CN1540317A - 用流体分析仪确定流体特性 - Google Patents

Abstract

一种确定地质层流体特性的方法包括：多次获得流体样本的与甲烷峰值光密度和油峰值光密度相关的数据，基于数据每一次用多次获得的流体样本的甲烷峰值光密度对油峰值光密度计算流体样本的视在气—油—比率，选择能使气—油—比率增加的取样参数的幂函数，基于数据计算幂函数的指数常量，和确定从包含无污染气—油—比率和污染度的一组数据中选择的至少一个。

Description

用流体分析仪确定流体特性

技术领域

背景技术

人们通常将井钻到地下以获得碳氢化合物的自然沉淀物和其他埋藏在地壳的地质层里的有用物质，他们从地面的钻探设备直接钻一个井到地下的目标地质位置。

在钻井钻到一个感兴趣的地层时，钻井者经常通过从地层中提取用于分析的流体样本来对地质层流体进行研究。对流体样本的分析可以提供关于流体体积、密度、粘性、沸点和其他重要特性的信息。这些重要信息可用于油田计划的确定，和上游、下游生产设备的优化。

一个特别重要的流体特性是气—油—比率(“GOR”)。GOR是在标准条件下(标准条件是60oF和1atm)天然地质层流体中气相的体积与液体碳氢化合物的体积之比。GOR的标准单位是在标准条件下(scf/bbl)每桶油所含气体的标准立方尺，即标准条件下每桶油的气体立方尺。在设计上游和下游的生产设备时GOR是很重要的。例如，如果GOR高，地面设备必须被设计成能处理来自井内的大量气体。

通常地，一个流体样本是通过将流体取样工具放入到井里并从一个地层提取流体样本而获得的。有一种取样工具是Modular Formation DynamicsTester(MDT)(标准地质层动力学试验仪)，它是Schlumberger TechnologyCorporation(技术公司)注册的商标，这个公司是本发明的受让人。地质层试验工具已在Zimmerman等人的美国专利Nos.4860581和4936139中公开，这些专利已转让给本发明的受让人。

图1示出了一种设计用来从地质层114提取流体样本的地质层试验工具101。工具101悬挂在钻孔110里的运输器具115，例如绕在地面卷轴上的电线或多心电缆上。在地面，电线115通常与监测和控制工具101的电控制系统118连接。

一旦到达预定深度，工具101用来获得地质层的流体样本。工具101具有一个探头120，或一个从工具101选择性伸展的流体容纳装置，和一个位于工具101相反侧上的、同样也选择性伸展的固定部件121。探头120从工具101上伸展并与钻孔壁112密封接触，这样探头120就可以与地质层114之间进行流体传送。典型的工具101还包括一个泵(未示出)。泵用于从地质层把地质层流体泵入工具101。泵还可用于从工具101把地质层流体泵入钻孔110。

这样就有一个与流体取样有关的问题，就是地质层流体通常会被泥浆滤液污染。泥浆滤液是钻井过程中渗漏到地质层里的钻探泥浆的流体成分。泥浆滤液侵入地质层并污染天然地质层流体。当流体样本从地质层取出时，样本从一开始就包括泥浆滤液。

为解决这一问题，流体样本通常从地质层中取出并且泵入钻孔或者泵入工具里一个大的、没用的腔室，直至取出的流体已被“净化”。“净化”样本是这样一种物质，即在样品流体中泥浆滤液的百分比低至这种流体可以代表天然地质层流体的容许程度为止。此刻，可收集样本用作随后的分析。

再参照图1，用探头120从地质层114中把地质层流体取出，并且在用泵装置(未示出)将流体泵出工具101注入钻孔之前，流体流经一个流体分析仪125。流体分析仪125分析样本流体并确定泥浆滤液污染的程度。一旦由探头抽取的地质层流体是干净的，样本就可以通过将流体样本泵入样本腔室122、123中的一个来获得。

一种用于地质层试验工具的流体分析仪是光学传感器，它可以在几个不同波长上测量样本流体的光密度(“OD”)。用于油基泥浆(“OBM”)的油通常是浅颜色的，这样，随着样本流体的净化，色通道上的OD会逐渐增加到较深色的天然地质层流体的OD。

两种吸收机构用于测量流体样本的OD：电子激励和分子振动模式激励。当传送入射光的能量把移位pi电子激励至反束缚状态时，将产生电子激励吸收。这个能量等级通常相当于可视的近红外线范围，结果会产生一个颜色阴影。此后，我们在本文中简单地称这种吸收方式为颜色。石油可以呈现出不同的颜色，因为它们具有不同数量的芳香族环烃、树脂和沥青烯，其中每一种物质吸收可见光和近红外光(NIR)范围内的光。重油具有比较高的芳香族环烃、树脂和沥青烯含量百分比，这使它们呈现为黑色。另一方面，轻油和凝聚物具有比较浅的淡黄色，这是因为它们具有比较低的芳香族环烃、树脂和沥青烯含量百分比。

由于分子的化学键共振，分子振动吸收是对特定频率光的吸收。当颜色吸收覆盖可见光和NIR范围时，只有对特定物质的特定波长才会产生分子振动吸收。对于任何给定分子，产生分子振动吸收的波长与化学键和分子结构的种类有关。例如，油的分子振动吸收峰值在波长1200nm、1400nm、和1700nm附近。分子振动吸收是某种特定物质百分含量的函数，并且不必受这种物质所处物态的影响。例如，不管甲烷是气态或是溶解在油里，甲烷的吸收共振峰值(大约1670nm)都是相同的。

一种光学传感器是光学流体分析仪(OFA)(Optical Fluid Analyzer)，商标为Schlumberger。OFA在近红外光(NRI)和可见光范围内以10个不同的波长测量样本流体的OD。当流体第一次从地质层中取出时，样本流体主要包括浅颜色的OBM滤液。随着样本流体的净化，样本流体将包含更多的较深颜色的天然地质层流体。随着流体的净化，色通道上的流体样本的OD将变化。例如，由于地质层流体的颜色比OBM滤液的颜色深，随着流体样本的提取，在色通道上的流体样本的OD将增加，色通道上的OD将逐渐接近地质层流体的OD。

通过多次获得OD数据，利用数学方法计算所测OD的趋近值确定天然地质层流体的OD，称为“无污染”OD。这里所说的“无污染”表示天然地质层流体特性，基本上没有泥浆滤液的的污染。这样，“无污染GOR”表示没有或几乎没有泥浆滤液污染的地质层流体的GOR。尽管实际上获得没有泥浆滤液污染的流体样本是困难的，但是目的是确定地质层流体的特性。“视在”这个词用来指样本处理过程中所取得的测量值。那么，“视在GOR”是从地质层中提取的流体样本的GOR测量值。视在GOR可以受到泥浆滤液或其他污染物的影响。

