CN106841004A - 页岩储集能力确定方法 - Google Patents
页岩储集能力确定方法 Download PDFInfo
- Publication number
- CN106841004A CN106841004A CN201710061005.9A CN201710061005A CN106841004A CN 106841004 A CN106841004 A CN 106841004A CN 201710061005 A CN201710061005 A CN 201710061005A CN 106841004 A CN106841004 A CN 106841004A
- Authority
- CN
- China
- Prior art keywords
- sample
- piece
- shale
- toc
- calcite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 6
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 6
- 229910052683 pyrite Inorganic materials 0.000 claims description 84
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 claims description 75
- 239000011028 pyrite Substances 0.000 claims description 75
- 229910021532 Calcite Inorganic materials 0.000 claims description 74
- 238000011156 evaluation Methods 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 28
- 239000011435 rock Substances 0.000 claims description 16
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 claims description 10
- 229910052960 marcasite Inorganic materials 0.000 claims description 9
- 239000011575 calcium Substances 0.000 claims description 8
- 229910000019 calcium carbonate Inorganic materials 0.000 claims description 6
- 229940095991 ferrous disulfide Drugs 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 abstract description 19
- 239000011148 porous material Substances 0.000 description 72
- 239000005416 organic matter Substances 0.000 description 20
- 239000007789 gas Substances 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 11
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 9
- 238000001179 sorption measurement Methods 0.000 description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- RNAMYOYQYRYFQY-UHFFFAOYSA-N 2-(4,4-difluoropiperidin-1-yl)-6-methoxy-n-(1-propan-2-ylpiperidin-4-yl)-7-(3-pyrrolidin-1-ylpropoxy)quinazolin-4-amine Chemical compound N1=C(N2CCC(F)(F)CC2)N=C2C=C(OCCCN3CCCC3)C(OC)=CC2=C1NC1CCN(C(C)C)CC1 RNAMYOYQYRYFQY-UHFFFAOYSA-N 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
本发明提供一种页岩储集能力确定方法，包括：确定页岩的至少一块样品中每块样品的矿物成分含量和该每块样品的总有机碳TOC含量；根据该每块样品的矿物成分含量和该每块样品的TOC含量确定该页岩的储集能力。本发明提供的页岩储集能力确定方法，有效降低了确定页岩储集能力的实验难度，简化实验操作。
Description
技术领域
