CN117115370B - 一种高精度数字岩心模型构建方法 - Google Patents
一种高精度数字岩心模型构建方法 Download PDFInfo
- Publication number
- CN117115370B CN117115370B CN202311027122.5A CN202311027122A CN117115370B CN 117115370 B CN117115370 B CN 117115370B CN 202311027122 A CN202311027122 A CN 202311027122A CN 117115370 B CN117115370 B CN 117115370B
- Authority
- CN
- China
- Prior art keywords
- core
- image data
- actual
- permeability
- dimensional
- 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
Links
- 238000010276 construction Methods 0.000 title abstract description 15
- 230000035699 permeability Effects 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 72
- 239000011435 rock Substances 0.000 claims abstract description 52
- 238000005516 engineering process Methods 0.000 claims abstract description 31
- 238000002591 computed tomography Methods 0.000 claims description 54
- 238000006243 chemical reaction Methods 0.000 claims description 30
- 238000005481 NMR spectroscopy Methods 0.000 claims description 17
- 238000005406 washing Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 150000003839 salts Chemical class 0.000 claims description 9
- 238000001035 drying Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 239000008398 formation water Substances 0.000 claims description 4
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000007788 roughening Methods 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 9
- 238000002595 magnetic resonance imaging Methods 0.000 description 31
- 239000011148 porous material Substances 0.000 description 20
- 239000007789 gas Substances 0.000 description 11
- 238000004088 simulation Methods 0.000 description 9
- 239000012530 fluid Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 4
- 230000005501 phase interface Effects 0.000 description 4
- 239000009096 changqing Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000005514 two-phase flow Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 238000005325 percolation Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011545 laboratory measurement Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请提供了一种高精度数字岩心模型构建方法,涉及油气开发技术领域,该方法包括:S1:获取岩心样品的实际孔隙度φ和实际渗透率k;S2:利用扫描技术获取岩心样本在不同断面上的二维图像数据;S3:根据二维图像数据,获得岩心三维数据体;S4:根据实际孔隙度φ与二维图像数据的关系,获得岩心样品的模拟孔隙度;根据实际渗透率k与所述实际孔隙度φ、二维图像数据的关系,获取岩心样品的模拟渗透率;S5:利用所述模拟孔隙度和所述模拟孔隙度得到岩心渗透率三维数据体;S6:根据岩心渗透率三维数据体赋值三维立方体模型,得到高精度数字岩心模型。本申请提供的方法适用于低渗、超低渗储层难以获得孔喉数据的技术问题。
