CN115755184A - 盆地边缘地区油气勘探潜力快速评价方法及装置 - Google Patents
盆地边缘地区油气勘探潜力快速评价方法及装置 Download PDFInfo
- Publication number
- CN115755184A CN115755184A CN202211533281.8A CN202211533281A CN115755184A CN 115755184 A CN115755184 A CN 115755184A CN 202211533281 A CN202211533281 A CN 202211533281A CN 115755184 A CN115755184 A CN 115755184A
- Authority
- CN
- China
- Prior art keywords
- hydrocarbon source
- condition
- oil
- source rock
- potential
- 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
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种盆地边缘地区油气勘探潜力快速评价方法，包括如下步骤：基于烃源岩地震识别参数，结合周边已钻井揭示的烃源岩反射特征，对研究区烃源岩发育情况进行判断，并判断烃源条件；基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断；基于烃源条件及运移条件，进行潜力区判断。本发明能够解决传统常规方法对含油气盆地边缘少井、无井地区勘探潜力评价的技术方法不足。
Description
技术领域
本发明涉及油气开采技术领域，具体是关于一种盆地边缘地区油气勘探潜力快速评价方法及装置。
背景技术
目前，传统常规针对盆地边缘少井、无井地区油气勘探潜力评价方法是按照经典石油地质学理论，对研究区的生油岩、储集岩、盖层、圈闭、运移、保存等各项石油地质条件逐项进行分析研究，在落实各项石油地质条件的情况下进行钻井部署，继而通过实施钻井揭示盆地边缘地区含油气情况和勘探潜力。现有方法强调油气成藏中各项石油地质条件的完整性，对研究区的生油岩、储集岩、盖层、圈闭、运移、保存等石油地质条件进行分析，在各项条件都具备的情况下评价研究区勘探潜力，包括部署钻井揭示研究区含油气情况，一般从研究到钻探，实施周期少则数月多则数年。
然而，传统常规方法虽然具有一定系统性，但也存在两方面不足：一是在特定紧急情况下，急需在短期(例如一个月内或短至几天内)对盆地边缘地区进行勘探潜力快速评价时，传统常规方法无法实现；二是常规方法所需人工成本和钻探成本较高。
发明内容
针对上述问题，本发明的目的是提供一种盆地边缘地区油气勘探潜力快速评价方法及装置，以解决传统常规方法对含油气盆地边缘少井、无井地区勘探潜力评价的技术方法不足。
为实现上述目的，本发明采取以下技术方案：
本发明所述的盆地边缘地区油气勘探潜力快速评价方法，包括如下步骤：
基于烃源岩地震识别参数，结合周边已钻井揭示的烃源岩反射特征，对研究区烃源岩发育情况进行判断，并判断烃源条件；
基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断；
基于烃源条件及运移条件，进行潜力区判断。
所述的盆地边缘地区油气勘探潜力快速评价方法，优选地，判断烃源条件具体为：
通过对烃源岩地震识别参数主频、连续性和烃源岩最大厚度的分析判断，得出区块内是否具备烃源条件。
所述的盆地边缘地区油气勘探潜力快速评价方法，优选地，基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断，具体为：
在烃源岩分布范围内，判断为具备油气运移条件；
不在烃源岩分布范围内，位于斜坡带，与烃源岩之间没有洼槽、反向断层阻隔的，判断为具备油气运移条件；
不在烃源岩分布范围内，位于斜坡带，与烃源岩之间有洼槽或反向断层阻隔的，判断为不具备油气运移条件。
所述的盆地边缘地区油气勘探潜力快速评价方法，优选地，基于烃源条件及运移条件，进行潜力区判断，具体为：
利用烃源条件及运移条件进行匹配和逻辑判断，若结果表明区块具备烃源条件，则直接评价为潜力区；若不具备烃源条件，但其它地区烃源岩生成的油气能运移到本区成藏，具备油气运移条件，则评价为潜力区；若结果表明区块不具备烃源条件，也不具备运移条件，则评价为无潜力区。
本发明所述的盆地边缘地区油气勘探潜力快速评价装置，包括：
第一处理单元，用于基于烃源岩地震识别参数，结合周边已钻井揭示的烃源岩反射特征，对研究区烃源岩发育情况进行判断，并判断烃源条件；
第二处理单元，用于基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断；
第三处理单元，用于基于烃源条件及运移条件，进行潜力区判断。
本发明所述的计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的盆地边缘地区油气勘探潜力快速评价方法步骤。
本发明所述的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述盆地边缘地区油气勘探潜力快速评价方法步骤。
本发明由于采取以上技术方案，其具有以下优点：
本发明以研究区基础石油地质条件研究成果和地震资料为基础，通过“烃源”和“运移”两个最关键成藏要素联合分析，实现在盆地边缘少井、无井地区高效评价成藏潜力，合理进行勘探部署的目的，是一种简单实用的方法。
本发明易于实现、投入工作量少，可快速评价盆地边缘地区勘探潜力，为后续勘探部署提供依据。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：
图1是本发明的流程示意图；
图2是基于“烃运二元主控”的潜力区评价结果图；
图3是利用地震资料判断A区块主力烃源岩和区块潜力图；
图4是利用地震资料判断B区块主力烃源岩和区块潜力图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明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能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明提供一种盆地边缘地区油气勘探潜力快速评价方法，综合石油地质学和地震沉积学原理，通过第一主控要素烃源条件、第二主控要素运移条件这两个关键成藏要素的分析，以及确定两个要素的配置关系，快速评价盆地边缘地区油气勘探潜力。本发明具有时效性强、成本低廉的特点，可为勘探部署和决策提供有效指导。
如图1所示，本发明提供的盆地边缘地区油气勘探潜力快速评价方法，包括如下步骤：
基于烃源岩地震识别参数，结合周边已钻井揭示的烃源岩反射特征，对研究区烃源岩发育情况进行判断，并判断烃源条件；
基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断；
基于烃源条件及运移条件，进行潜力区判断。
在上述实施例中，优选地，判断烃源条件具体为：
通过对烃源岩地震识别参数主频、连续性和烃源岩最大厚度的分析判断，得出区块内是否具备烃源条件。
在上述实施例中，优选地，基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断，具体为：
在烃源岩分布范围内，判断为具备油气运移条件；
不在烃源岩分布范围内，位于斜坡带，与烃源岩之间没有洼槽、反向断层阻隔的，判断为具备油气运移条件；
不在烃源岩分布范围内，位于斜坡带，与烃源岩之间有洼槽或反向断层阻隔的，判断为不具备油气运移条件。
在上述实施例中，优选地，基于烃源条件及运移条件，进行潜力区判断，具体为：
利用烃源条件、运移条件进行匹配和逻辑判断，若结果表明区块具备烃源条件，则直接评价为潜力区；若不具备烃源条件，但其它地区烃源岩生成的油气能运移到本区成藏，具备油气运移条件，则评价为潜力区；若结果表明区块不具备烃源条件，也不具备运移条件，则评价为无潜力区。
需要说明的是，本发明以研究区基础石油地质条件研究成果和地震资料为基础，通过“烃源”和“运移”两个最关键成藏要素联合分析，实现在盆地边缘少井、无井地区高效评价成藏潜力，合理进行勘探部署的目的。烃源岩是生成石油和天然气的物质基础，有无烃源岩直接决定了一个凹陷、一个地区的勘探潜力，是第一控制要素；而油气运移决定了本区或它区的油气能否运移到该地区，是第二控制要素。在确定第一、第二这两个要素的基础上，既可快速评价出研究区是否具有勘探潜力。若不具有勘探潜力，可不再进行钻探；若具有勘探潜力，则确定为潜力区，可优选有利圈闭进行钻探部署。本发明具有时效性强、成本低廉的特点，可为勘探部署和决策提供有效指导。
本发明首先对第一主控因素烃源条件进行判断。判断依据是：类比盆地内已钻井揭示的烃源岩地震反射特征，应用到盆地边缘地区进行主力烃源岩判识。烃源岩的地震反射特征考虑地震资料的主频、连续性和厚度3个参数。本发明将主频、连续性、最大厚度3个参数识别标准界定为：主频F<20Hz，连续性C>6km，最大厚度T>50m(见表1)。
表1烃源岩地震识别参数统计情况表
本发明其次对第二主控因素运移条件进行判断。判断依据是分析研究区与烃源岩的配置关系，可分为3种情况：(1)在烃源岩分布范围内，判断为具备油气运移条件；(2)不在烃源岩分布范围内，位于斜坡带，与烃源岩之间没有洼槽、反向断层阻隔的，判断为具备油气运移条件；(3)不在烃源岩分布范围内，位于斜坡带，与烃源岩之间有洼槽或反向断层阻隔的，判断为不具备油气运移条件(见图2)。
本发明最后基于烃源条件、运移条件分析结果，利用“二元主控”判断区块是否为潜力区。若盆地边缘地区(区块)发育烃源岩且达到生烃门限，则直接评价该区块为有潜力区；若不具备烃源条件，但其它地区烃源岩生成的油气能运移到本区成藏，具备油气运移条件(见图2)，则评价为潜力区；若结果表明区块不具备烃源条件，也不具备运移条件，则评价为无潜力区，其基于“烃运二元主控”不同情况下评价结果分析表如表2所示。
表2基于“烃运二元主控”不同情况下评价结果分析表
本发明还提供一种盆地边缘地区油气勘探潜力快速评价装置，包括：
第一处理单元，用于基于烃源岩地震识别参数，结合周边已钻井揭示的烃源岩反射特征，对研究区烃源岩发育情况进行判断，并判断烃源条件；
第二处理单元，用于基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断；
第三处理单元，用于基于烃源条件及运移条件，进行潜力区判断。
本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的盆地边缘地区油气勘探潜力快速评价方法步骤。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述盆地边缘地区油气勘探潜力快速评价方法步骤。
实施例1：以某盆地边缘A区块油气勘探潜力快速评价为例。
1)通过研究区地震资料，结合区域地质背景和周边已钻井揭示情况，开展烃源岩发育情况分析，表明主频(F)为11.5Hz，连续性(C)长度为12.5km，烃源岩最大厚度(T)为750m，满足烃源岩判断标准，得出研究区发育烃源岩(图3，阴影部分)。
2)区块发育烃源岩，且达到生烃门限(该区生烃门限为2800m，图3中对应2500ms)，具备烃源条件，直接判断为潜力区。
实施例2：以某盆地边缘B区块油气勘探潜力快速评价为例。
1)通过研究区地震资料，结合区域地质背景和周边已钻井揭示情况，开展烃源岩发育情况分析，表明主频(F)为26Hz，连续性(C)长度为0km，烃源岩最大厚度(T)为0m，不符合烃源岩判断标准，得出研究区不发育烃源岩(见图4)。
2)区块内不发育烃源岩，与区块相邻的洼陷内也不发育烃源岩，且区块与洼陷之间有反向断层阻隔，判断B区块不具备运移条件。
3)通过步骤1)烃源条件和步骤2运移条件判断，利用图1技术流程和表2情况判断表，得出B区块不具有勘探潜力，为无潜力区。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种盆地边缘地区油气勘探潜力快速评价方法，其特征在于，包括如下步骤：
基于烃源岩地震识别参数，结合周边已钻井揭示的烃源岩反射特征，对研究区烃源岩发育情况进行判断，并判断烃源条件；
基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断；
基于烃源条件及运移条件，进行潜力区判断。
2.根据权利要求1所述的盆地边缘地区油气勘探潜力快速评价方法，其特征在于，判断烃源条件具体为：
通过对烃源岩地震识别参数主频、连续性和烃源岩最大厚度的分析判断，得出区块内是否具备烃源条件。
3.根据权利要求1所述的盆地边缘地区油气勘探潜力快速评价方法，其特征在于，基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断，具体为：
在烃源岩分布范围内，判断为具备油气运移条件；
不在烃源岩分布范围内，位于斜坡带，与烃源岩之间没有洼槽、反向断层阻隔的，判断为具备油气运移条件；
不在烃源岩分布范围内，位于斜坡带，与烃源岩之间有洼槽或反向断层阻隔的，判断为不具备油气运移条件。
4.根据权利要求1所述的盆地边缘地区油气勘探潜力快速评价方法，其特征在于，基于烃源条件及运移条件，进行潜力区判断，具体为：
利用烃源条件及运移条件进行匹配和逻辑判断，若结果表明区块具备烃源条件，则直接评价为潜力区；若不具备烃源条件，但其它地区烃源岩生成的油气能运移到本区成藏，具备油气运移条件，则评价为潜力区；若结果表明区块不具备烃源条件，也不具备运移条件，则评价为无潜力区。
5.一种盆地边缘地区油气勘探潜力快速评价装置，其特征在于，包括：
第一处理单元，用于基于烃源岩地震识别参数，结合周边已钻井揭示的烃源岩反射特征，对研究区烃源岩发育情况进行判断，并判断烃源条件；
第二处理单元，用于基于烃源岩发育情况和洼槽、断层特征，进行油气运移条件判断；
第三处理单元，用于基于烃源条件及运移条件，进行潜力区判断。
6.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4中任一项所述的盆地边缘地区油气勘探潜力快速评价方法步骤。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-4任意一项所述盆地边缘地区油气勘探潜力快速评价方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211533281.8A CN115755184A (zh) | 2022-12-02 | 2022-12-02 | 盆地边缘地区油气勘探潜力快速评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211533281.8A CN115755184A (zh) | 2022-12-02 | 2022-12-02 | 盆地边缘地区油气勘探潜力快速评价方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115755184A true CN115755184A (zh) | 2023-03-07 |
Family
ID=85342355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211533281.8A Pending CN115755184A (zh) | 2022-12-02 | 2022-12-02 | 盆地边缘地区油气勘探潜力快速评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115755184A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520421A (zh) * | 2023-06-29 | 2023-08-01 | 中国石油大学(华东) | 断陷湖盆洼陷生烃潜力定量评价方法及系统 |
-
2022
- 2022-12-02 CN CN202211533281.8A patent/CN115755184A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520421A (zh) * | 2023-06-29 | 2023-08-01 | 中国石油大学(华东) | 断陷湖盆洼陷生烃潜力定量评价方法及系统 |
| CN116520421B (zh) * | 2023-06-29 | 2023-10-13 | 中海石油(中国)有限公司深圳分公司 | 断陷湖盆洼陷生烃潜力定量评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aanonsen et al. | Optimizing reservoir performance under uncertainty with application to well location | |
| Cunningham et al. | Using multiple linear regression to model EURs of horizontal Marcellus shale wells | |
| Kurison et al. | Unlocking well productivity drivers in Eagle Ford and Utica unconventional resources through data analytics | |
| CN115755184A (zh) | 盆地边缘地区油气勘探潜力快速评价方法及装置 | |
