CN103679540A - 一种基于储层构型要素界面的储层模型的粗化方法及*** - Google Patents
一种基于储层构型要素界面的储层模型的粗化方法及*** Download PDFInfo
- Publication number
- CN103679540A CN103679540A CN201310752142.9A CN201310752142A CN103679540A CN 103679540 A CN103679540 A CN 103679540A CN 201310752142 A CN201310752142 A CN 201310752142A CN 103679540 A CN103679540 A CN 103679540A
- Authority
- CN
- China
- Prior art keywords
- alligatoring
- model
- sandbody
- meticulous
- porosity
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于储层构型要素界面的储层模型的粗化方法及***,所述方法包括:获取当前储层的分布数据;获取预先设定的原始构型模型网格数;根据原始构型模型网格数以及分布数据建立当前储层的砂体模型、孔隙度模型以及渗透率模型;对砂体模型进行指示变换,得到指示化砂体模型;对指示化砂体模型进行初步粗化,得到初步粗化的砂体模型、界面网格以及粗化比;根据粗化比对孔隙度模型以及渗透率模型进行常规粗化;根据界面网格对初步粗化的砂体模型进行精细粗化;根据界面网格对所述常规粗化的孔隙度模型进行精细粗化;根据界面网格对所述常规粗化的渗透率模型进行精细粗化。本发明得到的粗化模型可以体现构型界面对剩余油的控制。
Description
技术领域
本发明关于油田开采技术领域,特别是关于储层剩余油开采中的储层模型粗化技术,具体的讲是一种基于储层构型要素界面的储层模型的粗化方法及***。
背景技术
目前,大多数油田都进入中高含水采油阶段,地下储层油水分布异常复杂,因此对剩余油分布预测的准确度是现阶段提高采收率的重要前提。针对我国开发后期精确预测剩余油分布的需要,开发地质领域开展了大量的储层构型研究,如对曲流河点坝、辫状河、三角洲河口坝等砂体储层构型的研究最为成熟。
储层构型研究可以表征砂体内部各类泥质隔夹层,如曲流河点坝内的侧积体间泥质侧积层或者辫状河心滩坝中间的落淤层等。在精细储层构型建模中,为了刻画此种规模的非均质体,选择之一便是细化网格,往往一个常规区块的构型模型网格个数会达到上千万。例如,对于一个10km×10km×50m的模型,如果使用10m×10m×0.5m的建模网格,网格总数将达到10×106个。对于目前国内普遍应用的数值模拟技术来说,常规的储层构型模型的网格数往往是超出了数值模拟所能允许的网格个数。故而,通常做法是对精细的构型模型进行粗化然后作为数值模拟的输入。
构型分析则主要是从层次结构的角度,确定不同级次单一微相单元(如单一河道砂体、单一河道砂体内的单一点坝、单一点坝内的单一侧积层)在空间上的等时物理界面,特别是界面处的隔夹层分布是各级非均质的重要表现。众多的研究已经表明各级构型界面变换处储层物性常常发生非常大的变化,各级构型界面在油藏开发过程中流体的流动状态起到了非常大的作用,是控制剩余油分布的主要因素之一。所以在储层构型模型与后期油藏数值模拟的模型粗化这一环节至关重要,如果在粗化过程中没有将储层构型模型中所刻画出的构型界面信息刻画出来,那么将会对剩余油分布的预测带来较大的误差。
现有的粗化方法对于孔隙度和净毛比等标量采用幂指数平均法、算数平均法等方法,而对于渗透率等矢量则主要是采用复合平均法、流动模拟法等方法。虽然这些粗化方法的原则是粗化后的模型与精细地质模型在流动状态中达到一致,然而满足同一个流动状态的地质模型可以是多个的,即基于反演理论的数学粗化方法,其结果是存在着多解性。更重要的是,在现有粗化方法中,对于引起砂体非均质的沉积因素考虑不足,对构型要素的各级界面因素对流体的影响考虑不足,这样就对储层构型模型中的各级非均质对流体的时空分布影响难以进行精确表征,难以精确预测开发中后期由于砂体内部的非均质所造成的剩余油分布。
发明内容
为了克服现有技术存在的上述问题,本发明提供了一种基于储层构型要素界面的储层模型的粗化方法及***,在粗化过程中加入了更强的地质约束,将储层构型模型中的构型界面信息作为一种约束,对构型模型进行粗化。在粗化时,考虑到不同构型要素的物性差异,在粗化模型中依据不同的构型要素界面空间分布特征,对构型模型中非均质程度较高的区域保持较细密的网格,对于如何将精细的构型模型与传统的油藏数值模拟相结合具有重要的实际意义。
本发明的目的之一是,提供一种基于储层构型要素界面的储层模型的粗化方法,包括:获取当前储层的分布数据,所述的分布数据包括砂体数据、孔隙度数据以及渗透率数据;获取预先设定的原始构型模型网格数;根据所述的原始构型模型网格数以及分布数据建立当前储层的砂体模型、孔隙度模型以及渗透率模型;对所述的砂体模型进行指示变换,得到指示化砂体模型;对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型、界面网格以及粗化比;根据所述的粗化比对所述的孔隙度模型以及渗透率模型进行常规粗化,得到常规粗化的孔隙度模型、常规粗化的渗透率模型;根据所述的界面网格对所述初步粗化的砂体模型进行精细粗化,得到精细粗化的砂体模型;根据所述的界面网格对所述常规粗化的孔隙度模型进行精细粗化,得到精细粗化的孔隙度模型;根据所述的界面网格对所述常规粗化的渗透率模型进行精细粗化,得到精细粗化的渗透率模型。
本发明的目的之一是,提供了一种基于储层构型要素界面的储层模型的粗化***,包括:分布数据获取装置,用于获取当前储层的分布数据,所述的分布数据包括砂体数据、孔隙度数据以及渗透率数据;原始网格数获取装置,用于获取预先设定的原始构型模型网格数;模型建立装置,用于根据所述的原始构型模型网格数以及分布数据建立当前储层的砂体模型、孔隙度模型以及渗透率模型;指示变换装置,用于对所述的砂体模型进行指示变换,得到指示化砂体模型;初步粗化装置,用于对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型、界面网格以及粗化比;常规粗化装置,用于根据所述的粗化比对所述的孔隙度模型以及渗透率模型进行常规粗化,得到常规粗化的孔隙度模型、常规粗化的渗透率模型;砂体模型精细粗化装置,用于根据所述的界面网格对所述初步粗化的砂体模型进行精细粗化,得到精细粗化的砂体模型;孔隙度模型精细粗化装置,用于根据所述的界面网格对所述常规粗化的孔隙度模型进行精细粗化,得到精细粗化的孔隙度模型;渗透率模型精细粗化装置,用于根据所述的界面网格对所述常规粗化的渗透率模型进行精细粗化,得到精细粗化的渗透率模型。
本发明的有益效果在于,提供了一种基于储层构型要素界面的储层模型的粗化方法及***,与现有技术相比,在基于构型要素界面的粗化方法中,所采用的做法是对构型模型中的各个构型要素,特别是那些作为渗流屏障的构型要素的界面进行识别和标定,并在粗化过程中使用精细构型模型的网格来保留这些界面,即应用本发明得到粗化模型将会有些局部细化的网格,然后将这些局部细化的模型作为流动模拟的输入,从而可以体现构型界面对剩余油的控制,进而提高了储层预测的准确性,降低了误差。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于储层构型要素界面的储层模型的粗化方法的流程图;
