CN114961708A - 煤系地层有机碳含量评价方法、评价装置及电子设备 - Google Patents
煤系地层有机碳含量评价方法、评价装置及电子设备 Download PDFInfo
- Publication number
- CN114961708A CN114961708A CN202110187725.6A CN202110187725A CN114961708A CN 114961708 A CN114961708 A CN 114961708A CN 202110187725 A CN202110187725 A CN 202110187725A CN 114961708 A CN114961708 A CN 114961708A
- Authority
- CN
- China
- Prior art keywords
- organic carbon
- hydrogen
- content
- coal
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 287
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 279
- 239000003245 coal Substances 0.000 title claims abstract description 63
- 238000011156 evaluation Methods 0.000 title claims abstract description 28
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 91
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 91
- 239000001257 hydrogen Substances 0.000 claims abstract description 91
- 239000011435 rock Substances 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000015572 biosynthetic process Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 23
- 239000004927 clay Substances 0.000 claims description 22
- 239000010453 quartz Substances 0.000 claims description 18
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 18
- 239000011148 porous material Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000000611 regression analysis Methods 0.000 claims description 10
- 239000012530 fluid Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 4
- 239000004215 Carbon black (E152) Substances 0.000 abstract description 18
- 229930195733 hydrocarbon Natural products 0.000 abstract description 18
- 150000002430 hydrocarbons Chemical class 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 6
- 239000005416 organic matter Substances 0.000 description 21
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 description 3
- 208000001456 Jet Lag Syndrome Diseases 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 208000033915 jet lag type circadian rhythm sleep disease Diseases 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008021 deposition Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 125000003473 lipid group Chemical group 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012314 multivariate regression analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- 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
本发明提出了一种煤系地层有机碳含量评价方法、评价装置及电子设备。评价方法包括:基于测井曲线计算煤系地层总有机碳含量;计算富氢质有机碳与贫氢质有机碳的比例;结合煤系地层总有机碳含量以及富氢质有机碳与贫氢质有机碳的比例,计算富氢质有机碳含量和贫氢质有机碳含量。本发明建立了一种煤系地层总有机碳、富氢质有机碳、贫氢质有机碳含量评价方法,填补了传统煤系地层仅能评价总有机碳含量,不能评价富氢质及贫氢质有机碳含量的空白,在煤系地层烃源岩评价中有较好的应用效果。
Description
技术领域
本发明属于地球勘探领域,涉及煤系地层有机碳含量评价技术,具体涉及一种煤系地层有机碳含量评价方法、评价装置及电子设备。
背景技术
储层中的有机质不仅是成烃的物质基础,还是吸附气的重要载体。有机碳含量是烃源岩评价的重要参数,关系到油气勘探规划,总有机碳(TOC)含量精确数据主要是来源于取芯实验分析,然而由于钻井成本高,取芯层段少,且含煤地层有机质分布不均匀,难以通过岩心分析确定整个井段的有机碳含量数据(王攀,彭苏萍,杜文凤,等.基于测井参数的煤系烃源岩总有机碳含量预测模型.煤炭学报,2017,42(5):1266-1276)。
因此需要建立一种机质含量的简便快速评价方法,在利用有限的岩心实验资料对其刻度后,实现有机质含量全井段连续求取。由于有机质相对于地层具有低密度(1.1g/cm3)、高自然伽马(800-4000API)、高电阻率(105-109ohm.m)、高含氢指数(67%),高声波时差(571us/m)的特点(刘文辉,镇泾地区页岩储层解释模型及测井评价研究.中国地质大学(武汉),2016),可以利用有机质地层密度测井值低、自然伽马测井值高、电阻率测井值高、中子测井值高及声波时差测井值高的特点识别富含有机质地层,并建立地层有机质含量评价方法,连续计算整个井段的有机质含量。
煤系地层形成于河流相、沼泽相及浅湖相沉积体系,相对于湖相烃源岩及海相烃源岩地层具有特殊的沉积环境和母质,有机质中能形成油气的有效碳(富氢显微组分)含量偏低,因为煤系有机质以陆生植物为主要来源,与水生有机质相比,类脂组含量低,相对富碳贫氢,虽然总有机碳含量高,但生烃潜力相对较低,其总有机碳含量不能作为评价指标。然而,目前煤系地层有机碳测井评价方法往往仅能评价总有机碳含量,不能针对煤系地层的有机碳类型进行进一步细分评价。
为精细评价煤系地层有机质含量,确定煤系地层生烃潜力,本领域急需一种煤系地层有机碳含量评价方法。
发明内容
针对煤系地层有机质类型多样,各类型有机质生烃潜力差异较大,目前尚无各类有机质评价模型的问题,本发明建立了一种基于测井资料的煤系地层有机质组分含量计算方法。
本发明的目的在于利用测井方法评价煤系地层总有机碳含量,并将总有机质划分为生烃能力较强的富氢质有机碳和生烃能力较弱的贫氢质有机碳,分别评价这两类有机碳成分含量,为确定煤系地层生烃潜力提供依据。
根据本发明的一个方面,提供一种煤系地层有机碳含量评价方法,包括:
基于测井曲线计算煤系地层总有机碳含量;
计算富氢质有机碳与贫氢质有机碳的比例;
结合煤系地层总有机碳含量以及富氢质有机碳与贫氢质有机碳的比例,计算富氢质有机碳含量和贫氢质有机碳含量。
进一步地,基于测井曲线计算总有机碳含量包括:以岩心实验分析所得的岩心总有机碳含量为自变量,以对有机质敏感的测井曲线或测井曲线计算量为因变量,通过回归分析计算煤系地层总有机碳含量。
进一步地,采用多元回归分析的计算煤系地层总有机碳含量:
TOC=-4.22279+0.0152689*AC+0.0168291*GRN (1)
其中,AC为声波时差测井值,GRN为标准化后伽马测井值。
进一步地,当岩心含有有机碳时,声波时差、自然伽马测井值偏离不含有机碳时测井值;
岩心总有机碳含量与声波时差存在正相关关系,岩心总有机碳含量与自然伽马存在正相关关系。
进一步地,计算富氢质有机碳与贫氢质有机碳的比例包括:将地层组分划分为富氢质有机碳部分、贫氢质有机碳部分及除有机碳外骨架部分三部分,采用三角图求取富氢质有机碳与贫氢质有机碳的比例。
进一步地,富氢质有机碳呈现高伽马的特征,贫氢质有机碳呈现低伽马的特征,依据富氢质有机碳和贫氢质有机碳的自然伽马、声波时差的差异,采用三角图计算富氢质有机碳与贫氢质有机碳的比例。
进一步地,通过公式(3)计算三角图中的除有机碳外骨架部分参数:
其中,ACmatrix为声波骨架值,Vsand为石英含量,ACsand为石英声波时差,Vclay为黏土含量,ACclay为黏土声波时差,PHIT为孔隙度,ACphit为孔隙流体声波时差;GRmatrix为伽马骨架值,GRsand为石英伽马值,GRclay为黏土伽马值,GRphit为孔隙伽马值。
进一步地,通过公式(2)计算除有机碳外骨架部分中各类成分的体积:
其中,V代表体积,sand代表石英,clay代表黏土,coal代表有机碳,toc代表孔隙,AC代表声波时差测井值,GR代表伽马测井值,CNL代表中子测井值,Vcoal代表贫氢质有机碳体积,Vtoc代表富氢质有机碳体积,TOC_MR代表总有机碳含量。
根据本发明的另一方面,提供一种煤系地层有机碳含量评价装置,包括:
总有机碳含量计算模块,基于测井曲线计算煤系地层总有机碳含量;
比例计算模块,计算富氢质有机碳与贫氢质有机碳的比例;
分类计算模块,结合煤系地层总有机碳含量以及富氢质有机碳与贫氢质有机碳的比例,计算富氢质有机碳含量和贫氢质有机碳含量。
根据本发明的另一方面,提供一种电子设备,其特征在于,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,以实现所述的煤系地层有机碳含量评价方法。
本发明建立了一种煤系地层总有机碳、富氢质有机碳、贫氢质有机碳含量评价方法,填补了传统煤系地层仅能评价总有机碳含量,不能评价富氢质及贫氢质有机碳含量的空白,在煤系地层烃源岩评价中有较好的应用效果。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1为根据本发明的煤系地层有机碳含量评价方法的流程图。
图2为根据本发明实施例的评价方法流程图。
图3(a)为根据本发明实施例的岩心有机碳含量与声波时差相关性图,图3(b)为根据本发明实施例的岩心有机碳含量与自然伽马相关性图。
图4为根据本发明实施例的某井回归分析计算总有机碳含量与岩心分析总有机碳含量对比图。
图5为根据本发明实施例的某区回归分析计算总有机碳含量与岩心分析总有机碳含量对比图。
图6为根据本发明实施例的富氢及贫氢质有机碳含量划分三角图.
图7为本发明评价方法在A井中的应用效果图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本发明将煤系地层有机碳含量进一步细分为富氢质有机碳和贫氢质有机碳,并采用三角图的方式确定了二者含量。
首先,以岩心实验分析所得总有机碳为自变量,以对有机质敏感的测井曲线或测井曲线计算量为因变量,通过回归分析建立了煤系地层总有机碳含量计算方法;然后以地层组分与测井响应的线性关系为基础建立了地层骨架测井参数计算方法;最后,将地层组分划分为富氢质有机碳部分、贫氢质有机碳部分及除有机碳外骨架部分三部分,采用三角图求取了富氢质有机碳与贫氢质有机碳的比例,结合总有机碳含量计算富氢质及贫氢质有机碳含量。计算结果在煤系地层有机碳测井评价中取得了较好的应用效果。
如图1所示,本发明提供了一种煤系地层有机碳含量评价方法,包括:
基于测井曲线计算煤系地层总有机碳含量;
计算富氢质有机碳与贫氢质有机碳的比例;
结合煤系地层总有机碳含量以及富氢质有机碳与贫氢质有机碳的比例,计算富氢质有机碳含量和贫氢质有机碳含量。
具体地,首先以岩心实验分析所得的岩心总有机碳含量为自变量,以对有机质敏感的测井曲线或测井曲线计算量为因变量,通过回归分析计算煤系地层总有机碳含量。
由于有机质相对于地层具有低密度测井值、高自然伽马测井值、高电阻率测井值、高声波时差测井值的特点,地层含有机质后将导致密度、自然伽马、电阻率、声波时差测井值偏离不含有机质地层测井值,且偏离量与有机质含量间存在相关性。当岩心含有有机碳时,声波时差、自然伽马测井值偏离不含有机碳时测井值;岩心总有机碳含量与声波时差存在正相关关系,岩心总有机碳含量与自然伽马存在正相关关系。
鉴于岩石有机碳含量与测井曲线值或测井曲线计算值(如Delta Log R(电阻率与声波测井曲线在特定刻度下的距离)的相关关系,可以采用多元回归分析的方式建立利用测井曲线值或测井曲线计算值计算岩石总有机碳含量的计算模型,如公式(1)所示。
TOC=-4.22279+0.0152689*AC+0.0168291*GRN (1)
其中,AC为声波时差测井值,GRN为标准化后伽马测井值。
进一步地,计算富氢质有机碳与贫氢质有机碳的比例包括:将地层组分划分为富氢质有机碳部分、贫氢质有机碳部分及除有机碳外骨架部分三部分,采用三角图求取富氢质有机碳与贫氢质有机碳的比例。
煤系地层总有机碳含量高,然而煤系地层中的有机碳既包括生烃能力较强的富氢质有机碳又包括生烃能力较差的贫氢质有机碳。富氢质有机碳对放射性元素吸附能力较强,呈现高伽马的特征,贫氢质有机碳自然伽马较低,因此依据二者自然伽马,声波时差的差异采用三角图计算二者在总有机碳中所占比例,结合总有机碳含量进而计算二者含量。
通常认为,地层中子、密度、声波、自然伽马测井响应与地层中的组分(石英、煤、黏土、有机碳、流体等)有线性关系。把地层中除TOC以外的部分定义为骨架。骨架中各类成分体积可通过求取公式(2)形式方程得到:
其中,V代表体积,sand代表石英,clay代表黏土,coal代表有机碳,toc代表孔隙,AC代表声波时差测井值,GR代表伽马测井值,CNL代表中子测井值,Vcoal代表贫氢质有机碳体积,Vtoc代表富氢质有机碳体积,TOC_MR代表总有机碳含量。各组分体积大于0,通过求解公式(2)所示正定或超定方程即可求取各组分体积,通过公式(3)可求得三角图中的骨架参数。
其中,ACmatrix为声波骨架值,Vsand为石英含量,ACsand为石英声波时差,Vclay为黏土含量,ACclay为黏土声波时差,PHIT为孔隙度,ACphit为孔隙流体声波时差;GRmatrix为伽马骨架值,GRsand为石英伽马值,GRclay为黏土伽马值,GRphit为孔隙伽马值。
为便于理解本发明实施例的方案及其效果,以下给出具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
实施例1
图2为根据本发明实施例的评价方法流程图。如图2所示,本实施例提供了一种基于测井资料的煤系地层总有机碳含量、富氢质有机碳、贫烃有机碳含量评价方法,主要包含以下步骤:
首先,采用测井曲线计算总有机碳含量。
由于有机质相对于地层具有低密度测井值、高自然伽马测井值、高电阻率测井值、高声波时差测井值的特点,地层含有机质后将导致密度、自然伽马、电阻率、声波时差测井值偏离不含有机质地层测井值,且偏离量与有机质含量间存在相关性,如图3(a),(b)所示。
图3(a)、3(b)中纵坐标均为岩心分析所得的总有机碳含量,图3(a)横坐标为声波时差测井值,图3(b)为自然伽马测井值。由图3可见,当岩心含有有机碳时,声波时差、自然伽马测井值偏离不含有机碳时测井值;岩心总有机碳含量与声波时差存在正相关关系,岩心总有机碳含量与自然伽马存在正相关关系。
鉴于岩石有机碳含量与测井曲线值或测井曲线计算值(如Delta Log R(电阻率与声波测井曲线在特定刻度下的距离)的相关关系,可以采用多元回归分析的方式建立利用测井曲线值或测井曲线计算值计算岩石总有机碳含量的计算模型,如公式(1)所示。
TOC=-4.22279+0.0152689*AC+0.0168291*GRN (1)
其中,AC为声波时差测井值,GRN为标准化后伽马测井值。
采用如公式(1)所示的总有机碳含量计算模型可以根据测井值连续计算地层中的有机碳含量,如图4所示。
图4为某井回归分析计算总有机碳含量与岩心分析总有机碳含量对比图,图中最右侧一道连续曲线为采用式1计算总有机碳含量,黑色杆状数据为岩心分析总有机碳含量,可见二者吻合较好,全区总有机碳含量计算效果与岩心总有机碳含量对比如图5所示。
同时,可以通过采用三角图计算富氢质有机碳与贫氢质有机碳在总有机碳中所占比例。
煤系地层总有机碳含量高,然而煤系地层中的有机碳既包括生烃能力较强的富氢质有机碳又包括生烃能力较差的贫氢质有机碳。富氢质有机碳对放射性元素吸附能力较强,呈现高伽马的特征,贫氢质有机碳自然伽马较低,因此依据二者自然伽马,声波时差的差异采用三角图计算二者在总有机碳中所占比例,结合总有机碳含量进而计算二者含量,三角图如图6所示。
图6为富氢及贫氢质有机碳含量划分三角图,其中各富氢及贫氢质有机碳自然伽马、声波时差测井值可根据地区规律确定,地层骨架值可根据地区规律确定或通过求解骨架参数方程的方式确定。
通常认为,地层中子、密度、声波、自然伽马测井响应与地层中的组分(石英、煤、黏土、有机碳、流体等)有线性关系。在图7所示三角图中,把地层中除TOC以外的部分定义为骨架。骨架中各类成分体积可通过求取式(2)形式方程得到:
其中,V代表体积,sand代表石英,clay代表黏土,coal代表有机碳,toc代表孔隙,AC代表声波时差测井值,GR代表伽马测井值,CNL代表中子测井值,Vcoal代表贫氢质有机碳体积,Vtoc代表富氢质有机碳体积,TOC_MR代表总有机碳含量。其中各组分体积大于0,通过求解式(2)所示正定或超定方程即可求取各组分体积,通过式3可求得三角图中的骨架参数。
其中,ACmatrix为声波骨架值,Vsand为石英含量,ACsand为石英声波时差,Vclay为黏土含量,ACclay为黏土声波时差,PHIT为孔隙度,ACphit为孔隙流体声波时差;GRmatrix为伽马骨架值,GRsand为石英伽马值,GRclay为黏土伽马值,GRphit为孔隙伽马值。
实施例2
本实施例中应用本发明的评价方法,对某地区煤系地层烃源岩进行了评价,计算了煤系地层总有机碳、富氢质、贫氢质有机碳含量,计算结果如图7所示。
图中自左至右分别为深度道,测井解释岩性道、岩心描述岩性道、岩心照片道、电阻率曲线道,孔隙度曲线道,有机碳含量道及富氢质有机碳与贫氢质有机碳比例道。其中,有机碳含量评价道中实线表示测井回归计算总有机碳,黑色杆状数据为岩心分析有机碳,二者吻合较好,虚线为计算的富氢质有机碳。最右侧道富氢质有机碳与贫氢质有机碳对比道中虚线填充为富氢质有机碳、黑色填充为贫氢质有机碳,与岩心、测井解释岩性对比可见,煤层、含煤线页岩段多为贫氢质有机碳,而煤层不发育的泥岩段以富氢质有机碳为主,与该区地质认识吻合较好。
实施例3
本实施例提供一种煤系地层有机碳含量评价装置,包括:
总有机碳含量计算模块,基于测井曲线计算煤系地层总有机碳含量;
比例计算模块,计算富氢质有机碳与贫氢质有机碳的比例;
分类计算模块,结合煤系地层总有机碳含量以及富氢质有机碳与贫氢质有机碳的比例,计算富氢质有机碳含量和贫氢质有机碳含量。
总有机碳含量计算模块和比例计算模块分别与分类计算模块连接,将计算的煤系地层总有机碳含量、富氢质有机碳与贫氢质有机碳的比例分别发送至分类计算模块,分类计算模块结合煤系地层总有机碳含量以及富氢质有机碳与贫氢质有机碳的比例,计算富氢质有机碳含量和贫氢质有机碳含量。
实施例4
本实施例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,以实现上述煤系地层有机碳含量评价方法。
根据本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,为了解决如何获得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。
实施例5
本实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现所述的煤系地层有机碳含量评价方法。
根据本公开实施例的计算机可读存储介质,其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时,执行前述的本公开各实施例方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于:光存储介质(例如:CD-ROM和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的媒体(例如:ROM盒)。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
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)
1.一种煤系地层有机碳含量评价方法,其特征在于,包括:
基于测井曲线计算煤系地层总有机碳含量;
计算富氢质有机碳与贫氢质有机碳的比例;
结合煤系地层总有机碳含量以及富氢质有机碳与贫氢质有机碳的比例,计算富氢质有机碳含量和贫氢质有机碳含量。
2.根据权利要求1所述的煤系地层有机碳含量评价方法,其特征在于,基于测井曲线计算总有机碳含量包括:以岩心实验分析所得的岩心总有机碳含量为自变量,以对有机质敏感的测井曲线或测井曲线计算量为因变量,通过回归分析计算煤系地层总有机碳含量。
3.根据权利要求2所述的煤系地层有机碳含量评价方法,其特征在于,采用多元回归分析的计算煤系地层总有机碳含量:
TOC=-4.22279+0.0152689*AC+0.0168291*GRN (1)
其中,AC为声波时差测井值,GRN为标准化后伽马测井值。
4.根据权利要求2所述的煤系地层有机碳含量评价方法,其特征在于,当岩心含有有机碳时,声波时差、自然伽马测井值偏离不含有机碳时测井值;
岩心总有机碳含量与声波时差存在正相关关系,岩心总有机碳含量与自然伽马存在正相关关系。
5.根据权利要求1所述的煤系地层有机碳含量评价方法,其特征在于,计算富氢质有机碳与贫氢质有机碳的比例包括:将地层组分划分为富氢质有机碳部分、贫氢质有机碳部分及除有机碳外骨架部分三部分,采用三角图求取富氢质有机碳与贫氢质有机碳的比例。
6.根据权利要求5所述的煤系地层有机碳含量评价方法,其特征在于,富氢质有机碳呈现高伽马的特征,贫氢质有机碳呈现低伽马的特征,依据富氢质有机碳和贫氢质有机碳的自然伽马、声波时差的差异,采用三角图计算富氢质有机碳与贫氢质有机碳的比例。
9.一种煤系地层有机碳含量评价装置,其特征在于,包括:
总有机碳含量计算模块,基于测井曲线计算煤系地层总有机碳含量;
比例计算模块,计算富氢质有机碳与贫氢质有机碳的比例;
分类计算模块,结合煤系地层总有机碳含量以及富氢质有机碳与贫氢质有机碳的比例,计算富氢质有机碳含量和贫氢质有机碳含量。
10.一种电子设备,其特征在于,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,以实现权利要求1-8中任一项所述的煤系地层有机碳含量评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110187725.6A CN114961708A (zh) | 2021-02-18 | 2021-02-18 | 煤系地层有机碳含量评价方法、评价装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110187725.6A CN114961708A (zh) | 2021-02-18 | 2021-02-18 | 煤系地层有机碳含量评价方法、评价装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114961708A true CN114961708A (zh) | 2022-08-30 |
Family
ID=82971652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110187725.6A Pending CN114961708A (zh) | 2021-02-18 | 2021-02-18 | 煤系地层有机碳含量评价方法、评价装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114961708A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020104654A1 (en) * | 2000-04-24 | 2002-08-08 | Shell Oil Company | In situ thermal processing of a coal formation to convert a selected total organic carbon content into hydrocarbon products |
CN102565104A (zh) * | 2011-12-21 | 2012-07-11 | 中国石油天然气股份有限公司 | 一种烃源岩有机碳含量的测定方法 |
CN103760307A (zh) * | 2014-01-16 | 2014-04-30 | 中国石油大学(华东) | 一种评价干酪根类型的方法 |
US20150285944A1 (en) * | 2012-10-04 | 2015-10-08 | Schlumberger Technology Corporation | Hydrocarbon Saturation From Total Organic Carbon Logs Derived From Inelastic And Capture Nuclear Spectroscopy |
CN105156101A (zh) * | 2015-07-20 | 2015-12-16 | 中国石油天然气股份有限公司 | 烃源岩评价方法及其装置 |
CN105221133A (zh) * | 2015-08-20 | 2016-01-06 | 中国石油化工股份有限公司 | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 |
CN105842753A (zh) * | 2016-03-24 | 2016-08-10 | 中国石油大学(北京) | 对烃源岩内残余有机碳含量进行恢复的方法及装置 |
CN106291748A (zh) * | 2015-06-26 | 2017-01-04 | 中国石油化工股份有限公司 | 一种获取烃源岩有机碳含量的方法 |
CN109977360A (zh) * | 2019-04-08 | 2019-07-05 | 南京大学 | 高-过成熟腐泥型海相页岩原始氢指数和有机碳恢复方法 |
CN112147711A (zh) * | 2019-06-28 | 2020-12-29 | 中国石油化工股份有限公司 | 野外快速获取海相页岩总有机碳方法及系统 |
CN112147713A (zh) * | 2019-06-28 | 2020-12-29 | 中国石油化工股份有限公司 | 泥页岩总有机碳含量分段预测方法 |
CN112179806A (zh) * | 2019-07-03 | 2021-01-05 | 中国石油化工股份有限公司 | 评价烃源岩生烃潜力的方法 |
-
2021
- 2021-02-18 CN CN202110187725.6A patent/CN114961708A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020104654A1 (en) * | 2000-04-24 | 2002-08-08 | Shell Oil Company | In situ thermal processing of a coal formation to convert a selected total organic carbon content into hydrocarbon products |
CN102565104A (zh) * | 2011-12-21 | 2012-07-11 | 中国石油天然气股份有限公司 | 一种烃源岩有机碳含量的测定方法 |
US20150285944A1 (en) * | 2012-10-04 | 2015-10-08 | Schlumberger Technology Corporation | Hydrocarbon Saturation From Total Organic Carbon Logs Derived From Inelastic And Capture Nuclear Spectroscopy |
CN103760307A (zh) * | 2014-01-16 | 2014-04-30 | 中国石油大学(华东) | 一种评价干酪根类型的方法 |
CN106291748A (zh) * | 2015-06-26 | 2017-01-04 | 中国石油化工股份有限公司 | 一种获取烃源岩有机碳含量的方法 |
CN105156101A (zh) * | 2015-07-20 | 2015-12-16 | 中国石油天然气股份有限公司 | 烃源岩评价方法及其装置 |
CN105221133A (zh) * | 2015-08-20 | 2016-01-06 | 中国石油化工股份有限公司 | 一种基于测井多参数确定烃源岩有机碳含量的方法和装置 |
CN105842753A (zh) * | 2016-03-24 | 2016-08-10 | 中国石油大学(北京) | 对烃源岩内残余有机碳含量进行恢复的方法及装置 |
CN109977360A (zh) * | 2019-04-08 | 2019-07-05 | 南京大学 | 高-过成熟腐泥型海相页岩原始氢指数和有机碳恢复方法 |
CN112147711A (zh) * | 2019-06-28 | 2020-12-29 | 中国石油化工股份有限公司 | 野外快速获取海相页岩总有机碳方法及系统 |
CN112147713A (zh) * | 2019-06-28 | 2020-12-29 | 中国石油化工股份有限公司 | 泥页岩总有机碳含量分段预测方法 |
CN112179806A (zh) * | 2019-07-03 | 2021-01-05 | 中国石油化工股份有限公司 | 评价烃源岩生烃潜力的方法 |
Non-Patent Citations (6)
Title |
---|
"页岩气实验测试技术现状与研究进展", 《岩矿测试》, 30 June 2012 (2012-06-30), pages 931 - 938 * |
LI, JUN ET AL.: "Logging evaluation of free-gas saturation and volume content in Wufeng-Longmaxi organic-rich shales in the Upper Yangtze Platform, China", 《MARINE AND PETROLEUM GEOLOGY》, 1 February 2019 (2019-02-01), pages 530 - 539 * |
王香增等: "鄂尔多斯盆地南部中生界陆相页岩气地质特征", 《石油勘探与开发》, 30 June 2014 (2014-06-30), pages 294 - 304 * |
袁超等: "地层有机碳含量测井评价方法综述", 《地球物理学进展》, 30 June 2014 (2014-06-30), pages 2831 - 2837 * |
金徽等: "中低煤阶煤有机显微组分生物气产出模拟实验", 《大众标准化》, 31 March 2020 (2020-03-31), pages 23 - 24 * |
黄微等: "鄂尔多斯盆地中南部延长组7段页岩有机碳含量解释模型", 《石油学报》, 31 December 2015 (2015-12-31), pages 1508 - 1514 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2010332157B2 (en) | Workflow for petrophysical and geophysical formation evaluation of wireline and LWD log data | |
Kadkhodaie-Ilkhchi et al. | A review of reservoir rock typing methods in carbonate reservoirs: relation between geological, seismic, and reservoir rock types | |
CN104278991A (zh) | 盐湖相烃源岩有机碳和生烃潜量的多元测井计算方法 | |
Olea et al. | A methodology for the assessment of unconventional (continuous) resources with an application to the Greater Natural Buttes Gas Field, Utah | |
Onalo et al. | Data-driven model for shear wave transit time prediction for formation evaluation | |
Lin et al. | High-altitude well log evaluation of a permafrost gas hydrate reservoir in the Muli area of Qinghai, China | |
Kjelstadli et al. | Quantitative history match of 4D seismic response and production data in the Valhall field | |
Kurah et al. | Reservoir characterization and volumetric estimation of reservoir fluids using simulation and analytical methods: a case study of the coastal swamp depobelt, Niger Delta Basin, Nigeria | |
CN114961708A (zh) | 煤系地层有机碳含量评价方法、评价装置及电子设备 | |
Ali-Nandalal et al. | Characterising reservoir performance for the mahogany 20 gas sand based on petrophysical and rock typing methods | |
Gibrata et al. | Advanced and Integrated Petrophysical Evaluation for Reservoir Characterization of Complex Carbonate Reservoir-Case Study | |
Vasco et al. | Reconciling time-lapse seismic and production data using streamline models: the Bay Marchand field, Gulf of Mexico | |
Kazemi et al. | Improved normalization of time-lapse seismic data using NRMS repeatabity data to improve automatic production and seismic history matching in the Nelson field | |
Zhang et al. | Integrating stratigraphic modelling, inversion analysis, and shelf‐margin records to guide provenance analysis: An example from the Cretaceous Colville Basin, Arctic Alaska | |
Nandi et al. | Core-Independent saturation height function from NMR logs in carbonates-A must in current oil price environment | |
Shi et al. | Quantitative Evaluation of Water Flooding in a Low Resistivity Heavy Oil Reservoir with NMR and Conventional Logs | |
Worthington | Maximizing the effectiveness of integrated reservoir studies: practical approaches to improving the process and results | |
Tawfik et al. | Ternary rock typing: a novel solution to multi-scale multi-discipline rock typing for carbonate rocks | |
Crain | Crain's petrophysical pocket pal | |
Worthington | Quality assurance of the evaluation of hydrocarbon saturation from resistivity data | |
Massonnat et al. | Multi-Scale Sedimentary Forward Reservoir Modelling: A Disruptive Solution for Simulating Heterogeneity in Carbonates. Application to the Kharaib-2 Reservoir Unit | |
Rahmawan et al. | Estimating permeability in uncored wells using modified flow zone index | |
Miranda et al. | Reconciling Log-Derived Water Saturation and Saturation-Height Function Results through Resistivity Modeling, Core-Log Integration and Image Log Data: A Case Study from Deepwater Gulf of Mexico | |
Sahu et al. | Petrophysical evaluation of organic richness and brittleness of shale for unconventional hydrocarbon prospecting: A case study on Vadaparru shale, Krishna Godavari Basin, India | |
Mendez et al. | Rock Type Prediction Using Democratic Neural Networks Association DNNA: An Alternative Method to Describe Clastic Fillings in Ordovician Karsted Carbonates within a Region of the Tahe Oilfield, China |
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 |