CN114609010A - 一种页岩储层油水相对渗透率的测定方法及装置 - Google Patents
一种页岩储层油水相对渗透率的测定方法及装置 Download PDFInfo
- Publication number
- CN114609010A CN114609010A CN202210200196.3A CN202210200196A CN114609010A CN 114609010 A CN114609010 A CN 114609010A CN 202210200196 A CN202210200196 A CN 202210200196A CN 114609010 A CN114609010 A CN 114609010A
- Authority
- CN
- China
- Prior art keywords
- shale
- oil
- water
- phase
- pore
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 129
- 230000035699 permeability Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000011148 porous material Substances 0.000 claims abstract description 154
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 230000005514 two-phase flow Effects 0.000 claims abstract description 46
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 17
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 17
- 238000002591 computed tomography Methods 0.000 claims abstract description 15
- 238000001000 micrograph Methods 0.000 claims abstract description 10
- 239000000758 substrate Substances 0.000 claims abstract description 7
- 238000009736 wetting Methods 0.000 claims description 57
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 28
- 239000007788 liquid Substances 0.000 claims description 28
- 239000011707 mineral Substances 0.000 claims description 27
- 238000001179 sorption measurement Methods 0.000 claims description 25
- 239000012530 fluid Substances 0.000 claims description 17
- 239000005416 organic matter Substances 0.000 claims description 16
- 238000000329 molecular dynamics simulation Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 239000002734 clay mineral Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012900 molecular simulation Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000001878 scanning electron micrograph Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 229910021532 Calcite Inorganic materials 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 239000003079 shale oil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 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
-
- 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
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Dispersion Chemistry (AREA)
- Operations Research (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Evolutionary Computation (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种页岩储层油水相对渗透率的测定方法及装置，该方法包括：获取页岩的基质参数和扫描图像；根据所述扫描图像和基质参数确定页岩孔隙网络结构；根据所述基质参数确定所述页岩的油水两相流动方程；结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率；所述基质参数包括：页岩基质孔隙度Φ、页岩平均孔隙半径r、页岩有机碳含量TOC和页岩孔径分布曲线；所述页岩扫描图像包括：页岩SEM扫描电镜图像和页岩微米CT扫描图像。该方法能够充分考虑页岩储层特征，快速得到准确的页岩储层的相对渗透率曲线。
Description
技术领域
本发明涉及油气田开发技术领域，具体地涉及一种页岩储层油水相对渗透率的测定方法及装置。
背景技术
水力压裂技术在页岩油气开发中广泛应用，由于压裂液滤失导致页岩储层中存在油水两相渗流问题。页岩储层孔隙度低，储集空间多为微纳米级孔隙，实验手段无法准确测量页岩孔隙中的油水两相相对渗透率；而且孔隙尺度极小，微纳米效应在页岩储层中不可忽略，导致流体的赋存与流动状态与常规储层存在明显差异，常规的孔隙尺度模拟方法不能精确表征考虑微尺度效应的页岩储层油水两相流动特征。
CN1104119045A公开了一种高温高压页岩非稳态气水相对渗透率测试装置及方法，该装置能够准确测量页岩气水相对渗透率实验中的产水量，实现页岩气水相对渗透率的计算，但由于油的流动能力比气体更差，此装置只适用于页岩气，无法测试页岩储层内油水两相的相对渗透率。CN108729908A公开了一种基于孔隙网络模型的致密油流动模拟及渗透率预测方法，该方法能够考虑纳米孔隙流动的边界条件，模拟单相油的流动并计算致密储层内油的渗透率，但是该方法只适用于单相流体，无法计算得到油水两相的相对渗透率，而且不能充分考虑页岩储层的特征，纳米级边界条件表征不准确。
发明内容
本发明实施例的目的是提供一种页岩储层油水相对渗透率的测定方法及装置，该方法能够充分考虑页岩储层特征，快速得到准确的页岩储层的相对渗透率曲线。
页岩主要特征为：有大量纳米级孔隙、有多种矿物(包括有机质矿物和无机质矿物)，各个矿物之间的性质差别很大。发明人通过研究发现，现有的油水两相相对渗透率计算主要针对常规岩石，未充分考虑页岩中纳米级孔隙的流动规律，不能合理表征油水两相的流动特征。
为了解决上述问题，本发明实施例提供一种页岩储层油水相对渗透率的测定方法，该方法包括获取页岩的基质参数和扫描图像；根据所述扫描图像和基质参数确定页岩孔隙网络结构；根据所述基质参数确定所述页岩的油水两相流动方程；结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率；所述基质参数包括：页岩基质孔隙度Φ、页岩平均孔隙半径r、页岩有机碳含量TOC和页岩孔径分布曲线；所述页岩扫描图像包括：页岩SEM扫描电镜图像和页岩微米CT扫描图像。
可选的，所述根据所述扫描图像和基质参数确定页岩孔隙网络结构，包括：根据所述页岩扫描图像构建页岩孔隙网络结构；根据页岩有机碳含量TOC和页岩孔径分布曲线，校正所述孔隙网络结构。
可选的，所述根据所述页岩扫描图像构建页岩孔隙网络结构，包括：基于页岩SEM扫描电镜图像和页岩微米CT扫描图像构建页岩储层孔隙尺度三维数字岩心，根据所述储层孔隙尺度三维数字岩心构建所述孔隙网络结构。
可选的，所述根据所述基质参数确定所述页岩的油水两相流动方程，包括：根据页岩平均孔隙半径r，构建页岩不同矿物的分子动力学模型；根据分子动力学模型的模拟结果建立页岩基质中固液界面和液液界面边界条件的数学表征模型；根据所述数学表征模型确定所述页岩基质中的油水两相流动方程。
可选的，所述分子动力学模型的模拟结果包括油水在页岩不同矿物孔隙内的油水密度分布、接触角角度、吸附层厚度和速度剖面；根据油水密度分布，划分油水两相流动区域，所述油水两相流动区域包括吸附层、体相水、体相油和油水两相界面区。
可选的，润湿相吸附层速度vnw的方程：
游离态润湿相速度vbw的方程：
非润湿相速度vbo的方程：
其中，vs,l为液液滑移速度，lst为固液滑移长度，r为页岩基质平均孔隙半径，μnw为润湿相吸附层的粘度，μbw为游离态润湿相的粘度，μbo为非润湿相的粘度，rnw分别为孔隙中心到固液边界的距离，rbw孔隙中心到润湿相吸附层与游离态润湿相界面的距离，rbo为孔隙中心到游离态润湿相与非润湿相界面的距离，Δp/Lz为压力梯度。
可选的，所述结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率，包括：根据页岩不同矿物内油水接触角，对页岩孔隙网络模型中的有机质孔隙和无机质孔隙分别赋值；基于页岩基质中的油水两相流动方程和不同矿物内油水接触角，计算页岩孔隙网络模型中的两相传导率；计算孔隙网络模型中的压力分布和饱和度分布，计算页岩孔隙尺度油水两相相对渗透率。
可选的，两相流动中非润湿相传导率gp为：
其中，Anw，eff为非润湿相有效截面积，μp为非润湿相有效粘度，G为孔隙形状因子，k为常数，当孔喉横截面为圆形时，k＝0.5；当孔喉横截面为方形时，k＝0.5623；当孔喉横截面为三角形时，k＝3/5。
可选的，所述油水两相流动方程中润湿相传导率为：
其中，gpc为角隅润湿相传导率，μcorner为角隅润湿相流体的有效粘度，Ac为角隅处润湿相的截面积，Gc为角隅处润湿相的形状因子，G*为不考虑流体界面曲率半径的有效形状因子，lst为固液滑移长度，r为页岩基质平均孔隙半径，h为吸附层厚度，Rcorner为角隅处润湿相的等效曲率半径，μad为吸附层流体粘度，μ∞为角隅处润湿相流体的体相粘度。
相应的，本发明实施例还提供一种页岩储层油水相对渗透率的测定装置，包括：采集装置，用于获取页岩的基质参数和扫描图像；分析装置，用于根据所述采集装置采集的数据确定所述页岩储层油水两相相对渗透率，包括：根据所述扫描图像和基质参数确定页岩孔隙网络结构；根据所述基质参数确定所述页岩的油水两相流动方程；结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率；所述基质参数包括：页岩基质孔隙度Φ、页岩平均孔隙半径r、页岩有机碳含量TOC和页岩孔径分布曲线；所述页岩扫描图像包括：页岩SEM扫描电镜图像和页岩微米CT扫描图像。
可选的，所述根据所述扫描图像和基质参数确定页岩孔隙网络结构，包括：根据所述页岩扫描图像构建页岩孔隙网络结构；根据页岩有机碳含量TOC和页岩孔径分布曲线，校正孔隙网络结构。
通过上述技术方案，本发明无需物理模拟实验即可快速得到页岩储层的油水相对渗透率曲线，而且本发明考虑了页岩储层的特征，计算结果准确。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明的一种页岩储层油水相对渗透率的测定方法的流程示意图；
图2是本发明的确定页岩储层油水两相流动方程的流程示意图；
图3是本发明的确定页岩储层油水两相相对渗透率的流程示意图；
图4是本发明的页岩多尺度数字岩心重构及孔隙网络抽提示意图；
图5是本发明的页岩油水两相相对渗透率曲线图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1是本发明的一种页岩储层油水相对渗透率的测定方法的流程示意图。如图1所示，步骤S101为获取页岩的基质参数和扫描图像。所述基质参数包括：页岩基质孔隙度Φ、页岩平均孔隙半径r、页岩有机碳含量TOC和页岩孔径分布曲线；所述页岩扫描图像包括：页岩SEM扫描电镜图像和页岩微米CT扫描图像。按照一种优选的实施方式，通过低温氮气吸附实验确定页岩基质孔隙度Φ、页岩平均孔隙半径r和页岩孔径分布曲线；通过总有机碳含量分析实验确定页岩有机碳含量TOC。利用SEM扫描电镜获取页岩的富有机质孔隙图像，利用微米CT扫描获取页岩的无机质孔隙图像。
步骤S102为根据所述扫描图像和基质参数确定页岩孔隙网络结构。所述根据所述扫描图像和基质参数确定页岩孔隙网络结构包括：根据所述页岩扫描图像构建页岩孔隙网络结构；根据页岩有机碳含量TOC和页岩孔径分布曲线，校正所述孔隙网络结构。所述根据所述页岩扫描图像构建页岩孔隙网络结构包括：基于页岩SEM扫描电镜图像和页岩微米CT扫描图像构建页岩储层孔隙尺度三维数字岩心。
按照一种优选的实施方式，根据所述储层孔隙尺度三维数字岩心构建所述孔隙网络结构，具体包括：将页岩富有机质孔隙图像和页岩无机质孔隙图像做降噪和二值化处理；采用马尔科夫链-蒙特卡洛方法，根据二值化的页岩富有机质孔隙图像重构页岩有机质小尺度数字岩心；根据二值化的页岩无机质孔隙图像重构页岩无机质大尺度数字岩心；将页岩有机质小尺度数字岩心和页岩无机质大尺度数字岩心叠加，获得标记有机质和无机质孔隙的页岩三维多尺度数字岩心；基于页岩三维多尺度数字岩心，抽提页岩孔隙网络结构，标记区分有机质孔隙和无机质孔隙。
步骤S103为根据所述基质参数确定所述页岩的油水两相流动方程，图2是本发明的确定页岩的油水两相流动方程的流程示意图，如图2所示，所述根据所述基质参数确定所述页岩的油水两相流动方程包括：步骤S201为根据页岩平均孔隙半径r，构建页岩不同矿物的分子动力学模型；步骤S202为根据分子动力学模型的模拟结果建立页岩基质中固液界面和液液界面边界条件的数学表征模型；步骤S203为根据所述数学表征模型确定所述页岩基质中的油水两相流动方程。所述分子动力学模型的模拟结果包括油水在页岩不同矿物孔隙内的油水密度分布、接触角角度、吸附层厚度和速度剖面；根据油水密度分布，划分油水两相流动区域，所述油水两相流动区域包括吸附层、体相水、体相油和油水两相界面区。
所述根据所述基质参数确定所述页岩的油水两相流动方程具体包括：通过矿物X射线全岩分析方法得到页岩基质矿物成分；根据页岩基质矿物成分和页岩基质平均孔隙半径r，构建页岩不同矿物的分子动力学模型；通过所述页岩不同矿物的分子动力学模型，模拟油水两相在页岩不同矿物纳米孔隙内的赋存状态和流动，获得油水在页岩不同矿物孔隙内的油水密度分布、接触角角度、吸附层厚度和速度剖面；根据油水密度分布，按照水相密度的10％和90％划分油水两相流动区域，所述油水两相流动区域包括吸附层、体相水和体相油；拟合速度剖面，得到油水两相界面区的液液界面滑移速度vs,l；采用接触角计算固液边界滑移长度lst；根据泊肃叶方程，结合固液边界条件和液液边界条件，得到页岩基质中的油水两相流动方程。
按照一种具体的实施方式，所述页岩的油水两相流动方程包括：润湿相吸附层、游离态润湿相及非润湿相的速度方程：
润湿相吸附层速度vnw的方程：
游离态润湿相速度vbw的方程：
非润湿相速度vbo的方程：
其中，vs,l为液液滑移速度，lst为固液滑移长度，r为页岩基质平均孔隙半径，μnw为润湿相吸附层的粘度，μbw为游离态润湿相的粘度，μbo为非润湿相的粘度，rnw分别为孔隙中心到固液边界的距离，rbw孔隙中心到润湿相吸附层与游离态润湿相界面的距离，rbo为孔隙中心到游离态润湿相与非润湿相界面的距离，Δp/Lz为压力梯度。
固液边界滑移长度根据分子模拟测量的接触角计算，计算公式为：
其中，θw为水相接触角。
步骤S104为结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率。图3是本发明的确定页岩储层油水两相相对渗透率的流程示意图。如图3所示，所述结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率，包括：步骤S301根据页岩不同矿物内油水接触角，对页岩孔隙网络模型中的有机质孔隙和无机质孔隙接触角分别赋值；
步骤S302基于页岩基质中的油水两相流动方程、不同矿物内油水接触角和吸附层厚度，计算页岩孔隙网络模型中的毛管力计算方法和两相传导率；
毛管力计算公式为：
其中，Pc为毛管力，θr为接触角角度，h为吸附层厚度，σow为油水界面张力，G为形状因子，Fd为无因次修正因子，β为多边形内角半角。
页岩两相流动中润湿相传导率计算公式为：
其中，gpc为角隅润湿相传导率，μcorner为角隅润湿相流体的有效粘度，
两相流动中非润湿相传导率计算公式为：
其中，gp为非润湿相传导率，Anw，eff为非润湿相有效截面积，G为孔隙形状因子，μp为非润湿相有效粘度，k为常数，当孔喉横截面为圆形时，k＝0.5；当孔喉横截面为方形时，k＝0.5623；当孔喉横截面为三角形时，k＝3/5，Rcorner为角隅处润湿相的等效曲率半径，μad为吸附层流体粘度，μ∞为角隅处润湿相流体的体相粘度。
步骤S303计算孔隙网络模型中的压力分布和饱和度分布，计算页岩孔隙尺度油水两相相对渗透率。
本发明还提供一种页岩储层油水相对渗透率的测定方法的具体实施例：
1)通过低温氮气吸附实验确定目标页岩岩心的基质孔隙度Φ为7.83％，平均孔隙半径为3.07×10-3μm。
2)通过总有机碳含量分析实验确定页岩有机碳含量TOC为0.809％。
3)利用SEM扫描电镜获取页岩富有机质孔隙图像，如图5所示的(a)富有机质页岩SEM图像。利用微米CT扫描获取页岩无机质孔隙图像，如图5所示的(d)页岩微米CT图像。
4)将页岩富有机质孔隙图像和页岩无机质孔隙图像做降噪和二值化处理，结果如图5所示的(b)SEM图像二值化和(e)微米CT图像二值化。
5)采用马尔科夫链-蒙特卡洛方法，根据二值化的页岩富有机质孔隙图像重构页岩有机质小尺度数字岩心，如图5所示的(c)页岩有机质小尺度数字岩心；根据二值化的页岩无机质孔隙图像重构页岩无机质大尺度数字岩心，如图4所示的(f)页岩无机质大尺度数字岩心。
6)将页岩有机质小尺度数字岩心和页岩无机质大尺度数字岩心叠加，获得标记有机质和无机质孔隙的页岩三维多尺度数字岩心；
7)采用最大球法，基于页岩三维多尺度数字岩心，抽提页岩孔隙网络结构，标记区分有机质孔隙和无机质孔隙，如图5所示的(g)页岩多尺度孔隙网络模型。
8)通过矿物X射线全岩分析方法得到页岩基质矿物成分，主要成分包括方解石、石英、干酪根及粘土矿物，本实施例以干酪根和粘土矿物为例构建分子动力学模型。
9)本实施例中采用的模拟条件为T＝343K，P＝30MPa；将烷烃分子和水分子随机置于狭缝中，采用平衡分子动力学模拟方法，模拟10ns，时间步长为1fs，取后5ns的分子运动轨迹进行统计，通过密度分布及平衡后的分子构型，确定油水两相在页岩不同矿物狭缝中的赋存状态。以平衡分子动力学模拟后的平衡构型作为初始构型，采用非平衡动力学分子模拟方法，模拟压差驱动下的流动，本实施例中驱替压差为5MPa/nm，模拟10ns，时间步长为1ns，取后5ns的分子运动轨迹进行统计分析，得到速度剖面和密度分布，润湿相吸附层厚度0.5nm，体相水厚度0，油水界面区厚度1nm，体相油厚度2nm，固液之间为负滑移，液液之间为正滑移。
10)根据泊肃叶方程，结合固液边界条件和液液边界条件，得到页岩基质中的油水两相流动方程。
11)根据页岩不同矿物内油水接触角，给页岩孔隙网络模型中的有机质孔隙和无机质孔隙分别赋值，本实施例中有机质孔隙水相接触角120°，无机质孔隙水相接触角30°。
12)基于页岩基质中的油水两相流动方程和不同矿物内油水接触角，计算页岩孔隙网络模型中的两相传导率。
13)计算孔隙网络模型中的压力分布和饱和度分布，计算页岩孔隙尺度油水两相相对渗透率，得到如图5所示的油水两相相渗曲线。
本发明还提供一种页岩储层油水相对渗透率的测定装置，包括：采集装置，用于获取页岩的基质参数和扫描图像；分析装置，用于根据所述采集装置采集的数据确定所述页岩储层油水两相相对渗透率，包括：根据所述扫描图像和基质参数确定页岩孔隙网络结构；根据所述基质参数确定所述页岩的油水两相流动方程；结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率；所述基质参数包括：页岩基质孔隙度Φ、页岩平均孔隙半径r、页岩有机碳含量TOC和页岩孔径分布曲线；所述页岩扫描图像包括：页岩SEM扫描电镜图像和页岩微米CT扫描图像。所述根据所述扫描图像和基质参数确定页岩孔隙网络结构，包括：根据所述页岩扫描图像构建页岩孔隙网络结构；根据页岩有机碳含量TOC和页岩孔径分布曲线，校正孔隙网络结构。
本发明的页岩储层油水相对渗透率的测定方法耦合了纳米尺度和孔隙尺度流动模拟方法，采取能够反映页岩储层真实特点的三维数字岩心和孔隙网络结构，考虑微尺度效应，计算得到页岩储层内油水两相相对渗透率，解决了页岩储层中油水两相相对渗透率无法测量和精确模拟的问题。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。
Claims (11)
1.一种页岩储层油水相对渗透率的测定方法，其特征在于，包括：
获取页岩的基质参数和扫描图像；
根据所述扫描图像和基质参数确定页岩孔隙网络结构；
根据所述基质参数确定所述页岩的油水两相流动方程；
结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率；
所述基质参数包括：页岩基质孔隙度Φ、页岩平均孔隙半径r、页岩有机碳含量TOC和页岩孔径分布曲线；
所述页岩扫描图像包括：页岩SEM扫描电镜图像和页岩微米CT扫描图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述扫描图像和基质参数确定页岩孔隙网络结构，包括：
根据所述页岩扫描图像构建页岩孔隙网络结构；
根据页岩有机碳含量TOC和页岩孔径分布曲线，校正所述孔隙网络结构。
3.根据权利要求2所述的方法，其特征在于，所述根据所述页岩扫描图像构建页岩孔隙网络结构，包括：
基于页岩SEM扫描电镜图像和页岩微米CT扫描图像构建页岩储层孔隙尺度三维数字岩心，根据所述储层孔隙尺度三维数字岩心构建所述孔隙网络结构。
4.根据权利要求1所述的方法，其特征在于，所述根据所述基质参数确定所述页岩的油水两相流动方程，包括：
根据页岩平均孔隙半径r，构建页岩不同矿物的分子动力学模型；
根据分子动力学模型的模拟结果建立页岩基质中固液界面和液液界面边界条件的数学表征模型；
根据所述数学表征模型确定所述页岩基质中的油水两相流动方程。
5.根据权利要求4所述的方法，其特征在于，
所述分子动力学模型的模拟结果包括油水在页岩不同矿物孔隙内的油水密度分布、接触角角度、吸附层厚度和速度剖面；
根据油水密度分布，划分油水两相流动区域，所述油水两相流动区域包括吸附层、体相水、体相油和油水两相界面区。
6.根据权利要求4所述的方法，其特征在于，所述页岩的油水两相流动方程包括：
润湿相吸附层速度vnw的方程：
游离态润湿相速度vbw的方程：
非润湿相速度vbo的方程：
其中，vs,l为液液滑移速度，
lst为固液滑移长度，
r为页岩基质平均孔隙半径，
μnw为润湿相吸附层的粘度，
μbw为游离态润湿相的粘度，
μbo为非润湿相的粘度，
rnw分别为孔隙中心到固液边界的距离，
rbw孔隙中心到润湿相吸附层与游离态润湿相界面的距离，
rbo为孔隙中心到游离态润湿相与非润湿相界面的距离，
Δp/Lz为压力梯度。
7.根据权利要求1所述的方法，其特征在于，所述结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率，包括：
根据页岩不同矿物内油水接触角，对页岩孔隙网络模型中的有机质孔隙和无机质孔隙分别赋值；
基于页岩基质中的油水两相流动方程和不同矿物内油水接触角，计算页岩孔隙网络模型中的两相传导率；
计算孔隙网络模型中的压力分布和饱和度分布，计算页岩孔隙尺度油水两相相对渗透率。
8.根据权利要求1所述的方法，其特征在于，
所述油水两相流动方程中非润湿相传导率gp为：
其中，Anw,eff为非润湿相有效截面积，
G为孔隙形状因子，
μp为非润湿相有效粘度，
k为常数，当孔喉横截面为圆形时，k＝0.5；当孔喉横截面为方形时，k＝0.5623；当孔喉横截面为三角形时，k＝3/5。
9.根据权利要求1所述的方法，其特征在于，
所述油水两相流动方程中润湿相传导率为：
其中，gpc为角隅润湿相传导率，
μcomer为角隅润湿相流体的有效粘度，
Ac为角隅处润湿相的截面积，
Gc为角隅处润湿相的形状因子，
G*为不考虑流体界面曲率半径的有效形状因子，
lst为固液滑移长度，
r为页岩基质平均孔隙半径，
h为吸附层厚度，
Rcorner为角隅处润湿相的等效曲率半径，
μad为吸附层流体粘度，
μ∞为角隅处润湿相流体的体相粘度。
10.一种页岩储层油水相对渗透率的测定装置，其特征在于，包括：
采集装置，用于获取页岩的基质参数和扫描图像；
分析装置，用于根据所述采集装置采集的数据确定所述页岩储层油水两相相对渗透率，包括：
根据所述扫描图像和基质参数确定页岩孔隙网络结构；
根据所述基质参数确定所述页岩的油水两相流动方程；
结合所述油水两相流动方程与所述页岩孔隙网络结构，确定所述页岩储层油水两相相对渗透率；
所述基质参数包括：页岩基质孔隙度Φ、页岩平均孔隙半径r、页岩有机碳含量TOC和页岩孔径分布曲线；
所述页岩扫描图像包括：页岩SEM扫描电镜图像和页岩微米CT扫描图像。
11.根据权利要求10所述的装置，其特征在于，所述根据所述扫描图像和基质参数确定页岩孔隙网络结构，包括：
根据所述页岩扫描图像构建页岩孔隙网络结构；
根据页岩有机碳含量TOC和页岩孔径分布曲线，校正孔隙网络结构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210200196.3A CN114609010B (zh) | 2022-03-02 | 2022-03-02 | 一种页岩储层油水相对渗透率的测定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210200196.3A CN114609010B (zh) | 2022-03-02 | 2022-03-02 | 一种页岩储层油水相对渗透率的测定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114609010A true CN114609010A (zh) | 2022-06-10 |
| CN114609010B CN114609010B (zh) | 2024-02-02 |
Family
ID=81860397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210200196.3A Active CN114609010B (zh) | 2022-03-02 | 2022-03-02 | 一种页岩储层油水相对渗透率的测定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114609010B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116127761A (zh) * | 2023-02-13 | 2023-05-16 | 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 |
| CN116341423A (zh) * | 2023-05-30 | 2023-06-27 | 西南石油大学 | 油水两相流滑移速度模型的计算方法 |
| CN118010774A (zh) * | 2024-04-09 | 2024-05-10 | 北京科技大学 | 一种基于ct原位实验的页岩油加热改质流固界面作用表征的装置和方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
| CN105510204A (zh) * | 2015-12-03 | 2016-04-20 | 大连理工大学 | 一种基于ct图像的渗透率预测方法 |
| CN108763711A (zh) * | 2018-05-22 | 2018-11-06 | 中国石油大学(华东) | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 |
| CN109164026A (zh) * | 2018-07-25 | 2019-01-08 | 中国石油天然气股份有限公司 | 岩石渗流能力评价方法及装置 |
| CN109242970A (zh) * | 2018-10-11 | 2019-01-18 | 中国科学院力学研究所 | 页岩lREV尺度数字岩心重构方法及装置 |
| CN111624147A (zh) * | 2020-04-16 | 2020-09-04 | 中国石油天然气股份有限公司 | 岩心的相对渗透率测定方法及装置 |
| CN113029899A (zh) * | 2021-02-24 | 2021-06-25 | 西南石油大学 | 一种基于显微图像处理的砂岩渗透率计算方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2341372A1 (en) * | 2009-12-16 | 2011-07-06 | BP Exploration Operating Company Limited | Method for measuring rock wettability |
| CN102507412B (zh) * | 2011-11-07 | 2014-07-02 | 中国石油集团川庆钻探工程有限公司 | 碳酸盐岩油藏等效模型的裂缝-基质渗透率级差判别方法 |
| CN111581854B (zh) * | 2020-06-02 | 2023-05-26 | 中国地质大学（北京） | 一种考虑非平衡各向异性相对渗透率的油藏状态预测方法 |
-
2022
- 2022-03-02 CN CN202210200196.3A patent/CN114609010B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
| CN105510204A (zh) * | 2015-12-03 | 2016-04-20 | 大连理工大学 | 一种基于ct图像的渗透率预测方法 |
| CN108763711A (zh) * | 2018-05-22 | 2018-11-06 | 中国石油大学(华东) | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 |
| CN109164026A (zh) * | 2018-07-25 | 2019-01-08 | 中国石油天然气股份有限公司 | 岩石渗流能力评价方法及装置 |
| CN109242970A (zh) * | 2018-10-11 | 2019-01-18 | 中国科学院力学研究所 | 页岩lREV尺度数字岩心重构方法及装置 |
| CN111624147A (zh) * | 2020-04-16 | 2020-09-04 | 中国石油天然气股份有限公司 | 岩心的相对渗透率测定方法及装置 |
| CN113029899A (zh) * | 2021-02-24 | 2021-06-25 | 西南石油大学 | 一种基于显微图像处理的砂岩渗透率计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| WEI ZHANG 等: "Pore network modeling of oil and water transport in nanoporous shale with mixed wettability", pages 1 - 8 * |
| 许林;张巍;梁小龙;肖瑞;曹剑秋;: "岩土介质孔隙结构参数灰色关联度分析", 南京大学学报(自然科学), no. 06 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116127761A (zh) * | 2023-02-13 | 2023-05-16 | 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 |
| 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 |
| CN116341423A (zh) * | 2023-05-30 | 2023-06-27 | 西南石油大学 | 油水两相流滑移速度模型的计算方法 |
| CN118010774A (zh) * | 2024-04-09 | 2024-05-10 | 北京科技大学 | 一种基于ct原位实验的页岩油加热改质流固界面作用表征的装置和方法 |
| CN118010774B (zh) * | 2024-04-09 | 2024-05-31 | 北京科技大学 | 一种基于ct原位实验的页岩油加热改质流固界面作用表征的装置和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114609010B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114609010A (zh) | 一种页岩储层油水相对渗透率的测定方法及装置 | |
| CN108729908B (zh) | 一种基于孔隙网络模型的致密油流动模拟及渗透率预测方法 | |
| Zhao et al. | Pore structure characterization of coal by synchrotron radiation nano-CT | |
| Yang et al. | Microscopic determination of remaining oil distribution in sandstones with different permeability scales using computed tomography scanning | |
| CN108763711B (zh) | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 | |
| Mukunoki et al. | X-ray CT analysis of pore structure in sand | |
| CN111624147B (zh) | 岩心的相对渗透率测定方法及装置 | |
| Song et al. | Characterization and microfabrication of natural porous rocks: From micro-CT imaging and digital rock modelling to micro-3D-printed rock analogs | |
| CN106716114B (zh) | 多孔介质分析系统和方法 | |
| Al-Raoush | Experimental investigation of the influence of grain geometry on residual NAPL using synchrotron microtomography | |
| CN106223938B (zh) | 数字化岩心流动模拟分析方法和装置 | |
| CN105021506A (zh) | 一种基于孔隙网络模型的三相相对渗透率的计算方法 | |
| Arshadi et al. | Impact of mineralogy and wettability on pore-scale displacement of NAPLs in heterogeneous porous media | |
| Geng et al. | A fractal permeability model for shale gas flow through heterogeneous matrix systems | |
| Menke et al. | Using nano-XRM and high-contrast imaging to inform micro-porosity permeability during Stokes–Brinkman single and two-phase flow simulations on micro-CT images | |
| Gerke et al. | Determining physical properties of unconventional reservoir rocks: from laboratory methods to pore-scale modeling | |
| Yuan et al. | Reconstruction of porous structure and simulation of non-continuum flow in shale matrix | |
| Song et al. | Visualized experiments on residual oil classification and its influencing factors in waterflooding using micro-computed tomography | |
| Wang et al. | Semi-quantitative multiscale modelling and flow simulation in a nanoscale porous system of shale | |
| Cantisano et al. | Relative permeability in a shale formation in Colombia using digital rock physics | |
| Xiong et al. | Fast equivalent micro-scale pipe network representation of rock fractures obtained by computed tomography for fluid flow simulations | |
| Saafan et al. | A fractal model for obtaining spontaneous imbibition capillary pressure curves based on 2D image analysis of low-permeability sandstone | |
| Song et al. | The impacts of pore structure and relative humidity on gas transport in shale: A numerical study by the image-based multi-scale pore network model | |
| Hu et al. | The influence of inhomogeneous hydrate formation on permeability anisotropy of porous media | |
| Yang et al. | Imbibition mechanisms of fracturing fluid in shale oil formation: A review from the multiscale perspective |
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 |