图2为图1中的步骤S104的具体流程图;
图3为图1中的步骤S105的具体流程图;
图4为图3中的步骤S303的具体流程图;
图5为图1中的步骤S107的具体流程图;
图6为图1中的步骤S108的具体流程图;
图7为图1中的步骤S109的具体流程图;
图8为本发明实施例提供的一种基于储层构型要素界面的储层模型的粗化***的结构框图;
图9为本发明提供的一种基于储层构型要素界面的储层模型的粗化***中指示变换装置400的具体结构框图;
图10为本发明提供的一种基于储层构型要素界面的储层模型的粗化***中初步粗化装置500的具体结构框图;
图11为图10中的初步粗化模块503的具体结构框图;
图12为本发明提供的一种基于储层构型要素界面的储层模型的粗化***中砂体模型精细粗化装置700的具体结构框图;
图13为本发明提供的一种基于储层构型要素界面的储层模型的粗化***中孔隙度模型精细粗化装置800的具体结构框图;
图14为本发明提供的一种基于储层构型要素界面的储层模型的粗化***中渗透率模型精细粗化装置900的具体结构框图;
图15为一个简单的二维砂体模型示意图;
图16为一个简单的孔隙度模型示意图;
图17为一个简单的渗透率模型示意图;图18为指示化砂体模型示意图;
图19为粗化得到的多个粗网格的示意图;
图20为初步粗化的砂体模型示意图;
图21为常规粗化后的孔隙度模型示意图;
图22为常规粗化后的渗透率模型示意图;
图23为精细粗化的砂体模型示意图;
图24为精细粗化的孔隙度模型示意图;
图25为精细粗化的渗透率模型示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
有鉴于现有技术的粗化方法中,对于引起砂体非均质的沉积因素考虑不足,对构型要素的各级界面因素对流体的影响考虑不足,这样就对储层构型模型中的各级非均质对流体的时空分布影响难以进行精确表征,难以精确预测开发中后期由于砂体内部的非均质所造成的剩余油分布。本发明提出一种基于储层构型要素界面的储层模型的粗化方法,图1为该方法的具体流程图,由图1可知,所述的方法包括:
S101:获取当前储层的分布数据,所述的分布数据包括砂体数据、孔隙度数据以及渗透率数据。
S102:获取预先设定的原始构型模型网格数。在具体的实施方式中,原始构型模型网格数可通过Nf来表示,预先设定Nf时需考虑如下因素:
①建模区的X、Y和Z的方向尺寸,设各自为x、y、z米;
②建模区内每个网格沿X、Y和Z方向的尺寸,设各自为dx、dy、dz米,每个网格的尺寸大小应该等于或小于各个方向上隔夹层的规模;
③建模区沿着X、Y和Z方向的网格个数分别为nx、ny、nz;那么原始构型模型网格数
S103:根据所述的原始构型模型网格数以及分布数据建立当前储层的砂体模型、孔隙度模型以及渗透率模型。
该步骤可通过现有技术中的很多方式进行。对于砂体这一类型变量,可以采用基于空间矢量的构型模型建立方法来生成,也可以采用序贯指示模拟的方法或者采用人工绘制再数字化的方法来建立。对于孔隙度和渗透率一般采用沉积相控制下的序贯高斯模拟的方法生成。
所建立的砂体模型、孔隙度模型以及渗透率模型一般数据量较大,对应的网格数一般有千万个,为了进一步说明本发明的技术方案,仅以最简单的二维实例进行说明,该实例中的原始构型模型网格数Nf=10×8=80,但是本发明提供的方法可以没有任何限制的扩展到三维情况。以图15为例,这是一个简单的二维砂体模型,在沉积的砂体中出现了一个泥质隔夹层,为图15中的斜线灰色部分。
图16为一个简单的孔隙度模型,图16所示的孔隙度模型共有10×8=80个原始网格,原始网格中的值即为孔隙度值。
图17为一个简单的渗透率模型。图17所示的渗透率模型共有10×8=80个原始网格,原始网格中的值即为渗透率值。
S104:对所述的砂体模型进行指示变换,得到指示化砂体模型。即选择对渗流起到屏障作用的隔夹层进行指示变换,图2为步骤S104的具体流程图,由图2可知,该步骤具体包括:
S201:从所述的砂体模型中提取出砂岩;
S202:设置所述砂岩对应的原始网格的指示值为0;
S203:从所述的砂体模型中提取出隔夹层;
S204:设置所述隔夹层对应的原始网格的指示值为1;
S205:根据所述的隔夹层对应的原始网格以及砂岩对应的原始网格得到指示化砂体模型。如图15所示的砂体模型,其中灰色网格为隔夹层,因此设置指示值为1,白色网格为砂岩,设置指示值为0,得到指示化砂体模型如图18所示。
由图1可知,该方法还包括:
S105:对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型、界面网格以及粗化比。图3为步骤S105的具体流程图,由图3可知,该步骤具体包括:
S301:获取预先设定的粗化目标网格数。粗化目标网格数可预先根据运算设备的运算能力设定,如:一般的个人电脑,网格数应该小于100万个。针对图15至图18的实例,诸如预先设定粗化目标网格数为20。在具体的实施方式中,粗化目标网格数通过Nc来表示。确定Nc应当考虑以下几个因素:
①计算机的计算能力。考虑到现有的一般台式机的计算能力,一般粗化目标网格个数应该控制在百万个网格以内;如果是并行计算机,网格个数应限制在千万个网格以内;
②沿着X、Y和Z方向上粗化网格个数nxc、nyc、nzc取决于总网格个数Nc的限制之外,还应该考虑隔夹层的规模,应尽可能的使得粗化后的网格能反映关键的隔夹层分布,Nc=nxc×nyc×nzc;
③当确定好上述nxc、nyc、nzc后,则目标网格沿着X、Y和Z方向上的网格尺寸为:dxc、dyc、dzc,即
S302:根据所述的原始地质网格数以及粗化目标网格数确定粗化比n。粗化比,即为模型未粗化之前沿着X、Y和Z方向上原始网格的个数nx、ny、nz与粗化目标模型中的沿着X、Y和Z方向上网格个数nxc、nyc、nzc的比值的乘积,即当此值不为正整数时,取整数。针对图15至图18的实例,原始地质网格数为80,沿着X和Y方向分别为10和8个网格,而预先设定粗化目标网格数为20,沿着X和Y方向分别为5和4个网格;则粗化比为
S303:根据所述的粗化比对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型,图4为步骤S303的具体流程图,由图4可知,该步骤具体包括:
S401:将所述的指示化砂体模型按照所述的粗化比进行粗化,得到多个粗网格,每个所述的粗网格包括n个原始网格。如图18所示的指示化砂体模型,按照粗化比n=4进行组合后得到的每个粗网格包括2×2=4个原始网格,如图19所示。图19中,4个原始网格组成一个粗网格,原始地质网格数为80,组合成20个粗网格。
S402:求所述n个原始网格对应的指示值的平均值。具体到图19,即分别求组成粗网格的4个原始网格的平均值。
S403:将所述的平均值设置为所述粗网格的值;
S404:所述的粗网格组成的砂体模型即为初步粗化的砂体模型。图19所示的砂体模型对应的初步粗化的砂体模型如图20所示。
由图3可知,步骤S105还包括:
