CN1804613A - 合采天然气储气分层产能测试及动态监测地球化学方法 - Google Patents
合采天然气储气分层产能测试及动态监测地球化学方法 Download PDFInfo
- Publication number
- CN1804613A CN1804613A CNA2005101326019A CN200510132601A CN1804613A CN 1804613 A CN1804613 A CN 1804613A CN A2005101326019 A CNA2005101326019 A CN A2005101326019A CN 200510132601 A CN200510132601 A CN 200510132601A CN 1804613 A CN1804613 A CN 1804613A
- Authority
- CN
- China
- Prior art keywords
- gas
- gas storage
- layering
- fingerprint
- hydrocarbon
- 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
- 239000007789 gas Substances 0.000 title claims abstract description 306
- 238000003860 storage Methods 0.000 title claims abstract description 111
- 238000012360 testing method Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 61
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 239000003345 natural gas Substances 0.000 title claims abstract description 26
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 70
- 150000002430 hydrocarbons Chemical class 0.000 claims abstract description 61
- 239000004215 Carbon black (E152) Substances 0.000 claims abstract description 59
- 238000004519 manufacturing process Methods 0.000 claims abstract description 26
- 238000002156 mixing Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000013178 mathematical model Methods 0.000 claims abstract description 15
- 239000000126 substance Substances 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 239000011435 rock Substances 0.000 claims description 103
- 230000008569 process Effects 0.000 claims description 24
- 238000011084 recovery Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 14
- -1 natural gas hydrocarbons Chemical class 0.000 claims description 10
- 230000008676 import Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 239000012467 final product Substances 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000010076 replication Effects 0.000 description 4
- OFBQJSOFQDEBGM-UHFFFAOYSA-N Pentane Chemical group CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 2
- 235000011613 Pinus brutia Nutrition 0.000 description 2
- 241000018646 Pinus brutia Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012113 quantitative test Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012159 carrier gas Substances 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- SNRUBQQJIBEYMU-UHFFFAOYSA-N dodecane Chemical compound CCCCCCCCCCCC SNRUBQQJIBEYMU-UHFFFAOYSA-N 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 229940094933 n-dodecane Drugs 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001698 pyrogenic effect Effects 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