一旦无污染OD预先确定，就可以基于所测的OD和无污染的OD确定样本流体中的OBM滤液污染量。确定流体样本中OBM污染的方法已经公开，例如Mullins的美国专利No.5266800，该专利已转让给本发明的受让人。

另一种光学传感器叫现场流体分析仪(LFA)(Live Fluid Analyzer)，商标为Schlumberger。LEA不同于OFA，因为LFA包括一个“甲烷峰值”波长的甲烷通道和一个“油峰值”波长的油通道，“甲烷峰值”是甲烷的分子振动吸收峰值，其波长相当于甲烷分子C-H键的共振波长。一种甲烷分子振动吸收峰值的波长大约为1670nm。分子振动吸收的发生不受流体颜色的影响，也不管甲烷是处在气态还是溶解在地质层流体里。相似地，“油峰值”是油的分子振动吸收峰值，它的波长相当于油分子中的-CH₂-和-CH₃基化合物的共振波长。一种油峰值波长大约为1720nm。

通常，OBM不含甲烷，因此随着从地质层中提取流体样本，甲烷峰值上的OD将增加。甲烷峰值的OD将逐渐接近地质层流体的甲烷峰值上的OD。根据地质层流体的组成不同，在油通道上的流体样本的OD可能增加或减小。不管怎样，它将逐渐接近地质层流体油通道上的OD。

另一种传感器叫凝聚物和气体分析仪(CGA)，其商标为Schlumberger。CGA利用特定频率上的光通道得到对存在于流体样本中的气体范围的更好评价。例如，典型的CGA具有一个与二氧化碳的分子振动吸收共振峰值相对应的通道。典型的CGA能确定甲烷、非甲烷气体碳氢化合物、二氧化碳和液体碳氢化合物的质量百分比。

然而这些分析仪提供的都是用来监测地质层流体中的各种成分以及地质层流体中泥浆滤液污染度的传统方法，所以，希望为这种监测提供更加灵敏并且受泵速影响更小的方法。

发明内容

在本发明的一个或多个实施例中，本发明涉及一种确定地质层流体特性的方法，其包括多次获得流体样本的与甲烷峰值上的光密度和油峰值上的光密度相关的数据，和每一次由多次获得的流体样本的甲烷峰值上的光密度和油峰值上的光密度计算视在气—油—比率。这种方法还包括选择气—油—比率成长的取样参数的幂函数，根据所测的数据计算幂函数的指数常量，和确定从包含无污染气—油—比率和污染度的一组数据中选择的至少一个。在某些实施例中，取样参数可以从历经时间、泵出时间和泵出体积中选择。

在本发明的一个或多个实施例中，本发明涉及一种确定地质层流体特性的方法，其包括多次获得流体样本的与甲烷峰值上的光密度和油峰值上的光密度相关的数据，基于数据多次计算样本流体的视在气—油—比率，和选择能使视在气—油—比率增加的取样参数的指数函数。本方法还包括线性外推气—油—比曲线至一个点，在这个点指数函数对于取样参数的导数为零。在某些实施例中，取样参数可以从历经时间、泵出时间和泵出体积中选择。

在本发明的一个或多个实施例中，本发明涉及一种确定流体样本的气—油—比率的方法，其包括多次获得与甲烷质量成分、非甲烷气态碳氢化合物质量成分、液态碳氢化合物质量成分和二氧化碳质量成分有关的数据。这种方法还包括用甲烷质量成分、非甲烷气态碳氢化合物质量成分和二氧化碳质量成分与液态碳氢化合物质量成分的比率来确定气—油—比率。在某些实施例中，利用甲烷质量成分、非甲烷气态碳氢化合物质量成分、液态碳氢化合物质量成分和二氧化碳质量成分的函数确定气—油—比率。在至少一个实施例中，该函数是基于对地质层流体组成成分的假设。

在本发明的一个或多个实施例中，本发明涉及一种确定地质层流体特性的方法，其包括多次获得流体样本的与甲烷质量百分比和液态碳氢化合物质量百分比相关的数据；和每一次由多次获得的数据计算流体样本的视在甲烷质量百分比和视在液态碳氢化合物质量百分比。这种方法还包括选择一个能使视在甲烷质量百分比增加的取样参数的甲烷幂函数，选择一个能使视在液态碳氢化合物质量百分比增加或降低的取样参数的液体幂函数，基于数据确定甲烷幂函数的指数常量，基于数据确定液体幂函数的指数常量，和确定污染物体积百分比。在某些实施例中，取样参数可以从历经时间、泵出时间和泵出体积中选择。

在本发明的一个或多个实施例中，本发明涉及一种确定地质层流体特性的方法，其包括多次获得流体样本的与甲烷质量百分比和液态碳氢化合物质量百分比相关的数据，和每一次由多次获得的数据计算流体样本的视在甲烷质量百分比和视在液态碳氢化合物质量百分比。这种方法还包括选择一个能使视在甲烷质量百分比增加的取样参数的甲烷指数函数，选择一个能使视在液态碳氢化合物质量百分比增加或降低的取样参数的液体指数函数，和用数据确定污染物百分比。在某些实施例中，取样参数可以从历经时间、泵出时间和泵出体积中选择。

