CN113310877B - 一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 - Google Patents
一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 Download PDFInfo
- Publication number
- CN113310877B CN113310877B CN202110629037.0A CN202110629037A CN113310877B CN 113310877 B CN113310877 B CN 113310877B CN 202110629037 A CN202110629037 A CN 202110629037A CN 113310877 B CN113310877 B CN 113310877B
- Authority
- CN
- China
- Prior art keywords
- resolution
- network model
- pore
- pore network
- low
- 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
- 239000011148 porous material Substances 0.000 title claims abstract description 362
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011435 rock Substances 0.000 title claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 51
- 230000035699 permeability Effects 0.000 claims abstract description 12
- 238000001198 high resolution scanning electron microscopy Methods 0.000 claims abstract description 8
- 238000001000 micrograph Methods 0.000 claims abstract description 8
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 238000001878 scanning electron micrograph Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000001225 nuclear magnetic resonance method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000003696 structure analysis method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000011800 void material Substances 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
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Dispersion Chemistry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种区域结构差异化的岩石多尺度孔隙网络模型构建方法,包括对岩心的预设物理区域开展高低分辨率SEM电镜扫描,将高分辨率SEM电镜图像划分为若干个高分辨率单元,对每个高分辨率单元构建三维数字岩心,并提取高分辨率孔隙网络模型;对低分辨率SEM电镜图像构建三维数字岩心,并提取低分辨率孔隙网络模型;将高分辨率孔隙网络模型通过虚拟喉道进行连接,构建高分辨率组合孔隙网络模型;将高分辨率组合孔隙网络模型与低分辨率孔隙网络模型进行融合,构建多尺度孔隙网络模型。本发明能够精确刻画纳米级孔隙与微米级孔隙分布,能够准确表征岩石孔隙结构和渗透率。
Description
技术领域
本发明属于油气开发技术领域,具体涉及一种区域结构差异化的岩石多尺度孔隙网络模型构建方法,以准确计算岩石孔隙结构参数和渗透率。
背景技术
我国油气储层岩石孔隙尺寸跨度较大(纳米-微米级),孔隙结构复杂,非均质较强。目前岩石孔隙结构分析方法主要可以划分为三类:(1)SEM/FIB-SEM/CT扫描图像直接分析方法,通过扫描图像重构页岩数字岩心,提取孔隙网络模型。在页岩数字岩心或孔隙网络模型基础上分析扫描区域孔隙结构性质,该方法基于单一分辨率下的扫描成像,构建单一分辨率下的物理模型来研究岩石孔隙结构和渗透率,由于单一分辨率扫描成像分析方法难以准确捕捉低于该分辨率下的孔隙发育情况,因此难以准确表征岩石孔隙结构和渗透率。(2)岩心物理实验方法,主要包括压汞法、核磁共振方法以及氮气吸附法。岩心物理实验方法能够得到岩石孔喉半径分布,但不同实验方法能够探测得到的最小孔径不同,并且无法准确获得孔隙空间的联通性信息,难以准确计算岩石渗透率。(3)多尺度孔隙网络模型方法,主要通过融合高低分辨率下扫描图像,构建高低分辨率下的孔隙网络模型,进一步建立能准确表征多尺度孔隙结构信息的多尺度孔隙网络模型,在此基础上既能准确得到孔隙统计信息,也能分析孔隙空间结构性质,克服了扫描图像直接分析方法和岩心物理实验方法的不足。
目前多尺度孔隙网络模型构建方法存在较大的技术缺陷,主要原因在于:1)高分辨率孔隙网络模型通过选取高分辨率扫描电镜图像上的局部物理区域构建,忽略了高分辨率视野下不同物理区域的孔隙结构差异,因此会对强非均质性岩石孔隙结构表征和渗透率计算带来较大误差。2)目前多尺度孔隙网络模型构建通过融合单一高分辨率孔隙网络模型与低分辨率孔隙网络模型得到。融合过程中高低分辨率视野下的孔隙连接关系存在很强的随机性,无法准确刻画考虑高低分辨率孔隙结构后的孔隙联通情况。3)油气储层岩石孔隙尺寸跨度较大,既存在纳米级孔隙又存在微米级孔隙,并且不同大小孔隙之间联通性较为复杂,现有多尺度孔隙网络模型分析方法,无法考虑高分辨率下不同区域孔隙结构差异,以及低分辨率视野下的孔隙与高分辨率视野下的孔隙之间联通关系,无法准确表征岩石孔隙结构特征和计算渗透率。
发明内容
为解决现有技术存在的问题,本发明提供了一种区域结构差异化的岩石多尺度孔隙网络模型构建方法,通过将高分辨率扫描电镜图像划分物理单元构建高分辨率孔隙网络模型,按照物理空间位置与同一物理尺寸下的低分辨率孔隙网络模型相融合,准确表征岩石孔隙结构和渗透率。
为实现上述目的,本发明提供了如下方案:本发明一种区域结构差异化的岩石多尺度孔隙网络模型构建方法,包括以下步骤:
在页岩的预设物理区域内进行SEM电镜扫描,分别得到高分辨率SEM电镜图像和低分辨率SEM电镜图像;
将所述高分辨率SEM电镜图像划分为若干个高分辨率单元,对每个所述高分辨率单元进行编号;在每个所述高分辨单元内构建高分辨率三维数字岩心,对每个所述高分辨率三维数字岩心提取高分辨率孔隙网络模型;所述高分辨率孔隙网络模型用于获取每个所述高分辨率单元的孔喉半径分布、形状因子分布、配位数分布;
基于所述低分辨率SEM电镜图像,构建低分辨率三维数字岩心,对所述低分辨率三维数字岩心提取低分辨率孔隙网络模型;
将每个所述高分辨率孔隙网络模型相邻边界上的孔隙,通过第一虚拟喉道进行连接得到高分辨率组合孔隙网络模型;
将所述高分辨率组合孔隙网络模型与所述低分辨率孔隙网络模型进行融合,构建多尺度孔隙网络模型。
优选地,获得所述多尺度孔隙网络模型后,计算所述多尺度孔隙网络模型上的孔隙半径和压力分布,基于多尺度孔隙网络模型采用达西公式计算岩心渗透率。
优选地,对每个所述高分辨率单元进行编号的方式为按照XY的方向依次进行编号。
优选地,构建所述高分辨率三维数字岩心和所述低分辨率三维数字岩心的方法采用马尔科夫链蒙特卡洛方法,提取所述高分辨率孔隙网络模型和所述低分辨率孔隙网络模型的方法采用最大球法。
优选地,基于最大球法提取高分辨率孔隙网络模型和低分辨率孔隙网络模型的过程中,将所述高分辨率孔隙网络模型和低分辨率孔隙网络模型中的真实孔隙和喉道形状通过正方形、任意三角形和/或圆形进行表示。
优选地,所述第一虚拟喉道的尺寸满足以下条件:
rvt(i,j)∈Ni(rt)(i<j) (5)
式中,Ni(rt)表示编号值i对应的所述高分辨率孔隙网络模型中的喉道尺寸分布;rvt(i,j)表示连接编号i、编号j高分辨率孔隙网络模型之间的第一虚拟喉道尺寸。
优选地,所述高分辨率组合孔隙网络模型与所述低分辨率孔隙网络模型进行融合的方法包括:
将所述低分辨率孔隙网络模型中位于域Ωk的所有孔隙构建为第一特定孔隙集,所述域Ωk由编号为k的所述高分辨率单元中所述高分辨率孔隙网络模型所处的空间构成;
将所述高分辨率组合孔隙网络模型中孔隙尺寸大于所述第一特定孔隙集中预设尺寸的孔隙,构建为第二特定孔隙集;
将所述高分辨率组合孔隙网络模型中与所述第二特定孔隙集中的孔隙相连接的孔隙,构建为第三特定孔隙集;
将所述第三特定孔隙集中的孔隙与所述第一特定孔隙集中的孔隙进行随机连接,完成所述高分辨率组合孔隙网络模型与所述低分辨率孔隙网络模型的融合。
优选地,所述第一特定孔隙集与所述第三特定孔隙集通过第二虚拟喉道相连接时,所述第二虚拟喉道的数量与所述第二特定孔隙集中的孔隙数量相同,所述第二虚拟喉道的尺寸基于所述高分辨率孔隙网络模型中的喉道尺寸分布进行获取。
本发明公开了以下技术效果:
(1)本发明提出的多尺度孔隙网络模型构建方法能准确考虑高分辨率视野下不同物理区域间的孔隙结构差异以及低分辨率视野下的孔隙与高分辨率视野下的孔隙之间联通关系,克服了目前多尺度孔隙网络模型构建方法的缺陷;
(2)本发明建立的基于区域孔隙结构差异的岩石多尺度孔隙网络模型构建方法所需输入资料易获取,计算速度快,准确度高,方便推广应用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为区域结构差异化的岩石多尺度孔隙网络模型构建方法的流程示意图。
图2为同一物理区域不同分辨率下页岩扫描电镜二值化图像,黑色表示孔隙,白色表示骨架;(a)像素尺寸:240×240,分辨率69.25nm;(b)像素尺寸:1200×1200,分辨率13.85nm;
图3为区域划分后的高分辨率页岩扫描电镜二值化图像,整体像素尺寸:1200×1200,物理尺寸:16.62μm×16.62μm,局部图像像素尺寸400×400,物理尺寸5.54μm×5.54μm;
图4为马尔科夫链蒙特卡洛方法数值重构得到的9个不同局部区域三维页岩数字岩心,体素大小400×400×400,物理尺寸5.54μm×5.54μm×5.54μm;
图5为空隙空间的简化与不同规则几何体横截面对应的形状因子;
图6为基于不同局部区域三维页岩数字岩心提取得到的9个页岩孔隙网络模型(每个页岩孔隙网络模型物理尺寸5.54μm×5.54μm×5.54μm);
图7为基于不同局部区域页岩孔隙网络模型计算得到的孔喉半径分布;
图8为基于不同局部区域页岩孔隙网络模型计算得到的形状因子分布;
图9为基于不同局部区域页岩孔隙网络模型计算得到的配位数分布;
图10为马尔科夫链蒙特卡洛方法数值重构得到的相同物理尺寸下低分辨率三维页岩数字岩心,体素大小240×240×80,物理尺寸16.62μm×16.62μm×5.54μm;
图11为基于低分辨率三维页岩数字岩心提取得到的低分辨率页岩孔隙网络模型,物理尺寸16.62μm×16.62μm×5.54μm;
图12为基于低分辨率页岩孔隙网络模型计算得到的孔喉半径分布;
图13为基于物理区域约束的高低分辨率页岩孔隙网络模型融合得到的页岩多尺度孔隙网络模型;
图14为页岩多尺度孔隙网络模型孔喉半径分布与低分辨率页岩孔隙网络模型孔喉半径分布比较;
图15为页岩多尺度孔隙网络模型与低分辨率页岩孔隙网络模型形状因子分布比较;
图16为页岩多尺度孔隙网络模型与低分辨率页岩孔隙网络模型配位数分布比较;
图17为孔隙网络模型上的基本单元,由单个喉道和两端连接的孔隙组成。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”、“第四”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示,本实施例以我国某页岩气藏区块为例,提供一种区域结构差异化的岩石多尺度孔隙网络模型构建方法,包括如下步骤:
S1、在预设物理区域内进行SEM电镜扫描,获得高低分辨率的页岩SEM电镜图像;
本实施例中,所选取的某页岩气藏区块物理尺寸为16.62μm×16.62μm,不同分辨率下的页岩扫描电镜图像如图2所示;
由图2可以看出,低分辨率扫描电镜图像能够准确捕捉大孔隙的分布模式,但无法描述小孔隙的分布模式;高分辨率扫描电镜图像能够同时捕捉小孔隙以及大孔隙的分布模式。
S2、将所述高分辨率SEM电镜图像划分为若干个高分辨率单元,对每个所述高分辨率单元进行编号;在每个所述高分辨单元内构建高分辨率三维数字岩心,对每个所述高分辨率三维数字岩心提取高分辨率孔隙网络模型;所述高分辨率孔隙网络模型用于获取每个所述高分辨率单元的孔喉半径分布、形状因子分布、配位数分布;
首先,将高分辨率SEM电镜图像划分为3×3个400×400像素大小的高分辨率单元,按照XY方向依次编号为①-⑨,以每个独立的高分辨率单元为研究对象,如图3所示;
其次,采用马尔科夫链蒙特卡洛方法数值重构得到体素大小为400×400×400,物理尺寸为5.54μm×5.54μm×5.54μm的高分辨率三维数字岩心,如图4所示;
然后,对每个所述高分辨率单元的三维页岩数字岩心采用最大球法提取高分辨率孔隙网络模型,如图6所示;
图6提取的9个高分辨率孔隙网络模型,为降低可视化对计算机的要求,孔隙采用圆形孔隙进行可视化,喉道采用圆柱体进行表示,从图中可以看出,提取的高分辨率孔隙网络模型能够很好地反映局部区域孔隙结构性质;
由图3和图6相互对照可以看出,图3的⑤号区域整体孔隙分布相对集中,图3的⑥号、⑨号区域孔隙分布较为分散,相对应的图6的⑤号区域孔隙网络模型连通性较好,图6的⑥号、⑨号区域孔隙网络模型连通性较差;
由图7、8、9可以看出,高分辨率孔隙网络模型能够很好的捕捉不同高分辨率单元中小孔隙尺寸的分布规律,并且高分辨率孔隙网络模型中存在一定数量的孤立孔隙,高分辨率孔隙网络模型只能反映小孔隙的孔隙分布模式,并不能反映大孔隙的分布模式;
所述最大球法基于孔隙的局部空间计算得到的形状因子,将真实孔隙和喉道形状通过正方形、任意三角形和/或圆形表示,如图5所示;
对于截面形状为三角形的孔隙、喉道单元体,其三个内角的确定方法如下:假设三角形的三个内角分别为β1、β2和β3,并有β1<β2<β3,则计算β1、β2、β3的具体步骤为:
①根据给定的形状因子数值G,首先计算β2的取值区间[β2,min,β2,max]:
②根据取值区间随机选取β2的数值。然后,通过下式计算β1:
③最后,得到β3的值:
由于提取得到的高分辨率孔隙网络模型中孔隙、喉道具有和原始页岩数字岩心空隙空间等效的形状因子,因此高分辨率孔隙网络模型能够准确反映局部重构得到的高分辨率三维数字岩心孔隙结构特征。
S3、基于所述低分辨率SEM电镜图像,构建低分辨率三维数字岩心,对所述低分辨率三维数字岩心提取低分辨率孔隙网络模型;
首先,根据步骤S1得到的低分辨率SEM电镜图像,采用马尔科夫链蒙特卡洛方法进行数值重构,得到物理尺寸为16.62μm×16.62μm×5.54μm,体素大小为240×240×80的低分辨率三维数字岩心,如图10所示;
其次,对所述低分辨率三维数字岩心,采用最大球法提取低分辨率孔隙网络模型,如图11所示;
由图12可以看出,低分辨率孔隙网络模型能够准确反映大孔隙尺寸的分布规律,并且低分辨率孔隙网络模型中存在一定数量的不连通大孔隙,整体孔隙空间的联通性较差。
S4、将步骤S2得到的高分辨率孔隙网络模型,通过增加第一虚拟喉道的方式连接起来,获得高分辨率组合孔隙网络模型;
所述第一虚拟喉道的作用,主要是将两个高分辨率孔隙网络模型相邻边界上的孔隙连接起来;
由图3可以看出,编号为①的高分辨率孔隙网络模型需要与编号为②、④的高分辨率孔隙网络模型进行连接,编号为⑤的高分辨率孔隙网络模型需要与编号为②,④,⑥,⑧的高分辨率孔隙网络模型进行连接;
本实施例中,将编号i与编号j的高分辨率孔隙网络模型进行连接,并且编号i小于编号j,那么第一虚拟喉道的尺寸满足以下条件:
rvt(i,j)∈Ni(rt)(i<j) (5)
式中,Ni(rt)表示编号值i对应的高分辨率孔隙网络模型中的喉道尺寸分布;rvt(i,j)表示连接编号i、编号j的高分辨率孔隙网络模型之间的第一虚拟喉道尺寸;
式(5)的物理意义为第一虚拟喉道的尺寸大小由编号值较小的高分辨率孔隙网络模型中的喉道尺寸分布控制,连接编号为i、j的高分辨率孔隙网络模型之间的第一虚拟喉道数量Nij,与编号为i的高分辨率孔隙网络模型的i、j边界面上的孔隙数量相同;
通过在另一端编号为j的高分辨率孔隙网络模型的边界面孔隙上,随机选取连接点,将编号为i、j的高分辨率孔隙网络模型连接起来,最终构建得到高分辨率组合孔隙网络模型。
高分辨率组合孔隙网络模型只能反映局部小孔隙的分布模式,整体视野下的大孔隙分布规律由低分辨率孔隙网络模型反映。
S5、将步骤S4得到的高分辨率组合孔隙网络模型,结合步骤S3得到的低分辨率孔隙网络模型对大孔隙分布进行建模,构建多尺度孔隙网络模型,具体步骤如下:
S5.1:如图3所示,本实施例中将编号①-⑨的高分辨率孔隙网络模型所处的空间区域依次称为域Ω1,Ω2,…,Ω9;低分辨率孔隙网络模型中每个孔隙所处的空间位置为(x,y,z),将低分辨率孔隙网络模型上的每个孔隙进行区域划分,按照x,y的值匹配不同高分辨率单元所处的区域,对于任一低分辨率孔隙网络模型上的孔隙,若其位于域Ωk,则该孔隙属于第一特定孔隙集中的一个元素;
所述第一特定孔隙集的物理意义为,低分辨率孔隙网络模型上位于域Ωk的所有孔隙的集合;
本实施例中,第一特定孔隙集为Plk集合,若低分辨率孔隙网络模型上某个孔隙x,y值均小于5.54μm,则该孔隙位于域Ω1,该孔隙标记为Pl1中集合的一个元素;若某个孔隙x值在5.54μm与11.08μm之间,y值大于11.08μm,则该孔隙位于域Ω9,该孔隙标记为Pl9中集合的一个元素。
S5.2:首先,分别找到Pl1,Pl2,…,Pl9集合中不同域内,孔隙尺寸为预设尺寸的孔隙,依次标记为rth1,rth2,…,rth9,识别出高分辨率组合孔隙网络模型中孔隙尺寸大于预设尺寸的全部孔隙,这些孔隙构建为第二特定孔隙集;
其次,在高分辨率组合孔隙网络模型中,找到与第二特定孔隙集中的孔隙相连接的全部孔隙,将这些孔隙构建为第三特定孔隙集;
本实施例中,第二特定孔隙集为Pol集合,第三特定孔隙集为Pss集合,由于高分辨率组合孔隙网络模型只能反映局部小孔隙的分布模式,并不能准确反映大孔的分布模式,因此将Pol集合中的孔隙在高分辨率组合孔隙网络模型中进行删除;
S5.3:将Pss集合中的孔隙按照所在域Ωk与Plk集合中的孔隙通过第二虚拟喉道进行随机连接;
所述第二虚拟喉道的数量与Pol集合中的孔隙数量相同;
所述第二虚拟喉道的尺寸rlh,按照所在的高分辨率孔隙网络模型中的喉道尺寸分布进行给定。
通过以上步骤,将高分辨率组合孔隙网络模型与低分辨率孔隙网络模型进行了融合,从而得到了多尺度孔隙网络模型,融合过程中既保留了小孔隙系统的联通特性,也保留了大孔隙系统的联通特性。
由图13可以看出,多尺度孔隙网络模型的孔隙数量为125391,喉道数量为178278。
由图14可以看出,多尺度孔隙网络模型的孔喉半径分布同时体现小孔隙-大孔隙尺寸分布,孔喉半径从几个纳米跨越到几百纳米,并且相比于低分辨率页岩孔隙网络模型孔喉半径分布,整合多尺度孔隙结构后30nm以下的孔隙占据绝大部分。
由图15可以看出,通过对比多尺度孔隙网络模型与低分辨率孔隙网络模型形状因子分布,考虑多尺度孔隙结构后不规则三角形孔隙和正方形孔隙比例显著增加,圆形孔隙比例有所降低。
由图16可以看出,对比多尺度孔隙网络模型与低分辨率孔隙网络模型配位数分布发现,由于高分辨率孔隙网络模型中存在大量孤立孔隙,相比于低分辨率孔隙网络模型考虑多尺度孔隙结构后,孔隙系统整体联通性较差。低分辨率孔隙网络模型平均配位数为3.14,多尺度孔隙网络模型平均配位数为2.34。
根据步骤S1-S5得到多尺度孔隙网络模型后,本实施例给出了基于多尺度孔隙网络模型,计算孔喉半径分布、压力分布,以及根据达西公式计算出岩心的渗透率,具体过程如下:
首先通过统计多尺度孔隙网络模型上每个孔隙半径、喉道半径大小,计算多尺度孔隙网络模型的孔喉半径分布。
对于多尺度孔隙网络模型上的每个孔隙,流体的流入流出量相等,可表示为:
Qij=gij(Pi-Pj) (7)
式中,Qij表示孔隙i流向孔隙j中的气体流量;Ni表示与孔隙i相连的孔隙个数;Pi,Pj分别表示孔隙i和孔隙j上的压力;
根据图17,gij表示孔隙i与孔隙j之间的传导率,可表示为:
式中,gi、gt、gj分别表示孔隙i,喉道,孔隙j的传导率;
传导率物理意义为单位压差下流体通过单个孔隙中的流量,圆形孔隙、正方形孔隙、三角形孔隙内传导率可分别表示为:
式中,r圆形孔隙半径;w为正方形孔隙边长;l为孔隙长度;Atri为三角形孔隙横截面积;μ为流体粘度;
根据地层条件下给定的压力梯度0.1MPa/m,给定多尺度孔隙网络模型上压力降△Ppnm1.662Pa,流体粘度给定为2mPa·S,根据达西公式(式(12))求解得到多尺度孔隙网络模型渗透率结果为3.79×10-4μm2:
式中,k为渗透率;Ainlet为孔隙网络模型入口横截面积;Qinlet为每个入口孔隙流体流量;Ninlet为入口孔隙数量,Lpnm为多尺度孔隙网络模型流动方向长度。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (6)
1.一种区域结构差异化的岩石多尺度孔隙网络模型构建方法,其特征在于,包括以下步骤:
在页岩的预设物理区域内进行SEM电镜扫描,分别得到高分辨率SEM电镜图像和低分辨率SEM电镜图像;
将所述高分辨率SEM电镜图像划分为若干个高分辨率单元,对每个所述高分辨率单元进行编号;在每个所述高分辨单元内构建高分辨率三维数字岩心,对每个所述高分辨率三维数字岩心提取高分辨率孔隙网络模型;所述高分辨率孔隙网络模型用于获取每个所述高分辨率单元的孔喉半径分布、形状因子分布、配位数分布;基于所述低分辨率SEM电镜图像,构建低分辨率三维数字岩心,对所述低分辨率三维数字岩心提取低分辨率孔隙网络模型;
将每个所述高分辨率孔隙网络模型相邻边界上的孔隙,通过第一虚拟喉道进行连接得到高分辨率组合孔隙网络模型;
将所述高分辨率组合孔隙网络模型与所述低分辨率孔隙网络模型进行融合,构建多尺度孔隙网络模型;
对每个所述高分辨率单元进行编号的方式为按照XY的方向依次进行编号;
所述高分辨率组合孔隙网络模型与所述低分辨率孔隙网络模型进行融合的方法包括:
将所述低分辨率孔隙网络模型中位于域Ωk的所有孔隙构建为第一特定孔隙集,所述域Ωk由编号为k的所述高分辨率单元中所述高分辨率孔隙网络模型所处的空间构成;
将所述高分辨率组合孔隙网络模型中孔隙尺寸大于所述第一特定孔隙集中预设尺寸的孔隙,构建为第二特定孔隙集;
将所述高分辨率组合孔隙网络模型中与所述第二特定孔隙集中的孔隙相连接的孔隙,构建为第三特定孔隙集;
将所述第三特定孔隙集中的孔隙与所述第一特定孔隙集中的孔隙进行随机连接,完成所述高分辨率组合孔隙网络模型与所述低分辨率孔隙网络模型的融合。
2.根据权利要求1所述的区域结构差异化的岩石多尺度孔隙网络模型构建方法,其特征在于,获得所述多尺度孔隙网络模型后,计算所述多尺度孔隙网络模型上的孔喉半径分布和压力分布,基于多尺度孔隙网络模型采用达西公式计算岩心渗透率。
3.根据权利要求1所述的区域结构差异化的岩石多尺度孔隙网络模型构建方法,其特征在于,构建所述高分辨率三维数字岩心和所述低分辨率三维数字岩心的方法采用马尔科夫链蒙特卡洛方法,提取所述高分辨率孔隙网络模型和所述低分辨率孔隙网络模型的方法采用最大球法。
4.根据权利要求3所述的区域结构差异化的岩石多尺度孔隙网络模型构建方法,其特征在于,基于最大球法提取高分辨率孔隙网络模型和低分辨率孔隙网络模型的过程中,将所述高分辨率孔隙网络模型和低分辨率孔隙网络模型中的真实孔隙和喉道形状通过正方形、任意三角形和/或圆形进行表示。
5.根据权利要求1所述的区域结构差异化的岩石多尺度孔隙网络模型构建方法,其特征在于,所述第一虚拟喉道的尺寸满足以下条件:
rvt(i,j)∈Ni(rt)(i<j)(5)式中,Ni(rt)表示编号值i对应的所述高分辨率孔隙网络模型中的喉道尺寸分布;rvt(i,j)表示连接编号i、编号j高分辨率孔隙网络模型之间的第一虚拟喉道尺寸。
6.根据权利要求1所述的区域结构差异化的岩石多尺度孔隙网络模型构建方法,其特征在于,所述第一特定孔隙集与所述第三特定孔隙集通过第二虚拟喉道相连接时,所述第二虚拟喉道的数量与所述第二特定孔隙集中的孔隙数量相同,所述第二虚拟喉道的尺寸基于所述高分辨率孔隙网络模型中的喉道尺寸分布进行获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110629037.0A CN113310877B (zh) | 2021-06-07 | 2021-06-07 | 一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110629037.0A CN113310877B (zh) | 2021-06-07 | 2021-06-07 | 一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113310877A CN113310877A (zh) | 2021-08-27 |
CN113310877B true CN113310877B (zh) | 2022-12-06 |
Family
ID=77377464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110629037.0A Active CN113310877B (zh) | 2021-06-07 | 2021-06-07 | 一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113310877B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115993376B (zh) * | 2022-12-06 | 2023-09-15 | 东北石油大学 | 一种基于随机生长法的页岩基质数字岩心重构方法 |
CN116127761B (zh) * | 2023-02-13 | 2023-09-01 | 中国科学院武汉岩土力学研究所 | 一种识别页岩孔隙的双尺度孔隙网络模型构建及求解方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428321A (zh) * | 2020-04-03 | 2020-07-17 | 中国石油天然气股份有限公司 | 一种基于简化数字岩心的砾岩储层孔隙网络模型建模方法 |
CN112017274A (zh) * | 2019-05-29 | 2020-12-01 | 四川大学 | 基于模式匹配的多分辨率三维岩心孔隙融合方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2576501C2 (ru) * | 2011-02-28 | 2016-03-10 | Шлюмбергер Текнолоджи Б.В. | Способы построения 3-мерных цифровых моделей пористой среды с использованием комбинации данных высокого и низкого разрешения и многоточечной статистики |
CN103822865B (zh) * | 2014-03-20 | 2016-05-04 | 中国石油大学(华东) | 一种高分辨率三维数字岩心建模方法 |
CN106780744B (zh) * | 2016-12-27 | 2020-04-10 | 中国石油天然气集团公司 | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 |
CN110320137A (zh) * | 2018-03-29 | 2019-10-11 | 中国石油化工股份有限公司 | 一种基于数字岩心的多尺度融合方法 |
CN108876923A (zh) * | 2018-06-17 | 2018-11-23 | 西南石油大学 | 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 |
CN109345625B (zh) * | 2018-08-27 | 2022-05-03 | 四川大学 | 岩心图像自适应分区三维重建方法 |
CN112017273B (zh) * | 2019-05-28 | 2022-12-13 | 四川大学 | 基于模式密度函数模拟算法的多分辨率岩心孔隙融合方法 |
CN110853138B (zh) * | 2019-11-21 | 2023-08-18 | 科吉思石油技术咨询(北京)有限公司 | 双重介质碳酸盐岩孔隙-裂缝双重网络模型构建方法 |
CN111402266A (zh) * | 2020-03-13 | 2020-07-10 | 中国石油大学(华东) | 一种构建数字岩心的方法及系统 |
CN112132965B (zh) * | 2020-09-25 | 2024-03-26 | 中国矿业大学 | 一种岩土体孔裂隙结构多尺度表征方法 |
-
2021
- 2021-06-07 CN CN202110629037.0A patent/CN113310877B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017274A (zh) * | 2019-05-29 | 2020-12-01 | 四川大学 | 基于模式匹配的多分辨率三维岩心孔隙融合方法 |
CN111428321A (zh) * | 2020-04-03 | 2020-07-17 | 中国石油天然气股份有限公司 | 一种基于简化数字岩心的砾岩储层孔隙网络模型建模方法 |
Non-Patent Citations (2)
Title |
---|
基于CT扫描法构建数字岩心的分辨率选取研究;王晨晨等;《科学技术与工程》;20130208(第04期);全文 * |
碳酸盐岩双孔隙数字岩心结构特征分析;王晨晨等;《中国石油大学学报(自然科学版)》;20130430;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113310877A (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110853138B (zh) | 双重介质碳酸盐岩孔隙-裂缝双重网络模型构建方法 | |
CN113310877B (zh) | 一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 | |
CN109697752B (zh) | 基于岩心ct图像孔隙信息提取定量表征岩心非均质性方法 | |
CN106324002A (zh) | 一种基于岩石分类和多尺度数字岩心的碳酸盐岩孔隙结构表征方法 | |
CN106127777B (zh) | 一种三维空间裂缝分离识别与表征方法 | |
CN109242985B (zh) | 一种从三维图像确定孔隙结构关键参数的方法 | |
CN104641259B (zh) | 利用多相流表征单元体积确定的数字岩石分析系统与方法 | |
CN113609696B (zh) | 基于图像融合的多尺度多组分数字岩心构建方法及系统 | |
CN104237103B (zh) | 一种孔隙连通性定量表征方法及装置 | |
CN105806765A (zh) | 一种显微ct扫描土体空间孔隙结构的精细化表征方法 | |
CN104619952B (zh) | 具可靠多相渗透性决定数字岩石分析系统及方法 | |
CN104751473B (zh) | 碳酸岩多尺度孔洞特征的确定方法及装置 | |
CN105551004A (zh) | 一种基于岩心ct图像处理的剩余油微观赋存表示方法 | |
CN108802073A (zh) | 一种基于数字岩心的岩石电性参数获取方法及装置 | |
CN109977469A (zh) | 一种基于Voronoi图的二维多孔介质模型构建方法 | |
CN110320137A (zh) | 一种基于数字岩心的多尺度融合方法 | |
CN113916916B (zh) | 一种用于页岩数字岩心三维渗流-颗粒流动耦合的模拟方法 | |
CN112348880B (zh) | 一种非常规储层多尺度与多组分数字岩心构建方法 | |
CN115235977A (zh) | 基于分形特征计算页岩多尺度孔径分布的方法及系统 | |
CN111911142A (zh) | 裂缝性致密砂岩气藏含水饱和度模型数字岩心构建方法 | |
CN109345625A (zh) | 岩心图像自适应分区三维重建方法 | |
CN112069704A (zh) | 真实混凝土试件的多自由度格构模型的构建方法 | |
CN114609010A (zh) | 一种页岩储层油水相对渗透率的测定方法及装置 | |
CN114998246A (zh) | 基于图像分层处理技术计算多孔介质绝对渗透率的方法 | |
CN110363848A (zh) | 一种基于数字岩心的孔隙网络模型的可视化方法及装置 |
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 |