S304:将所述初步粗化的砂体模型对应的粗网格的值不为0且不为1的网格,称为界面网格。图20中的粗网格中共有7个粗网格的值不为0且不为1。如果粗网格的值不为0且不为1,那么可以知道粗化的网格是跨构型要素的界面进行的,定义这些网格为界面网格。每一个界面网格都是由若干个不同构型要素的细网格粗化而来。这些界面网格提供了一个关于构型要素界面空间分布的重要信息。利用这一信息,在之后的孔隙度和渗透率的常规粗化、精细粗化时就应该对界面网格采用不同的粗化方法,这是本发明的一个创新点。
由图1可知,该方法还包括:
S106:根据所述的粗化比对所述的孔隙度模型以及渗透率模型进行常规粗化,得到常规粗化的孔隙度模型、常规粗化的渗透率模型。在图15至图20的实施例中,粗化比n=4,则按照该粗化比对孔隙度模型以及渗透率模型进行常规粗化,常规粗化的过程可通过现有技术中的方案进行,如孔隙度可以按照网格体积加权平均法等,如使用体积加权平均法则:
其中,Φ为粗化后的孔隙度值,φ为每个细网格的孔隙度值;v为每个细网格的体积。
渗透率粗化方法有体积加权平均,几何平均法,调和平均法以及流动模拟法等等。如使用几何平均法则为:
其中,Κ为粗化后的孔隙度值,k为每个细网格的孔隙度值;v为每个细网格的体积。
将图16的孔隙度模型按照粗化比采用网格体积加权平均法进行常规粗化后得到的常规粗化后的孔隙度模型如图21所示,将图17的渗透率模型按照粗化比采用几何平均法进行常规粗化后得到的常规粗化后的渗透率模型如图22所示。
由此可知,本发明是通过砂体模型的初步粗化中得到的粗化比对孔隙度模型、渗透率模型进行常规粗化的,这样体现了砂体分布对于孔隙度和渗透率粗化的控制作用,体现了相控粗化的思想。
S107:根据所述的界面网格对所述初步粗化的砂体模型进行精细粗化,得到精细粗化的砂体模型。图5为图1中的步骤S107的具体流程图,由图5可知,该步骤具体包括:
S501:依次判断所述初步粗化的砂体模型对应的粗网格是否为界面网格;
S502:当判断为是时,获取所述粗网格所包括的n个原始网格;
S503:获取所述n个原始网格对应的指示值;
S504:用所述n个原始网格以及对应的指示值替换所述的粗网格以及所述粗网格的值;
S505:替换所述粗网格后得到的初步粗化的砂体模型即为精细粗化的砂体模型。
对图20的初步粗化的砂体模型而言,进行精细粗化后得到的精细粗化的砂体模型如图23所示。
本发明在常规的粗化步骤中,加入界面网格的限制。即在粗化过程中,逐网格进行判断,如果不为边界网格,那么则按照既定的粗化方法进行粗化。否则,不进行粗化而是保留原始储层构型模型的网格数据。并且,可以根据构型界面的分布信息,采用加密网格的方法,对这些构型界面进行更精细的刻画。
由图1可知,该方法还包括:
S108:根据所述的界面网格对所述常规粗化的孔隙度模型进行精细粗化,得到精细粗化的孔隙度模型。图6为图1中的步骤S108的具体流程图,由图6可知,该步骤具体包括:
S601:依次判断所述常规粗化的孔隙度模型对应的粗网格是否为界面网格;
S602:当判断为是时,获取所述粗网格所包括的n个原始网格;
S603:获取所述n个原始网格对应的孔隙度值;
S604:用所述n个原始网格以及对应的孔隙度值替换所述的粗网格以及所述粗网格的值;
S605:替换所述粗网格后得到的常规粗化的孔隙度模型即为精细粗化的孔隙度模型。
对图21的常规粗化的孔隙度模型而言,进行精细粗化后得到的精细粗化的孔隙度模型如图24所示。
由此可知,本发明是通过砂体模型的初步粗化中得到的界面网格对常规粗化后的孔隙度模型进行精细粗化,本发明在常规的粗化中加入界面网格的限制。即在粗化过程中,逐网格进行判断,如果不为边界网格,那么则按照既定的粗化方法进行粗化。否则,不进行粗化而是保留原始精细储层孔隙度构型模型的网格和孔隙度值。保留了构型界面处的精细网格,体现了储层构型要素界面对孔隙度的控制。
由图1可知,该方法还包括:
S109:根据所述的界面网格对所述常规粗化的渗透率模型进行精细粗化,得到精细粗化的渗透率模型。图7为图1中的步骤S109的具体流程图,由图7可知,该步骤具体包括:
S701:依次判断所述常规粗化的渗透率模型对应的粗网格是否为界面网格;
S702:当判断为是时,获取所述粗网格所包括的n个原始网格;
S703:获取所述n个原始网格对应的渗透率值;
S704:用所述n个原始网格以及对应的渗透率值替换所述的粗网格以及所述粗网格的值;
S705:替换所述粗网格后得到的常规粗化的渗透率模型即为精细粗化的渗透率模型。
对图22的常规粗化的渗透率模型而言,进行精细粗化后得到的精细粗化的渗透率模型如图25所示。
由此可知,本发明是通过砂体模型的初步粗化中得到的界面网格对常规粗化后的渗透率模型进行精细粗化,本发明在常规的粗化中加入界面网格的限制。即在粗化过程中,逐网格进行判断,如果不为边界网格,那么则按照既定的粗化方法进行粗化。否则,不进行粗化而是保留原始精细储层渗透率构型模型的细网格和渗透率值。即保留了构型界面处的更精细的网格,体现了储层构型要素界面对渗透率分布的控制。
使用本发明提供的方法得到的精细粗化的砂体模型、孔隙度模型、渗透率模型,可供现有数值模拟商业软件作为输入。如现有的油藏数值模拟Eclipse软件提供了局部网格加密LGR(Local Grid Refine)的技术,采用本发明提出的方法,可以通过eclipse软件中的LGR实现在数值模拟模型中体现构型模型中的重要非均质分布特征,进而进行储层预测。
如上所述即为本发明提供的一种基于储层构型要素界面的储层模型的粗化方法,应用常规的构型模型粗化方法一定程度弱化了原有的非均质分布,而使用本发明构型要素界面作为约束之后,就最大可能的保留了构型模型所刻画的储层非均质特征,解决了现有技术的粗化方法中,对于引起砂体非均质的沉积因素考虑不足,对构型要素的各级界面因素对流体的影响考虑不足,这样就对储层构型模型中的各级非均质对流体的时空分布影响难以进行精确表征,难以精确预测开发中后期由于砂体内部的非均质所造成的剩余油分布的技术缺陷。
本发明还提出一种基于储层构型要素界面的储层模型的粗化***,图8为该***的具体结构框图,由图8可知,所述的***包括:
分布数据获取装置100,用于获取当前储层的分布数据,所述的分布数据包括砂体数据、孔隙度数据以及渗透率数据。
原始网格数获取装置200,用于获取预先设定的原始构型模型网格数。在具体的实施方式中,原始构型模型网格数可通过Nf来表示,预先设定Nf时需考虑如下因素:
①建模区的X、Y和Z的方向尺寸,设各自为x、y、z米;
②建模区内每个网格沿X、Y和Z方向的尺寸,设各自为dx、dy、dz米,每个网格的尺寸大小应该等于或小于各个方向上隔夹层的规模;
③建模区沿着X、Y和Z方向的网格个数分别为nx、ny、nz;那么原始构型模型网格数
模型建立装置300,用于根据所述的原始构型模型网格数以及分布数据建立当前储层的砂体模型、孔隙度模型以及渗透率模型。
该装置可通过现有技术中的很多方式进行。对于砂体这一类型变量,可以采用基于空间矢量的构型模型建立方法来生成,也可以采用序贯指示模拟的方法或者采用人工绘制再数字化的方法来建立。对于孔隙度和渗透率一般采用沉积相控制下的序贯高斯模拟的方法生成。
