CN1591042A

CN1591042A - 使用核磁共振测量来测定流体的速度和特性的方法和设备

Info

Publication number: CN1591042A
Application number: CNA2004100687439A
Authority: CN
Inventors: R·弗里曼
Original assignee: Schlumberger Overseas SA
Current assignee: Schlumberger Overseas SA
Priority date: 2003-09-05
Filing date: 2004-09-06
Publication date: 2005-03-09
Anticipated expiration: 2024-09-06
Also published as: RU2004126712A; GB0419045D0; CN100339726C; GB2407167B; DE102004043151A1; DE102004043151B4; US6952096B2; GB2407167A; US20050140368A1

Abstract

一种用于通过核磁共振来测定流体的特性的方法包括将静磁场施加到流体；使用包括扰乱脉冲、等待时间和采集脉冲序列的脉冲序列来采集一组有关流体的核磁共振测量值，其中，对于该等待时间，该组核磁共振测量值具有不同的值；以及使该组核磁共振测量值拟合成响应于流体的正向模型，以导出选自流体的流速、纵向驰豫时间及其组合的参数。

Description

使用核磁共振测量来测定流体的速度和特性的方法和设备

技术领域

本发明总的涉及使用核磁共振(NMR)仪器来进行流体特性。

背景技术

石油和天然气行业已经开发了多种能够测定和预测地层特性的工具。在不同类型的工具中，已经证明核磁共振(NMR)仪器是宝贵的。NMR仪器可以用于测定地层特性，诸如孔洞的部分体积和运动流体填充孔洞的部分体积。NMR测井的总的背景在美国专利No.6140817中描述。

核磁共振是在一组选定的具有核磁矩，即，非零自旋量子数的原子核中出现的现象。当这些原子核被放置在磁场(B_o，“Zeeman场”)中时，它们每个以特定的频率围绕B_o场的轴线进动，该频率为Larmor频率(ω_o)，其为每种核素的特有性能，且依赖于原子核的旋磁比(γ)和在原子核的位置处作用的磁场强度(B_o)，即，ω_o＝γB_o。

除了提供储层压力的测量以外，诸如Schlumberger的ModularDyanmics Testing(MDT)工具之类的井眼流体采样和测试工具可以提供有关储层流体的类型和特性的重要信息。这些工具可以使用工具机载传感器模块来执行井下流体特性的测量。或者，这些工具可以从储层提取流体试样，其可以在瓶子中收集，且带到地面上来分析。收集的试样定期送到流体特性实验室，以分析物理特性，其中包括石油粘度、气油比、质量密度或者API度、分子组成、H₂S、沥青质、树脂和各种其它杂质浓度。然而，因为试样可能由泥浆滤液污染，所以实验数据可能没有用，或者不相应于储层流体特性。

例如，收集的流体试样可能是过滤水和原油的乳浊液，或者在由基于石油的泥浆钻井的井中，可能是储层原油和基于石油的泥浆滤液的混合物。在两种情况下，污染物都可能致使测量的实验数据与就地储层流体的实际特性不相关。在带到地面上的试样具有低的或者可忽略的污染物的情况下，实验结果仍然可能被破坏(例如，由于由温度变化引起的固体沉淀)。因此，需要在井下条件下对没有污染的试样进行地层流体分析。

一些美国专利披露了用于在井眼中对从地层提取的流体试样进行NMR测量的方法和设备。颁发给Kleinberg的美国专利No.6346813B1和Kleinberg等的公布的美国专利申请No.2003/0006768披露了一种在MDT工具的流送管上的NMR模块，用于由核磁信号测定不同的流体特性。该Kleinberg专利和Kleinberg出版物转让给本发明的受让人。从而，通过引证整个包括该专利和申请。颁发给Blades等的美国专利No.6111408也披露了可以包括在类似于Schlumberger MDT^TM工具的流体采样工具中的NMR模块。该NMR模块可以执行不同的NMR测量，包括T₁(纵向驰豫时间)、T₂(横向驰豫时间)以及D(扩散常数)。颁发给Edwards等的美国专利No.6111409披露了一种用于测量来自碳-13原子核的自旋回波信号的设备和方法，以及由化学移谱来分析这些测量值来测定脂族烃与芬香烃的比例的光谱方法。颁发给Schwede的美国专利No.3528000披露了不同的方法，包括那些使用裸眼封隔器的，以将流体试样提取到井眼工具中，以便对流体试样进行NMR测量。然而，这些现有技术专利都没有披露用于测定流速或者流体的T₁的方法。

颁发给King和Santos的美国专利6046587披露了用于测量在管线中流动的多相流体的流速的方法和设备。King和Santos专利教示了通过使用单个NMR传感器来使用由不同的衰减时间获得的信号的NMR自由感应衰减(FID)幅度的比例来推测流速。然而，因为静磁场变化会导致信号衰减太快而不能可靠地检测，因此使用永磁体来测量FID信号是困难的。此外，用于测定流速的King和Santos方法没有说明在管道中有流速分布的事实。在另一个实施例中，King和Santos设备包括两个分开的NMR传感器。多相流体的流速和流体体积从两个传感器中的FID测量值来计算。然而，该计算需要预先知道流体T₁分布。

用于测量流过流体采样工具的流送管的流体速度的两种方法在2003年1月22日由Madio等提交的序列号为No.10/349011的美国专利申请中描述。该申请转让给本发明的受让人，因此通过引证整个包括。两种方法都需要NMR设备的静磁场在流的方向上具有梯度。第一种方法利用在可变等待时间的脉冲序列中的不同的等待时间测量值之间有Larmor频移的事实。该测量的频移与流速和梯度成比例。第二种方法基于这样的事实，即，在奇数回波和偶数回波之间的测量的相差与平均流速和提到成比例的事实。

虽然这些现有技术的方法对于测定地层流体特性是有用的，但是还是需要更好的方法来使用NMR仪器来测定在地层测试工具中流动的流体的特性。

发明内容

在一个方面，本发明的实施例涉及用于通过核磁共振来测定流体的特性的方法。一种根据本发明的一个实施例的用于通过核磁共振来测定流体的特性的方法包括将静磁场施加到流体；使用包括扰乱脉冲、等待时间和采集脉冲序列的脉冲序列来采集一组有关流体的核磁共振测量值，其中，对于该等待时间，该组核磁共振测量值具有不同的值；以及使该组核磁共振测量值拟合成响应于流体的正向模型，以导出选自流体的流速、纵向驰豫时间及其组合的参数。

本发明的另一个方面涉及使用核磁共振来监测在被提取到地层流体测试工具中的流体中的污染物的方法。一种根据本发明的一个实施例的使用核磁共振来监测在被提取到地层流体测试工具中的流体中的污染物的方法包括将静磁场施加到流体；使用包括扰乱脉冲、等待时间和采集脉冲序列的脉冲序列来采集一组流体的核磁共振测量值，其中，对于该等待时间，该组核磁共振测量值具有不同的值；使该组核磁共振测量值拟合成响应于流体的正向模型，以导出流体的特性；以及根据导出的流体特性监测流体中的污染物的级别。