Description
技术领域
本申请涉及油气开发技术领域,尤其是涉及一种高精度数字岩心模型构建方法。
背景技术
在油气田开发及渗流力学领域,常规油气藏数值模拟技术主要用于研究油气开采过程中地下油气的分布和运动状况,但就实际应用而言,目前存在以下问题:
1、石油和天然气是保持国民经济高速发展的重要能源之一,如何合理开采石油和天然气并提高其采收率一直是油气田发发过程中的重要问题。实际地下储层岩石内部孔喉结构复杂,很难通过实验手段厘清流体在其中的渗流规律。许多研究人员利用多孔介质模型来模拟不同类型流体在岩石内部流动,从而找到有利于提高石油采收率的方法(一种非定常流固耦合多相渗流模型构建方法CN114386302A)。数字岩心技术作为多孔介质模型的一个分支,可以用于石油与天然气行业的地质、地震、测井和开发以及提高采收率等各个领域(一种非定常流固耦合多相渗流模型构建方法CN114386302A)。随着X射线、CT扫描、图像处理及计算机技术的高速发展,通过数字岩心的方法微观定量描述岩石孔隙形态特征和建立孔隙渗流模型已成为当前研究热点,目前建立数字岩心的方法主有两类:数值重建法和物理实验法(邓海福.岩石微观形态结构重构模型及应用[D].电子科技大学,2018.)。数值重建法是以少量的二维薄片图像为基础,利用二维图片中包含的信息,通过随机模拟法或沉积岩的过程模拟法来重建三维数字岩心,常见的有高斯模拟法、模拟退火法、马尔科夫随机重构法等重构方法(邓海福.岩石微观形态结构重构模型及应用[D].电子科技大学,2018.);数值重建法所建模型的准确度和建模效率较低,并且建模方法中约束条件的选择会使模拟结果存在偶然性,难以还原储层真实岩心特征。物理实验法使用了高倍显微镜、CT成像仪等高精度仪器,首先扫描岩心信息并记录到平面图像中,再对得到的平面图像做三维重建得到数字岩心。但该方法受限于实验仪器(如CT扫描仪)的分辨率与精度,建立的模型尺度较小(一般为毫米尺度),模型的代表性和工程应用受到较大限制,对于提取和分析具有溶洞裂缝特征岩心的微观参数较为困难,并且存在物理实验成本高、周期长等问题。
2、为了更精确地捕捉渗流过程中的两相流体界面,数字岩心模型中网格尺寸应尽量划小,此时网格数量会随之增加。以实验常用的直径2.5cm和长度为5cm规格的圆柱形岩石样品为例,根据岩心扫描设备的精度不同,扫描得到的节点数量在3600万~8亿个之间,即使粗化后得到的网格数量也将达到200万左右。网格数量越多,计算结果也更加精准,但是计算所需时间越长。此时,采用CPU求解计算大型稀疏矩阵较为困难,并且对于大型稀疏矩阵,岩心的非均质性会引发矩阵病态问题,从而产生错解、无解,引起程序崩溃(一种室内岩心的数字化多相流固耦合渗流数值模拟方法,CN114239367A)。
3、在多相渗流中,相界面的存在给数值模拟技术的应用带来很大障碍。首先,界面将渗流区域分开,单相流体渗流的数值计算技术难于直接应用。再者,界面的形状有时较为复杂,很多不稳定性机制控制着界面的运动特性,由于相界面及其随时间的迁移、变形、破碎与融合等复杂变化,使两相流的渗流特性比单相流复杂得多,相界面的迁移特性是两相流研究中的一个重要问题(高一娟.微通道内两相流界面追踪的数值模拟[D].天津大学,2009.)。对于多相流体的研究,常规油气藏数值模拟技术计算通常比较难,尤其是无法准确进行界面追踪。
发明内容
本申请的目的在于提供一种适用于低渗、超低渗储层岩石样品的高精度数字岩心模型构建方法。
本申请的另一目的在于提供一种高精度数字岩心模型构建系统。
为了上述目的,本申请提供以下技术方案:
第一方面,本申请提供了一种高精度数字岩心模型构建方法,包括:
S1:获取待模拟储层的岩心样品,并利用所述岩心样本获取所述岩心样品的实际孔隙度φ和实际渗透率k;
S2:利用扫描技术获取所述岩心样本在不同断面上的二维图像,获得二维图像数据;
S3:根据多个所述断面上的二维图像数据,获得岩心三维数据体;
S4:根据岩心的实际孔隙度φ与二维图像数据的关系,获得所述岩心样品的孔隙度转化系数;根据所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系,获取所述岩心样品的渗透率转化系数;
S5:在所述岩心三维数据体上应用所述孔隙度转化系数和所述渗透率转化系数,以及实际孔隙度与二维图像数据的关系、实际渗透率与实际孔隙度及二维图像数据的关系,得到岩心孔隙度三维数据体和岩心渗透率三维数据体;
S6:建立所述岩心样品的三维立方体模型,根据所述岩心孔隙度三维数据体和岩心渗透率三维数据体赋值所述三维立方体模型,得到所述岩心样品的高精度数字岩心模型。
进一步地,在本申请的一些实施例中,所述扫描技术为核磁共振扫描技术或者CT扫描技术中的任一种。