所建立的砂体模型、孔隙度模型以及渗透率模型一般数据量较大,对应的网格数一般有千万个,为了进一步说明本发明的技术方案,仅以最简单的实例进行说明,该实例中的原始构型模型网格数Nf=80。以图15为例,这是一个简单的二维砂体模型,在沉积的砂体中出现了一个泥质隔夹层,为图15中的灰色部分。图15所示的二维砂体模型共有10×8个原始网格。图16为一个简单的孔隙度模型,图16所示的孔隙度模型共有80个原始网格,原始网格中的值即为孔隙度值。图17为一个简单的渗透率模型。图17所示的渗透率模型共有80个原始网格,原始网格中的值即为渗透率值。
指示变换装置400,用于对所述的砂体模型进行指示变换,得到指示化砂体模型。即选择对渗流起到屏障作用的隔夹层进行指示变换,图9为指示变换装置400的具体结构框图,由图9可知,指示变换装置400具体包括:
砂岩提取模块401,用于从所述的砂体模型中提取出砂岩;
第一指示值设置模块402,用于设置所述砂岩对应的原始网格的指示值为0;
隔夹层提取模块403,用于从所述的砂体模型中提取出隔夹层;
第二指示值设置模块404,用于设置所述隔夹层对应的原始网格的指示值为1;
指示化砂体模型确定模块405,用于根据所述的隔夹层对应的原始网格以及砂岩对应的原始网格得到指示化砂体模型。如图15所示的砂体模型,其中灰色网格为隔夹层,因此设置指示值为1,白色网格为砂岩,设置指示值为0,得到指示化砂体模型如图18所示。
由图8可知,该***还包括:
初步粗化装置500,用于对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型、界面网格以及粗化比。图10为储层模型粗化的***中初步粗化装置500的具体结构框图,由图10可知,初步粗化装置具体包括:
粗化目标网格数获取模块501,用于获取预先设定的粗化目标网格数。粗化目标网格数可预先根据运算设备的运算能力设定,如:一般的个人电脑,网格数应该小于100万个。针对图15至图18的实例,诸如预先设定粗化目标网格数为20。在具体的实施方式中,粗化目标网格数通过Nc来表示。确定Nc应当考虑以下几个因素:
①计算机的计算能力。考虑到现有的一般台式机的计算能力,一般粗化目标网格个数应该控制在百万个网格以内;如果是并行计算机,网格个数应限制在千万个网格以内;
②沿着X、Y和Z方向上粗化网格个数nxc、nyc、nzc取决于总网格个数Nc的限制之外,还应该考虑隔夹层的规模,应尽可能的使得粗化后的网格能反映关键的隔夹层分布,Nc=nxc×nyc×nzc;
③当确定好上述nxc、nyc、nzc后,则目标网格沿着X、Y和Z方向上的网格尺寸为:dxc、dyc、dzc,即
粗化比确定模块502,用于根据所述的原始地质网格数以及粗化目标网格数确定粗化比n。粗化比,即为模型未粗化之前沿着X、Y和Z方向上原始网格的个数nx、ny、nz与粗化目标模型中的沿着X、Y和Z方向上网格个数nxc、nyc、nzc的比值,即当比值不为正整数时,取整数。针对图15至图18的实例,原始地质网格数为80,沿着X和Y方向分别为10和8个网格;而预先设定粗化目标网格数为20,沿着X和Y方向分别为5和4个网格;则粗化比为
初步粗化模块503,用于根据所述的粗化比对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型,图11为初步粗化模块503的具体结构框图,由图11可知,该模块具体包括:
粗化单元5031,用于将所述的指示化砂体模型按照所述的粗化比进行粗化,得到多个粗网格,每个所述的粗网格包括n个原始网格。如图18所示的指示化砂体模型,按照粗化比n=4进行组合后得到的每个粗网格包括4=2×2个原始网格,本例中X方向两个,Y方向两个。如图19所示。图19中,4个原始网格组成一个粗网格,原始地质网格数为80,组合成20个粗网格。
平均值求取单元5032,用于求所述n个原始网格对应的指示值的平均值。具体到图19,即分别求组成粗网格的4个原始网格的平均值。
粗网格值设置单元5033,用于将所述的平均值设置为所述粗网格的值;
初步粗化构型模型确定单元5034,所述的粗网格组成的砂体模型即为初步粗化的砂体模型。图19所示的砂体模型对应的初步粗化的砂体模型如图20所示。
由图10可知,初步粗化装置还包括:
界面网格确定模块504,用于将所述初步粗化的砂体模型对应的粗网格的值不为0且不为1的网格,称为界面网格。图20中的粗网格中共有7个粗网格的值不为0且不为1。如果粗网格的值不为0且不为1,那么可以知道粗化的网格是跨构型要素的界面进行的,定义这些网格为界面网格。每一个界面网格都是由若干个不同构型要素的细网格粗化而来。这些界面网格提供了一个关于构型要素界面空间分布的重要信息。利用这一信息,在之后的孔隙度和渗透率的常规粗化、精细粗化时就应该对界面网格采用不同的粗化方法,这是本发明的一个创新点。
由图8可知,该***还包括:
常规粗化装置600,用于根据所述的粗化比对所述的孔隙度模型以及渗透率模型进行常规粗化,得到常规粗化的孔隙度模型、常规粗化的渗透率模型。在图15至图20的实施例中,粗化比n=4,则按照该粗化比对孔隙度模型以及渗透率模型进行常规粗化,常规粗化的过程可通过现有技术中的方案进行,如孔隙度可以按照网格体积加权平均法等,如使用体积加权平均法则:
其中,Φ为粗化后的孔隙度值,φ为每个细网格的孔隙度值;v为每个细网格的体积。
渗透率粗化方法有体积加权平均,几何平均法,调和平均法以及流动模拟法等等。如使用几何平均法则为:
其中,Κ为粗化后的孔隙度值,k为每个细网格的孔隙度值;v为每个细网格的体积。
将图16的孔隙度模型按照粗化比采用网格体积加权平均法进行常规粗化后得到的常规粗化后的孔隙度模型如图21所示,将图17的渗透率模型按照粗化比采用几何平均法进行常规粗化后得到的常规粗化后的渗透率模型如图22所示。
由此可知,本发明是通过砂体模型的初步粗化中得到的粗化比对孔隙度模型、渗透率模型进行常规粗化的,这样体现了砂体分布对于孔隙度和渗透率粗化的控制作用,体现了相控粗化的思想。
砂体模型精细粗化装置700,用于根据所述的界面网格对所述初步粗化的砂体模型进行精细粗化,得到精细粗化的砂体模型。图12为砂体模型精细粗化装置700的具体结构框图,由图12可知,砂体模型精细粗化装置具体包括:
第一判断模块701,用于依次判断所述初步粗化的砂体模型对应的粗网格是否为界面网格;
第一原始网格获取模块702,用于当所述的第一判断模块判断为是时,获取所述粗网格所包括的n个原始网格;
指示值获取模块703,用于获取所述n个原始网格对应的指示值;
第一替换模块704,用于用所述n个原始网格以及对应的指示值替换所述的粗网格以及所述粗网格的值;
精细粗化砂体模型确定模块705,替换所述粗网格后得到的初步粗化的砂体模型即为精细粗化的砂体模型。对图20的初步粗化的砂体模型而言,进行精细粗化后得到的精细粗化的砂体模型如图23所示。本发明在常规的粗化步骤中,加入界面网格的限制。即在粗化过程中,逐网格进行判断,如果不为边界网格,那么则按照既定的粗化方法进行粗化。否则,不进行粗化而是保留原始储层构型模型的网格数据。并且,可以根据构型界面的分布信息,采用加密网格的方法,对这些构型界面进行更精细的刻画。
由图8可知,该***还包括:
孔隙度模型精细粗化装置800,用于根据所述的界面网格对所述常规粗化的孔隙度模型进行精细粗化,得到精细粗化的孔隙度模型。图13为孔隙度模型精细粗化装置800的具体结构框图,由图13可知,孔隙度模型精细粗化装置具体包括:
第二判断模块801,用于依次判断所述常规粗化的孔隙度模型对应的粗网格是否为界面网格;