本发明的另一个方面涉及用于测量流体特性的NMR仪器。根据本发明的一个实施例的核磁共振设备包括流管，该流管包括预极化部分和探查部分，其中，预极化部分在探查部分的上游；围绕流管设置的磁体，以产生覆盖预极化部分和探查部分的静磁场；在探查部分处围绕流管设置的天线，用于产生具有大致垂直于静磁场的磁偶极子的磁偶极子的振荡磁场，以及用于接收核磁共振信号；以及用于控制通过天线产生振荡磁场和接收核磁共振信号的电路。

从下面的说明书、附图和权利要求书可以明白本发明的其它方面。

附图说明

图1示出了包括适用于实现本发明的实施例的NMR模块的地层流体测试工具。

图2A示出了根据本发明的一个实施例的NMR传感器的示意图。

图2B示出了沿着根据本发明的一个实施例的NMR传感器的流管的自旋极化曲线的示意图。

图3A示出了根据本发明的一个实施例的用于采集可变等待时间的NMR测量值的脉冲序列的图。

图3B示出了根据本发明的一个实施例的包括扰动脉冲的脉冲序列的图。

图4A和4B分别示出了层流和非层流的示意图。

图5示出了根据本发明的一个实施例在仿真中相对于输入流速的计算的流速。

图6示出了根据本发明的一个实施例将信号幅度拟合成一组具有用于不同流速的可变等待时间的数据。

图7示出了根据本发明的一个实施例将信号幅度拟合成一组具有用于不同流速的可变等待时间的数据。

图8示出了根据本发明的一个实施例在仿真中对于具有不同的T₁流体的相对于输入流速的计算的流速。

图9示出了根据本发明的一个实施例在仿真中对于不同的流速的相对于输入的T₁的计算的T₁。

图10示出了根据本发明的一个实施例的用于测定流体的流速和特性的方法的流程图。

图11示出了根据本发明的一个实施例的用于监测在地层流体测试工具中的流体中的污染物的方法的流程图。

具体实施方式

本发明的实施例涉及使用NMR测量值来测定流体的速度和特性的方法和设备。这里披露的用于测定流速的方法不依赖于静磁场梯度。

本发明的一些实施例还涉及用于测量流体的纵向驰豫时间(T₁)的方法。T₁的测量值提供了一种用于监测在从储层提取到诸如由Schlumberger Technology Corporation(Houston，TX)以MDT^TM商品名销售的Modular Dynamics Tester工具或者任何类似的流体采样工具之类的井眼流体测试/采样工具中的储层流体中的污染物的级别的方法。监测T₁随着时间的变化对于确定何时转移或者停止流是有用的，以便：(1)就地进行纵向驰豫时间(T₁)或者横向驰豫时间(T₂)、扩散系数(D)或者化学移谱的NMR测量，或者(2)收集可以带到地面且送到实验室来分析的流体试样。

本发明的一些实施例涉及用于计算流体的粘度的方法。根据本发明的一个实施例，倘若流体的气油比从其它测量值已知，那么流体的T₁也可以用于使用已知的经验关系来估计储层石油粘度。根据本发明的另一种方法可以使用跨过流送管的压降(ΔP)的测量值连同例如由NMR测定的流速来计算粘度。

本发明的方法可以由从本领域中已知的那些仪器改进的NMR仪器来实践。该NMR仪器可以在实验室中，或者是测井电缆工具的一部分，诸如用于分析从地层提取的流体的地层测试器(流体采样工具)。

图1示出了地层流体测试/采样工具，诸如Schlumberger的Modular Dynamics Testing Tool(MDT)，其包括几个部分，这些部分使得可以从可渗透的地层提取流体。如所示的，地层流体测试工具10包括下面的模块：电子模块11，其可以包括处理器和存储器；液压动力模块12；探测模块13，其可以展开来与地层液压密封；泵出模块17；光学流体分析器(OFA)14；以及多采样模块16。此外，该地层流体测试工具10包括NMR传感器15。

根据本发明的实施例的NMR传感器15包括(1)磁体(例如，永磁体)，其设计为在地层流体测试工具10的流送管(流管)中产生静磁场，以及(2)RF天线(其可以起发射器和接收器的作用)，其设计为发射使其磁偶极子大致垂直于(正交)静磁场的磁偶极子的振荡磁场。振荡磁场的频率选择为等于在探查下的对NMR灵敏的原子核(例如，¹H或者¹³C)的Larmor频率。由于信噪比的考虑，最好测量在快速流动的流体中的¹H原子核。对于固定的测量(即，当流体不流动时)，可以测量来自包括¹³C的其它原子核的信号。本领域中的普通技术人员可以理解，相同的RF天线可以起发射器的作用，以发射振荡磁场，且可以起接收器的作用，以接收信号，如在颁发给Kleinberg的美国专利No.6346813中披露的。或者，可以使用分开的发射器和接收天线。磁体可以具有预极化区域，用于在流体进入发射器/接收器天线区域以前极化流体。预极化对于从快速运动的原子核获得可测量的信号是必须的。

图2A示出了根据本发明的一个实施例的用于测定在流送管22中流动的流体的流速和其它特性的NMR传感器15的视图。如所示的，传感器15包括不导电和非磁性的流送管22、永磁体24和用于发射和接收射频(RF)信号的天线26。

如所示的，流送管(流管)22包括预极化部分28，其在探查部分29的上游。磁体24围绕预极化部分28和探查部分29设置。磁体24可以是永磁体或者电磁体。如所示的，流送管22由不导电和非磁性材料制成，诸如复合或者聚合材料。如果流送管22由导电或者磁性材料(例如，钢)制成，那么天线26最好位于流送管内。

对于在图2A中显示的传感器，天线(电磁线圈)26起发射器和接收器的作用。或者，NMR传感器15可以包括两个天线：一个起发射器的作用，另一个起接收器的作用。此外，天线可以包括电磁线圈、回路或者鞍形线圈。天线26大致覆盖流送管22的探查部分29。

根据本发明的方法的NMR测量值包括一组可变等待时间(W)测量值。在每个等待时间(W)以前，磁化首先由设计为”消除”磁化的脉冲来扰乱，使得M_x＝M_y＝M_z＝0。在扰乱脉冲和等待时间以后，将90度脉冲，随后是180度脉冲(例如，自旋回波脉冲)施加到发射器，以产生自旋回波。

接收天线测量自旋回波信号的同相和正交分量。测量重复多个不同的等待时间。在本发明的其它实施例中，可以施加多个180度脉冲，以产生多个自旋回波信号。此外，本领域中的普通技术人员可以理解，自旋回波还可以使用除了90和180度脉冲以外的脉冲获得，例如，使用混合脉冲。

对于不同的等待时间的检测的自旋回波信号的幅度依赖于流速、等待时间、接收器和发射器长度、磁体预极化长度和流体T₁分布。除了流体的流速和T₁分布以外，所有这些参数通过传感器设计或者通过脉冲序列确定。如果可以利用足够组测量值，那么这些参数可以通过将测量的信号拟合成合适的模型来推导，该模型仿真响应于流体的NMR。也就是，数据可以通过正向模型来解释。

下面披露的方法使用了理论的正向模型，其允许对于前述的脉冲序列、传感器参数、流速和T₁分布的任何组合来计算检测的回波信号。正向模型可以通过转化来拟合到测量的回波信号，以测定表面流速和T₁分布。或者，如果流速从其它测量值已知，那么正向模型可以通过转化来拟合，以确定T₁分布。

传感器和可变等待时间脉冲序列

图2B示出了与速度和位置相关的极化曲线(f(v，z)与接收器线圈(在图2A中显示为26)的长度(l_a)的曲线由两部分构成——一部分来自新的自旋，当它们在等待时间(W)期间在静磁场中行进到接收器中时，它们被”预极化”，以及第二部分，其来自接在收器线圈中且在等待时间(W)期间”预极化”的自旋。在图2A和2B中显示的预极化长度(l_p)相应于预极化区域28的长度。

与位置和速度相关的极化函数由下面的等式给出，

f (v, z) = 1 - \exp (- \frac{T (z, v)}{T_{1}}) . - - - (1)

其中，T(z，v)是对于具有位置z和速度v的自旋的极化时间，T₁是自旋的纵向驰豫时间。极化时间T(z，v)定义为：

T (z, v) = \frac{l_{p} + z}{v} for, 0 \leq z \leq v \cdot W - - - (2 a)

以及，

T(z，v)＝W for v·W＜z≤l_a. (2b)

从上述等式可以明白，与速度(v)和位置(z)相关的极化函数f(v，z)也依赖于l_p、W和T₁。然而，因为极化时间T(z，v)用于简化表示，所以这些依赖性隐含在等式1中。在讨论在图3A和3B中显示的可变等待时间(VWT)脉冲序列的讨论以后，可以更容易理解这些等式。

图3A示出了一组包括N个测量值的可变等待时间脉冲。N最好是在10的量级。在该组中的每次测量以后，施加一个或者多个扰乱脉冲(由脉冲S共同地表示)，以在开始下一个测量的等待时间以前破坏任何剩余的磁化。扰乱脉冲的持续时间和频率是与仪器有关的，且可以根据经验来确定。

如在图3B中由”蝌蚪”示意性显示的，每个等待时间以后施加90度激励脉冲，以将纵向磁化旋转到横向平面上。由于静磁场中的不均匀性(或者其它因素)，来自横向磁化的信号迅速地去相，但是通过180度脉冲被重新聚焦，以产生自旋回波。在获得自旋回波信号以后，施加扰动脉冲来去除接收器线圈内(如图2A中显示为26)的自旋的磁化。本领域中的普通技术人员可以认识，像在图3中显示的一样的可变等待时间序列也可以用于观察自由感应衰减信号，替代自旋回波。也就是，可以省略在图3B中显示的180度脉冲，且可以在90度脉冲以后观察自由感应衰减信号。只需要对正向模型进行较小的和明显的修改。本领域中的普通技术人员也可以认识，通过对正向模型的明显的修改，也可以使用诸如倒转恢复或者饱和恢复脉冲序列之类的其它T₁灵敏的序列。倒转恢复和饱和恢复脉冲序列在本说明书中通常都称为”T₁驰豫探查脉冲序列”。

用于采集NMR信号(FID或者回波)的脉冲序列在本说明书中通常称为”采集脉冲序列”。采集脉冲序列可以包括单个90度脉冲、自旋回波脉冲(即，90度脉冲后面是180度脉冲)，以及包括跟随90度脉冲的多个180度(重新聚焦)脉冲的自旋回波脉冲的变体(例如，CPMG)。这样，如在图3A和3B中所示的”可变等待时间脉冲序列”包括扰动脉冲、等待时间和采集脉冲序列。自旋回波脉冲序列及其变体(例如，CPMG)在本说明书中通常称为”自旋回波脉冲序列”。也就是，”自旋回波脉冲序列”不但包括单个90度脉冲和单个180度(重新聚焦)脉冲，而且包括90度脉冲以后的多个180度(重新聚焦)脉冲。

在每个等待时间期间，新极化或者预极化的自旋进入天线区域。等式2a示出了，在区域0≤z≤vW中，新的自旋在等待时间期间进入天线。该区域的长度依赖于流速(v)和等待时间(W)，即，其依赖于流速(v)和等待时间(W)的乘积。这些新的自旋的极化时间与等待时间无关。替代的，由于自旋进入了永磁体，所以其依赖于自旋暴露到静磁场的持续时间。这是因为，当施加扰动脉冲时，流体的该部分在发射器/接收器天线(在图2A中显示为26)的外部，且在流体的该部分中的自旋的磁化没有被扰动脉冲”消除”。另一方面，如等式2b可见，因为当施加扰动脉冲时，这些自旋在发射器/接收器的区域中，所以在长度为l_a-vW的邻接区域中的自旋的预极化由等待时间(W)控制。这些自旋的磁化由扰动脉冲去除，以及由接收器检测的任何极化是由于在等待时间(W)期间的再极化。如果等待时间足够长，或者流速足够快，使得乘积vW超过天线长度，那么只有新的自旋(那些在扰动脉冲以后进入接收器天线的自旋)被测量，且极化函数与W无关。

用于流体的NMR正向模型的推导

这里披露的方法最好使用正向模型来预测NMR传感器对于具有给定的流速和驰豫时间T₁的分布的流体的响应。传感器的响应也依赖于等待时间和诸如天线长度、磁体预极化长度和流送管的半径之类的传感器的物理参数。对于给定的等待时间和传感器设计，正向模型中仅有的变量为流速和流体的T₁分布。流速和T₁分布最好由正向模型的转化来确定。正向模型在下面的段落中推导。

为了精确地对流体的NMR响应建模，应该考虑在管道中流动的粘性流体的层流的速度曲线是抛物线形的事实。例如，如Victor L.Streeter，“Fluid Mechanics，”McGraw-Hill Book Co.，5^th Edition.p.244可见。在层流中，最大流速V_m出现在管子的轴线上，而在管子壁处的速度为零。在圆形管子中的层流方式的特征在于雷诺数的值R≤2000～3000，其中，层流的确切上限依赖于管子的表面粗糙度。雷诺数由下式限定，

R = \frac{2 r_{o} vρ}{η}, - - - (3)

其中，r_o是流送管(管子)的半径，v是平均流速，ρ是流体质量密度，以及η是流体的粘度。与层流相反，湍流具有无序分量，且更难建模。湍流的一个特征是速度抛物线曲线的变平。图4示出了在圆形管子中的层流(A)和非层流(B)的速度曲线。

为了开发正向模型，需要表示由在图3A和3B中显示的可变等待时间脉冲序列测量的回波幅度。如果A_i表示由等待时间W_i测量的相位校正的回波信号的幅度，那么A_i可以写成接收器天线的灵敏体积(Ω)的体积积分的形式，即，

A_{i} = {&Integral;}_{Ω} S_{a} (\overset{&RightArrow;}{r}) {&Integral; P (T_{1}) f (v (r), z, T_{1}, l_{p}, W_{i}) {dT}_{1}} d^{3} r . - - - (4)

在等式4中的内部积分是与速度和位置相关的极化函数的T₁权重的积分。权重函数是流体的T₁分布P(T₁)。体积积分由空间灵敏度函数S_a(r)来加权，该空间灵敏度函数可以由测量或者计算来确定。为了简化下面的讨论，考虑具有均匀的空间灵敏度的接收器是有用的，以便，