附图说明

图1所示的是先前技术的地质层试验工具的截面图。

图2A所示的是流体样本的色通道的数据曲线图。

图2B所示的是流体样本的甲烷通道的数据曲线图。

图2C所示的是流体样本的GOR曲线图。

图2D所示的是流体样本的色通道的数据曲线图。

图2E所示的是流体样本的甲烷通道的数据曲线图。

图2F所示的是流体样本的GOR曲线图。

图2G所示的是流体样本的色通道的数据曲线图。

图2H所示的是流体样本的甲烷通道的数据曲线图。

图2I所示的是流体样本的GOR曲线图。

图3所示的是GOR对于取样参数自然对数的自然对数与经过一合适间隔的取样参数的自然对数的关系曲线。

图4所示的是GOR与取样参数的指数常量幂的关系曲线图和分析。

图5所示的是GOR对于取样参数的导数与经过一合适间隔的GOR的关系曲线图。

图6A所示的是甲烷的质量百分比与取样参数的关系曲线图。

图6B所示的是液态碳氢化合物的质量百分比与取样参数的关系曲线图。

图7A所示的是甲烷的质量百分比对于取样参数自然对数的自然对数与经过一合适间隔的取样参数的自然对数的关系曲线图。

图7B所示的是液态碳氢化合物的质量百分比对于取样参数自然对数的自然对数与经过一合适间隔的取样参数的自然对数的关系曲线图。

图8A所示的是甲烷的质量百分比与取样参数的指数常量幂的关系曲线图。

图8B所示的是液态碳氢化合物的质量百分比与取样参数的指数常量幂的关系曲线图。

图9A所示的是甲烷的质量百分比对于取样参数的导数与甲烷的质量百分比的关系曲线图。

图9B所示的是液态碳氢化合物的质量百分比对于取样参数的导数与液态碳氢化合物的质量百分比的关系曲线图。

图10A所示的是本发明的一个方法实施例。

图10B所示的是本发明的另一个方法实施例。

图10C所示的是本发明的另一个方法实施例。

图10D所示的是本发明的另一个方法实施例。

图10E所示的是本发明的另一个方法实施例。

具体实施方式

在某些实施例中，本发明涉及确定无污染流体样本特性以及监测流体样本的污染程度的方法。视在流体样本的气—油—比率(GOR)可用于确定地质层流体的无污染GOR并可监测流体样本的污染。另外，在某些实施例中，本发明涉及用凝聚物和气体分析仪(CGA)来确定视在流体样本的GOR的方法。CGA也可用于监测流体样本的污染。

本发明不但对在此所述的由注入油基泥浆(OBM)的井中提取的流体样本特别有用，而且具有本领域普通技术的人员还可以意识到本发明的实施例能够应用于由注入其他种类泥浆例如水基泥浆(WBM)的井中提取的流体样本。本发明也可用于钻孔勘探测井和生产测井。为简明启见，说明书直接对使用OBM钻探的钻孔勘探测井进行说明。但将本发明应用到其他情况中也是可以理解的。

无污染GOR

本发明的一些实施例可用来确定流体样本的无污染GOR。在一个或多个实施例中，本发明涉及利用视在GOR和无污染的GOR来监测流体样本的污染。

通常，OBM中的油实际上不包含甲烷或其他溶解气体。因此，OBM的GOR基本为零。另一方面，地质层油可具有的GOR范围是小于20scf/bbl，对深黑油来说，大于30000scf/bbl，对凝聚物来说。在取样过程刚开始时，第一次从地质层中提取的流体样本主要包括泥浆滤液，所测的GOR基本上为零。随着取样过程的继续，视在GOR逐渐增加至地质层流体的GOR。

图2A-B所示的是在LFA工具的几个通道的OD与取样处理过程的泵出时间的关系曲线图。可以理解的是，当监测流体样本的OD是不同通道时，泵出时间是惟一可使用的变量。

图2A所示的是色通道的曲线图205。色通道曲线图205示出了随着流体样本从地质层中取出，由于流体样本颜色的原因OD会增加。相似地，图2B所示的是甲烷通道的曲线图207。曲线图207示出了随着流体样本从地质层中取出，由于甲烷分子振动吸收的原因OD也会增加。色通道和甲烷通道曲线205、207都逐步增加到它们的无污染值。几种先前技术的方法都对从颜色和甲烷通道来确定污染水平进行了改进。

用具有甲烷通道和油通道的流体分析仪可以确定GOR。用甲烷峰值与油峰值的比值来计算GOR。一种方法是用公式GOR＝8930[m_m/(m₀-0.193m_m)]来确定GOR；其中m_m是甲烷的质量分率，m₀是油的质量分率，单位是scf/bbl。确定GOR的方法在SPE77899“In-Situ Contamination Monitoring and GORMeasurement of Formation Fluid Samples”中公开，由Dong等人发表在2002年10月8-10日于澳大利亚Melbourne召开的SPE技术讨论会上。

视在或所测的GOR在图2C的GOR曲线209中示出。视在GOR由甲烷通道(图2B的曲线207)和油通道(未示出)计算出。所以，视在GOR的增加要比颜色通道或甲烷通道快很多，正如图2C中的曲线209所示。

视在GOR的增加速度能使GOR测量对污染的微小变化更加敏感。图2D-2F所示的是采集的LFA数据(相对于，例如泵出时间)，其中流体样本的污染很小。图2D所示的颜色通道曲线214几乎没有增加，图2E中的甲烷通道曲线216对于低污染度甚至还呈现了微小的下降。然而，视在GOR(在图2F的GOR曲线218中示出)比颜色通道和甲烷通道中的任何一个都要更敏感，视在GOR曲线218示出了随着流体样本的取出而不断增加。

流体样本的泵速在样本处理过程中会发生变化。例如，如果压力接近流体样本的沸点，泵速会降低以使流体样本压力保持在其沸点以上。图2G-2I所示的是当流体泵速变化时所采集的LFA数据曲线图(相对于，例如泵出时间)。图2G中的颜色通道曲线224和图2H中的甲烷通道曲线226都示出了在泵速低到大约4000时的水平或值的下降。然而，图2I中的视在GOR曲线228示出了在整个泵送过程中的不断增加。

GOR的增加能作为取样过程参数的函数模型。一个这样的取样参数是泵出时间。泵出时间是泵打开并从地质层中泵出流体的总时间。这样，如果泵因为某种原因停止，那么泵停止时间将不计算在泵出时间内。这样的函数公式可以具有如下形式GOR＝f(t)，其中t是取样参数。在一个或更多个的实施例中，GOR时间函数模型化为幂函数，如公式1所示：

            GOR＝X-Yt^-a        Eqn.1

其中X是无污染GOR，Y是与GOR增加有关的常量，t是泵出时间，α是指数常量。

要注意的是，在所公开的实施例中，t被用来表示泵出时间，但是其他取样参数也可代替它的位置。例如，当泵一直以基本相同的速度运转时，t可以用来表示所经过的时间。在另一实施例中，t可用来表示泵出体积。本领域的普通技术人员可以意识到在不脱离本发明范围的情况下，可以将其他取样参数用作t。例如，取样参数可以是历经时间、泵出时间、泵出体积或其他能代表取样过程的任何取样参数。

对公式1做对于t域的微分，得到：

$\frac{d\left(\mathrm{GOR}\right)}{\mathrm{dt}}=a{\mathrm{Yt}}^{-\mathrm{\α}-1}---\mathrm{Eqn}.2$

在公式2两边同时乘以t，并令t/dt＝1/dln(t)重新设置公式为：

$\frac{d\left(\mathrm{GOR}\right)}{d\ln \left(t\right)}={\mathrm{aYt}}^{-\mathrm{\α}}---\mathrm{Eqn}.3$

最后，在两边取自然对数：

$\ln \left(\frac{d\left(\mathrm{GOR}\right)}{d\ln \left(t\right)}\right)=\ln \left(\mathrm{\α}\right)+\ln \left(Y\right)-\mathrm{\α}\ln \left(t\right)---\mathrm{Eqn}.4$

