CN117408434A - 一种页岩气资源量预测方法及装置 - Google Patents
一种页岩气资源量预测方法及装置 Download PDFInfo
- Publication number
- CN117408434A CN117408434A CN202311546889.9A CN202311546889A CN117408434A CN 117408434 A CN117408434 A CN 117408434A CN 202311546889 A CN202311546889 A CN 202311546889A CN 117408434 A CN117408434 A CN 117408434A
- Authority
- CN
- China
- Prior art keywords
- gas
- shale
- total
- amount
- total amount
- 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
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000001179 sorption measurement Methods 0.000 claims abstract description 56
- 239000007789 gas Substances 0.000 claims description 336
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 38
- 230000009182 swimming Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 29
- 239000003345 natural gas Substances 0.000 claims description 18
- 230000006835 compression Effects 0.000 claims description 15
- 238000007906 compression Methods 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 1
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 5
- 238000011161 development Methods 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000003795 desorption Methods 0.000 description 8
- 238000007619 statistical method Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 230000001976 improved effect Effects 0.000 description 6
- 239000011435 rock Substances 0.000 description 5
- 239000010410 layer Substances 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002336 sorption--desorption measurement Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种页岩气资源量预测方法及装置，该方法包括获取预设质量的页岩中不同类型的岩相所含的吸附气总量；获取预设质量的页岩中不同类型的岩相所含的游离气总量；根据所述不同类型的页岩岩相所含的吸附气总量和游离气总量，计算预设质量的页岩中每一种类型的岩相所含的页岩气总资源量，由此通过综合考虑所有类型的岩相所含的吸附气含量和游离气含量以及页岩气总资源量，以此计算出预设质量的页岩中所含的页岩气总资源量，可以使得预测结果更准确，能够实现对我国南方低勘探程度区(如彭水地区)的页岩气资源量的预测。
Description
技术领域
本发明涉及页岩气勘探技术领域，尤其涉及一种页岩气资源量预测方法及装置。
背景技术
页岩气是指赋存于富有机质泥页岩及其夹层中，以吸附和游离状态为主要存在方式的非常规天然气，成分以甲烷为主，是一种清洁、高效的能源资源和化工原料，主要用于居民燃气、城市供热、发电、汽车燃料和化工生产等，用途广泛。
目前，我国南方是页岩气勘探评价和和效益开发的重点地区，但依然存在很多低勘探程度区(如彭水地区)，这些地区对页岩气的勘探数据不完全，目前拥有的地质勘探数据、物理性质数据等不完整，这对于页岩气量的准确计算和含气有利区带的确定造成一定的困扰，严重影响了页岩气的勘探和开采效率；目前的评价方法是通过已有勘探区的高勘探特性对低勘探特性进行评估，虽然也能对低勘探区页岩气资源量进行预测，但此种方式更适用于在研究区附近的已经进行大量页岩气勘探后的地区，对于像彭水地区这种目前总体低勘探程度的研究区并不适用，因此，有必要对这些低勘探程度区(如彭水地区)进行页岩气资源量计算，为该区的页岩气进一步勘探和开发提供依据。
发明内容
本发明实施例提供一种页岩气资源量预测方法及装置，通过综合考虑吸附气和游离气含量来计算页岩气资源量，可以使得预测结果更准确。