Images
Landscapes
- Filling Or Discharging Of Gas Storage Vessels (AREA)
Abstract
本发明涉及一种合采天然气储气分层产能测试及动态监测地球化学方法。其特征在于:包括下列各步骤:1)取合采气井的各分层天然气,选取计算得到各储气分层天然气特征烃指纹参数;2)取合采气井的各分层天然气,按照不同混合配比模式形成模拟混合气样,分别进行色谱指纹分析,得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数;3)采用非线性的人工神经网络智能学习算法建立数学模型及测试模板;4)采集所需测定的合采井井口气样进行色谱指纹分析,得到相应特征烃指纹数据;5)建立的数学模型及测试模板,计算得出此合采井各储气分层天然气的产能贡献。该方法能经济、快速、准确有效的对储气分层产能测试及动态监测。
Description
技术领域:
本发明涉及一种在天然气田开发生产中对气藏的监测方法,具体涉及对合采气井中储气分层产能贡献进行测试及监测的方法。
背景技术:
随着在松辽盆地北部徐家围子断陷徐深1井营城组获得工业气流、无阻挡全井日产量1.18×106m3/d的天然气,大庆油田深层天然气勘探取得历史性突破,又在徐家围子断陷部署了徐深2、徐深6井等多口深探井和评价井,均见到较厚的气层及良好效果,尤其在徐深6井营城组3561.0m~3570.0m压裂试气获得522676m3/d高产工业气流,为实现深层天然气“探明储量3000×108m3~4000×108m3、可采储量2000×108m3~3000×108m3”的目标奠定了坚实的基础,大庆油田深层天然气勘探开发成为“热点”之一,对创建百年油田具有战略意义。由于气井的储气分层厚度及储气量、孔隙度、渗透率等非均质性的影响,在合采时各储气分层产气贡献量不同、产气时间长短会不同,而储气分层天然气的贡献大小及测试,在勘探上对搞清地区储气分层分布及特征、产能评价、指导勘探部署等有重要意义;在开发上对气井实施分层管理、动态监测,及时掌握合采天然气储气分层的产能贡献,确保综合治理措施正确有效,实现稳产高产有重要意义。
目前,储气分层产能测试一般通过分层试气、生产测井等获得,对开发生产气井来说,存在井下作业、工艺复杂、操作难度大、安全性要求高、成本高、周期长等缺点。大庆油田天然气分层测试资料目前主要由分层试气获得,随着深层天然气勘探开发生产的加快及全国第五大气田的形成,分层产能测试及动态监测已成为制约天然气开发生产中的技术瓶颈,亟待开发一项经济、快速、有效的储气分层产能测试及动态监测新技术。为此,首先提出并开展了储气分层天然气产能地球化学测试技术的理论方法与实验研究,为解决制约天然气开发生产中分层产能测试及动态监测的技术瓶颈和储气分层产能评价提供一项有效的方法。
发明内容:
本发明的目的是解决现有的储气分层产能测试存在井下作业、工艺复杂、操作难度大、安全性要求高、成本高、周期长的不足,提供一种可以动态监测合采气井储气分层产能贡献的地球化学监测方法,该方法能经济、快速、准确有效的对储气分层产能测试及动态监测。
本发明所采用的技术方案是:该合采天然气储气分层产能测试及动态监测地球化学方法,包括下列步骤:
1)取合采气井的各分层天然气,按天然气烃指纹色谱分析方法检测,选取计算得到各储气分层天然气特征烃指纹参数;
2)取合采气井的各分层天然气,按照不同混合配比模式形成模拟混合气样,分别进行色谱指纹分析,得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数;
3)利用步骤2)得到的化学参数,采用非线性的人工神经网络智能学习算法建立数学模型及测试模板;
4)采集所需测定的合采井井口气样进行色谱指纹分析,得到相应特征烃指纹数据;
5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板,计算得出此合采井各储气分层天然气的产能贡献。
上述的非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成,在正向传播过程中,输入信息从输入层经隐含层逐层处理,并向输出层传播,每一层神经元的状态只影响下一层神经元的状态,如果在输出层不能得到期望的输出,则转入反向传播,将误差信号沿原来的连接通路逐层返回,通过误差信号来修改各层神经元的权值,使得误差减小,直至误差达到精度要求;
误差函数公式如下:
上述的步骤3)建立数学模型,是指在模拟计算处理过程中,逐个输入所有模拟混合气样色谱分析所选取的模板特征烃指纹参数,经过一系列的Sigmoid函数及矩阵运算、加权、平均,输出到第二个隐层,经过同样原理的一系列运算,输出到第一个隐层,再经过同样原理的一系列运算,输出到输出层,输出层即是合采气各分层的百分贡献率与实际配比的各层百分比对比,把误差按原来路径逐层反馈回去,在反馈的过程中,按误差的大小,依次调整各个节点的权向量矩阵;按照调整之后的权向量矩阵再次重复上面的步骤,如此循环往复,直到输出与实际配比之间的误差满足所要求的精度(模拟计算程序在训练模板时设计了各分层天然气贡献率与实际配比之间的相对误差及精度控制设置,各分层气贡献率共分7个控制范围:<1%不控制、1~5%、5~10%、10~25%、25~50%、50~75%、75~100%,在训练模板时分别输入各个控制范围的人为所要求的相对误差即可)为止;这时,存储各层各个单元的权值矩阵及相关参数,就建立了合采气井储气分层产能贡献计算的数学模型及测试模板。
上述的步骤1)所述特征烃指纹参数的选取步骤为:
1)按照普遍性原则选取各储气分层天然气中都存在的色谱指纹峰;
2)按照差异性原则选取各储气分层天然气中都存在差异的色谱指纹峰;
3)再利用上述2个相近的色谱指纹峰面积比值作为特征烃指纹参数。
上述的步骤2)所述按照不同混合配比模式应遵循下述原则:
对于不同产气层数的合采气井要采用不同的配比模式及方法,即2层、3层、4层、5层等合采气井的配比模式不同,每种配比模式中的每组配比采用“比例配伍”原则,如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10,而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
上述的输出与实际配比之间的相对误差可以人为控制。
本发明的有益效果是:本发明主要提出了合采天然气储气分层产能贡献的地球化学测试理论和测试方法,依据该理论和方法进行模拟配比实验,建立了化学模型和数学模型及测试模板。实验验证了储气分层天然气在时间上的相对稳定性,实现了3个储气分层对合采天然气产能贡献的定量测试,地化测试结果准确可靠。该技术具有快速、准确、经济、有效、不影响生产、安全性高的特点,根据需要随时从井口采集气样分析计算实现动态监测。
附图说明:
图1为本发明人工智能神经网络模拟计算示意图;
图2为本发明非对称Sigmoid函数示意图;
图3为实施例中徐深1井天然气烃指纹气相色谱图;
图4为实施例中徐深1井储气分层天然气差异性图。
具体实施方式:
以下结合具体实施例来作进一步的说明,该合采天然气储气分层产能测试及动态监测地球化学方法,包括下列步骤:
1)取合采气井的各分层天然气,按天然气烃指纹色谱分析方法检测,选取计算得到各储气分层天然气特征烃指纹参数;
2)取合采气井的各分层天然气,按照不同混合配比模式形成模拟混合气样,分别进行色谱指纹分析,得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数;
3)利用步骤2)得到的化学参数,采用非线性的人工神经网络智能学习算法建立数学模型及测试模板;
4)采集所需测定的合采井井口气样进行色谱指纹分析,得到相应特征烃指纹数据;
5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板,计算得出此合采井各储气分层天然气的产能贡献。
上述的非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成,在正向传播过程中,输入信息从输入层经隐含层逐层处理,并向输出层传播,每一层神经元的状态只影响下一层神经元的状态,如果在输出层不能得到期望的输出,则转入反向传播,将误差信号沿原来的连接通路逐层返回,通过误差信号来修改各层神经元的权值,使得误差减小,直至误差达到精度要求;
误差函数公式如下:
上述的步骤3)建立数学模型,是指在模拟计算处理过程中,逐个输入所有模拟混合气样色谱分析所选取的模板特征烃指纹参数,经过一系列的Sigmoid函数及矩阵运算、加权、平均,输出到第二个隐层,经过同样原理的一系列运算,输出到第一个隐层,再经过同样原理的一系列运算,输出到输出层,输出层即是合采气各分层的百分贡献率与实际配比的各层百分比对比,把误差按原来路径逐层反馈回去,在反馈的过程中,按误差的大小,依次调整各个节点的权向量矩阵;按照调整之后的权向量矩阵再次重复上面的步骤,如此循环往复,直到输出与实际配比之间的误差满足所要求的精度(模拟计算程序在训练模板时设计了各分层天然气贡献率与实际配比之间的相对误差及精度控制设置,各分层气贡献率共分7个控制范围:<1%不控制、1~5%、5~10%、10~25%、25~50%、50~75%、75~100%,在训练模板时分别输入各个控制范围的人为所要求的相对误差即可)为止;这时,存储各层各个单元的权值矩阵及相关参数,就建立了合采气井储气分层产能贡献计算的数学模型及测试模板。
上述的步骤1)所述特征烃指纹参数的选取步骤为:
1)按照普遍性原则选取各储气分层天然气中都存在的色谱指纹峰;
2)按照差异性原则选取各储气分层天然气中都存在差异的色谱指纹峰;
3)再利用上述2个相近的色谱指纹峰面积比值作为特征烃指纹参数。
上述的步骤2)所述按照不同混合配比模式应遵循下述原则:
对于不同产气层数的合采气井要采用不同的配比模式及方法,即2层、3层、4层、5层等合采气井的配比模式不同,每种配比模式中的每组配比采用“比例配伍”原则,如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10,而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
上述的输出与实际配比之间的相对误差可以人为控制。
本发明主要提出了合采天然气储气分层产能贡献的地球化学测试理论和测试方法,依据该理论和方法进行模拟配比实验,建立了化学模型和数学模型及测试模板。本发明还就建立的模型,选择大庆油田深层天然气勘探取得历史性突破的徐家围子断陷的徐深1井天然气,进行室内模拟配比实验与现场监测对比进行验证。
以下从几方面详细说明本发明:
一、地球化学测试理论方法与数学模拟计算测试理论:
1、测试理论:
同一连通储气分层内天然气在横向上的均质性和稳定性、不同储气分层天然气纵向上的差异性是储气分层产能贡献的测试的基础。在连通的储气分层中,来自不同烃源岩、不同成藏期次的天然气,由于天然气的易运移性、易混合性和储气分层条件的相似性,通过密度驱动、热对流、分子扩散等混合方式,使天然气组成特征具有一致性或相似性即均质性;在纵向上,由于烃源岩、天然气运移和(或)储气分层环境(温度、岩石等)等存在差异,使各储气分层天然气具有差异性;合采过程就是各储气分层天然气在井筒中的混合过程,来自各储气分层的天然气沿着储气分层流入井底,在井筒中由井底向井口的流动过程中通过管流、分子扩散等形式发生混合,混合过程是一个各储气分层天然气烃指纹分子化合物组成变化的动态过程,发生混合的程度受各储气分层天然气烃指纹分子化合物的物理化学性质自身特性、混合时间(储气分层天然气从井底到井口的流动时间)、井下条件(温度、压力)等共同影响,一般接近完全混合或完全混合。
天然气烃指纹检测技术,从分子级水平上对天然气的烃类组成进行分析,能够检测出甲烷到正十二烷中160多个指纹化合物,反映了天然气中烃类化合物组成及含量,含有丰富的油气信息,各储气分层天然气在烃指纹组成与含量(如异构烷烃和环烷烃等)上存在可检测的差异性和可配比性,而表征各储气分层天然气差异性的特征烃指纹参数是一个不随储气分层天然气数量(体积或重量)变化的量。在实验室用储气分层天然气不同模式的混合配比过程来模拟天然气的合采过程,通过建立合适的化学模型参数和数学模型,实现合采天然气储气分层产能贡献的数学模拟计算。