第二原始网格获取模块802,用于当所述的第二判断模块判断为是时,获取所述粗网格所包括的n个原始网格;
孔隙度值获取模块803,用于获取所述n个原始网格对应的的孔隙度值;
第二替换模块804,用于用所述n个原始网格以及对应的的孔隙度值替换所述的粗网格以及所述粗网格的值;
精细粗化孔隙度模型确定模块805,替换所述粗网格后得到的常规粗化的孔隙度模型即为精细粗化的孔隙度模型。对图21的常规粗化的孔隙度模型而言,进行精细粗化后得到的精细粗化的孔隙度模型如图24所示。由此可知,本发明是通过砂体模型的初步粗化中得到的界面网格对常规粗化后的孔隙度模型进行精细粗化。
由图8可知,该***还包括:
渗透率模型精细粗化装置900,用于根据所述的界面网格对所述常规粗化的渗透率模型进行精细粗化,得到精细粗化的渗透率模型。图14为渗透率模型精细粗化装置900的具体结构框图,由图14可知,渗透率模型精细粗化装置具体包括:
第三判断模块901,用于依次判断所述常规粗化的渗透率模型对应的粗网格是否为界面网格;
第三原始网格获取模块902,用于当所述的第三判断模块判断为是时,获取所述粗网格所包括的n个原始网格;
渗透率值获取模块903,用于获取所述n个原始网格对应的渗透率值;
第三替换模块904,用于用所述n个原始网格以及对应的渗透率值替换所述的粗网格以及所述粗网格的值;
精细粗化渗透率模型确定模块905,替换所述粗网格后得到的常规粗化的渗透率模型即为精细粗化的渗透率模型。对图22的常规粗化的渗透率模型而言,进行精细粗化后得到的精细粗化的渗透率模型如图25所示。由此可知,本发明是通过砂体模型的初步粗化中得到的界面网格对常规粗化后的渗透率模型进行精细粗化。
使用本发明提供的方法得到的精细粗化的砂体模型、孔隙度模型、渗透率模型,可供现有数值模拟商业软件作为输入。如现有的油藏数值模拟Eclipse软件提供了局部网格加密LGR(Local Grid Refine)的技术,采用本发明提出的方法,可以通过eclipse软件中的LGR实现在数值模拟模型中体现构型模型中的重要非均质分布特征,进而进行储层预测。
如上所述即为本发明提供的一种基于储层构型要素界面的储层模型的粗化***,应用常规的构型模型粗化方法一定程度弱化了原有的非均质分布,而使用本发明构型要素界面作为约束之后,就最大可能的保留了构型模型所刻画的储层非均质特征,解决了现有技术的粗化方法中,对于引起砂体非均质的沉积因素考虑不足,对构型要素的各级界面因素对流体的影响考虑不足,这样就对储层构型模型中的各级非均质对流体的时空分布影响难以进行精确表征,难以精确预测开发中后期由于砂体内部的非均质所造成的剩余油分布的技术缺陷。
采用常规的粗化方法得到的表格为图20、图21和图22,应用本发明提出的粗化方法得到的结果为图23、图24和图25,对比可见:应用常规的构型模型粗化方法一定程度弱化了原有的非均质分布。而使用构型要素界面作为约束之后,就最大可能的保留了构型模型所刻画的储层非均质特征。
综上所述,本发明提供了一种基于储层构型要素界面的储层模型的粗化方法及***,在基于构型要素界面的粗化方法中,所采用的做法是对构型模型中的各个构型要素,特别是那些作为渗流屏障的构型要素的界面进行识别和标定,并在粗化过程中使用精细构型模型的网格来保留这些界面,即应用本发明得到粗化模型将会有些局部细化的网格,然后将这些局部细化的模型作为流动模拟的输入,从而可以体现构型界面对剩余油的控制。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一般计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
本领域技术人员还可以了解到本发明实施例列出的各种功能是通过硬件还是软件来实现取决于特定的应用和整个***的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明中应用了具体实施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,对于本领域的一般技术人员,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 (14)
1.一种基于储层构型要素界面的储层模型的粗化方法,其特征是,所述的方法具体包括:
获取当前储层的分布数据,所述的分布数据包括砂体数据、孔隙度数据以及渗透率数据;
获取预先设定的原始构型模型网格数;
根据所述的原始构型模型网格数以及分布数据建立当前储层的砂体模型、孔隙度模型以及渗透率模型;
对所述的砂体模型进行指示变换,得到指示化砂体模型;
对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型、界面网格以及粗化比;
根据所述的粗化比对所述的孔隙度模型以及渗透率模型进行常规粗化,得到常规粗化的孔隙度模型、常规粗化的渗透率模型;
根据所述的界面网格对所述初步粗化的砂体模型进行精细粗化,得到精细粗化的砂体模型;
根据所述的界面网格对所述常规粗化的孔隙度模型进行精细粗化,得到精细粗化的孔隙度模型;
根据所述的界面网格对所述常规粗化的渗透率模型进行精细粗化,得到精细粗化的渗透率模型。
2.根据权利要求1所述的方法,其特征是,对所述的砂体模型进行指示变换,得到指示化砂体模型具体包括:
从所述的砂体模型中提取出砂岩;
设置所述砂岩对应的原始网格的指示值为0;
从所述的砂体模型中提取出隔夹层;
设置所述隔夹层对应的原始网格的指示值为1;
根据所述的隔夹层对应的原始网格以及砂岩对应的原始网格得到指示化砂体模型。
3.根据权利要求2所述的方法,其特征是,对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型、界面网格以及粗化比具体包括:
获取预先设定的粗化目标网格数;
根据所述的原始地质网格数以及粗化目标网格数确定粗化比n;
根据所述的粗化比对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型;
将所述初步粗化的砂体模型对应的粗网格的值不为0且不为1的网格,称为界面网格。
4.根据权利要求3所述的方法,其特征是,根据所述的粗化比对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型具体包括:
将所述的指示化砂体模型按照所述的粗化比进行粗化,得到多个粗网格,每个所述的粗网格包括n个原始网格;
求所述n个原始网格对应的指示值的平均值;
将所述的平均值设置为所述粗网格的值;
所述的粗网格组成的砂体模型即为初步粗化的砂体模型。
5.根据权利要求1或4所述的方法,其特征是,根据所述的界面网格对所述初步粗化的砂体模型进行精细粗化,得到精细粗化的砂体模型具体包括:
依次判断所述初步粗化的砂体模型对应的粗网格是否为界面网格;
当判断为是时,获取所述粗网格所包括的n个原始网格;
获取所述n个原始网格对应的指示值;
用所述n个原始网格以及对应的指示值替换所述的粗网格以及所述粗网格的值;
替换所述粗网格后得到的初步粗化的砂体模型即为精细粗化的砂体模型。
6.根据权利要求1或4所述的方法,其特征是,根据所述的界面网格对所述常规粗化的孔隙度模型进行精细粗化,得到精细粗化的孔隙度模型具体包括:
依次判断所述常规粗化的孔隙度模型对应的粗网格是否为界面网格;
