CN114897767A - 一种致密混积岩储层储集空间多尺度表征与储层分类方法 - Google Patents
一种致密混积岩储层储集空间多尺度表征与储层分类方法 Download PDFInfo
- Publication number
- CN114897767A CN114897767A CN202210253331.0A CN202210253331A CN114897767A CN 114897767 A CN114897767 A CN 114897767A CN 202210253331 A CN202210253331 A CN 202210253331A CN 114897767 A CN114897767 A CN 114897767A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- rock
- dimensional
- pore
- classification
- 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
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明公开了一种致密混积岩储层储集空间多尺度表征与储层分类方法,包括以下步骤分析储层的岩石学特征;分析储层的物性特征;二维储集空间精细表征;三维储集空间精细表征;实验方法测量储层渗流特征及孔隙结构参数;分析影响储层物性的特征参数;进行储层分类。本发明利用二维大尺寸背散射图像拼接技术、多尺度CT扫描,将致密混积岩储集空间表征精度提升至纳米级,也将表征维度从二维半定量描述观察提升至三维定量空间形态展示,实现对储集空间的全方位定量精细表征。本发明利用多元分类系数,优选各项参数进行储层分类评价,对揭示致密混积岩储层致密化机理、成岩成藏耦合、甜点预测研究及后续开发具有重要的指导意义。
Description
技术领域
本发明属于石油勘探开发中地质学研究技术领域,具体来说涉及一种致密混积岩储层储集空间多尺度表征与储层分类方法。
背景技术
近年来,随着油气勘探理念的革新,具有较大资源潜力的非常规油气资源的地位日益凸显。非常规油气包括了致密砂岩油气、页岩油气、致密碳酸盐岩油气、致密混积岩油气等,其中致密混积岩油气属于特殊的一类,混积岩一般发育在海陆过渡相环境或陆相湖盆边缘,沉积环境独特且岩性复杂,尤其深层混积岩储层物性相对差,非均质性更强,是储层地质学研究领域的难点。
渤海海域是我国湖相混积岩最为发育的区域之一,近年来,随着渤海海域油气勘探逐步向深层挺进,深部致密混积岩储层已有油气发现,前人对混积岩研究多关注岩性命名、储层分类、储层特征及成因、优质储层控制因素等,而针对致密混积岩储集空间及微观孔隙结构精细表征的研究和评价报道极少。
储层储集空间指孔隙、喉道、裂缝的分布、大小、几何形态及连通关系,是流体在岩石中赋存与流动的场所,准确全面地评价储层的孔喉系统是研究储层储集性能、渗流特征与油气聚集机理的基础。开展湖相致密混积岩储层储集空间结构精细表征,对于定量开展混积岩储层评价,进行储层保护及储层改造,实现致密油气有效开发具有重大意义。
致密混积岩储层集合了致密和混合沉积双重特性,基本特点是:(1)岩性复杂,孔喉类型多样;(2)储层致密,渗透率差,如渤海海域某构造钻遇的孔店组混积岩渗透率均小于1.0×10-3μm2;(3)致密化因素复杂,受沉积相和后期成岩作用等多种地质因素控制。
针对致密混积岩储层储集空间的多尺度表征,常规实验手段存在技术瓶颈:铸体薄片显微镜鉴定和孔隙图像分析技术最高分辨率为0.005mm,且受薄片制备效果影响明显,仅能粗略目估得到面孔率、微米级孔喉分布范围,不能观察二维亚微米级和纳米级孔喉形态;扫描电镜分辨率达5nm,可以观测二维亚微米及纳米级孔隙形态及其与赋存矿物关系,但是观察视域小且无法提供孔喉结构定量参数。恒速压汞技术是研究微观孔隙结构最常用手段之一,应运于常规低孔低渗储层效果较好,但是由于该技术最大进汞压力低,得出的孔喉参数与实际差异较大,应用致密储层无法表征大量亚微米和纳米级孔喉。
以上常规储层评价方法,获取参数较单一,表征尺度范围差异大,且无法进行储集空间高分辨率三维展布观测及定量化表征,每项技术均存在不足之处,不能全面准确精细地表征致密储层的微观孔喉结构,影响了储层的深化认识。
因此,研发出一种致密混积岩储层储集空间多尺度表征与储层分类方法,仍是本领域亟待解决的问题之一。
发明内容
本发明为解决现有技术存在的问题而提出,其目的是提供一种致密混积岩储层储集空间多尺度表征与储层分类方法。
本发明的技术方案如下所述:
一种致密混积岩储层储集空间多尺度表征与储层分类方法,包括以下步骤
ⅰ.分析储层的岩石学特征
ⅱ.分析储层的物性特征
ⅲ.二维储集空间精细表征
ⅳ.三维储集空间精细表征
ⅴ.实验方法测量储层渗流特征及孔隙结构参数
ⅵ.分析影响储层物性的特征参数
ⅶ.进行储层分类。
更进一步的,步骤ⅰ分析储层的岩石学特征,具体过程如下:
首先,在靶区目的层构造背景、沉积相等地质认识的基础上,观察得到岩心样品的岩石类型、储层均质性;
然后,通过储层铸体薄片制备与鉴定,结合混积岩岩性三角分类系统及命名规则,对混积岩岩性进行精准定名。
更进一步的,在得到岩心样品的岩石类型、储层均质性过程中,还包括辅助判断过程。
更进一步的,步骤ⅱ分析储层的物性特征,具体过程如下:
利用岩石孔隙度仪测定储层样品的孔隙度;
利用气体渗透率仪测定储层样品的渗透率;
最终得到孔隙度和渗透率。
更进一步的,步骤ⅲ二维储集空间精细表征,具体过程如下:
首先,观察并描述岩心样品毫米级-亚毫米级裂缝及孔隙发育情况;
然后,利用偏光显微镜观察铸体薄片,观察微米级-亚微米级裂缝、孔隙和喉道的类型、大小、形态、连通状态,关注不同岩石类型主要孔喉类型及主要孔隙半径分布区间,并目估面孔率;
再后,利用扫描电子显微镜观察微米级-纳米级裂缝、孔隙和喉道的类型、形态;
最后,利用二维大尺寸背散射图像拼接技术(MAPS)观察微米级-纳米级裂缝、孔隙和喉道的类型、大小、形态、连通状态,计算统计得到全视域的孔隙半径连续分布数据。
更进一步的,步骤ⅳ三维储集空间精细表征,具体过程如下:
利用多尺度三维CT扫描表征储层储集空间特征,建立岩石三维孔喉网络模型,观察储集空间的类型、大小、立体形态、三维连通状态,定量得到孔隙半径分布、平均孔隙半径、平均喉道半径、平均配位数、死孔隙等孔喉结构参数。
更进一步的,步骤ⅴ实验方法测量储层渗流特征及孔隙结构参数,具体过程如下:
首先,利用核磁共振技术测试岩石样品的渗流能力,得到可动流体饱和度参数;
然后,利用高压压汞技术测试岩石样品储集空间的孔喉参数,得到孔喉大小、连通性、分选性参数。
更进一步的,步骤ⅵ分析影响储层物性的特征参数,具体过程如下:
首先,分析确定的储层岩性与孔隙度、渗透率的相关性;
然后,分析确定的储层矿物组分和含量、胶结物类型与孔隙度、渗透率的相关性;
最后,选出影响储层物性较大的储层岩石学特征参数。
更进一步的,步骤ⅶ进行储层分类,具体过程如下:
利用多元分类系数计算方法,构建致密混积岩储层多元分类系数,依据多元分类系数区间和影响储层物性的主控参数,将靶区致密混积岩储层由好到差依次分类。
本发明的有益效果如下:
本发明利用自动矿物成分定量识别技术可大视域、高分辨率识别矿物成分,协助进行致密混积岩精准定名,为储层分类评价奠定基础。
本发明利用二维大尺寸背散射图像拼接技术、多尺度CT扫描,将致密混积岩储集空间表征精度提升至纳米级,也将表征维度从二维半定量描述观察提升至三维定量空间形态展示,实现对储集空间的全方位定量精细表征。
本发明利用多元分类系数,优选各项参数进行储层分类评价,对揭示致密混积岩储层致密化机理、成岩成藏耦合、甜点预测研究及后续开发具有重要的指导意义。
附图说明
图1是本发明实施例中氩离子抛光柱塞样品自动矿物成分定量识别技术(QEMSCAN)分析结果图;
图2是本发明实施例中氩离子抛光样品二维大尺寸背散射图像拼接技术(MAPS)扫描图;
图3是本发明实施例中二维大尺寸背散射图像拼接技术(MAPS)测量的孔隙半径分布曲线;
图4是本发明实施例中柱塞样品高精度三维CT扫描图及对应的三维孔喉网络模型图;
图5是本发明实施例中混积岩岩性与渗透率相关图;
图6是本发明实施例中高压压汞法测量的平均孔喉半径与渗透率相关图;
图7是本发明实施例中高压压汞法测量的排驱压力与渗透率相关图。
对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据以上附图获得其他的相关附图。
具体实施方式
下面结合具体实施例进一步说明本发明的技术方案。
实施例
一种致密混积岩储层储集空间多尺度表征与储层分类方法,包括以下步骤
ⅰ.分析储层的岩石学特征
ⅱ.分析储层的物性特征
ⅲ.二维储集空间精细表征
ⅳ.三维储集空间精细表征
ⅴ.实验方法测量储层渗流特征及孔隙结构参数
ⅵ.分析影响储层物性的特征参数
ⅶ.进行储层分类。
其中,步骤ⅰ分析储层的岩石学特征,具体过程如下:
首先,在靶区目的层构造背景、沉积相等地质认识的基础上,观察得到岩心样品的岩石类型、储层均质性;
然后,通过储层铸体薄片制备与鉴定,结合混积岩岩性三角分类系统及命名规则,对混积岩岩性进行精准定名。
其中,在得到岩心样品的岩石类型、储层均质性过程中,还包括辅助判断过程。
其中,步骤ⅱ分析储层的物性特征,具体过程如下:
利用岩石孔隙度仪测定储层样品的孔隙度;
利用气体渗透率仪测定储层样品的渗透率;
最终得到孔隙度和渗透率。
其中,步骤ⅲ二维储集空间精细表征,具体过程如下:
首先,观察并描述岩心样品毫米级-亚毫米级裂缝及孔隙发育情况;
然后,利用偏光显微镜观察铸体薄片,观察微米级-亚微米级裂缝、孔隙和喉道的类型、大小、形态、连通状态,关注不同岩石类型主要孔喉类型及主要孔隙半径分布区间,并目估面孔率;
再后,利用扫描电子显微镜观察微米级-纳米级裂缝、孔隙和喉道的类型、形态;
其中,分析方法及样品的制备可以但不限于:中国石油天然气行业标准《SY/T5162-2021岩石样品扫描电子显微镜分析方法》。
最后,利用二维大尺寸背散射图像拼接技术(MAPS)观察微米级-纳米级裂缝、孔隙和喉道的类型、大小、形态、连通状态,计算统计得到全视域的孔隙半径连续分布数据。
其中,步骤ⅳ三维储集空间精细表征,具体过程如下:
利用多尺度三维CT扫描表征储层储集空间特征,建立岩石三维孔喉网络模型,观察储集空间的类型、大小、立体形态、三维连通状态,定量得到孔隙半径分布、平均孔隙半径、平均喉道半径、平均配位数、死孔隙等孔喉结构参数。