公式4示出ln(d(GOR)/dln(t))与ln(t)呈线性关系。指数常量α可以用这个关系来确定。图3示出了随着流体样本的提取，利用所选择的视在GOR数据，公式4左边ln(d(GOR)/dln(t))相对于ln(t)的曲线图。指数常量α可以用图3中的曲线302在所选择的一合适间隔内的斜率来确定。公式4中，除了自然对数之外，其他类型的对数如log_n(n可以是任意正数)也可用于确定指数常量α。

合适间隔306可以自动地选择，以使合适间隔内的数据点趋近一条直线。例如，合适间隔306可以是一自动测出的合适间隔，在这个间隔内数据点基本在一条直线上，Y轴上的截距可以由图4推出。可替换地，合适间隔306可以人工选择，例如，在曲线上选择一段基本上为直线的区域。一个本领域的普通技术人员可以理解的是，可以使用不同的数学算法来选择合适间隔。

一旦指数常量α被确定，无污染GOR可以由图4所示的、在图3中所使用的相同间隔306内视在GOR与t^-a的关系曲线来确定。线性曲线匹配分析404可用来导出曲线402以确定公式1中的X和Y值。随着历经时间t的无穷增大，项Yt^-a趋近于零，这样X就是无污染GOR。在图4所示的特定实施例中，无污染GOR的计算值为803scf/bbl。

图10A示出了本发明的一种方法实施例。这种方法包括在流体样本的甲烷峰值和油峰值点多次获得与光密度有关的数据(步骤1011所示)。随着流体的取出，数据可以通过测量流体样本的OD来获得。下一步，这种方法包括多次用获得的数据来计算流体样本的视在GOR(步骤1013所示)，或者也可以通过分析这些数据来获得视在GOR。方法还包括选择一个取样参数的幂函数来增加视在气—油—比率(步骤1015所示)。这个不必按所示的顺序执行。取样参数可以是历经时间、泵出时间、泵出体积、或其他能代表取样过程的取样参数。

该方法还包括基于数据计算幂函数的指数常量(步骤1018所示)。在一些实施例中，这里可以首先选择一合适间隔(步骤1017所示)，绘制公式4左边与ln(t)的关系曲线，确定在选择的合适间隔内的曲线的斜率。

最后，该方法包括确定无污染GOR和/或流体样本的污染度(步骤1019所示)。在一些实施例中，幂函数可以用来计算无污染GOR。在至少一个实施例中，无污染GOR用于确定流体样本的污染度。在其它实施例中，污染度可以直接被确定，而不需要特意确定无污染GOR。视在GOR可以被提供用于其他测量仪器例如NMR(核磁共振)的分析。

本发明并不局限于公式1中所示用于GOR的幂函数。例如，也可为GOR采用一个指数函数：

            GOR＝A-Be^-nt                Eqn.5

其中A是无污染GOR，B是与视在GOR增加有关的常量，t是泵出时间，n是一个常量。此外，t可以是历经时间、泵出体积或其他有用的取样参数。对公式5进行时间微分：

$\frac{d\left(\mathrm{GOR}\right)}{\mathrm{dt}}={\mathrm{nBe}}^{-\mathrm{nt}}---\mathrm{Eqn}.6$

对公式6右边重新设置得出：

$\frac{d\left(\mathrm{GOR}\right)}{\mathrm{dt}}=n\left({A-\mathrm{Be}}^{-\mathrm{nt}}\right)+\mathrm{nA}---\mathrm{Eqn}.7$

将公式5代入公式7得出：

$\frac{d\left(\mathrm{GOR}\right)}{\mathrm{dt}}=\mathrm{nGOR}+\mathrm{nA}---\mathrm{Eqn}.8$

公式6示出在历经时间无穷大，视在GOR为无污染GOR时，GOR的时间微分等于零。公式8示出视在GOR对时间的微分与视在GOR具有线性关系。这样，通过绘制视在GOR的时间微分与视在GOR的关系曲线，外推出线性部分至微分为零的地方，可以获得无污染GOR。

图5示出了d(GOR)/dt与GOR的关系曲线。曲线502是根据取出流体样本时所记录的视在GOR数据绘制的。所示的合适间隔508是从曲线502中选择的一部分，这部分曲线基本上为线性。参照图3，本领域的普通技术人员可以利用不同的方法来选择一合适间隔。曲线502在合适间隔508内的这一部分可以外推至点506，这点的微分值为零。点506的值即是无污染GOR。

流体样本中的重油污染物的体积百分比可以用视在GOR和无污染GOR来确定。在取样过程中，污染可以被监测，以确定何时流体样本具有可以接受的低污染量。当污染程度处于可接受的低水平时，流体样品可直接进入样本腔室用于以后的分析。污染物的体积百分比可以用公式9来确定：

$\mathrm{Vol}\%\mathrm{Cont}.=\frac{{\mathrm{GOR}}_0-\mathrm{GOR}}{{\mathrm{GOR}}_0}\×100---\mathrm{Eqn}.9$

这里GOR₀是无污染GOR，GOR为视在GOR。需要注意的是，一旦无污染GOR利用时间的幂函数、指数函数或其他用来确定无污染GOR的函数确定后，污染物就可以被确定。

图10B示出了本发明的一种方法实施例。这种方法包括在流体样本的甲烷峰值和油峰值点多次获得与光密度有关的数据(步骤1021所示)。随着流体的取出，数据可以通过测量流体样本的OD来获得。下一步，这种方法包括多次用获得的数据来计算流体样品的视在GOR(步骤1023所示)，或者也可以通过分析这些数据来获得视在GOR。该方法还包括选择一个取样参数的指数函数来增加气—油—比(步骤1025所示)。这个不必按所示的顺序执行。取样参数可以是历经时间、泵出时间、泵出体积、或其他能代表取样过程的取样参数。

最后，方法包括确定无污染GOR和/或流体样本的污染度(步骤1027所示)。在一些实施例中，指数函数可以用来计算无污染GOR。在至少一个实施例中，无污染GOR用于确定流体样本的污染度。在其它实施例中，污染度可以直接被确定，而不需要特意确定无污染GOR。

用CGA确定GOR

本发明的一个或多个实施例涉及利用凝聚物和气体分析仪(CGA)(Condensate and Gas Analyzer)来确定原油的GOR。工具CGA利用电磁辐射的特定波长，最好是能使待分析要素的分子振动吸收产生特定共振峰值的特定波长，来确定流体样本成分的质量百分比。通常，CGA被用来分析甲烷(“C₁”)、非—甲烷气态碳氢化合物(即：乙烷、丁烷、丙烷和戊烷)(“C_2-5”)、液态碳氢化合物(正乙烷和较重碳氢化合物分子)(“C₆₊”)、和二氧化碳(“CO₂”)的量。

