CN112989653A - 岩石相对渗透率确定方法和装置 - Google Patents
岩石相对渗透率确定方法和装置 Download PDFInfo
- Publication number
- CN112989653A CN112989653A CN202110208475.XA CN202110208475A CN112989653A CN 112989653 A CN112989653 A CN 112989653A CN 202110208475 A CN202110208475 A CN 202110208475A CN 112989653 A CN112989653 A CN 112989653A
- Authority
- CN
- China
- Prior art keywords
- phase fluid
- preset phase
- pore
- preset
- relative permeability
- 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
- 230000035699 permeability Effects 0.000 title claims abstract description 120
- 239000011435 rock Substances 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000012530 fluid Substances 0.000 claims abstract description 322
- 238000009736 wetting Methods 0.000 claims abstract description 23
- 239000011148 porous material Substances 0.000 claims description 292
- 238000012549 training Methods 0.000 claims description 34
- 229920006395 saturated elastomer Polymers 0.000 claims description 28
- 238000010586 diagram Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 description 12
- 230000018109 developmental process Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004088 simulation Methods 0.000 description 9
- 238000011084 recovery Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000006073 displacement reaction Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 238000005325 percolation Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G01N15/082—Investigating permeability by forcing a fluid through a sample
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Agronomy & Crop Science (AREA)
- Mathematical Physics (AREA)
- Dispersion Chemistry (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Fluid Mechanics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Pure & Applied Mathematics (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Algebra (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本申请提供了一种岩石相对渗透率确定方法和装置，其中，该方法包括：获取目标岩石的预设相流体欧拉系数和预设相流体饱和度，其中，预设相流体欧拉系数用于表征目标岩石的预设相流体拓扑连通性，预设相流体为润湿相流体或非润湿相流体；基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率。上述方案中，由于相对渗透率不仅与流体饱和度相关，还与流体拓扑连通性相关，因此基于用于表征预设相流体拓扑连通性的预设相流体欧拉系数和预设相流体饱和度确定目标岩石的预设相流体相对渗透率，得到的相对渗透率更加准确，可靠性强。
Description
技术领域
本申请涉及油气田开发技术领域，特别涉及一种岩石相对渗透率确定方法和装置。
背景技术
相对渗透率曲线是油气田开发过程中的一个关键参数，它直接决定了多相流体在孔隙介质中的渗流规律，对控制含水突破时间、提高最终采收率尤为重要。另外，作为油藏数值模拟的重要输入参数，相对渗透率曲线也直接影响了油气田开发优化调整及效果预测的可靠性。准确表征相对渗透率的曲线变化规律，对油气田开发决策制定十分有意义。