本发明属于油气勘探开发技术领域，尤其涉及一种页岩储集能力确定方法。
背景技术
页岩气作为非常规油气资源之一，为了有效地对页岩气进行开发，需在开发前对页岩的储集能力进行评价，以确定页岩的储集能力，进而可筛选出页岩气较多的区块进行开发。
现有技术主要是通过微观实验方法测试页岩的储集能力，例如通过氮气等温吸附实验，二氧化碳等温吸附实验等，测量页岩样品的孔比表面积和孔体积，进行页岩孔隙结构的全定量化表征，进而确定岩层的储集能力。测量之前，需要对页岩样品进行预处理，首先将页岩样品研磨至预设筛目，然后在预设温度下通入惰性气体进行处理，以除去页岩样品中的水气等。在上述等温吸附实验过程，对实验温度、压力、含水饱和度等均有一定要求，并且实验的操作步骤十分繁琐。
上述微观实验方法对样品要求较高，实验难度大，操作困难，不利于对大量样品进行检测。
发明内容
本发明提供一种页岩储集能力确定方法，以降低确定页岩储集能力的实验难度，简化实验操作。
本发明提供的页岩储集能力确定方法，包括：
确定页岩的至少一块样品中每块样品的矿物成分含量和所述每块样品的总有机碳TOC含量；
根据所述每块样品的矿物成分含量和所述每块样品的TOC含量确定所述页岩的储集能力。
进一步的，所述每块样品的矿物成分含量包括黄铁矿的质量百分含量和方解石的质量百分含量。
进一步的，所述根据所述每块样品的矿物成分含量和所述每块样品的TOC含量确定所述页岩的储集能力，包括：
根据所述每块样品的TOC含量和所述至少一块样品中TOC含量的最大值，确定TOC评价参数；
根据所述每块样品的黄铁矿的质量百分含量和所述至少一块样品中黄铁矿的质量百分含量的最大值，确定黄铁矿评价参数；
根据所述每块样品的方解石的质量百分含量和所述至少一块样品中方解石的质量百分含量的最大值，确定方解石评价参数；
根据所述TOC评价参数、所述黄铁矿评价参数，和所述方解石评价参数，确定所述岩层的储集能力评价参数；所述岩层的储集能力评价参数越大，所述岩层的储集能力越强。
进一步的，所述根据所述TOC评价参数、所述黄铁矿评价参数，和所述方解石评价参数，确定所述岩层的储集能力评价参数，包括：
RC＝a*RTOC+b*RCa+c*RFeS2
其中，RTOC为所述TOC评价参数，RFeS2为所述黄铁矿评价参数，RCa为所述方解石评价参数；RC为页岩的储集能力评价参数；a、b、c均为预设值。
进一步的，所述根据所述每块样品的TOC含量和所述至少一块样品中TOC含量的最大值，确定TOC评价参数，包括：
根据所述每块样品的TOC含量和所述至少一块样品中TOC含量的最大值的比值，确定所述TOC评价参数。
进一步的，所述根据所述每块样品的黄铁矿的质量百分含量和所述至少一块样品中黄铁矿的质量百分含量的最大值，确定黄铁矿评价参数，包括：
根据所述每块样品的黄铁矿的质量百分含量和所述至少一块样品中黄铁矿的质量百分含量的最大值的比值，确定所述黄铁矿评价参数。
进一步的，所述根据所述每块样品的方解石的质量百分含量和所述至少一块样品中方解石的质量百分含量的最大值，确定方解石评价参数，包括：
确定所述至少一块样品中方解石的质量百分含量的最大值和所述每块样品的方解石的质量百分含量的差值；
根据所述差值与所述每块样品的方解石的质量百分含量的比值，确定所述方解石评价参数。
进一步的，所述黄铁矿包括：二硫化铁；所述方解石包括：碳酸钙。
本发明提供一种页岩储集能力确定方法，包括：确定页岩的至少一块样品中每块样品的矿物成分含量和该每块样品的TOC含量；根据该每块样品的矿物成分含量和该每块样品的TOC含量确定该页岩的储集能力。本发明提供的页岩储集能力确定方法，有效降低了确定页岩储集能力的实验难度，简化实验操作。
附图说明
图1为本发明提供的页岩储集能力确定方法的流程图；
图2为本发明根据该每块样品的矿物成分含量和该每块样品的TOC确定该页岩的储集能力的方法流程图；
图3为本发明提供的另一种页岩储集能力的确定方法的流程图。
具体实施方式
本发明提供一种页岩储集能力确定方法，图1为本发明提供的页岩储集能力确定方法的流程图。如图1所示，该方法可包括：
S101、确定页岩的至少一块样品中每块样品的矿物成分含量和该每块样品的总有机碳(Total Organic Carbon，简称TOC)含量。
具体的，该S101中可以是对每块样品进行X射线衍射分析和岩石热解实验，以确定该每块样品的矿物成分含量和该每块样品的TOC含量。
该至少一块样品可以是采集的待测页岩储层中的多块页岩样品。
S102、根据该每块样品的矿物成分含量和该每块样品的TOC含量确定该页岩的储集能力。
具体的，该S102中可以先根据该每块样品的矿物成分含量和该每块样品的TOC含量确定该每块页岩样品的储集能力，再确定该至少一块样品的储集能力的平均值，该至少一块样品的储集能力的平均值可用于表征该页岩的储集能力。
其中，页岩的孔体积和孔比表面积决定了页岩的储集能力，实际应用中，可通过氮气等温吸附实验测量页岩样品的孔体积和孔比表面积，以及对页岩样品进行成分分析，并分析页岩样品的孔体积、孔比表面积和页岩样品的成分的相关性，得出：页岩成分中，该每块样品的矿物成分含量和该每块样品的TOC含量，与页岩的孔体积和孔比表面积呈不同的相关关系。由此可确定该页岩的储集能力与该每块样品的矿物成分含量和该每块样品的TOC含量相关，进而可通过该每块样品的矿物成分含量和该每块样品的TOC含量确定该页岩的储集能力。