为了达到上述目的，本发明实施例提供一种页岩气资源量预测方法，包括以下步骤：
该方法包括获取预设质量的页岩中不同类型的岩相所含的吸附气总量；获取预设质量的页岩中不同类型的岩相所含的游离气总量；根据所述不同类型的页岩岩相所含的吸附气总量和游离气总量，计算预设质量的页岩中每一种类型的岩相所含的页岩气总资源量，由此通过综合考虑所有类型的岩相所含的吸附气含量和游离气含量以及页岩气总资源量，以此计算出预设质量的页岩中所含的页岩气总资源量，可以使得预测结果更准确，能够实现对我国南方低勘探程度区(如彭水地区)的页岩气资源量的预测。
进一步地，所述吸附气总量为吸附气总资源量，所述游离气总量为游离气总资源量；
所述根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量，包括：
利用公式一计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝Q吸+Q游(一)
其中Q总表示所述页岩气总资源量，Q吸表示所述吸附气总资源量，Q游表示所述游离气总资源量。
进一步地，所述方法还包括：获取预设质量的页岩中所含的溶解气资源量；所述公式一进一步为：Q总＝Q吸+Q游+Q溶
其中所述Q溶为所述溶解气资源量。
进一步地，所述Q吸＝0.01·A·h·ρ·q吸，其中A表示页岩的含气面积，h表示页岩的厚度，ρ表示页岩的密度，q吸为吸附含气量；
其中，q吸＝VL·P/(PL+P)，VL表示Langmuir体积，P表示地层压力，PL表示Langmuir压力。
进一步地，所述Q游＝0.01·A·h·Φg·Sg/Z，其中Φg表示孔隙度，Sg表示含气饱和度，Z表示天然气压缩因子。
进一步地，所述吸附气总量为吸附含气量，所述游离气总量为游离含气量；
所述根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量，包括：
利用公式二计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝0.01·A·h·ρ·(q吸+q游)/Z(二)
其中，Q总表示所述页岩气总资源量，A表示页岩的含气面积，h表示页岩的厚度，ρ表示页岩的密度，Z表示天然气压缩因子，q吸表示所述吸附含气量，q游表示所述游离含气量。
进一步地，所述吸附含气量和游离含气量通过解吸法、等温吸附法、类比法、统计法、测井解释及计算法中的一种获取。
进一步地，所述Z≤1。
本发明实施例还提供一种页岩气资源量预测装置，包括：
第一获取模块，用于获取预设质量的页岩中所含的吸附气总量；
第二获取模块，用于获取预设质量的页岩中所含的游离气总量；
计算模块，用于根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量。
进一步地，所述吸附气总量为吸附气总资源量，所述游离气总量为游离气总资源量；
所述计算模块具体用于利用公式一计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝Q吸+Q游(一)
其中Q总表示所述页岩气总资源量，Q吸表示所述吸附气总资源量，Q游表示所述游离气总资源量。
本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时，使得处理器执行上述任一项所描述的页岩气资源量预测方法的步骤。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
第一，本发明的页岩气资源量预测方法中，包括获取预设质量的页岩中所含的吸附气总量；获取预设质量的页岩中所含的游离气总量；根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量，由此通过综合考虑吸附气含量和游离气含量，以此计算出页岩气总资源量，可以使得预测结果更准确，能够实现对低勘探程度区(如彭水地区)的页岩气资源量的预测。
第二，采用上述页岩气资源量预测方法带来的显著技术进步主要体现在以下几个方面：
1)提高资源评估精确度：
通过综合吸附气、游离气以及溶解气的量化分析，能更准确地评估页岩气的总资源量。
使用Langmuir模型参数(如Langmuir体积和Langmuir压力)能更好地模拟页岩气吸附行为。
2)量化各种气体的贡献：
明确区分吸附气和游离气的量化贡献，有助于理解页岩气藏的物理和化学特性，为开采策略的制定提供科学依据。
3)提升资源预测模型的可靠性：
结合多种获取含气量的方法(如解吸法、等温吸附法、类比法、统计法、测井解释及计算法)提高数据获取的准确性和预测模型的鲁棒性。
4)优化开采计划：
通过精确的资源量预测，极大的保证了有利探区预测的准确性，能够更有效地规划钻井位置、保证水平井精准穿行路径、设计压裂作业和优化产量管理，从而降低成本并提高页岩气勘探和开采效率，促进页岩气增储上产，对缓解我国天然气供应紧张局面、降低天然气消费的对外依存度、保障我国能源安全、优化能源结构等方面均具有十分重大的意义。
5)科学管理资源：
有助于政府和能源公司科学管理和合理分配资源，制定长远的开发计划，确保能源的可持续开发，也可以带动基础设施建设，改善页岩气产地基础设施建设，促进相关配套产业的发展；另外，还可以拉动装备制造、钢铁需求、水泥制造、工程建设等相关行业和领域的发展，增加就业和税收，促进地方经济乃至国民经济的可持续发展。