鉴于相对渗透率曲线的重要性，前人对相对渗透率的主控因素及其与流体性质的内在关系进行了大量探索，提出了一系列经验公式或物理模型来近似计算相对渗透率，大多数模型仅将相对渗透率曲线简化为流体饱和度的函数。然而，事实上，除了流体饱和度之外，还有许多参数也会对相对渗透率曲线产生重要影响，因此仅基于流体饱和度确定相对渗透率不够准确。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种岩石相对渗透率确定方法和装置，以解决现有技术中将相对渗透率曲线简化为流体饱和度的函数导致相对渗透率不够准确的问题。
本申请实施例提供了一种岩石相对渗透率确定方法，包括：获取目标岩石的预设相流体欧拉系数和预设相流体饱和度，其中，预设相流体欧拉系数用于表征目标岩石的预设相流体拓扑连通性，预设相流体为润湿相流体或非润湿相流体；基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率。
在一个实施例中，基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率，包括：将预设相流体欧拉系数和预设相流体饱和度输入目标模型中，得到目标岩石的预设相流体相对渗透率，其中，目标模型用于表征预设相流体相对渗透率与预设相流体欧拉系数和预设相流体饱和度之间的函数关系。
在一个实施例中，目标模型包括：
kr＝a1χ2+a2χS+a3S2+a4χ+a5S+a6
其中，kr为预设相流体相对渗透率；χ为预设相流体欧拉系数；S为预设相流体饱和度；a1、a2、a3、a4、a5和a6为模型参数。
在一个实施例中，目标模型通过以下步骤建立：获取目标岩石的训练样本数据集，其中，训练样本数据集包括多组预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率；基于训练样本数据集对预设模型进行训练，得到目标模型。
在一个实施例中，获取目标岩石的训练样本数据集，包括：获取目标岩石的内部构成灰度图数据；利用内部构成灰度图数据建立目标岩石的三维数字岩心模型，并基于三维数字岩心模型提取孔隙网络模型；根据孔隙网络模型，随机生成多个孔隙网络模型；针对多个孔隙网络模型中各孔隙网络模型进行模拟，得到各孔隙网络模型中多个孔隙和孔喉中各孔隙或孔喉的预设相流体饱和度和各孔隙网络模型的预设相流体相对渗透率；基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙网络模型的预设相流体欧拉系数和预设相流体饱和度；基于各孔隙网络模型的预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率，建立目标岩石的训练样本数据集。
在一个实施例中，基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙网络模型的预设相流体欧拉系数，包括：基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙或孔喉是预设相流体饱和的还是非预设相流体饱和的；确定各孔隙网络模型中的第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，其中，第一孔隙为预设相流体饱和的孔隙，第一孔喉为与两个第二孔隙连接的预设相流体饱和的孔喉，第二孔喉为与两个第一孔隙连接的预设相流体饱和的孔喉，第二孔隙为非预设相流体饱和的孔隙；根据第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，确定各孔隙网络模型的预设相流体欧拉系数。
在一个实施例中，根据第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，确定各孔隙网络模型的预设相流体欧拉系数，包括：按照以下公式确定各孔隙网络模型的预设相流体欧拉系数：
χ＝n1+n2-n3
式中，χ为预设相流体欧拉系数；n1为第一孔隙的数量；n2为第一孔喉的数量；n3为第二孔喉的数量。
本申请实施例还提供了一种岩石相对渗透率确定装置，包括：获取模块，用于获取目标岩石的预设相流体欧拉系数和预设相流体饱和度，其中，预设相流体欧拉系数用于表征目标岩石的预设相流体拓扑连通性，预设相流体为润湿相流体或非润湿相流体；确定模块，用于基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率。
本申请实施例还提供一种计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述任意实施例中所述的岩石相对渗透率确定方法的步骤。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述任意实施例中所述的岩石相对渗透率确定方法的步骤。
在本申请实施例中，提供了一种岩石相对渗透率确定方法，获取目标岩石的预设相流体欧拉系数和预设相流体饱和度，其中，预设相流体欧拉系数用于表征目标岩石的预设相流体拓扑连通性，预设相流体为润湿相流体或非润湿相流体；基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率。上述方案中，由于相对渗透率不仅与流体饱和度相关，还与流体拓扑连通性相关，因此基于用于表征预设相流体拓扑连通性的预设相流体欧拉系数和预设相流体饱和度确定目标岩石的预设相流体相对渗透率，得到的相对渗透率更加准确，可靠性强，能够为水驱油藏开发方案优化设计、宏微观剩余油挖潜及提高采收率技术方法和对策研究提供依据义，对进一步发展多相流体渗流理论、探究宏微观参数综合影响下的油藏开发规律以及后续提高采收率方法及策略的选取提供了支撑。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，并不构成对本申请的限定。在附图中：