S_{a} = \frac{1}{Ω} = \frac{1}{π r_{o}^{2} l_{a}} - - - (5)

其中，r_o是流管的半径。使用等式5和柱面坐标(r，θ，z)，等式4中的积分可以写成下面的形式：

A_{i} = \frac{2}{l_{a} r_{0}^{2}} {&Integral;}_{0}^{\infty} P (T_{1}) {{&Integral;}_{0}^{r_{O}} [{&Integral;}_{0}^{l_{a}} f (v (r), z, T_{1}, l_{p}, W_{i}) dz] rdr} {dT}_{1} . - - - (6)

在得到等式6中，假设灵敏度函数具有方位角对称性来进行角积分。注意，等式6的被积函数中的极化函数由等式1和2a-2b给出。为了进行A_i的评价，与速度相关的极化函数可以关于z坐标积分来获得，即，

f (v (r), T_{1}, l_{p}, l_{a}, W_{i}) = {&Integral;}_{0}^{W_{i} \cdot v} (1 - \exp (- \frac{l_{p} + z}{v \cdot T_{1}})) \frac{dz}{l_{a}} + {&Integral;}_{W_{i} \cdot v}^{l_{a}} (1 - \exp (- \frac{W_{i}}{T_{1}})) \frac{dz}{l_{a}} . - - - (7)

上面的积分可以解析地进行来产生：

f (v (r), T_{1}, l_{p}, l_{a}, W_{i}) = \frac{W_{i} \cdot v}{l_{a}} - \frac{v \cdot T_{1}}{l_{a}} (1 - \exp (- \frac{W_{i}}{T_{1}})) \cdot \exp (- \frac{l_{p}}{v \cdot T_{1}}) + (1 - \exp (- \frac{W_{i}}{T_{i}})) \cdot (\frac{l_{a} - W_{i} \cdot v}{l_{a}}) - - (8 a)

对于W_i·v＜l_a，以及对于W_i·v≥l_a，积分由下式给出：

f (v (r), T_{1}, l_{p}, l_{a}, W_{i}) = 1 - \frac{v \cdot T_{1}}{l_{a}} \cdot (1 - \exp (- \frac{l_{a}}{v \cdot T_{1}})) \cdot \exp (- \frac{l_{p}}{v \cdot T_{1}}) . - - - (8 b)

在进一步处理以前，进行一些观察是有用的，以便提供对等式8a-8b的了解。等式8a中的前两项说明自旋的预极化，而最后项是由于在等待时间(W)期间没有通过输出流从接收器天线区域去除的自旋的再极化。注意，等式8b可以通过设置W_i·v＝l_a来从等式8a获得。一旦满足条件W_i·v≥l_a，灵敏区域完全充满新的自旋，且极化函数不依赖于W_i。

在等式8a和8b中的函数表示在z坐标积分以后的径向灵敏函数。接下来，必须关于径向坐标来积分这些函数。径向灵敏函数的径向依赖性是由在流送管中的流速的径向变化产生的(如图4可见)。对于层流，速度曲线是抛物线的，且可以写成这样的形式，

v (r) = \frac{(r^{2} - r_{o}^{2})}{r_{o}^{2}} v_{m} - - - (9)

其中，r_o是流送管的半径，v_m是如图4所示的流送管的轴线上(即，在r＝0处)的最大流速。根据等式9，层流的平均流速是v_m/2。虽然等式9描述了对于层流普遍使用的模型，但是替代的层流模型可以如下描述：

v (r) = v_{m} {(1 - \frac{r}{r_{o}})}^{1 / n} - - - (9 a)

其中，n通常在5和10之间。本发明的实施例可以使用这两个层流模型或者其任何变体中的任何一个。为了简明起见，下面的描述是基于在等式9中描述的模型。然而，本领域中的普通技术人员可以理解，在下面的描述中，在等式9a中描述的模型可以替代等式9的模型。

考虑下面的关于径向坐标的积分，

F (v_{m}, T_{1}, l_{p}, l_{a}, W_{i}) = \frac{2}{r_{o}^{2}} {&Integral;}_{0}^{r_{o}} rf (v (r), T_{1}, l_{p}, l_{a}, W_{i}) dr - - - (10)

因为等式9描述了半径r和流速v之间的关系，在等式10中显示的关于半径r的积分可以转换为通过使用等式9来关于流速v的积分，以改变变量，例如

dv = - \frac{2 r}{r_{o}^{2}} v_{m} dr . - - - (11)

等式9和11可以用于改变等式10中的积分变量和界限，以给出

F (v_{m}, T_{1}, l_{p}, l_{a}, W_{i}) = {&Integral;}_{0}^{v_{m}} f (v, T_{1}, l_{p}, l_{a}, W_{i}) \frac{dv}{v_{m}} . - - - (12)

对等式12中的积分的变量进行另一种改变是有用的。改变等式12中的积分中的变量v＝v_m·ξ导致积分

F (v_{m}, T_{1}, l_{p}, l_{a}, W_{i}) = {&Integral;}_{0}^{1} f (v_{m} ξ, T_{1}, l_{p}, l_{a}, W_{i}) dξ, - - - (13)

其采用可以使用高斯积分方法来精确地数值进行的形式。合并项，回波幅度的等式6可以再写成下面的形式：

A_{i} = {&Integral;}_{0}^{\infty} P (T_{1}) F (v_{m}, T_{1}, l_{p}, l_{a}, W_{i}) d T_{1} . - - - (14)

注意，通过l_p，l_a，和W_i的已知值，模型回波幅度只依赖于P(T₁)、分布T₁和最大流速v_m。如在后面部分中描述的，P(T₁)和v_m的估计可以通过使用多组可变等待时间数据来转化模型来获得。对于层流，v_m和流送管半径r_o完全确定等式9中的速度曲线。

在等式13中的表示是基于在等式9中描述的抛物线速度流体曲线来推导的。这对于层流是合适的。然而，对于在图4中显示的非层流曲线，在等式13中推导的等式是无效的，应该修改。

在图4中描述的对于非层流的速度曲线可以通过下面的等式来描述：

v(r)＝v_m for 0≤r≤α，(15a)以及

v (r) = \frac{{{(r - a)}^{2} - {(r_{o} - a)}^{2}} v_{m}}{{(r_{o} - a)}^{2}}, for, a \leq r \leq r_{o} . - - - (15 b)

使用等式15a和15b，等式10中的积分可以表示为两个积分的和，即，

F (v_{m}, a, T_{1}, l_{p}, l_{a}, W_{i}) = \frac{2}{r_{o}^{2}} {&Integral;}_{0}^{a} rf (v_{m}, T_{1}, l_{p}, l_{a}, W_{i}) dr + \frac{2}{r_{o}^{2}} {&Integral;}_{a}^{r_{o}} rf (v (r), T_{1}, l_{p}, l_{a}, W_{i}) dr . - - - (16)

右边的第一个积分是明了的。通过使用等式15b将关于r的积分转换为关于v的积分来执行第二个积分。最后的步骤是引入变量v＝v_m·ξ的变化，以将等式16转化为下面的形式：

