β[x]值越大,说明该段储层对产能的贡献越大,反之亦然。根据计算结果即可识别多层混采原油的主产油层并定量评估单个储层的产量贡献。
为了验证上述模型的实际效果,在实验室进行了混合油实验。首先混合各种比例的两种端元油(如表2所示,表2中,样品G016359表示湖湘油,样品G016387表示海洋油),然后对2种端元油以及利用样品G016359和G016387按照不同体积比混合获得的5种混合油进行FT-ICR MS测试。N1和O1化合物是分别集中在湖相油G016359(N1=83%TMIA)和海洋油G016387(O1=28%TMIA)中的主要化合物(如表3所示)。利用上述方程(1)-方程(4)建立化学计量模型并求解,将计算结果和实验室混合比例进行比较,如表4所示。
表2混合物基本信息
注意:计算了总回收率相对于轻烃蒸干油的百分比。Sat.代表饱和烃,Aro.代表芳烃,Res.代表胶质,Asp.代表沥青质。
表3混合油FT-ICR质谱的一般特征
表4实验室混合比例与化学去卷积结果的比较
注意:在假定G016359和G016387的胶质和沥青质组分的浓度分别为13.45mg/100ml和6.49mg/100ml的条件下,计算质量。
将表4计算的结果与混合中使用的样品G016359的体积进行比较(见图1A),显示了计算出的贡献与样品G016359所用体积之间存在良好的线性关系(R2=0.9562),证明了油-储源对比新方法的有效性。但计算出的贡献值与混合量并不完全相同。例如,50vs50混合物是50ml G016359和50ml G016387的混合物,但是G016359和G016387的计算贡献分别为60%和36%。分析产生这种差异的原因可能为:首先,计算的化合物只是简单的含氮、硫和氧的极性化合物,它们主要集中在胶质和沥青质中,由于与G016387(6.49mg/100ml)相比,G016359在树脂和沥青质馏分中相对富集(13.45mg/100ml),因此,在50vs50混合物(6.75mgvs 3.25mg,表4)中G016359中NSO化合物的贡献必须高于G016387。考虑到这一点,混合油的体积比不等于混合NSO-化合物的质量比。如果使用质量百分比校准计算的贡献,则可以说明一个更好的关系(R2=0.9735)(见图1B)。
其次,很明显,对于五种混合油,G016359和G016387的总贡献小于100%(表4)。就是说,少量在混合物中确定的化合物无法在两种末端油中鉴定出来。一种可能性是这些化合物存在于端元油中但含量较低,无法被检测出来;另一种可能性是这些化合物是在实验过程中被引入或原位生成。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (1)
1.一种基于杂原子化合物进行油-储源定量对比的方法,其特征在于,包括以下步骤:
S1,已知待研究油样是从一个或多个储层中采出的,对从储层采出的油样进行傅里叶变换离子回旋共振质谱测试,然后利用杂原子化合物的质谱测试结果建立全组分油-储源对比的化学计量模型;
S2,针对S1的化学计量模型分别建立杂原子化合物、沥青、油样的数学方程并求解,根据计算结果即可识别多层混采原油的主产油层并定量评估单个储层的产量贡献;步骤S2中,建立杂原子化合物、沥青、油样的数学方程并求解的具体过程为:
S2.1,对于杂原子化合物,建立以下方程(1):
其中,βy表示特定化合物Cy对产出油的贡献,Cy表示在采出油中检测到的特定化合物,y=1,2,…,n;βy [x]表示给定的沥青[x]对特定化合物Cy的贡献,x=1,2,…,b;Cy [x]=1可检测时,Cy [x]=0不可检测时;
S2.2,对于沥青,建立以下方程(2):
其中,β[x]表示给定的沥青[x]对产出油的贡献;
S2.3,对于油样,分别建立以下方程(3)-(4):
β[oil]=β1+β2+…+βy…+βn (0≤βy≤100%) (3)
β[oil]=β[1]+β[2]+…+β[x]…+β[b] (0≤β[x]≤100%) (4)
其中,β[oil]为原油非烃组分的解析度,当产层取样不全时β[oil]<100%,当产层取样完整时β[oil]=100%;
S2.4,利用有限差分迭代法对方程(1)-方程(4)求解,得到给定沥青的β[x]值,β[x]值越大,说明这段储层对产能的贡献越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260952.7A CN112951345B (zh) | 2021-03-10 | 2021-03-10 | 基于杂原子化合物进行油-储源定量对比的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260952.7A CN112951345B (zh) | 2021-03-10 | 2021-03-10 | 基于杂原子化合物进行油-储源定量对比的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112951345A CN112951345A (zh) | 2021-06-11 |
CN112951345B true CN112951345B (zh) | 2022-06-21 |
Family
ID=76229207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110260952.7A Active CN112951345B (zh) | 2021-03-10 | 2021-03-10 | 基于杂原子化合物进行油-储源定量对比的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112951345B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802219A (zh) * | 2007-06-08 | 2010-08-11 | 孟山都技术公司 | 序列指导的分子育种方法 |
CN102507718A (zh) * | 2011-10-25 | 2012-06-20 | 交通运输部公路科学研究所 | 一种沥青分析鉴别方法 |
CN106650181A (zh) * | 2015-07-31 | 2017-05-10 | 中国石油化工股份有限公司 | 一种计算烃类化合物密度的方法 |
CN111402969A (zh) * | 2020-03-19 | 2020-07-10 | 中国石油大学(北京) | 一种陆源有机碳含量的预测方法、装置、设备及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2946345B1 (en) * | 2013-01-17 | 2024-04-03 | Personalis, Inc. | Methods and systems for genetic analysis |
US11101020B2 (en) * | 2017-04-24 | 2021-08-24 | Aspen Technology, Inc. | Molecular characterization method and system |
-
2021
- 2021-03-10 CN CN202110260952.7A patent/CN112951345B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802219A (zh) * | 2007-06-08 | 2010-08-11 | 孟山都技术公司 | 序列指导的分子育种方法 |
CN102507718A (zh) * | 2011-10-25 | 2012-06-20 | 交通运输部公路科学研究所 | 一种沥青分析鉴别方法 |
CN106650181A (zh) * | 2015-07-31 | 2017-05-10 | 中国石油化工股份有限公司 | 一种计算烃类化合物密度的方法 |
CN111402969A (zh) * | 2020-03-19 | 2020-07-10 | 中国石油大学(北京) | 一种陆源有机碳含量的预测方法、装置、设备及系统 |
Non-Patent Citations (3)
Title |
---|
Sydney F. Niles.et al."Characterization of an Asphalt Binder and Photoproducts by Fourier Transform Ion Cyclotron Resonance Mass Spectrometry Reveals Abundant Water-Soluble Hydrocarbons".《ACS publications》.2020, * |