其中,步骤ⅴ实验方法测量储层渗流特征及孔隙结构参数,具体过程如下:
首先,利用核磁共振技术测试岩石样品的渗流能力,得到可动流体饱和度参数;
然后,利用高压压汞技术测试岩石样品储集空间的孔喉参数,得到孔喉大小、连通性、分选性参数。
其中,步骤ⅵ分析影响储层物性的特征参数,具体过程如下:
首先,分析确定的储层岩性与孔隙度、渗透率的相关性;
然后,分析确定的储层矿物组分和含量、胶结物类型与孔隙度、渗透率的相关性;
最后,选出影响储层物性较大的储层岩石学特征参数。
其中,步骤ⅶ进行储层分类,具体过程如下:
利用多元分类系数计算方法,构建致密混积岩储层多元分类系数,依据多元分类系数区间和影响储层物性的主控参数,将靶区致密混积岩储层由好到差依次分类。
岩心样品的岩石类型、储层均质性的辅助判断过程,包括以下内容:
首先,利用自动矿物成分定量识别技术(QEMSCAN),定量得出柱塞样品二维截面全视域的矿物成分含量百分比,观察主要造岩矿物、杂基和胶结物的类型、分布形态和面积百分比,辅助判定岩石类型及结构特征。
然后,利用X射线衍射分析方法分析样品的矿物组分及其百分含量,辅助判定岩石类型。
其中,岩石样品前处理及实验分析方法可以但不限于:中华人民共和国石油天然气行业标准《SY/T5163-2018沉积岩中粘土矿物和常见非粘土矿物含量X射线衍射分析方法》。
岩石薄片制备方法可以但不限于:中华人民共和国石油天然气行业标准《SY/T5913-2021岩石制片方法》;岩石薄片鉴定可以但不限于:中华人民共和国石油天然气行业标准《SY/T5368-2016岩石薄片鉴定》;混积岩命名规则可以但不限于:《叶茂松,解习农,徐长贵,等.混积岩分类命名体系探讨及对混积岩储层评价的启示——以渤海海域混积岩研究为例[J].地质论评,2018,64(5):1118-1131》。
步骤ⅵ分析影响储层物性的特征参数,要分析上述步骤确定的面孔率、主要储集空间类型、高精度二维孔隙半径定量分布、三维孔喉网络模型参数、平均孔喉半径、排驱压力、可动流体饱和度等参数中的一种或几种的组合与上述步骤确定的储层孔隙度、渗透率的关系,选出影响储层物性较大的孔隙结构参数。
在步骤ⅰ分析储层的岩石学特征和步骤ⅲ二维储集空间精细表征中自动矿物成分定量识别技术(QEMSCAN)和二维大尺寸背散射图像拼接技术(MAPS)的测试样品是通过以下步骤制备的:
将洗油洗盐后的柱塞样品切割成厚度为5mm的平整薄片,再进行抽真空注胶(样品观察面不注胶)、机械抛光、氩离子抛光和喷碳处理。喷碳处理可以采用本领域常规的离子溅射的方法镀碳,碳膜粒度小,相比常规镀金方法,更易观察到纳米-亚纳米孔隙。自动矿物成分定量识别技术(QEMSCAN)镀膜厚度是30nm,二维大尺寸背散射图像拼接技术(MAPS)镀膜厚度是20nm。
步骤ⅰ分析储层的岩石学特征中自动矿物成分定量识别技术(QEMSCAN)图像极限分辨率是0.5nm。
步骤ⅲ二维储集空间精细表征中二维大尺寸背散射图像拼接技术(MAPS)图像极限分辨率是2.5nm。
步骤ⅲ中二维大尺寸背散射图像拼接技术(MAPS)得到高分辨率孔隙分布数据,具体流程如下:
将高分辨率扫描电镜背散射小图像通过软件处理,每一张扫描图像大小,扫描张数,扫描时间,图像分辨率,图像重合范围,自动采集图像,采集完所有图像后利用设备软件进行拼接得到一张超高分辨率、超大面积的二维背散射电子图像,然后使用阈值函数来区分骨架与孔隙,得到所有孔隙的大小数据。
步骤ⅳ中建立岩石三维孔喉网络模型是应用最大球算法提取孔喉网络模型,重构岩心样品的三维储集空间,然后运用运用数理统计可定量提取孔喉大小、孔喉体积、孔喉比、配位数等孔隙结构参数。
应用最大球算法提取孔喉网络模型可以但不限于:Dong H,Blunt M J.Pore-network extraction from micro-computerized-tomography images[J].PhysicalReview E,2009,80(3):036307.。
步骤ⅳ中利用多尺度三维CT扫描表征储层储集空间特征,需要选择合适尺寸样品进行多级CT扫描,实现高分辨率与样品代表性兼得,具体过程如下:
首先将柱塞尺度(直径2.5cm)样品进行CT扫描,依据孔隙分布情况,钻取代表性区域钻取子样(直径5mm或2mm)进行分析。不同岩性样品的三维CT数据比对应在相同的分辨率下。
步骤ⅴ中采用核磁共振技术测试岩石样品的渗流能力具体过程如下:
将规则柱塞样品饱和模拟地层水,使用核磁共振分析仪,测取饱和地层水的核磁共振参数,之后使用300psi的脱水压力进行离心实验,测取离心后样品的核磁共振参数。
其中,获取各样品的可动流体饱和度,可以但不限于:中华人民共和国行业标准《SY/T 6490-2014《岩样核磁共振参数实验室测量规范》。
步骤ⅴ中采用高压压汞法测量岩石样品的孔喉参数,基于致密混积岩储层的物性特征,孔隙结构的重点研究对象为纳米级及亚微米级孔喉,实验最大进汞压力为200MPa。可以但不限于:中华人民共和国国家标准《GB/T 29171-2012岩石毛管压力曲线的测定》。
步骤ⅶ中采用的多元分类系数计算方法,是基于步骤六中优选的评价参数,计算单个样品中每项参数值与所有样品中的最大值的比值的乘积与部分比值的自然对数值,对各类评价参数进行综合计算分析。
其中,致密混积岩储层是指气体渗透率小于1.0×10-3μm2的混积岩储层。储层储集空间是指孔隙、喉道、裂缝的分布、大小、几何形态及连通关系。
步骤ⅶ中利用多元分类系数计算方法。具体如下:
式中:Pcdi、Pcdmax代表排驱压力及最大值;Xpi、Xpmax代表均值系数及最大值;Фi、Фmax代表孔隙度及最大值;Ki、Kmax代表渗透率及最大值;Ci、Cmax代表面孔率及最大值;代表平均孔喉半径及最大值;Si、Smax代表可动流体饱和度及最大值。
本发明尤其适用于具有以下特点的致密混积岩储层:
(1)储层岩性复杂,包括钙质砂岩、云质砂岩、生屑泥晶云岩、含细砂云岩等多种岩性。
(2)储层渗透性能差,渗透率通常小于1.0×10-3μm2。
(3)受混积岩岩石类型的差异性,储层孔隙和喉道的类型多样,孔隙微米-亚微米-纳米级多尺度均有分布,主体孔隙小,为亚微米级。
(4)致密成因复杂,受沉积和成岩多种地质因素控制。致密混积岩储层中发育的储集空间主体为亚微米级,铸体薄片显微镜鉴定和孔隙图像分析技术最高分辨率仅为0.005mm,且受薄片制备效果影响明显,仅能粗略目估得到面孔率、微米级孔喉分布范围,不能观察二维亚微米级和纳米级孔喉形态;扫描电镜分辨率达5nm,可以观测二维亚微米及纳米级孔隙形态及其与赋存矿物关系,但是观察视域小且无法提供孔喉结构定量参数。
恒速压汞技术是研究微观孔隙结构最常用手段之一,应运于常规低孔低渗储层效果较好,但是由于该技术最大进汞压力低,得出的孔喉参数与实际差异较大,应用致密储层无法表征大量亚微米和纳米级孔喉。因此,针对这类复杂的致密混积岩储层,采用常规的一种或几种常规的实验手段是难以进行精细储层评价的。
本发明采用自动矿物成分定量识别技术(QEMSCAN)对岩石样品截面进行高分辨率扫描,定量得出全视域的含量、分布及形态,结合X射线衍射全岩分析、铸体薄片鉴定综合方法,为混积岩储层岩石类型判定提供了定量依据,解决了仅依据铸体薄片鉴定目估矿物含量所存在的误差大的问题。此外,本发明采用二维大尺寸背散射图像拼接技术(MAPS)观察微米级-纳米级裂缝、孔隙和喉道的类型、大小、形态、连通状态和分布,得到二维高精度孔隙半径分布数据,解决了常规扫描电镜仅能观察单一微视域的问题,也解决了铸体薄片镜下观察产生的二维储集空间目估分辨率不够且定量统计误差大的问题,也解决了偏光显微镜观察分辨率和样品尺寸无法兼得的问题。
另外,本发明采用了多尺度高分辨率三维CT扫描技术,利用最大球算法提取孔喉网络模型,运用数理统计定量提取孔喉大小、孔喉体积、孔喉比、配位数等孔隙结构参数。储集空间三维形态、大小、分布的获取解决了以往常规手段只能从二维单一表征的问题。
同时,本发明采用了高压压汞和核磁共振技术,综合测试储层的孔喉参数和渗流能力,解决了恒速压汞测试致密储层样品误差大的问题。另外,本发明采用多元分类系数计算方法,优选定量评价参数,构建致密混积岩储层多元分类系数,将靶区致密混积岩储层由好到差依次分类,该方法基于致密混积岩储层孔喉结构及渗流特征的复杂性,充分考虑各种影响因素,将各类评价参数进行综合分析,解决了应用单一影响因素进行储层分类产生的问题。
总之,本发明利用自动矿物成分定量识别技术(QEMSCAN)对矿物相进行大视域、高分辨率识别,结合X射线衍射全岩分析、铸体薄片鉴定,能够对复杂致密混积岩储层进行精准岩性定名;利用岩心描述、铸体薄片镜下观察、扫描电镜观察和二维大尺寸背散射图像拼接技术(MAPS)能够对致密混积岩储层的储集空间在毫米-微米-纳米级二维尺度下全方位表征;利用多尺度高分辨率三维CT扫描技术,能够对致密混积岩储层储集空间进行高精度多尺度三维定量表征;采用多元分类系数计算方法,优选定量评价参数,构建致密混积岩储层多元分类系数,能够将靶区致密混积岩储层精准分类。
实施例2
渤海海域是我国湖相混积岩最为发育的区域之一,近年来,随着渤海海域油气勘探逐步向深层挺进,深部致密混积岩储层已有油气发现。
渤海海域黄河口凹陷北部陡坡带古近系沙河街组地层整体埋深较大(大于3600m),发育以扇三角洲、辫状河三角洲为主的近源沉积体系,混积岩主要发育于沙一段和沙二段,沙一-沙二段局部发育湖相碳酸盐岩浅滩(生物碎屑滩、钙质滩夹砂质滩),陆源碎屑、碳酸盐矿物、粘土矿物和生物碎屑混合共生,岩性复杂多样。
物性资料统计,沙一-沙二段混积岩层段孔隙度分布在1.5~22.8%范围内,均值7.9%,渗透率分布范围为0.005~4.2×10-3μm2,均值0.261×10-3μm2,其97.5%的储集层样品空气渗透率低于1×10-3μm2,按照国家标准《GB/T 34906-2017致密油地质评价方法》,为致密混积岩储集层。
储层孔隙以微米-亚微米-纳米级为主,通过普通偏光显微镜在铸体薄片中无法观察到亚微米-纳米级孔隙和喉道,采用恒速压汞法最大900psi压力下进汞饱和度通常不超过52%,利用常规扫描电镜观察视域小且无法提供孔喉结构定量参数,常规基于图像的储集空间表征方法,均存在实验尺寸与分辨率无法兼得问题,且致密混积岩储层岩石类型复杂,储层分类评价更加困难,这些特点成为储集空间精细表征和储层分类研究的关键性难题。
对此,本实施例提供了针对上述致密混积岩储集空间多尺度表征与储层分类方法,其包括以下步骤:
步骤ⅰ.分析储层岩石学特征
首先,在熟悉靶区目的层构造背景、沉积相等地质认识基础上,观察岩心样品的岩石类型、储层均质性;结果为研究区碳酸盐矿物与陆源碎屑矿物种类较多,混积岩储层的岩性组成较为多样和复杂,单层厚度1~16m,储层非均质性较强。
然后,利用自动矿物成分定量识别技术(QEMSCAN),定量得出柱塞样品二维截面全视域的矿物成分含量百分比,观察主要造岩矿物、杂基和胶结物的类型、分布形态和面积百分比,辅助判定岩石类型及结构特征;结果如图1所示,可以清晰观察到整个柱塞样品的二维大面积矿物分布、各矿物赋存结构形态及百分含量,确定研究区碳酸盐矿物以方解石、白云石为主,陆源碎屑矿物以石英、长石、粘土矿物为主,各层段矿物百分比差异较大,矿物定量数据为岩石精准定名提供了重要证据。
再后,利用X射线衍射分析方法分析样品的矿物组分及其百分含量,辅助判定岩石类型;结果为:研究区各层段矿物百分比差异较大,与自动矿物成分定量识别技术(QEMSCAN)得出结论一致,陆源碎屑含量分布在13~85%,白云石含量分布在5~80%,方解石含量分布在8~75%;
最后,通过储层铸体薄片制备与鉴定,结合混积岩岩性三角分类系统及命名规则,对混积岩岩性进行精准定名;结果为:研究区混积岩发育的岩石类型有陆屑质灰岩、钙质砂岩、碳酸盐质砂岩、含碳酸盐砂岩、云质砂岩、含陆屑泥晶云岩、陆屑质泥晶云岩;为便于确定储层岩性与孔隙度、渗透率的相关性,上述命名进行了归类简化。
步骤ⅱ.分析储层物性特征
利用岩石孔隙度仪和气体渗透率仪分别测定储层样品的孔隙度和渗透率;结果为:陆屑质灰岩平均孔隙度为6.4%,平均渗透率为0.050×10-3μm2;钙质砂岩平均孔隙度为7.1%,平均渗透率为0.214×10-3μm2;碳酸盐质砂岩平均孔隙度为7.4%,平均渗透率为0.200×10-3μm2;含碳酸盐质砂岩平均孔隙度为8.5%,平均渗透率为0.227×10-3μm2;云质砂岩平均孔隙度为9.2%,平均渗透率为0.373×10-3μm2;(含)陆屑泥晶云岩平均孔隙度为8.3%,平均渗透率为0.229×10-3μm2。
步骤ⅲ.二维储集空间精细表征
首先,观察并描述岩心样品毫米级-亚毫米级裂缝及孔隙发育情况;结果为:岩石致密,用放大镜肉眼观察分辨率低,未见毫米级储集空间。
然后,利用偏光显微镜观察铸体薄片,观察微米-亚微米级裂缝、孔隙和喉道的类型、大小、形态、连通状态,关注不同岩石类型主要孔喉类型及主要孔隙半径分布区间,并目估面孔率;结果为:储集空间以次生孔隙为主,可见微米-亚微米级粒间溶孔、粒内溶孔、生物体腔溶孔、晶间溶孔,局部层段见残余生物体腔孔和微裂缝,喉道类型主要见缩颈型、点状喉道,平均面孔率为1.89%。
再后,利用扫描电子显微镜观察亚微米级-纳米级裂缝、孔隙和喉道的类型、形态;结果为:可见亚微米-纳米级白云石晶间微孔、晶间溶孔和白云石片状微喉道、粘土矿物管状微喉道。
最后,利用二维大尺寸背散射图像拼接技术(MAPS)观察微米级-纳米级裂缝、孔隙和喉道的类型、大小、形态、连通状态,计算统计得到全视域的孔隙半径连续分布数据;结果如图2和图3所示,岩石孔隙半径分布范围为0.2~300μm,亚微米—微米级多尺度分布,不同岩性及物性样品的孔隙半径主要分布区间、峰值半径差异较大,随着孔隙度的降低,平均孔隙半径越小,主要孔径分布范围越小,储层生物体腔孔、晶间溶孔等大孔隙比例相对减少,粒内溶孔和粒间溶蚀微孔比例相对增加;
步骤ⅳ.三维储集空间精细表征
利用多尺度三维CT扫描表征储层储集空间特征,建立岩石三维孔喉网络模型,观察储集空间的类型和/或大小和/或立体形态和/或三维连通状态,定量得到孔隙半径分布、平均孔隙半径、平均喉道半径、平均配位数、死孔隙等孔喉结构参数;结果如图4和下表1所示,通过高精度扫描和图像分割处理,得到了三维孔隙分布,混积岩中典型不同岩性储层平均孔隙半径、主要孔隙半径分布区间、平均孔喉比参数存在明显不同,云质砂岩和含云砂岩要大于陆屑灰岩和钙质砂岩;
表1本发明实施例中典型混积岩CT扫描孔喉参数统计表
步骤ⅴ.实验方法测量储层渗流特征及孔隙结构参数
首先,利用核磁共振技术测试岩石样品的渗流能力,得到可动流体饱和度参数;结果为:可动流体饱和度整体较低,介于17.52%~39.51%,平均值为24.01%。
然后,利用高压压汞技术测试岩石样品储集空间的孔喉参数,得到孔喉大小、连通性、分选性参数;结果为:孔喉大小、分选性、连通性参数表明靶区混积岩储层整体孔喉半径较小,孔喉分选性和连通性整体较差,储集能力一般,部分层段较好。
步骤ⅵ.分析影响储层物性的特征参数
分析上述步骤确定的储层岩性与孔隙度、渗透率的相关性;结果为:如图5所示,在渗透率大于0.2×10-3μm2的样品区间内,云质砂岩和(含)陆屑云岩占比达58.9%,碳酸盐质砂岩和含碳酸盐砂岩占比41.1%,陆屑灰岩和钙质砂岩占比为0%,云质砂岩和(含)陆屑云岩是相对优质储层。
分析上述步骤确定的储层矿物组分和含量、胶结物类型与孔隙度、渗透率的相关性;选出影响储层物性较大的储层岩石学特征参数;结果为:储层物性与方解石含量呈反比、与白云石含量成正相关关系,方解石致密胶结是储层致密的主要原因,白云岩化作用对储层改善意义重大。
优选的,分析上述步骤确定的面孔率、主要储集空间类型、高精度二维孔隙半径定量分布、三维孔喉网络模型参数、平均孔喉半径、排驱压力、可动流体饱和度等参数中的一种或几种的组合与上述步骤确定的储层孔隙度和/或渗透率的关系,选出影响储层物性较大的孔隙结构参数;结果为:优选七项定量评价参数,包括孔隙度、渗透率、面孔率、平均孔喉半径(高压压汞法)、可动流体饱和度、排驱压力、均值系数,平均孔喉半径(高压压汞法)和排驱压力与物性关系如图6和图7所示,渗透率与平均孔喉半径、排驱压力成正相关关系。
步骤ⅶ.储层分类
利用多元分类系数计算方法,优选上述步骤确定的定量评价参数,构建致密混积岩储层多元分类系数,依据多元分类系数区间和影响储层物性的主控参数,将靶区致密混积岩储层由好到差依次分类。
结果为:研究区多元分类系数计算方法,研究区致密储层多元分类系数Feci介于-6.5~1.3,结合储层其他特征参数,如下表2所示,将研究区致密混积岩储层由好到差依次分为Ⅰ、Ⅱ、Ⅲ类。
表2本发明实施例中混积岩储层孔隙结构及储层分类评价表
本发明利用自动矿物成分定量识别技术可大视域、高分辨率识别矿物成分,协助进行致密混积岩精准定名,为储层分类评价奠定基础。
本发明利用二维大尺寸背散射图像拼接技术、多尺度CT扫描,将致密混积岩储集空间表征精度提升至纳米级,也将表征维度从二维半定量描述观察提升至三维定量空间形态展示,实现对储集空间的全方位定量精细表征。
本发明利用多元分类系数,优选各项参数进行储层分类评价,对揭示致密混积岩储层致密化机理、成岩成藏耦合、甜点预测研究及后续开发具有重要的指导意义。
以上对本发明做了示例性的描述,应该说明的是,在不脱离本发明的核心的情况下,任何简单的变形、修改或者其他本领域技术人员能够不花费创造性劳动的等同替换均落入本发明的保护范围。
Claims (9)
1.一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:
(ⅰ)分析储层的岩石学特征
(ⅱ)分析储层的物性特征
(ⅲ)二维储集空间精细表征
(ⅳ)三维储集空间精细表征
(ⅴ)实验方法测量储层渗流特征及孔隙结构参数
(ⅵ)分析影响储层物性的特征参数
(ⅶ)进行储层分类。
2.根据权利要求1所述的一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:步骤(ⅰ)分析储层的岩石学特征,具体过程如下:
首先,在靶区目的层构造背景、沉积相等地质认识的基础上,观察得到岩心样品的岩石类型、储层均质性;
然后,通过储层铸体薄片制备与鉴定,结合混积岩岩性三角分类系统及命名规则,对混积岩岩性进行精准定名。
3.根据权利要求2所述的一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:在得到岩心样品的岩石类型、储层均质性过程中,还包括辅助判断过程。
4.根据权利要求1所述的一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:步骤(ⅱ)分析储层的物性特征,具体过程如下:
利用岩石孔隙度仪测定储层样品的孔隙度;
利用气体渗透率仪测定储层样品的渗透率;
最终得到孔隙度和渗透率。
5.根据权利要求1所述的一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:步骤(ⅲ)二维储集空间精细表征,具体过程如下:
首先,观察并描述岩心样品毫米级-亚毫米级裂缝及孔隙发育情况;
然后,利用偏光显微镜观察铸体薄片,观察微米级-亚微米级裂缝、孔隙和喉道的类型、大小、形态、连通状态,关注不同岩石类型主要孔喉类型及主要孔隙半径分布区间,并目估面孔率;
再后,利用扫描电子显微镜观察微米级-纳米级裂缝、孔隙和喉道的类型、形态;
最后,利用二维大尺寸背散射图像拼接技术(MAPS)观察微米级-纳米级裂缝、孔隙和喉道的类型、大小、形态、连通状态,计算统计得到全视域的孔隙半径连续分布数据。
6.根据权利要求1所述的一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:步骤(ⅳ)三维储集空间精细表征,具体过程如下:
利用多尺度三维CT扫描表征储层储集空间特征,建立岩石三维孔喉网络模型,观察储集空间的类型、大小、立体形态、三维连通状态,定量得到孔隙半径分布、平均孔隙半径、平均喉道半径、平均配位数、死孔隙等孔喉结构参数。
7.根据权利要求1所述的一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:步骤(ⅴ)实验方法测量储层渗流特征及孔隙结构参数,具体过程如下:
首先,利用核磁共振技术测试岩石样品的渗流能力,得到可动流体饱和度参数;
然后,利用高压压汞技术测试岩石样品储集空间的孔喉参数,得到孔喉大小、连通性、分选性参数。
8.根据权利要求1所述的一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:步骤(ⅵ)分析影响储层物性的特征参数,具体过程如下:
首先,分析确定的储层岩性与孔隙度、渗透率的相关性;
然后,分析确定的储层矿物组分和含量、胶结物类型与孔隙度、渗透率的相关性;
最后,选出影响储层物性较大的储层岩石学特征参数。
9.根据权利要求1所述的一种致密混积岩储层储集空间多尺度表征与储层分类方法,其特征在于:步骤(ⅶ)进行储层分类,具体过程如下:
利用多元分类系数计算方法,构建致密混积岩储层多元分类系数,依据多元分类系数区间和影响储层物性的主控参数,将靶区致密混积岩储层由好到差依次分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210253331.0A CN114897767A (zh) | 2022-03-15 | 2022-03-15 | 一种致密混积岩储层储集空间多尺度表征与储层分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210253331.0A CN114897767A (zh) | 2022-03-15 | 2022-03-15 | 一种致密混积岩储层储集空间多尺度表征与储层分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114897767A true CN114897767A (zh) | 2022-08-12 |
Family
ID=82716227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210253331.0A Pending CN114897767A (zh) | 2022-03-15 | 2022-03-15 | 一种致密混积岩储层储集空间多尺度表征与储层分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897767A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563484A (zh) * | 2023-05-08 | 2023-08-08 | 东北石油大学 | 一种基于构型理论解析的致密砂岩储层储集性表征方法 |
CN117451857B (zh) * | 2023-12-21 | 2024-03-08 | 新锦盛源(广东)能源科技有限公司 | 页岩气储集空间检测方法及其相关设备 |
-
2022
- 2022-03-15 CN CN202210253331.0A patent/CN114897767A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563484A (zh) * | 2023-05-08 | 2023-08-08 | 东北石油大学 | 一种基于构型理论解析的致密砂岩储层储集性表征方法 |
CN116563484B (zh) * | 2023-05-08 | 2024-02-09 | 东北石油大学 | 一种基于构型理论解析的致密砂岩储层储集性表征方法 |
CN117451857B (zh) * | 2023-12-21 | 2024-03-08 | 新锦盛源(广东)能源科技有限公司 | 页岩气储集空间检测方法及其相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A multiscale comprehensive study on pore structure of tight sandstone reservoir realized by nuclear magnetic resonance, high pressure mercury injection and constant-rate mercury injection penetration test | |
Wu et al. | A comprehensive study on geometric, topological and fractal characterizations of pore systems in low-permeability reservoirs based on SEM, MICP, NMR, and X-ray CT experiments | |
CN107228816B (zh) | 一种泥页岩中不同类型孔隙演化评价方法 | |
Zhao et al. | Investigation on the pore structure and multifractal characteristics of tight oil reservoirs using NMR measurements: Permian Lucaogou Formation in Jimusaer Sag, Junggar Basin | |
Li et al. | Investigation of the pore structures and fractal characteristics of marine shale reservoirs using NMR experiments and image analyses: A case study of the Lower Cambrian Niutitang Formation in northern Guizhou Province, South China | |
CN105334149B (zh) | 一种致密储层微观孔隙结构评价与储层分类方法 | |
Liu et al. | Multi-scale fractal analysis of pores in shale rocks | |
CN105115874B (zh) | 多源信息融合的多组分三维数字岩心构建方法 | |
Ko et al. | Controls on pore types and pore-size distribution in the Upper Triassic Yanchang Formation, Ordos Basin, China: Implications for pore-evolution models of lacustrine mudrocks | |
CN114897767A (zh) | 一种致密混积岩储层储集空间多尺度表征与储层分类方法 | |
CN109030311A (zh) | 基于核磁共振t2谱敏感参数的孔隙结构分类与识别方法 | |
CN110231272A (zh) | 致密砂岩孔径与核磁共振t2值转换关系的确定方法及系统 | |
CN104989386B (zh) | 一种致密油特性判别方法及图版的生成方法 | |
Zeng et al. | Pore structure characteristics of reservoirs of Xihu Sag in East China Sea Shelf Basin based on dual resolution X-ray computed tomography and their influence on permeability | |
Li et al. | Reservoir characteristics and evaluation of fluid mobility in organic-rich mixed siliciclastic-carbonate sediments: a case study of the lacustrine Qiketai Formation in Shengbei Sag, Turpan-Hami Basin, Northwest China | |
Li et al. | Scale-dependent nature of porosity and pore size distribution in lacustrine shales: An investigation by BIB-SEM and X-ray CT methods | |
Bian et al. | Pore structure fractal characterization and permeability simulation of natural gas hydrate reservoir based on CT images | |
Fu et al. | Application of automated mineralogy in petroleum geology and development and CO2 sequestration: A review | |
Gong et al. | Pore throat size distribution and oiliness of tight sands-A case study of the Southern Songliao Basin, China | |
Zang et al. | Comparison of pore size distribution, heterogeneity and occurrence characteristics of movable fluids of tight oil reservoirs formed in different sedimentary environments: a case study of the Chang 7 member of Ordos Basin, China | |
CN109444190B (zh) | 利用数字岩心分析提高复杂油气层含水饱和度评价精度的方法 | |
Dong et al. | Impacts of mineralogy and pore throat structure on the movable fluid of tight sandstone gas reservoirs in coal measure strata: A case study of the Shanxi formation along the southeastern margin of the Ordos Basin | |
Zhao et al. | Pore-throat size distribution and classification of the Paleogene tight sandstone in Lishui Sag, East China Sea Shelf Basin, China | |
Li et al. | Making sense of pore systems and the diagenetic impacts in the Lower Triassic porous dolostones, northeast Sichuan Basin | |
CN109738955B (zh) | 一种基于成分-结构分类下的变质岩岩性综合判别方法 |
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 |