当判断为是时,获取所述粗网格所包括的n个原始网格;
获取所述n个原始网格对应的孔隙度值;
用所述n个原始网格以及对应的孔隙度值替换所述的粗网格以及所述粗网格的值;
替换所述粗网格后得到的常规粗化的孔隙度模型即为精细粗化的孔隙度模型。
7.根据权利要求1或4所述的方法,其特征是,根据所述的界面网格对所述常规粗化的渗透率模型进行精细粗化,得到精细粗化的渗透率模型具体包括:
依次判断所述常规粗化的渗透率模型对应的粗网格是否为界面网格;
当判断为是时,获取所述粗网格所包括的n个原始网格;
获取所述n个原始网格对应的渗透率值;
用所述n个原始网格以及对应的渗透率值替换所述的粗网格以及所述粗网格的值;
替换所述粗网格后得到的常规粗化的渗透率模型即为精细粗化的渗透率模型。
8.一种基于储层构型要素界面的储层模型的粗化***,其特征是,所述的***具体包括:
分布数据获取装置,用于获取当前储层的分布数据,所述的分布数据包括砂体数据、孔隙度数据以及渗透率数据;
原始网格数获取装置,用于获取预先设定的原始构型模型网格数;
模型建立装置,用于根据所述的原始构型模型网格数以及分布数据建立当前储层的砂体模型、孔隙度模型以及渗透率模型;
指示变换装置,用于对所述的砂体模型进行指示变换,得到指示化砂体模型;
初步粗化装置,用于对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型、界面网格以及粗化比;
常规粗化装置,用于根据所述的粗化比对所述的孔隙度模型以及渗透率模型进行常规粗化,得到常规粗化的孔隙度模型、常规粗化的渗透率模型;
砂体模型精细粗化装置,用于根据所述的界面网格对所述初步粗化的砂体模型进行精细粗化,得到精细粗化的砂体模型;
孔隙度模型精细粗化装置,用于根据所述的界面网格对所述常规粗化的孔隙度模型进行精细粗化,得到精细粗化的孔隙度模型;
渗透率模型精细粗化装置,用于根据所述的界面网格对所述常规粗化的渗透率模型进行精细粗化,得到精细粗化的渗透率模型。
9.根据权利要求8所述的***,其特征是,所述的指示变换装置具体包括:
砂岩提取模块,用于从所述的砂体模型中提取出砂岩;
第一指示值设置模块,用于设置所述砂岩对应的原始网格的指示值为0;
隔夹层提取模块,用于从所述的砂体模型中提取出隔夹层;
第二指示值设置模块,用于设置所述隔夹层对应的原始网格的指示值为1;
指示化砂体模型确定模块,用于根据所述的隔夹层对应的原始网格以及砂岩对应的原始网格得到指示化砂体模型。
10.根据权利要求9所述的***,其特征是,所述的初步粗化装置具体包括:
粗化目标网格数获取模块,用于获取预先设定的粗化目标网格数;
粗化比确定模块,用于根据所述的原始地质网格数以及粗化目标网格数确定粗化比n;
初步粗化模块,用于根据所述的粗化比对所述的指示化砂体模型进行初步粗化,得到初步粗化的砂体模型;
界面网格确定模块,用于将所述初步粗化的砂体模型对应的粗网格的值不为0且不为1的网格,称为界面网格。
11.根据权利要求10所述的***,其特征是,所述的初步粗化模块具体包括:
粗化单元,用于将所述的指示化砂体模型按照所述的粗化比进行粗化,得到多个粗网格,每个所述的粗网格包括n个原始网格;
平均值求取单元,用于求所述n个原始网格对应的指示值的平均值;
粗网格值设置单元,用于将所述的平均值设置为所述粗网格的值;
初步粗化构型模型确定单元,所述的粗网格组成的砂体模型即为初步粗化的砂体模型。
12.根据权利要求8或11所述的***,其特征是,所述的砂体模型精细粗化装置具体包括:
第一判断模块,用于依次判断所述初步粗化的砂体模型对应的粗网格是否为界面网格;
第一原始网格获取模块,用于当所述的第一判断模块判断为是时,获取所述粗网格所包括的n个原始网格;
指示值获取模块,用于获取所述n个原始网格对应的指示值;
第一替换模块,用于用所述n个原始网格以及对应的指示值替换所述的粗网格以及所述粗网格的值;
精细粗化砂体模型确定模块,替换所述粗网格后得到的初步粗化的砂体模型即为精细粗化的砂体模型。
13.根据权利要求8或11所述的***,其特征是,所述的孔隙度模型精细粗化装置具体包括:
第二判断模块,用于依次判断所述常规粗化的孔隙度模型对应的粗网格是否为界面网格;
第二原始网格获取模块,用于当所述的第二判断模块判断为是时,获取所述粗网格所包括的n个原始网格;
孔隙度值获取模块,用于获取所述n个原始网格对应的孔隙度值;
第二替换模块,用于用所述n个原始网格以及对应的孔隙度值替换所述的粗网格以及所述粗网格的值;
精细粗化孔隙度模型确定模块,替换所述粗网格后得到的常规粗化的孔隙度模型即为精细粗化的孔隙度模型。
14.根据权利要求8或11所述的***,其特征是,所述的渗透率模型精细粗化装置具体包括:
第三判断模块,用于依次判断所述常规粗化的渗透率模型对应的粗网格是否为界面网格;
第三原始网格获取模块,用于当所述的第三判断模块判断为是时,获取所述粗网格所包括的n个原始网格;
渗透率值获取模块,用于获取所述n个原始网格对应的渗透率值;
第三替换模块,用于用所述n个原始网格以及对应的渗透率值替换所述的粗网格以及所述粗网格的值;
精细粗化渗透率模型确定模块,替换所述粗网格后得到的常规粗化的渗透率模型即为精细粗化的渗透率模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310752142.9A CN103679540B (zh) | 2013-12-31 | 2013-12-31 | 一种基于储层构型要素界面的储层模型的粗化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310752142.9A CN103679540B (zh) | 2013-12-31 | 2013-12-31 | 一种基于储层构型要素界面的储层模型的粗化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679540A true CN103679540A (zh) | 2014-03-26 |
CN103679540B CN103679540B (zh) | 2017-01-04 |
Family
ID=50317002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310752142.9A Expired - Fee Related CN103679540B (zh) | 2013-12-31 | 2013-12-31 | 一种基于储层构型要素界面的储层模型的粗化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103679540B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331925A (zh) * | 2014-09-28 | 2015-02-04 | 长江大学 | 考虑夹层影响的渗透率粗化方法 |
CN105041307A (zh) * | 2015-07-23 | 2015-11-11 | 中国石油大学(华东) | 一种碎屑岩油气储层优势渗流通道识别的工业化流程 |
CN105204090A (zh) * | 2015-10-09 | 2015-12-30 | 长江大学 | 复杂形态砂体的布尔模拟方法 |