F (v_{m}, a, T_{1}, l_{p}, l_{a}, W_{i}) = \frac{a^{2}}{r_{o}^{2}} f (v_{m}, T_{1}, l_{p}, l_{a}, W_{i}) + \frac{{(r_{o} - a)}^{2}}{r_{o}^{2}} {&Integral;}_{0}^{1} f (v_{m} \cdot ξ, T_{1}, l_{p}, l_{a}, W_{i}) dξ . - - - (17)

注意，如果a＝0，等式17减少到用于层流的等式13。此外，在等式14中的模型回波幅度除了依赖于v_m和P(T₁)以外还依赖于参数a。通过转化正向模型，估计参数a，从而推测湍流或者非层流的波端或者存在是可行的。

数值积分

等式17中的积分可以表示为被积函数关于一组固定的横坐标的加权和，即，

F (v_{m}, a, T_{1}, l_{p}, l_{a}, W_{i}) = \frac{a^{2}}{r_{o}^{2}} f (v_{m}, T_{1}, l_{p}, l_{a}, W_{i}) + \frac{{(r_{o} - a)}^{2}}{2 r_{o}^{2}} Σ_{k = 1}^{n} w_{k} f (v_{m} \cdot ξ_{k}, T_{1}, l_{p}, l_{a}, W_{i}) . - - - (18)

对于n阶高斯积分的权重w_k和横坐标x_k可以在1964年6月由M.Abramowitz和L.A.Stegun编辑的National Bureau of StandardsApplied Mathematics Series 55的”Handbook of MathematicalFunctions With Formulas，Graphs，and Mathematical Tables，”中给定的表格中找到。例如，在下面的表格中，显示6阶高斯积分的横坐标和权重。

6阶高斯积分的横坐标和权重
6阶高斯积分的横坐标和权重		±x_k	w_k
0.238619186083197	0.467913934572691	±x_k	w_k
0.238619186083197	0.467913934572691	0.661209386466265	0.360761573048139
0.932469514203152	0.171324492379170	0.661209386466265	0.360761573048139

表格中给定的横坐标用于在(-1，1)的范围中的积分。在等式18中的横坐标可以使用等式从后面获得。

ξ_{k} = \frac{x_{k} + 1}{2} . - - - (19)

在进行等式18的总和中，依赖于ξ_k＜l_a/v_mW_i或者ξ_k≥l_a/v_mW_i，再调用”被积函数”是等式8a或者8b中的与速度相关极化函数是有用的。

正向模型的转化

根据本发明的实施例，一旦通过可变等待时间获得了流体的NMR数据，它们被拟合成正向模型，以提供流体的流速和T₁信息。转化包括改变正向模型中的参数v_m、P(T₁)和a，直到测量的回波幅度符合由模型预测的回波幅度。有很多不同的方法来将测量的数据拟合成模型。下面描述了两种方法来作为例子。本领域中的普通技术人员可以理解，在不偏离本发明的范围的情况下也可以使用其它方法。

转化方法NO.1

测量的NMR数据包括在NMR仪器的同相和正交通道中测量的信号。正交信号相对于在同相通道中检测的相应的信号为90度异相。

测量的信号包括噪声。这样，为了将模型拟合到测量数据，一些测量噪声应该加到由模型推导的信号中。下面的等式示出了该方法：

{\tilde{A}}_{i, r} = A_{i} \cos φ + I_{i, r}, - - - (20 a)

{\tilde{A}}_{i, q} = A_{i} \sin φ + I_{i, q} . - - - (20 b)

其中，和分别为对于通过等待时间W_i测量的在同相和正交通道中的测量的幅度；A_i为模型预测的信号幅度；φ为模型预测的信号相位；以及I_i，r和I_i，q分别为信号和正交通道中的噪声。假设I_i，r和I_{i， q}为在两个通道中具有相等的方差σ²的零均值高斯噪声。使用等式14，信号幅度A_i可以写成下面的形式：

A_{i} = Σ_{l = 1}^{N_{c}} a_{l} F_{i, l} (v_{m}, a), - - - (21)

其中，在等式14中关于T₁的积分由关于用于近似T₁分布的N_c幅度(a_i)的总和来替代。下面的量定义为：

F_i，l(v_m，a)≡F(v_m，a，T_1，l，l_a，l_p，W_i).

(22)

且再调用包括参数a的等式18，以描述由于非层流产生的抛物线前端变平的半径。

确定离散组的驰豫时间T_1，l，且可以选择为在对数标度上相等的隔开。因为同相和正交信号相互成90度异相，所以可以从使用下面的等式测量的同相和正交幅度估计的信号相位φ：

\hat{φ} = \arctan (\frac{Σ_{i = 1}^{N_{m}} {\tilde{A}}_{i, q}}{Σ_{i = 1}^{N_{m}} {\tilde{A}}_{i, r}}) . - - - (23)

其中，φ上的脱字符表示其为估计值；以及N_m是在可变等待时间测量值组中的测量值的数量(不同的等待时间)。

然后，根据在颁发给Freedman的美国专利No.5291137(”Freedman专利”)中披露的方法，从等式23获得的相位估计值可以用于计算相位校正的信号加上噪声幅度和均方根(rms)噪声。该专利通过引证在此整个包括。简要地，

{\tilde{A}}_{i}^{(+)} = {\tilde{A}}_{i, r} \cos \hat{φ} + {\tilde{A}}_{i, q} \sin \hat{φ} - - - (24 a)

以及

{\tilde{A}}_{i}^{(-)} = {\tilde{A}}_{i, r} \sin \hat{φ} - {\tilde{A}}_{i, q} \cos \hat{φ} . - - - (24 b)

Freedman专利显示，

< {\tilde{A}}_{i}^{(+)} > = A_{i} - - - (25)

其中，角括号表示期望值，以及A_i是如在等式14中描述的模型预测的幅度。可以从该等式计算rms噪声估计值，

\hat{σ} = \sqrt{\frac{1}{N_{m}} Σ_{i = 1}^{N_{m}} {({\hat{A}}_{i}^{(-)})}^{2}} . - - - (26)

通过最小化拟合误差的平方和，例如通过相对于参数v_m，、a和该组幅度a₁来最小化目标函数，测量的幅度数据可以拟合成模型幅度：

E (v_{m}, a {a_{l}}) = Σ_{i = 1}^{N_{m}} {({\tilde{A}}_{i}^{(+)} - A_{i} (v_{m}, a, {a_{l}}))}^{2} + γ Σ_{l = 1}^{N_{m}} a_{l}^{2}, - - - (27)

在等式27中的最后一项用于通过减小在未确定的逆问题中出现的噪声幅度的影响来稳定该方法。参数γ是调整参数，且γ≥0。

注意，在永磁体的磁场梯度中的”自旋动力学”效果可以导致测量的回波幅度的衰减。如Hürlimann and Griffin，“Spin-Dynamicsof Carr-Purcell-Meiboom-Gill-like Sequences in GrosslyInhomogeneous B0 and B1 Fields and Application to NMR WellLogging，“J.Magn.Reson.v.143，120-135(2000)可见。因此，对于自旋动力学衰减校正了等式27中的回波幅度。

等式27中的最小化可以使用许多市场上可获得的优化程序来进行，在服从约束条件的情况下，这些优化程序可以最小化线性或者非线性函数。一种这样的程序是称为”DLCONG”的双精度子程序，其可以从由Visual Numerics Corp.(San Ramon，CA)销售的商品名为IMSL^TM的优化代码库的一部分可以得到。如果解析函数可以设置为目标函数的偏倒数，那么该DLCONG代码更加稳固。目标函数的倒数可以解析地计算。例如，从等式27可以获得下面的倒数：

\frac{&PartialD; E}{{&PartialD; a}_{k}} = - 2 \cdot Σ_{i = 1}^{N_{m}} ({\tilde{A}}_{i}^{(+)} - A_{i} (v_{m}, a, {a_{l}})) F_{i, k} (v_{m}, a) + 2 \cdot γ \cdot a_{k}, - - - (28)

以及

\frac{&PartialD; E}{&PartialD; v_{m}} = - 2 \cdot Σ_{i = 1}^{N_{m}} ({\tilde{A}}_{i}^{(+)} - A_{i} (v_{m}, a, {a_{l}})) \cdot Σ_{k = 1}^{N_{m}} a_{k} \frac{&PartialD; F_{i, k} (v_{m}, a)}{{&PartialD; v}_{m}}, - - - (29)

以及

\frac{&PartialD; E}{&PartialD; a} = - 2 \cdot Σ_{i = 1}^{N_{m}} ({\tilde{A}}_{i}^{(+)} - A_{i} (v_{m}, a, {a_{l}})) \cdot Σ_{k = 1}^{N_{m}} a_{k} \frac{{&PartialD; F}_{i, k} (v_{m}, a)}{&PartialD; a} . - - - (30)

目标函数在等式29中的倒数需要F_i，l相对于V_m.的微分。根据等式17，该微分需要与速度相关的极化函数的倒数，即，

\frac{{&PartialD; F}_{i, l} (v_{m}, a)}{{&PartialD; v}_{m}} = \frac{a^{2}}{r_{o}^{2}} \frac{&PartialD; f_{i, l} (v_{m})}{{&PartialD; v}_{m}} + \frac{{(r_{o} - a)}^{2}}{2 r_{o}^{2}} Σ_{k = 1}^{n} w_{k} \frac{&PartialD; f_{l, l} (v_{m} ξ_{k})}{{&PartialD; v}_{m}} . - - - (31)

在等式31的求导中，积分和微分的阶互换，且与速度相关的极化函数的紧缩记法引入如下：

f_i，l(v_m·ξ)≡f(v_mξ，T_1，l，l_a，l_p，W_i)，

(32)

其可以通过替代v＝v_m·ξ来从等式8a和8b获得。因为转化决定性地依赖于这些倒数的精度，所以显示这些详细的结果是有用的。等式31的总和的倒数如下给定，当ξ＜l_a/(v_m·W_i)时，

\frac{{&PartialD; f}_{i, l} (v_{m} \cdot ξ)}{{&PartialD; v}_{m}} = \frac{ξ \cdot W_{l}}{l_{a}} - [\frac{(l_{p} + v_{m} \cdot ξ \cdot T_{1, l})}{v_{m} \cdot l_{a}} \cdot \exp (- \frac{l_{p}}{v_{m} \cdot ξ \cdot T_{1, l}}) + \frac{ξ \cdot W_{i}}{l_{a}}] \cdot (1 - \exp (- \frac{W_{i}}{T_{i, l}})), - - (33)

以及当ξ≥ l_a/(v_m·W_i)时，

\frac{{&PartialD; f}_{i, l} (v_{m} \cdot ξ)}{{&PartialD; v}_{m}} = - (1 - \exp (- \frac{l_{a}}{v_{m} \cdot ξ \cdot T_{1}})) \cdot \frac{(l_{p} + v_{m} \cdot ξ \cdot T_{1, l})}{v_{m} \cdot l_{a}} \cdot \exp (- \frac{l_{p}}{v_{m} \cdot ξ \cdot T_{1, l}}) + \frac{1}{v_{m}} \exp (- \frac{l_{a} + l_{p}}{v_{m} \cdot ξ \cdot T_{1, l}}) - - - (34)

注意，等式31的右手侧的第一项的偏倒数可以通过设置ξ＝l来从等式33和34获得。等式30中的F_i，l相对于a的偏倒数是明了的，且通过等式17的微分可以容易地获得。

转化方法No.2

在前面部分中描述的方法将相位校正的数据拟合成驰豫模型。下面描述的替代方法同时将两通道数据拟合到正向模型。类似于等式27的误差或者目标函数可以限定为：

E (v_{m}, a, {a_{l, r}}, {a_{l, q}}) = Σ_{i = 1}^{N_{m}} {({\tilde{A}}_{l, r} - A_{l, r} \cdot (v_{m}, a, {a_{l, r}}))}^{2} + Σ_{i = 1}^{N_{m}} {({\tilde{A}}_{l, q} - A_{i, q} (v_{m}, a, {a_{l, q}}))}^{2} + γ Σ_{l = 1}^{N_{m}} a_{l}^{2}, - - - (35)

其中，

A_i，r＝A_icosφ，

(36a)

A_i，q＝A_isinφ，

(36b)

a_l，r＝a_lcosφ，

(36c)

以及

a_l，q＝a_lsinφ.

(36d)

等式35的目标函数可以相对于v_m，a以及两组幅度{a_l，r}和{a_{l， q}}最小化。T₁分布中的幅度可以使用下面的等式从这两组幅度直接计算，

a_{l} = \sqrt{a_{l, r}^{2} + a_{l, q}^{2}} . - - - (37)

信号相位也可以使用下面的等式从这些幅度估计，

\hat{φ} = \arctan (\frac{Σ_{i = 1}^{N_{c}} a_{l, q}}{Σ_{l = 1}^{N_{c}} a_{l, r}}), - - - (38)

其中，N_c是用于近似T₁分布的分量数。此外，等式35中的目标函数的最小化可以通过许多市场上可得到的程序(例如，DLCONG)中的任何一种以及前面部分中讨论的偏倒数来实现。

数值仿真

本发明的实施例可以精确地估计流体中的流速和T₁值(流体的T₁值的分布或者平均)。接下来描述一些计算机仿真实验，其证明了v_m和T₁可以使用本发明的实施例来估计的精度。对于具有l_a＝0.5英寸、l_p＝10.0英寸和r_o＝0.1英寸的NMR传感器(如图2所示)进行仿真。在从0.001秒到0.72秒的范围的可变等待时间组中有35个等待时间。用于仿真的平均流速为2.5，5.0，10.0，15.0，20.0，25.0，30.0，35.0和40.0英寸/秒。

图5示出了平均流速(＝v_m/2)相对于估计的平均流速的比较。该仿真是在假设0.1p.u.的rms噪声幅度的情况下进行的。考虑到当在完全极化的固定流体上测量时信号幅度为100p.u.，这是相对高的信噪比。在图5中显示的仿真是对于具有T₁值的范围的三种不同的流体进行的。用于仿真中的T₁分布是单个定值的(即，Dirac δ函数)。注意，对于所有三种流体，在用于仿真中的估计的平均流速(y轴线)和输入值(x轴线)之间有好的一致性。在较高的平均流速下(例如，大约30英寸/秒以上)有一些精度损失。然而，考虑到高的流速，这些估计值相当的好。