进一步地,在本申请的一些实施例中,当所述扫描技术为核磁共振扫描技术时,所述二维图像数据包括图像数据和断面坐标;所述实际孔隙度φ与二维图像数据的关系为φ=αMRI×VMRI;其中,VMRI为图像数据,αMRI为转换系数;所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系:k=βMRI×VMRI 2×φ;βMRI为转换系数;
当所述扫描技术为CT扫描技术时,所述二维图像数据包括图像数据和断面坐标;所述实际孔隙度φ与二维图像数据的关系为φ=aCT×1/VCT;其中,VCT为图像数据,αCT为转换系数;所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系:k=βCT×(1/VCT 2)×φ;βCT为转换系数。
进一步地,在本申请的一些实施例中,所述图像数据为岩石密度或者灰度或者像素数中的任一种。
进一步地,在本申请的一些实施例中,在所述步骤S3中,在根据多个所述断面上的二维图像数据,获得岩心三维数据体之前,先对所述二维图像数据进行粗化处理和/或插值处理。
进一步地,在本申请的一些实施例中,所述插值算法包括三线性插值算法或克里金插值算法。
进一步地,在本申请的一些实施例中,所述二维图像数据经所述粗化处理后,其网格数量不低于100万且不高于300万;
所述二维图像数据的节点数低于100万个时,对所述二位图像数据进行插值处理。
进一步地,在本申请的一些实施例中,其特征在于,在步骤S1中,当所述扫描技术为CT扫描技术时,所述岩心样品通过洗油、洗盐以及烘干处理后并测量实际孔隙度φ和实际渗透率k以及岩石样本的长度、直径;
当所述扫描技术为核磁共振扫描技术时,所述岩心样品通过洗油、洗盐以及烘干处理后,再进行饱和地层水处理,并测量实际孔隙度φ和实际渗透率k以及岩石样本的长度、直径。
进一步地,在本申请的一些实施例中,所述实际孔隙度φ和实际渗透率k为任一所述利用扫描技术扫描的岩心样品的切片的实际孔隙度φ和实际渗透率k;或者;所述实际孔隙度φ和实际渗透率k为整个岩心样品的测试得到的实际孔隙度和实际渗透率。
第二方面,本申请的实施例还提供一种高精度数字岩心模型构建系统,用以实现第一方面所述的高精度数字岩心模型构建方法。该系统包括数据获取模块、岩心三维数据体计算模块、岩心孔隙度属性模型建立模块和岩心渗透率三维数据体建立模块,其中,所述数据获取模块用以获取二维图像数据;所述岩心三维数据体计算模块用于通过插值算法得到岩心三维数据体;所述岩心孔隙度属性模型建立模块用于根据岩心的真实孔隙度φ与二维图像数据的关系,建立岩心孔隙度属性模型;所述岩心渗透率三维数据体建立模块用于根据岩心的真实渗透率k、真实孔隙度φ以及二维图像数据的关系,建立岩心渗透率三维数据体。
本申请提供一种高精度数字岩心模型构建方法,利用扫描技术如核磁共振成像MRI扫描技术或者CT扫描技术获取岩石样品的断面二维图像数据如图像像素、灰度,用以表示岩石样品的岩石密度;同时直接根据岩石密度与孔隙度、渗透率的关系,直接获取岩石样品的被扫描处的孔隙度、渗透率等参数,解决了现有技术中无法直接获取岩心样品油、气、水三相相对渗透率等物理性质的缺陷,且该方法无需借助孔喉长度来获得孔隙度、渗透率,其构建过程简单,尤其适用于低渗储层(渗透率10mD~100mD、孔隙度15%~20%)、超低渗储层(渗透率低于10mD、孔隙度不高于15%)获取的岩心样品的孔隙度和渗透率的直接获得,解决了现有技术中低渗储层、超低渗储层的岩心样品的孔喉性能获取难的缺陷。
本申请还提供一种适用于本申请提供的高精度数字岩心模型构建方法的高精度数字岩心模型构建系统,该系统结构简单、便于应用推广。
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示出的结构获得其他的附图。
图1为本申请提供的高精度数字岩心模型构建方法的流程示意图;
图2为本申请提供的高精度数字岩心模型构建方法中核磁共振MRI扫描流程图;
图3为本申请提供的高精度数字岩心模型构建方法中岩心ZJ-10不同位置的MRI二维图像;
图4为本申请提供的高精度数字岩心模型构建方法中基于核磁共振扫描技术构建的岩心样品ZJ-10高精度数字化网络模型(高渗区呈随机点状分布);
图5为本申请提供的高精度数字岩心模型构建方法中岩心样品JY-27不同位置的MRI二维图像示意图;
图6为本申请提供的高精度数字岩心模型构建方法中基于CT扫描技术构建的岩心样品JY-27高精度数字岩心模型。
具体实施方式
下面将结合实施例对本申请方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
孔喉(pore throat)是指岩体或者土体中孔隙之间相互连接比较狭窄的通道,孔喉的大小往往对渗透率有很大影响,孔喉越大流体越容易在岩土体中流通。因此孔喉的微观结构、长度、直径等对于储层的渗透率、孔隙度影响明显。但对于低渗储层尤其是超低渗储层,由于其地层致密度较高、孔喉的尺寸很小,甚至低于1μm的孔喉尺寸,其难以利用常规的手段来获得较为准确有效、精度高的孔喉结构参数。且评价油气藏的勘探和开发情况,其基于的直接储层参数为流体储存和流动等参数,如渗透率和孔隙度,因此即便获得其孔喉结构参数,也需要通过一系列的手段将其转化为可以直接表示其储层开发前景的孔隙度和渗透率。因此对于低渗储层尤其是超低渗储层,现有的获得孔喉长度再来转化为孔隙度和渗透率的方法难以适用。