2、测试方法:
(1)天然气烃指纹检测方法:
将一定量天然气注入富集管(富集温度-75℃~-65℃)中,使天然气中烃类在低温下得到富集,再加热解吸,通过六通阀切入气相色谱仪分析。天然气烃指纹气相色谱分析条件:岛津GC-14A气相色谱仪及数据处理机,50m弹性石英毛细色谱柱,氢火焰离子化检测器,载气为氦气,燃气为氢气,助燃气为空气,柱起始温度35℃,恒温5min,以2℃/min升到180℃,恒温至组分全部流出;采用标样、保留时间及文献定性。
(2)储气分层天然气的差异性及表征:
储气分层天然气的差异性是储气分层产能地球化学测试的先决条件,一般采用天然气特征烃指纹参数的相对偏差来表征。由于天然气样品在采集检测过程中难免混入空气,且不同样品混入空气的量难以保持一致等,故特征烃指纹参数采用2个相邻或相近烃指纹峰峰面积或峰高的比值来表示,特征烃指纹峰参数选择依据普遍性、稳定性、差异性、可配比性、分离效果好的原则,方法是先选择烃指纹在各储气分层普遍存在、重复分析相对偏差小于5%、分离效果好的指纹峰;再从中选择出各储气分层之间相对应指纹峰参数的相对偏差大于10%的指纹参数;最后从中选择相关性较好的指纹峰作为特征烃指纹参数,用来表征各储气分层及天然气。
(3)天然气配比模式方法与化学模型参数:
对于不同产气层数的合采气井要采用不同的配比模式及方法,即2层、3层、4层、5层等合采气井的配比模式不同,每种配比模式中的每组配比采用“比例配伍”原则,如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10,而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
将混合配比得到的混合气中不同特征烃指纹参数值与其各个储气分层混合比例之间建立相对应关系即为化学模型参数。
(4)数学模拟计算方法和测试模板的建立:
数学模拟计算不能采用线性拟合的方法,否则会增大计算误差,主要有两个原因:一是采用的特征烃指纹比值参数不严格成线性迭加关系。二是天然气是由链烷烃、环烷烃、芳烃、非烃等组成的复杂的混合物,不同天然气发生完全混合时,对于某烃组分化合物来说,就是多溶质在多溶剂中的多元混合,由于天然气各组份分子化合物自身特性及化合物之间的相互作用、井下混合条件、实验室分析条件和分析精度等共同影响,并不是所有指纹化合物都满足线性关系,随着储气分层数的增加,合采时各储气分层天然气组分化合物之间的相互影响增多,会导致非线性关系程度增大,致使储气分层天然气与合采天然气中烃指纹参数之间已不是简单的线性关系,而是一种复杂的曲线性关系。因此,需要建立非线性人工智能神经网络学习算法及模拟计算软件。
本发明采用非线性的人工神经网络智能学习算法建立数学模型,该模型计算过程见图1。该计算过程由正向传播和反向传播组成,在正向传播过程中,输入信息从输入层经隐含层逐层处理,并向输出层传播,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向传播,将误差信号沿原来的连接通路逐层返回,通过误差信号来修改各层神经元的权值,使得误差减小,直至误差达到精度要求。
局部误差函数公式如下:
在上述数学模拟计算处理过程中,逐个输入所有混合配比样品色谱分析所选取的模板特征指纹参数值等,经过一系列的Sigmoid函数及矩阵运算、加权、平均,输出到第二个隐层,经过同样原理的一系列运算,输出到第一个隐层,再经过同样原理的一系列运算,输出到输出层,输出层即是合采天然气储气分层的百分贡献率与实际配比的各层百分比对比,把误差按原来路径逐层反馈回去,在反馈的过程中,按误差的大小,依次调整各个节点的权向量矩阵。按照调整之后的权向量矩阵再次重复上面的步骤,如此循环往复,直到输出与实际配比之间的误差满足所要求的精度为止。这时,存储各层各个单元的权值矩阵及相关参数,就建立了合采井天然气储气分层产能贡献的测试模板。
Sigmoid函数为神经元的非线性作用函数,非对称Sigmoid函数为
函数值范围为(0,1),对称Sigmoid函数
函数值为(-1,1)。由于合采井各分层气的产量百分比范围在[0,100%],因此这里采用非对称Sigmoid函数,如图2所示。
在应用该测试模板时,只需要把合采井口天然气色谱分析的相应特征烃指纹参数导入,即可计算出此合采井各储气分层天然气的产能贡献。
下面以大庆油田深层天然气勘探取得历史性突破的徐深1井为试验井说明本发明的具体实施过程:
1、徐深1井储气分层分布及开采状况:
徐深1井位于松辽盆地北部徐家围子断陷升平—兴城构造的中段,是受升西逆冲断裂控制的背斜构造,是徐家围子地区的一口深探井(完钻井深4500m),钻遇的深部地层有登娄库组(kld)、营城组(klyc)、沙河子组(klsh)、火石岭组(J3h),以不同级别的不整合面及相对的整合面为界,总体上构成四套碎屑岩夹三套火山岩的地层构架。营城组及以下深部地层普遍含气,为煤成气和油型裂解气组成的有机成因混合天然气,处于高-过成熟气演化阶段,天然气分布分为营城-登娄库组(正常压力系统)和火石岭组(超压含气系统)两个含气系统,储气层主要分布在营城组的火山岩和火石岭组的砾岩储气层,营城组火成岩孔洞、裂缝发育,火山岩岩性有流纹质集块岩、熔结角砾岩、凝灰岩和晶屑凝灰岩等;火石岭组储气分层岩石主要为安山质火山角砾岩和集块岩。
徐深1井合采气井共射开4个储气层段,分别是营城组的3364.0~3379.0m(145号层)、3460.0~3470.0m(149号层)、3592.0~3624.0m(150号层)和火石岭组的4446.0~4466.0m(234和235号层)储气层,射开厚度分别为11m、10m、12m、20m。根据徐深1井储气层压力状况合采及产气层号为145、149、150,控制产气量2×105m3/d。
2、样品采集
储气分层气样:在分层试气时获得。
合采气样:在气井开发生产时从井口获得。
3、测试实验与结果对比:
(1)重复性:
将徐深1井3592.0~3624.0m储气分层天然气做烃指纹分析重复测定,色谱烃指纹参数重复测定结果(表1)的最大相对偏差为4.72%、最小相对偏差为0.09%,相对偏差不大于5%,样品分析重复性好。
表1 天然气指纹烃参数重复测定结果
次数 | 色 谱 特 征 烃 指 纹 参 数 | ||||||||||
12偏差% | 2#/3#3.933.584.72 | 4#/5#2.212.073.26 | 5#/6#0.840.811.72 | 6#/7#1.001.000.09 | 10#/8#0.230.241.58 | 10#/9#0.200.190.92 | 10#/11#0.380.372.23 | 13#/15#3.583.600.21 | 14#/15#0.270.293.79 | 17#/15#0.580.561.40 | 24#-23#10.0710.753.27 |
备注:2#-异戊烷,3#-正戊烷,4#-2,2-二甲基丁烷,5#-环戊烷,6#-2-甲尽戊烷,7#-3-甲基戊烷,8#-正己烷,9#-2,2-二甲基戊烷,10#-甲基环戊烷,11#-2,4-二甲基戊烷13#-环己烷,14#-2-甲基己烷,15#-2,3-二甲基戊烷,17#-2-甲基己烷,23#-正庚烷,24#-甲基环已烷 |
(2)储气分层天然气特征烃参数的稳定性:
储气分层天然气特征烃指纹参数的相对稳定性是合采天然气储气分层产能贡献动态监测的关键之一,若在动态监测期间特征烃指纹参数不能保持相对稳定,就不能保证监测结果的准确性。从2002年1月17日和2002年12月2日徐深1井采集的3592.0~3624.0ml50号储气分层天然气样品检测结果(表2)看,不同时间采集的2块天然气样品特征烃指纹参数最大相对偏差为5.13%,基本满足同一样品重复测定相对偏差不大于5%的要求,表明储气分层天然气特征烃指纹参数具有时间上的相对稳定性。
表2 天然气特征烃指纹参数开采时间上的稳定性
采样日期 | 2#/3# | 4#/5# | 5#/6# | 6#/7# | 10#/8# | 10#/9# | 10#/11# | 13#/15# | 14#/15# | 17#/15# | 24#/23 |
2002.1.172002.12.2相对偏差% | 3.883.761.57 | 2.342.144.46 | 0.880.832.92 | 1.101.004.76 | 0.260.244.00 | 0.210.195.00 | 0.410.375.13 | 3.733.591.91 | 0.300.283.45 | 0.630.575.00 | 11.4610.414.80 |
(3)储气分层天然气特征烃指纹参数及表征:
徐深1井天然气烃指纹色谱分析最多可检测出160个指纹峰(图3),从4个储气分层天然气特征烃指纹参数检测结果(表3、图4)看,所选的11对天然气特征烃指纹参数差异明显,说明各储气分层中的天然气存在差异,可以用这些特征烃指纹参数来表征4个储气分层及天然气。
表3储气分层天然气色谱特征烃指纹参数
井深m | 2#/3# | 4#/5# | 5#/6# | 6#/7# | 10#/8# | 10#/9# | 10#/11# | 13#/15# | 14#/15# | 17#/15# | 24#/23 |
3364.0~3379.03460.0~3470.03592.0~3624.04446.0~4466.0 | 1.853.762.860.37 | 2.632.141.521.19 | 0.660.830.890.07 | 0.461.001.111.72 | 0.700.241.300.13 | 0.390.191.5912.39 | 0.190.372.922.52 | 1.143.590.430.14 | 0.950.280.412.30 | 1.220.570.732.73 | 0.7210.4114.860.61 |
(4)储气分层天然气产能贡献测试结果:
从3个储气分层贡献测试模板回归计算结果(表4)看,回归计算结果最大绝对偏差为6.49%、最大相对偏差为9.95%;从储气分层贡献测试模板效验结果(表5)看,最大绝对偏差为3.03%、最大相对偏差为8.05%,表明测试模板能够有效计算在实验室条件下混合的各储气分层混合比例。
表4测试模板回归计算结果
序号 | 储气分层号 | 配比模式% | 模板同归结果% | 绝对偏差% | 相对偏差% |
12345 | 145149150145149150145149150145149150145149 | 10.0010.0080.0010.0080.0010.0080.0010.0010.0020.0020.0060.0020.0060.00 | 11.369.0979.5411.8779.938.1978.9111.739.3421.0118.7660.2116.9764.53 | 1.360.910.461.870.071.811.091.730.661.011.240.213.034.53 | 6.374.770.298.550.049.950.697.963.412.463.200.178.203.64 |
6789101112 | 150145149150145149150145149150145149150145149150145149150145149150 | 20.0060.0020.0020.0030.0030.0040.0030.0040.0030.0040.0030.0030.0040.0040.0020.0040.0020.0040.0020.0040.0040.00 | 18.4858.4618.0423.4831.9829.7738.3329.6339.8830.4741.9528.4930.0438.3838.0123.6044.7521.7333.5119.6439.1841.16 | 1.521.541.963.481.980.231.670.370.120.471.951.510.041.621.993.604.751.736.490.360.821.16 | 3.951.305.158.003.190.382.130.620.150.782.382.580.072.072.558.265.604.158.830.911.041.43 |
表5测试模板效验结果
序号 | 储气分层号 | 实际配比% | 模效果% | 绝对偏差% | 相对偏差% |
12 | 145149150145149150 | 70.0020.0010.0020.0030.0050.00 | 71.9217.568.5123.0327.7449.22 | 1.922.441.493.032.260.78 | 1.356.508.057.043.910.79 |
将不同时间采集的徐深1井合采天然气特征烃指纹分析结果(表6)导入测试模板中得到监测结果(表7),从中看出,该井投产4个月(2005年3月20日采样)分层测试结果145、149、150号层分别贡献为13.70%、22.65%、63.64%(表7),与分层试气结果的8%、25%、67%的最大绝对误差为6%,150号层为徐深1井主力产气层,地化测试结果与分层测试结果具有很好的一致性;该井投产11个月(2005年11月12日采样)地化分层测试结果145、149、150号层分别贡献为15.30%、25.31%、59.38%,150号层主力产气层贡献下降4.26%,而145、149号层贡献分别上升1.60%、2.66%,149号层贡献增加较145号明显。
表6徐深1合采天然气色谱特征烃指纹参数
采样日期 | 2#/3 | 4#/5 | 5#/6 | 6#/7 | 10#/8 | 10#/9 | 10#/11 | 13#/15 | 14#/15 | 17#/15 | 24#/23 |
2005.03.202005.11.12 | 2.733.48 | 2.752.72 | 1.020.99 | 1.161.14 | 0.170.15 | 0.170.17 | 0.390.40 | 0.220.21 | 0.260.28 | 0.480.50 | 12.2611.52 |
表7徐深1合采天然气储气分层贡献计算结果
日期 | 储气3364.0~3379.0m145 | 分层3460.0~3470.0m149 | 贡献%3592.0~3624.0m150 | 备注 |
2005.3.20 | 13.70 | 22.65 | 63.64 | 开采累计4个月 |
2005.11.12 | 15.30 | 25.31 | 59.38 | 开采累计11个月 |
2002.9.15-2003.5.17 | 8 | 25 | 67 | 分层测试 |
本发明具有下述特点:
(1)在国内外首先提出并确立了合采天然气储气分层产能地球化学测试理论与模拟计算方法,实验验证了储气分层天然气在时间上的相对稳定性,实现了3个储气分层对合采天然气产能贡献的定量测试,属于原创性、前瞻性的实验测试技术及科研成果。
(2)合采天然气储气分层贡献地化测试结果表明,徐深1井145(3364.0~3379.0m)、149(3460.0~3470.0m)、150(3592.0~3624.0m)号层贡献分别为13.70%、22.65%、63.64%,150号层为主力产气层,与分层试气结果的绝对误差最大为6%,两种测试方法具有很好的一致性,地化测试结果准确可靠;地化动态监测结果表明,徐深1井投产近1年150号层主力产气层贡献下降4.26%,149号层比145号层贡献增加明显。对于认识徐家围子断陷深层不同层位的含气性、指导该地区天然气勘探和动态监测储气分层产气状况、合理配产等开发都有重要意义。
(3)深层气指纹库的建设为在大庆油田深井实施储气分层产能地球化学测试及动态监测、分层管理奠定了基础,体现了勘探开发“一体化”,具有显著的技术经济和社会效益。该技术具有快速、准确、经济、有效、不影响生产、安全性高的特点,根据需要随时从井口采集气样分析计算实现动态监测;适用于4层及以下合采天然气储气分层产能测试及动态监测,完全满足大庆深合采气井的生产需要;由于储气分层气样是在勘探试气阶段获得,对开发生产气井地化分层产能测试不需要再取分层气样,节省了分层取样费,地化测试费每口井1万元,生产测井测试费每口井13万元,地化测试1次节约费用12万元,20口深层气井每年分层监测2次共节约测试费480万元/年;随着大庆油田深层天然气勘探开发生产的加快及气井数量的增加,将为大庆油田深层天然气勘探开发和创建百年油田发挥重要作用,同时对国内外其它气田有借鉴作用,应用前景广阔。
Claims (6)
1、一种合采天然气储气分层产能测试及动态监测地球化学方法,其特征是:
1)取合采气井的各分层天然气,按天然气烃指纹色谱分析方法检测,选取计算得到各储气分层天然气特征烃指纹参数;
2)取合采气井的各分层天然气,按照不同混合配比模式形成模拟混合气样,分别进行色谱指纹分析,得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数;
3)利用步骤2)得到的化学参数,采用非线性的人工神经网络智能学习算法建立数学模型及测试模板;
4)采集所需测定的合采井井口气样进行色谱指纹分析,得到相应特征烃指纹数据;
5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板,计算得出此合采井各储气分层天然气的产能贡献。
2、根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法,其特征在于:所述非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成,在正向传播过程中,输入信息从输入层经隐含层逐层处理,并向输出层传播,每一层神经元的状态只影响下一层神经元的状态,如果在输出层不能得到期望的输出,则转入反向传播,将误差信号沿原来的连接通路逐层返回,通过误差信号来修改各层神经元的权值,使得误差减小,直至误差达到精度要求;
误差函数公式如下:
3、根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法,其特征在于:步骤3)建立数学模型,是指在模拟计算处理过程中,逐个输入所有模拟混合气样色谱分析所选取的模板特征烃指纹参数,经过一系列的Sigmoid函数及矩阵运算、加权、平均,输出到第二个隐层,经过同样原理的一系列运算,输出到第一个隐层,再经过同样原理的一系列运算,输出到输出层,输出层即是合采气各分层的百分贡献率与实际配比的各层百分比对比,把误差按原来路径逐层反馈回去,在反馈的过程中,按误差的大小,依次调整各个节点的权向量矩阵;按照调整之后的权向量矩阵再次重复上面的步骤,如此循环往复,直到输出与实际配比之间的误差满足所要求的精度(模拟计算程序在训练模板时设计了各分层天然气贡献率与实际配比之间的相对误差及精度控制设置,各分层气贡献率共分7个控制范围:<1%不控制、1~5%、5~10%、10~25%、25~50%、50~75%、75~100%,在训练模板时分别输入各个控制范围的人为所要求的相对误差即可)为止;这时,存储各层各个单元的权值矩阵及相关参数,就建立了合采气井储气分层产能贡献计算的数学模型及测试模板。
4、根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法,其特征在于:步骤1)所述特征烃指纹参数的选取步骤为:
1)按照普遍性原则选取各储气分层天然气中都存在的色谱指纹峰;
2)按照差异性原则选取各储气分层天然气中都存在差异的色谱指纹峰;
3)再利用上述2个相近的色谱指纹峰面积比值作为特征烃指纹参数。
5、根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法,其特征在于:步骤2)所述按照不同混合配比模式应遵循下述原则:
对于不同产气层数的合采气井要采用不同的配比模式及方法,即2层、3层、4层、5层等合采气井的配比模式不同,每种配比模式中的每组配比采用“比例配伍”原则,如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10,而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
6、根据权利要求1或3所述的合采天然气储气分层产能测试及动态监测地球化学方法,其特征在于,所述输出与实际配比之间的相对误差可以人为控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2005101326019A CN1804613A (zh) | 2005-12-27 | 2005-12-27 | 合采天然气储气分层产能测试及动态监测地球化学方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2005101326019A CN1804613A (zh) | 2005-12-27 | 2005-12-27 | 合采天然气储气分层产能测试及动态监测地球化学方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1804613A true CN1804613A (zh) | 2006-07-19 |
Family
ID=36866703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2005101326019A Pending CN1804613A (zh) | 2005-12-27 | 2005-12-27 | 合采天然气储气分层产能测试及动态监测地球化学方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1804613A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133242A (zh) * | 2014-07-31 | 2014-11-05 | 盎亿泰地质微生物技术(北京)有限公司 | 一种判识下伏地层构造的含油气性的方法 |
CN106352244A (zh) * | 2016-08-31 | 2017-01-25 | 中国石油化工股份有限公司 | 一种基于分层神经网络的管道泄漏检测方法 |
CN111119835A (zh) * | 2018-11-01 | 2020-05-08 | 中国石油化工股份有限公司 | 一种随钻工况识别方法及系统 |
-
2005
- 2005-12-27 CN CNA2005101326019A patent/CN1804613A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133242A (zh) * | 2014-07-31 | 2014-11-05 | 盎亿泰地质微生物技术(北京)有限公司 | 一种判识下伏地层构造的含油气性的方法 |
CN106352244A (zh) * | 2016-08-31 | 2017-01-25 | 中国石油化工股份有限公司 | 一种基于分层神经网络的管道泄漏检测方法 |
CN111119835A (zh) * | 2018-11-01 | 2020-05-08 | 中国石油化工股份有限公司 | 一种随钻工况识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3329272B1 (en) | Method to determine transformation of kerogen to oil/gas at different maturities using step-wise pyrolysis-gas chromatography | |
Sachse et al. | Petroleum source rocks of the Tarfaya Basin and adjacent areas, Morocco | |
Li et al. | Composition, origin, and distribution of coalbed methane in the Huaibei Coalfield, China | |