CN105608262A (zh) * | 2015-12-17 | 2016-05-25 | 中国石油大学(北京) | 用于弹塑性模型的粗化方法 |
CN106569287A (zh) * | 2016-09-14 | 2017-04-19 | 中国石油化工股份有限公司 | 一种基于复合砂体构型模式的扇三角洲前缘储层预测方法 |
CN107366534A (zh) * | 2017-08-10 | 2017-11-21 | 中国石油天然气股份有限公司 | 粗化渗透率的确定方法和装置 |
CN107680160A (zh) * | 2017-09-12 | 2018-02-09 | 长江大学 | 一种辫状河内部构型递进式的建模方法及*** |
CN108131134A (zh) * | 2017-11-22 | 2018-06-08 | 中国石油天然气股份有限公司 | 剩余油的确定方法和装置 |
CN108710734A (zh) * | 2018-05-04 | 2018-10-26 | 南京特雷西能源科技有限公司 | 基于网格自适应加密与粗化技术的数值模拟方法和装置 |
CN108961409A (zh) * | 2018-06-15 | 2018-12-07 | 北京大学 | 一种基于油藏三维地质体构建3d打印物理模型的方法 |
CN110863818A (zh) * | 2018-08-08 | 2020-03-06 | 中国石油化工股份有限公司 | 一种剩余油/气分布的描述方法及装置 |
CN111706318A (zh) * | 2020-05-26 | 2020-09-25 | 中国石油天然气集团有限公司 | 一种确定低渗储层剩余油分布状况的方法 |
CN111911140A (zh) * | 2020-07-16 | 2020-11-10 | 中国石油天然气股份有限公司 | 陆相沉积储层的模拟方法 |
CN112231878A (zh) * | 2019-06-26 | 2021-01-15 | 中国石油天然气股份有限公司 | 夹层影响下垂向渗透率粗化等效计算方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101484906A (zh) * | 2006-07-07 | 2009-07-15 | 埃克森美孚上游研究公司 | 通过重复使用地质模型的流动解来尺度粗化储藏层模型 |
-
2013
- 2013-12-31 CN CN201310752142.9A patent/CN103679540B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101484906A (zh) * | 2006-07-07 | 2009-07-15 | 埃克森美孚上游研究公司 | 通过重复使用地质模型的流动解来尺度粗化储藏层模型 |
Non-Patent Citations (2)
Title |
---|
李宇鹏等: "储集层构型分级套合模拟方法", 《石油勘探与开发》 * |
李宇鹏等: "基于空间矢量的点坝砂体储层构型建模", 《石油学报》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331925A (zh) * | 2014-09-28 | 2015-02-04 | 长江大学 | 考虑夹层影响的渗透率粗化方法 |
CN104331925B (zh) * | 2014-09-28 | 2017-02-08 | 长江大学 | 考虑夹层影响的渗透率粗化方法 |
CN105041307B (zh) * | 2015-07-23 | 2017-09-29 | 中国石油大学(华东) | 一种碎屑岩油气储层优势渗流通道识别的工业化流程 |
CN105041307A (zh) * | 2015-07-23 | 2015-11-11 | 中国石油大学(华东) | 一种碎屑岩油气储层优势渗流通道识别的工业化流程 |
CN105204090A (zh) * | 2015-10-09 | 2015-12-30 | 长江大学 | 复杂形态砂体的布尔模拟方法 |
CN105608262B (zh) * | 2015-12-17 | 2018-12-25 | 中国石油大学(北京) | 用于弹塑性模型的粗化方法 |
CN105608262A (zh) * | 2015-12-17 | 2016-05-25 | 中国石油大学(北京) | 用于弹塑性模型的粗化方法 |
CN106569287B (zh) * | 2016-09-14 | 2019-02-26 | 中国石油化工股份有限公司 | 一种基于复合砂体构型模式的扇三角洲前缘储层预测方法 |
CN106569287A (zh) * | 2016-09-14 | 2017-04-19 | 中国石油化工股份有限公司 | 一种基于复合砂体构型模式的扇三角洲前缘储层预测方法 |
CN107366534B (zh) * | 2017-08-10 | 2020-08-11 | 中国石油天然气股份有限公司 | 粗化渗透率的确定方法和装置 |
CN107366534A (zh) * | 2017-08-10 | 2017-11-21 | 中国石油天然气股份有限公司 | 粗化渗透率的确定方法和装置 |
CN107680160A (zh) * | 2017-09-12 | 2018-02-09 | 长江大学 | 一种辫状河内部构型递进式的建模方法及*** |
CN108131134A (zh) * | 2017-11-22 | 2018-06-08 | 中国石油天然气股份有限公司 | 剩余油的确定方法和装置 |
CN108710734A (zh) * | 2018-05-04 | 2018-10-26 | 南京特雷西能源科技有限公司 | 基于网格自适应加密与粗化技术的数值模拟方法和装置 |
CN108710734B (zh) * | 2018-05-04 | 2022-12-20 | 特雷西能源科技(杭州)有限公司 | 基于网格自适应加密与粗化技术的数值模拟方法和装置 |
CN108961409B (zh) * | 2018-06-15 | 2020-11-13 | 北京大学 | 一种基于油藏三维地质体构建3d打印物理模型的方法 |
CN108961409A (zh) * | 2018-06-15 | 2018-12-07 | 北京大学 | 一种基于油藏三维地质体构建3d打印物理模型的方法 |
CN110863818A (zh) * | 2018-08-08 | 2020-03-06 | 中国石油化工股份有限公司 | 一种剩余油/气分布的描述方法及装置 |
CN110863818B (zh) * | 2018-08-08 | 2023-08-29 | 中国石油化工股份有限公司 | 一种剩余油/气分布的描述方法及装置 |
CN112231878A (zh) * | 2019-06-26 | 2021-01-15 | 中国石油天然气股份有限公司 | 夹层影响下垂向渗透率粗化等效计算方法及装置 |
CN112231878B (zh) * | 2019-06-26 | 2022-11-01 | 中国石油天然气股份有限公司 | 夹层影响下垂向渗透率粗化等效计算方法及装置 |