针对这一技术问题,发明人在本申请中提出了一种高精度数字岩心模型构建方法,参阅图1,包括:
S1:获取待模拟储层的岩心样品,并利用所述岩心样本获取所述岩心样品的实际孔隙度φ和实际渗透率k;
S2:利用扫描技术获取所述岩心样本在不同断面上的二维图像,获得二维图像数据;
S3:根据多个所述断面上的二维图像数据,获得岩心三维数据体;
S4:根据岩心的实际孔隙度φ与二维图像数据的关系,获得所述岩心样品的孔隙度转化系数;根据所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系,获取所述岩心样品的渗透率转化系数;
S5:在所述岩心三维数据体上应用所述孔隙度转化系数和所述渗透率转化系数,以及实际孔隙度与二维图像数据的关系、实际渗透率与实际孔隙度及二维图像数据的关系,得到岩心孔隙度三维数据体和岩心渗透率三维数据体;
S6:建立所述岩心样品的三维立方体模型,根据所述岩心孔隙度三维数据体和岩心渗透率三维数据体赋值所述三维立方体模型,得到所述岩心样品的高精度数字岩心模型。
需要说明的是,所述岩心样品经过洗油洗盐并且在一定温度下,如80℃下烘干后的岩心样品。其中,所述扫描技术可以为核磁共振扫描技术或者CT扫描技术中的任一种,所述岩心样品在饱和地层水之后进行断面扫描。其岩心样品进行扫描时,其断面位置和断面数可以根据扫描时所采用的仪器的精度进行调整,精度高,则其断面数可以适当提高;精度低,则其断面数可以适当降低。其中获得的二维图像数据包括图像数据,即图像的像素体数据,和断面坐标,即切片位置坐标。获得的二维图像数据,可以保存为TXT文本,以便于进行后续数据处理。
当所述扫描技术为核磁共振扫描技术时,所述实际孔隙度φ与二维图像数据的关系为φ=αMRI×VMRI;其中,VMRI为图像数据,αMRI为转换系数;所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系:k=βMRI×VMRI 2×φ;βMRI为转换系数;
当所述扫描技术为CT扫描技术时,所述实际孔隙度φ与二维图像数据的关系为φ=αCT×1/VCT;其中,VCT为图像数据,αCT为转换系数;所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系:k=βCT×(1/VCT 2)×φ;βCT为转换系数。
其中,所述图像数据,即像素体数据可以为岩石密度或者灰度或者像素数中的任一种。由于图像的灰度或者像素数可以用于表示岩石密度的大小,因此在本申请中直接用灰度或者像素数直接表示相对的岩石密度。
由于扫描得到的数据体难以正好落在便于处理的范围内,因此在所述步骤S3中,在根据多个所述断面上的二维图像数据,获得岩心三维数据体之前,先对所述二维图像数据进行粗化处理和/或插值处理。如,当数据体中的节点数达到上千万甚至上亿时,对所述二维数据图像进行粗化。其中,所述二维图像数据经所述粗化处理后,其网格数量不低于100万且不高于300万;而当所述二维图像数据的节点数低于100万个时,对所述二位图像数据进行插值处理,利用已知邻近像素点的灰度值(或rgb图像中的三色值)来产生未知像素点的灰度值,以便由原始图像再生出具有更高分辨率的图像。
其中,所述实际孔隙度φ和实际渗透率k为任一所述利用扫描技术扫描的岩心样品的切片的实际孔隙度φ和实际渗透率k;或者;所述实际孔隙度φ和实际渗透率k为整个岩心样品的测试得到的实际孔隙度和实际渗透率。
在一些实施例中,所述插值算法包括三线性插值算法或克里金插值算法。
在一些实施例中,其特征在于,在步骤S1中,在步骤S1中,当所述扫描技术为CT扫描技术时,所述岩心样品通过洗油、洗盐以及烘干处理后并测量实际孔隙度φ和实际渗透率k以及岩石样本的长度、直径;
当所述扫描技术为核磁共振扫描技术时,所述岩心样品通过洗油、洗盐以及烘干处理后,再进行饱和地层水处理,并测量实际孔隙度φ和实际渗透率k以及岩石样本的长度、直径。
第二方面,本申请的实施例还提供一种高精度数字岩心模型构建系统,用以实现第一方面所述的高精度数字岩心模型构建方法。该系统包括数据获取模块、岩心三维数据体计算模块、岩心孔隙度属性模型建立模块和岩心渗透率三维数据体建立模块,其中,所述数据获取模块用以获取二维图像数据;所述岩心三维数据体计算模块用于通过插值算法得到岩心三维数据体;所述岩心孔隙度属性模型建立模块用于根据岩心的真实孔隙度φ与二维图像数据的关系,建立岩心孔隙度属性模型;所述岩心渗透率三维数据体建立模块用于根据岩心的真实渗透率k、真实孔隙度φ以及二维图像数据的关系,建立岩心渗透率三维数据体。
下面将结合实施例对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
实施例1