图1示出了本申请一实施例中岩石相对渗透率确定方法的流程图；
图2示出了本申请实施例中进行表证单元体截取和三维重建的示意图；
图3示出了示出了本申请实施例中进行孔隙标定以及孔隙网络提取的示意图；
图4示出了本申请一实施例中的基于孔隙网络模型计算欧拉系数的基本过程示意图；
图5示出了本申请一实施例中的Berea砂岩的油相相对渗透率与含油饱和度的关系曲线；
图6示出了本申请一实施例中的Berea砂岩的油相相对渗透率与油相流体欧拉系数的关系曲线；
图7示出了本申请一实施例中Berea砂岩的油相相对渗透率数据拟合效果；
图8示出了本申请一实施例中岩石相对渗透率确定装置的示意图；
图9示出了本申请一实施例中的计算机设备的示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请，而并非以任何方式限制本申请的范围。相反，提供这些实施方式是为了使本申请公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域的技术人员知道，本申请的实施方式可以实现为一种系统、装置设备、方法或计算机程序产品。因此，本申请公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
考虑到除了流体饱和度之外还有许多参数也会对相对渗透率曲线产生重要影响，发明人通过研究发现，反映流体拓扑连通性的“欧拉系数”概念可用于描述润湿滞后和驱替流态的影响，与相对渗透率存在明显对应关系；在流体饱和度相近的情况下，流体在孔隙介质中的拓扑连通性有很大差异，相对渗透率也有显著区别，可以基于流体饱和度和欧拉系数来确定岩石的相对渗透率。
基于此，本申请实施例提供了一种岩石相对渗透率确定方法。图1示出了本申请一实施例中岩石相对渗透率确定方法的流程图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本申请实施例描述及附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构连接进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至分布式处理环境)。
具体地，如图1所示，本申请一种实施例提供的岩石相对渗透率确定方法可以包括以下步骤：
步骤S101，获取目标岩石的预设相流体欧拉系数和预设相流体饱和度。
其中，预设相流体欧拉系数可以用于表征目标岩石的预设相流体拓扑连通性。预设相流体为润湿相流体或非润湿相流体。可以获取目标岩石的预设相流体欧拉系数和预设相流体饱和度。
步骤S102，基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率。
在获得目标岩石的预设相流体欧拉系数和预设相流体饱和度之后，可以基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率。其中，相对渗透率是多相流体共存时每一相的有效渗透率与绝对渗透率的比值。绝对渗透率是指当单相流体通过一段孔隙介质呈层状流动时单位时间内通过这段岩石孔隙的流体量。有效渗透率是当多相流体共存时，岩石允许每一相流体通过的能力。
上述实施例的方法中，由于相对渗透率不仅与流体饱和度相关，还与流体拓扑连通性相关，因此基于用于表征预设相流体拓扑连通性的预设相流体欧拉系数和预设相流体饱和度确定目标岩石的预设相流体相对渗透率，得到的相对渗透率更加准确，可靠性强，能够为水驱油藏开发方案优化设计、宏微观剩余油挖潜及提高采收率技术方法和对策研究提供依据义，对进一步发展多相流体渗流理论、探究宏微观参数综合影响下的油藏开发规律以及后续提高采收率方法及策略的选取提供了支撑。
在本申请一些实施例中，基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率，可以包括：将预设相流体欧拉系数和预设相流体饱和度输入目标模型中，得到目标岩石的预设相流体相对渗透率。
其中，目标模型用于表征预设相流体相对渗透率与预设相流体欧拉系数和预设相流体饱和度之间的函数关系。可以将获得的预设相流体欧拉系数和预设相流体饱和度输入目标模型中，得到目标岩石的预设相流体相对渗透率。通过上述方式，可以简单高效地确定预设相流体相对渗透率。
在本申请一些实施例中，目标模型可以包括：
kr＝a1χ2+a2χS+a3S2+a4χ+a5S+a6
其中，kr为预设相流体相对渗透率；χ为预设相流体欧拉系数；S为预设相流体饱和度；a1、a2、a3、a4、a5和a6为模型参数。
在本申请一些实施例中，目标模型可以通过以下步骤建立：获取目标岩石的训练样本数据集，其中，训练样本数据集包括多组预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率；基于训练样本数据集对预设模型进行训练，得到目标模型。具体地，可以获取包括大量预设相流体饱和度、预设相流体欧拉系数和对应的预设相流体相对渗透率的训练样本数据集。基于训练样本数据集中的大部分数据对预设模型进行训练，确定模型参数。之后，基于训练样本数据集中未参与训练的数据对得到的模型参数进行验证，提高可靠性。通过上述方式，可以通过训练预设模型，确定预设模型中的模型参数，从而得到目标模型。
在本申请一些实施例中，获取目标岩石的训练样本数据集，包括：获取目标岩石的内部构成灰度图数据；利用内部构成灰度图数据建立目标岩石的三维数字岩心模型，并基于三维数字岩心模型提取孔隙网络模型；根据孔隙网络模型，随机生成多个孔隙网络模型；针对多个孔隙网络模型中各孔隙网络模型进行模拟，得到各孔隙网络模型中多个孔隙和孔喉中各孔隙或孔喉的预设相流体饱和度和各孔隙网络模型的预设相流体相对渗透率；基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙网络模型的预设相流体欧拉系数和预设相流体饱和度；基于各孔隙网络模型的预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率，建立目标岩石的训练样本数据集。
具体地，可以获取目标岩石的内部构成灰度图数据。示例性的，可以选取目标岩石储层的干岩样为对象，利用X射线微焦点CT装置扫描干岩样获取一系列反映岩心内部孔隙结构特征的灰度图像。又例如，可以利用FIBSEM装置扫描干岩样获取一系列反映岩心内部孔隙结构特征的灰度图像。为了进一步提取拓扑等效的孔隙网络模型来计算流体饱和度和拓扑连通性综合影响下的相对渗透率数据，要求微焦点CT或FIBSEM扫描的空间分辨率尽可能地高，一般在微米级。
在获得内部构成灰度图数据之后，可以利用内部构成灰度图数据建立目标岩石的三维数字岩心模型，并基于三维数字岩心模型提取孔隙网络模型。具体地，可以利用数字图像处理技术对灰度图像数据体进行分析，实现三维数字岩心建模和孔隙网络模型的提取。其中，三维数字岩心建模可以包括四个步骤：图像预处理、截取表征单元体、阈值分割以及三维重建。请参考图2，示出了本申请实施例中进行表证单元体截取和三维重建的示意图。其中，图2的左侧图示出了表征单元体截取示意图，图2的右侧图示出了三维重建后的示意图。之后，基于建模得到的三维数字岩心模型，可以通过最大球体膨胀算法提取与真实孔隙结构拓扑等效的孔隙网络模型，其中大小不一的球体表示孔隙，连接相邻球体的毛细管表示孔喉。请参考图3，示出了本申请实施例中进行孔隙标定以及孔隙网络提取的示意图。其中，图3的左侧图示出了孔隙标定示意图，图3的右侧图示出了提取孔隙网络后得到的孔隙网络示意图。
在提取孔隙网络模型之后，可以根据提取的孔隙网络模型，随机生成多个孔隙网络模型。具体地，可以统计目标岩石的孔隙网络模型的孔隙半径、孔喉半径、孔喉比、配位数及接触角等参数分布作为基础方案，为反映实际油藏孔隙结构的微观非均质性，以基础方案的参数大小为均值并设定参数的合理协方差，随机生成多个孔隙网络模型。在生成要求参数扰动过程中仅考虑单因素变化，其它参数和基础方案一致。
在得到多个孔隙网络模型之后，可以基于多个孔隙网络模型中各孔隙网络模型进行模拟。根据孔隙网络模拟可以得到各个孔隙及孔喉中的预设相流体饱和度分布。可以基于侵入逾渗理论进行一次油驱水过程和二次水驱油过程的孔隙网络模拟。当毛细管数小于10-4时，孔隙介质中的流体流动受控于毛细管压力，粘滞力影响可忽略不计，此时基于侵入逾渗理论的孔隙网络模拟能有效反映流体微观驱替机理(如活塞式驱替、驱替相流体对被驱替相流体的卡断、润湿相流体的薄膜流动等)对非润湿相流体赋存的影响，模拟中也考虑了润湿滞后效应影响，进而根据达西定律计算不同预设相流体饱和度下的相对渗透率数据。可以基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙网络模型的预设相流体欧拉系数和预设相流体饱和度。之后，可以基于各孔隙网络模型的预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率，建立目标岩石的训练样本数据集。通过上述方式，可以建立用于训练预设模型的训练样本数据集。
在本申请一些实施例中，基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙网络模型的预设相流体欧拉系数，可以包括：基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙或孔喉是预设相流体饱和的还是非预设相流体饱和的；确定各孔隙网络模型中的第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，其中，第一孔隙为预设相流体饱和的孔隙，第一孔喉为与两个第二孔隙连接的预设相流体饱和的孔喉，第二孔喉为与两个第一孔隙连接的预设相流体饱和的孔喉，第二孔隙为非预设相流体饱和的孔隙；根据第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，确定各孔隙网络模型的预设相流体欧拉系数。
具体地，可以基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙或孔喉是预设相流体饱和的还是非预设相流体饱和的。例如，将预设相流体饱和度大于等于0.5的孔隙或孔喉确定为预设相流体饱和的，将预设相流体饱和度小于0.5的孔隙或孔喉确定为非预设相流体饱和的。其中，预设相流体为非润湿相流体时，非预设相流体为润湿相流体；预设相流体为润湿相流体时，非预设相流体为非润湿相流体。其中，预设相流体可以是水或者油。在确定各孔隙网络模型中各孔隙或孔喉的饱和状态之后，可以确定各孔隙网络模型中第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量。其中，第一孔隙可以为预设相流体饱和的孔隙。第一孔喉可以为与两个第二孔隙连接的预设相流体饱和的孔喉。第二孔隙可以为非预设相流体饱和的孔隙。第二孔喉可以为与两个第一孔隙连接的预设相流体饱和的孔喉。在确定了第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量之后，可以根据第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，确定各孔隙网络模型的预设相流体欧拉系数。通过上述方式，可以基于各孔隙网络模型中孔隙和孔喉的预设相流体饱和度确定各孔隙网络模型的预设相欧拉系数，以表征各孔隙网络模型的预设相流体拓扑连通性。
在本申请一些实施例中，根据第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，确定各孔隙网络模型的预设相流体欧拉系数，可以包括：按照以下公式确定各孔隙网络模型的预设相流体欧拉系数：
χ＝n1+n2-n3
式中，χ为预设相流体欧拉系数；n1为第一孔隙的数量；n2为第一孔喉的数量；n3为第二孔喉的数量。请参考图4，示出了本申请一实施例中的基于孔隙网络模型计算欧拉系数的基本过程示意图。在图4中，实心圆代表第一孔隙，实线段代表第二孔喉。对水湿岩样，油相流体欧拉系数为负，说明油相流体微观拓扑连通性强；油相流体欧拉系数为正，说明油相流体微观拓扑连通性差。
在本申请的一个具体实施例中，选取强水湿Berea砂岩为研究对象。经统计，Berea砂岩的平均配位数为4.2，平均孔喉比为2.1，平均接触角为10°，前进接触角为12.6°，后退接触角为0°，孔隙体积为3.54mm3。研究过程中，选取以上参数组合作为基础方案。通过扰动Berea砂岩的各个孔隙结构参数及润湿角分布，随机生成多个孔隙网络模型，孔喉比分别为2.0和3.5，孔喉半径变化因子分别为0.2和5.0，接触角分别为17.5°、27.5°、37.5°、47.5°和57.5°，配位数分别为3.5和3.0。在生成随机孔隙网络模型过程中仅考虑单一因素变化，其余参数取值与基础方案相一致。根据侵入逾渗理论，对以上随机孔隙网络模型进行一次油驱水和二次水驱油过程的模拟计算，确定流体饱和度和相对渗透率数据，并根据孔隙及孔喉饱和度分布场定量统计不同流体饱和度下的欧拉系数，如表1所示。其中，χo为油相欧拉系数，χomin为油相欧拉系数最小值，χomax为油相欧拉系数最大值。
表1
请参考图5和图6，图5示出了本申请一实施例中的Berea砂岩的油相相对渗透率kro与含油饱和度So的关系曲线；图6示出了本申请一实施例中的Berea砂岩的油相相对渗透率kro与油相流体欧拉系数χo的关系曲线。从图5和图6可以看出，含油饱和度和欧拉系数，都将会对油相相对渗透率数据产生重要影响。
利用随机森林法对相对渗透率数据样本集进行机器学习，在拟合孔隙网络模拟的相对渗透率样本的基础上，确定相对渗透率曲线二次状态函数形式的参数大小，最终建立强水湿Berea岩石的油相相对渗透率曲线状态函数(即，目标模型)，具体表达式为：
其中，kro为油相流体相对渗透率，χo为油相流体欧拉系数，So为含油饱和度。
请参考图7，示出了本申请一实施例中Berea砂岩的油相相对渗透率数据拟合效果。如图7所示，对比分析孔隙网络模拟得到的油相对渗透率数据与基于目标模型预测的油相对渗透率数据，可以发现，不论是拟合样本(包括训练样本和验证样本)还是检验样本，拟合效果都在误差允许范围内，误差均小于3.0％。由此可知，本申请实施例建立的反映油相相对渗透率曲线状态函数的目标模型可以很好地反映流体相饱和度和流体拓扑连通性对孔隙尺度流体渗流规律的协同影响。
上述实施例中的方法，结合X射线CT扫描、孔隙网络模拟以及机器学习，创新性提出了一种相对渗透率曲线状态函数的测定方法，解决了相对渗透率与流体饱和度、流体微观相拓扑连通性之间缺乏本构关系的技术难题，阐明了流体微观相拓扑连通性对流体渗流规律的显著意义，对进一步发展多相流体渗流理论、探究宏微观参数综合影响下的油藏开发规律以及后续提高采收率方法及策略的选取提供了支撑。
基于同一发明构思，本申请实施例中还提供了一种岩石相对渗透率确定装置，如下面的实施例所述。由于岩石相对渗透率确定装置解决问题的原理与岩石相对渗透率确定方法相似，因此岩石相对渗透率确定装置的实施可以参见岩石相对渗透率确定方法的实施，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。图8是本申请实施例的岩石相对渗透率确定装置的一种结构框图，如图8所示，包括：获取模块801和确定模块802，下面对该结构进行说明。
获取模块801用于获取目标岩石的预设相流体欧拉系数和预设相流体饱和度，其中，预设相流体欧拉系数用于表征目标岩石的预设相流体拓扑连通性，预设相流体为润湿相流体或非润湿相流体。
确定模块802用于基于预设相流体欧拉系数和预设相流体饱和度，确定目标岩石的预设相流体相对渗透率。
在本申请一些实施例中，确定模块可以具体用于：将预设相流体欧拉系数和预设相流体饱和度输入目标模型中，得到目标岩石的预设相流体相对渗透率，其中，目标模型用于表征预设相流体相对渗透率与预设相流体欧拉系数和预设相流体饱和度之间的函数关系。
在本申请一些实施例中，目标模型可以包括：
kr＝a1χ2+a2χS+a3S2+a4χ+a5S+a6
其中，kr为预设相流体相对渗透率；χ为预设相流体欧拉系数；S为预设相流体饱和度；a1、a2、a3、a4、a5和a6为模型参数。
在本申请一些实施例中，目标模型通过以下步骤建立：获取目标岩石的训练样本数据集，其中，训练样本数据集包括多组预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率；基于训练样本数据集对预设模型进行训练，得到目标模型。
在本申请一些实施例中，获取目标岩石的训练样本数据集，可以包括：获取目标岩石的内部构成灰度图数据；利用内部构成灰度图数据建立目标岩石的三维数字岩心模型，并基于三维数字岩心模型提取孔隙网络模型；根据孔隙网络模型，随机生成多个孔隙网络模型；针对多个孔隙网络模型中各孔隙网络模型进行模拟，得到各孔隙网络模型中多个孔隙和孔喉中各孔隙或孔喉的预设相流体饱和度和各孔隙网络模型的预设相流体相对渗透率；基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙网络模型的预设相流体欧拉系数和预设相流体饱和度；基于各孔隙网络模型的预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率，建立目标岩石的训练样本数据集。
在本申请一些实施例中，基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙网络模型的预设相流体欧拉系数，可以包括：基于各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定各孔隙或孔喉是预设相流体饱和的还是非预设相流体饱和的；确定各孔隙网络模型中的第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，其中，第一孔隙为预设相流体饱和的孔隙，第一孔喉为与两个第二孔隙连接的预设相流体饱和的孔喉，第二孔喉为与两个第一孔隙连接的预设相流体饱和的孔喉，第二孔隙为非预设相流体饱和的孔隙；根据第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，确定各孔隙网络模型的预设相流体欧拉系数。
在本申请一些实施例中，根据第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，确定各孔隙网络模型的预设相流体欧拉系数，可以包括：按照以下公式确定各孔隙网络模型的预设相流体欧拉系数：
χ＝n1+n2-n3
式中，χ为预设相流体欧拉系数；n1为第一孔隙的数量；n2为第一孔喉的数量；n3为第二孔喉的数量。
从以上的描述中，可以看出，本申请实施例实现了如下技术效果：由于相对渗透率不仅与流体饱和度相关，还与流体拓扑连通性相关，因此基于用于表征预设相流体拓扑连通性的预设相流体欧拉系数和预设相流体饱和度确定目标岩石的预设相流体相对渗透率，得到的相对渗透率更加准确，可靠性强，能够为水驱油藏开发方案优化设计、宏微观剩余油挖潜及提高采收率技术方法和对策研究提供依据义，对进一步发展多相流体渗流理论、探究宏微观参数综合影响下的油藏开发规律以及后续提高采收率方法及策略的选取提供了支撑。
本申请实施方式还提供了一种计算机设备，具体可以参阅图9所示的基于本申请实施例提供的岩石相对渗透率确定方法的计算机设备组成结构示意图，所述计算机设备具体可以包括输入设备91、处理器92、存储器93。其中，所述存储器93用于存储处理器可执行指令。所述处理器92执行所述指令时实现上述任意实施例中所述的岩石相对渗透率确定方法的步骤。
在本实施方式中，所述输入设备具体可以是用户和计算机系统之间进行信息交换的主要装置之一。所述输入设备可以包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等；输入设备用于把原始数据和处理这些数的程序输入到计算机中。所述输入设备还可以获取接收其他模块、单元、设备传输过来的数据。所述处理器可以按任何适当的方式实现。例如，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 Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述存储器具体可以是现代信息技术中用于保存信息的记忆设备。所述存储器可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。
在本实施方式中，该计算机设备具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
本申请实施方式中还提供了一种基于岩石相对渗透率确定方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现上述任意实施例中所述岩石相对渗透率确定方法的步骤。
在本实施方式中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
在本实施方式中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
显然，本领域的技术人员应该明白，上述的本申请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，本申请实施例不限制于任何特定的硬件和软件结合。
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，本申请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。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请实施例可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种岩石相对渗透率确定方法，其特征在于，包括：
获取目标岩石的预设相流体欧拉系数和预设相流体饱和度，其中，所述预设相流体欧拉系数用于表征所述目标岩石的预设相流体拓扑连通性，所述预设相流体为润湿相流体或非润湿相流体；
基于所述预设相流体欧拉系数和所述预设相流体饱和度，确定所述目标岩石的预设相流体相对渗透率。
2.根据权利要求1所述的方法，其特征在于，基于所述预设相流体欧拉系数和所述预设相流体饱和度，确定所述目标岩石的预设相流体相对渗透率，包括：
将所述预设相流体欧拉系数和所述预设相流体饱和度输入目标模型中，得到所述目标岩石的预设相流体相对渗透率，其中，所述目标模型用于表征所述预设相流体相对渗透率与所述预设相流体欧拉系数和所述预设相流体饱和度之间的函数关系。
3.根据权利要求2所述的方法，其特征在于，所述目标模型包括：
kr＝a1χ2+a2χS+a3S2+a4χ+a5S+a6
其中，kr为预设相流体相对渗透率；χ为预设相流体欧拉系数；S为预设相流体饱和度；a1、a2、a3、a4、a5和a6为模型参数。
4.根据权利要求2所述的方法，其特征在于，所述目标模型通过以下步骤建立：