CN111706318A (zh) * | 2020-05-26 | 2020-09-25 | 中国石油天然气集团有限公司 | 一种确定低渗储层剩余油分布状况的方法 |
CN111706318B (zh) * | 2020-05-26 | 2023-08-22 | 中国石油天然气集团有限公司 | 一种确定低渗储层剩余油分布状况的方法 |
CN111911140A (zh) * | 2020-07-16 | 2020-11-10 | 中国石油天然气股份有限公司 | 陆相沉积储层的模拟方法 |
CN111911140B (zh) * | 2020-07-16 | 2023-10-27 | 中国石油天然气股份有限公司 | 陆相沉积储层的模拟方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103679540B (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103679540A (zh) | 一种基于储层构型要素界面的储层模型的粗化方法及*** | |
Pyrcz et al. | Geostatistical reservoir modeling | |
Athens et al. | A Monte Carlo-based framework for assessing the value of information and development risk in geothermal exploration | |
WO2017007924A1 (en) | Improved geobody continuity in geological models based on multiple point statistics | |
US20130110484A1 (en) | Reservoir modelling with multiple point statistics from a non-stationary training image | |
Etminan et al. | Predicting bed shear stresses in vegetated channels | |
Liu et al. | Automatic history matching of geologic facies | |
CN103699751A (zh) | 一种基于空间矢量的砂体储层构型建模方法及*** | |
van Dijk et al. | Reduced-complexity probabilistic reconstruction of alluvial aquifer stratigraphy, and application to sedimentary fans in northwestern India | |
Yeh et al. | A view toward the future of subsurface characterization: CAT scanning groundwater basins | |
Rhoads et al. | The role and character of theory in geomorphology | |
Jackson et al. | Rapid reservoir modeling: prototyping of reservoir models, well trajectories and development options using an intuitive, sketch-based interface | |
Shi et al. | Hydro‐thermodynamic processes at a large confluence under reservoir regulation | |
Li et al. | Bridging Computational Stratigraphy and Reservoir Simulation for Geologically Realistic High-Resolution Reservoir Modeling | |
Carrillat et al. | Geomodeling of giant carbonate oilfields with a new multipoint statistics workflow | |
Jha et al. | Parameterization of training images for aquifer 3‐D facies modeling integrating geological interpretations and statistical inference | |
Miao et al. | Modeling and uncertainty analysis of seawater intrusion based on surrogate models | |
Reis et al. | Production Data Integration Using a Gradual Deformation Approach: Application to an Oil Field Offshore Brazil | |
Andersen et al. | Method for conditioning the reservoir model on 3D and 4D elastic inversion data applied to a fluvial reservoir in the North Sea | |
Jung et al. | A new workflow for carbonate reservoir modelling based on MPS: shoal bodies in outcrop analogues (Triassic, SW Germany) | |
El Ouahed et al. | Application of artificial intelligence to characterize naturally fractured reservoirs | |
Tetzlaff | Stratigraphic forward modeling software package for research and education | |
US11682167B2 (en) | Seamless scaling geomodeling | |
EP3320450B1 (en) | Improved geobody continuity in geological models based on multiple point statistics | |
Jha et al. | Influence of alluvial morphology on upscaled hydraulic conductivity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170104 Termination date: 20211231 |