以长庆油田低渗岩心JY-27为研究对象,将该岩心样品洗油洗盐并且在80℃烘干后,测量岩心样品的长度、直径、实际孔隙度和实际渗透率;该岩心样品的长度为6.000cm、直径为2.477cm、实际孔隙度φ=11.70%、实际渗透率k=0.1056mD。
对干岩样JY-27进行CT扫描获取对应岩石样品的CT扫描数据。根据仪器扫描精度,在CT仪器可处理范围内选择合适位置和断面数,获取岩心不同位置的CT扫描图像,如图5所示,将切片位置坐标与像素数据保存于TXT文本文件中。由于CT扫描的原始数据量达到了3000万以上,无法直接计算,对CT二维图像TXT文本数据进行粗化处理,粗化后得到扫描区的三维数据体{VCTi}。
根据实际孔隙度φ与CT扫描数据(图像数据)的倒数(1/<VCT>)成正比关系,得到其转化关系式:φ=αCT*(1/<VCT>)。其中CT扫描区域i的孔隙度与CT整体扫描得到的<1/VCT>也有着相同的转换关系,即φi=αCT(1/<VCTi>),其中,CT整体扫描得到的1/<VCT>为:所有扫描点的<VCTi>的平均值的倒数。因此将上述转换关系应用于CT三维数据体,就可以获取每个CT扫描区域i的孔隙度值φi,从而构建出基于CT扫描成像的岩心孔隙度三维数据体。
同理的,根据实际渗透率k与岩心实测孔隙度v、每个CT扫描区域i扫描数据的<VCTi>的平均值的倒数(1/<VCT>)有如下关系式:k=βCT(1/<VCT>)2φ,由此可以得到渗透率转换系数βCT。
而任意核磁共振成像区域i的孔隙度与核磁成像区域i扫描得到的<VMRIi>也有着固定的转换关系,即vi=αMRI<VMRIi>。此时将上述转换关系应用于MRI三维数据体,即实际孔隙度φ与核磁共振扫描数据(图像数据)成正比:φ=αMRI<VMRI>,即可获得其βMRI的值。其中,<VMRI>为所有扫描点的<VMRIi>的平均值,再结合每一个成像区域i的<VMRIi>就可以获取每个核磁扫描区域i的孔隙度值φi,从而构建出基于核磁共振扫描成像的岩心渗透率三维数据体。
通过CT扫描构建出的岩心渗透率三维数据体建立岩心数字化模型,并且根据岩心大小设置模型网格数、网格边长等参数,采用C++语言和矩阵计算库Eigen构造规则三维立方体网格,生成总网格数为X×Y×Z,边长为l的三维立方体网格(X、Y和Z的值由所得的三维数据体确定)。最后将所得的岩心孔隙度和渗透率三维数据体中的数值赋给三维规则立方体网格上,此时得到与该实际岩石样品对应的岩心数字化模型,如图6所示。
实施例2
以长庆油田标准岩心ZJ-10为研究对象,将该岩心样品洗油洗盐并且在80℃烘干后,测量岩心样品的长度、直径、实际孔隙度和实际渗透率;该岩心样品的长度为5cm、直径为2.5cm、实际孔隙度φ=14.35%、实际渗透率k=1.1311mD。
核磁共振测量采用核磁共振分析仪(由苏州纽迈分析仪器股份有限公司提供,其型号为MacroMR12-150V-I),参照SY/T 6490-2014《岩样核磁共振参数实验室测量规范》标准,在扫描岩心过程中,将长为5cm直径为2.5cm的长庆油田标准岩心ZJ-10置于恒定的磁场内,并在x,y,z三个方向均施加梯度场,梯度场强=梯度场两端的磁场强度差值/梯度场的长度。采集样本时,起初层面内共振一致,对磁场施加相位编码梯度,撤掉相位编码梯度,然后施加频率编码梯度,对每一个体素标定一个记号,这个过程称为编码或空间定位。对某一层面施加射频脉冲后,接收该层面的MR信号。再进行解码,得到该层面各个体素MR信号的大小,后根据与层面各体素编码的对应关系,把体素信号的大小显示在荧光屏对应的像素上,具体核磁共振成像扫描流程如图2所示。信号大小用不同的灰度等级表示,信号大,像素亮度大,信号小,像素亮度小。对岩心不同部位进行切片处理,可以得到不同位置的岩心MRI二维图像。根据仪器扫描精度,在仪器可处理范围内选择合适位置和断面数(例如断面数为6),获取岩心不同位置的核磁共振MRI图像,如图3所示,将切片位置坐标与像素体数据保存与TXT文本中。
由于核磁成像扫描得到的数据精度不足,需要将获取的二维图像TXT文本数据进行插值处理,使数据体规模满足反应岩石微观孔喉特征的要求,插值的基本参数由岩心的实际长度、直径以及二维图像切片的空间位置确定,插值后得到扫描区的三维数据体{VMRIi}。
并利用与实施例1相同的步骤,利用真实孔隙度φ与核磁共振成像(<VMRI>)的正比关系;实际渗透率k与岩心实测孔隙度φ、核磁共振成像(<VMRI>)有如下关系式:k=βMRI(<VMRI>)2φ得到岩心孔隙度三维数据体和岩心渗透率三维数据体。再将得到的岩心孔隙度三维数据体和岩心渗透率三维数据体赋值岩心样品的三维立方体模型,即可得到高精度数字岩心模型,如图4所示。
综上,本申请能够较为完整地保留岩心微观物理特征,精度较高,克服了低渗、超低渗岩石孔喉数据难以获取的难题,也能够计算油、气、水三相相对渗透率等传统物理实验无法直接测量的物理性质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (8)
1.一种数字岩心模型构建方法,其特征在于,包括:
S1:获取待模拟储层的岩心样品,并利用所述岩心样本获取所述岩心样品的实际孔隙度φ和实际渗透率k;
S2:利用扫描技术获取所述岩心样本在不同断面上的二维图像,获得二维图像数据;