CN100403023C (zh) | 多种有机成因类型天然气混合比例定量测试地球化学方法 | |
Tang et al. | Coalbed methane accumulation conditions and enrichment models of Walloon Coal measure in the Surat Basin, Australia | |
Karacan et al. | Coal bed reservoir simulation with geostatistical property realizations for simultaneous multi-well production history matching: a case study from Illinois Basin, Indiana, USA | |
Bao et al. | Gas origin and constraint of δ13C (CH4) distribution in the Dafosi mine field in the southern margin of the Ordos Basin, China | |
Wu et al. | Characteristics of hydrogen and oxygen isotopes in produced water and productivity response of coalbed methane wells in Western Guizhou | |
Zheng et al. | Natural gas characteristics and gas-source comparisons of the Lower Triassic Feixianguan Formation, Eastern Sichuan Basin, China | |
Ekpo et al. | Geochemical fingerprinting of western offshore Niger Delta oils | |
Liu et al. | Hydrocarbon sources and charge history in the southern slope region, Kuqa foreland basin, northwestern China | |
Li et al. | Improved understanding of the origin and accumulation of hydrocarbons from multiple source rocks in the Lishui Sag: Insights from statistical methods, gold tube pyrolysis and basin modeling | |
ZHANG et al. | Sedimentary facies and evolution of Middle Permian Lucaogou Formation in Bogda area | |
Li et al. | Dynamic evolution of the fluid effect of multiple reservoirs due to CBM coproduction: An experimental investigation | |
Hu et al. | Numerical simulation of petroleum generation and migration in the Qingshui sag, western depression of the Liaohe basin, northeast China | |
CN1804613A (zh) | 合采天然气储气分层产能测试及动态监测地球化学方法 | |
Peters et al. | Geochemically distinct oil families in the onshore and offshore Santa Maria basins, California | |
CN1250966C (zh) | 定量评价混源天然气源岩贡献比例的方法 | |
Zhijun et al. | Main factors controlling hydrocarbon reservoirs and exploration directions in the pre-salt sequence in Precaspian Basin | |
Wang et al. | Investigation on hydrocarbon generation and expulsion potential by deep learning and comprehensive evaluation method: A case study of Hangjinqi area, Ordos Basin | |
CN1381734A (zh) | 碳氢比地层流体饱和度测井方法 | |
Wang et al. | Surrogate-Assisted Evolutionary Optimization of CO2-ESGR and Storage | |
CN1250967C (zh) | 多层混采原油分层产能贡献动态色谱监测方法 | |
Wang et al. | Numerical simulation research on well pattern optimization in high–dip angle coal seams: a case of Baiyanghe Block | |
Wei et al. | Geochemical Characteristics and Geological Significance of Coalbed Methane in Suzhou Mining Area of the Huaibei Coalfield |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |