CN113917554A - 一种页岩储层页理缝密度的预测方法及电子设备 - Google Patents
一种页岩储层页理缝密度的预测方法及电子设备 Download PDFInfo
- Publication number
- CN113917554A CN113917554A CN202010647103.2A CN202010647103A CN113917554A CN 113917554 A CN113917554 A CN 113917554A CN 202010647103 A CN202010647103 A CN 202010647103A CN 113917554 A CN113917554 A CN 113917554A
- Authority
- CN
- China
- Prior art keywords
- density
- shale
- page
- seam
- carbon content
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 67
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000012773 Laboratory assay Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 21
- 238000011156 evaluation Methods 0.000 abstract description 12
- 239000007789 gas Substances 0.000 description 23
- 239000010426 asphalt Substances 0.000 description 11
- 239000011435 rock Substances 0.000 description 10
- 238000007619 statistical method Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 239000003079 shale oil Substances 0.000 description 4
- 208000035126 Facies Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 239000002734 clay mineral Substances 0.000 description 3
- 238000009533 lab test Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002285 radioactive effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 229910052683 pyrite Inorganic materials 0.000 description 2
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 2
- 239000011028 pyrite Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- -1 argon ion Chemical class 0.000 description 1
- 229910001748 carbonate mineral Inorganic materials 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004058 oil shale Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
-
- 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
- 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
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Abstract
本发明公开了一种页岩储层页理缝密度的预测方法及电子设备,该方法包括:获取取芯井段岩芯样品的页理缝密度;获取取芯井段岩芯样品的总有机碳含量;基于页理缝密度和总有机碳含量,建立页理缝密度定量预测关系;基于页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度。本发明的页岩储层页理缝密度的预测方法基于取芯井段岩芯样品的页理缝密度和总有机碳含量确定页理缝密度与总有机碳含量之间的关系,即页理缝密度定量预测关系,依据此预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度,实现对页岩气田范围内未取芯井段页理缝密度的横向预测,可用于页岩气勘探开发选区、选层评价以及产能评价和递减分析。
Description
技术领域
本发明属于油气田勘探开发领域,具体涉及一种页岩储层页理缝密度的预测方法及电子设备。
背景技术
页理发育是页岩储层的典型特征。根据沉积岩石学的定义,页理是在页岩中发育的水平层理,其水平细层的厚度小于1cm者称为页状层理或页理。按照沉积岩石学,页理由沉积、成岩作用形成,层面代表了短暂的无沉积或沉积作用突然变化的间断面。页理是页岩沿层理方向易剥裂成页片的性质,是由于层状粘土矿物水平定向排列而具有易剥裂性的结果。
如同砂岩储集层那样,成因于水动力的岩石组构引起渗透率的各向异性,对油气的开采动态具有重要影响。对于页岩储层而言,页理对渗透率的影响更为显著,页岩水平方向渗透率一般远大于垂直方向的渗透率。近年来,页岩油气在能源供给中的作用越来越大,随着对页岩气、页岩油工业开采实践的升级和研究的深入,对页岩页理的特征、形成机理及其在页岩油气开采中的作用的研究越来越深入。
页理缝是页岩储层最重要的一类裂缝。页理缝与页理密切相关,页理面是一个弱的结构面,在外力作用下页理面张开形成页理缝。
页理缝在页岩油气生产中的重要作用,表现在两个方面,一是页理缝构成页岩气产出的主要通道,页岩油气一般由孔隙流入以页理缝为主的天然裂缝,再由天然裂缝流入水力压裂形成的人工裂缝,最后由人工裂缝流入井筒采出,因此页理缝越发育页岩的水平渗透率越高;二是页理和页理缝对人工裂缝的延伸和扩展具有控制作用,对体积压裂和人工裂缝的复杂程度具有重要影响(衡帅,层理对页岩水力裂缝扩展的影响研究,岩石力学与工程学报,2015,Vol.34,No.2)。
页理缝密度表示每米页岩发育页理缝的条数。页理缝密度是描述和评价页岩储层品质的重要参数,对页理缝密度的预测是页岩气勘探开发选区评价和产能评价的重要内容之一。
对页理缝的观察与统计主要针对页岩岩芯来实施,包括肉眼观察、高倍电子显微镜和高分辨率CT等。
在取芯井现场利用普通放大镜通过肉眼对出井岩芯观察与统计页理缝和页理缝密度,是最常规的页理缝描述和统计方法,这样的页理缝统计方法基于宏观页岩样品,代表性好。
通过CT扫描观察页理缝,近年来也有文献发表(刘伟新,等,川东南志留系龙马溪组页岩储层微孔隙结构及连通性研究,石油实验地质,2016,Vol.38,No.4),由于观察样品小,高分辨CT用于观察延伸长度有限的页理缝,研究页理缝与其他微裂缝的结构和关系等。
通过MAPS(氩离子抛光电子显微镜微图像拼接)也可以观察更为微观的页理缝(汪虎,等,石油与天然气地质,2019,40(1))。MAPS技术可用于研究页理缝的充填特征等多个方面,但由于观察尺度微观,统计的页理缝密度巨量,非均质程度高,代表性差。
对页岩气的开发取芯井极少,对页理缝的观察与统计只能在极为珍贵的少量岩芯上进行。而页岩气开发大量使用水平井,且水平井在目的层段穿行轨迹往往超过1000米,水平井通过测井和测井解释等手段可获得目的层的大量有用信息。如何利用取芯井岩芯综合分析和观察资料,建立页理缝密度的预测关系,基于此预测关系对未取芯地区实现页理缝的预测,对于油页岩气的开发具有重要意义。
欧成华和李朝纯(页岩岩相表征及页理缝三维离散网络模型,石油勘探与开发,2017年4月)以四川盆地焦石坝地区上奥陶统五峰组—下志留统龙马溪组页岩气为例,研制出基于岩相表征的页理缝三维离散网络模型建模方法。该方法通过页岩储集层岩相分析和页理缝描述,建立岩相与页理缝特征模式,依靠页岩岩相三维模型,建立页理缝发育指数三维模型和页理缝发育强度三维模型。该方法基于取芯井岩芯建立页岩岩相和页理缝之间的关系,井间的页理缝密度等参数仅仅是模型内插的结果,在未取芯井段用来预测页理缝参数的岩相也是预测的结果,不能利用水平井测井等其他的相关信息,预测页理缝的准确性差。
综上,特别需要一种利用水平井测井的相关信息,准确的预测页岩储层中水平井未取芯井段的页理缝密度的方法。
发明内容
本发明的目的是提出一种页岩储层页理缝密度的预测方法及电子设备,利用水平井测井的相关信息,预测页岩储层中水平井未取芯井段的页理缝密度。
有鉴于此,本发明提供了一种页岩储层页理缝密度的预测方法及电子设备,至少解决目前不能利用水平井测井的相关信息来准确的预测页岩储层中水平井未取芯井段的页理缝密度的问题。
第一方面,本发明提供一种页岩储层页理缝密度的预测方法,包括:获取取芯井段岩芯样品的页理缝密度;获取所述取芯井段岩芯样品的总有机碳含量;基于所述页理缝密度和总有机碳含量,建立页理缝密度定量预测关系;基于所述页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度。
可选的,所述获取取芯井段岩芯样品的页理缝密度包括:对取芯井段岩芯样品进行观察,统计所述岩芯样品的页理缝密度。
可选的,所述获取所述取芯井段岩芯样品的总有机碳含量包括:对所述取芯井段岩芯样品进行实验室化验分析,获得所述取芯井段岩芯样品的总有机碳含量。
可选的,所述基于所述页理缝密度和总有机碳含量,建立页理缝密度定量预测关系包括:对所述页理缝密度和总有机碳含量进行数理统计分析,建立所述页理缝密度定量预测关系。
可选的,所述页理缝密度定量预测关系为:
Dfra=a×TOC+b
其中,Dfra为页理缝密度,TOC为总有机碳含量,a为拟合系数,b为常数。
可选的,所述基于所述页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度包括:基于所述水平井测井数据,计算水平井未取芯井段的总有机碳含量;根据所述页理缝密度定量预测关系和所述水平井未取芯井段的总有机碳含量,计算所述水平井未取芯井段的页理缝密度。
第二方面,本发明还提供一种电子设备,所述电子设备包括:存储器,存储有可执行指令;处理器,所述处理器运行所述存储器中的所述可执行指令,以实现上述页岩储层页理缝密度的预测方法。
可选的,所述基于所述页理缝密度和总有机碳含量,建立页理缝密度定量预测关系包括:对所述页理缝密度和总有机碳含量进行数理统计分析,建立所述页理缝密度定量预测关系。
可选的,所述页理缝密度定量预测关系为:
Dfra=a×TOC+b
其中,Dfra为页理缝密度,TOC为总有机碳含量,a为拟合系数,b为常数。
可选的,所述基于所述页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度包括:基于所述水平井测井数据,计算水平井未取芯井段的总有机碳含量;根据所述页理缝密度定量预测关系和所述水平井未取芯井段的总有机碳含量,计算所述水平井未取芯井段的页理缝密。
本发明的有益效果在于:本发明的页岩储层页理缝密度的预测方法基于取芯井段岩芯样品的页理缝密度和总有机碳含量确定页理缝密度与总有机碳含量之间的关系,即页理缝密度定量预测关系,依据此预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度,实现对页岩气田范围内未取芯井段页理缝密度的横向预测,可用于页岩气勘探开发选区、选层评价以及产能评价和递减分析,能提高页岩气勘探开发效益。
本发明具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施例中将是显而易见的,或者将在并入本文中的附图和随后的具体实施例中进行详细陈述,这些附图和具体实施例共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的一种页岩储层页理缝密度的预测方法的流程图。
图2示出了根据本发明的一个实施例的一种页岩储层页理缝密度的预测方法的沥青充填及笔石骨骼聚集形成的页理面。
图3示出了根据本发明的一个实施例的一种页岩储层页理缝密度的预测方法的焦石坝A井各开发小层页理缝密度与总有机碳含量关系图。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
本发明提供一种页岩储层页理缝密度的预测方法,包括:获取取芯井段岩芯样品的页理缝密度;获取取芯井段岩芯样品的总有机碳含量;基于页理缝密度和总有机碳含量,建立页理缝密度定量预测关系;基于页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度。
传统沉积学认为页理和页理缝是层状粘土矿物水平定向排列而具有易剥裂性的结果,但通过MAPS等高倍电镜成像观察发现页理缝与沉积有机质的含量和演化密切相关。
高倍电子显微镜MAPS成像分析证实,当总有机碳(TOC)含量高时,在有机质演化后期沥青在页岩中的浓度高,有利于沥青聚集形成易于剥离的弱的结构面,也有利于形成被沥青充填的大量微裂缝;同时高TOC含量的页岩层系意味着沉积速率极低,笔石相对富集,易于形成页理面;有机质在还原环境条件下演化有利于促进黄铁矿颗粒在层面生成和富集,当TOC含量偏低时,沥青团块以及沥青线状分布几率降低,笔石以及黄铁矿顺层发育等其他形成弱结构面的几率也降低。
具体的,对气田范围内的取芯井岩芯进行仔细观察,统计取芯井段页理缝密度;对相应的岩芯按照标准进行取样分析,包括通过实验室化验分析确定总有机碳含量(TOC含量)、各种粘土矿物、碳酸盐岩矿物和硅质等脆性矿物含量;通过MAPS扫描电镜成像观察分析页理缝的成因主控因素,如发现页理中有大量的沥青充填缝、笔石聚集带,这些都可成为页理缝张开和延伸的薄弱面,说明页理缝密度与TOC含量密切相关;通过数理统计分析建立页理缝密度与TOC含量之间的定量关系,即页理缝密度定量预测关系;通过水平井测井数据计算或其他有效的方法确定未取芯井段的TOC含量;通过未取芯井段的TOC含量和已建立的页理缝密度定量预测关系,计算获得水平井未取芯井段页理缝密度。
根据示例性的实施方式,页岩储层页理缝密度的预测方法基于取芯井段岩芯样品的页理缝密度和总有机碳含量确定页理缝密度与总有机碳含量之间的关系,即页理缝密度定量预测关系,依据此预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度,实现对页岩气田范围内未取芯井段页理缝密度的横向预测,用于页岩气勘探开发选区、选层评价以及产能评价和递减分析,提高页岩气勘探开发效益。
作为可选方案,获取取芯井段岩芯样品的页理缝密度包括:对取芯井段岩芯样品进行观察,统计岩芯样品的页理缝密度。
具体的,通过放大镜观察或CT观察等,统计岩芯样品的页理缝密度。
作为可选方案,获取取芯井段岩芯样品的总有机碳含量包括:对取芯井段岩芯样品进行实验室化验分析,获得取芯井段岩芯样品的总有机碳含量。
作为可选方案,基于页理缝密度和总有机碳含量,建立页理缝密度定量预测关系包括:对页理缝密度和总有机碳含量进行数理统计分析,建立页理缝密度定量预测关系。
作为可选方案,页理缝密度定量预测关系为:
Dfra=a×TOC+b
其中,Dfra为页理缝密度,TOC为总有机碳含量,a为拟合系数,b为常数。
具体的,对页理缝密度和总有机碳含量进行数理统计分析,获得页理缝密度和总有机碳含量之间的关系,即页理缝密度定量预测关系。
作为可选方案,基于页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度包括:基于水平井测井数据,计算水平井未取芯井段的总有机碳含量;根据页理缝密度定量预测关系和水平井未取芯井段的总有机碳含量,计算水平井未取芯井段的页理缝密度。
具体的,通过水平井测井数据(放射性测井、密度测井以及中子测井等)计算水平井未取芯井段的TOC含量,通过水平井测井数据计算水平井未取芯井段的TOC含量是现有技术,这里不再赘述。将水平井未取芯井段的TOC含量代入页理缝密度定量预测关系,即可获得水平井未取芯井段的页理缝密度。
本发明还提供一种电子设备,电子设备包括:存储器,存储有可执行指令;处理器,处理器运行存储器中的可执行指令,以实现上述页岩储层页理缝密度的预测方法。
作为可选方案,基于页理缝密度和总有机碳含量,建立页理缝密度定量预测关系包括:对页理缝密度和总有机碳含量进行数理统计分析,建立页理缝密度定量预测关系。
作为可选方案,页理缝密度定量预测关系为:
Dfra=a×TOC+b
其中,Dfra为页理缝密度,TOC为总有机碳含量,a为拟合系数,b为常数。
具体的,对页理缝密度和总有机碳含量进行数理统计分析,获得页理缝密度和总有机碳含量之间的关系,即页理缝密度定量预测关系。
作为可选方案,基于页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度包括:基于水平井测井数据,计算水平井未取芯井段的总有机碳含量;根据页理缝密度定量预测关系和水平井未取芯井段的总有机碳含量,计算水平井未取芯井段的页理缝密度。
具体的,通过水平井测井数据(放射性测井、密度测井以及中子测井等)计算水平井未取芯井段的TOC含量,将水平井未取芯井段的TOC含量代入页理缝密度定量预测关系,即可获得水平井未取芯井段的页理缝密度。
实施例一
图1示出了根据本发明的一个实施例的一种页岩储层页理缝密度的预测方法的流程图。图2示出了根据本发明的一个实施例的一种页岩储层页理缝密度的预测方法的沥青充填及笔石骨骼聚集形成的页理面。图3示出了根据本发明的一个实施例的一种页岩储层页理缝密度的预测方法的焦石坝A井各开发小层页理缝密度与总有机碳含量关系图。
如图1所示,该页岩储层页理缝密度的预测方法,包括:
步骤1:获取取芯井段岩芯样品的页理缝密度;
其中,获取取芯井段岩芯样品的页理缝密度包括:对取芯井段岩芯样品进行观察,统计岩芯样品的页理缝密度。
步骤2:获取取芯井段岩芯样品的总有机碳含量;
其中,获取取芯井段岩芯样品的总有机碳含量包括:对取芯井段岩芯样品进行实验室化验分析,获得取芯井段岩芯样品的总有机碳含量。
步骤3:基于页理缝密度和总有机碳含量,建立页理缝密度定量预测关系;
其中,基于页理缝密度和总有机碳含量,建立页理缝密度定量预测关系包括:对页理缝密度和总有机碳含量进行数理统计分析,建立页理缝密度定量预测关系。
其中,页理缝密度定量预测关系为:
Dfra=a×TOC+b
其中,Dfra为页理缝密度,TOC为总有机碳含量,a为拟合系数,b为常数。
步骤4:基于页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度。
其中,基于页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度包括:基于水平井测井数据,计算水平井未取芯井段的总有机碳含量;根据页理缝密度定量预测关系和水平井未取芯井段的总有机碳含量,计算水平井未取芯井段的页理缝密度。
以焦石坝A井为例,利用焦石坝地区取芯井岩芯观察和实验分析结果建立页理缝密度的预测关系。
1)对岩芯页理缝密度进行观察和统计,并对相应的地化指标进行分析,如获取的页理缝密度和TOC含量见下表:
焦石坝A井各开发小层页理缝密度与平均TOC含量统计表
2)利用高倍电子显微镜MAPS成像分析发现样品中存在大量的沥青充填缝、笔石聚集带如图2所示,可成为页理缝张开和延伸的薄弱面,说明页理缝密度与TOC密切相关,TOC含量是页理缝密度发育的主控因素;
3)通过数理统计分析发现页理缝密度与TOC含量具有良好的线性关系,如图3所示,预测关系为:
Dfra=58.069×TOC+220.66(R2=0.6583)
4)通过该预测关系公式,如果获得目的层段对TOC含量的估计,就可获得对页理缝密度的预测。如通过水平井测井数据(放射性测井、密度测井以及中子测井等)计算水平井未取芯井段的TOC含量,将水平井未取芯井段的TOC含量代入该预测关系,即可获得水平井未取芯井段的页理缝密度,实现对焦石坝地区水平井井段页理缝密度的预测。
实施例二
本公开提供一种电子设备包括,该电子设备包括:存储器,存储有可执行指令;处理器,处理器运行存储器中的可执行指令,以实现上述页岩储层页理缝密度的预测方法。
根据本公开实施例的电子设备包括存储器和处理器。
该存储器用于存储非暂时性计算机可读指令。具体地,存储器可以包括一个或多个计算机程序产品,该计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中,该处理器用于运行该存储器中存储的该计算机可读指令。
本领域技术人员应能理解,为了解决如何获取良好用户体验效果的技术问题,本实施例中也可以包括诸如通信总线、接口等公知的结构,这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种页岩储层页理缝密度的预测方法,其特征在于,包括:
获取取芯井段岩芯样品的页理缝密度;
获取所述取芯井段岩芯样品的总有机碳含量;
基于所述页理缝密度和总有机碳含量,建立页理缝密度定量预测关系;
基于所述页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度。
2.根据权利要求1所述的页岩储层页理缝密度的预测方法,其特征在于,所述获取取芯井段岩芯样品的页理缝密度包括:
对取芯井段岩芯样品进行观察,统计所述岩芯样品的页理缝密度。
3.根据权利要求2所述的页岩储层页理缝密度的预测方法,其特征在于,所述获取所述取芯井段岩芯样品的总有机碳含量包括:
对所述取芯井段岩芯样品进行实验室化验分析,获得所述取芯井段岩芯样品的总有机碳含量。
4.根据权利要求1所述的页岩储层页理缝密度的预测方法,其特征在于,所述基于所述页理缝密度和总有机碳含量,建立页理缝密度定量预测关系包括:
对所述页理缝密度和总有机碳含量进行数理统计分析,建立所述页理缝密度定量预测关系。
5.根据权利要求4所述的页岩储层页理缝密度的预测方法,其特征在于,所述页理缝密度定量预测关系为:
Dfra=a×TOC+b
其中,Dfra为页理缝密度,TOC为总有机碳含量,a为拟合系数,b为常数。
6.根据权利要求1所述的页岩储层页理缝密度的预测方法,其特征在于,所述基于所述页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度包括:
基于所述水平井测井数据,计算水平井未取芯井段的总有机碳含量;
根据所述页理缝密度定量预测关系和所述水平井未取芯井段的总有机碳含量,计算所述水平井未取芯井段的页理缝密度。
7.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有可执行指令;
处理器,所述处理器运行所述存储器中的所述可执行指令,以实现根据权利要求1-6所述的页岩储层页理缝密度的预测方法。
8.根据权利要求7所述的电子设备,其特征在于,所述基于所述页理缝密度和总有机碳含量,建立页理缝密度定量预测关系包括:
对所述页理缝密度和总有机碳含量进行数理统计分析,建立所述页理缝密度定量预测关系。
9.根据权利要求8所述的电子设备,其特征在于,所述页理缝密度定量预测关系为:
Dfra=a×TOC+b
其中,Dfra为页理缝密度,TOC为总有机碳含量,a为拟合系数,b为常数。
10.根据权利要求7所述的电子设备,其特征在于,所述基于所述页理缝密度定量预测关系和水平井测井数据,计算水平井未取芯井段的页理缝密度包括:
基于所述水平井测井数据,计算水平井未取芯井段的总有机碳含量;
根据所述页理缝密度定量预测关系和所述水平井未取芯井段的总有机碳含量,计算所述水平井未取芯井段的页理缝密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010647103.2A CN113917554A (zh) | 2020-07-07 | 2020-07-07 | 一种页岩储层页理缝密度的预测方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010647103.2A CN113917554A (zh) | 2020-07-07 | 2020-07-07 | 一种页岩储层页理缝密度的预测方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113917554A true CN113917554A (zh) | 2022-01-11 |
Family
ID=79231313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010647103.2A Pending CN113917554A (zh) | 2020-07-07 | 2020-07-07 | 一种页岩储层页理缝密度的预测方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113917554A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886046A (zh) * | 2017-02-03 | 2017-06-23 | 中国石油天然气股份有限公司 | 确定缝洞型气藏未投产区块可动用储量的方法及装置 |
CN109143373A (zh) * | 2017-06-28 | 2019-01-04 | 中国石油化工股份有限公司 | 页岩气储层地层压力计算方法及计算机可读存储介质 |
CN110850502A (zh) * | 2019-07-17 | 2020-02-28 | 中国石油大学(北京) | 页岩油气储层页理缝分布规律的预测方法、设备及系统 |
US20200131901A1 (en) * | 2017-09-11 | 2020-04-30 | Southwest Petroleum University | Shale gas enrichment and accumulation classification method |
-
2020
- 2020-07-07 CN CN202010647103.2A patent/CN113917554A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886046A (zh) * | 2017-02-03 | 2017-06-23 | 中国石油天然气股份有限公司 | 确定缝洞型气藏未投产区块可动用储量的方法及装置 |
CN109143373A (zh) * | 2017-06-28 | 2019-01-04 | 中国石油化工股份有限公司 | 页岩气储层地层压力计算方法及计算机可读存储介质 |
US20200131901A1 (en) * | 2017-09-11 | 2020-04-30 | Southwest Petroleum University | Shale gas enrichment and accumulation classification method |
CN110850502A (zh) * | 2019-07-17 | 2020-02-28 | 中国石油大学(北京) | 页岩油气储层页理缝分布规律的预测方法、设备及系统 |
Non-Patent Citations (5)
Title |
---|
HU WANG等: "Dissolution of marine shales and its influence on reservoir properties in the Jiaoshiba area, Sichuan Basin, China", MARINE AND PETROLEUM GEOLOGY * |
欧成华;李朝纯;: "页岩岩相表征及页理缝三维离散网络模型", 石油勘探与开发, no. 02 * |
欧成华;李朝纯;: "页岩岩相表征及页理缝三维离散网络模型", 石油勘探与开发, no. 02, 30 April 2017 (2017-04-30), pages 312 - 313 * |
王璟: "焦石坝水平井产能预测方法思考", 内蒙古石油化工, 30 March 2020 (2020-03-30), pages 52 * |
郭旭升;胡东风;魏祥峰;李宇平;: "四川盆地焦石坝地区页岩裂缝发育主控因素及对产能的影响", 石油与天然气地质, no. 06 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Shale gas exploration and development in China: Current status, geological challenges, and future directions | |
CN106168685B (zh) | 一种页岩气单井地质综合评价方法 | |
CN109653725B (zh) | 基于沉积微相和岩石相的混积储层水淹程度测井解释方法 | |
He et al. | Logging identification and characteristic analysis of the lacustrine organic-rich shale lithofacies: A case study from the Es3L shale in the Jiyang Depression, Bohai Bay Basin, Eastern China | |
WO2017024700A1 (zh) | 一种计算烃源岩中有机碳含量的装置 | |
CN105651966A (zh) | 一种页岩油气优质储层评价方法及参数确定方法 | |
CN107449707A (zh) | 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置 | |
Gong et al. | Quantitative prediction of natural fractures in shale oil reservoirs | |
Gu et al. | Developmental characteristics and dominant factors of natural fractures in lower Silurian marine organic-rich shale reservoirs: A case study of the Longmaxi formation in the Fenggang block, southern China | |
Xianzheng et al. | Typical geological characteristics and exploration practices of lacustrine shale oil: A case study of the Kong-2 member strata of the Cangdong Sag in the Bohai Bay Basin | |
CN103869052A (zh) | 一种砂岩储层成岩测井相定量表征的方法 | |
CN107829731B (zh) | 一种黏土蚀变的火山岩孔隙度校正方法 | |
Yin et al. | 3D paleotectonic stress field simulations and fracture prediction for marine-continental transitional facies forming a tight-sandstone reservoir in a highly deformed area | |
Massiot et al. | Evidence for tectonic, lithologic, and thermal controls on fracture system geometries in an andesitic high‐temperature geothermal field | |
Huang et al. | Quality grading system for tight sandstone reservoirs in the Quantou 4 Member, Southern Songliao Basin, Northeast China | |
Li et al. | Reservoir architecture and fracture characterization of low-permeability sandstone reservoir: a case study of Biandong oilfield, Jinhu depression, northern Jiangsu Basin, China | |
Guoqiang | Challenges and countermeasures of log evaluation in unconventional petroleum exploration and development | |
Li | Deciphering the formation period and geological implications of shale tectonic fractures: a mini review and forward-looking perspectives | |
CHEN et al. | 3D geological modeling of dual porosity carbonate reservoirs: A case from the Kenkiyak pre-salt oilfield, Kazakhstan | |
Zhang et al. | Effects of diagenesis on natural fractures in tight oil reservoirs: a case study of the Permian Lucaogou Formation in Jimusar Sag, Junggar Basin, NW China | |
Yang et al. | Characterization of the weathered basement rocks in the Dongping field from the Qaidam Basin, Western China: significance as gas reservoirs | |
Chambefort et al. | Geothermal: The Next Generation | |
CN112282751B (zh) | 一种地质工程三维耦合的致密油气水平井开采检测方法 | |
CN113917554A (zh) | 一种页岩储层页理缝密度的预测方法及电子设备 | |
Li et al. | Analysis of physical properties and influencing factors of Longmaxi Shale in Sichuan Basin |
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 |