CN115526067B - 一种水驱油藏储层参数时变规律预测方法及系统 - Google Patents

一种水驱油藏储层参数时变规律预测方法及系统 Download PDF

Info

Publication number
CN115526067B
CN115526067B CN202211495714.5A CN202211495714A CN115526067B CN 115526067 B CN115526067 B CN 115526067B CN 202211495714 A CN202211495714 A CN 202211495714A CN 115526067 B CN115526067 B CN 115526067B
Authority
CN
China
Prior art keywords
water
model
permeability
oil
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.)
Active
Application number
CN202211495714.5A
Other languages
English (en)
Other versions
CN115526067A (zh
Inventor
王森
王昆
冯其红
李顺明
杜宜静
吴政
王相
张纪远
张先敏
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 East China
Original Assignee
China University of Petroleum East China
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 East China filed Critical China University of Petroleum East China
Priority to CN202211495714.5A priority Critical patent/CN115526067B/zh
Publication of CN115526067A publication Critical patent/CN115526067A/zh
Application granted granted Critical
Publication of CN115526067B publication Critical patent/CN115526067B/zh
Priority to US18/226,472 priority patent/US12012832B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
    • E21B43/16—Enhanced recovery methods for obtaining hydrocarbons
    • E21B43/162—Injecting fluid from longitudinally spaced locations in injection well
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G01N15/082—Investigating permeability by forcing a fluid through a sample
    • G01N15/0826—Investigating permeability by forcing a fluid through a sample and measuring fluid flow rate, i.e. permeation rate or pressure change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种水驱油藏储层参数时变规律预测方法及系统，属于油气田开发技术领域。首先，根据实测孔径分布曲线和实测T2谱，建立T2谱与孔径关系模型；获取水驱物理模拟实验过程中不同注水量下岩样的T2谱；然后将获得不同注水量下的T2谱，转化为不同注水量下的孔径分布，通过孔径分布建立不同注水量下的孔隙网络模型，开展油水两相渗流模拟，最终得到不同PV倍数下岩样所对应的油水两相相对渗透率曲线；所述油水两相相对渗透率曲线即为所述水驱油藏储层参数，从而有效解决了现有技术中难以同时测量给定岩样渗透率变化规律和相对渗透率曲线变化规律的问题，从而准确预测储层参数时变规律。

Description

一种水驱油藏储层参数时变规律预测方法及系统
技术领域
本发明涉及油气田开发技术领域，特别是涉及一种水驱油藏储层参数时变规律预测方法及系统。
背景技术
在注入水的长期冲刷过程中，储层孔隙结构逐渐发生变化，导致储层绝对渗透率和油水两相相对渗透率曲线等随之改变。由于这些参数是油藏开发调整方案设计的基础，同时也是油藏数值模拟和各种油藏工程方法应用的前提。因此，准确预测储层参数随时间的变化规律对油藏开发动态预测和生产优化具有重要意义。
然而现有技术大多只能得到储层渗透率随时间的变化规律，无法得到储层油水两相相对渗透率曲线随时间的变化规律。
因此，本领域亟需一种能够同时测量给定岩样渗透率变化规律和相对渗透率曲线变化规律的技术方案。
发明内容
本发明的目的是提供一种水驱油藏储层参数时变规律预测方法及系统，将不同注水量下的T2谱转化为孔径分布，通过孔径分布建立不同注水量下的孔隙网络模型，然后开展油水两相渗流模拟，最终得到不同注水量下岩样所对应的油水两相相对渗透率曲线，有效解决了现有技术中难以同时测量给定岩样渗透率变化规律和相对渗透率曲线变化规律的问题，从而准确预测储层参数时变规律。
为实现上述目的，本发明提供了如下方案：
一种水驱油藏储层参数时变规律预测方法，所述方法包括：
获取水驱油藏储层岩样的实测孔径分布曲线和实测T2谱；
根据所述实测孔径分布曲线和所述实测T2谱，建立T2谱与孔径关系实测模型；
获取水驱物理模拟实验过程中不同注水量下的所述岩样的T2谱；
利用所述T2谱与孔径关系实测模型，根据不同注水量下的所述岩样的T2谱，得到不同注水量下的孔径分布曲线；
根据不同注水量下的孔径分布曲线，构建所述孔径分布曲线随岩样注水参数变化的数学模型；所述岩样注水参数包括：注水量、岩样初始渗透率、平均注水速度、初始孔隙度、泥质类型、初始泥质含量和粒度中值；
根据所述数学模型构建不同注水量下的孔隙网络模型；
利用不同注水量下的孔隙网络模型进行油水两相渗流模拟，计算不同注水量下岩样所对应的油水两相相对渗透率曲线；所述油水两相相对渗透率曲线即为水驱油藏储层参数。
本发明还提供了一种水驱油藏储层参数时变规律预测系统，所述系统包括：
初始数据获取模块，用于获取水驱油藏储层岩样的实测孔径分布曲线和实测T2谱；
模型建立模块，用于根据所述实测孔径分布曲线和所述实测T2谱，建立T2谱与孔径关系实测模型；
T2谱获取模块，用于获取水驱物理模拟实验过程中不同注水量下的所述岩样的T2谱；
孔径分布曲线建立模块，用于利用所述T2谱与孔径关系实测模型，根据不同注水量下的所述岩样的T2谱，得到不同注水量下的孔径分布曲线；
数学模型建立模块，用于根据不同注水量下的孔径分布曲线，构建所述孔径分布曲线随岩样注水参数变化的数学模型；所述岩样注水参数包括：注水量、岩样初始渗透率、平均注水速度、初始孔隙度、泥质类型、初始泥质含量和粒度中值；
孔隙网络模型建立模块，用于根据所述数学模型构建不同注水量下的孔隙网络模型；
渗透率计算模块，用于利用不同注水量下的孔隙网络模型进行油水两相渗流模拟，计算不同注水量下岩样所对应的油水两相相对渗透率曲线；所述油水两相相对渗透率曲线即为水驱油藏储层参数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种水驱油藏储层参数时变规律预测方法及系统，首先，根据实测孔径分布曲线和实测T2谱，建立T2谱与孔径关系实测模型；获取水驱物理模拟实验过程中不同注水量下岩样的T2谱；然后将获得的不同注水量下的T2谱，转化为不同注水量下的孔径分布曲线，通过孔径分布曲线建立不同注水量下的孔隙网络模型，开展油水两相渗流模拟，最终得到不同注水量下岩样所对应的油水两相相对渗透率曲线；油水两相相对渗透率曲线即为水驱油藏储层参数，从而有效解决了现有技术中难以同时测量给定岩样渗透率变化规律和相对渗透率曲线变化规律的问题，从而准确预测储层参数时变规律。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，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为本发明实施例一提供的水驱油藏储层参数时变规律预测方法流程图。
图2为本发明实施例二提供的水驱油藏储层参数时变规律预测系统的框图。
图3为本发明实施例三提供的水驱油藏储层参数时变规律预测方法流程图。
图4为本发明实施例三提供的岩样孔径分布示意图。
图5为本发明实施例三提供的岩样弛豫时间T2谱示意图。
图6为本发明实施例三提供的岩样计算得到的孔径分布与实测孔径分布示意图。
图7为本发明实施例三提供的岩样不同注入水PV倍数与渗透率变化示意图。
图8为本发明实施例三提供的岩样注入水0PV倍数下的孔径分布函数示意图。
图9为本发明实施例三提供的岩样注入水10PV倍数下的孔径分布函数示意图。
图10为本发明实施例三提供的岩样注入水0PV倍数、10PV倍数下油水两相相对渗透率曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在注入水的长期冲刷过程中，储层孔隙结构逐渐发生变化，导致储层绝对渗透率和油水两相相对渗透率曲线等随之改变。由于这些参数是油藏开发调整方案设计的基础，同时也是油藏数值模拟和各种油藏工程方法应用的前提。因此，准确预测储层参数随时间的变化规律对油藏开发动态预测和生产优化具有重要意义。
现有技术中确定水驱油藏储层渗透率变化规律的方法，基于室内测试结果，得到了储层渗透率随时间的变化规律，但无法得到储层油水两相相对渗透率曲线随时间的变化规律。现有技术中还有一种考虑渗透率时变性的油水相对渗透率曲线修正方法，该方法采用室内试验手段，通过建立渗透率修正因子与注水倍数的关系曲线、注水倍数和含水饱和度的关系等曲线，得到不同含水饱和度下的考虑渗透率时变下的油水相对渗透率，从而进行相对渗透率曲线的修正。然而该方法在测试岩心渗透率和相对渗透率曲线时，采用的是不同的测试方法和设备。建立渗透率修正因子与注水倍数关系曲线时是在单相水流动条件下测量的，相对渗透率曲线则是在油水两相流动条件下测量的，直接将两者联系在一起会导致预测结果不准确。
本发明的优势在于：通过高压压汞方法和核磁共振方法，建立弛豫时间T2谱与孔径尺寸之间的关系模型；通过水驱物理模拟实验，在实验过程中根据岩样两端压力差计算渗透率变化，同时采用核磁共振获得不同注入水PV倍数下的T2谱；通过弛豫时间T2谱与孔径的关系模型，得到不同注入水PV倍数下的孔径分布；通过构建随注入水PV倍数、岩样初始渗透率、平均注水速度、初始孔隙度、泥质类型、初始泥质含量、粒度中值变化的孔径分布数学模型；利用该数学模型，构建不同注入水PV倍数下的孔隙网络模型，利用实验测得的渗透率变化规律对孔隙网络模型进行校正；利用校正后的不同注入水PV倍数下的孔隙网络模型，开展油水两相渗流模拟，得到不同PV倍数下岩样所对应的油水两相相对渗透率曲线。该方法解决了实际中难以同时测量给定岩样渗透率变化规律和相对渗透率曲线变化规律的问题，为准确预测储层参数时变规律提供了一种新的方法。
本发明的目的是提供一种水驱油藏储层参数时变规律预测方法及系统，将不同注水量下的T2谱转化为孔径分布，通过孔径分布建立不同注水量下的孔隙网络模型，然后开展油水两相渗流模拟，最终得到不同注水量下岩样所对应的油水两相相对渗透率曲线，有效解决了现有技术中难以同时测量给定岩样渗透率变化规律和相对渗透率曲线变化规律的问题，从而准确预测储层参数时变规律。
本发明提供了一种水驱油藏储层参数时变规律预测方法及系统，包括以下步骤：利用高压压汞方法和核磁共振方法，建立横向弛豫时间T2谱与孔径的关系模型；开展水驱物理模拟实验，根据岩样两端压力差计算岩样渗透率变化，同时采用核磁共振获得不同注入水PV倍数下的T2谱；利用横向弛豫时间T2谱与孔径的关系模型，由不同注入水PV倍数下的T2谱，得到不同注入水PV倍数下的孔径分布；对不同注入水PV倍数下的孔径分布进行分析，构建孔径分布随注入水PV倍数、岩样初始渗透率、注入水流速、孔隙度、泥质含量、粒度中值变化的数学模型；利用该数学模型，构建不同注入水PV倍数下的孔隙网络模型，利用实验测得的渗透率变化规律对孔隙网络模型进行校正；利用校正后的不同注入水PV倍数下的孔隙网络模型，开展油水两相渗流模拟，得到不同PV倍数下岩样所对应的油水两相相对渗透率曲线。本发明提供了一种能够同时测量岩样渗透率变化规律和相对渗透率曲线变化规律的方法。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一：
如图1所示，本实施例提供了一种水驱油藏储层参数时变规律预测方法，所述方法包括：
S1、获取水驱油藏储层岩样的实测孔径分布曲线和实测T2谱。
本实施例中岩样是从油藏储层中获得，岩样为砂岩，石油分布在砂岩的孔隙中。对于目标区内的岩心样品，利用高压压汞方法获取岩样的实测孔径分布曲线；利用核磁共振方法获取岩样的实测T2谱；本实施例中选取目标区为大庆油田某区块。
本实施例中所用的岩样是任意标准岩心，通过高压压汞实验测得岩心的进汞压力变化曲线，然后利用Washburn方程得到不同压力所对应的孔径分布，从而得到实测孔径分布曲线。通过核磁共振实验，设定给定岩样核磁共振横向弛豫时间T2的测量参数—回波间隔、完全恢复时间、回波个数、扫描次数、接受效益；采用CPMG脉冲序列进行横向弛豫时间T2测量之后，计算横向弛豫时间T2分布，得到实测T2谱。
S2、根据所述实测孔径分布曲线和所述实测T2谱，建立T2谱与孔径关系实测模型。
具体步骤包括：
设置转换系数C；
根据所述实测T2谱和所述转换系数C，利用T2谱与孔径关系模型，计算孔径分布曲线；所述T2谱与孔径关系模型为：r=CT2，其中，C为转换系数；r为孔隙半径；T2为横向弛豫时间；
判断所述孔径分布曲线和所述实测孔径分布曲线的第一个峰值是否重合，若不重合，则调节所述转换系数C的值，并返回步骤“根据所述实测T2谱和所述转换系数C，利用T2谱与孔径关系模型，计算孔径分布曲线”，直到所述孔径分布曲线和所述实测孔径分布曲线的第一个峰值重合，得到T2谱与孔径关系实测模型。更新转换系数时，比较计算得到的孔径分布曲线与实测孔径分布曲线，若发现计算得到的孔径分布曲线的第一个峰值位于实测孔径分布曲线第一个峰值的右侧，则将转换系数C调小，直至两个峰值重合。
S3、获取水驱物理模拟实验过程中不同注水量下的所述岩样的T2谱。同时，本实施例还获取水驱物理模拟实验过程中不同注水量下的所述岩样的实际渗透率。本实施例中“不同注水量”指的是某个时刻对应于某个累计注水量，但累计注水量是个绝对值，对于不同尺寸的岩心，这个数值是不同的。所以本领域经常会使用“不同注入水孔隙体积倍数”或“不同面通量”等其它术语来表达这个意思。这几个术语的意义不同，但是相互之间可以换算，本发明对此不作限定。
本实施例中的“不同注水量”是指“不同注入水PV倍数”，不同注入水PV倍数就是不同注入水孔隙体积倍数。孔隙体积的英文表达为pore volume，因此行业中常将孔隙体积简写为PV。
开展水驱实验，通过岩样两端压力场计算岩样的渗透率变化，同时采用核磁共振测试获得不同注入水PV倍数下的T2谱。本实施例中PV为pore volume，PV倍数是孔隙体积的倍数，注入水PV倍数是注入水量是孔隙体积的倍数，后续为了表述方便，在具体实施的表述中利用注入水PV倍数表示不同注水量。
本实施例中首先进行岩心准备，测定岩心孔隙度和水测初始渗透率；持续注水，记录在不同注入水PV倍数下的岩样两端压力场和通过岩样的流量，根据达西方程计算不同注入水PV倍数下的渗透率变化；并采用核磁共振测试获得不同注入水PV倍数下的T2谱。
S4、利用所述T2谱与孔径关系实测模型，根据不同注水量下的所述岩样的T2谱，得到不同注水量下的孔径分布曲线。
利用上述T2谱与孔径关系实测模型，使得测试岩样在不同注入水PV倍数的核磁共振T2谱转换为孔径分布，从而得到不同注入水PV倍数下的孔径分布曲线。
S5、根据不同注水量下的孔径分布曲线，构建所述孔径分布曲线随岩样注水参数变化的数学模型；所述岩样注水参数包括：注水量、岩样初始渗透率、平均注水速度、初始孔隙度、泥质类型、初始泥质含量和粒度中值，具体步骤如下：
S51、将所述不同注水量下的孔径分布曲线作为若干个正态分布函数的叠加；正态分布函数的个数应与孔径分布曲线上的峰值数目保持一致。如果只有一个峰值，那么就用一个正态分布函数描述即可。如果有两个峰值，那么用两个正态分布函数描述即可。
S52、利用EM算法计算每个所述正态分布函数的数学期望和标准差。EM算法的全称为：Expectation-maximization algorithm (最大期望算法)。
本实施例中将不同注入水PV倍数下的孔径分布曲线视为n个正态分布函数的叠加，其中n为孔径分布曲线上的峰值数目。对于给定PV倍数下的孔径分布曲线，根据EM算法计算这些正态分布函数所对应的数学期望和标准差分别为
Figure 636209DEST_PATH_IMAGE001
，
Figure 941420DEST_PATH_IMAGE002
、
Figure 776521DEST_PATH_IMAGE003
，
Figure 661431DEST_PATH_IMAGE004
、……、
Figure 849443DEST_PATH_IMAGE005
，
Figure 325554DEST_PATH_IMAGE006
，g为注入水PV倍数。
S53、构建所述正态分布函数的数学期望、标准差与岩样注水参数之间的函数关系式，得到所述孔径分布曲线随岩样注水参数变化的数学模型。
构建每个正态分布函数的数学期望与注入水PV倍数、岩样初始渗透率、初始孔隙度、注入水平均流速、初始泥质含量、粒度中值之间的函数关系式。不同注入水PV倍数下的孔径分布曲线符合n个正态分布函数的叠加，即将不同注入水PV倍数下的孔径分布曲线视为n个正态分布函数的叠加，此处的数学期望是计算隐含参数变量。实际应用时，对于某个岩心，如果给定注入水PV倍数、初始渗透率、初始孔隙度、注入水平均流速、孔隙度、初始泥质含量、粒度中值等参数，就可以用这个函数关系式计算得到对应于某个PV倍数下n个正态分布函数的期望和标准差，然后利用下面的方程累加起来就得到对应的孔径分布曲线了
构建每个正态分布函数的标准差与注入水PV倍数、岩样初始渗透率、平均注水速度、初始孔隙度、泥质类型、初始泥质含量、粒度中值之间的函数关系式。此处的标准差也是计算隐含参数变量。
所述用于构建数学期望和标准差与所述各参数之间函数关系式的方法包括但不限于多元线性回归、XGBoost、支持向量机或者随机森林等方法。
由此可得到不同注入水PV倍数下的孔径分布函数，方程如下：
Figure 116793DEST_PATH_IMAGE007
式中：
Figure 539815DEST_PATH_IMAGE008
为不同注入水PV倍数下的孔径分布曲线各自的标准差；
Figure 834530DEST_PATH_IMAGE009
为不同注入水PV倍数下的孔径分布曲线各自的数学期望；n为任一注入水PV倍数下正态分布的个数，exp为自然常数e为底的指数函数，x为任意实数。
S6、根据所述数学模型构建不同注水量下的孔隙网络模型。然后利用所述实际渗透率校正所述孔隙网络模型。
根据孔径分布构建孔隙网络模型；利用所述孔隙网络模型进行单相水的流动模拟。
获取模拟得到的孔隙网络两端的压力差和流量；根据所述压力差和流量利用达西公式计算模型渗透率。
比较所述模型渗透率与所述实际渗透率是否相同；若不同，则调节所述孔隙网络模型的物理参数，并返回“利用所述孔隙网络模型进行单相水的流动模拟”步骤，直至所述模型渗透率与所述实际渗透率相同。
本实施例中网络模型的物理参数包括：孔隙与喉道尺寸之比、配位数、孔隙形状因子等。本发明对此不作限定。直到两者一致，由此得到不同注入水PV倍数下的孔隙网络模型。两者一致指的是所述模型渗透率与所述实际渗透率一致。
S7、利用不同注水量下的孔隙网络模型进行油水两相渗流模拟，计算不同注水量下岩样所对应的油水两相相对渗透率曲线；所述油水两相相对渗透率曲线即为所述水驱油藏储层参数。
本实施例中通过不同注入水PV倍数下的孔隙网络模型，采用孔隙网络模拟方法，按照驱替条件的要求，选择合适的驱替速度或驱替压力差开展油水两相渗流模拟。孔隙网络模拟过程中，初始化状态完全被水饱和，然后先进行油驱水模拟造束缚水，然后再进行水驱油模拟得到油水两相相渗曲线。驱替条件的设置可按照SY/T5345-2007《岩石中两相流体相对渗透率测定方法》，通过恒速法或者恒压法计算合适的驱替速度或驱替压力差。
准确记录油水两相在孔隙网络模型中的流量和该模型两端的压力差，计算油水两相共存时各相的有效渗透率；随着油水两相渗流模拟，含水率达到99.95%时或注水达到30倍PV后，测定残余油下的水相有效渗透率；计算在相应含水饱和度下的油相、水相的相对渗透率，从而得到不同PV倍数下岩样所对应的油水两相相对渗透率曲线。
作为一种可选的实施方式，本实施例中进行油水两相渗流模拟，采用油驱完全饱和水的孔隙网络模型，直到孔隙网络模型不出水为止，建立束缚水状态下的油相有效渗透率
Figure 950385DEST_PATH_IMAGE010
；
Figure 39039DEST_PATH_IMAGE011
；式中，
Figure 734594DEST_PATH_IMAGE012
表示油相的粘度；
Figure 680553DEST_PATH_IMAGE013
表示油相通过孔隙网络模型的流量；L表示孔隙网络模型的长度；A表示孔隙网络模型的截面积；∆P表示孔隙网络模型入口与出口间的压力差。
进行水驱油模拟，获取油水两相在孔隙网络模型中的流量和孔隙网络模型两端的压力差，计算油水两相共存时各相的有效渗透率，计算公式为：
Figure 436151DEST_PATH_IMAGE014
；
Figure 952714DEST_PATH_IMAGE015
；其中，
Figure 966806DEST_PATH_IMAGE016
、
Figure 46233DEST_PATH_IMAGE017
分别表示油相和水相的有效渗透率，
Figure 503890DEST_PATH_IMAGE018
表示水相的粘度；
Figure 225859DEST_PATH_IMAGE019
表示水相通过孔隙网络模型的流量。
当含水率达到99.95%时或注水量达到30倍PV后（该标准为较优取值，本发明对此不作限定），计算残余油状态下的水相有效渗透率，计算方程为：
Figure 794374DEST_PATH_IMAGE020
，其中
Figure 200079DEST_PATH_IMAGE021
表示残余油状态下的水相有效渗透率。
本实施例提供了一种水驱油藏储层参数时变规律预测方法，首先，根据实测孔径分布曲线和实测T2谱，建立T2谱与孔径关系模型；获取水驱物理模拟实验过程中不同注水量下岩样的T2谱；然后将获得不同注水量下的T2谱，转化为不同注水量下的孔径分布，通过孔径分布建立不同注水量下的孔隙网络模型，开展油水两相渗流模拟，最终得到不同PV倍数下岩样所对应的油水两相相对渗透率曲线；所述油水两相相对渗透率曲线即为所述水驱油藏储层参数，从而有效解决了现有技术中难以同时测量给定岩样渗透率变化规律和相对渗透率曲线变化规律的问题，从而准确预测储层参数时变规律。
实施例二：
如图2所示，本实施例提供了一种水驱油藏储层参数时变规律预测系统，所述系统包括：
初始数据获取模块M1，用于获取水驱油藏储层岩样的实测孔径分布曲线和实测T2谱。
模型建立模块M2，用于根据所述实测孔径分布曲线和所述实测T2谱，建立T2谱与孔径关系实测模型。
T2谱获取模块M3，用于获取水驱物理模拟实验过程中不同注水量下的所述岩样的T2谱。
孔径分布曲线建立模块M4，用于利用所述T2谱与孔径关系实测模型，根据不同注水量下的所述岩样的T2谱，得到不同注水量下的孔径分布曲线。
数学模型建立模块M5，用于根据不同注水量下的孔径分布曲线，构建所述孔径分布曲线随岩样注水参数变化的数学模型；所述岩样注水参数包括：注水量、岩样初始渗透率、平均注水速度、初始孔隙度、泥质类型、初始泥质含量和粒度中值。
孔隙网络模型建立模块M6，用于根据所述数学模型构建不同注水量下的孔隙网络模型。
渗透率计算模块M7，用于利用不同注水量下的孔隙网络模型进行油水两相渗流模拟，计算不同注水量下岩样所对应的油水两相相对渗透率曲线；所述油水两相相对渗透率曲线即为水驱油藏储层参数。
实施例三：
为解决现有方法难以同时测量岩样渗透率变化规律和相对渗透率曲线变化规律的问题，本实施例提供了一种水驱油藏储层参数时变规律预测方法，如图3所示，具体步骤如下：
S1：选取直径2.5cm、长6cm的标准岩样，通过高压压汞方法测试孔径分布，通过核磁共振方法测试T2谱，建立弛豫时间T2谱与孔径尺寸之间的关系模型。
S11：通过高压压汞实验，测得岩心的进汞压力变化曲线。应用Washburn方程将压力转换成孔径，从而得到岩样孔径分布，如图4所示。
S12：对岩样进行抽空洗油、烘干至恒重
Figure 91287DEST_PATH_IMAGE022
为止、放入干燥器中冷却至室温25℃，然后进行抽真空加压饱和蒸馏水。
测前准备，将完全饱和水的岩样
Figure 97289DEST_PATH_IMAGE023
放入密闭玻璃容器中，整体放入恒温箱中保存，使恒温箱的温度与测量温度一致。
通过核磁共振实验，设定岩样核磁共振横向弛豫时间T2的测量参数—回波间隔0.2ms、完全恢复时间10s、回波个数4096、扫描次数128、接受效益50~100%；采用CPMG脉冲序列进行横向弛豫时间T2测量之后，计算横向弛豫时间T2分布，如图5所示。
S13：设置转换系数C=0.1，采用弛豫时间T2谱与孔径分布的关系模型，方程如下：
Figure 469496DEST_PATH_IMAGE024
式中：r为孔隙半径；T2为横向弛豫时间。
根据横向弛豫时间T2谱和转换系数C=0.1，计算孔径分布。将计算得到的孔径分布与实测孔径分布曲线作比较，并调节所述转换系数C的值，使得计算得到的孔径分布与实测孔径分布曲线的第一个峰值重合，如图6所示。
S2：开展水驱实验，通过岩样两端压力差计算岩样的渗透率变化，同时采用核磁共振测试获得不同注入水PV倍数下的T2谱。
S21：进行岩心准备，测定岩心孔隙度
Figure 198549DEST_PATH_IMAGE025
和水测初始渗透率
Figure 247276DEST_PATH_IMAGE026
。
持续注水，记录在不同注入水PV倍数下的岩样两端压力差和通过岩样的流量，根据达西方程计算不同注入水PV倍数下的渗透率变化，如图7所示。
采用核磁共振测试获得不同注入水PV倍数下的T2谱。
S3：根据弛豫时间T2谱与孔径分布的关系模型，由不同注入水PV倍数下的T2谱，得到不同注入水PV倍数下的孔径分布。
S31：根据弛豫时间T2谱与孔径分布的关系模型，方程如下：
Figure 491307DEST_PATH_IMAGE027
式中：r为孔隙半径；T2为横向弛豫时间。
将测试岩样在不同注入水PV倍数的核磁共振T2谱转换为孔径分布，从而得到不同注入水PV倍数下的孔径分布曲线。
S4：根据不同注入水PV倍数下的孔径分布，构建孔径分布随注入水PV倍数、岩样初始渗透率、平均注水速度、初始孔隙度、泥质含量、粒度中值变化的数学模型。
S41：由于注入水在0PV、10PV倍数下的孔径分布曲线均具有两个峰值，因此可视为2个正态分布函数的叠加。
通过EM算法不断修改各正态分布函数的数学期望和标准差，一直重复该过程至收敛。EM算法每次迭代包含两个步骤，即E步骤和M步骤；
E步骤：采用下式计算所有的孔径分布数据点的权重值
Figure 133116DEST_PATH_IMAGE028
：
Figure 762681DEST_PATH_IMAGE029
式中：K为总类别的个数（本实施例中计算的是0PV和10PV倍数下的孔径分布曲线，将其视为2个正态分布函数的叠加，故此处类别为2）；N为数据点的个数；
Figure 467463DEST_PATH_IMAGE030
为第k类的先验概率（先验概率是随机给定一个初始值，这个值可以是任意的）；
Figure 198789DEST_PATH_IMAGE031
为第k类正态分布函数的数据点；
Figure 912799DEST_PATH_IMAGE032
，
Figure 396870DEST_PATH_IMAGE033
分别代表第m类正态分布函数的均值和方差；
Figure 558640DEST_PATH_IMAGE034
第m类的先验概率；
Figure 246104DEST_PATH_IMAGE035
，
Figure 560542DEST_PATH_IMAGE036
分别代表第k类正态分布函数的均值和方差；
Figure 633540DEST_PATH_IMAGE037
为第m类正态分布函数。
Figure 945704DEST_PATH_IMAGE038
由下式计算得到：
Figure 851956DEST_PATH_IMAGE039
式中：
Figure 360297DEST_PATH_IMAGE040
为第k个正态分布函数。
M步骤：用权重值
Figure 366431DEST_PATH_IMAGE041
和对应的孔径分布数据计算新的参数值。参数值可通过下式进行更新：
Figure 849496DEST_PATH_IMAGE042
Figure 777132DEST_PATH_IMAGE043
Figure 823585DEST_PATH_IMAGE044
式中：
Figure 150137DEST_PATH_IMAGE045
为更新的第k类先验概率；
Figure 522212DEST_PATH_IMAGE046
为第k类孔径分布数据的权重之和；
Figure 937144DEST_PATH_IMAGE047
为更新的第k类正态分布函数的均值；
Figure 803600DEST_PATH_IMAGE048
为更新的第k类正态分布函数的方差。
对于注入水0PV，10PV倍数下的孔径分布曲线，通过EM算法得到注入水0PV倍数正态分布函数所对应的参数分别为
Figure 236855DEST_PATH_IMAGE049
，
Figure 530565DEST_PATH_IMAGE050
、
Figure 961021DEST_PATH_IMAGE051
，
Figure 614857DEST_PATH_IMAGE052
。
式中：
Figure 653351DEST_PATH_IMAGE053
为注入水0PV倍数下第一个正态分布函数的数学期望；
Figure 383541DEST_PATH_IMAGE054
为注入水0PV倍数下第二个正态分布函数的数学期望；
Figure 756753DEST_PATH_IMAGE055
为注入水0PV倍数下第一个正态分布函数的标准差；
Figure 27329DEST_PATH_IMAGE056
为注入水0PV倍数下第二个正态分布函数的标准差。注入水PV倍数表示的是一个标准岩心的注水量达到孔隙体积的多少倍。在每个注入水体积倍数下，可以得到一个孔径分布曲线。这个孔径分布曲线有可能是单峰的，也可能是多峰的。根据峰值的数量来确定需要用多少个正态分布函数来拟合。两个峰值的话就用两个正态分布函数拟合，三个峰值的话就用三个。
注入水10PV倍数正态分布函数所对应的参数分别为
Figure 448558DEST_PATH_IMAGE057
，
Figure 880808DEST_PATH_IMAGE058
、
Figure 960890DEST_PATH_IMAGE059
，
Figure 18845DEST_PATH_IMAGE060
式中：
Figure 766352DEST_PATH_IMAGE061
为注入水10PV倍数下第一个正态分布函数的数学期望；
Figure 835415DEST_PATH_IMAGE062
为注入水10PV倍数下第二个正态分布函数的数学期望；
Figure 917641DEST_PATH_IMAGE063
为注入水10PV倍数下第一个正态分布函数的标准差；
Figure 795598DEST_PATH_IMAGE064
为注入水10PV倍数下第二个正态分布函数的标准差。
构建每个正态分布函数的数学期望与注入水PV倍数、岩样初始渗透率、平均注水速度、初始孔隙度、泥质含量、粒度中值之间的函数关系式，方程如下：
Figure 132032DEST_PATH_IMAGE065
式中：i取正整数，表示第i个正态分布函数；a，b，c，d，e，f—任意常数；PV—注入水孔隙体积倍数；k 0 —水测初始渗透率；v—平均注水速度；
Figure 906084DEST_PATH_IMAGE066
—初始孔隙度；V sh —泥质含量；MD—粒度中值。
构建每个正态分布函数的标准差与注入水PV倍数、岩样初始渗透率、平均注水速度、初始孔隙度、泥质含量、粒度中值之间的函数关系式，方程如下：
Figure 210027DEST_PATH_IMAGE067
式中：i取正整数，表示第i个正态分布函数；a，b，c，d，e，f—任意常数；PV—注入水孔隙体积倍数；k 0 —水测初始渗透率；v—平均注水速度；
Figure 560849DEST_PATH_IMAGE068
—初始孔隙度；V sh —泥质含量；MD—粒度中值。
所述用于构建数学期望和标准差与所述各参数之间函数关系式的方法包括但不限于多元线性回归、XGBoost、支持向量机、随机森林等方法。
由此可得到注入水0PV倍数下的孔径分布函数，如图8所示，数学模型如下：
Figure 532216DEST_PATH_IMAGE069
注入水10PV倍数下的孔径分布函数，如图9所示，数学模型如下：
Figure 883694DEST_PATH_IMAGE070
通过每个正态分布函数的数学期望与注入水PV倍数、岩样初始渗透率、平均注水速度、初始孔隙度、泥质含量、粒度中值之间的函数关系式，和每个正态分布函数的标准差与注入水PV倍数、岩样初始渗透率、平均注水速度、初始孔隙度、泥质含量、粒度中值之间的函数关系式，计算得到不同注入水PV倍数下每个正态分布函数的数学期望和标准差，从而就可以得到不同注入水PV倍数下孔径分布函数的数学模型（例如利用0PV倍数下和10PV倍数下的孔径分布函数，计算得到3.5PV倍数下、6.8PV倍数下、11.6PV倍数下孔径分布函数的数学模型，为其它PV倍数下孔隙网络模型的建立提供数据）。
S5：根据所述数学模型，构建不同注入水PV倍数下的孔隙网络模型，利用实验测得的渗透率变化规律对孔隙网络模型进行校正。
S51：根据不同注入水PV倍数下的孔径分布使用MATLAB三维成像，构建孔隙网络模型。其中，注入水0PV时所构建的孔隙网络模型相关参数，见表1。
表1 孔隙网络模型的相关参数
参数 取值
孔隙数 10×10×10
平均配位数 5
最小喉道半径 2
Figure 753561DEST_PATH_IMAGE071
最大喉道半径 300
Figure 894693DEST_PATH_IMAGE071
孔喉比 2
孔隙度 25.1%
开展单相水的孔隙网络模拟，根据孔隙网络模型两端压力差和流量，通过达西公式计算模型的绝对渗透率。
将模型绝对渗透率与实验测得的不同PV倍数下的绝对渗透率做对比，判断两者是否一致。
如果不一致，调节模型的孔隙与喉道尺寸之比（即为孔喉比）、配位数、孔隙形状因子等物性参数，直到两者一致，由此得到不同注入水PV倍数下的孔隙网络模型。具体调节表1中孔隙网络模型的相关参数，通过修改表1中的参数，使得建立的孔隙网络模型的预测渗透率与实验测得的不同PV倍数下的渗透率相一致。
前面已经得到了不同注入水PV倍数下孔径分布的数学模型，因此可以预测得到其它PV倍数下（如3.5PV倍数下、6.8PV倍数下、11.6PV倍数下）的孔径分布，这样就可以构建3.5PV倍数下、6.8PV倍数下、11.6PV倍数下的孔隙网络模型，在经过S5步骤校正后，就能够预测得到对应的油水相渗曲线。通过该方法，能够预测任意PV倍数下渗透率和相对渗透率曲线
S6：根据不同注入水PV倍数下的孔隙网络模型，开展油水两相渗流模拟，得到不同注入水PV倍数下岩样的油水两相相对渗透率曲线。
S61：通过不同注入水PV倍数下的孔隙网络模型，结合准静态网络模拟方法，开展油水两相渗流模拟。孔隙网络模型在初始状态下被水完全饱和，此时进行活塞式油驱替水模拟，入口毛管压力由Young-Laplace方程确定，对于圆形单元，毛管压力方程如下：
Figure 940140DEST_PATH_IMAGE072
式中：
Figure 39683DEST_PATH_IMAGE073
为毛管压力；
Figure 66021DEST_PATH_IMAGE074
为油相压力；
Figure 276422DEST_PATH_IMAGE075
为水相压力；
Figure 645218DEST_PATH_IMAGE076
为油水两相表面张力系数；R 1 ，R 2 为油水两相液面主曲率半径；r为毛细管半径；
Figure 728711DEST_PATH_IMAGE077
为润湿角。
S62：计算含水饱和度、油相相对渗透率和水相相对渗透率，从而得到不同注入水PV倍数下岩样所对应的油水两相相对渗透率曲线，如图10所示。
含水饱和度的计算。整个孔隙网络模型的含水饱和度是所有孔喉中水相的体积与孔喉总体积的比值，公式如下：
Figure 432225DEST_PATH_IMAGE078
式中：
Figure 180738DEST_PATH_IMAGE079
—含水饱和度；n—孔隙网络模型中孔喉的总个数；V hw —第h个孔喉中水相所占的体积；V h —第h个孔喉的体积。
渗透率的计算。采用达西公式计算绝对渗透率为：
Figure 997516DEST_PATH_IMAGE080
式中：k j —绝对渗透率；
Figure 678943DEST_PATH_IMAGE081
—饱和水的粘度；
Figure 400911DEST_PATH_IMAGE082
—单相水通过孔隙网络模型的流量；L—孔隙网络模型的长度；A—孔隙网络模型的截面积；∆P—孔隙网络模型入口与出口间的压力差。
按照驱替条件的要求，采用油驱完全饱和水的孔隙网络模型，直到模型不出水为止，建立束缚水状态下的油相有效渗透率
Figure 235006DEST_PATH_IMAGE083
，方程如下：
Figure 358820DEST_PATH_IMAGE084
式中：
Figure 721799DEST_PATH_IMAGE085
—束缚水状态下的油相有效渗透率；
Figure 931064DEST_PATH_IMAGE086
—油相的粘度；
Figure 506533DEST_PATH_IMAGE087
—油相通过孔隙网络模型的流量；L—孔隙网络模型的长度；A—孔隙网络模型的截面积；∆P—孔隙网络模型入口与出口间的压力差。
进行水驱油模拟。准确记录油水两相在孔隙网络模型中的流量和该模型两端的压力差，计算油水两相共存时各相的有效渗透率，方程如下：
Figure 750432DEST_PATH_IMAGE088
Figure 15804DEST_PATH_IMAGE089
式中：
Figure 525414DEST_PATH_IMAGE090
、
Figure 888262DEST_PATH_IMAGE091
分别为油相和水相的有效渗透率。
随着油水两相渗流模拟，含水率达到99.95%时或注水达到30倍PV后，（需要注意的是，此处是仅提出一个例子，本发明对具体数值不做限定）测定残余油下的水相有效渗透率，方程如下：
Figure 534138DEST_PATH_IMAGE092
式中：
Figure 957029DEST_PATH_IMAGE093
—残余油下的水相有效渗透率；
Figure 953935DEST_PATH_IMAGE094
—水相的粘度；
Figure 399436DEST_PATH_IMAGE095
—水相通过孔隙网络模型的流量；L—孔隙网络模型的长度；A—孔隙网络模型的截面积；∆P—孔隙网络模型入口与出口间的压力差。
计算相应含水饱和度下的油相、水相的相对渗透率，方程如下：
Figure 617927DEST_PATH_IMAGE096
式中：k rl —l相相对渗透率；k l —l相的有效渗透率；k j —绝对渗透率。
实施例四：
本实施例提供了一种水驱油藏储层参数时变规律预测系统，所述系统包括：
关系模型构建模块，用于构建横向弛豫时间T2谱与孔径的关系模型。
预测模型构建模块，用于构建孔径分布随注入水PV倍数、岩样初始渗透率、注入水流速、孔隙度、泥质含量、粘土矿物含量、粒度中值变化的预测数学模型。
孔隙网络模型构建模块，用于构建不同注入水PV倍数下岩心样品的孔隙网络模型，开展油水两相渗流模拟，得到不同PV倍数下岩样的油水两相相对渗透率曲线。
所述关系模型构建模块，具体用于：
任意标准岩心岩样，通过高压压汞实验，得到外压力与进汞孔的净宽成反比。对于圆柱形孔，应用Washburn方程将压力转换成孔径，从而得到孔径分布。
通过核磁共振实验，设定给定岩样核磁共振横向弛豫时间T2的测量参数—回波间隔、完全恢复时间、回波个数、扫描次数、接受效益；采用CPMG脉冲序列进行横向弛豫时间T2测量之后，计算横向弛豫时间T2分布；
设置转换系数C，采用弛豫时间T2谱与孔径的关系模型，方程如下：
Figure 431294DEST_PATH_IMAGE097
式中：C为转换系数；r为孔隙半径；T2为横向弛豫时间。
根据横向弛豫时间T2谱和转换系数C，计算孔径分布。将计算得到的孔径分布与实测孔径分布曲线作比较，判断孔径分布曲线的第一个峰值是否重合，若不重合，则调节转换系数C值，直到孔径分布曲线的第一个峰值重合。
所述预测模型构建模块，具体用于：
开展水驱实验，测定岩心孔隙度和水测初始渗透率。
持续注水，记录在不同注入水PV倍数下的岩样两端压力差和通过岩样的流量，根据达西方程计算不同注入水PV倍数下的渗透率变化。
采用核磁共振测试获得不同注入水PV倍数下的T2谱。
利用计算得到的转换系数C值，根据弛豫时间T2谱与孔径的关系模型，方程如下：
Figure 102447DEST_PATH_IMAGE098
，式中：C为转换系数；r为孔隙半径；T2为横向弛豫时间。
使得测试岩样在不同注入水PV倍数的核磁共振T2谱转换为孔径分布，从而得到不同注入水PV倍数下的孔径分布曲线。
将不同注入水PV倍数下的孔径分布曲线视为n个正态分布函数的叠加，采用EM算法计算正态分布隐含参数变量数学期望和标准差。
对于给定PV倍数下的孔径分布曲线，根据EM算法计算正态分布函数所对应的参数分别为
Figure 620147DEST_PATH_IMAGE099
，g为注入水PV倍数。
构建每个正态分布函数的数学期望与注入水PV倍数、岩样初始渗透率、注入水流速、孔隙度、泥质含量、粒度中值之间的函数关系式。
构建每个正态分布函数的标准差与注入水PV倍数、岩样初始渗透率、注入水流速、孔隙度、泥质含量、粒度中值之间的函数关系式。
所述用于构建数学期望和标准差与所述各参数之间函数关系式的方法包括但不限于多元线性回归、XGBoost、支持向量机、随机森林等方法。
由此可得到不同注入水PV倍数下的孔径分布函数，方程如下：
Figure 958724DEST_PATH_IMAGE100
式中：
Figure 270888DEST_PATH_IMAGE101
为不同注入水PV倍数下孔径分布的标准差；
Figure 177140DEST_PATH_IMAGE102
为不同注入水PV倍数下孔径分布的数学期望。
所述孔隙网络模型构建模块，具体用于：
根据孔径分布构建孔隙网络模型。
开展单相水的孔隙网络模拟，计算模型渗透率。
将模型渗透率与实验测得的不同PV倍数下的渗透率做对比，判断两者是否一致。
如果不一致，调节模型的孔喉分布、孔隙度等物性参数，直到两者一致，由此得到不同注入水PV倍数下的孔隙网络模型。
通过不同注入水PV倍数下的孔隙网络模型，结合准静态网络模拟方法，按照驱替条件的要求，选择合适的驱替速度或驱替压力差开展油水两相渗流模拟。
准确记录油水两相在孔隙网络模型中的流量和该模型两端的压力差，计算油水两相共存时各相的有效渗透率。
随着油水两相渗流模拟，含水率达到99.95%时或注水达到30倍PV后，测定残余油下的水相有效渗透率。
计算在相应含水饱和度下的油相、水相的相对渗透率，从而得到不同PV倍数下岩样所对应的油水两相相对渗透率曲线。
本实施例提供的水驱储层参数时变规律预测方法解决了同时测量岩样渗透率变化规律和相对渗透率曲线变化规律的问题，提高了储层参数时变的预测精度，能够为油藏开发调整提供更有效的支持。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，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发明的限制。

Claims (6)

1.一种水驱油藏储层参数时变规律预测方法，其特征在于，所述方法包括：
获取水驱油藏储层岩样的实测孔径分布曲线和实测T2谱；
根据所述实测孔径分布曲线和所述实测T2谱，设置转换系数C，采用弛豫时间T2谱与孔径分布的关系模型，建立T2谱与孔径关系实测模型；
获取水驱物理模拟实验过程中不同注水量下的所述岩样的T2谱以及不同注水量下的所述岩样的实际渗透率；
利用所述T2谱与孔径关系实测模型，根据不同注水量下的所述岩样的T2谱，得到不同注水量下的孔径分布曲线；
根据不同注水量下的孔径分布曲线，结合正态分布函数，构建所述孔径分布曲线随岩样注水参数变化的数学模型；所述岩样注水参数包括：注水量、岩样初始渗透率、平均注水速度、初始孔隙度、泥质类型、初始泥质含量和粒度中值；
根据所述数学模型构建不同注水量下的孔隙网络模型；
利用不同注水量下的孔隙网络模型进行油水两相渗流模拟，计算不同注水量下岩样所对应的油水两相相对渗透率曲线；所述油水两相相对渗透率曲线即为水驱油藏储层参数；
在所述根据所述数学模型构建不同注水量下的孔隙网络模型之后，还包括：
利用所述孔隙网络模型进行单相水的孔隙网络模拟；
获取模拟得到的孔隙网络两端的压力差和流量；
根据所述压力差和流量利用达西公式计算模型渗透率；
比较所述模型渗透率与所述实际渗透率是否相同；若不同，则调节所述孔隙网络模型的物理参数，并返回“利用所述孔隙网络模型进行单相水的孔隙网络模拟”步骤，直至所述模型渗透率与所述实际渗透率相同；
所述利用不同注水量下的孔隙网络模型进行油水两相渗流模拟，计算不同注水量下岩样所对应的油水两相相对渗透率曲线，具体包括：
进行油水两相渗流模拟，采用油驱完全饱和水的孔隙网络模型，直到孔隙网络模型不出水为止，建立束缚水状态下的油相有效渗透率
Figure QLYQS_1
；
Figure QLYQS_2
；式中，
Figure QLYQS_3
表示油相的粘度；
Figure QLYQS_4
表示油相通过孔隙网络模型的流量；L表示孔隙网络模型的长度；A表示孔隙网络模型的截面积；∆P表示孔隙网络模型入口与出口间的压力差；
进行水驱油模拟实验，获取油水两相在孔隙网络模型中的流量和孔隙网络模型两端的压力差，计算油水两相共存时各相的有效渗透率，计算公式为：
Figure QLYQS_5
；
Figure QLYQS_6
；其中，
Figure QLYQS_7
、
Figure QLYQS_8
分别表示油相和水相的有效渗透率，
Figure QLYQS_9
表示水相的粘度；
Figure QLYQS_10
表示水相通过孔隙网络模型的流量；
当含水率达到99.95%时或注水量达到30倍PV后，计算残余油状态下的水相有效渗透率，计算方程为：
Figure QLYQS_11
；式中：
Figure QLYQS_12
表示残余油状态下的水相有效渗透率。
2.根据权利要求1所述的水驱油藏储层参数时变规律预测方法，其特征在于，所述获取水驱油藏储层岩样的实测孔径分布曲线和实测T2谱，具体包括：
利用高压压汞方法获取岩样的实测孔径分布曲线；
利用核磁共振方法获取岩样的实测T2谱。
3.根据权利要求1所述的水驱油藏储层参数时变规律预测方法，其特征在于，所述根据所述实测孔径分布曲线和所述实测T2谱，设置转换系数C，采用弛豫时间T2谱与孔径分布的关系模型，建立T2谱与孔径关系实测模型，具体包括：
设置转换系数C；
根据所述实测T2谱和所述转换系数C，利用T2谱与孔径关系模型，计算孔径分布曲线；所述T2谱与孔径关系模型为：r=CT2，其中，C为转换系数；r为孔隙半径；T2为横向弛豫时间；
判断所述孔径分布曲线和所述实测孔径分布曲线的第一个峰值是否重合，若不重合，则调节所述转换系数C的值，并返回步骤“根据所述实测T2谱和所述转换系数C，利用T2谱与孔径关系模型，计算孔径分布曲线”，直到所述孔径分布曲线和所述实测孔径分布曲线的第一个峰值重合，得到T2谱与孔径关系实测模型。
4.根据权利要求1所述的水驱油藏储层参数时变规律预测方法，其特征在于，所述根据不同注水量下的孔径分布曲线，结合正态分布函数，构建所述孔径分布曲线随岩样注水参数变化的数学模型，具体包括：
将所述不同注水量下的孔径分布曲线作为若干个正态分布函数的叠加；正态分布函数的个数与孔径分布曲线上的峰值个数保持一致；
计算每个所述正态分布函数的数学期望和标准差；
构建所述正态分布函数的数学期望、标准差与岩样注水参数之间的函数关系式，得到所述孔径分布曲线随岩样注水参数变化的数学模型。
5.根据权利要求4所述的水驱油藏储层参数时变规律预测方法，其特征在于，所述计算每个所述正态分布函数的数学期望和标准差，具体包括：
利用EM算法计算每个所述正态分布函数的数学期望和标准差。
6.一种水驱油藏储层参数时变规律预测系统，其特征在于，所述系统包括：
初始数据获取模块，用于获取水驱油藏储层岩样的实测孔径分布曲线和实测T2谱；
模型建立模块，用于根据所述实测孔径分布曲线和所述实测T2谱，设置转换系数C，采用弛豫时间T2谱与孔径分布的关系模型，建立T2谱与孔径关系实测模型；
T2谱获取模块，用于获取水驱物理模拟实验过程中不同注水量下的所述岩样的T2谱以及不同注水量下的所述岩样的实际渗透率；
孔径分布曲线建立模块，用于利用所述T2谱与孔径关系实测模型，根据不同注水量下的所述岩样的T2谱，得到不同注水量下的孔径分布曲线；
数学模型建立模块，用于根据不同注水量下的孔径分布曲线，结合正态分布函数，构建所述孔径分布曲线随岩样注水参数变化的数学模型；所述岩样注水参数包括：注水量、岩样初始渗透率、平均注水速度、初始孔隙度、泥质类型、初始泥质含量和粒度中值；
孔隙网络模型建立模块，用于根据所述数学模型构建不同注水量下的孔隙网络模型；
在所述根据所述数学模型构建不同注水量下的孔隙网络模型之后，还包括：
利用所述孔隙网络模型进行单相水的孔隙网络模拟；
获取模拟得到的孔隙网络两端的压力差和流量；
根据所述压力差和流量利用达西公式计算模型渗透率；
比较所述模型渗透率与所述实际渗透率是否相同；若不同，则调节所述孔隙网络模型的物理参数，并返回“利用所述孔隙网络模型进行单相水的孔隙网络模拟”步骤，直至所述模型渗透率与所述实际渗透率相同；
渗透率计算模块，用于利用不同注水量下的孔隙网络模型进行油水两相渗流模拟，计算不同注水量下岩样所对应的油水两相相对渗透率曲线；所述油水两相相对渗透率曲线即为水驱油藏储层参数；
所述利用不同注水量下的孔隙网络模型进行油水两相渗流模拟，计算不同注水量下岩样所对应的油水两相相对渗透率曲线，具体包括：
进行油水两相渗流模拟，采用油驱完全饱和水的孔隙网络模型，直到孔隙网络模型不出水为止，建立束缚水状态下的油相有效渗透率
Figure QLYQS_13
；
Figure QLYQS_14
；式中，
Figure QLYQS_15
表示油相的粘度；
Figure QLYQS_16
表示油相通过孔隙网络模型的流量；L表示孔隙网络模型的长度；A表示孔隙网络模型的截面积；∆P表示孔隙网络模型入口与出口间的压力差；
进行水驱油模拟实验，获取油水两相在孔隙网络模型中的流量和孔隙网络模型两端的压力差，计算油水两相共存时各相的有效渗透率，计算公式为：
Figure QLYQS_17
；
Figure QLYQS_18
；其中，
Figure QLYQS_19
、
Figure QLYQS_20
分别表示油相和水相的有效渗透率，
Figure QLYQS_21
表示水相的粘度；
Figure QLYQS_22
表示水相通过孔隙网络模型的流量；
当含水率达到99.95%时或注水量达到30倍PV后，计算残余油状态下的水相有效渗透率，计算方程为：
Figure QLYQS_23
；式中：
Figure QLYQS_24
表示残余油状态下的水相有效渗透率。
CN202211495714.5A 2022-11-28 2022-11-28 一种水驱油藏储层参数时变规律预测方法及系统 Active CN115526067B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211495714.5A CN115526067B (zh) 2022-11-28 2022-11-28 一种水驱油藏储层参数时变规律预测方法及系统
US18/226,472 US12012832B1 (en) 2022-11-28 2023-07-26 Method and system for predicting time-varying principle of waterflooding oil reservoir formation parameters

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211495714.5A CN115526067B (zh) 2022-11-28 2022-11-28 一种水驱油藏储层参数时变规律预测方法及系统

Publications (2)

Publication Number Publication Date
CN115526067A CN115526067A (zh) 2022-12-27
CN115526067B true CN115526067B (zh) 2023-03-14

Family

ID=84705373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211495714.5A Active CN115526067B (zh) 2022-11-28 2022-11-28 一种水驱油藏储层参数时变规律预测方法及系统

Country Status (2)

Country Link
US (1) US12012832B1 (zh)
CN (1) CN115526067B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110656914A (zh) * 2019-10-14 2020-01-07 西南石油大学 一种低渗透油藏降压增注的方法
CN113406134A (zh) * 2021-06-03 2021-09-17 中国石油化工股份有限公司 一种疏松岩心水驱孔隙结构变化的测试方法和测试装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104179499A (zh) * 2013-05-27 2014-12-03 中国石油化工股份有限公司 考虑油藏参数时变的数值模拟方法
CN106932324B (zh) * 2017-03-10 2019-09-17 中国石油化工股份有限公司 一种确定高含水砂岩油藏储层渗透率变化规律的方法
CN110231268B (zh) * 2019-05-31 2022-07-22 大庆油田有限责任公司 一种致密储层岩石油水赋存孔径分布的分析方法
CN112098293B (zh) * 2020-08-03 2021-06-01 西南石油大学 基于孔隙裂缝双重介质气藏非稳态气水两相渗流模拟方法
CN115753864A (zh) * 2021-09-03 2023-03-07 中国石油大学(北京) 低渗透油藏油水微观分布定量表征方法及装置
CN115078163A (zh) * 2022-08-05 2022-09-20 西南石油大学 一种页岩油储层岩石润湿性表征方法
CN115452531A (zh) * 2022-10-18 2022-12-09 西南石油大学 一种微观可视化光刻模型制作方法及其实验流程

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110656914A (zh) * 2019-10-14 2020-01-07 西南石油大学 一种低渗透油藏降压增注的方法
CN113406134A (zh) * 2021-06-03 2021-09-17 中国石油化工股份有限公司 一种疏松岩心水驱孔隙结构变化的测试方法和测试装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《Adsorption and absorption of supercritical methane within shale kerogen slit》;Q Feng etal;《journal of molecular liquids》;20201215;全文 *
《基于核磁共振和室内相渗实验的低渗透油藏油水渗流规律研究》;刘焯;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20191115;第4-74页 *
《强水驱油藏渗透率动态变化规律定量预测方法》;洪楚侨等;《万方数据》;20181212;全文 *

Also Published As

Publication number Publication date
US20240175340A1 (en) 2024-05-30
CN115526067A (zh) 2022-12-27
US12012832B1 (en) 2024-06-18

Similar Documents

Publication Publication Date Title
AU2007265695B2 (en) Method for comparing and back allocating production
CN103335928B (zh) 一种测量孔隙岩石渗透率的方法和装置
CN104634804A (zh) 一种利用核磁共振t2谱确定储层相对渗透率的方法
CN105089566A (zh) 一种气井系统配产方法
CN105715241A (zh) 一种聚合物驱相对渗透率曲线的测量方法
CN102915406A (zh) 径向流条件下油水相对渗透率曲线的计算方法
CN104989385B (zh) 基于表皮系数计算的高温高压油气直井射孔参数优化方法
Kulkarni et al. Two‐phase flow in porous media: Property identification and model validation
Acuña Straightforward representative fluid flow models for complex fracture networks in unconventional reservoirs
CN105844011B (zh) 一种基于毛管模型的渗透率计算方法
CN115526067B (zh) 一种水驱油藏储层参数时变规律预测方法及系统
Aghabozorgi et al. An investigation of polymer adsorption in porous media using pore network modelling
CN108489878A (zh) 一种基于数值模拟迭代消除末端效应的相渗曲线校正方法
CN115452681B (zh) 一种储层油气相对渗透率确定方法
CN112257349A (zh) 一种判断致密砂岩可动水气藏气井是否具有开发价值的方法
Yaralidarani et al. Co-estimation of saturation functions (kr and P c) from unsteady-state core-flood experiment in tight carbonate rocks
RU2754741C1 (ru) Способ адаптации геолого-гидродинамической модели пласта
CN113392372B (zh) 气井全生命周期无阻流量确定方法及系统
CN104948175B (zh) 一种监测层间产液能力差异的室内试验方法
Palatnik et al. New technique to improve the efficiency of history matching of full-field models
Mejia et al. Estimation of three‐phase flow functions in porous media
CN115345402A (zh) 基于应力敏感影响的致密储层气井参数评价方法及设备
CN114519260B (zh) 一种页岩油产能预测方法、系统、介质、设备及终端
Amirsardari Dynamic Single Well Modeling for Hydrocarbon Reservoir Characterization: Case Study of a Gas Reservoirs in South of Iran
CN109858196B (zh) 一种油气藏参数解释方法及系统

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