孙中良等."潜江凹陷潜江组页岩中可溶有机质赋存空间表征及影响因素分析 ".《地质科技情报》.2019,第38卷(第6期), * |
李素梅等."傅里叶变换离子回旋共振质谱的地球化学意义及其在油气勘探中的应用前景".《现代地质》.2013,第27卷(第1期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112951345A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pollo et al. | The impact of comprehensive two-dimensional gas chromatography on oil & gas analysis: Recent advances and applications in petroleum industry | |
Vanini et al. | Characterization of nonvolatile polar compounds from Brazilian oils by electrospray ionization with FT-ICR MS and Orbitrap-MS | |
Rodgers et al. | Petroleum analysis | |
Oldenburg et al. | The impact of thermal maturity level on the composition of crude oils, assessed using ultra-high resolution mass spectrometry | |
Shi et al. | Characterization of heteroatom compounds in a crude oil and its saturates, aromatics, resins, and asphaltenes (SARA) and non-basic nitrogen fractions analyzed by negative-ion electrospray ionization Fourier transform ion cyclotron resonance mass spectrometry | |
Liu et al. | Effect of secondary oil migration distance on composition of acidic NSO compounds in crude oils determined by negative-ion electrospray Fourier transform ion cyclotron resonance mass spectrometry | |
Lemkau et al. | Molecular evidence of heavy-oil weathering following the M/V Cosco Busan spill: insights from Fourier transform ion cyclotron resonance mass spectrometry | |
Rogel et al. | Asphaltene densities and solubility parameter distributions: impact on asphaltene gradients | |
Chen et al. | Yen–mullins model applies to oilfield reservoirs | |
Nelson et al. | Exploring the complexity of two iconic crude oil spills in the gulf of Mexico (Ixtoc I and Deepwater Horizon) Using comprehensive two-dimensional gas chromatography (GC× GC) | |
Forsythe et al. | A geological model for the origin of fluid compositional gradients in a large Saudi Arabian oilfield: An investigation by two-dimensional gas chromatography (GC× GC) and asphaltene chemistry | |
França et al. | Molecular-level characterization of Brazilian pre-salt crude oils by advanced analytical techniques | |
Mullins et al. | Oil reservoir characterization via crude oil analysis by downhole fluid analysis in oil wells with visible− Near-infrared spectroscopy and by laboratory analysis with electrospray ionization Fourier transform ion cyclotron resonance mass spectrometry | |
Wise et al. | Advances in chemical analysis of oil spills since the deepwater horizon disaster | |
Betancourt et al. | Gravitational gradient of asphaltene molecules in an oilfield reservoir with light oil | |
Kondyli et al. | Evaluation of the combination of different atmospheric pressure ionization sources for the analysis of extremely complex mixtures | |
Hwang et al. | Allocation of commingled pipeline oils to field production | |
Han et al. | Intraformational migration of petroleum: Insights into the development of sweet spot in the Cretaceous Niobrara shale-oil system, Denver Basin | |
Coutinho et al. | Understanding the molecular composition of petroleum and its distillation cuts | |
Eiserbeck et al. | Advances in comprehensive two-dimensional gas chromatography (GC× GC) | |
Sundberg et al. | Characterization of heteroatom distributions in the polar fraction of North Sea oils using high-resolution mass spectrometry | |
CN112951345B (zh) | 基于杂原子化合物进行油-储源定量对比的方法 | |
Han et al. | Bitumen geochemistry and producibility in the Upper Cretaceous Niobrara Formation shale oil play | |
Patience et al. | The application of petroleum geochemical methods to production allocation of commingled fluids | |
Kobraei et al. | Upper Jurassic-lower cretaceous source-rock evaluation and oil—source rock correlation in the Abadan plain, Southwest Iran |
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 |