图6示出了对于具有T₁＝0.316秒的流体的作为流速的函数的可变等待时间数据组，以及正向模型的转化后拟合到这些数据。注意，在图6中，由于不完全的极化，测量的回波幅度随着增加的流速而较大地减小。这可以说明在图5中的流速估计值在较高的流速下的精度损失。该效果对于具有长T₁的流体加剧。

图7示出了对于具有T₁＝3秒的流体在不同流速下的可变等待时间数据，以及转化后拟合。拟合的质量通过如下定义的无量纲x平方的”拟合质量因数”参数来评价，

χ^{2} = \frac{1}{N_{w} \cdot σ^{2}} Σ_{i = 1}^{N_{w}} {({\tilde{A}}_{i}^{(+)} - A_{i} (v_{m}, a, {a_{l}}))}^{2} . - - - (39)

对于完全拟合x²＝1，在噪声误差范围内。

注意，回波幅度随着流速增加而较大地减小。这转化为测量信噪比的较大地减小。图7中的数据的另一个重要的特征是当流速增加时的数据压缩(即，曲线更靠近在一起)。这样，减小了对在高流速处进行的流速测量的相对灵敏度。这两种效果，减小的信噪比和减小的灵敏度，意味着在较高的流速处精确地转化可变等待时间数据组更加困难。

图8示出了与图5中相同的仿真的结果，但是由1.0p.u.的rms噪声来替代0.1p.u.。图5和8的比较显示，流速估计的质量由信噪比的十倍降低而较大地下降。这清楚地显示了具有高信噪比测量的重要性。

对于具有宽T₁分布的流体，分布的几何平均或者分布的其它矩可以用于监测和定性流送管中的流体。

从测量值估计流体粘度

如上所述，本发明的一些实施例涉及从流体的NMR测量值估计流体粘度的方法。一旦流体的流速根据上述的方法由具有可变等待时间的一组NMR测量值确定，流体的粘性也可以根据在下面的部分中描述的方法来估计。将描述使用对在流送管中的流体进行的可变等待时间的测量来估计流体粘度(η)的两种方法。本领域中的普通技术人员可以理解，这两种方法只是示例性的，在不偏离本发明的范围的情况下可以使用其它方法。

第一种方法使用由NMR测量值估计的平均流速(v)和跨过流送管长度L的测量的压降ΔP来计算粘度(η)的估计。压降ΔP可以从装备在NMR传感器上或者地层测试工具的压力传感器来获得。从流速(v)和压降(ΔP)的流体粘度计算可以根据熟知的流体力举公式来实现(例如，如Victor L.Streeteretal.，FluidMechanics，5^th Edition.p.244，McGraw-Hill，NY可见)：

η = \frac{ΔP \cdot r_{o}^{2}}{8 \cdot v \cdot L}, - - - (40)

其中，流体的平均速度v等于v_m/2。因为L和r_o由设备限定，所以等式40可以转化为更加普遍的形式，

η = K \cdot \frac{ΔP}{v}, - - - (41)

其中，比例常数K可以由对具有以已知的压力梯度在不同的速度下测量的已知粘度的流体进行的测量值来经验地确定。使用v，η和流体的质量密度的独立测量值，可以从等式3计算雷诺数R。等式40或者41中的计算对于任何粘性的流体是有效的，且不限制于原油或者盐水。

用于估计原油粘度的第二种方法是使用T₁分布的几何平均或者算术平均。T₁分布的算术平均通过已知的相关性来与石油粘度相关(例如，如Freedman et al.，“A New NMR Method of FluidCharacterization in Reservoir Rocks：ExperimentalConfirmation and Simulation Results，”SPE Journal，December2001，452-464可见)，

η_{o} = \frac{kT}{T_{1, LM} \cdot f (GOR)}, - - - (42)

其中，η_o是厘泊的石油粘度，k是对于原油的经验确定的常数，T是Kelvin温度，T_1，LM是石油T₁分布的算术平均，以及f(GOR)是溶解气油比(GOR)经验确定的函数。等式42中GOR的可以从流送管中的其它测量值来确定，或者可以从储层流体特性的局部或者先验知识已知。

由等式40、41或者42计算的流体的计算的T₁分布或者粘度可以用于监测流送管中的流体的污染物的变化。该应用将在下面的部分中描述。

图10示出了根据本发明的实施例的方法100。根据该方法，通过可变等待时间采集一组NMR数据(步骤102)。用于数据采集的脉冲序列可以包括扰动脉冲、等待时间和采集脉冲序列，如图3A和3B所示。采集脉冲序列可以包括简单的90度激励脉冲、自旋回波脉冲(90-滞后-180)、Carl-Purcell-Meiboom-Gill(CPMG)脉冲或者自旋回波脉冲或者CPMG脉冲的任何变体。单个自旋回波脉冲在图3B中示例性显示。在不偏离本发明的范围的情况下，显示的90度和180度脉冲可以由其它脉冲(例如，混合脉冲)来替代。

如上所述，除了在图3A和3B中显示的可变等待时间脉冲序列以外，本发明的实施例还可以使用其它T₁探查脉冲序列。例如，倒转恢复脉冲序列或者饱和恢复脉冲序列可以替代地使用。如果使用饱和恢复脉冲序列模型拟合过程类似于使用扰乱脉冲序列。然而，如果使用倒转恢复脉冲序列，那么将修改等式1的自旋极化函数。

一旦采集了该组可变等待时间的NMR，它们可以使用上述的转化方法的任何一种来拟合成正向模型(步骤104)。该转化过程产生流体的流速(v)和T₁值。这样获得的T₁值可以是T₁分布或者T₁分布的算术平均。

由NMR数据拟合到流体模型获得的流速(v)和/或T₁值可以用于计算流体的粘度(步骤106)。如上所述，根据等式40或者41，估计的流速(v)连同跨过NMR传感器的长度L的独立测量的压降(ΔP)可以用于计算流体粘度(η)。类似的，估计的T₁值或者其算术平均可以连同独立确定的GOR函数f(GOR)一起使用，以计算流体粘度(η)，如等式42所示。然而，可以使用这些方法的任何变体。

如上所述，当从地层提取流体时，本发明的实施例可以用于监测流体污染物。由于根据在图10中显示的方法能够计算流体的T₁和粘度，所以当流体被提取到地层流体测试工具中时可以监测地层流体的纯度。

图11示出了根据本发明的方法的用于这样的监测的方法110。根据该方法，地层流体被提取到测试工具中(步骤112)，且监测流体的粘度或者T₁值(步骤114)。因为提取的流体的早期部分可能被泥浆滤液污染，所以它们的特性(例如，粘度和T₁值)可能不同于未污染的地层流体。当地层流体的流继续时，泥浆滤液污染的级别将逐渐降低。因此，通过监测流体的粘度或者T₁值，可以辨别何时泥浆滤液污染物减小到可忽略的水平，例如通过监测反应纯地层流体的特性的近似稳态值的粘度或者T₁值。

通过讯问粘度或者T₁值是否到达稳定值(步骤116)，可以决定是否继续提取地层流体。例如，如果粘度或者T₁值没有稳定，那么提取过程和监测将继续。如果粘度或者T₁值稳定，那么提取的流体试样可以保存下来，用于以后的分析，或者可以进行就地井下测量(步骤118)。

各种NMR测量已经在井下进行。例如，颁发给Freedman的美国专利No.6229308和颁发给Venkataramanan等的美国专利No.6462541B1披露了在井下条件下的NMR测量。这些测量可以提供T₂(横向驰豫时间)分布、地层流体的D(扩散)分布、T₂-D图、流体分类和流体粘度(η)。

在图11中显示的方法110功能上等于目前用于监测由地层流体测试工具提取的流体中的污染物的很多监测技术。其它方法例如可以监测流体的颜色、光密度或者GOR。这样，在图11中显示的方法110提供了这些现有方法的替代物。

如图10和11中显示的方法可以实现为计算机程序，且存储在与测井一起使用的计算机或者处理器上，例如，包括在图1中显示的电子模块11中的处理器或者电路。

本发明的优点包括如下。本发明的实施例提供了估计流体的流速、T₁值和粘度的方便的方法。本发明的方法可以用在地层流体测试工具上或者任何其它类型的设备和需要监测流体流动的应用中。如果用在地层测试工具上，当从地层取出地层流体时，本发明的方法可以用于监测地层流体的污染物。这些方法确保了取出基本没有污染物的地层流体来用于分析。通过提供当地层流体被提取时用于监测地层流体中的污染物的方法，本发明的方法可以减轻与地层流体分析中的污染物相关的问题。此外，在监测表示污染物可以忽略时，本发明的方法还提供了井下NMR测量。能够在接近储层条件下测量流体特性可以提供表示就地流体特性的流体特性。

虽然相对于有限数量的实施例描述了本发明，得益于本披露物的本领域中的普通技术人员可以理解，可以在不偏离如这里披露的本发明的范围的情况下设计其它实施例。因此，本发明的范围只由后附的权利要求书限定。

Claims

1.一种用于通过核磁共振来测定流体的特性的方法，其包括：

将静磁场施加到流体；

使用包括扰乱脉冲、等待时间和采集脉冲序列的脉冲序列来采集一组有关流体的核磁共振测量值，其中，对于该等待时间，该组核磁共振测量值具有不同的值；以及

使该组核磁共振测量值拟合成响应于流体的正向模型，以导出选自流体的流速、纵向驰豫时间及其组合的参数。

2.如权利要求1所述的方法，其特征在于，采集脉冲序列包括选自自旋回波脉冲序列和单个脉冲中的一种。

3.如权利要求1所述的方法，其特征在于，通过正向模型的转化来进行拟合。

4.如权利要求1所述的方法，其特征在于，还包括基于推导的流速和跨过流体行进的管子的选择的长度的压降来估计流体的粘度。

5.如权利要求4所述的方法，其特征在于，根据选自

η = \frac{ΔP \cdot r_{o}^{2}}{8 \cdot v \cdot L}

和

η = K \frac{ΔP}{v}

的一个来估计，其中，η是粘度，v是流体的平均速度，L是管子的选择的长度，ΔP是选择的管子长度上的压降，以及r₀是管子的半径，以及K是经验上确定的常数。

6.如权利要求1所述的方法，其特征在于，还包括基于推导的流体的纵向驰豫时间和气油比来估计流体的粘度。

7.如权利要求6所述的方法，其特征在于，该估计是根据：

η_{o} = \frac{kT}{T_{1, LM} \cdot f (GOR)}

其中，η_o是粘度，k是对于流体的经验确定的常数，T是Kelvin温度，T_1，LM是流体的纵向驰豫时间的算术平均，以及f(GOR)是气油比(GOR)经验确定的函数。

8.一种用于通过核磁共振来测定流体的特性的方法，其包括：

将静磁场施加到流体；

使用包括纵向驰豫探查脉冲序列和采集脉冲序列的脉冲序列来采集一组有关流体的核磁共振测量值，其中，对于纵向驰豫探查脉冲内的衰减时间，该组核磁共振测量值具有不同的值；以及

9.如权利要求8所述的方法，其特征在于，该纵向驰豫探查脉冲选自倒转恢复脉冲序列和饱和恢复脉冲序列中的一种。

10.如权利要求8所述的方法，其特征在于，该采集脉冲序列包括选自自旋回波脉冲序列和单个脉冲中的一种。

11.如权利要求8所述的方法，其特征在于，通过正向模型的转化来进行拟合。

12.如权利要求8所述的方法，其特征在于，还包括基于推导的流速和跨过流体行进的管子的选择的长度的压降来估计流体的粘度。

13.如权利要求12所述的方法，其特征在于，根据选自

η = \frac{ΔP \cdot r_{o}^{2}}{8 \cdot v \cdot L}

和

η = K \frac{ΔP}{v}

14.如权利要求8所述的方法，其特征在于，还包括基于推导的流体的纵向驰豫时间和气油比来估计流体的粘度。

15.如权利要求14所述的方法，其特征在于，该估计是根据：

η_{o} = \frac{kT}{T_{1, LM} \cdot f (GOR)}

16.一种使用核磁共振来监测在被提取到地层流体测试工具中的流体中的污染物的方法，其包括：

将静磁场施加到流体；

使用包括扰乱脉冲、等待时间和采集脉冲序列的脉冲序列来采集一组流体的核磁共振测量值，其中，对于该等待时间，该组核磁共振测量值具有不同的值；

使该组核磁共振测量值拟合成响应于流体的正向模型，以导出流体的特性；以及

根据导出的流体特性监测流体中的污染物的级别。

17.如权利要求16所述的方法，其特征在于，流体的特性包括选自纵向驰豫时间的分布、纵向驰豫时间的算术平均，以及它们的组合中的一种。

18.如权利要求16所述的方法，其特征在于，流体的特性是粘度

19.一种核磁共振设备，其包括：

流管，该流管包括预极化部分和探查部分，其中，预极化部分在探查部分的上游；

围绕流管设置的磁体，以产生覆盖预极化部分和探查部分的静磁场；

在探查部分处围绕流管设置的天线，用于产生具有大致垂直于静磁场的磁偶极子的磁偶极子的振荡磁场，以及用于接收核磁共振信号；以及

用于控制通过天线产生振荡磁场和接收核磁共振信号的电路。

20.如权利要求19所述的设备，其特征在于，电路包括具有使用包括扰动脉冲、等待时间和采集脉冲序列的脉冲序列来用于采集一组流体的核磁共振测量值的指令的程序。

21.如权利要求20所述的设备，其特征在于，采集脉冲序列包括选自自旋回波脉冲序列和单个脉冲中的一种。

22.如权利要求20所述的设备，其特征在于，该程序还包括用于使该组核磁共振测量值拟合成响应于流体的正向模型，以导出选自流体的流速、纵向驰豫时间及其组合的参数的指令。

23.如权利要求22所述的设备，其特征在于，通过正向模型的转化来进行拟合。

24.如权利要求22所述的设备，其特征在于，该程序还包括用于基于推导的流速或者推导的纵向驰豫时间来估计流体的粘度的指令。