6)环境影响评估：
精确的资源量估计可以更好地预测开采活动对环境的影响，有助于制定有效的环保措施，减轻对环境的负面影响。而且，天然气推广应用成为我国政府治理污染一个至关重要的手段，作为一种清洁高效的能源资源，页岩气与煤炭相比，其燃烧排放的二氧化碳可降低50％，氮氧化物可减少75％，而且几乎没有二氧化硫、一氧化碳、颗粒物和汞的排放，能够有效的降低温室气体排放量、改善生态环境，对于促进经济社会可持续发展具有重要的战略意义。
7)提升勘探技术：
在预测方法中融入先进的统计和数学模型，推动了勘探技术的进步，这对于复杂地质条件下资源的勘探有重要意义，为南方海相页岩气增储上产提供理论指导，直接及间接的推动了四川盆地多个页岩气勘探区的建立，为我国油气储量的快速增长发挥了积极的推动和促进作用。
8)经济效益：
准确的资源评估对于投资决策至关重要，可以帮助中国石油化工股份有限公司、中国石油天然气股份有限公司、中国地质调查局等相关能源企业和部门评估潜在经济效益，指导我国南方海相页岩气评价选区，降低勘探投资风险，有效提高经济效益。
通过这种综合预测方法，可以更全面地了解页岩气藏的特性，为页岩气资源的勘探与开发提供更为科学的决策支持，从而带动页岩气行业的技术进步和经济效益的提升。
第三，本发明提供的页岩气资源量预测方法包含的技术进步主要体现在以下几个方面：
1)综合评估页岩气资源：该方法不仅考虑了吸附气和游离气，还考虑了溶解气，从而提供了一个更为全面和准确的页岩气资源量预测。
2)精确的资源量计算公式：通过引入具体的物理参数(如页岩的含气面积、厚度、密度以及Langmuir体积和压力等)，使得预测更加依赖于可量化和可测量的科学参数，提高了预测的精确性。
3)考虑地层条件：通过引入地层压力和天然气压缩因子，该方法将地层的实际条件纳入计算，使得预测结果更符合实际地质情况。
4)简化的计算过程：通过明确的计算公式，使得预测过程变得简洁明了，便于工程师和研究人员快速计算出页岩气资源量。
5)适应性强：方法中的各个参数均可根据不同地区和不同页岩地层的具体情况进行调整，使得该预测方法具有很好的适应性和灵活性。
6)有助于决策制定：准确的资源量预测对于页岩气开采项目的规划、投资决策和经济性分析具有重要意义。
7)科学管理页岩气资源：为政府和相关部门提供一个科学的方法来评估和管理页岩气资源，有助于制定合理的能源政策和开采策略。
通过这种方法，页岩气资源的开发可以更加科学、高效，同时最大程度地减少资源浪费和环境影响。
附图说明
下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其有益效果显而易见。
图1是本发明实施例的页岩气资源量预测方法的流程图；
图2是本发明实施例的页岩气资源量预测装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供的页岩气资源量预测方法的工作原理主要涉及以下几个关键步骤：
1)页岩岩相类型的识别：首先，需要使用系统来识别页岩中不同厘米级的岩相类型。岩相类型是指页岩中具有不同物理和化学特性(包括颜色、粒级分布与分选程度、沉积结构和层理构造、矿物组成及含量、地球化学特征等)的页岩种类，这对预测其含气量非常关键。
2)吸附气和游离气的量化：在确定了页岩的岩相类型后，接下来是测量和计算这些岩相中所含的吸附气和游离气的总量。吸附气是指附着在岩石孔隙表面的气体，而游离气是指在岩石孔隙中自由流动的气体。
3)页岩气资源量的计算：对于每一种岩相，将其吸附气总量和游离气总量相加，以得出该岩相类型中的页岩气总资源量。这一步涉及到复杂的计算，需要特定的公式或模型。
4)考虑纳米限域效应：这是一个高级步骤，涉及考虑在纳米级空间内，由于限域效应，吸附气和游离气的密度会发生变化。纳米限域效应是指在极小的空间内(几个纳米或者更小)，物质的物理和化学性质会与在宏观空间内的性质不同，进而影响了吸附气和游离气的密度和相关行为。
5)总资源量的综合计算：最后，将所有类型的岩相所含的页岩气总资源量相加，得到预设质量的页岩中所含的页岩气总资源量。
本发明提供的方法的关键在于精确地识别和量化不同岩相中的气体内容，并考虑到纳米级别的物理现象，从而准确预测页岩气的总资源量。这对于能源行业来说是一个非常有价值的工具，因为它可以帮助更准确地评估页岩气田的潜在价值和开发前景。
以下是本发明提供的四个应用实施例，展示了页岩气资源量预测方法的具体实现方案。
实施例1：基于岩心分析的页岩气资源量预测
1)岩心采集与分析：
从目标页岩层中取出岩心样本。
利用岩心分析技术(如薄片分析、X射线衍射、扫描电镜、测井特征综合分析等)识别岩相类型和特性。
2)实验室测试：
对岩心样本进行孔隙度和渗透性测试。
使用高压吸附实验来测定各岩相的吸附气量。
通过实验室条件下的压力释放测试来估算游离气量。
3)数据分析与预测：
将实验数据输入预先建立的页岩气预测模型中。
利用模型计算不同岩相的页岩气资源量。
考虑纳米限域效应，调整岩相中气体的估算密度。
4)资源量总计：
将所有岩相的页岩气资源量累加，得到整个岩心样本的总资源量。
将岩心数据外推到整个页岩层，估算整个区域的页岩气资源量。
实施例2：基于测井和地球物理数据的页岩气资源量预测
1)测井和地球物理数据收集：
通过地震勘探和井下测井技术收集页岩层的测井和地球物理数据。
分析测井和地球物理数据以识别不同岩相的分布和特性。
2)岩相类型识别与分类：
使用机器学习算法处理和解释测井和地球物理数据，以识别不同的岩相类型。
结合地质信息对岩相进行分类和特性分析。
3)资源量计算模型：
建立一个综合模型，结合测井和地球物理数据以及已知的岩相气体含量信息。
考虑纳米限域效应，调整模型以更准确地预测各岩相中的气体含量。
4)总资源量估算：
使用模型对整个页岩层的页岩气资源量进行估算。
结合区域地质学和工程数据，对预测结果进行校正和验证。
应用实施例3：区域性页岩气勘探评估
一个国家能源公司计划评估某一地区的页岩气潜力，以决定是否进行进一步的勘探投资。
1)数据收集：首先对选定地区的页岩样本进行取样，测定其中的吸附气和游离气含量，并收集相关地质参数(如含气面积、页岩厚度、密度等)。
2)实验室分析：在实验室内测量Langmuir体积和压力、地层压力、孔隙度、含气饱和度以及天然气压缩因子等参数。
3)资源量计算：应用权利要求4和5所述的公式，计算吸附气和游离气的总资源量，进而得出该地区页岩气的总资源量。
4)评估报告：根据计算结果，制定详细的评估报告，包括资源量预测、开发潜力和经济可行性分析。
5)决策支持：报告将为能源公司提供是否在该地区进行页岩气勘探开发的决策支持。
应用实施例4：页岩气田开发规划
一家页岩气开发企业准备对已探明的页岩气田进行详细的开发规划。
1)参数测定：对页岩气田进行全面的地质勘探，测定页岩的吸附气和游离气含量，以及其它相关参数。
2)数值模拟：通过建立地质和工程数值模型，模拟页岩气田的开发过程，计算不同开发方案下的气体产量。
3)资源量预测：依据权利要求6所述的公式二，结合数值模拟结果，预测在不同开采条件下的页岩气总资源量。
4)开发优化：根据预测结果，优化开发方案，包括井网布局、压裂设计和开采节奏等。
5)经济评估：结合市场情况，评估页岩气开发的经济性，确保项目的投资回报。
通过这两个实施例，页岩气资源量预测方法可以帮助不同的利益相关方进行科学的资源评估和决策，为页岩气的勘探和开发提供强有力的数据支持。
页岩气资源量预测是一项复杂的工作，通常涉及地质勘探、岩石物理分析、化学分析以及数学和统计模型。下面列举两个具体的实施例以及相应的实现方案。
实施例1对某一具体地区的页岩气资源进行量化评估。
1)地质调查：
进行该地区的地质勘探，包括岩心取样、地面和地下地质图的分析。
确定页岩气藏的范围，即含气面积(A)和页岩的厚度(h)。
2)物理与化学分析：
采集页岩样本，进行实验室的物理测量，得到页岩的密度(ρ)。
通过岩心分析或地球物理测井数据获取孔隙度(Φg)和含气饱和度(Sg)。
利用实验室的吸附/解吸实验获取Langmuir体积(VL)和Langmuir压力(PL)。
3)资源量计算：
计算吸附含气量(q吸)，根据实验室测试的VL和PL，结合地层压力(P)，使用公式`q吸＝VL·P/(PL+P)`。
采用天然气状态方程确定天然气压缩因子(Z)，通常情况下Z≤1。
计算游离含气量(q游)，这需要通过解吸法、等温吸附法等获得。
应用公式`Q总＝0.01·A·h·ρ·(q吸+q游)/Z`计算页岩气总资源量。
4)数据验证与模型修正：
通过现场测试和生产数据来验证预测的资源量。
如果必要，对模型参数进行修正以提高预测准确性。
实施例2使用统计和模拟方法预测页岩气资源量。
1)数据采集与预处理：
收集该地区过往的地质、地球物理和生产数据。
进行数据清洗，确保数据的质量适用于统计分析。
2)统计分析：
运用统计方法，如回归分析，确定不同地质参数与页岩气产量之间的关系。
建立一个统计预测模型，用以估计未知区域的资源量。
3)模型模拟：
使用地质统计学的方法(如Kriging或Monte Carlo模拟)对页岩气藏进行随机模拟。
通过模拟多个场景，估算各参数的不确定性对资源量预测的影响。
4)资源量估算：
结合统计模型和模拟结果，估算吸附气和游离气的资源量。
计算溶解气资源量(Q溶)，若有必要的数据支持。
应用修正后的公式`Q总＝Q吸+Q游+Q溶`进行最终资源量的估算。
5)验证与优化：
对模型进行后验验证，与实际生产数据比较，检查预测的准确性。
根据验证结果对模型参数进行调整，以实现更高的预测精度。
请参照图式，其中相同的组件符号代表相同的组件，本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。
参阅图1，本发明实施例的一种页岩气资源量预测方法中，包括以下步骤：
步骤S11：获取预设质量的页岩中所含的吸附气总量。
步骤S12：获取预设质量的页岩中所含的游离气总量。
步骤S13：根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量。
页岩气总资源量也即给定规模(质量)页岩中所含的天然气被采至地表后的总量。其中，页岩气总资源量可以近似分解吸附气总量和游离气总量，因此通过计算吸附气总量和游离气总量之和得到页岩气总资源量。
由此，通过综合考虑吸附气含量和游离气含量，以此计算出页岩气总资源量，可以使得预测结果更准确，能够实现对低勘探程度区(如彭水地区)的页岩气资源量的预测。
在一种实施方式中，所述吸附气总量为吸附气总资源量，所述游离气总量为游离气总资源量。
所述根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量，具体为利用以下公式一计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝Q吸+Q游(一)
其中Q总表示所述页岩气总资源量，Q吸表示所述吸附气总资源量，Q游表示所述游离气总资源量。
其中，页岩中也会含有溶解气，但溶解气在页岩中的含量极少，因此可以忽略不计。而为了提高计算的准确性，也可以将溶解气资源量计算在内，进一步地，所述方法还包括：获取预设质量的页岩中所含的溶解气资源量；所述公式一进一步为：Q总＝Q吸+Q游+Q溶，其中所述Q溶为所述溶解气资源量。
其中，所述Q吸＝0.01·A·h·ρ·q吸，其中A表示页岩的含气面积，h表示页岩的厚度，ρ表示页岩的密度，q吸为吸附含气量；进一步地，q吸＝VL·P/(PL+P)，VL表示Langmuir体积，P表示地层压力，PL表示Langmuir压力。
其中，所述Q游＝0.01·A·h·Φg·Sg/Z，其中Φg表示孔隙度，Sg表示含气饱和度，Z表示天然气压缩因子。
因此，不考虑溶解气资源量的情况下，页岩气总资源量Q总为：
Q总＝Q吸+Q游＝0.01·A·h·(ρ·VL·P/(PL+P)+Φg·Sg/Z)
其中，Z≤1。吸附含气量q吸可以通过解吸法、等温吸附法、类比法、统计法、测井解释及计算法中的一种获取。其中，当通过现场解吸法获取吸附气含量q吸时，由于已经包含了天然气体积从地下到地表由于温压条件改变而引起的体积变化，因此上述公式中的压缩因子Z等于1；当采用其他方法且未考虑到温压条件转变引起的体积变化时，所获得的吸附含气量需要通过图版或其他方法获得，此时压缩因子Z小于1。通常情况下，压缩因子Z小于1。
在计算彭水地区的页岩气总资源量时，地层压力P可由彭水地区的经验公式算出，即：P＝17.86+0.0014(H-414.9)，式中，H为地层压力P所对应的深度值，在本发明实施例中，深度值H取为2132m，则地层压力P＝20.26394MPa。此外，实际测量的含气饱和度Sg和孔隙度Φg分别为：23.11％、2.74％。根据等温吸附模拟发现，VL＝2.17m3，PL＝2.09MPa，ρ＝2.73t/m3，通过对PY1井取心段解析气、损失气以及总含气量的分析，确定了压缩因子Z＝0.928。
利用上述确定的地层压力P、含气饱和度Sg、孔隙度Φg、Langmuir体积VL、Langmuir压力PL、页岩密度ρ，对彭水地区的页岩气总资源量进行计算，具体如下：
川东南彭水地区五峰组-龙马溪组的页岩气主要富集于下段层序Sq1内，因此主要对下段层序Sq1进行了资源量计算，由于工区范围内主要发育了三个向斜，而有效的优质页岩也主要分布于这三个向斜内，因此将这三个向斜作为三个独立的单元进行资源量计算。该三个向斜分别为桑柘坪向斜、湾地向斜、道真向斜，其中根据桑柘坪向斜、湾地向斜、道真向斜的海进体系域、高位体系域的页岩厚度及含气面积的统计，该三个向斜的具体资源量计算结果如下：
表2桑柘坪向斜资源量
表3湾地复向斜资源量
表4道真向斜资源量
根据确定的地层压力P、含气饱和度Sg、孔隙度Φg、Langmuir体积VL、Langmuir压力PL、页岩密度ρ，以及上述各表格中的页岩厚度h和含气面积A，利用公式Q总＝0.01·A·h·(ρ·VL·P/(PL+P)+Φg·Sg/Z)可以分别计算出各个向斜的总资源量，将三个向斜总资源量相加，由此得出彭水地区五峰组-龙马溪组整体页岩气总资源量Q总可达14175.36×108m3。
因此，通过本发明的页岩气资源量预测方法，可以预测出低勘探程度的彭水地区的页岩气总资源量。
在其他实施方式中，也可以利用以下公式二计算页岩气总资源量。具体地，在另一实施方式中，吸附气总量为吸附含气量，游离气总量为游离含气量。根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量，包括：
利用公式二计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝0.01·A·h·ρ·(q吸+q游)/Z(二)
其中，Q总表示所述页岩气总资源量，A表示页岩的含气面积，h表示页岩的厚度，ρ表示页岩的密度，Z表示天然气压缩因子，q吸表示所述吸附含气量，q游表示所述游离含气量。需要说明的是，本发明相同符合的参数其表示的含义是相同的，例如公式二中的A、h、Z、q吸等所表示的含义与上述实施例相同，对此不做一一赘述。其中q吸和q游均可以通过解吸法、等温吸附法、类比法、统计法、测井解释及计算法中的一种获取。
本发明的预测方法，考虑了地下温压带来的影响，当采用现场解吸法获得吸附含气量和游离气含量时，已经包含了地下到地表由于温压条件改变而引起的体积变化，此时计算公式中的压缩因子Z等于1，进一步简化了计算过程，并提高了计算精度。
通过本发明提供的预测方法，可以得出低勘探程度的彭水地区五峰组-龙马溪组整体页岩气总资源量可达14175.36×108m3。
并且，通过将本发明提供的页岩气资源量预测方法应用于页岩气资源勘探工作，其基础计算数据的获取方式多样，可以根据现场的实际情况灵活选取，例如可以采用解吸法、等温吸附法、类比法、统计法、测井解释等方法，都能够有效地应用这些方法进行泥页岩资源量预测。相比较于其他通过需要进行大规模破坏性的采样的预测方法，本发明资金投入更小，对环境的破坏性也更低。
参阅图2，本发明实施例还提供一种页岩气资源量预测装置，包括：
第一获取模块201，用于获取预设质量的页岩中所含的吸附气总量；
第二获取模块202，用于获取预设质量的页岩中所含的游离气总量；
计算模块203，用于根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量。
其中，所述吸附气总量为吸附气总资源量，所述游离气总量为游离气总资源量；所述计算模块203具体用于利用公式一计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝Q吸+Q游(一)
其中Q总表示所述页岩气总资源量，Q吸表示所述吸附气总资源量，Q游表示所述游离气总资源量。
其中，所述计算模块203具体用于利用公式Q吸＝0.01·A·h·ρ·q吸计算出吸附气总资源量Q吸，其中A表示页岩的含气面积，h表示页岩的厚度，ρ表示页岩的密度，q吸为吸附含气量；其中，q吸＝VL·P/(PL+P)，VL表示Langmuir体积，P表示地层压力，PL表示Langmuir压力。所述计算模块203还用于利用公式Q游＝0.01·A·h·Φg·Sg/Z计算出游离气总资源量Q游，其中Φg表示孔隙度，Sg表示含气饱和度，Z表示天然气压缩因子。
本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时，使得处理器执行上述各实施例所描述的页岩气资源量预测方法的步骤。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
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 (10)
1.一种页岩气资源量预测方法，其特征在于，包括以下步骤：
在系统识别页岩厘米级岩相类型的基础上，获取预设质量的页岩中不同类型的岩相所含的吸附气总量，获取预设质量的页岩中不同类型的岩相所含的游离气总量；
根据所述不同类型的页岩岩相所含的吸附气总量和游离气总量，分别计算预设质量的页岩中每一种类型的岩相所含的页岩气总资源量，并考虑和确定纳米限域效应导致不同类型岩相中吸附气和游离气在纳米限域空间内的密度变化；将所有类型的岩相所含的页岩气总资源量相加，计算预设质量的页岩中所含的页岩气总资源量。
2.根据权利要求1所述的方法，其特征在于，所述吸附气总量为吸附气总资源量，所述游离气总量为游离气总资源量；
所述根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量，包括：
利用公式一计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝Q吸+Q游(一)
其中Q总表示所述页岩气总资源量，Q吸表示所述吸附气总资源量，Q游表示所述游离气总资源量。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取预设质量的页岩中所含的溶解气资源量；
所述公式一进一步为：Q总＝Q吸+Q游+Q溶
其中所述Q溶为所述溶解气资源量。
4.根据权利要求2所述的方法，其特征在于，
所述Q吸＝0.01·A·h·ρ·q吸，其中A表示页岩的含气面积，h表示页岩的厚度，ρ表示页岩的密度，q吸为吸附含气量；
其中，q吸＝VL·P/(PL+P)，VL表示Langmuir体积，P表示地层压力，PL表示Langmuir压力。
5.根据权利要求4所述的方法，其特征在于，
所述Q游＝0.01·A·h·Φg·Sg/Z，其中Φg表示孔隙度，Sg表示含气饱和度，Z表示天然气压缩因子。
6.根据权利要求1所述的方法，其特征在于，所述吸附气总量为吸附含气量，所述游离气总量为游离含气量；
所述根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量，包括：
利用公式二计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝0.01·A·h·ρ·(q吸+q游)/Z(二)
其中，Q总表示所述页岩气总资源量，A表示页岩的含气面积，h表示页岩的厚度，ρ表示页岩的密度，Z表示天然气压缩因子，q吸表示所述吸附含气量，q游表示所述游离含气量。
7.根据权利要求6所述的方法，其特征在于，所述Z≤1。
8.一种页岩气资源量预测装置，其特征在于，包括：
第一获取模块，用于获取预设质量的页岩中所含的吸附气总量；
第二获取模块，用于获取预设质量的页岩中所含的游离气总量；
计算模块，用于根据所述吸附气总量和游离气总量，计算预设质量的页岩中所含的页岩气总资源量。
9.根据权利要求8所述的装置，其特征在于，所述吸附气总量为吸附气总资源量，所述游离气总量为游离气总资源量；
所述计算模块具体用于利用公式一计算所述预设质量的页岩中所含的页岩气总资源量：
Q总＝Q吸+Q游(一)
其中Q总表示所述页岩气总资源量，Q吸表示所述吸附气总资源量，Q游表示所述游离气总资源量。
10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时，使得处理器执行权利要求1-7任一项所述的页岩气资源量预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311546889.9A CN117408434A (zh) | 2023-11-17 | 2023-11-17 | 一种页岩气资源量预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311546889.9A CN117408434A (zh) | 2023-11-17 | 2023-11-17 | 一种页岩气资源量预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117408434A true CN117408434A (zh) | 2024-01-16 |
Family
ID=89487162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311546889.9A Pending CN117408434A (zh) | 2023-11-17 | 2023-11-17 | 一种页岩气资源量预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117408434A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110068788A1 (en) * | 2009-09-23 | 2011-03-24 | Chanh Cao Minh | Estimating porosity and fluid volume |
| CN102707333A (zh) * | 2012-06-06 | 2012-10-03 | 陕西延长石油(集团)有限责任公司研究院 | 页岩气资源量/储量的测量方法 |
| AU2020101884A4 (en) * | 2020-08-19 | 2020-10-01 | Qinghai Fourth Geological Exploration Institute | Method for evaluating continental shale gas |
| CN114169120A (zh) * | 2020-09-10 | 2022-03-11 | 中国石油化工股份有限公司 | 页岩含气量预测方法、装置、电子设备及介质 |
| CN115713163A (zh) * | 2022-11-25 | 2023-02-24 | 重庆科技学院 | 深层页岩气压裂水平井产量及可采储量预测方法 |
-
2023
- 2023-11-17 CN CN202311546889.9A patent/CN117408434A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110068788A1 (en) * | 2009-09-23 | 2011-03-24 | Chanh Cao Minh | Estimating porosity and fluid volume |
| CN102707333A (zh) * | 2012-06-06 | 2012-10-03 | 陕西延长石油(集团)有限责任公司研究院 | 页岩气资源量/储量的测量方法 |
| AU2020101884A4 (en) * | 2020-08-19 | 2020-10-01 | Qinghai Fourth Geological Exploration Institute | Method for evaluating continental shale gas |
| CN114169120A (zh) * | 2020-09-10 | 2022-03-11 | 中国石油化工股份有限公司 | 页岩含气量预测方法、装置、电子设备及介质 |
| CN115713163A (zh) * | 2022-11-25 | 2023-02-24 | 重庆科技学院 | 深层页岩气压裂水平井产量及可采储量预测方法 |
Non-Patent Citations (3)
| Title |
|---|
| OBLIGER, A，等: "Impact of Nanoporosity on Hydrocarbon Transport in Shales\' Organic Matter", NANO LETTERS, vol. 18, no. 2, 13 March 2018 (2018-03-13), pages 832 - 837 * |
| 吴克柳;陈掌星;: "页岩气纳米孔气体传输综述", 石油科学通报, no. 01, 15 June 2016 (2016-06-15), pages 99 * |
| 邱小松;胡明毅;胡忠贵;叶颖;蔡全升;: "页岩气资源评价方法及评价参数赋值――以中扬子地区五峰组―龙马溪组为例", 中国地质, no. 06, 15 December 2014 (2014-12-15), pages 2092 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tarkowski et al. | Storage of hydrogen, natural gas, and carbon dioxide–Geological and legal conditions | |
| US10083258B2 (en) | Combining downhole fluid analysis and petroleum systems modeling | |
| US8793110B2 (en) | Method for predicting fluid flow | |
| Wang et al. | Improved methods for determining effective sandstone reservoirs and evaluating hydrocarbon enrichment in petroliferous basins | |
| CN104832166A (zh) | 一种页岩气水平井初期产能预测方法 | |
| Li et al. | Prediction of CO2 leakage risk for wells in carbon sequestration fields with an optimal artificial neural network | |
| CN104514552A (zh) | 一种煤层气储层识别与丰度预测的方法 | |
| Jamshidnezhad | Experimental design in petroleum reservoir studies | |
| Aljuboori et al. | The impact of diagenesis precipitation on fracture permeability in naturally fractured carbonate reservoirs | |
| Yu et al. | Analysis of factors of productivity of tight conglomerate reservoirs based on random forest algorithm | |
| Mehana et al. | Shale fundamentals: Experimental and modeling insights | |
| Balch et al. | Associated Storage With Enhanced Oil Recovery: A Large‐Scale Carbon Capture, Utilization, and Storage Demonstration in Farnsworth, Texas, USA | |
| Zheng et al. | Prioritizing Wells for Repurposing or Permanent Abandonment Based on Generalized Well Integrity Risk Analysis | |
| CN117408434A (zh) | 一种页岩气资源量预测方法及装置 | |
| Zhang et al. | Estimation of total porosity in shale formations from element capture logging and conventional logging data | |
| McKinney et al. | Applied reservoir characterization for maximizing reserve growth and profitability in tight gas sands: A paradigm shift in development strategies for low-permeability gas reservoirs | |
| CN113960288B (zh) | 一种源-汇系统定量评价方法 | |
| CN111608649B (zh) | 外源补给型页岩气勘探有利区预测方法 | |
| CN112394416B (zh) | 非均质断裂控制储层预测方法及装置 | |
| Du et al. | The dominant mineralogical triggers hindering the efficient development of the world's largest conglomerate oilfield | |
| Liu et al. | Overpressure and gas charging in tight sandstone: Xujiahe Formation, northeastern Sichuan Basin | |
| Bakelli et al. | Integrated Reservoir Simulation and Discrete Fracture Network Modeling for Produced Water Source Identification in Tight Reservoirs, Case Study from the Bakken Formation, Williston Basin | |
| Qiu et al. | Quantitative evaluation of reservoir quality of tight oil sandstones in chang 7 member of Ordos Basin | |
| Li et al. | A practical workflow for determining the individual-stage fracture network using flowback dynamics and microseismic data: A case study | |
| Mehana et al. | Discovery science of hydraulic fracturing and shale fundamentals |
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 |