相关性分析结果显示，页岩的TOC含量与页岩孔体积和孔比表面积呈绝对的正相关关系。这是由于页岩在热演化过程中，由于生烃作用产生的有机质孔存在于剩余有机质中，该有机质孔孔径大，连通性好，使得页岩的孔体积和孔比表面积相应增大。而剩余有机质含量通过TOC含量来体现，TOC含量越高，则剩余有机质含量越高，有机质孔就越多，页岩的孔体积和孔比表面积就越大。而矿物成分含量也与页岩的孔体积或者孔比表面积相关，且页岩中不同的矿物成分，其含量与页岩的孔体积或者孔比表面积的相关性不同。
本发明提供一种页岩储集能力确定方法，包括：确定页岩的至少一块样品中每块样品的矿物成分含量和该每块样品的总有机碳TOC含量；根据该每块样品的矿物成分含量和该每块样品的TOC含量确定该页岩的储集能力。本发明提供的页岩储集能力确定方法中，无需进行氮气等温吸附实验，有效降低确定页岩储集能力的实验难度，及实验操作。
由于该页岩储集能力确定方法中，无需进行气体等温吸附实验，因此，该页岩储集能力确定方法可以是通过宏观实验确定该页岩储集能力。
进一步的，该每块样品的矿物成分含量包括黄铁矿的质量百分含量和方解石的质量百分含量。
具体的，通过测量页岩样品的孔体积和孔比表面积，以及对页岩样品进行矿物成分分析，可确定黄铁矿与有机质为耦合关系，页岩中黄铁矿的周围通常会有有机质伴生，页岩中黄铁矿含量越多，反映了页岩中有机质含量也越高，有机质孔就越多，页岩的孔体积和孔比表面积就越大，使得页岩的储集能力越强，页岩气存在的可能性越高。
然而，通过测量页岩样品的孔体积和孔比表面积，以及对页岩样品进行矿物成分分析，方解石含量越高，页岩的孔体积和孔比表面积越小，这是由于方解石的次生作用造成的，使得页岩的储集能力减弱，从而页岩气存在的可能性越低。
进一步的，图2为本发明根据该每块样品的矿物成分含量和该每块样品的TOC含量确定该页岩的储集能力的方法流程图。如图2所示，如上所示的S102中根据该每块样品的矿物成分含量和该每块样品的TOC含量确定该页岩的储集能力，可包括：
S201、根据该每块样品的TOC含量和该至少一块样品中TOC含量的最大值，确定TOC评价参数。
具体的，TOC评价参数介于0～1之间，TOC评价参数的值越大，待测页岩的储集能力越强，待测页岩中含有页岩气的可能性越高。
其中，页岩的孔体积和孔比表面积决定了页岩的储集能力，页岩的孔体积和孔比表面积越大，页岩的储集能力越强；而页岩的TOC含量与页岩的孔体积和孔比表面积呈正相关。
这是由于页岩在热演化过程中，由于生烃作用产生的有机质孔存在于剩余有机质中，该有机质孔孔径大，连通性好，使得页岩的孔体积和孔比表面积相应增大。而剩余有机质含量通过TOC含量来体现，TOC含量越高，剩余有机质含量越高，有机质孔就越多，页岩的孔体积和孔比表面积就越大，页岩的储集能力越强，页岩气存在的可能性越高。
S202、根据该每块样品的黄铁矿的质量百分含量和该至少一块样品中黄铁矿的质量百分含量的最大值，确定黄铁矿评价参数。
具体的，黄铁矿评价参数介于0～1之间，黄铁矿评价参数的值越大，待测页岩的储集能力越强，待测页岩中含有页岩气的可能性越高。
其中，黄铁矿与有机质为耦合关系，页岩中黄铁矿的周围通常会有有机质伴生，页岩中黄铁矿含量越多，反映了页岩中有机质含量也越高，有机质孔就越多，页岩的孔体积和孔比表面积就越大，使得页岩的储集能力越强，页岩气存在的可能性越高。
S203、根据该每块样品的方解石的质量百分含量和该至少一块样品中方解石的质量百分含量的最大值，确定方解石评价参数。
具体的，方解石评价参数介于0～1之间，方解石评价参数的值越大，待测页岩的的储集能力越强，待测页岩中含有页岩气的可能性越高。
其中，次生的方解石会堵塞页岩中的孔隙，方解石含量越高，页岩的孔体积和孔比表面积越小，使得页岩的储集能力越弱，页岩气存在的可能性越低。
S204、根据该TOC评价参数、该黄铁矿评价参数，和该方解石评价参数，确定该每块样品的储集能力评价参数。
具体的，该页岩的储集能力评价参数介于0～1之间，该岩层的储集能力评价参数越大，该岩层的储集能力越强，待测页岩中含有页岩气的可能性越高。
其中，如上S204可先根据该TOC评价参数、该黄铁矿评价参数，和该方解石评价参数确定该每块样品的储集能力评价参数，再确定该至少一块样品的储集能力评价参数的平均值，该该至少一块样品的储集能力评价参数的平均值为该页岩的储集能力评价参数。
进一步的，该根据该TOC评价参数、该黄铁矿评价参数，和该方解石评价参数，确定该每块页岩的储集能力评价参数，包括：
RC＝a*RTOC+b*RCa+c*RFeS2 (式1)
其中，RTOC为该TOC评价参数，RFeS2为该黄铁矿评价参数，RCa为该方解石评价参数；RC为页岩的储集能力评价参数；a、b、c均为预设值。
具体的，a为TOC含量评价参数对应的权重系数，反映了TOC含量对页岩储集能力的影响程度。其中，a是通过对页岩TOC含量和页岩的孔体积和孔比表面积进行相关性、显著性分析得到的，a例如可以是0.7。
b为黄铁矿评价参数对应的权重系数，反映了黄铁矿含量对页岩储集能力的影响程度。其中，b是通过对页岩中黄铁矿含量和页岩的孔体积和孔比表面积进行相关性、显著性分析得到的，b例如可以是0.1。
c为方解石评价参数对应的权重系数，反映了方解石含量对页岩储集能力的影响程度。其中，c是通过对页岩中方解石含量和页岩的孔体积和孔比表面积进行相关性、显著性分析得到的，c例如可以是0.2。
具体的，a的预设值例如可以是通过对每块样品中TOC与孔体积和孔比表面积的相关性分析得到，b的预设值例如可以是通过对每块样品中黄铁矿与孔体积和孔比表面积的相关性分析得到，c的预设值例如可以是通过对每块样品中方解石与孔体积和孔比表面积的相关性分析得到。具体的分析过程可如下所示：
确定页岩样品中该每块样品的孔体积和孔比表面积，以及该每块样品的矿物成分含量和该每块样品的TOC含量。详细数据如表1所示。
表1
其中，BJH孔体积是指利用氮气等温吸附实验得到的实验结果，通过BJH模型计算出来页岩孔体积。BJH模型是基于Kelvin毛细管凝聚理论发展的孔径分布模型，由Barrett，Joyner和Halenda共同描述。
BET孔比表面积是指利用氮气等温吸附实验得到的实验结果，通过BET模型计算出来页岩孔比表面积。BET理论是由S.Brunauer(布鲁尼尔)、P.Emmett(埃密特)和E.Teller(特勒)于1938年提出的BET多分子层吸附理论，并在此基础上发展出BET模型，可用于计算气体吸附实验过程中的孔比表面积。
确定页岩样品中该每块样品的孔体积、孔比表面积和页岩样品的成分的相关性，包括：
其中，r为相关系数；和分别为变量x，y的平均值；xi和yi分别是变量x、y的第i个观测值。
采用上述式5，可得到表2所示的该每块样品的孔体积和孔比表面积，以及该每块样品的矿物成分含量和该每块样品的TOC含量之间的相关性参数。详细数据如表2所示。
表2
由表2相关性分析结果得出：页岩成分中，该页岩的黄铁矿的质量百分含量、该页岩的方解石的质量百分含量，以及该页岩的TOC含量，与页岩的孔体积和孔比表面积相关度高。
其中，a作为TOC含量评价参数对应的权重系数，由于该页岩的TOC含量，与该页岩的孔体积和孔比表面积的相关度最高，再结合实际的地质分析，a的预设值例如可以是0.7、0.75或0.8。
b作为黄铁矿评价参数对应的权重系数，由于该页岩的黄铁矿的质量百分含量，与该页岩的孔体积和孔比表面积的相关度较高，再结合实际的地质分析，b的预设值例如可以是0.1、0.08或0.05。
c作为方解石评价参数对应的权重系数，由于该页岩的方解石的质量百分含量，与该页岩的孔体积和孔比表面积的相关度较高，再结合实际的地质分析，c的预设值例如可以是0.2、0.17或0.15。
确定出a、b、和c的值之后，将各项参数RTOC、RFeS2以及RCa分别与其对应权重系数相乘，再将各项相加，得到页岩储集能力的表征参数RC；RC值越大，所述页岩储集能力越高，待测页岩中含有页岩气的可能性越高。
进一步的，该根据该每块样品的TOC含量和该至少一块样品中TOC含量的最大值，确定TOC评价参数，包括：
根据该每块样品的TOC含量和该至少一块样品中TOC含量最大值的比值，确定该TOC评价参数。
具体的，
RTOC＝TOC/TOCmax (式2)
其中TOC为该每块样品的TOC含量，TOCmax为该至少一块样品中TOC含量的最大值。
该方法中以待测页岩储层中提取的TOC含量的最高值为基准，进行该每块样品的TOC含量的标准化，确定该TOC评价参数，使得TOC评价参数介于0～1之间。此时，TOC评价参数，随TOC含量的增加而增加，TOC值越大，则TOC评价参数值越接近于1。
进一步的，根据该每块样品的黄铁矿的质量百分含量和该至少一块样品中黄铁矿的质量百分含量的最大值，确定黄铁矿评价参数，包括：
根据该每块样品的黄铁矿的质量百分含量和该至少一块样品中黄铁矿的质量百分含量的最大值的比值，确定该黄铁矿评价参数。
具体的，
RFeS2＝FeS2/FeS2max (式3)
其中FeS2为该每块样品的黄铁矿的质量百分含量，FeS2max为该至少一块样品中黄铁矿的质量百分含量的最大值。
该方法中以待测页岩储层中提取的样品中黄铁矿的质量百分含量的最高值为基准，进行该每块样品的黄铁矿的质量百分含量的标准化，确定该黄铁矿评价参数，使得黄铁矿评价参数介于0～1之间。黄铁矿评价参数随黄铁矿的质量百分含量的增加而增加，黄铁矿的质量百分含量越大，则黄铁矿评价参数值越接近于1。
进一步的，该根据该每块样品的方解石的质量百分含量和该至少一块样品中方解石的质量百分含量的最大值，确定方解石评价参数，包括：
确定该至少一块样品中方解石的质量百分含量的最大值和该每块样品的方解石的质量百分含量的差值；
根据该差值与该每块样品的方解石的质量百分含量的比值，确定该方解石评价参数。
具体的，
RCa＝(CaCO3max-CaCO3)/CaCO3max (式4)
其中，CaCO3为该每块样品的方解石的质量百分含量，CaCO3max为该至少一块样品中方解石的质量百分含量的最大值。
该方法中以待测页岩储层中提取的样品中方解石的质量百分含量的最高值为基准，进行该每块样品的方解石的质量百分含量的标准化，确定该方解石评价参数，使得方解石评价参数介于0～1之间。方解石评价参数随方解石的质量百分含量的增加而减少，方解石的质量百分含量越小，则方解石评价参数值越接近于1。
进一步的，该黄铁矿包括：二硫化铁(FeS2)；该方解石包括：碳酸钙(CaCO3)。
可选的，本发明还提供一种页岩储集能力确定方法，图3为本发明提供的另一种页岩储集能力的确定方法的流程图。如图3所示，该方法可包括如下步骤：
S301、确定页岩的至少一块样品中每块样品的矿物成分含量和该每块样品的TOC含量。
实际应用中，例如针对渝东南龙马溪组的页岩，该方法中可以取龙马溪组15块样品确定每块样品的矿物成分含量和该每块样品的TOC含量，详细数据如表3所示。
表3
| 样品编号 | TOC含量 | 黄铁矿的质量百分含量 | 方解石的质量百分含量 |
| 1 | 2.64 | 2.4 | 0 |
| 2 | 3.1 | 3.6 | 0 |
| 3 | 2.9 | 2 | 0 |
| 4 | 3.6 | 4.2 | 0 |
| 5 | 4.1 | 0 | 7.8 |
| 6 | 3.4 | 0 | 1.8 |
| 7 | 4.63 | 3.1 | 5.8 |
| 8 | 3.35 | 4.8 | 7.8 |
| 9 | 2.82 | 6.8 | 5.8 |
| 10 | 3.19 | 4.8 | 10.4 |
| 11 | 4.4 | 4.8 | 0 |
| 12 | 3.2 | 3.9 | 2.6 |
| 13 | 5.3 | 0 | 0 |
| 14 | 3.2 | 2.6 | 5.3 |
| 15 | 5.3 | 6.1 | 5.8 |
S302、根据该每块样品的TOC含量和该至少一块样品中TOC含量最大值的比值，确定TOC评价参数。
例如，该S302中可以根据该每块样品的TOC含量和该15块样品中TOC含量的最大值，采用上述式2，确定该每块样品的TOC评价参数的值。
S303、根据该每块样品的黄铁矿的质量百分含量和该至少一块样品中黄铁矿的质量百分含量的最大值的比值，确定黄铁矿评价参数，确定黄铁矿评价参数。
例如，该S303中可以根据该每块样品的黄铁矿的质量百分含量和该15块样品中黄铁矿的质量百分含量的最大值，采用上述式3，确定该每块样品的黄铁矿评价参数的值。
S304、确定该至少一块样品中方解石的质量百分含量的最大值和该每块样品的方解石的质量百分含量的差值；
根据该差值与该每块样品的方解石的质量百分含量的比值，确定所述方解石评价参数。
例如，该S304中可以根据该每块样品的方解石的质量百分含量和该15块样品中方解石的质量百分含量的最大值，采用上述式4，确定该每块样品的方解石评价参数的值。
S305、根据该TOC评价参数、该黄铁矿评价参数，和该方解石评价参数，确定该每块样品的储集能力评价参数。
例如，该S305中可以根据该每块样品中该TOC评价参数、该黄铁矿评价参数，和该方解石评价参数的值，采用上述式1，确定该每块样品的储集能力评价参数的值。
S306、确定该至少一块样品的储集能力评价参数的平均值，该至少一块样品的储集能力评价参数的平均值为该页岩的储集能力评价参数。例如，该S305中该15块样品的储集能力评价参数的值的平均值，为该页岩的储集能力评价参数的值。详细数据如表4所示。
表4
采用上述图3所述的页岩储集能力确定方法，以渝东北牛蹄塘组的31块页岩样品为例，可得到每块样品的TOC评价参数的值、该每块样品的黄铁矿评价参数的值、该每块样品的方解石评价参数的值、该每块样品的储集能力评价参数的值，以及该页岩的储集能力评价参数的值。详细数据可如表5所示。
表5
通过对比两组页岩样品的Rc值的平均值可以得出渝东南龙马溪组页岩的储集能力要高于渝东北牛蹄塘组的结论。此外，根据该每块样品的Rc值也可得出各块样品的相对储集能力的大小。
本发明上述实施例提供的页岩储集能力确定方法，有效降低了确定页岩储集能力的实验难度，简化实验操作。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种页岩储集能力确定方法，其特征在于，包括：
确定页岩的至少一块样品中每块样品的矿物成分含量和所述每块样品的总有机碳TOC含量；
根据所述每块样品的矿物成分含量和所述每块样品的TOC含量确定所述页岩的储集能力。
2.根据权利要求1所述的方法，其特征在于，所述每块样品的矿物成分含量包括黄铁矿的质量百分含量和方解石的质量百分含量。
3.根据权利要求2所述的方法，其特征在于，所述根据所述每块样品的矿物成分含量和所述每块样品的TOC含量确定所述页岩的储集能力，包括：
根据所述每块样品的TOC含量和所述至少一块样品中TOC含量的最大值，确定TOC评价参数；
根据所述每块样品的黄铁矿的质量百分含量和所述至少一块样品中黄铁矿的质量百分含量的最大值，确定黄铁矿评价参数；
根据所述每块样品的方解石的质量百分含量和所述至少一块样品中方解石的质量百分含量的最大值，确定方解石评价参数；
根据所述TOC评价参数、所述黄铁矿评价参数，和所述方解石评价参数，确定所述岩层的储集能力评价参数；所述岩层的储集能力评价参数越大，所述岩层的储集能力越强。
4.根据权利要求3所述的方法，其特征在于，所述根据所述TOC评价参数、所述黄铁矿评价参数，和所述方解石评价参数，确定所述岩层的储集能力评价参数，包括：
RC＝a*RTOC+b*RCa+c*RFeS2
其中，RTOC为所述TOC评价参数，RFeS2为所述黄铁矿评价参数，RCa为所述方解石评价参数；RC为所述页岩的储集能力评价参数；a、b、c均为预设值。
5.根据权利要求3所述的方法，其特征在于，所述根据所述每块样品的TOC含量和所述至少一块样品中TOC含量的最大值，确定TOC评价参数，包括：
根据所述每块样品的TOC含量和所述至少一块样品中TOC含量的最大值的比值，确定所述TOC评价参数。
6.根据权利要求3所述的方法，其特征在于，所述根据所述每块样品的黄铁矿的质量百分含量和所述至少一块样品中黄铁矿的质量百分含量的最大值，确定黄铁矿评价参数，包括：
根据所述每块样品的黄铁矿的质量百分含量和所述至少一块样品中黄铁矿的质量百分含量的最大值的比值，确定所述黄铁矿评价参数。
7.根据权利要求3所述的方法，其特征在于，所述根据所述每块样品的方解石的质量百分含量和所述至少一块样品中方解石的质量百分含量的最大值，确定方解石评价参数，包括：
确定所述至少一块样品中方解石的质量百分含量的最大值和所述每块样品的方解石的质量百分含量的差值；
根据所述差值与所述每块样品的方解石的质量百分含量的比值，确定所述方解石评价参数。
8.根据权利要求2-7中任一项所述的方法，其特征在于，所述黄铁矿包括：二硫化铁；所述方解石包括：碳酸钙。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710061005.9A CN106841004A (zh) | 2017-01-25 | 2017-01-25 | 页岩储集能力确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710061005.9A CN106841004A (zh) | 2017-01-25 | 2017-01-25 | 页岩储集能力确定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106841004A true CN106841004A (zh) | 2017-06-13 |
Family
ID=59121229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710061005.9A Pending CN106841004A (zh) | 2017-01-25 | 2017-01-25 | 页岩储集能力确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106841004A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107575218A (zh) * | 2017-09-01 | 2018-01-12 | 中国地质大学（北京） | 一种快速判断富有机质成熟页岩的方法及应用 |
| CN108846218A (zh) * | 2018-06-22 | 2018-11-20 | 中国石油大学(北京) | 预测泥页岩储层不同类型孔隙的内比表面积的方法及*** |
| CN112305000A (zh) * | 2020-10-22 | 2021-02-02 | 西南石油大学 | 一种基于页岩有机质孔形态表征页岩储集能力的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104007049A (zh) * | 2014-06-06 | 2014-08-27 | 马存飞 | 一种泥页岩的微观孔隙分类方法 |
| CN104169714A (zh) * | 2012-01-13 | 2014-11-26 | 领英股份有限公司 | 用多能量x射线成像确定储层性质和品质的方法 |
| CN104392272A (zh) * | 2014-10-13 | 2015-03-04 | 成都创源油气技术开发有限公司 | 页岩气藏有利区选择综合评价方法 |
| CN104897704A (zh) * | 2015-06-23 | 2015-09-09 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种页岩成分定量分析方法 |
| CN105275456A (zh) * | 2014-06-23 | 2016-01-27 | 中国石油化工股份有限公司 | 一种利用测井资料识别优质泥页岩的方法 |
| CN105675468A (zh) * | 2016-01-15 | 2016-06-15 | 山东科技大学 | 一种泥页岩有机质孔隙度的评价方法 |
-
2017
- 2017-01-25 CN CN201710061005.9A patent/CN106841004A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104169714A (zh) * | 2012-01-13 | 2014-11-26 | 领英股份有限公司 | 用多能量x射线成像确定储层性质和品质的方法 |
| CN104007049A (zh) * | 2014-06-06 | 2014-08-27 | 马存飞 | 一种泥页岩的微观孔隙分类方法 |
| CN105275456A (zh) * | 2014-06-23 | 2016-01-27 | 中国石油化工股份有限公司 | 一种利用测井资料识别优质泥页岩的方法 |
| CN104392272A (zh) * | 2014-10-13 | 2015-03-04 | 成都创源油气技术开发有限公司 | 页岩气藏有利区选择综合评价方法 |
| CN104897704A (zh) * | 2015-06-23 | 2015-09-09 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种页岩成分定量分析方法 |
| CN105675468A (zh) * | 2016-01-15 | 2016-06-15 | 山东科技大学 | 一种泥页岩有机质孔隙度的评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘大锰等: "我国页岩气富集成藏机理及其形成条件研究", 《煤炭科学技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107575218A (zh) * | 2017-09-01 | 2018-01-12 | 中国地质大学（北京） | 一种快速判断富有机质成熟页岩的方法及应用 |
| CN108846218A (zh) * | 2018-06-22 | 2018-11-20 | 中国石油大学(北京) | 预测泥页岩储层不同类型孔隙的内比表面积的方法及*** |
| CN108846218B (zh) * | 2018-06-22 | 2020-07-28 | 中国石油大学(北京) | 预测泥页岩储层不同类型孔隙的内比表面积的方法及*** |
| CN112305000A (zh) * | 2020-10-22 | 2021-02-02 | 西南石油大学 | 一种基于页岩有机质孔形态表征页岩储集能力的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Nanoscale pore structure characterization of the Bakken shale in the USA | |
| Sun et al. | Nanoscale pore characteristics of the Lower Cambrian Niutitang Formation Shale: a case study from Well Yuke# 1 in the Southeast of Chongqing, China | |
| Rani et al. | Review of gas adsorption in shales for enhanced methane recovery and CO2 storage | |
| Zhang et al. | Full-scale nanopore system and fractal characteristics of clay-rich lacustrine shale combining FE-SEM, nano-CT, gas adsorption and mercury intrusion porosimetry | |
| Ji et al. | Fractal characteristics of nano-pores in the Lower Silurian Longmaxi shales from the Upper Yangtze Platform, south China | |
| Wang et al. | Pore structure characteristics of coal-bearing shale using fluid invasion methods: A case study in the Huainan–Huaibei Coalfield in China | |
| Cao et al. | A comparative study of the specific surface area and pore structure of different shales and their kerogens | |
| Valenza et al. | Geochemical controls on shale microstructure | |
| Zhao et al. | Coal seam porosity and fracture heterogeneity of macrolithotypes in the Hancheng Block, eastern margin, Ordos Basin, China | |