本发明的一个或多个实施例利用流体样本成分C₁、C_2-5、C₆₊和CO₂的质量百分比，来预测在标准条件下气态和液态物质所占的体积。气态和液态物质所占的体积能确定流体样本的GOR。

GOR是甲烷(“m₁”)、非—甲烷气态碳氢化合物(“m_2-5”)、液态碳氢化合物(m₆₊)、和二氧化碳(“m_CO2”)的质量百分比的函数。利用成分百分比来估算GOR通常可用质量百分比函数来表示：GOR＝f(m₁，m_2-5，m₆₊，m_CO2)。实际公式可以有无限多种形式，这要根据对流体的一组假设和用于计算的特定公式状态来确定。

在本发明的一个或多个实施例中，GOR函数用下列假设来确定：

1.储藏流体大致是由下列4组分子组成的：C₁、C_2-5、C₆₊和CO₂。

2.4组分子的成分质量百分比用CGA测量。

3.标准条件下C₁、C_2-5和CO₂分子全部处于气态。

4.标准条件下C₆₊分子全部处于液态。

5.C_2-5分子组内的质量分布为：m₂∶m₃∶m₄∶m₅＝4∶3∶2∶1(摩尔量比为133∶68∶34∶14)

6.液相的密度为0.75g/cm³。

7.气相遵守真实气体定律：PV＝znRT。

通过用1代替常量z，真实气体定律可以转变为理想气体定律。可替换地，常量z也可以是确定的任何值，以能提供更好的气体估计。在下面的实施例中，z为1，尽管在不脱离本发明的范围内，本领域的普通技术人员可以意识到z可以采用其它值。

利用假设7，真实气体定律可应用于气相的组成成分上以得到公式10-15，其中摩尔数n等于成分质量除以分子量：

P₁V_g＝(m₂/16)RT

P₂V_g＝(m₂/30)RT

P₃V_g＝(m₃/44)RT

P₄V_g＝(m₄/58)RT            Eqn.10

P₅V_g＝(m₅/72)RT

P_co2V_g＝(m_co2/44)RT

其中P₁，P₂，P₃，P₄，P₅，和P_CO2是气相各组成成分的部分压力，V_g是标准条件下气相的体积。气相的部分压力的和等于一个大气压(即标准条件下的压力)：

P₁+P₂+P₃+P₄+P₅+P_co2＝1[atm]              Eqn.11

假设5提供了气相各组成成分的质量比：

m₂＝0.4m_2-5；m₃＝0.3m_2-5；m₄＝0.2m_2-5；m₅＝0.1m_2-5   Eqn.12

GOR可以作为气体体积(V_g)与液体体积(V_l)之比计算。气体体积(V_g)可以通过求解公式10和11(7个未知数和7个等式)来求得V_g。液体体积(V_l)等于其质量(m₆₊)除以密度。V_g/V_l的比为：

$\mathrm{GOR}\_\mathrm{CGA}=k\left(\frac{{0.625m}_1+0.250m_{2-5}+{0.227m}_{\mathrm{co}2}}{m_{6+}}\right)---\mathrm{Eqn}.q13$

其中κ是基于上述假设的一个常量。用英制单位[scf/bbl]时，κ＝9971；用公制单位[m3(gas)/m3(liquid)]，κ＝1776。CGA测量提供m₁，m_2-5，m₆₊，m_CO2。这些值可以在公式13中使用以提供一个GOR估计值。

这些假设用来形成上面的多个公式。需要注意的是，如果这些假设中的一个或多个被修改，那么导出的公式也会不同。例如，如果假设5中的比率被改变(如m₂∶m₃∶m₄∶m₅＝2.5∶1.7∶1.5∶1.0)，公式12将表现新的假设：

m₂＝0.37m_2-5；m₃＝0.25m_2-5；m₄＝0.23m_2-5；m₅＝0.15m_2-5  Eqn.q12a

利用公式12a，公式13将变成：

$\mathrm{GOR}\_\mathrm{CGA}=k\left(\frac{{0.625m}_1+{0.241m}_{2-5}+{0.277m}_{\mathrm{co}2}}{m_{6+}}\right)---\mathrm{Eqn}.q13a$

其中常量κ对于单位scf/bbl为9972。本领域的普通技术人员能够理解的是，假设可以改变，对GOR的导出公式将会相应不同。

在一个或多个实施例中，本发明能够通过计算标准条件下气化的己烷(C₆)、庚烷(C₇)、辛烷(C₈)、和任烷(C₉)部分来确定GOR。当这些组成部分处于气态时，液体的体积将会减少，GOR将会增加。

当C₆至C₉部分处于气态时，GOR的表达公式作为CGA测量函数可以从一些假设中推导出，除上面的那些假设外还有：

1.标准条件下流体闪蒸后，C₁、C_2-5、和CO₂完全处于气态。

2.流体闪蒸后，液体包含4mol％C₆，5mol％C₇，7mol％C₈，和8mol％C₉。

3.在气态时，C₆，C₇，C₈，和C₉的蒸气与液相平衡。

4.液相的密度为0.8g/cm³。

5.气相遵守真实气体定律(PV＝znRT)。

利用这些假设，可推导出GOR的表达公式作为CGA的测量函数：

$\mathrm{GOR}\_\mathrm{CGA}=k\left(\frac{m_1/16.0+m_{2-5}/40.1+m_{\mathrm{co}2}/44.0}{m_{6+}-0.782(m_1/16.0+m_{2-5}/40.1+m_{\mathrm{co}2}/44.0)}\right)---\mathrm{Equ}.14$

其中κ是基于特定假设和期望单位的常量。当用上面的假设1-5和单位scf/bbl时，κ＝107285。用公制单位m³(gas)/m³(liquid)，κ＝19107。CGA测量提供m₁，m_2-5，m₆₊，m_CO2。在某些实施例中，这些值可以用于公式14以提供流体样本的一个GOR估计值。

应当理解的是，应用除公式14所示的函数以外的函数也是不脱离本发明范围的。具体的函数形式根据设定的特定假设得出。例如，除了假设2中的摩尔分量以外，其他摩尔分量也可用来推导出与公式14相似或相同的公式。另外，比C₉重的成分可以气化或气态存在。例如，C₁₁和C₁₂可以被气化，包括在假设2中。还有，密度的估计值可能不同于0.8g/cm³。本领域的普通技术人员可以在不脱离本发明范围的情况下，作出其他假设和其他函数。

用CGA确定GOR的方法可以与确定无污染GOR的方法和用GOR监测流体样本污染的方法相结合。然而，可以发现确定无污染GOR的方法和用GOR监测流体样本污染的方法可以与任何确定GOR的方法一起使用，并且不局限于用CGA确定GOR的方法。视在GOR可用于来自任意设备的分析，例如NMR工具。

图10C示出了本发明方法的一个实施例。这种方法首先包括多次获得与流体样本的甲烷质量成分、非—甲烷气态碳氢化合物质量成分、液态碳氢化合物质量成分、和二氧化碳质量成分有关的数据(步骤1031所示)。

在一些实施例中，这种方法下一步包括做出关于地质层流体组成成分的假设(步骤1033所示)，和确定一个计算GOR的公式，这个公式是甲烷质量成分、非—甲烷气态碳氢化合物质量成分、液态碳氢化合物质量成分、和二氧化碳质量成分的函数(步骤1035所示)。需要注意的是，做出假设和确定计算GOR的公式可以在获得数据之前或之后执行。

最后，这种方法包括基于甲烷质量成分、非—甲烷气态碳氢化合物质量成分、和二氧化碳质量成分与液态碳氢化合物质量成分的比来计算GOR(步骤1037所示)。

用CGA监测污染

在本发明的一个或多个实施例中，CGA测量可以用于对OBM井中气体凝聚物取样污染的监测。井下气体的主要成分是甲烷，几乎没有井下气体包含大量的液体成分。另一方面，OBM通常不包含甲烷，并且完全由液态碳氢化合物组成。这样，取样过程中的倾向是C₁逐渐增加而C₆₊逐渐减小。CGA测量甲烷m₁的质量百分比和液态碳氢化合物m₆₊的质量百分比。

图6A示出了在取样过程中m₁(m₁曲线602所示)随着历经时间的增加而增加。m₁逐渐接近无污染m₁(如虚线604所示)。相似地，图6B示出了m₆₊(m₆₊曲线612所示)在取样过程中随着历经时间的增加而减小。m₆₊逐渐接近无污染m₆₊(如虚线614所示)。

在一些实施例中，m₁的增加和m₆₊的减小可以作为幂函数的模型。例如公式15和16，类似于上述GOR的公式1：

             m₁＝A-Bt^-α                      Eqn.15

             m₆₊＝X+Yt^-β                     Eqn.16

对于公式15，m₁是测得的甲烷百分比，A是无污染m₁，B是与m₁的增加有关的常量，α是指数常量。对于公式16，m₆₊是测得的液体的百分比，X是无污染液体，Y是与m₆₊的减小有关的常量，β是指数常量。如上所述，需要指出的是，t是取样参数，并且它可以代表历经时间、泵出时间、泵出体积、或其他能代表泵出过程的任意取样参数。本领域的普通技术人员可以在不脱离本发明范围的情况下，设定其它取样参数。

在一些实施例中，指数常量α、β的选择是基于对泥浆滤液侵入深度的估计。在一此实施例中，指数常量α、β可以在0.1和2.0之间。在至少一个实施例中，指数常量α、β中的一个或者两个大约为0.5。对于浅的侵入，希望是较低的指数常量，如α＝1/3或β＝1/3。对于深的侵入，希望是较高的指数常量，如α＝2/3或β＝2/3。一旦选择好指数常量，公式15和16中的常量值可以由样本数据计算出。

一种确定无污染m₁和无污染m₆₊值的方法在图8A和图8B中示出。图8A示出了m₁与t^-α的关系曲线。从公式15和图8A可以看出，这种关系为线性关系。m₁数据曲线812可以用m₁和t^-α的数据点的连线来产生。m₁数据曲线812可以线性外推至t^-α＝0，这里t为无限大。随着t接近无限大，m₁接近无污染m₁(如点814所示)。相似地，如图8B中的曲线所示，m₆₊数据曲线822可以用m₆₊和t^-β的数据点的连线来产生。m₆₊数据曲线822可线性外推至t^-β＝0，这里t为无限大。随着t接近无限大，m₆₊接近无污染m₆₊(如点824所示)。

在可替换的实施例中，可以测量指数常量α、β中的一个或两个。与公式1变换成公式4的操作一样，公式15和16可以变换成公式17和18：

$\ln \left(\frac{d\left(m_1\right)}{d\ln \left(t\right)}\right)=\ln \left(\mathrm{\α}\right)+\ln \left(B\right)-\mathrm{\α}\ln \left(t\right)---\mathrm{Eqn}.17$

$\ln (-\frac{d\left(m_{6+}\right)}{d\ln \left(t\right)})=\ln \left(\mathrm{\β}\right)+\ln \left(Y\right)-\mathrm{\β}\ln \left(t\right)---\mathrm{Eqn}.18$

公式17示出了ln(d(m₁)/dln(t))与ln(t)之间的线性关系。图7A示出了ln(d(m₁)/dln(t))与ln(t)之间的关系曲线。数据曲线712在曲线的某一段内具有线性关系，并且把这一段线性曲线的斜率作为指数常量α。曲线712的斜率可以在一合适间隔内确定，如714所示。本领域的普通技术人员能够设定选择合适间隔的方法。一旦指数常量α被确定，无污染m₁可以通过绘制相同合适间隔714内的m₁与t^-α的关系曲线(图8A中的812)确定。

相似地，公式18示出了ln(-d(m₆₊)/dln(t))与ln(t)之间的线性关系。图7B示出了ln(-d(m₆₊)/dln(t))与ln(t)之间的关系曲线。数据曲线722在曲线的某一段内具有线性关系，并且把曲线722的这一段线性曲线的斜率作为指数常量β。曲线722的斜率可以在一合适间隔724内确定。一旦指数常量β被确定，无污染m₆₊可以通过绘制相同合适间隔724内的m₆₊与t^-β的关系曲线(图8B中的822)确定。

图10D示出了本发明方法的一个实施例。这种方法包括多次获得与流体样本甲烷的质量百分比和液态碳氢化合物质量百分比有关的数据(步骤1041所示)。在流体取出时，可以通过监测流体样本来获得数据，或者通过分析这些数据获得。下一步，这种方法包括为甲烷质量百分比选择样本参数的甲烷幂函数(步骤1042所示)和为液体碳氢化合物质量百分比选择样本参数的液体幂函数(步骤1043所示)。这些不需按所示顺序进行。取样参数可以是历经时间、泵出时间、泵出体积、或其他代表取样过程的取样参数。

这种方法下一步包括确定甲烷幂函数的指数常量(步骤1045所示)和确定液体幂函数的指数常量(步骤1046所示)。在一些实施例中，这里可以首先选择一个合适间隔(步骤1044所示)，绘出公式17和18左边与ln(t)的关系曲线，并确定所选择合适间隔内的曲线的斜率。

最后，这种方法包括确定流体样本的污染度(步骤1047所示)。

在一个或多个实施例中，m₁和m₆₊的百分比可以作为指数函数的模型，如公式19和20所示：

           m₁＝A-Be^-αt            Eqn.19

           m₆₊＝X+Ye^-βt           Eqn.20

与公式5变换成公式8的操作一样，公式19和20可以变换成公式21和22：

$\frac{d\left(m_1\right)}{\mathrm{dt}}=-\mathrm{\α}\left(m_1\right)+\mathrm{\αA}---\mathrm{Eqn}.21$

$\frac{d\left(m_{6+}\right)}{\mathrm{dt}}=-\mathrm{\β}\left(m_{6+}\right)+\mathrm{\βX}---\mathrm{Eqn}.22$

公式21示出了m₁关于t的微分(dm₁/dt)与m₁之间的线性关系。图9A示出了dm₁/dt与m₁的关系曲线。m₁数据曲线912在曲线的一部分上是线性的。合适间隔915是从曲线912中选择的，这一段曲线基本上是线性的。m₁时间微分为零时的m₁值是可以通过线性延伸916来确定。这就是914所示的无污染m₁。

公式22示出了m₆₊关于t的微分(即dm₆₊/dt)与m₆₊之间的线性关系。图9B示出了dm₆₊/dt与m₆₊的关系曲线。合适间隔925是从m₆₊数据曲线922中选择的，这一段曲线基本上是线性的。m₆₊时间微分为零时的m₆₊值是可以通过从合适间隔925的曲线线性延伸926来确定。这就是924所示的无污染m₆₊。

流体样本的污染可以利用m₁和m₆₊数据来监测。在一些实施例中，加权污染程度可以表示为一个C₁或C₆₊和无污染值的函数：

$\%\mathrm{Cont}.=\frac{m_{l0}-m_l}{m_{l0}}\×100---\mathrm{Eqn}.23$

其中m₁₀是无污染m₁，m₁是视在m₁。

$\%\mathrm{Cont}.=\frac{m_6-m_{6+0}}{1-m_{6+0}}\×100---\mathrm{Eqn}.24$

其中m₆₊₀是无污染m₆₊，m₆₊是视在m₆₊。

在公式15和16中，m₁和m₆₊可以用下式确定的颜色比率R_color代替，：

$R_{\mathrm{color}}=\frac{{\mathrm{OD}}_{\mathrm{color}1}-{\mathrm{OD}}_{\mathrm{base}}}{{\mathrm{OD}}_{\mathrm{color}2}-{\mathrm{OD}}_{\mathrm{base}}}---\mathrm{Eqn}.25$

其中OD_color1和OD_color2是两个不同的颜色通道，OD_base是颜色基道。用颜色比率R_color代替m₁，污染可表示为：

$\%\mathrm{Cont}.=\frac{R_{\mathrm{color}\_0}-R_{\mathrm{color}}}{R_{\mathrm{color}\_0}}\×100---\mathrm{Eqn}.26$

其中R_{color_0}是无污染颜色比率，其与m₁的推导方式是相同的。

图10E示出了本发明方法的一个实施例。这种方法包括多次获得与流体样本甲烷的质量百分比和液态碳氢化合物质量百分比有关的数据(步骤1051所示)。在流体取出时，可以通过监测流体样本来获得数据，或者通过分析这些数据获得。下一步，这种方法包括为甲烷质量百分比选择样本参数的甲烷指数函数(步骤1053所示)和为液体碳氢化合物质量百分比选择样本参数的液体指数函数(步骤1055所示)。这些不需按所示顺序进行。取样参数可以是历经时间、泵出时间、泵出体积、或其他代表取样过程的取样参数。

最后，这种方法包括确定流体样本的污染度(步骤1057所示)。

本发明的某些实施例具有下述优点中的一个或几个。一些实施例能确定无污染GOR。无污染GOR是地质层流体的一个特性，并且可以不用在样本腔室内收集样本就能被确定。通过这样做，可以储存地质层试验工具里收集到的有限的样品量，从而可以增加在一次工具操作中的数据量。

有利的是，本发明的某些实施例能利用视在GOR监测污染。GOR比颜色或甲烷分析更加敏感。视在GOR会在低污染流体中不断增加，这样可以得出更精确的污染水平。还有，视在GOR对流体样本泵出速度的变化不敏感。即使泵出速度降低，GOR也可以持续增加。

有利的是，本发明的某些实施例能确定一个接近GOR的时间函数。在这些实施例中，这些函数可以用来确定将流体样本净化到可以接受的污染水平所需要的时间。

有利的是，本发明的某些实施例能用组成成分的质量百分比来确定视在GOR。视在GOR的函数可以基于关于地质层流体组成成分的假设。利用通常获得的地质层流体数据，GOR函数能很快确定GOR。

有利的是，本发明的某些实施例能用甲烷和液态碳氢化合物的质量百分比来监测污染。在不需要收集额外数据的情况下，就能达到监测流体样本污染的目的。

然而本发明只能描述有限的实施例，在本发明所公开的基础上，本领域的技术人员可以意识到，在不脱离本发明范围的情况下，可以设定其他实施例。所以，本发明的保护范围仅限定在附加的权利要求书中。

Claims (30)

1.一种确定地质层流体特性的方法，包括：

多次获得流体样本的与甲烷峰值光密度和油峰值光密度相关的数据；

多于一次地用多次获得的流体样本的甲烷峰值光密度和油峰值光密度计算视在气—油—比率；

选择能使气—油—比率增加的取样参数的幂函数；

根据所测的数据计算幂函数的指数常量；和

确定从无污染气—油—比率和污染百分比的组中选择的至少一个。

2.根据权利要求1所述的方法，其特征在于所述取样参数是从历经时间、泵出时间和泵出体积这一组中选择出的一个。

3.根据权利要求1所述的方法，其特征在于所述确定指数常量包括为一曲线图选择一合适间隔，所述曲线图是气—油—比率对取样参数自然对数的微分的对数与取样参数的自然对数的关系曲线，并确定这一合适间隔内的曲线斜率。

4.根据权利要求3所述的方法，其特征在于所述合适间隔是自动选择的。

5.根据权利要求1所述的方法，其特征在于所述取样参数是从泵出时间和历经时间这一组中所选择一个，并且还包括确定流体样本具有一个可接受的低污染物体积百分比时的时间。

6.根据权利要求1所述的方法，其特征在于所述取样参数是泵出体积，并且还包括确定流体样本具有一个可接受的低污染物体积百分比时的泵出体积。

7.根据权利要求1所述的方法，其特征在于所述确定从无污染气—油—比率和污染百分比的组中选择的至少一个，包括确定无污染气—油—比率，还包括外推气—油—比率比对取样参数至一点处的指数常量的幂，在该点处，取样参数的指数常量的幂等于零。

8.一种确定地质层流体特性的方法，包括：

对于一流体样本，多次获取与甲烷峰值光密度和油峰值光密度相关的数据；

基于所述数据多次计算样本流体的视在气—油—比率；

选择视在气—油—比率成长的取样参数的指数函数；以及

线性外推气—油—比率至一个点，在这个点处，指数函数对取样参数的微分为零。

9.根据权利要求8所述的方法，其特征在于取样参数是从历经时间、泵出时间和泵出体积这一组中选出的一个。

10.根据权利要求8所述的方法，还包括确定流体样本的污染物百分比。

11.根据权利要求8所述的方法，其特征在于取样参数是从泵出时间、历经时间组中选出的一个，还包括确定流体样本具有一个可接受的低污染物体积百分比时的时间。

12.根据权利要求8所述的方法，其特征在于取样参数是泵出体积，并且还包括确定流体样本具有一个可接受的低污染物体积百分比的泵出体积。

13.一种确定流体样本气—油—比率的方法，包括：

多次获得与甲烷质量成分、非甲烷气态碳氢化合物质量成分、液态碳氢化合物质量成分和二氧化碳质量成分有关的数据；和

利用甲烷质量成分、非甲烷气态碳氢化台物质量成分和二氧化碳质量成分对液态碳氢化合物质量成分的比值确定气—油—比率。

14.根据权利要求13所述的方法，其特征在于所述确定气—油—比率包括利用甲烷质量成分、非甲烷气态碳氢化合物质量成分、液态碳氢化合物质量成分和二氧化碳质量成分的函数。

15.根据权利要求13所述的方法，其特征在于所述函数是基于地质层流体成分的假设。

16.根据权利要求15所述的方法，其特征在于所述假设包括：

流体样本大致为一种甲烷分子组、非甲烷气态碳氢化合物分子组、液态碳氢化合物分子组和二氧化碳分子组的组合物；

甲烷分子组、非甲烷气态碳氢化合物分子组、和二氧化碳分子组在标准条件下为气态；

液态碳氢化合物分子组在标准条件下完全为液态；

乙烷、丁烷、丙烷和戊烷分子的质量比大约分别为4∶3∶2∶1；

液态碳氢化合物分子组的密度大约为0.75g/cm³；和甲烷分子组、非甲烷气态碳氢化合物分子组、和二氧化碳分子组遵守真实气体定律。

17.根据权利要求15所述的方法，其特征在于假设包括：

标准条件下流体闪蒸后甲烷分子组、非甲烷气态碳氢化合物分子组、和二氧化碳分子组完全处于气态；

流体闪蒸后，液态包含4mol％的己烷、5mol％的庚烷、7mol％的辛烷、和8mol％的任烷；

在气态时，己烷、庚烷、辛烷、和任烷的气体能与液态建立平衡；和

液态的密度为0.8g/cm³。

18.一种确定地质层流体特性的方法，包括：

多次获得流体样本的与甲烷质量百分比和液态碳氢化合物质量百分比相关的数据；

每一次利用多次获得的数据计算流体样本的视在甲烷质量百分比和视在液态碳氢化合物质量百分比；

选择一个视在甲烷质量百分比成长的取样参数的甲烷幂函数；

选择一个视在液态碳氢化合物质量百分比成长的取样参数的液态幂函数；

基于数据确定甲烷幂函数的指数常量；

基于数据确定液态幂函数的指数常量；和

确定污染物百分比。

19.根据权利要求18所述的方法，其特征在于基于数据确定甲烷幂函数的指数常量包括在大约0.1至2.0之间选择甲烷幂函数的指数常量，和基于数据确定液态幂函数的指数常量包括在大约0.1至2.0之间选择液态幂函数的指数常量。

20.根据权利要求18所述的方法，其特征在于基于数据确定甲烷幂函数的指数常量包括选择甲烷幂函数的指数常量大约为0.5，和基于数据确定液态幂函数的指数常量包括选择液态幂函数的指数常量大约为0.5。

21.根据权利要求18所述的方法，其特征在于基于数据确定甲烷幂函数的指数常量包括，当地质层受侵入浅时，选择甲烷幂函数的指数常量大约为1/3，当地质层受侵入深时为2/3；基于数据确定液态幂函数的指数常量包括，当地质层受侵入浅时，选择液态幂函数的指数常量大约为1/3，当地质层受侵入深时为2/3。

22.根据权利要求18所述的方法，其特征在于取样参数是从历经时间、泵出时间和泵出体积这一组中选出的一个。

23.根据权利要求18所述的方法，其特征在于确定甲烷幂函数的指数常量包括，在甲烷质量百分比对取样参数自然对数的微分的自然对数与取样参数的自然对数的甲烷关系曲线中选择一合适间隔，并确定这一合适间隔内的甲烷曲线斜率；和确定液态幂函数的指数常量包括，在液态碳气化合物质量百分比对取样参数自然对数的微分的自然对数与取样参数的自然对数的液态关系曲线中选择一合适间隔，并确定这一合适间隔内的液态曲线斜率。

24.根据权利要求23所述的方法，其特征在于甲烷曲线的合适间隔是自动选择的，和液态曲线的合适间隔是自动选择的。

25.根据权利要求18所述的方法，其特征在于取样参数是从包括泵出时间和历经时间这一组数据中所选择的一个，并且还包括确定流体样本低于一个预定污染水平时的时间。

26.根据权利要求18所述的方法，其特征在于取样参数是泵出体积，并且还包括确定流体样本具有一个可接受的低污染物体积百分比时的泵出体积。

27.一种确定地质层流体特性的方法，包括：

多次获得流体样本的与甲烷质量百分比和液态碳氢化合物质量百分比相关的数据；

每一次利用多次获得的数据计算流体样本的视在甲烷质量百分比和视在液态碳氢化合物质量百分比；

选择一个能使视在甲烷质量百分比增加的取样参数的甲烷指数函数；

选择一个能使视在液态碳氢化合物质量百分比增加的取样参数的液态指数函数；和用数据确定污染物百分比。

28.根据权利要求27所述的方法，其特征在于取样参数是从包括历经时间、泵出时间和泵出体积的这一组数据中所选择的一个。

29.根据权利要求27所述的方法，其特征在于取样参数是从包括泵出时间和历经时间的这一组数据中所选择的一个，并且还包括确定何时流体样本低于一个预定污染水平时的时间。

30.根据权利要求27所述的方法，其特征在于取样参数是泵出体积，并且还包括确定流体样本低于一个预定污染水平时的泵出体积。

Images