CN115306377A - 一种储层孔隙孔径分布确定方法和装置 - Google Patents

一种储层孔隙孔径分布确定方法和装置 Download PDF

Info

Publication number
CN115306377A
CN115306377A CN202211007490.9A CN202211007490A CN115306377A CN 115306377 A CN115306377 A CN 115306377A CN 202211007490 A CN202211007490 A CN 202211007490A CN 115306377 A CN115306377 A CN 115306377A
Authority
CN
China
Prior art keywords
pore
reservoir sample
reservoir
shape factor
pores
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
Application number
CN202211007490.9A
Other languages
English (en)
Inventor
姜福杰
陈迪
张晨曦
霍丽娜
庞雄奇
陈冬霞
张雪
胡涛
宋泽章
朱晨曦
庞宏
陈君青
黄任达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum Beijing
Original Assignee
China University of Petroleum Beijing
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Petroleum Beijing filed Critical China University of Petroleum Beijing
Priority to CN202211007490.9A priority Critical patent/CN115306377A/zh
Publication of CN115306377A publication Critical patent/CN115306377A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK 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

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本文提供一种储层孔隙孔径分布确定方法和装置，方法包括获取储层样品；对储层样品进行核磁共振得到T2分布谱；对储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到储层样品的综合形状因子，形状参数至少包括孔隙的最大直径和面积；对储层样品进行X射线衍射分析确定储层样品的表面弛豫率；根据综合形状因子和表面弛豫率转换T2分布谱，得到储层样品的孔径分布。本文提供的方法能够根据孔隙的最大直径和面积计算得到储层样品的综合形状因子以及根据X射线衍射结果得到储层样品的表面弛豫率，以对T2分布谱进行转换得到孔隙孔径分布，提高了所得到的孔径分布的准确性，且极大地降低了成本，为储层油气资源的勘探与开发提供支撑。

Description

一种储层孔隙孔径分布确定方法和装置
技术领域
本文涉及石油天然气勘探技术领域，尤其是一种储层孔隙孔径分布确定方法和装置。
背景技术
孔隙结构是制约油气勘探的重要因素，其不仅影响着储层储集油气的能力，而且影响着油气等流体在储层中流动的难易程度。近年来，对致密油气和页岩油气的勘探越来越广泛，孔隙结构对致密油气和页岩油气这些储层的勘探开发的影响也更加明显，因此储层孔隙结构的定量表征对油气勘探和开发至关重要。
在目前的对储层孔隙结构的分析方法中，核磁共振技术是其中一种非常重要的分析方法。核磁共振技术可以在不损坏样品的基础上，通过获取样品中充满的流体的核磁信号进而获取样品的孔隙结构，因此，相对于其他的储层孔隙结构的分析方法，核磁共振技术具有无损的优势。由于核磁共振技术分析储层孔隙结构主要是通过将饱含水样品的核磁T2谱分布转化为孔隙的孔径分布曲线进而定量评价孔隙结构，其转化过程如下式所示：
r＝C×T2；
其中，r为孔隙直径，T2为表面弛豫时间，其通过核磁共振实验获取；C为转换系数。可以看出，若要将核磁共振实验的T2谱分布准确转化为储层孔隙的孔径分布，就需要对C的取值进行准确的判定。但现有的测定转换系数的方法，包括根据储层表面弛豫率和孔隙空间形状来计算的方法、以及直接根据储层岩性的不同对其进行赋值的方法，均存在着准确性较低的问题，因此，导致现有的核磁共振技术仍无法实现对储层孔隙结构的准确分析，制约了页岩油气和致密砂岩等储层的油气的深入勘探开发。
有鉴于此，本文旨在提供一种储层孔隙孔径分布确定方法和装置。
发明内容
针对现有技术的上述问题，本文的目的在于，提供一种储层孔隙孔径分布确定方法和装置，以解决现有技术中无法准确获得转化系数导致对储层孔隙孔径分布分析判定不准确的问题。
为了解决上述技术问题，本文的具体技术方案如下：
第一方面，本文提供一种储层孔隙孔径分布确定方法，所述方法包括：
获取储层样品；
对所述储层样品进行核磁共振，得到所述储层样品的T2分布谱；
对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，所述形状参数至少包括孔隙的最大直径和面积；
对所述储层样品进行X射线衍射分析，并根据X射线衍射分析结果确定所述储层样品的表面弛豫率；
根据所述综合形状因子和所述表面弛豫率转换所述T2分布谱，得到所述储层样品的孔径分布。
进一步地，对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，包括：
通过扫描电镜获取所述储层样品的图像；
根据预设的灰度阈值识别出所述图像中的多个孔隙及其形状参数；
根据各个孔隙的形状参数，计算得到各个孔隙的形状因子；
根据各个孔隙的形状因子和各个孔隙的面积，计算得到所述储层样品的综合形状因子。
具体地，所述各个孔隙的形状因子通过如下公式计算得到：
Figure BDA0003809523880000021
其中，Fi为第i个孔隙的形状因子；Dimax为第i个孔隙的最大直径；Si为第i个孔隙的面积。
优选地，所述形状参数还包括孔隙的最小直径和周长，所述各个孔隙的形状因子通过如下公式计算得到：
Figure BDA0003809523880000031
其中，Fi为第i个孔隙的形状因子；Dimax为第i个孔隙的最大直径；Dimin为第i个孔隙的最小直径；Li为第i个孔隙的周长；Si为第i个孔隙的面积。
具体地，所述储层样品的综合形状因子通过如下公式计算得到：
Figure BDA0003809523880000032
其中，F为综合形状因子；Fi为第i个孔隙的形状因子；Si为第i个孔隙的面积；i的取值范围为1至n，n为识别出的孔隙的数量。
优选地，在根据各个孔隙的形状因子和各个孔隙的面积，计算得到所述储层样品的综合形状因子之前，所述方法还包括：
根据预设的面积阈值对识别出的孔隙进行筛选，去除孔隙面积小于所述面积阈值的孔隙。
具体地，根据X射线衍射分析结果确定所述储层样品的表面弛豫率，包括：
根据X射线衍射结果，确定所述储层样品中各矿物的含量，所述矿物至少包括黄铁矿、石英、钾长石、斜长石、尖晶石、碳酸盐岩矿物、黏土含量和菱铁矿中的一种或几种的组合；
根据各矿物的含量、各矿物的权重系数以及常系数，计算得到所述储层样品的表面弛豫率。
进一步地，所述储层样品的表面弛豫率通过如下公式计算得到：
Figure BDA0003809523880000033
其中，ρ为储层样品的表面弛豫率，单位为μm/s；a0为常系数；xj为第j种矿物；aj为第j种矿物的权重系数；j的取值为1至N，N为确定出的矿物的数量；
其中，a0为15.3；x1为黄铁矿，a1为-1.72；x2为石英，a2为-2.16；x3为钾长石，a3为0.18；x4为斜长石，a4为1.36；x5为尖晶石，a5为1.93；x6为碳酸盐岩矿物，a6为1.90；x7为黏土，a7为-0.37；以及x8为菱铁矿，a8为1.35。
优选地，在对所述储层样品进行孔隙提取之前，所述方法还包括：
对所述储层样品进行抽提以去除其中的可溶有机质；以及
对抽提处理后的所述储层样品进行氩离子抛光处理。
第二方面，本文还提供一种储层孔隙孔径分布确定装置，所述装置包括：
获取模块，用于获取储层样品；
T2分布谱获取模块，用于对所述储层样品进行核磁共振，得到所述储层样品的T2分布谱；
综合形状因子计算模块，用于对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，所述形状参数至少包括孔隙的最大直径和面积；
表面弛豫率确定模块，用于对所述储层样品进行X射线衍射分析，并根据X射线衍射分析结果确定所述储层样品的表面弛豫率；
孔径分布获取模块，用于根据所述综合形状因子和所述表面弛豫率转换所述T2分布谱，得到所述储层样品的孔径分布。
采用上述技术方案，本文提供的一种储层孔隙孔径分布确定方法和装置，根据识别出的孔隙的最大直径和面积计算得到储层样品的综合形状因子以及根据储层的X射线衍射结果得到储层样品的表面弛豫率，对核磁共振得到的T2分布谱进行转换最终确定得到储层的孔隙孔径分布，能够提高储层孔隙孔径分布确定的准确性和降低成本；为储层孔隙孔径分布分析提供支撑，有利于储层油气资源的深入勘探与开发。
为让本文的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
为了更清楚地说明本文实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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文的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本文实施例提供的一种储层孔隙孔径分布确定方法的步骤示意图；
图2示出了本文实施例中计算得到储层样品的综合形状因子的步骤示意图；
图3示出了储层样品在扫描电镜下的图像；
图4示出了经灰度阈值处理后的储层样品的图像；
图5示出了本文实施例中确定储层样品的表面弛豫率的步骤示意图；
图6示出了核磁共振得到的储层样品的T2分布谱；
图7示出了储层样品孔隙孔径分布示意图；
图8示出了本文实施例提供的一种储层孔隙孔径分布确定装置的结构示意图；
图9示出了本文实施例提供的一种计算机设备的结构示意图。
附图符号说明：
81、获取模块；
82、T2分布谱获取模块；
83、综合形状因子计算模块；
84、表面弛豫率确定模块；
85、孔径分布获取模块；
902、计算机设备；
904、处理器；
906、存储器；
908、驱动机构；
910、输入/输出模块；
912、输入设备；
914、输出设备；
916、呈现设备；
918、图形用户接口；
920、网络接口；
922、通信链路；
924、通信总线。
具体实施方式
下面将结合本文实施例中的附图，对本文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文一部分实施例，而不是全部的实施例。基于本文中的实施例，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，都属于本文保护的范围。
需要说明的是，本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现有技术中，常用核磁共振技术分析储层的孔隙结构，但该技术需要对获取到的储层的T2谱用转换系数进行转换，转换系数的准确与否将直接关系到对孔隙结构的判定是否准确。一般的，转换系数的获取方法一般有：
通过储层的表面弛豫率和孔隙形状因子进行计算得到。这种方法存在的问题是，表面弛豫率与储层岩石矿物类型相关，不同矿物类型的储层其表面弛豫率差异较大，且储层的矿物组成非常复杂，因此，难易准确测定储层的表面弛豫率。而孔隙形状因子主要与储层的孔隙类型和孔隙形状有关，储层孔隙非常细小、形状复杂且数目众多，导致孔隙形状因子难以表征。目前主流的确定孔隙形状因子的方法是直接根据孔隙的形状对孔隙的形状因子进行赋值：将柱状孔隙的形状因子赋值为2，球状孔隙的形状因子赋值为3等。但这种直接赋值的方法并不能真实反映储层中复杂的孔隙形状，导致储层的孔隙形状因子准确性较低。最终，影响转换系数值的准确性。
直接根据储层岩性的不同对转换系数进行赋值：例如，将砂岩储层的转换系数赋值为10，将致密砂岩储层转换系数赋值为7等。除此之外，还可以用类比法确定，类比法是通过将核磁共振得到的T2谱和压汞试验(或者氮气吸附实验)得到的孔径分布曲线进行形状匹配对比，进而将对应的T2值和压汞(或者氮气吸附实验)获得孔径进行换算得到转换系数。经验法和类比法虽然能够避开表面弛豫率和孔隙形状因子难以准确获取的问题，但也存在着以下弊端：
由于储层的非均质性，并不能对岩性相似的样品采用统一的转换系数进行T2谱至孔径分布的转换；不同样品之间孔径分布差异较大，转换系数值也存在一定差异，将所有同岩性样品的转换系数均按同一数值进行计算最终导致误差大；为了提高转换系数的准确度，经验法和类比法均需要多个样品和进行多次实验综合判定，费时费力，且恒压压汞实验和氮气吸附实验昂贵，该方法成本非常高等。
为了解决上述问题，本文实施例提供了一种储层孔隙孔径分布确定方法，能够提高储层孔隙孔径分布获取的准确性，同时降低孔隙孔径分布确定的成本。图1是本文实施例提供的一种储层孔隙孔径分布确定方法的步骤示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图1所示，所述方法可以包括：
S110：获取储层样品。
S120：对所述储层样品进行核磁共振，得到所述储层样品的T2分布谱。
具体地，获取所述储层样品的至少部分；对所述至少部分进行离心处理，以去除其中滞留的流体；浸泡离心处理后的至少部分，使其达到饱和状态；将达到饱和状态的第一至少部分进行核磁共振，得到所述T2分布谱。
S130：对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，所述形状参数至少包括孔隙的最大直径和面积。
S140：对所述储层样品进行X射线衍射分析，并根据X射线衍射分析结果确定所述储层样品的表面弛豫率。
S150：根据所述综合形状因子和所述表面弛豫率转换所述T2分布谱，得到所述储层样品的孔径分布。
本说明书实施例提供的一种储层孔隙孔径分布确定方法，根据识别出的孔隙的最大直径和面积计算得到储层样品的综合形状因子，以及根据储层的X射线衍射结果得到储层样品的表面弛豫率，对核磁共振得到的T2分布谱进行转换最终确定得到储层的孔隙孔径分布，能够提高储层孔隙孔径分布确定的准确性，且大幅度降低成本。为储层(特别是致密和泥页岩)孔隙孔径分布分析提供支撑，有利于储层油气资源的深入勘探与开发。
在步骤S130中的，对所述储层样品进行孔隙提取之前，所述方法还包括：
对进行孔隙提取的储层样品进行预处理。
所述预处理包括：
将所述储层样品切割至1cm3尺寸；
对切割后的储层样品进行索氏抽提，以去除其中的可溶有机质；以及
对抽提处理后的所述储层样品进行氩离子抛光处理，使其表面平整易于观察；
在抛光处理后的储层样品表面堵上导电性薄膜后，将其放置于扫描电子显微镜的观察室中以进行后续的孔隙提取步骤。
如图2所示，本说明书实施例中，步骤S130中的，对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，可以进一步包括：
S210：通过扫描电镜获取所述储层样品的图像。
具体地，可选用蔡司CrossBeam 540场发射扫描电子显微镜对样品进行扫描电镜分析实验，将样品放置于仪器的观察室中，通过背散射电子进行成像，加速电压8kV，获取储层样品在扫描电镜下的图像，如图3所示。
S220：根据预设的灰度阈值识别出所述图像中的多个孔隙及其形状参数。
具体地，可以将所述图像文件导入图像处理软件Image J中，将其转换为8-bit图像；使用预设的阈值对储层样品的图像进行提取，可得储层样品孔隙的图像(如图4所示)；利用图像处理软件Image中Analyze-Set measurements功能确定识别出的各个孔隙的形状参数，即确定各个孔隙的最大直径和面积。其中，最大直径(记为Dimax，单位为μm)，是指与孔隙边缘相切的两条平行线之间的最大距离；面积(记为Si，单位为μm2)，即如图4中每个孔隙(黑色像素点集合)所具有的面积。
预设的灰度阈值可通过如下方法确定得到：
利用图像处理软件Image J的Threshold功能可选取图像中具有不同灰度值的点；
调整图像的灰度值，根据不同灰度值下图像中对应为孔隙的区域的变化确定孔隙的灰度值范围；
根据确定出的灰度值范围，确定孔隙与矿物间的灰度阈值。具体地，经调整图像的灰度值，发现孔隙的灰度值范围为0～139，则可确定孔隙与矿物的灰度阈值为139，进而基于该灰度阈值识别出图像中的孔隙。
S230：根据各个孔隙的形状参数，计算得到各个孔隙的形状因子。
即根据各个孔隙的最大直径和面积，计算得到各个孔隙的形状因子，计算公式如下：
Figure BDA0003809523880000091
其中，Fi为第i个孔隙的形状因子；Dimax为第i个孔隙的最大直径；Si为第i个孔隙的面积。
如表1所示，为根据图4识别出的40个孔隙及其对应的形状参数和根据形状参数计算得到的形状因子。
表1
Figure BDA0003809523880000092
Figure BDA0003809523880000101
S240：根据各个孔隙的形状因子和各个孔隙的面积，计算得到所述储层样品的综合形状因子。
从图4可以看出，储层样本中的孔隙形状不规则：位于图像中部的孔隙具有突出的棱角且形状扭曲，位于图像右上部的孔隙发育呈片状，而图像左下部存在少数孔隙发育呈圆形。而公式(1)在计算形状因子时主要考虑的是孔隙的最大直径和面积这两个形状参数，更加适用于形状较为规则的孔隙的计算，例如球形、圆形孔隙。因此，根据上述公式(1)计算得到的每个孔隙的形状因子仍存在不够准确的问题。
有鉴于此，优选地，本说明书实施例中，所述形状参数除每个孔隙的最大直径(Dimax)和面积(Si)外，还包括每个孔隙的最小直径(记为Dimin，单位为μm)和周长(记为Li，单位为μm)；其中，最小直径是指两条平行的与孔隙边缘相切的平行线之间的最小距离；周长即如图4中每个孔隙(黑色像素点集合)所具有的周缘长度。
则优选地，各孔隙的形状因子可通过如下公式计算得到：
Figure BDA0003809523880000102
其中，Fi为第i个孔隙的形状因子；Dimax为第i个孔隙的最大直径；Dimin为第i个孔隙的最小直径；Li为第i个孔隙的周长；Si为第i个孔隙的面积。
识别出的40个孔隙的其对应的形状参数和根据公式(2)计算得到的形状因子如表2所示。
表2
Figure BDA0003809523880000103
Figure BDA0003809523880000111
Figure BDA0003809523880000121
步骤S240中的，根据各个孔隙的形状因子和各个孔隙的面积，计算得到所述储层样品的综合形状因子，具体为通过如下公式计算得到所述综合形状因子：
Figure BDA0003809523880000122
其中，F为综合形状因子；Fi为第i个孔隙的形状因子，；Si为第i个孔隙的面积；i的取值范围为1至n，n为识别出的孔隙的数量。
具体地，可将公式(1)得到如表1所示的形状因子带入到公式(3)中，得到综合形状因子F为0.93；或将经公共(2)得到的如表2中所示的形状因子带入至公式(3)中，得到的综合形状因子F为0.79。
现有的根据孔隙形状赋值直接得到综合形状因子的方法，例如将柱状孔隙的综合形状因子赋值为2，球状孔隙的综合形状因子赋值为3等，即正圆形的孔隙具有的综合形状因子最大，其值为3；孔隙的形状越不规则、棱角越突出，则综合形状因子越小，趋近于0。
根据本说明书实施例提供的综合形状因子计算方法，得到的综合形状因子为0.93或0.79，结合上述现有的地质认知方法，可知其对应的储层的孔隙分布主要为不规则的、棱角较为突出的孔隙，这与所获得的储层孔隙图像也相符；且与现有的地质认知方法相比，计算得到储层孔隙的综合形状因子准确性更高。
需要说明的是，可以对同一储层样品进行切割得到多个尺寸为1cm3的样品，以增加观察样品的丰富性；进而，对这多个样品分别进行如图2所示的步骤，得到各个样品的综合形状因子；最终，求取这多个样品综合形状因子的平均值，作为储层样本的综合形状因子，以提高对储层综合形状因子计算的准确性。
需要说明的是，储层，尤其是泥页岩，其孔隙空间复杂，主要存在微米级和纳米级的孔隙，且以微米孔隙为主，即微米级别的孔隙占据整个泥页岩孔隙的绝大部分；而，油气等地下流体在泥页岩中的流动主要以联通性较好的微米级孔隙为主，而纳米级孔隙中流体流动性差，因此纳米级孔隙有效性差。
为尽可能的反映储层(泥页岩)样品中有效孔隙的孔隙形状特征，在步骤S240：根据各个孔隙的形状因子和各个孔隙的面积，计算得到所述储层样品的综合形状因子之前，所述方法还包括：
根据预设的面积阈值对识别出的孔隙进行筛选，去除孔隙面积小于所述面积阈值的孔隙。
即根据面积大于等于所述面积阈值的各个孔隙的形状因子和各个孔隙的面积，计算得到所述综合形状因子。
所述面积阈值可以设定为0.2μm2，不仅可以准确反映储层孔隙的形状特征，还可以降低孔隙数量，起到降低计算量和提高计算效率的作用。从而表1和表2中所示的均为经筛选处理后的孔隙。
具体地，在步骤S140中的，对所述储层样品进行X射线衍射分析之前，所述方法还包括：
对进行X射线衍射分析的储层样品进行预处理。
所述预处理包括：
获取所述储层样品的至少部分，并将其研磨至200目以下；
取研磨好的粉末样品装入XRD样品台凹槽中，用光滑的平板玻璃将凹槽表面压实。
从而，本说明书实施例中，可以获取同一块储层样品的不同部分分别进行核磁共振、孔隙提取和X射线衍射分析处理，则可大幅提高处理效率得到孔隙的孔径分布结果，节约时间成本。
如图5所示，本说明书实施例中，步骤S140中的，根据X射线衍射分析结果确定所述储层样品的表面弛豫率，可进一步包括：
S510：根据X射线衍射结果，确定所述储层样品中各矿物的含量，所述矿物至少包括黄铁矿、石英、钾长石、斜长石、尖晶石、碳酸盐岩矿物、黏土含量和菱铁矿中的一种或几种的组合。
具体地，可根据X射线衍射图谱中的各个特征峰确定其分别对应的矿物的成分；各矿物的含量可根据半定量方法，以特征峰曲线和坐标轴所围合得到的面积确定。
S520：根据各矿物的含量、各矿物的权重系数以及常系数，计算得到所述储层样品的表面弛豫率。
具体地，计算储层样品表面弛豫率的公式如下：
Figure BDA0003809523880000141
其中，ρ为储层样品的表面弛豫率，单位为μm/s；a0为常系数；xj为第j种矿物；aj为第j种矿物的权重系数；j的取值为1至N，N为确定出的矿物的数量；
具体地，a0为15.3；x1为黄铁矿，a1为-1.72；x2为石英，a2为-2.16；x3为钾长石，a3为0.18；x4为斜长石，a4为1.36；x5为尖晶石，a5为1.93；x6为碳酸盐岩矿物，a6为1.90；x7为黏土，a7为-0.37；以及x8为菱铁矿，a8为1.35。
优选地，本说明书实施例中，上述的第j种矿物的权重系数aj可通过主成分分析法确定得到，权重系数aj的值越大，代表该权重系数aj所对应的矿物xj对储层样本的表面弛豫率影响越大；常系数a0为经拟合得到的常系数。且，当通过主成分分析法确定各矿物的权重系数后，对于任意储层样品，可直接将X射线衍射分析确定得到的各矿物的含量带入至公式(4)中进行计算得到储层样品的表面弛豫率，即无需重复确定各矿物权重系数，提高处理效率。
在一具体的实施例中，对某地储层样品进行X射线衍射分析得到其中各矿物的成分和含量，以及各矿物对应的权重系数如表3所示：
表3
矿物序号 矿物 含量(％) 权重系数
1 黄铁矿 2 -1.72
2 石英 25 -2.06
3 钾长石 2.6 0.18
4 斜长石 14.8 1.36
5 尖晶石 0 1.93
6 白云石 42.9 1.90
7 黏土 12.7 0.37
8 菱铁矿 0 1.35
则根据表3和公式(4)可知，该储层样品的表面弛豫率ρ为55μm/s。
需要说明的是，可以多次取研磨后的粉末样品进行X射线衍射分析，得到多个粉末样品对应的表面弛豫率；求取这多个粉末样品表面弛豫率的平均值，作为储层样本的表面弛豫率，以提高表面弛豫率以及后续孔径分布的准确性。
从而，步骤S150：根据综合形状因子F和表面弛豫率ρ转化所述T2分布谱，得到所述储层样品的孔径分布可以为，根据如下公式对所述T2分布谱进行转换：
r＝ρ×F×T2 (5)
其中，r为储层样本的孔隙孔径分布。
如图6所示，为核磁共振得到的储层样品的T2分布谱；将计算得到储层样品的综合形状因子和表面弛豫率代入公式(5)，转换得到的孔隙孔径分布如图7所示。
从图7可以看出，所述储层样品主要存在3类不同尺寸的孔隙：
第一类孔隙的直径主要分布在1～60nm范围内，峰值位于12nm，该类孔隙在所有种类孔隙中的体积占比最大，说明该储层主要发育12nm左右的微孔；
第二类孔隙的直径主要分布在60～700nm范围内，峰值位于200nm，体积占比中等；
第三类孔隙的直径主要分布在700nm～10μm范围内，峰值为2μm，体积占比最小。
通过上述孔隙的孔径分布结果可以更加准确地了解对储层孔隙结构和组成，进而针对孔隙结构和组成采用更合适的资源计算方法以及设计更适配于该储层的开采方案。
如图8所示，为本说明书实施例提供的一种储层孔隙孔径分布确定装置，所述装置包括：
获取模块81，用于获取储层样品；
T2分布谱获取模块82，用于对所述储层样品进行核磁共振，得到所述储层样品的T2分布谱；
综合形状因子计算模块83，用于对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，所述形状参数至少包括孔隙的最大直径和面积；
表面弛豫率确定模块84，用于对所述储层样品进行X射线衍射分析，并根据X射线衍射分析结果确定所述储层样品的表面弛豫率；
孔径分布获取模块85，用于根据所述综合形状因子和所述表面弛豫率转换所述T2分布谱，得到所述储层样品的孔径分布。
通过本说明书实施例提供的装置所取得的有益效果和上述方法所取得的有益效果相一致，此处不再赘述。
如图9所示，为本文实施例提供的一种计算机设备，本说明书中的储层孔隙孔径分布确定装置可以为本实施例中的计算机设备，执行本文的上述方法。所述计算机设备902可以包括一个或多个处理器904，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备902还可以包括任何存储器906，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储器906可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备902的固定或可移除部件。在一种情况下，当处理器904执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备902可以执行相关联指令的任一操作。计算机设备902还包括用于与任何存储器交互的一个或多个驱动机构908，诸如硬盘驱动机构、光盘驱动机构等。
计算机设备902还可以包括输入/输出模块910(I/O)，其用于接收各种输入(经由输入设备912)和用于提供各种输出(经由输出设备914)。一个具体输出机构可以包括呈现设备916和相关联的图形用户接口(GUI)918。在其他实施例中，还可以不包括输入/输出模块910(I/O)、输入设备912以及输出设备914，仅作为网络中的一台计算机设备。计算机设备902还可以包括一个或多个网络接口920，其用于经由一个或多个通信链路922与其他设备交换数据。一个或多个通信总线924将上文所描述的部件耦合在一起。
通信链路922可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路922可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
对应于如图1、图2和图5所示的方法，本文实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法的步骤。
本文实施例还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行如图1、图2和图5所示的方法。
本文实施例还提供一种计算机程序产品，包括至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如图1、图2和图5所示的方法。
应理解，在本文的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本文实施例的实施过程构成任何限定。
还应理解，在本文实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本文的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本文所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本文实施例方案的目的。
另外，在本文各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本文的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本文中应用了具体实施例对本文的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本文的方法及其核心思想；同时，对于本领域的一般技术人员，依据本文的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本文的限制。

Claims (10)

1.一种储层孔隙孔径分布确定方法，其特征在于，包括：
获取储层样品；
对所述储层样品进行核磁共振，得到所述储层样品的T2分布谱；
对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，所述形状参数至少包括孔隙的最大直径和面积；
对所述储层样品进行X射线衍射分析，并根据X射线衍射分析结果确定所述储层样品的表面弛豫率；
根据所述综合形状因子和所述表面弛豫率转换所述T2分布谱，得到所述储层样品的孔径分布。
2.根据权利要求1所述的方法，其特征在于，对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，进一步为：
通过扫描电镜获取所述储层样品的图像；
根据预设的灰度阈值识别出所述图像中的多个孔隙及其形状参数；
根据各个孔隙的形状参数，计算得到各个孔隙的形状因子；
根据各个孔隙的形状因子和各个孔隙的面积，计算得到所述储层样品的综合形状因子。
3.根据权利要求2所述的方法，其特征在于，所述各个孔隙的形状因子通过如下公式计算得到：
Figure FDA0003809523870000011
其中，Fi为第i个孔隙的形状因子；Dimax为第i个孔隙的最大直径；Si为第i个孔隙的面积。
4.根据权利要求2所述的方法，其特征在于，所述形状参数还包括孔隙的最小直径和周长，所述各个孔隙的形状因子通过如下公式计算得到：
Figure FDA0003809523870000021
其中，Fi为第i个孔隙的形状因子；Dimax为第i个孔隙的最大直径；Dimin为第i个孔隙的最小直径；Li为第i个孔隙的周长；Si为第i个孔隙的面积。
5.根据权利要求2所述的方法，其特征在于，所述储层样品的综合形状因子通过如下公式计算得到：
Figure FDA0003809523870000022
其中，F为综合形状因子；Fi为第i个孔隙的形状因子；Si为第i个孔隙的面积；i的取值范围为1至n，n为识别出的孔隙的数量。
6.根据权利要求2所述的方法，其特征在于，在根据各个孔隙的形状因子和各个孔隙的面积，计算得到所述储层样品的综合形状因子之前，所述方法还包括：
根据预设的面积阈值对识别出的孔隙进行筛选，去除孔隙面积小于所述面积阈值的孔隙。
7.根据权利要求1所述的方法，其特征在于，根据X射线衍射分析结果确定所述储层样品的表面弛豫率，进一步包括：
根据X射线衍射结果，确定所述储层样品中各矿物的含量，所述矿物至少包括黄铁矿、石英、钾长石、斜长石、尖晶石、碳酸盐岩矿物、黏土含量和菱铁矿中的一种或几种的组合；
根据各矿物的含量、各矿物的权重系数以及常系数，计算得到所述储层样品的表面弛豫率。
8.根据权利要求7所述的方法，其特征在于，所述储层样品的表面弛豫率通过如下公式计算得到：
Figure FDA0003809523870000031
其中，ρ为储层样品的表面弛豫率，单位为μm/s；a0为常系数；xj为第j种矿物；aj为第j种矿物的权重系数；j的取值为1至N，N为确定出的矿物的数量；
其中，a0为15.3；x1为黄铁矿，a1为-1.72；x2为石英，a2为-2.16；x3为钾长石，a3为0.18；x4为斜长石，a4为1.36；x5为尖晶石，a5为1.93；x6为碳酸盐岩矿物，a6为1.90；x7为黏土，a7为-0.37；以及x8为菱铁矿，a8为1.35。
9.根据权利要求1所述的方法，其特征在于，在对所述储层样品进行孔隙提取之前，所述方法还包括：
对所述储层样品进行抽提以去除其中的可溶有机质；以及
对抽提处理后的所述储层样品进行氩离子抛光处理。
10.一种储层孔隙孔径分布确定装置，其特征在于，所述装置包括：
获取模块，用于获取储层样品；
T2分布谱获取模块，用于对所述储层样品进行核磁共振，得到所述储层样品的T2分布谱；
综合形状因子计算模块，用于对所述储层样品进行孔隙提取得到多个孔隙，并根据各个孔隙的形状参数计算得到所述储层样品的综合形状因子，所述形状参数至少包括孔隙的最大直径和面积；
表面弛豫率确定模块，用于对所述储层样品进行X射线衍射分析，并根据X射线衍射分析结果确定所述储层样品的表面弛豫率；
孔径分布获取模块，用于根据所述综合形状因子和所述表面弛豫率转换所述T2分布谱，得到所述储层样品的孔径分布。
CN202211007490.9A 2022-08-22 2022-08-22 一种储层孔隙孔径分布确定方法和装置 Pending CN115306377A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211007490.9A CN115306377A (zh) 2022-08-22 2022-08-22 一种储层孔隙孔径分布确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211007490.9A CN115306377A (zh) 2022-08-22 2022-08-22 一种储层孔隙孔径分布确定方法和装置

Publications (1)

Publication Number Publication Date
CN115306377A true CN115306377A (zh) 2022-11-08

Family

ID=83862802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211007490.9A Pending CN115306377A (zh) 2022-08-22 2022-08-22 一种储层孔隙孔径分布确定方法和装置

Country Status (1)

Country Link
CN (1) CN115306377A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116840124A (zh) * 2023-06-21 2023-10-03 西南石油大学 一种定量表征页岩储层岩心孔缝配置的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116840124A (zh) * 2023-06-21 2023-10-03 西南石油大学 一种定量表征页岩储层岩心孔缝配置的方法
CN116840124B (zh) * 2023-06-21 2023-12-22 西南石油大学 一种定量表征页岩储层岩心孔缝配置的方法

Similar Documents

Publication Publication Date Title
US10223782B2 (en) Digital rock physics-based trend determination and usage for upscaling
Wild et al. The 2dF Galaxy Redshift Survey: stochastic relative biasing between galaxy populations
US8583410B2 (en) Method for obtaining consistent and integrated physical properties of porous media
EP2972303B1 (en) Systems and methods for improving direct numerical simulation of material properties from rock samples and determining uncertainty in the material properties
Devarapalli et al. Micro-CT and FIB–SEM imaging and pore structure characterization of dolomite rock at multiple scales
EP2359334B1 (en) Method for determining rock physics relationships using computer tomographic images thereof
Rajković et al. Comparison of Monofractal, Multifractal and gray level Co-occurrence matrix algorithms in analysis of Breast tumor microscopic images for prognosis of distant metastasis risk
Adeleye et al. Pore-scale analyses of heterogeneity and representative elementary volume for unconventional shale rocks using statistical tools
CN104685382A (zh) 可靠地预测孔隙渗透性趋势的数字岩石分析系统及方法
US20140270393A1 (en) Systems and methods for improving direct numerical simulation of material properties from rock samples and determining uncertainty in the material properties
CN115306377A (zh) 一种储层孔隙孔径分布确定方法和装置
Al Ibrahim et al. An automated petrographic image analysis system: Capillary pressure curves using confocal microscopy
WO2024012222A1 (zh) 待勘测区块关键地质参数的选取方法、装置、及设备
Payton et al. The influence of grain shape and size on the relationship between porosity and permeability in sandstone: A digital approach
US11120542B2 (en) Wettability estimation by differential multi-phase simulation
Zhu et al. Multi-scale characterization of organic matter pore space in deep marine shale combined with mathematical morphology
CN111738978A (zh) 储层孔喉连通性的评价方法、装置、电子设备及存储介质
CN113818867B (zh) 一种构建伪毛管压力曲线方法、系统、介质、设备及应用
CN113720952A (zh) 用于储层解释评价的图版生成方法、装置、设备及介质
CN113253354A (zh) 一种核磁t2谱截止值的确定方法、装置、介质及电子设备
Hu et al. Correlating recovery efficiency to pore throat characteristics using digital rock analysis
Thompson et al. Reducing user bias in X-ray computed tomography-derived rock parameters through image filtering
CN114518309A (zh) 一种页岩油储层中夹层孔隙有效三维表征的方法及装置
CN116977589B (zh) 一种岩心三维数值模型的构建方法、装置、设备及介质
CN116087249B (zh) 一种用于识别矿物分布和含量的方法、系统和电子设备

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