S3:根据多个所述断面上的二维图像数据,获得岩心三维数据体;
S4:根据岩心的实际孔隙度φ与二维图像数据的关系,获得所述岩心样品的孔隙度转化系数;根据所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系,获取所述岩心样品的渗透率转化系数;
S5:在所述岩心三维数据体上应用所述孔隙度转化系数和所述渗透率转化系数,以及实际孔隙度与二维图像数据的关系、实际渗透率与实际孔隙度及二维图像数据的关系,得到岩心孔隙度三维数据体和岩心渗透率三维数据体;
S6:建立所述岩心样品的三维立方体模型,根据所述岩心孔隙度三维数据体和岩心渗透率三维数据体赋值所述三维立方体模型,得到所述岩心样品的数字岩心模型;
其中,所述扫描技术为核磁共振扫描技术或者CT扫描技术中的任一种;
当所述扫描技术为核磁共振扫描技术时,所述二维图像数据包括图像数据和断面坐标;所述实际孔隙度φ与二维图像数据的关系为φ=αMRI×VMRI;其中,VMRI为图像数据,αMRI为转换系数;所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系:k=βMRI×VMRI 2×φ;βMRI为转换系数;
当所述扫描技术为CT扫描技术时,所述二维图像数据包括图像数据和断面坐标;所述实际孔隙度φ与二维图像数据的关系为φ=αCT×1/VCT;其中,VCT为图像数据,αCT为转换系数;所述实际渗透率k与所述实际孔隙度φ、二维图像数据的关系:k=βCT×(1/VCT 2)×φ;βCT为转换系数。
2.根据权利要求1所述的一种数字岩心模型构建方法,其特征在于,所述图像数据为岩石密度或者灰度或者像素数中的任一种。
3.根据权利要求1所述的一种数字岩心模型构建方法,其特征在于,在所述步骤S3中,在根据多个所述断面上的二维图像数据,获得岩心三维数据体之前,先对所述二维图像数据进行粗化处理和/或插值处理。
4.根据权利要求3所述的数字岩心模型构建方法,其特征在于,所述插值算法包括三线性插值算法或克里金插值算法。
5.如权利要求3所述的数字岩心模型构建方法,其特征在于,所述二维图像数据经所述粗化处理后,其网格数量不低于100万且不高于300万;
所述二维图像数据的节点数低于100万个时,对所述二维图像数据进行插值处理。
6.如权利要求1所述的数字岩心模型构建方法,其特征在于,其特征在于,在步骤S1中,当所述扫描技术为CT扫描技术时,所述岩心样品通过洗油、洗盐以及烘干处理后并测量实际孔隙度φ和实际渗透率k以及岩石样本的长度、直径;
当所述扫描技术为核磁共振扫描技术时,所述岩心样品通过洗油、洗盐以及烘干处理后,再进行饱和地层水处理,并测量实际孔隙度φ和实际渗透率k以及岩石样本的长度、直径。
7.如权利要求6所述的数字岩心模型构建方法,其特征在于,所述实际孔隙度φ和实际渗透率k为任一所述利用扫描技术扫描的岩心样品的切片的实际孔隙度φ和实际渗透率k;或者;所述实际孔隙度φ和实际渗透率k为整个岩心样品的测试得到的实际孔隙度和实际渗透率。
8.数字岩心模型构建系统,用以实现权利要求1~7任意一项所述的数字岩心模型构建方法,其特征在于,包括数据获取模块、岩心三维数据体计算模块、岩心孔隙度属性模型建立模块和岩心渗透率三维数据体建立模块,其中,所述数据获取模块用以获取二维图像数据;所述岩心三维数据体计算模块用于通过插值算法得到岩心三维数据体;所述岩心孔隙度属性模型建立模块用于根据岩心的真实孔隙度φ与二维图像数据的关系,建立岩心孔隙度属性模型;所述岩心渗透率三维数据体建立模块用于根据岩心的真实渗透率k、真实孔隙度φ以及二维图像数据的关系,建立岩心渗透率三维数据体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311027122.5A CN117115370B (zh) | 2023-08-15 | 2023-08-15 | 一种高精度数字岩心模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311027122.5A CN117115370B (zh) | 2023-08-15 | 2023-08-15 | 一种高精度数字岩心模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115370A CN117115370A (zh) | 2023-11-24 |
CN117115370B true CN117115370B (zh) | 2024-03-19 |
Family
ID=88795863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311027122.5A Active CN117115370B (zh) | 2023-08-15 | 2023-08-15 | 一种高精度数字岩心模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115370B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822865A (zh) * | 2014-03-20 | 2014-05-28 | 中国石油大学(华东) | 一种高分辨率三维数字岩心建模方法 |