| Liu et al. | The impact of pore size distribution data presentation format on pore structure interpretation of shales | |
| Chalmers et al. | Geological controls on matrix permeability of Devonian Gas Shales in the Horn River and Liard basins, northeastern British Columbia, Canada | |
| Chalmers et al. | Lower Cretaceous gas shales in northeastern British Columbia, Part I: geological controls on methane sorption capacity | |
| Yang et al. | Petrophysical characteristics of shales with different lithofacies in Jiaoshiba area, Sichuan Basin, China: Implications for shale gas accumulation mechanism | |
| Yang et al. | Fractal characteristics of shales from a shale gas reservoir in the Sichuan Basin, China | |
| Xiangzeng et al. | Geological features of Mesozoic lacustrine shale gas in south of Ordos Basin, NW China | |
| Guo et al. | Permeability variation associated with fines production from anthracite coal during water injection | |
| Dang et al. | Geological controls on methane adsorption capacity of Lower Permian transitional black shales in the Southern North China Basin, Central China: Experimental results and geological implications | |
| Furmann et al. | Porosity and pore size distribution in mudrocks from the Belle Fourche and Second White Specks Formations in Alberta, Canada | |
| CN106547966B (zh) | 一种页岩油吸附量与可动量评价模型及其建立、应用方法 | |
| Kim et al. | Impact of total organic carbon and specific surface area on the adsorption capacity in Horn River shale | |
| CN106841004A (zh) | 页岩储集能力确定方法 | |
| Zhang et al. | Characterization of microscopic pore types and structures in marine shale: Examples from the Upper Permian Dalong formation, Northern Sichuan Basin, South China | |
| Chen et al. | Organic matter, mineral composition, pore size, and gas sorption capacity of lacustrine mudstones: implications for the shale oil and gas exploration in the Dongying depression, eastern China | |
| Liu et al. | Effect of pore-throat structure on gas-water seepage behaviour in a tight sandstone gas reservoir | |
| CN105043957A (zh) | 通过泥页岩等温吸附曲线分类判断孔隙结构的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |
|
| RJ01 | Rejection of invention patent application after publication |