获取目标岩石的训练样本数据集，其中，所述训练样本数据集包括多组预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率；
基于所述训练样本数据集对预设模型进行训练，得到所述目标模型。
5.根据权利要求4所述的方法，其特征在于，获取目标岩石的训练样本数据集，包括：
获取目标岩石的内部构成灰度图数据；
利用所述内部构成灰度图数据建立目标岩石的三维数字岩心模型，并基于所述三维数字岩心模型提取孔隙网络模型；
根据所述孔隙网络模型，随机生成多个孔隙网络模型；
针对所述多个孔隙网络模型中各孔隙网络模型进行模拟，得到所述各孔隙网络模型中多个孔隙和孔喉中各孔隙或孔喉的预设相流体饱和度和所述各孔隙网络模型的预设相流体相对渗透率；
基于所述各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定所述各孔隙网络模型的预设相流体欧拉系数和预设相流体饱和度；
基于所述各孔隙网络模型的预设相流体饱和度、预设相流体欧拉系数和预设相流体相对渗透率，建立目标岩石的训练样本数据集。
6.根据权利要求5所述的方法，其特征在于，基于所述各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定所述各孔隙网络模型的预设相流体欧拉系数，包括：
基于所述各孔隙网络模型中各孔隙或孔喉的预设相流体饱和度，确定所述各孔隙或孔喉是预设相流体饱和的还是非预设相流体饱和的；
确定所述各孔隙网络模型中的第一孔隙的数量、第一孔喉的数量以及第二孔喉的数量，其中，所述第一孔隙为预设相流体饱和的孔隙，所述第一孔喉为与两个第二孔隙连接的预设相流体饱和的孔喉，所述第二孔喉为与两个第一孔隙连接的预设相流体饱和的孔喉，所述第二孔隙为非预设相流体饱和的孔隙；
根据所述第一孔隙的数量、所述第一孔喉的数量以及所述第二孔喉的数量，确定所述各孔隙网络模型的预设相流体欧拉系数。
7.根据权利要求6所述的方法，其特征在于，根据所述第一孔隙的数量、所述第一孔喉的数量以及所述第二孔喉的数量，确定所述各孔隙网络模型的预设相流体欧拉系数，包括：
按照以下公式确定所述各孔隙网络模型的预设相流体欧拉系数：
χ＝n1+n2-n3
式中，χ为预设相流体欧拉系数；n1为第一孔隙的数量；n2为第一孔喉的数量；n3为第二孔喉的数量。
8.一种岩石相对渗透率确定装置，其特征在于，包括：
获取模块，用于获取目标岩石的预设相流体欧拉系数和预设相流体饱和度，其中，所述预设相流体欧拉系数用于表征所述目标岩石的预设相流体拓扑连通性，所述预设相流体为润湿相流体或非润湿相流体；
确定模块，用于基于所述预设相流体欧拉系数和所述预设相流体饱和度，确定所述目标岩石的预设相流体相对渗透率。
9.一种计算机设备，其特征在于，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110208475.XA CN112989653B (zh) | 2021-02-25 | 2021-02-25 | 岩石相对渗透率确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110208475.XA CN112989653B (zh) | 2021-02-25 | 2021-02-25 | 岩石相对渗透率确定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112989653A true CN112989653A (zh) | 2021-06-18 |
| CN112989653B CN112989653B (zh) | 2022-09-16 |
Family
ID=76350339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110208475.XA Active CN112989653B (zh) | 2021-02-25 | 2021-02-25 | 岩石相对渗透率确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112989653B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116341179A (zh) * | 2022-12-02 | 2023-06-27 | 华中科技大学 | 五模超材料骨支架的多目标等几何多尺度拓扑优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103884633A (zh) * | 2014-03-05 | 2014-06-25 | 中国石油天然气股份有限公司 | 一种确定岩石渗透率的方法及装置 |
| CN108181219A (zh) * | 2017-11-15 | 2018-06-19 | 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 |
| CN109612900A (zh) * | 2018-11-28 | 2019-04-12 | 中国石油大学(北京) | 一种储层岩石渗透率预测方法、装置及存储介质 |
-
2021
- 2021-02-25 CN CN202110208475.XA patent/CN112989653B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103884633A (zh) * | 2014-03-05 | 2014-06-25 | 中国石油天然气股份有限公司 | 一种确定岩石渗透率的方法及装置 |
| CN108181219A (zh) * | 2017-11-15 | 2018-06-19 | 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 |
| CN109612900A (zh) * | 2018-11-28 | 2019-04-12 | 中国石油大学(北京) | 一种储层岩石渗透率预测方法、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 薛健康等: "基于数字岩心的砂粒对储集层渗透特性影响", 《新疆石油地质》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116341179A (zh) * | 2022-12-02 | 2023-06-27 | 华中科技大学 | 五模超材料骨支架的多目标等几何多尺度拓扑优化方法 |
| CN116341179B (zh) * | 2022-12-02 | 2023-11-14 | 华中科技大学 | 五模超材料骨支架的多目标等几何多尺度拓扑优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112989653B (zh) | 2022-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Attribute-aware face aging with wavelet-based generative adversarial networks | |
| Gao et al. | Reconstruction of three-dimensional porous media from a single two-dimensional image using three-step sampling | |
| Zhang et al. | Slice-to-voxel stochastic reconstructions on porous media with hybrid deep generative model | |
| CN113052371B (zh) | 基于深度卷积神经网络的剩余油分布预测方法及装置 | |
| AU2009250344B8 (en) | Image data processing | |
| CN108764241A (zh) | 分割股骨近端的方法、装置、计算机设备和存储介质 | |
| CN108681689B (zh) | 基于生成对抗网络的帧率增强步态识别方法及装置 | |
| US10909281B2 (en) | History matching of hydrocarbon production from heterogenous reservoirs | |
| AU2021261300B2 (en) | Method for estimating fluid saturation of a rock | |
| Liu et al. | Multilevel strategies and geological parameterizations for history matching complex reservoir models | |
| CN111402266A (zh) | 一种构建数字岩心的方法及系统 | |
| CN112989653B (zh) | 岩石相对渗透率确定方法和装置 | |
| CN111612906A (zh) | 一种三维地质模型的生成方法、系统及计算机存储介质 | |
| CN114842180B (zh) | 一种点云补全方法、装置、设备及介质 | |
| CN112861890B (zh) | 一种储层评价模型构建方法及储层识别方法 | |
| Karimpouli et al. | Multistep Super Resolution Double-U-net (SRDUN) for enhancing the resolution of Berea sandstone images | |
| CN109345559A (zh) | 基于样本扩充和深度分类网络的运动目标跟踪方法 | |
| CN115880505B (zh) | 一种目标边缘检测神经网络的低序级断层智能识别方法 | |
| CN109753896A (zh) | 一种基于共性自动编码器的无监督异源遥感图像变化检测方法 | |
| NO343550B1 (no) | Fremgangsmåte for konstruksjon av en 3D geologisk modell ved stokastisk simulering av facies | |
| CN114387167A (zh) | 一种抗内插缩放攻击的鲁棒图像隐写方法 | |
| Li et al. | Reconstruction of 3D greyscale image for reservoir rock from a single image based on pattern dictionary | |
| CN112346126A (zh) | 低级序断层的识别方法、装置、设备及可读存储介质 | |
| CN111209674A (zh) | 一种河道砂建模方法、设备及可读存储介质 | |
| Kohanpur | Improving capabilities of pore-scale modeling of multiphase flow for geological storage of CO2 |
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 |