| CN105240006A (zh) | 一种适用于火山岩储层的油水层识别方法 | |
| CN108386185B (zh) | 一种确定砂体连通性的方法及装置 | |
| Kharrat et al. | Rock Typeand Permeability Prediction of a Heterogeneous Carbonate Reservoir Using Artificial Neural Networks Based on Flow Zone Index Approach | |
| Al-Abadi et al. | Mapping groundwater zones contaminated by hydrocarbons in the Dammam aquifer in the Karbala–Najaf plateau, Iraq | |
| Haghighi et al. | A permeability predictive model based on hydraulic flow unit for one of Iranian carbonate tight gas reservoir | |
| CN109870743B (zh) | 一种页理缝的空间展布预测方法和装置 | |
| Mahmoud et al. | Estimation of the static young's modulus for sandstone reservoirs using support vector regression | |
| Klett et al. | FORSPAN model user’s guide | |
| Lam Tran et al. | Machine learning workflow to identify brittle, fracable and producible rock in horizontal wells using surface drilling data | |
| Al-Sahlanee et al. | Ensemble Machine Learning for Data-Driven Predictive Analytics of Drilling Rate of Penetration (ROP) Modeling: A Case Study in a Southern Iraqi Oil Field | |
| Porras et al. | Evaluation and optimization of completion design using machine learning in an unconventional light oil play | |
| Chen et al. | Geological risk evaluation using the Support Vector Machine with examples from the late Triassic–early Jurassic structural play in western Sverdrup Basin, Canadian Arctic Archipelago | |
| Aghchelou et al. | Lithofacies Estimation by Multi-Resolution Graph-Based Clustering of Petrophysical Well Logs: Case Study of South Pars Gas Field of Iran | |
| Darabi et al. | Augmented AI framework for well performance prediction and opportunity identification in unconventional reservoirs | |
| Kasim et al. | Machine Learning Assisted Reservoir Properties Prediction in a Brownfield Offshore Malaysia | |
| CN106504107A (zh) | 一种确定油层射孔层位的方法及装置 | |
| Carrasquilla et al. | Using facies, data mining and artificial intelligence concepts in the evaluation of a carbonate reservoir in Campos basin, Southeastern Brazil | |
| Sharma et al. | Machine Learning Based Integrated Approach to Estimate Total Organic Carbon in Shale Reservoirs–A Case Study from Duvernay Formation, Alberta Canada | |
| Yang et al. | Geological influential factors on the sis well productivity in Teviot-brook block, Moranbah gas field | |
| Ma et al. | Unlocking Completion Design Optimization Using an Augmented AI Approach | |
| Ojukwu et al. | Reservoir Characterization, Machine Learning and Big Data–An Offshore California Case Study |
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 |