CN106442271A (zh) * | 2016-11-18 | 2017-02-22 | 杨康 | 岩心渗透率模拟方法及装置 |
CN106780744A (zh) * | 2016-12-27 | 2017-05-31 | 中国石油天然气集团公司 | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 |
CN108303360A (zh) * | 2017-07-31 | 2018-07-20 | 中国矿业大学 | 一种煤岩三维孔隙网络结构参数表征方法 |
CN108876923A (zh) * | 2018-06-17 | 2018-11-23 | 西南石油大学 | 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 |
CN111950192A (zh) * | 2020-07-15 | 2020-11-17 | 中海油田服务股份有限公司 | 基于卷积神经网络的孔隙网络模型的建模方法及装置 |
CN114239367A (zh) * | 2021-12-31 | 2022-03-25 | 西南石油大学 | 一种室内岩心的数字化多相流固耦合渗流数值模拟方法 |
CN115630543A (zh) * | 2022-10-06 | 2023-01-20 | 大连理工大学 | 基于一种高精度数字岩心重构模型三维有限元仿真方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9134457B2 (en) * | 2009-04-08 | 2015-09-15 | Schlumberger Technology Corporation | Multiscale digital rock modeling for reservoir simulation |
US9684084B2 (en) * | 2012-05-01 | 2017-06-20 | Saudi Arabian Oil Company | Three-dimensional multi-modal core and geological modeling for optimal field development |
-
2023
- 2023-08-15 CN CN202311027122.5A patent/CN117115370B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822865A (zh) * | 2014-03-20 | 2014-05-28 | 中国石油大学(华东) | 一种高分辨率三维数字岩心建模方法 |
CN106442271A (zh) * | 2016-11-18 | 2017-02-22 | 杨康 | 岩心渗透率模拟方法及装置 |
CN106780744A (zh) * | 2016-12-27 | 2017-05-31 | 中国石油天然气集团公司 | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 |
CN108303360A (zh) * | 2017-07-31 | 2018-07-20 | 中国矿业大学 | 一种煤岩三维孔隙网络结构参数表征方法 |
CN108876923A (zh) * | 2018-06-17 | 2018-11-23 | 西南石油大学 | 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 |
CN111950192A (zh) * | 2020-07-15 | 2020-11-17 | 中海油田服务股份有限公司 | 基于卷积神经网络的孔隙网络模型的建模方法及装置 |
CN114239367A (zh) * | 2021-12-31 | 2022-03-25 | 西南石油大学 | 一种室内岩心的数字化多相流固耦合渗流数值模拟方法 |
CN115630543A (zh) * | 2022-10-06 | 2023-01-20 | 大连理工大学 | 基于一种高精度数字岩心重构模型三维有限元仿真方法 |
Non-Patent Citations (3)
Title |
---|
Relationship between rock uniaxial compressive strength and digital core drilling parameters and its forecast method.International Journal of Coal Science & Technology.2021,全文. * |
孔隙—溶孔型碳酸盐岩气驱水动态网络模拟;李星甫 等;天 然 气 地 球 科 学;全文 * |
