CN113051841B - 一种强非均质页岩油储层表观渗透率确定方法和装置 - Google Patents

Abstract

本发明公开了一种强非均质页岩油储层表观渗透率确定方法和装置。所述方法包括：根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型；根据模型中网格的组分确定该网格的孔隙度与孔径；针对每种组分，根据孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系；根据孔隙体相区域原油粘度、孔隙近壁面区域厚度、网格的孔隙度与孔径和网格组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，确定该网格的表观渗透率；根据各网格的表观渗透率，确定页岩表观渗透率。能够提高确定的页岩油储层表观渗透率的准确度，同时确定速度快，成本低。

Description

一种强非均质页岩油储层表观渗透率确定方法和装置

技术领域

本发明涉及页岩油勘探开发技术领域，特别涉及一种强非均质页岩油储层表观渗透率确定方法和装置。

背景技术

页岩油储层微纳米孔隙发育且富含有机质和矿物质、原油赋存形式多样、储层非均质性强，主要体现在以下几个方面：①岩石组成非均质(包括有机质、石英、长石、方解石、白云石、黄铁矿等)；②孔隙尺寸非均质(有机质孔隙较小10～500nm，非有机质孔隙10nm～100μm)；③流体分布非均质(存在两种赋存状态的原油：游离态原油、吸附互溶态原油)等。与常规砂岩相比，由于纳米受限效应的影响，页岩储层孔隙内的流体输运特性产生了巨大改变，不同岩石组分(特别是有机质与无机矿物之间)壁面与液体分子之间的液固界面、液液界面(多相)的滑移速度不可忽略，导致页岩油渗流规律预测难度大，传统基于达西定律的储层渗透率表征和评估方法已经不再适用。

目前常用的页岩油储层渗透率评估方法主要包括室内直接测定法、微观模拟方法以及动态参数反演等方法。其中，室内直接测定法主要为室内非稳态脉冲衰减法，通过岩心非稳态渗流过程中孔隙压力随时间的衰减数据结合对应模型和测试仪器界定的初始条件边界条件测量页岩渗透率，该方法测量对环境密闭性要求高，实验结果受温度、气体流动以及实验围压的影响较大；同时非稳态脉冲衰减法利用的渗流介质是气体时，测量结果高于实际值，利用克林肯伯格公式进行修正则只能得到岩心的固有渗透率。微观模拟方法首先需要测定真实岩心的孔隙结构，进行数字岩心构建，并在此基础上进行宏观尺度模拟反求渗透率。该方法需要进行大量的岩心重构、流动模拟工作，并且由于页岩储层孔隙吼道细小，建模耗费的时间和人力成本较大。动态参数反演方法是依据非稳态产量分析RTA方法通过生产动态曲线的流动阶段特征反演渗透率，但在开发初期，曲线未达到特定流动阶段时，渗透率评估准确性较低。

综上所述，目前已有页岩油储层渗透率评估方法存在预测精度低、成本高等缺陷。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种强非均质页岩油储层表观渗透率确定方法和装置，能够提高确定的页岩油储层表观渗透率的准确度，同时确定速度快，成本低。

第一方面，本发明实施例提供一种强非均质页岩油储层表观渗透率确定方法，包括：

根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型，所述组分为矿物和有机质，针对每个网格，根据页岩二维模型中网格的组分和该组分的孔隙度及孔径分布数据，确定该网格的孔隙度与孔径；

针对每种所述组分，根据预先建立的孔隙原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，所述孔隙原油流速模型包括孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型；

针对每个网格，根据孔隙体相区域原油粘度、孔隙近壁面区域厚度、网格的孔隙度与孔径和网格组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，确定该网格的表观渗透率；

根据页岩二维模型中各网格的表观渗透率，确定页岩二维模型的表观渗透率，作为页岩的表观渗透率。

第二方面，本发明实施例提供一种强非均质页岩油储层表观渗透率确定装置，包括：

模型建立模块，用于根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型，所述组分为矿物或有机质；针对每个网格，根据页岩二维模型中网格的组分和该组分的孔隙度及孔径分布数据，确定该网格的孔隙度与孔径；

参数确定模块，用于针对每种所述组分，根据预先建立的孔隙原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，所述孔隙原油流速模型包括孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型；

网格表观渗透率确定模块，用于针对每个网格，根据孔隙体相区域原油粘度、孔隙近壁面区域厚度、网格的孔隙度与孔径和网格组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，确定该网格的表观渗透率；

页岩表观渗透率确定模块，用于根据页岩二维模型中各网格的表观渗透率，确定页岩二维模型的表观渗透率，作为页岩的表观渗透率。

第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机指令，当该指令被处理器执行时实现上述强非均质页岩油储层表观渗透率确定方法。

本发明实施例提供的上述技术方案的有益效果至少包括：

(1)本发明实施例提供的强非均质页岩油储层表观渗透率确定方法，根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型，粒径分布数据和孔径分布数据的参照，使得建立的页岩二维模型中每种组分的各颗粒，不再是平均尺寸，孔隙的孔径也不再是平均值，而是模拟了现实颗粒大小和真实孔径大小的分布情况，使得建立的模型更接近真实情况，从而确定的表观渗透率准确度更高。

(2)建立的孔隙原油流速模型包括孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型，充分考虑了孔隙中近壁面区域和体相区域中原油粘度和流速的差异，进一步使得确定的表观渗透率准确度更高；且该模型能够适用于不同类型、不同区块、不同孔径分布的页岩储层岩心的渗透率评价，故模型的适用范围广，降低了建模成本，提高了计算效率。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例一中强非均质页岩油储层表观渗透率确定方法的流程图；

图2为图1中步骤S11的具体实现流程图；

图3为本发明实施例一中方解石网格向周围网格生长示意图；

图4为本发明实施例一中的页岩油在纳米孔隙中的流动模型示意图；

图5为本发明实施例一中方解石孔隙原油流速散点图；

图6A为本发明实施例一中方解石颗粒灰度图；

图6B为本发明实施例一中方解石颗粒示例图；

图6C为本发明实施例一中方解石颗粒的孔隙分布示例图；

图6D为本发明实施例一中方解石颗粒孔径频数分布直方图；

图7为本发明实施例一中颗粒中孔隙数据确定的具体实现流程图；

图8为本发明实施例中页岩表观渗透率确定方法的具体实现流程图；

图9为本发明实施例二中页岩表观渗透率确定方法的具体实现流程图；

图10A为页岩中的有机质孔径分布曲线；

图10B为页岩中的石英颗粒孔径分布曲线；

图10C为页岩中的方解石颗粒孔径分布曲线；

图10D为页岩中的白云石颗粒孔径分布曲线；

图11为页岩中的方解石颗粒粒径分布曲线；

图12为页岩二维模型示例图；

图13为页岩岩心气测渗透率；

图14为本发明实施例中强非均质页岩油储层表观渗透率确定装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为了解决目前页岩油储层渗透率评估方法预测精度低且成本高的问题，本发明实施例提供了一种强非均质页岩油储层表观渗透率确定方法和装置，使用该方案计算的页岩油储层表观渗透率的准确度高，为同时确定速度快，成本低。

实施例一

本发明实施例一提供一种强非均质页岩油储层表观渗透率确定方法，其流程如图1所示，包括如下步骤：

步骤S11：根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型，针对每个网格，根据页岩二维模型中网格的组分和该组分的孔隙度及孔径分布数据，确定该网格的孔隙度与孔径。

上述组分为矿物和有机质。矿物可以为石英、长石和方解石等。

参照图2所示，页岩二维模型的建立，包括下述步骤：

步骤S111：确定页岩二维模型的尺寸并划分网格。

页岩二维模型中网格的总面积，即模型的面积大于从页岩中采集的岩样的表征单元面积，各网格的面积小于页岩中指定组分的最小颗粒的面积。一般可将页岩二维模型的尺寸设为300μm×300μm，网格尺寸设为1μm×1μm。

步骤S112：针对指定组分中的每种组分，循环在模型中确定该组分的颗粒，直至当前模型中该组分的网格所占比例与该组分的含量一致。

具体的，在模型中确定该组分的颗粒包括，利用蒙特卡洛抽样方法从该组分的粒径分布数据中抽取一个粒径值，随机抽取当前模型中空白的网格设定为该组分的颗粒，按设定生长规则向四周的空白网格中生长该颗粒，直至颗粒的粒径生长为该粒径值。

以方解石为例，若粒径分布曲线为正态分布，则可利用Matlab软件中的nornrnd()函数进行抽样。之后在模型中随机选择一个空白网格并设定为方解石。然后利用四参数随机生长法QSGS算法让方解石向相邻网格中生长，若将各方向生长概率设定为D1-4:D5-8＝4，则生长出各向同性的方解石颗粒，参照图3所示。

步骤S113：根据网格的组分的孔径分布数据，采用蒙特卡洛抽样方法从该数据中抽取一个孔径值，确定该网格的孔径为抽取的孔径值，该网格的孔隙度为该组分的孔隙度。

遍历整个页岩二维模型网格，为每个网格赋予相应的孔径和孔隙度。

步骤S12：针对每种组分，根据预先建立的孔隙原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系。

参照图4所示，由于纳米受限效应的影响，页岩油在纳米孔隙中流动时存在近壁面区和体相区两个区域，由于页岩油分子与孔隙壁面分子之间作用力的差异，两个区域的页岩油粘度存在较大差异，因此在计算流速时需将两个区分开来，同时页岩油在壁面处的速度不为零。

孔隙原油流速模型包括孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型。

孔隙体相区域原油流速模型为下述公式：

孔隙近壁面区域原油流速模型为下述公式：

上式(1)和(2)中，r为孔隙中待确定原油流速的位置与孔隙轴线间的距离，孔隙近似为圆柱形，r也可以理解为孔隙垂直于轴线的截面上待确定原油流速的位置与圆心间的距离；v_b(r)为孔隙体相区域中与孔隙轴线间的距离为r的位置处的原油流速，v_nw(r)为孔隙近壁面区域中与孔隙轴线间的距离为r的位置处的原油流速；

为压力梯度；μ_nw为孔隙近壁面区域原油粘度，μ_b为孔隙体相区域原油粘度；R为孔隙半径，即为孔径的一半；δ为孔隙近壁面区域厚度；ls为滑移长度。参照图4所示，A代表原油在体相区域流动，B、C代表原油在体相区域和近壁面区域流动，越靠近孔隙壁面，原油的流动速度越小。

滑移长度，定义为孔隙壁面处的速度与该处的流速梯度的比值。参照图4，指流速抛物线在孔隙壁面上的点的斜率，即从抛物线与壁面的交点处开始垂直往外多少距离速度变为0。

根据预先建立的孔隙原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，具体包括：

获取利用分子动力学模拟方法(拟合的温压条件为页岩在地层中真实的温压条件)得到的该组分的孔隙原油流速散点图，散点图的横坐标为待确定原油流速的位置与孔隙轴线间的距离，纵坐标为该位置的原油流速；利用孔隙原油流速模型拟合所述散点图，得到指定孔径下该组分对应的孔隙近壁面原油粘度和滑移长度的值；通过多组指定孔径和对应的滑移长度的值，得到孔径与滑移长度的对应关系。

参见图5所示，为方解石颗粒的孔隙分子模拟结果，散点图的横坐标为待确定原油流速的位置与孔隙轴线间的距离，

纵坐标为该位置的原油流速。

具体的，上述步骤S11与步骤S12没有先后顺序，可以先执行二者中的任一步，或同时执行。

步骤S13：针对每个网格，根据孔隙体相区域原油粘度、孔隙近壁面区域厚度、网格的孔隙度与孔径和网格组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，确定该网格的表观渗透率。

具体包括利用下式(3)确定网格i的表观渗透率

上式(3)中，δ为孔隙近壁面区域厚度；μ_b为孔隙体相区域原油粘度；

为网格i的孔隙度；τ_i为网格i的迂曲度，

R_i为网格i的孔隙半径，即为孔径的一半；

为网格i的组分对应的孔隙近壁面区域原油粘度；ls_i为网格i的组分对应的滑移长度。

步骤S14：根据页岩二维模型中各网格的表观渗透率，确定页岩二维模型的表观渗透率，作为页岩的表观渗透率。

利用开源数值模拟软件包MRST，将页岩二维模型中每个网格的表观渗透率进行渗透率尺度升级，得到模型尺度的表观渗透率，作为页岩二维模型的表观渗透率，将页岩二维模型的表观渗透率确定为页岩的表观渗透率。

具体为，利用MRST中的Upscaling模块进行原油单相流动时的渗透率尺度升级。

本发明实施例一提供的页岩油储层表观渗透率确定方法，根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型，粒径分布数据和孔径分布数据的参照，使得建立的页岩二维模型中每种组分的各颗粒，不再是平均尺寸，孔隙的孔径也不再是平均值，而是模拟了现实颗粒大小和真实孔径大小的分布情况，使得建立的模型更接近真实情况，从而确定的表观渗透率准确度更高。

建立的孔隙原油流速模型包括孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型，充分考虑了孔隙中近壁面区域和体相区域中原油粘度和流速的差异，进一步使得确定的表观渗透率准确度更高；且该模型能够适用于不同类型、不同区块、不同孔径分布的页岩储层岩心的渗透率评价，故模型的适用范围广，降低了建模成本，提高了计算效率。

在一个实施例中，获取页岩岩心中各指定组分的扫描电镜图片(ScanningElectron Microscop，SEM)；根据每种组分的扫描电镜图片SEM，确定该组分的粒径分布数据、孔隙度和孔径分布数据。参见图7所示，具体包括下述步骤：

步骤S71：有机质和矿物颗粒孔隙度与孔径分布数据获取。

有机质与矿物颗粒中的孔隙大小和分布存在很大的差异。可以采用开源软件ImageJ，通过分析高清扫描电镜图片SEM获取不同矿物颗粒和有机质中的孔隙大小和分布情况。如图6A所示，以方解石颗粒为例，为由方解石颗粒的SEM图片转换成的8bit灰度图，通过划定边界将方解石颗粒提取出来(图6B)，即可得到颗粒的面积大小(158.285μm²)，然后通过设置灰度阈值提取出孔隙(图6C)，利用软件的analyze particle功能即可得到孔隙的总面积(5.857μm²)与孔径频数分布直方图(图6D)，图6D中横坐标为孔隙直径,纵坐标为各孔径区段的孔隙频数。

页岩中孔径分布曲线往往满足对数尺度上的正态分布，因此在获得孔径的频数分布后，利用Matlab软件中的fitdist()函数进行孔径的正态分布拟合，得到孔径分布数据(孔径分布曲线)(图6D中的曲线)。

将孔隙总面积与方解石颗粒面积相除，即可得到方解石颗粒的粒内孔隙度(3.7％)。采用相同方法，通过分析大量SEM图片，可得到矿物颗粒(石英、长石、方解石)和有机质中的孔隙大小与分布情况，以及多个孔隙度值，从而确定孔隙度的平均值，上述每种组分的孔隙度值，指的是孔隙度平均值。

步骤S72：有机质和矿物颗粒大小分布数据获取。

有机质和矿物颗粒大小分布数据(粒径分布数据)同样可以利用ImageJ软件分析SEM图片获得。在步骤S711中已经测得一个方解石颗粒的面积(158.285μm²)，采用相同方法，通过分析大量SEM图片，即可获得某种矿物颗粒的大小分布情况。

步骤S73：有机质和矿物含量数据获取。

有机质或矿物含量可分别通过实验测得，其中有机质TOC含量可通过实验测得，而矿物含量数据可通过X射线衍射实验XRD测得。

理论上含量是重量含量，这里为了建模的需要将含量简化为面积含量。例如TOC含量为2.2％，石英56％、方解石9.4％、白云石16.2％，将四者归一化，使得含量之和为1，这样可以保证建立的页岩二维模型中每个网格都有对应的组分。

参照图8所示，为利用表观渗透率模型确定页岩表观渗透率的具体实现流程图，包括下述步骤：

步骤S801：输入资料。

包括页岩二维模型尺寸与网格数(或网格尺寸)；页岩组分数目(N)，即页岩中包含的矿物种类数目+1(有机质)；每种组分的相对含量(v_n，n＝1，2……N)，每种组分的粒径分布数据、孔隙度和孔径分布数据。

步骤S802：表征组分n的空间分布。

n初值设为1。

步骤S803：利用蒙特卡洛抽样方法从组分n的粒径分布数据中选择一个尺寸(Sg)，将该粒径的核心随机放置在一个模型的一个空白网格中。

步骤S804：按照设置的各方向生长概率将该粒径核心网格向四周网格生长。

步骤S805：判断模型中颗粒的尺寸是否等于Sg。

若是，执行步骤S806；若否，返回步骤S804。

步骤S806：判断模型中组分n的面积是否等于该组分的相对含量Vn。

若是，执行步骤S807；若否，返回步骤S803。

步骤S807：判断n是否等于N。

若是，执行步骤S808；若否，返回步骤S802。

步骤S808：得到页岩组分二维分布模型。

步骤S809：遍历整个二维分布模型，对每个网格，根据其组分类型赋予相应的孔隙度，并利用蒙特卡洛抽样从孔径分布数据中选择孔径赋予网格。

步骤S810：计算每个网格的表观渗透率。

步骤S811：利用MRST将表观渗透率升级到模型尺度。

步骤S812：输出模型渗透率。

将模型尺度的表观渗透率确定为模型的渗透率(表观渗透率)，输出模型渗透率。

本发明实施例构建的页岩油表观渗透率模型只需要利用图像处理软件处理SEM图来获得所需的页岩物性参数，进而利用理论公式与数值模拟方法得到页岩油的表观渗透率。只要输入恰当的参数，本发明即可在几分钟之内得到所需结果。由于页岩岩心非常致密，实测岩心的表观渗透率甚至会花费几个月的时间。因此本发明可大幅度降低时间成本，减少人力物力。

本发明实施例利用了页岩油在不同矿物与有机质中流动的分子模拟结果，能够准确表征在不同页岩组分中的微观流动机理。同时计算得到的页岩油表观渗透率解决了气测渗透率高估页岩油流动能力与固有渗透率低估其流动能力的问题，大幅度提高了评价页岩油流动能力的精度。

上述孔隙原油流速模型的建立，首先对传统的Hagen-Poiseuille方程进行滑移修正。孔隙体相区域与孔隙近壁面区域的流速可分别表示为下式(4)和(5)：

上式(4)和(5)中，c1和c2为两个待确定的系数。

边界条件可表示为下式(6)-(9)：

v_b|_r＝R-δ＝v_nw|_r＝R-δ (7)

求解公式(4)-(9)可得到上述孔隙原油流速模型。

将公式(1)、(2)分别对半径r进行积分，得到两个区域中油的流量为：

上式(10)和(11)中，q_b为孔隙体相区域原油流量；q_nw为孔隙近壁面区域原油流量。

将(10)、(11)两式相加即可得到总流量q_t：

考虑迂曲度的影响，则式(12)可表示为：

在每个网格中应用等径毛管束模型并结合式(13)，则每个网格中的流量可表示为：

式(14)中n_i为第i个网格中的毛细管数量。

根据达西定律，该网格中的流量又可表示为：

式中

为网格i的表观渗透率，A_g为网格i的渗流面积,

结合式(14)与式(15)，网格的表观渗透率可表示为上述公式(3)。

实施例二

本发明实施例二提供一种页岩表观渗透率确定的具体实现方法，其流程如图9所示，包括如下步骤：

步骤S91：数据获取。

以某块页岩岩心A为例，该岩心有机质TOC含量为2.2％，石英、方解石、白云石三者含量占无机矿物含量的82.11％以上，因此在建立页岩二维模型时仅考虑以上四种页岩组分。利用高精度成像技术及图像学方法获取数据，SEM图片分析所得的不同组分颗粒中孔径分布曲线如图10A-10D所示(图10A为有机质颗粒的孔径频数分布直方图和孔径分布曲线，图10B为白云石颗粒的孔径频数分布直方图和孔径分布曲线,图10C为石英颗粒的孔径频数分布直方图和孔径分布曲线，图10D为方解石颗粒的孔径频数分布直方图和孔径分布曲线)，粒径分布曲线(以方解石颗粒为例)如图11所示，可见孔径分布曲线和粒径分布曲线都符合正态分布；另外确定的有机质的平均孔隙度为12.5％，石英颗粒的平均孔隙度为1.25％，方解石颗粒的平均孔隙度为3.3％，白云石颗粒的平均孔隙度为1.82％。

步骤S92：页岩二维模型建立。

根据步骤S91获取的上述数据，建立的考虑实际页岩有机质与无机矿物大小与含量的随机分布模型，即页岩二维模型如图12所示，图12中的横纵坐标用于表示粒径的大小。

根据网格的组分及上述孔径分布曲线赋予每个网格相应的孔径与孔隙度。例如某个网格的组分是有机质，则将该网格的孔隙度设为12.5％，网格中等径毛管束模型的孔径为利用蒙特卡洛抽样法从图10A中的有机质孔径分布曲线中随机选定的。

步骤S93：确定每种组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系。

根据预先建立的孔隙原油流速模型，利用分子模拟结果拟合的不同组分的纳米孔隙中近壁面区域原油粘度与滑移长度系数的结果如表1所示：

表1近壁面区域原油粘度与滑移长度系数拟合结果

上述滑移长度系数(C₁、C₂和₃)的确定，是拟合多个孔径下的滑移长度后，利用下式(15)确定C₁、C₂和₃，即确定孔径与滑移长度的对应关系:

ls＝c₁exp(d/c₂)+c₃ (15)

步骤S94：确定每个网格的表观渗透率。

利用步骤S93确定的参数和上述公式(3)，即可确定每个网格的表观渗透率。

步骤S95：确定模型的表观渗透率。

利用MRST进行升级后得到模型的表观渗透率为0.2626μD，将模型的表观渗透率确定为页岩岩心的渗透率。若在式(3)中令ls＝0，且令μ_nw＝μ_b，则得到模型的固有渗透率为0.2287μD。

图13为该岩心利用脉冲衰减法测得的不同平均压力下的气测渗透率，经滑移校正后得到该岩心的固有渗透率为0.2231μD，与模型计算所得固有渗透率相对误差仅为2.5％。模型计算所得页岩油表观渗透率要比固有渗透率大17.3％，而20MPa下的气测渗透率(0.3μD)也要比页岩油表观渗透率大14.2％。因此本发明计算得到的表观渗透率能够更准确的表征页岩油在岩心中的流动特征。

基于同一发明构思，本发明实施例还提供一种强非均质页岩油储层表观渗透率确定装置，该装置的结构如图14所示，包括：

模型建立模块141，用于根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型，所述组分为矿物或有机质；针对每个网格，根据页岩二维模型中网格的组分和该组分的孔隙度及孔径分布数据，确定该网格的孔隙度与孔径；

参数确定模块142，用于针对每种所述组分，根据预先建立的孔隙原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，所述孔隙原油流速模型包括孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型；

网格表观渗透率确定模块143，用于针对每个网格，根据孔隙体相区域原油粘度、孔隙近壁面区域厚度、网格的孔隙度与孔径和网格组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，确定该网格的表观渗透率；

页岩表观渗透率确定模块144，用于根据页岩二维模型中各网格的表观渗透率，确定页岩二维模型的表观渗透率，作为页岩的表观渗透率。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

基于同一发明构思，本发明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，当该指令被处理器执行时实现上述强非均质页岩油储层表观渗透率确定方法。

除非另外具体陈述，术语比如处理、计算、运算、确定、显示等等可以指一个或更多个处理或者计算系统、或类似设备的动作和/或过程，所述动作和/或过程将表示为处理系统的寄存器或存储器内的物理(如电子)量的数据操作和转换成为类似地表示为处理系统的存储器、寄存器或者其他此类信息存储、发射或者显示设备内的物理量的其他数据。信息和信号可以使用多种不同的技术和方法中的任何一种来表示。例如，在贯穿上面的描述中提及的数据、指令、命令、信息、信号、比特、符号和码片可以用电压、电流、电磁波、磁场或粒子、光场或粒子或者其任意组合来表示。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。

对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

Claims (8)

1.一种强非均质页岩油储层表观渗透率确定方法，其特征在于，包括：

根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型，所述组分为矿物和有机质，针对每个网格，根据页岩二维模型中网格的组分和该组分的孔隙度及孔径分布数据，确定该网格的孔隙度与孔径；

针对每种所述组分，根据预先建立的孔隙原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，所述滑移长度为孔隙壁面处的速度与该处的流速梯度的比值，所述孔隙原油流速模型包括孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型，所述孔隙体相区域原油流速模型为下述公式：

所述孔隙近壁面区域原油流速模型为下述公式：

其中，r为孔隙中待确定原油流速的位置与孔隙轴线间的距离，v_b(r)为孔隙体相区域中与孔隙轴线间的距离为r的位置处的原油流速，v_nw(r)为孔隙近壁面区域中与孔隙轴线间的距离为r的位置处的原油流速；

为压力梯度；μ_nw为孔隙近壁面区域原油粘度，μ_b为孔隙体相区域原油粘度；R为孔隙半径；δ为孔隙近壁面区域厚度；ls为滑移长度；

针对每个网格，根据孔隙体相区域原油粘度、孔隙近壁面区域厚度、网格的孔隙度与孔径和网格组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，利用下式确定网格i的表观渗透率

其中，δ为孔隙近壁面区域厚度；μ_b为孔隙体相区域原油粘度；

为网格i的孔隙度；τ_i为网格i的迂曲度，

R_i为网格i中孔隙的半径；μⁱ _nw为网格i的组分对应的孔隙近壁面区域原油粘度；ls_i为网格i的组分对应的滑移长度；

根据页岩二维模型中各网格的表观渗透率，确定页岩二维模型的表观渗透率，作为页岩的表观渗透率。

2.如权利要求1所述的方法，其特征在于，所述根据预先建立的孔隙原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，具体包括：

获取利用分子动力学模拟方法得到的该组分的孔隙原油流速散点图，所述散点图的横坐标为待确定原油流速的位置与孔隙轴线间的距离，纵坐标为该位置的原油流速；

利用所述孔隙原油流速模型拟合所述散点图，得到指定孔径下该组分对应的孔隙近壁面原油粘度和滑移长度的值；

通过多组指定孔径和对应的滑移长度的值，得到孔径与滑移长度的对应关系。

3.如权利要求1所述的方法，其特征在于，所述利用四参数随机生长法建立页岩二维模型，具体包括：

针对指定组分中的每种组分，循环执行下述步骤，直至当前模型中该组分的网格所占比例与该组分的含量一致：

利用蒙特卡洛抽样方法从该组分的粒径分布数据中抽取一个粒径值，随机抽取当前模型中空白的网格设定为该组分的颗粒，按设定生长规则向四周的空白网格中生长该颗粒，直至颗粒的粒径生长为该粒径值。

4.如权利要求3所述的方法，其特征在于，所述根据页岩二维模型中网格的组分和该组分的孔隙度及孔径分布数据，确定该网格的孔隙度与孔径，具体包括：

根据网格的组分的孔径分布数据，采用蒙特卡洛抽样方法从该数据中抽取一个孔径值，确定该网格的孔径为抽取的孔径值，该网格的孔隙度为该组分的孔隙度。

5.如权利要求1所述的方法，其特征在于，还包括：

获取页岩岩心中各指定组分的扫描电镜图片SEM；

根据每种组分的扫描电镜图片SEM，确定该组分的粒径分布数据、孔隙度和孔径分布数据。

6.如权利要求1～5任一项所述的方法，其特征在于，所述页岩二维模型中网格的总面积大于从页岩中采集的岩样的表征单元面积，各网格的面积小于页岩中指定组分的最小颗粒的面积。

7.如权利要求1～5任一项所述的方法，其特征在于，所述根据页岩二维模型中各网格的表观渗透率，确定页岩二维模型的表观渗透率，具体包括：

利用开源数值模拟软件包MRST，将页岩二维模型中每个网格的表观渗透率进行渗透率尺度升级，得到模型尺度的表观渗透率，作为页岩二维模型的表观渗透率。

8.一种强非均质页岩油储层表观渗透率确定装置，其特征在于，包括：

模型建立模块，用于根据页岩指定组分的含量和粒径分布数据，利用四参数随机生长法建立页岩二维模型，所述组分为矿物或有机质；针对每个网格，根据页岩二维模型中网格的组分和该组分的孔隙度及孔径分布数据，确定该网格的孔隙度与孔径；

参数确定模块，用于针对每种所述组分，根据预先建立的孔隙原油流速模型，确定该组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，所述滑移长度为孔隙壁面处的速度与该处的流速梯度的比值，所述孔隙原油流速模型包括孔隙近壁面区域原油流速模型和孔隙体相区域原油流速模型，所述孔隙体相区域原油流速模型为下述公式：

所述孔隙近壁面区域原油流速模型为下述公式：

其中，r为孔隙中待确定原油流速的位置与孔隙轴线间的距离，v_b(r)为孔隙体相区域中与孔隙轴线间的距离为r的位置处的原油流速，v_nw(r)为孔隙近壁面区域中与孔隙轴线间的距离为r的位置处的原油流速；

为压力梯度；μ_nw为孔隙近壁面区域原油粘度，μ_b为孔隙体相区域原油粘度；R为孔隙半径；δ为孔隙近壁面区域厚度；ls为滑移长度；

网格表观渗透率确定模块，用于针对每个网格，根据孔隙体相区域原油粘度、孔隙近壁面区域厚度、网格的孔隙度与孔径和网格组分对应的孔隙近壁面区域原油粘度及孔径与滑移长度的对应关系，利用下式确定网格i的表观渗透率

其中，δ为孔隙近壁面区域厚度；μ_b为孔隙体相区域原油粘度；

为网格i的孔隙度；τ_i为网格i的迂曲度，

R_i为网格i中孔隙的半径；μⁱ _nw为网格i的组分对应的孔隙近壁面区域原油粘度；ls_i为网格i的组分对应的滑移长度；

页岩表观渗透率确定模块，用于根据页岩二维模型中各网格的表观渗透率，确定页岩二维模型的表观渗透率，作为页岩的表观渗透率。

Images