数字岩心建模方法研究现状及展望;林承焰 等;地球物理学进展;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115370A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102222359B (zh) | 一种岩心三维孔隙结构重构方法 | |
CN108802073B (zh) | 一种基于数字岩心的岩石电性参数获取方法及装置 | |
CN114283254B (zh) | 基于核磁共振数据的岩心数字化孔隙网络模型构建方法 | |
CN103353462B (zh) | 一种基于核磁共振成像的岩石非均质性定量评价方法 | |
CN103713316B (zh) | 一种基于岩石孔隙数字表征的速度预测方法及装置 | |
BR112013020555A2 (pt) | método para caracterizar uma amostra de meio poroso incluindo uma pluralidade de corpos de poro e uma pluraridade de gargantas de poro, sistema para caracterizar uma amostra de meio poroso incluindo uma pluralidade de corpos de poro e uma pluralidade de gargantas de poro, e método para caracterizar uma amostra de formação de rocha subterrânea porosa incluindo uma pluralidade de corpos de poro e uma pluralidade de gargantas de poro | |
Zhang et al. | GPU-accelerated 3D reconstruction of porous media using multiple-point statistics | |
CN110320137A (zh) | 一种基于数字岩心的多尺度融合方法 | |
US20230408431A1 (en) | Calibrating direct flow simulations of rock samples | |
CN105957003B (zh) | 基于学习的多孔介质超维重建方法 | |
CN110441209A (zh) | 一种基于致密储层数字岩心计算岩石渗透率的方法 | |
Kang et al. | Construction of complex digital rock physics based on full convolution network | |
CN117115370B (zh) | 一种高精度数字岩心模型构建方法 | |
Ji et al. | A hybrid method for reconstruction of three-dimensional heterogeneous porous media from two-dimensional images | |
CN116740285A (zh) | 一种图像重构后的网格化方法 | |
Vassallo | A 3D digital approach to study, analyse and (re) interpret cultural heritage: the case study of Ayia Irini (Cyprus and Sweden) | |
CN111894568A (zh) | 裂缝性碳酸盐岩油藏饱和度模型数字岩心分析方法 | |
Dong et al. | Verification of the carbonate double-porosity conductivity model based on digital cores | |
CN112859197B (zh) | 一种基于均质化地层电磁场理论的数字井筒电阻率模拟方法 | |
Yao et al. | Upscaling of carbonate rocks from micropore scale to core scale | |
CN113588722A (zh) | 基于数字岩石物理的高温岩石电学特性分析方法及系统 | |
CN110441204B (zh) | 一种基于数字岩心模拟的致密储层压裂液伤害数字化评价方法 | |
Hu et al. | Correlating recovery efficiency to pore throat characteristics using digital rock analysis | |
Liu et al. | Quantitative characterization of tight rock microstructure of digital core | |
CN118095021B (zh) | 一种大尺寸数字岩心渗透率的计算方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |