CN108875140A - 一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法 - Google Patents
一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法 Download PDFInfo
- Publication number
- CN108875140A CN108875140A CN201810508920.2A CN201810508920A CN108875140A CN 108875140 A CN108875140 A CN 108875140A CN 201810508920 A CN201810508920 A CN 201810508920A CN 108875140 A CN108875140 A CN 108875140A
- Authority
- CN
- China
- Prior art keywords
- model
- group
- asphalitine
- rock
- mineral
- 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
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000010521 absorption reaction Methods 0.000 title claims abstract description 55
- 230000006378 damage Effects 0.000 title claims abstract description 44
- 239000011435 rock Substances 0.000 claims abstract description 161
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 114
- 239000011707 mineral Substances 0.000 claims abstract description 114
- 230000008569 process Effects 0.000 claims abstract description 57
- 230000008021 deposition Effects 0.000 claims abstract description 48
- 238000004088 simulation Methods 0.000 claims abstract description 36
- 238000009533 lab test Methods 0.000 claims abstract description 14
- 239000002734 clay mineral Substances 0.000 claims description 96
- 238000001179 sorption measurement Methods 0.000 claims description 74
- 239000004927 clay Substances 0.000 claims description 54
- 239000002245 particle Substances 0.000 claims description 48
- 238000000151 deposition Methods 0.000 claims description 47
- 238000009826 distribution Methods 0.000 claims description 47
- 239000010779 crude oil Substances 0.000 claims description 18
- 239000011148 porous material Substances 0.000 claims description 14
- 238000001816 cooling Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000035699 permeability Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 238000005137 deposition process Methods 0.000 claims description 8
- 238000002922 simulated annealing Methods 0.000 claims description 8
- 238000005311 autocorrelation function Methods 0.000 claims description 7
- 239000012530 fluid Substances 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 5
- 239000004575 stone Substances 0.000 claims description 5
- 230000000274 adsorptive effect Effects 0.000 claims description 3
- 238000000137 annealing Methods 0.000 claims description 3
- 238000005266 casting Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000000502 dialysis Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000011161 development Methods 0.000 abstract description 7
- 208000027418 Wounds and injury Diseases 0.000 abstract description 4
- 208000014674 injury Diseases 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 4
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 239000012071 phase Substances 0.000 description 22
- 230000002776 aggregation Effects 0.000 description 17
- 238000004220 aggregation Methods 0.000 description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 description 12
- 229910052619 chlorite group Inorganic materials 0.000 description 11
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 11
- 229910001919 chlorite Inorganic materials 0.000 description 10
- 229910052901 montmorillonite Inorganic materials 0.000 description 10
- 229910052900 illite Inorganic materials 0.000 description 9
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 7
- 229910052622 kaolinite Inorganic materials 0.000 description 7
- 238000001035 drying Methods 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 150000003254 radicals Chemical class 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 3
- UJOBWOGCFQCDNV-UHFFFAOYSA-N 9H-carbazole Chemical compound C1=CC=C2C3=CC=CC=C3NC2=C1 UJOBWOGCFQCDNV-UHFFFAOYSA-N 0.000 description 2
- JUJWROOIHBZHMG-UHFFFAOYSA-N Pyridine Chemical compound C1=CC=NC=C1 JUJWROOIHBZHMG-UHFFFAOYSA-N 0.000 description 2
- 239000006004 Quartz sand Substances 0.000 description 2
- 238000010793 Steam injection (oil industry) Methods 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical group [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- YTPLMLYBLZKORZ-UHFFFAOYSA-N Thiophene Chemical compound C=1C=CSC=1 YTPLMLYBLZKORZ-UHFFFAOYSA-N 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 229910021647 smectite Inorganic materials 0.000 description 2
- 239000007790 solid phase Substances 0.000 description 2
- 239000011593 sulfur Chemical group 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000009736 wetting Methods 0.000 description 2
- 229910018512 Al—OH Inorganic materials 0.000 description 1
- 206010013786 Dry skin Diseases 0.000 description 1
- 229910008051 Si-OH Inorganic materials 0.000 description 1
- 229910006358 Si—OH Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910000323 aluminium silicate Inorganic materials 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- HNPSIPDUKPIQMN-UHFFFAOYSA-N dioxosilane;oxo(oxoalumanyloxy)alumane Chemical compound O=[Si]=O.O=[Al]O[Al]=O HNPSIPDUKPIQMN-UHFFFAOYSA-N 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- -1 enrichment Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005342 ion exchange Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012332 laboratory investigation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 235000005985 organic acids Nutrition 0.000 description 1
- 150000002989 phenols Chemical class 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- UMJSCPRVCHMLSP-UHFFFAOYSA-N pyridine Natural products COC1=CC=CN=C1 UMJSCPRVCHMLSP-UHFFFAOYSA-N 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000012798 spherical particle Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229930192474 thiophene Natural products 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，以原始含多种岩石矿物组分的数字岩心模型为参考，结合不同模拟条件下沥青质的沉积状况以及不同岩石矿物对沥青质的室内实验结果，通过基于模型离散点稳定性判别和沥青质沉积、吸附模拟等方法将室内研究结果与数字岩心紧密结合，实现了基于数字岩心技术对稠油油藏沥青质沉积损害的模拟，最后通过对储层伤害前后数字岩心模型微观结构及孔渗变化的分析，得到不同模拟条件下，稠油油藏中沥青质沉积、吸附造成的储层损害程度，该方法的提出进一步拓展了数字岩心技术在油气田开发领域的应用，也为稠油油藏沥青质的沉积吸附的伤害过程模拟与研究提供了新手段。
Description
技术领域
本发明属于油气田开发技术领域，涉及稠油油藏储层中沥青质造成的损害分析，特别涉及一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，是一种针对不同模拟条件下，由于稠油油藏储层中沥青质的沉积以及在不同岩石矿物表面的吸附造成的储层伤害过程而开展的基于含多种岩石矿物组分的数字岩心模型的稠油油藏沥青质沉积损害模拟技术。
背景技术
稠油油藏在注蒸汽开发过程中，由于储层中温度、压力的变化，极易造成储层岩石及流体性质的变化，从而造成不同类型的储层伤害发生。超临界注汽锅炉可以实现300℃以上的高干度注入蒸汽，压力一般可达6～8MPa，稠油中的胶质、沥青质等重质组分在热采过程中，随着温度、压力场及原油组分性质的变化，原油中的大分子极性化合物不断聚集形成了复杂的沥青质聚集体，而组成沥青质的极性化合物中含有不同类型的大分子含氮、含硫和含氧化合物，其中含氧化合物包括酚类和多种有机酸，含硫化合物包括噻吩等，含氮化合物包括吡啶、咔唑等，不同类型的杂原子化合物在沥青质与岩石矿物的吸附过程中起到重要的作用，尤其是含氮和含氧化合物。含有表面活性基团的沥青质聚集体带有正电荷和较强的极性，同时黏土矿物是典型的硅铝酸盐，其表面具有四面体Si-OH和八面体Al-OH的基团，且晶片的表面为-OH，这些极性基团为沥青质在黏土矿物表面的吸附过程提供了较多的吸附位点，因此在极性、电荷、氢键等一系列作用下使得沥青质在岩石矿物表面发生了吸附。聚沉后的沥青质中含有较多的极性组分，极易在不同黏土矿物中发生吸附而加剧储层伤害。
随着计算机技术，仪器分析手段的不断发展，促进了数字岩心理论及相关技术的发展，而数字岩心重建技术作为一项发展较为迅速的微观尺度储层模拟分析手段而受到越来越多的关注，其应用也由最初的岩石基本物性研究扩展到了孔隙内流体的渗流、富集、岩石电性关系等多个方面。黏土矿物是储层岩石矿物的重要组成部分，其除遇水具有较强的可塑性外，多数还具有较强的吸附性和离子交换性等特点；是导致储层伤害的主控因素，而沥青质由于在储层温度、压力等变化条件下，极易造成沥青质的沉积，并吸附于不同类型的岩石矿物表面，因此本发明提出一种基于含多种岩石矿物组分数字岩心模型的稠油油藏沥青质沉积损害模拟方法，通过基于数值法构建的数字岩心模型，结合室内实验研究结果，模拟不同条件下稠油油藏沥青质沉积造成的储层伤害。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，通过数字岩心技术将室内实验结果与现场资料相结合，为研究稠油油藏沥青质沉积、吸附造成的储层伤害过程提供手段。
为了实现上述目的，本发明采用的技术方案是：
一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，其特征在于，包括以下步骤：
步骤1，基于真实储层二维信息，基于改进混合算法和聚类算法构建含多种岩石矿物的数字岩心模型；
步骤2，通过室内实验得到不同模拟条件(不同温度，不同压力，不同原油类型，不同水类型，不同润湿环境)下，沥青质的沉积量以及沥青质在不同类型岩石矿物表面的吸附情况；
步骤3，通过室内实验得到的不同原油在不同模拟条件下沥青质的沉积比例，在原始含多种岩石矿物数字岩心模型的基础上，将沉积沥青质按比例放置于孔隙空间占位，输出沉积沥青质后的数字岩心模型；
步骤4，基于不同模拟条件下沥青质在不同类型岩石矿物表面的吸附特征，将沉积在孔隙空间的沥青质按照室内实验得到的吸附特征放置于不同类型的岩石矿物表面，输出吸附沥青质后的数字岩心模型。
所述步骤1中，真实储层二维信息包括铸体薄片、岩石粒度分布、黏土矿物分布、黏土矿物产状特征，具体的模型构建步骤包括：
第一步，利用过程法构建基础数字岩心模型时，考虑黏土矿物的总含量，在沉积过程中，根据真实储层的粒度分布情况，随机选择沉积颗粒的半径，沉积颗粒的尺寸不但由原始的沉积颗粒粒度分布决定，同时额外考虑黏土矿物与储层砂岩颗粒之间的比例，在满足高能环境和重力势能梯度最大的下落模拟原则的基础上模拟沉积过程，并结合真实岩心孔隙度，选择压实因子控制数字岩心模型的孔隙度；
第二步，将单位体像素点的空间占位，即点、线和面占位三种类型，按其对邻域不稳定性的贡献程度赋予权值，其中面为5，边为3，点为2；在选取交换单位体像素点时，计算该体像素点与邻域占位点、线和面上的不稳定性贡献程度S，并基于模拟退火算法中能量值下降的过程，引入交换单位体像素点对其邻域不稳定性的贡献程度参数Sd，对交换点的可交换性进行判断，提高交换单位体像素点的有效性，其中Sd为与模拟过程中***能量相关的无因次值：
Sd＝N×β(E0-Ei/△Emax) (1)
式中，N为单位体像素点影响的邻域接触点的个数，无量纲；β为单位体像素点对邻域不稳定性系数，无量纲；E0为***的初始能量，无量纲；Ei为第i次降温后***的能量，无量纲；ΔEmax为初始模型和基于储层岩石二维信息的参考模型***的能量差值，无量纲，初始模型是指过程法构建的基础数字岩心模型；
第三步，利用改进混合算法构建初始数字岩心模型的步骤为：
①建立基于储层岩石二维信息的参考模型，将过程法构建的基础数字岩心模型作为改进混合算法的初始模型，设定初始温度，并计算初始***的相关参数，包含自相关函数、线性路径函数、分形特征函数和能量值；
②在保证模拟退火降温过程随机性的基础上，计算交换单位体像素点26个空间占位对邻域不稳定性的贡献程度S；当S>Sd时，认为该点的不稳定程度较高，可作为***更新的交换点；当S<Sd时，则重复步骤②；
③计算交换单位体像素点后***的相关参数，包括单点概率函数、自相关函数、线性路径函数、分形函数和能量值，计算与未交换前***的能量差值ΔE；当ΔE<0时，更新***；当ΔE>0时，根据Metropolis准则来判断***是否更新，即在一定的概率条件下接受***更新；如果判断后不满足***更新条件，则返回步骤②；
④判断内循环终止条件，即判断在同一温度条件下***能量差值是否小于设定最小能量差值；同时为避免***刚降温，***能量上升而立刻导致内循环结束而产生的降温，通过设定***更新的失败率ff来避免该现象的出现，其中：
式中，Nf为导致***能量回升的更新失败的次数；N为***更新的总次数；
当ff大于一定值后，则进行降温处理，降温过程采取等比降温方案，并返回步骤②；
⑤当模拟过程温度降低到最终设定温度时或与上次降温的***能量差值ΔE小于设定值时，整个模拟过程终止；
作为约束条件，模拟退火算法中使用的统计函数包括：单点概率函数P(r)、自相关函数、线性路径函数和分形函数，利用自相关函数和线性路径函数对初始***进行退火模拟，当模型具备一定分形特征后，引入分形函数进一步约束重建模型；
第四步，将混合算法重建后初始数字岩心模型中的类球岩石颗粒，与过程法中构建的基础数字岩心模型的原始球形岩石颗粒相比较并取二者补集，将初始数字岩心模型初步划分为岩石骨架相、孔隙相和黏土矿物相三大类；
第五步，通过Hoshen-Kopelman算法对初始数字岩心模型中的黏土矿物基团进行统计和划分，其中被M相占据的概率为c，被T相占据的概率为1-c，对于晶格中的每一个占位i，当其被M相占据时，则给该占位赋予一个基团标记其中α是基团标记的特征符号，t为基团标记的次数，某一离散点的标记由一系列自然数表示：
在这一系列自然数中只有一个自然数是基团α的准确标记，该标记为且该值是集合(3)中所有自然数的最小值，其它各基团标记之间的关系则由以下整数集给出：
其中，只有是正整数元素，该值为基团中M相的个数，当进行第t次标记时，若基团中M相个数少于上次标记过程基团α的M相个数，则将该差值表示为相应t次的基团α的T相个数，(4)中的其它元素皆为负整数，反映了与其它基团标记的关系，与的关系用式(5)表示：
检查被判断离散点是否有被扫描过的相邻离散点，若相邻离散点为T相，则将当前被判断离散点赋予新基团的标记；如果有一个相邻离散点已经赋予基团标记，则将当前网格与相邻离散点赋予相同的标记；如果有一个以上的相邻离散点已经赋予基团标记，且基团标记各不相同，则将基团中所有离散点赋予相同的标记，最后统计并划分模型中黏土矿物相基团的个数及尺寸；
第六步，较大的连通基团为黏土相中基团尺寸大于相邻基质颗粒尺寸的黏土矿物基团，通过K-means算法对初始数字岩心模型中黏土矿物相基团尺寸较大的黏土矿物基团进行划分，具体步骤如下：
①读取数据样本的集合；
②设定样本聚类的个数k，随机的选取k个数据样本作为初始的数据样本聚类中心；
③计算欧氏距离，计算数据样本中每个数据到各聚类中心的欧式几何距离，然后根据最小误差平方和准则函数将数据按照远近距离划分到相应的不同聚类中心所对应的聚类当中；
④更新聚类中心，将每个聚类中所有数据的均值作为各个聚类新的中心，并以最小误差平方和准则重新计算新的聚类中心的值；
⑤迭代判别，将步骤④中计算得到的数值与前一次计算得到的数值相比较，如果两者差值小于或等于预先设定的临界值，则停止迭代，否则重新进行步骤③进行迭代；
⑥输出数据样本及聚类结果，包括每个聚类的聚类中心、大小；
第七步，当黏土矿物基团边界的离散点为单个岩石颗粒时，则将该黏土矿物基团划分为交代形式，交代形式主要分布于岩石颗粒内，呈单个离散点的形式分布；当黏土矿物基团边界的相邻离散点为单个岩石骨架颗粒及孔隙时，则将该黏土矿物相基团划分为颗粒表面充填形式；
当黏土矿物基团边界的相邻离散点为多个岩石骨架颗粒及孔隙时，则将该黏土矿物基团划分为粒间充填形式；
将交代形式、颗粒表面充填形式和粒间充填形式的黏土矿物基团分别标记为A、B、C；最终得到不同结构黏土矿物基团分布和不同类型的黏土矿物基团分布；
第八步，基于Hoshen-Kopelman算法和K-means算法得到初始数字岩心模型中黏土矿物基团大小及数量分布，以及按结构划分得到的黏土矿物基团类型及数量分布，结合真实储层黏土含量及分布以及主要的黏土矿物结构特点，按黏土矿物相基团大小和结构特点将模型中的黏土矿物赋予相应的黏土性质，得到含多组分岩石矿物分布的数字岩心模型。
所述步骤2中，室内实验包括模拟原始储层及不同生产条件下，当储层温度、压力、层内流体和注入流体性质发生变化时，原油中的沥青质沉积量的变化；沥青质在岩石矿物表面的吸附规律及吸附特征，包括沥青质在不同类型岩石矿物表面的吸附量、吸附常数及最大吸附容量。
所述步骤3中得到输出沉积沥青质后的数字岩心模型是指模拟沥青质的沉积过程，步骤如下：
第一步，由原始含多种岩石矿物的数字岩心模型得到数字岩心的孔隙体积；
第二步，基于步骤2得到的原油中沥青质在不同模拟条件下(不同温度，不同压力，不同原油类型，不同水类型，不同润湿条件环境)的沉积比例以及步骤1得到的含多种岩石矿物组分数字岩心模型的孔隙体积，计算原始含多种岩石矿物数字岩心模型孔隙中的沥青质沉积量；
第三步，以步骤1得到的含多种岩石矿物组分数字岩心模型中最小的单位体像素点为基本沉积模拟单元，将需要沉积的沥青质以基本沉积模拟单元为最大模拟单位，随机放置在孔隙空间占位上，直到完成所有沥青质的沉积过程。
所述步骤4中得到输出吸附沥青质后的数字岩心模型是指模拟沥青质的吸附过程，步骤如下：
第一步，读取沥青质沉积后的含多种岩石矿物的数字岩心模型；
第二步，基于步骤2得到的室内实验结果，输入不同类型岩石矿物在不同条件下的吸附平衡常数和最大吸附容量参数；
第三步，按所述的Hoshen-Kopelman基团划分与统计算法确定原始含多种岩石矿物组分数字岩心模型中不同类型岩石矿物的基团数量和大小，通过不同类型岩石矿物对沥青质的吸附特征关系确定不同类型岩石矿物表面沥青质的吸附量；
第四步，结合原始含多种岩石矿物组分数字岩心模型中各类岩石矿物基团大小以及实验中得到的不同模拟条件下不同类型岩石矿物表面沥青质的最大吸附容量，计算模型中岩石矿物基团总的吸附容量；
第五步，当岩石矿物基团的最大吸附容量大于沥青质的沉积质量时，岩石矿物表面的沥青质吸附比例按照模拟条件下吸附特征常数来确定，各类岩石矿物表面的沥青质总吸附量由沥青质的沉积量来控制；当岩石矿物基团的最大吸附容量小于等于沥青质的沉积质量时，岩石矿物表面的沥青质吸附比例按照模拟条件下各类岩石矿物的最大吸附容量来确定，各类岩石矿物表面的沥青质总的吸附量则由最大吸附容量来控制；
第六步，计算沥青质与黏土的“吸附距离”并排序，其中“吸附距离”与各黏土的吸附比例相关；
第七步，根据所述的空间占位的稳定性判别方法计算岩石矿物基团边界相邻孔隙占位的稳定性，将沥青质按“吸附距离”放置在优先等级较高的孔隙占位上，如果黏土达到最大吸附容量且已满足总吸附量时模拟过程结束，否则继续按上述过程进行模拟。
通过对比不同模拟条件下稠油油藏沥青质沉积损害前后数字岩心模型中沥青质在岩石矿物表面的吸附体积的变化、数字岩心模型的孔隙度和渗透率的变化，进一步研究稠油油藏沥青质损害前后对储层微观结构的影响。
与现有技术相比，本发明的一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，通过将有限的矿场资料与室内实验结果相结合，提出了一种基于数字岩心技术的沥青质沉积、吸附造成的储层伤害模拟研究的新手段，该方法首先利用有限的矿场资料构建了包含多种岩石矿物类型与产状的数字岩心模型；其次，在不同模拟条件(温度、压力和流体性质等)下研究了原油中沥青质的沉积变化规律以及沥青质在岩石矿物表面的吸附规律，以此为基础，最后通过基于模型离散点稳定性判别和沥青质的沉积吸附模拟等方法将室内研究结果与数字岩心紧密结合，实现了基于数字岩心技术对稠油油藏沥青质沉积吸附损害过程的模拟，最后通过对储层伤害前后数字岩心模型微观结构及孔渗变化的分析，得到不同模拟条件下，稠油油藏沥青质沉积、吸附过程对储层伤害的程度，该方法的提出进一步拓展了数字岩心技术在油气田开发领域的应用，也为储层中沥青质的沉积吸附损害研究提供了新手段。
附图说明
图1是含多种岩石矿物数字岩心模型重建流程图。
图2是沥青质吸附运算流程图。
图3是含多种岩石矿物数字岩心模型。
图4是含多种岩石矿物数字岩心模型中黏土基团的分布。
图5是不同类型的黏土矿物模型及其分布。
图6是80℃模拟冷凝液模型中沥青质沉积后的二维模型。
图7是不同模拟条件下的沥青质沉积模型。
图8是180℃水湿条件下模拟冷凝液模型中沥青质吸附后的二维模型。
图9是不同模拟条件下的沥青质吸附模型。
具体实施方式
下面结合附图和实施例对本发明作详细说明，但本发明不限于下列的实施例。
本发明具体涉及到一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，该实施例的稠油油藏沥青质沉积过程和吸附过程的模拟是通过以下步骤来实现的：
实施例中所采用的是基于储层岩石二维信息的含多种岩石矿物的数字岩心重建技术，其中包含的储层岩石二维信息主要包括储层的粒度分布、铸体资料、孔隙度、岩石矿物含量及产状分布等。
(1)含多种岩石矿物原始数字岩心模型的构建
含多种岩石矿物的数字岩心模型的构建按图1所示的过程进行构建，其中利用过程法构建基础数字岩心模型是在满足高能环境和重力势能梯度最大的下落模拟原则的基础上模拟沉积过程，并结合真实岩心孔隙度，选择压实因子控制数字岩心的孔隙度。为构建含多组分岩石矿物的数字岩心模型，在沉积过程中，根据真实粒度随机选择球体颗粒的半径时，考虑了其他类型岩石矿物所占体积，因此沉积颗粒的尺寸不但由原始的粒度分布决定，同时额外考虑了其他类型岩石矿物与储层砂岩颗粒之间的比例。在运用混合算法构建初始数字岩心模型时，将单位体像素点的空间占位(点、线和面)按其对邻域不稳定性的贡献程度赋予权值，其中面为5，边为3，点为2；在选取交换单位体像素点时，计算该体像素点与邻域占位点、线和面上的不稳定性贡献程度S，并基于模拟退火算法中能量值下降的过程，引入交换单位体像素点对其邻域不稳定性的贡献程度参数Sd，对交换单位体像素点的可交换性进行判断，提高交换单位体像素点的有效性，其中Sd为与模拟过程中***能量相关的无因次值：
Sd＝N×β(E0-Ei/△Emax) (1)
式中，N为单位体像素点影响的邻域接触点的个数，无量纲；β为单位体像素点对邻域不稳定性系数，无量纲；E0为***的初始能量，无量纲；Ei为第i次降温后***的能量，无量纲；ΔEmax为初始模型和参考模型***的能量差值，无量纲。
作为约束条件，模拟退火算法中常用的统计函数包括：单点概率函数、自相关函数、线性路径函数和分形函数等，利用自相关函数和线性路径函数对初始***进行退火模拟，当模型具备一定分形特征后，引入分形函数进一步约束重建模型。
将混合算法重建后初始数字岩心模型中的类球岩石颗粒，与过程法中重建基础模型的原始球形岩石颗粒相比较，并将模型初步划分为岩石骨架相(R)、孔隙相(P)和黏土矿物相(C)三大类，其中C相在空间中以大小不同的不规则离散基团的形式分布，其中模型运算之前需要将三维重建模型划分为两相，孔隙相和岩石骨架相需合并为一相T，利用Hoshen-Kopelman算法得到模型中黏土基团的编号、尺寸和数量，由于统计划分的黏土矿物基团中存在部分尺寸较大的连通黏土基团，而在真实储层中不同种类的黏土矿物在岩石颗粒表面也存在连通、接触的情况；利用K-means聚类算法可以将对岩石颗粒(聚类中心)周围的黏土矿物按所属关系进行聚类。因此，本发明以岩石颗粒的球心和所有较大尺寸的黏土矿物基团作为K-means算法的数据样本对Hoshen-Kopelman算法划分后的黏土矿物基团进行有效划分。对于较大尺寸的连通黏土矿物基团可按照K-means算法划分为多个附着于岩石颗粒表面的有效黏土基团。
储层中常见的黏土矿物包括蒙脱石、伊利石、伊蒙混层、绿泥石、高岭石；常见的分布形式为粒间孔隙充填、颗粒包壳、交代和包壳衬边等，且不同黏土的分布特点也各不相同。重建模型中黏土矿物的填充形式主要为颗粒表面填充(单个黏土表面填充，多个黏土表面填充和层状黏土表面填充)、颗粒间填充(双颗粒间黏土填充、多颗粒间黏土填充)和颗粒内部填充，故在进行数字岩心模型的黏土矿物构建时，结合实际黏土的分布形式，按照单个黏土基团与岩石骨架颗粒的相邻关系将黏土矿物基团分布的主要形式划分为：粒间充填、颗粒表面充填和交代作用。
基于Hoshen-Kopelman算法得到模型中黏土矿物基团大小及数量分布，以及按结构划分得到的重建模型中黏土基团类型及数量分布，结合真实储层黏土含量及分布以及主要的黏土矿物结构特点，按黏土矿物基团大小和结构特点将模型中的黏土矿物赋予相应的黏土性质，得到含不同类型黏土矿物分布的三维重建多孔介质模型，如图3所示。
(2)数字岩心模型岩石矿物分布特征
参考模型储层孔隙度为26.38％，渗透率0.614μm2，泥质含量12.36％；其中黏土含量分布为：蒙脱石40.8％，高岭石19.1％，绿泥石27.4％，伊利石6.3％。其中蒙脱石产状主要以颗粒包壳为主，存在部分粒间充填形式；高岭石以粒间孔隙充填，呈分散质点状集合体分布；绿泥石以包壳衬边，粒间充填和交代状分布；伊利石的分布形式包括粒间充填、交代和薄膜式分布。
①重建模型中的黏土基团分布
基于Hoshen-Kopelman算法得到的数字岩心模型中不同黏土矿物基团的分布情况如图4所示，其中最大的黏土矿物基团的尺寸为27953个体素，最小的黏土基团大小为1个体素(基团个数为9432)。基团大小小于11个体素的黏土基团仅占所有黏土基团的1.91％；而主要的黏土基团则分布在10000个体素到25000个体素之间，占总黏土体积的97.29％。整体的黏土基团分布呈现“大基团为主，小基团分散”的特点，这与实际储层中黏土矿物的分布形式相近似。
②结构划分后模型中黏土矿物的统计
通过黏土基团的结构判别，所有的黏土矿物基团按产状被划分为三种主要类型：表面充填，粒间充填和交代作用。其中以粒间充填形式分布的黏土矿物基团共有4685个基团，含量占黏土总体积的67.13％；表面充填产状的黏土矿物基团共有4530个，含量占黏土总体积的32.30％；而交代作用的黏土矿物则零星的分布于岩石颗粒当中，其含量仅占到黏土总体积的0.28％；模型中较大的黏土矿物基团主要为表面充填和粒间充填的形式。
通过对数字岩心模型中黏土矿物基团的划分和结构判别，每个黏土矿物基团都逐渐标记了不同的属性(包括基团大小、序号、产状等)。因此，结合真实储层的相关信息(包括黏土含量、黏土类型、黏土的产状等)，模型中的黏土矿物按黏土含量和产状特征被划分为不同的黏土类型，蒙脱石是模型中含量最多的黏土矿物，含量占黏土矿物总体积的40.84％，绿泥石占27.43％，高岭石占19.11％，伊利石占6.28％。且对于不同尺寸的黏土矿物基团，各种黏土矿物基团的分布相对均匀。
③含多种岩石矿物数字岩心模型中黏土矿物的分布
从各层中黏土矿物的分布情况来看，黏土矿物分布中包括部分基团大小小于5的黏土矿物颗粒，同时大基团黏土矿物的分布以粒间充填(双颗粒间和多粒间)，颗粒表面充填(蚀变类黏土、包壳衬边、薄膜式)为主，存在少量交代式分布的黏土矿物。
由图5a和图5e可以看出，，蒙脱石在模型中由于含量较高，主要成连片充填并附着于岩石基质表面，同时蒙脱石黏土基团主要以粒间充填和表面充填的形式分布于重建模型当中，基团数量分别为2117个和1935个；粒间充填类蒙脱石和表面充填类蒙脱石的含量占黏土矿物总体积的41.41％和58.39％；其中最大的粒间充填类蒙脱石基团大小为22716个体素，最大的表面充填类蒙脱石基团大小为21273个体素；由图5b和图5f可以看出，绿泥石以环状和部分连片的基团分布于模型当中，粒间充填类绿泥石共有900个基团，占黏土矿物总体积的62，53％；表面充填类绿泥石共有975个基团，占黏土矿物总体积的37.14％，最大的粒间充填类和表面充填类绿泥石基团大小分别为22767个体素和21193个体素；由图5c和图5g可以看出，高岭石一般以粒间充填的形式分布于储层岩石当中，而由模型中黏土矿物的分布可知，粒间充填是模型中高岭石的主要分布形式，占黏土总体积的98.58％，其中最大的粒间充填类黏土基团的大小为27953个体素；由图5d和图5h可以看出，伊利石在模型中的产状包括粒间充填，表面充填和交代形式，其中表面充填类和粒间充填类伊利石分别占41.32％和58.12％。交代作用在四种黏土矿物中均有分布，且主要以零星分布的形式分布于岩石颗粒当中，蒙脱石、绿泥石、高岭石和伊利石中交代状黏土基团的个数分别为504、619、61和244个，所构建的含黏土三维多孔介质模型与真实储层的黏土矿物分布、产状较为吻合。
(3)稠油油藏沥青质沉积后损害模型的构建
原油中的沥青质在不同的温度和压力条件下，其发生沉积的可能性和沉积量的大小各不相同；随着沥青质在孔隙中的不断沉积，部分悬浮在原油体系中的沥青质聚集体在氢键、金属键、酸碱作用等作用下吸附到岩石矿物的表面；在不同的水湿及温度条件下，沥青质在不同类型岩石矿物表面的吸附过程较好的满足Langmuir等温吸附方程和Freundlich等温吸附方程，可以得到不同类型岩石矿物的吸附性能参数(吸附平衡常数和最大吸附容量)，如表1所示。
表1高温高pH模拟冷凝液条件下黏土矿物变化
沥青质的沉积量与储层的温度、压力及原油组成的变化等条件密切相关，由室内实验中不同模拟环境中沥青质的沉积变化规律可知，实施例的原油样品中沥青质的沉积量随着压力的升高呈先增大后减小的趋势，同时80℃和180℃条件下，其最大沉积量分别为3.27％和2.61％，按沥青质沉积模拟过程构建了原始储层模型中的沥青质沉积模型，其中图6a为原始含多种岩石矿物数字岩心模型的二维切片，图6b为沥青质发生沉积后的数字岩心模型的二维切片，沥青质沉积后从原油中析出形成较小的沥青质聚集体悬浮于储层孔隙中，同时在模拟沥青质沉积前后，储层模型的原始结构并没有发生变化；而由不同模拟条件下的沥青质沉积模型可以看出(图7a为80℃条件下沥青质沉积后的数字岩心模型，图7b为180℃条件下沥青质沉积后的数字岩心模型)，低温条件下，沥青质在模型孔隙中的沉积现象更为明显。
(4)稠油油藏沥青质吸附后损害模型的构建
原油中沉积的沥青质以沥青质聚集体的形式悬浮于储层孔隙中，同时由于储层中的岩石矿物具有较强的吸附性能，其表面具有较多的吸附位点，为沥青质聚集体在岩石颗粒表面的吸附过程提供了必要的物质基础。而沥青质在岩石矿物表面的吸附过程不但受到不同类型岩石矿物性质的影响，同时温度及水湿条件等因素对于沥青质在岩石矿物表面的吸附过程有较大的影响。由室内实验得到模拟储层环境中不同类型岩石矿物在对沥青质的吸附规律，并利用Langmuir吸附模型和Freundlich吸附模型对不同吸附过程进行了拟合，得到了包括Langmuir吸附平衡常数KL、Freundlich吸附平衡常数、最大吸附容量Qmax、非线性因子n和平衡吸附量Qe等一系列参数如表1所示。由不同类型模型中黏土矿物的含量及不同黏土矿物的最大吸附容量可以得到不同条件下，沥青质在模型中的岩石矿物表面吸附的最大吸附量如表2所示。
表2不同模拟条件下沥青质在不同岩石矿物表面的最大吸附量
模拟过程中黏土矿物的吸附参数按表1和表2设定，其中“其它”类型黏土矿物和石英砂的吸附参数选取60目石英砂的吸附参数。为模拟不同条件下沥青质沉积吸附造成的储层伤害过程，按图2所示的流程构建了沥青质沉积吸附过程造成的储层伤害模型，如图8、图9所示。
图8a为原始含多种岩石矿物数字岩心模型的二维切片，图8b为沥青质吸附后的数字岩心模型的二维切片，悬浮在孔隙空间中的沥青质聚集体在不同类型岩石矿物的吸附作用下，按照不同的吸附能力吸附在岩石矿物表面，由于蒙脱石和绿泥石具有较强的吸附能力和较大的吸附容量，因此模拟过程结束后沥青质在这两类岩石矿物表面的吸附量较高，而在伊利石和石英砂表面的吸附量较小；同时满足Langmuir吸附模型的基本假设，沥青质聚集体基本以单层吸附的形式附着于各类岩石矿物的表面。由图9(图9a为80℃干燥条件下沥青质沉积吸附后的数字岩心模型，图9b为80℃水湿条件下沥青质沉积吸附后的数字岩心模型，图9c为180℃干燥条件下沥青质沉积吸附后的数字岩心模型，图9d为180℃水湿条件下沥青质沉积吸附后的数字岩心模型)可知，不同储层模拟条件下，沥青质的沉积吸附状况不同，其中干燥条件下沥青质沉积吸附造成的储层伤害更明显，大量的沥青质聚集体吸附于岩石矿物的表面；而水湿条件下，由于水膜一定程度上抑制了沥青质在岩石矿物表面的吸附，因此水湿条件下，沥青质的沉积吸附造成的储层伤害不明显。
(5)沥青质沉积吸附造成的储层伤害特征研究
由于岩石矿物类型、储层温度、水湿条件等因素对沥青质的沉积吸附过程有着不同的影响，因此为进一步研究不同模拟条件下沥青质沉积吸附过程对储层孔隙度、渗透率等的影响，本节研究了由于储层岩石矿物性质变化造成的黏土矿物含量及体积变化、以及模型的孔隙度及渗透率的变化。
①沥青质含量与体积的变化
如图7和图9所示为不同模拟条件下沥青质沉积、吸附造成的储层伤害模型，在沥青质沉积过程中，沥青质以分散的聚集体的形式悬浮于储层孔隙当中，而在沥青质的吸附过程中，悬浮的沥青质聚集体在岩石矿物的吸附作用下按照最大吸附容量和吸附能力的不同附着于岩石矿物的表面。如表3所示为不同沉积条件下模型中沥青质含量及体积的变化情况。
表3不同条件下沥青质的沉积量及体积变化
由图7和表3可以看出，沥青质沉积过程中，高温条件下的原始模型和低温条件下的原始模型的孔隙度分别由原始的26.38％下降为25.52％和25.69％。沥青质聚集体的析出，虽然以固体颗粒的形式悬浮于原油体系当中，将其视为固相，孔隙度虽有一定程度的下降，但是沥青质聚集体的沉积并不对储层的有效孔隙度和渗透率产生明显的影响。悬浮的沥青质聚集体在氢键、偶极—偶极作用、离子交换等作用下吸附于不同类型岩石矿物的表面，从而储层物性产生明显的影响，由表3所示为不同条件下沥青质沉积吸附后沥青质的沉积量、吸附量及体积变化，其中蒙脱石、伊利石、绿泥石、高岭石、石英砂、其它类型岩石矿物和沥青质的密度分别为2.35kg/m3，2.75kg/m3，2.75kg/m3，2.62kg/m3，2.65kg/m3，2.65kg/m3和1.2kg/m3。
表4不同条件下沥青质沉积吸附后沥青质的沉积量、吸附量及体积变化
由表4可知，沥青质的沉积体积随初始模型的孔隙体积变化而变化，其中原始模型80℃和180℃条件下的沉积体积分别为69010个体素和55081个体素。由于模拟过程中最大吸附容量和吸附平衡常数是最主要的两个限定条件，模拟结束后，干燥条件下，除80℃原始模型的沉积量大于模型岩石矿物对沥青质的最大吸附量外，其它不同模型在干燥条件下，岩石矿物的最大吸附量都明显高于沥青质的沉积量，说明干燥条件下，沥青质发生沉积后，储层岩石矿物表面有较多的吸附位点提供给未被吸附的沥青质聚集体。而水湿条件下，由于水膜的存在使得沥青质在岩石表面的吸附过程更好的满足Langmuir等温吸附模型，说明水膜的存在使得沥青质在岩石矿物表面的吸附过程更接近于单层吸附过程，水膜的存在有效的抑制了沥青质在岩石矿物表面的吸附过程，另一方面，水湿条件下，各类岩石矿物的最大吸附容量明显降低，储层岩石矿物表面提供的有效吸附位点减少。
②孔隙度和渗透率变化
沥青质沉积过程中，被视为堵塞物的沥青质聚集体虽然从原油体系中不断析出造成了孔隙度的降低，但是该过程中沥青质基本以悬浮的形式存在于储层孔隙当中，因此被视为固相时，沥青质聚集体并没有在孔隙中形成有效的堵塞而影响储层渗透率；而岩石矿物对于沥青质的吸附过程，一方面使得储层的有效孔隙度下降，另一方面附着于岩石矿物表面的沥青质改变的储层岩石的孔喉结构，进一步降低了储层的渗透率。
表5不同类型储层伤害过程中模型孔隙参数变化
由表5可以看出，沥青质的沉积吸附给储层造成了明显的二次伤害，其中80℃干燥模拟冷凝液条件下，储层渗透率先由589.76×103μm2下降为552.12×103μm2，孔隙度由26.38％下降为23.42％，储层伤害后渗透率和孔隙度分别下降了6.38％和11.22％。水湿环境对于沥青质沉积吸附有明显的抑制作用，其中180℃模拟冷凝液模型水湿条件下沥青质沉积吸附后，渗透率由589.76×103μm2下降为582.90×103μm2，降幅仅为1.16％。因此温度条件及水湿环境对于稠油注汽高压井的储层伤害过程起着重要的控制作用。
Claims (6)
1.一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，其特征在于，包括以下步骤：
步骤1，基于真实储层二维信息，基于改进混合算法和聚类算法构建含多种岩石矿物的数字岩心模型；
步骤2，通过室内实验得到不同模拟条件下，沥青质的沉积量以及沥青质在不同类型岩石矿物表面的吸附情况；
步骤3，通过室内实验得到的不同原油在不同模拟条件下沥青质的沉积比例，在原始含多种岩石矿物数字岩心模型的基础上，将沉积沥青质按比例放置于孔隙空间占位，输出沉积沥青质后的数字岩心模型；
步骤4，基于不同模拟条件下沥青质在不同类型岩石矿物表面的吸附特征，将沉积在孔隙空间的沥青质按照室内实验得到的吸附特征放置于不同类型的岩石矿物表面，输出吸附沥青质后的数字岩心模型。
2.根据权利要求1所述基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，其特征在于，所述步骤1中，真实储层二维信息包括铸体薄片、岩石粒度分布、黏土矿物分布、黏土矿物产状特征，具体的模型构建步骤包括：
第一步，利用过程法构建基础数字岩心模型时，考虑黏土矿物的总含量，在沉积过程中，根据真实储层的粒度分布情况，随机选择沉积颗粒的半径，沉积颗粒的尺寸不但由原始的沉积颗粒粒度分布决定，同时额外考虑黏土矿物与储层砂岩颗粒之间的比例，在满足高能环境和重力势能梯度最大的下落模拟原则的基础上模拟沉积过程，并结合真实岩心孔隙度，选择压实因子控制数字岩心模型的孔隙度；
第二步，将单位体像素点的空间占位，即点、线和面占位三种类型，按其对邻域不稳定性的贡献程度赋予权值，其中面为5，边为3，点为2；在选取交换单位体像素点时，计算该体像素点与邻域占位点、线和面上的不稳定性贡献程度S，并基于模拟退火算法中能量值下降的过程，引入交换单位体像素点对其邻域不稳定性的贡献程度参数Sd，对交换点的可交换性进行判断，提高交换单位体像素点的有效性，其中Sd为与模拟过程中***能量相关的无因次值：
Sd＝N×β(E0-Ei/△Emax) (1)
式中，N为单位体像素点影响的邻域接触点的个数，无量纲；β为单位体像素点对邻域不稳定性系数，无量纲；E0为***的初始能量，无量纲；Ei为第i次降温后***的能量，无量纲；ΔEmax为初始模型和基于储层岩石二维信息的参考模型***的能量差值，无量纲，初始模型是指过程法构建的基础数字岩心模型；
第三步，利用改进混合算法构建初始数字岩心模型的步骤为：
①建立基于储层岩石二维信息的参考模型，将过程法构建的基础数字岩心模型作为改进混合算法的初始模型，设定初始温度，并计算初始***的相关参数，包含自相关函数、线性路径函数、分形特征函数和能量值；
②在保证模拟退火降温过程随机性的基础上，计算交换单位体像素点26个空间占位对邻域不稳定性的贡献程度S；当S>Sd时，认为该点的不稳定程度较高，可作为***更新的交换点；当S<Sd时，则重复步骤②；
③计算交换单位体像素点后***的相关参数，包括单点概率函数、自相关函数、线性路径函数、分形函数和能量值，计算与未交换前***的能量差值ΔE；当ΔE<0时，更新***；当ΔE>0时，根据Metropolis准则来判断***是否更新，即在一定的概率条件下接受***更新；如果判断后不满足***更新条件，则返回步骤②；
④判断内循环终止条件，即判断在同一温度条件下***能量差值是否小于设定最小能量差值；同时为避免***刚降温，***能量上升而立刻导致内循环结束而产生的降温，通过设定***更新的失败率ff来避免该现象的出现，其中：
式中，Nf为导致***能量回升的更新失败的次数；N为***更新的总次数；
当ff大于一定值后，则进行降温处理，降温过程采取等比降温方案，并返回步骤②；
⑤当模拟过程温度降低到最终设定温度时或与上次降温的***能量差值ΔE小于设定值时，整个模拟过程终止；
作为约束条件，模拟退火算法中使用的统计函数包括：单点概率函数P(r)、自相关函数、线性路径函数和分形函数，利用自相关函数和线性路径函数对初始***进行退火模拟，当模型具备一定分形特征后，引入分形函数进一步约束重建模型；
第四步，将混合算法重建后初始数字岩心模型中的类球岩石颗粒，与过程法中构建的基础数字岩心模型的原始球形岩石颗粒相比较并取二者补集，将初始数字岩心模型初步划分为岩石骨架相、孔隙相和黏土矿物相三大类；
第五步，通过Hoshen-Kopelman算法对初始数字岩心模型中的黏土矿物基团进行统计和划分，其中被M相占据的概率为c，被T相占据的概率为1-c，对于晶格中的每一个占位i，当其被M相占据时，则给该占位赋予一个基团标记其中α是基团标记的特征符号，t为基团标记的次数，某一离散点的标记由一系列自然数表示：
在这一系列自然数中只有一个自然数是基团α的准确标记，该标记为且该值是集合(3)中所有自然数的最小值，其它各基团标记之间的关系则由以下整数集给出：
其中，只有是正整数元素，该值为基团中M相的个数，当进行第t次标记时，若基团中M相个数少于上次标记过程基团α的M相个数，则将该差值表示为相应t次的基团α的T相个数，(4)中的其它元素皆为负整数，反映了与其它基团标记的关系，与的关系用式(5)表示：
检查被判断离散点是否有被扫描过的相邻离散点，若相邻离散点为T相，则将当前被判断离散点赋予新基团的标记；如果有一个相邻离散点已经赋予基团标记，则将当前网格与相邻离散点赋予相同的标记；如果有一个以上的相邻离散点已经赋予基团标记，且基团标记各不相同，则将基团中所有离散点赋予相同的标记，最后统计并划分模型中黏土矿物相基团的个数及尺寸；
第六步，较大的连通基团为黏土相中基团尺寸大于相邻基质颗粒尺寸的黏土矿物基团，通过K-means算法对初始数字岩心模型中黏土矿物相基团尺寸较大的黏土矿物基团进行划分，具体步骤如下：
①读取数据样本的集合；
②设定样本聚类的个数k，随机的选取k个数据样本作为初始的数据样本聚类中心；
③计算欧氏距离，计算数据样本中每个数据到各聚类中心的欧式几何距离，然后根据最小误差平方和准则函数将数据按照远近距离划分到相应的不同聚类中心所对应的聚类当中；
④更新聚类中心，将每个聚类中所有数据的均值作为各个聚类新的中心，并以最小误差平方和准则重新计算新的聚类中心的值；
⑤迭代判别，将步骤④中计算得到的数值与前一次计算得到的数值相比较，如果两者差值小于或等于预先设定的临界值，则停止迭代，否则重新进行步骤③进行迭代；
⑥输出数据样本及聚类结果，包括每个聚类的聚类中心、大小；
第七步，当黏土矿物基团边界的离散点为单个岩石颗粒时，则将该黏土矿物基团划分为交代形式，交代形式主要分布于岩石颗粒内，呈单个离散点的形式分布；当黏土矿物基团边界的相邻离散点为单个岩石骨架颗粒及孔隙时，则将该黏土矿物相基团划分为颗粒表面充填形式；
当黏土矿物基团边界的相邻离散点为多个岩石骨架颗粒及孔隙时，则将该黏土矿物基团划分为粒间充填形式；
将交代形式、颗粒表面充填形式和粒间充填形式的黏土矿物基团分别标记为A、B、C；最终得到不同结构黏土矿物基团分布和不同类型的黏土矿物基团分布；
第八步，基于Hoshen-Kopelman算法和K-means算法得到初始数字岩心模型中黏土矿物基团大小及数量分布，以及按结构划分得到的黏土矿物基团类型及数量分布，结合真实储层黏土含量及分布以及主要的黏土矿物结构特点，按黏土矿物相基团大小和结构特点将模型中的黏土矿物赋予相应的黏土性质，得到含多组分岩石矿物分布的数字岩心模型。
3.根据权利要求1所述基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，其特征在于，所述步骤2中，室内实验包括模拟原始储层及不同生产条件下，当储层温度、压力、层内流体和注入流体性质发生变化时，原油中的沥青质沉积量的变化；沥青质在岩石矿物表面的吸附规律及吸附特征，包括沥青质在不同类型岩石矿物表面的吸附量、吸附常数及最大吸附容量。
4.根据权利要求1所述基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，其特征在于，所述步骤3中得到输出沉积沥青质后的数字岩心模型是指模拟沥青质的沉积过程，步骤如下：
第一步，由原始含多种岩石矿物的数字岩心模型得到数字岩心的孔隙体积；
第二步，基于步骤2得到的原油中沥青质在不同模拟条件下的沉积比例以及步骤1得到的含多种岩石矿物组分数字岩心模型的孔隙体积，计算原始含多种岩石矿物数字岩心模型孔隙中的沥青质沉积量；
第三步，以步骤1得到的含多种岩石矿物组分数字岩心模型中最小的单位体像素点为基本沉积模拟单元，将需要沉积的沥青质以基本沉积模拟单元为最大模拟单位，随机放置在孔隙空间占位上，直到完成所有沥青质的沉积过程。
5.根据权利要求1所述基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，其特征在于，所述步骤4中得到输出吸附沥青质后的数字岩心模型是指模拟沥青质的吸附过程，步骤如下：
第一步，读取沥青质沉积后的含多种岩石矿物的数字岩心模型；
第二步，基于步骤2得到的室内实验结果，输入不同类型岩石矿物在不同条件下的吸附平衡常数和最大吸附容量参数；
第三步，按所述的Hoshen-Kopelman基团划分与统计算法确定原始含多种岩石矿物组分数字岩心模型中不同类型岩石矿物的基团数量和大小，通过不同类型岩石矿物对沥青质的吸附特征关系确定不同类型岩石矿物表面沥青质的吸附量；
第四步，结合原始含多种岩石矿物组分数字岩心模型中各类岩石矿物基团大小以及实验中得到的不同模拟条件下不同类型岩石矿物表面沥青质的最大吸附容量，计算模型中岩石矿物基团总的吸附容量；
第五步，当岩石矿物基团的最大吸附容量大于沥青质的沉积质量时，岩石矿物表面的沥青质吸附比例按照模拟条件下吸附特征常数来确定，各类岩石矿物表面的沥青质总吸附量由沥青质的沉积量来控制；当岩石矿物基团的最大吸附容量小于等于沥青质的沉积质量时，岩石矿物表面的沥青质吸附比例按照模拟条件下各类岩石矿物的最大吸附容量来确定，各类岩石矿物表面的沥青质总的吸附量则由最大吸附容量来控制；
第六步，计算沥青质与黏土的“吸附距离”并排序，其中“吸附距离”与各黏土的吸附比例相关；
第七步，根据所述的空间占位的稳定性判别方法计算岩石矿物基团边界相邻孔隙占位的稳定性，将沥青质按“吸附距离”放置在优先等级较高的孔隙占位上，如果黏土达到最大吸附容量且已满足总吸附量时模拟过程结束，否则继续按上述过程进行模拟。
6.根据权利要求1所述基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法，其特征在于，通过对比不同模拟条件下稠油油藏沥青质沉积损害前后数字岩心模型中沥青质在岩石矿物表面的吸附体积的变化、数字岩心模型的孔隙度和渗透率的变化，进一步研究稠油油藏沥青质损害前后对储层微观结构的影响。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810508920.2A CN108875140B (zh) | 2018-05-24 | 2018-05-24 | 一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810508920.2A CN108875140B (zh) | 2018-05-24 | 2018-05-24 | 一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108875140A true CN108875140A (zh) | 2018-11-23 |
| CN108875140B CN108875140B (zh) | 2022-06-03 |
Family
ID=64334316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810508920.2A Expired - Fee Related CN108875140B (zh) | 2018-05-24 | 2018-05-24 | 一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108875140B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210522A (zh) * | 2020-01-14 | 2020-05-29 | 西南石油大学 | 利用fem在三维非结构网格流场内追踪流线分布的方法 |
| CN111597670A (zh) * | 2019-02-02 | 2020-08-28 | 中国石油天然气股份有限公司 | 各向异性数字岩心的构建方法及装置 |
| CN112233728A (zh) * | 2020-09-29 | 2021-01-15 | 华南理工大学 | 基于乳化剂的沥青-集料粘附性的分子动力学评价方法 |
| CN112595653A (zh) * | 2021-03-05 | 2021-04-02 | 西南石油大学 | 粒状黏土矿物的疏松砂岩储层孔隙度应力敏感分析方法 |
| CN113705122A (zh) * | 2020-08-26 | 2021-11-26 | 中国石油大学(北京) | 润湿反转损害油气层的建模方法、损害程度时空演化4d定量与智能诊断方法及其*** |
| CN114636808A (zh) * | 2020-12-15 | 2022-06-17 | 中国石油化工股份有限公司 | 一种实验与数模相结合的原油沥青质析出研究方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120221306A1 (en) * | 2009-04-08 | 2012-08-30 | Schlumberger Technology Corporation | Multiscale digital rock modeling for reservoir simulation |
| US20120232859A1 (en) * | 2011-03-09 | 2012-09-13 | Schlumberger Technology Corporation | Method ans systems for reservoir modeling, evaluation and simulation |
| CN106525881A (zh) * | 2016-09-14 | 2017-03-22 | 中国石油天然气股份有限公司 | 一种储层伤害程度的测定方法及设备 |
| CN107402290A (zh) * | 2017-08-03 | 2017-11-28 | 浙江海洋大学 | 研究co2驱过程中原油中沥青质沉淀对储层物性及开发效果影响的实验方法 |
| CN107941838A (zh) * | 2017-11-14 | 2018-04-20 | 西安石油大学 | 一种二氧化碳驱油过程中沥青质沉淀对孔喉分布影响的定量评价方法 |
-
2018
- 2018-05-24 CN CN201810508920.2A patent/CN108875140B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120221306A1 (en) * | 2009-04-08 | 2012-08-30 | Schlumberger Technology Corporation | Multiscale digital rock modeling for reservoir simulation |
| US20120232859A1 (en) * | 2011-03-09 | 2012-09-13 | Schlumberger Technology Corporation | Method ans systems for reservoir modeling, evaluation and simulation |
| CN106525881A (zh) * | 2016-09-14 | 2017-03-22 | 中国石油天然气股份有限公司 | 一种储层伤害程度的测定方法及设备 |
| CN107402290A (zh) * | 2017-08-03 | 2017-11-28 | 浙江海洋大学 | 研究co2驱过程中原油中沥青质沉淀对储层物性及开发效果影响的实验方法 |
| CN107941838A (zh) * | 2017-11-14 | 2018-04-20 | 西安石油大学 | 一种二氧化碳驱油过程中沥青质沉淀对孔喉分布影响的定量评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| YANLONG HE等: ""Reconstruction of a digital core containing clay minerals based on a clustering algorithm"", 《PHYSICAL REVIEW E》 * |
| 崔传智 等: ""考虑沥青质沉积的储层压力场数值模拟"", 《科学技术与工程》 * |
| 景成 等: ""裂缝性特低渗油藏井间示踪剂监测等效抛物型解释模型"", 《大庆石油地质与开发》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111597670A (zh) * | 2019-02-02 | 2020-08-28 | 中国石油天然气股份有限公司 | 各向异性数字岩心的构建方法及装置 |
| CN111597670B (zh) * | 2019-02-02 | 2022-11-04 | 中国石油天然气股份有限公司 | 各向异性数字岩心的构建方法及装置 |
| CN111210522A (zh) * | 2020-01-14 | 2020-05-29 | 西南石油大学 | 利用fem在三维非结构网格流场内追踪流线分布的方法 |
| CN113705122A (zh) * | 2020-08-26 | 2021-11-26 | 中国石油大学(北京) | 润湿反转损害油气层的建模方法、损害程度时空演化4d定量与智能诊断方法及其*** |
| CN113705122B (zh) * | 2020-08-26 | 2022-09-30 | 中国石油大学(北京) | 润湿反转损害油气层的建模方法、损害程度时空演化4d定量与智能诊断方法及其*** |
| CN112233728A (zh) * | 2020-09-29 | 2021-01-15 | 华南理工大学 | 基于乳化剂的沥青-集料粘附性的分子动力学评价方法 |
| CN114636808A (zh) * | 2020-12-15 | 2022-06-17 | 中国石油化工股份有限公司 | 一种实验与数模相结合的原油沥青质析出研究方法 |
| CN114636808B (zh) * | 2020-12-15 | 2024-06-11 | 中国石油化工股份有限公司 | 一种实验与数模相结合的原油沥青质析出研究方法 |
| CN112595653A (zh) * | 2021-03-05 | 2021-04-02 | 西南石油大学 | 粒状黏土矿物的疏松砂岩储层孔隙度应力敏感分析方法 |
| CN112595653B (zh) * | 2021-03-05 | 2021-05-07 | 西南石油大学 | 粒状黏土矿物的疏松砂岩储层孔隙度应力敏感分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108875140B (zh) | 2022-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108875140A (zh) | 一种基于数字岩心模型的稠油油藏沥青质沉积吸附损害模拟方法 | |
| CN108804779A (zh) | 一种基于数字岩心模型的稠油油藏储层解堵过程模拟方法 | |
| CN108897906A (zh) | 一种基于数字岩心模型的储层敏感性伤害模拟方法 | |
| Øren et al. | Reconstruction of Berea sandstone and pore-scale modelling of wettability effects | |
| CN104533370B (zh) | 压裂水平井油藏、裂缝、井筒全耦合模拟方法 | |
| CN102279131B (zh) | 一种煤层水力压裂模拟实验方法 | |
| CA2783977C (en) | Method and system for partitioning parallel simulation models | |
| CN105404735B (zh) | 裂缝与基质对超低渗透油藏单井产量贡献率的定量评价方法 | |
| CN106960070A (zh) | 一种基于有限元‑离散元ct重构煤体的渗流模拟方法 | |
| CN105551004A (zh) | 一种基于岩心ct图像处理的剩余油微观赋存表示方法 | |
| CN105156102A (zh) | 底水油藏水体能量三维物理模拟装置及方法 | |
| CN105021506A (zh) | 一种基于孔隙网络模型的三相相对渗透率的计算方法 | |
| CN109815516A (zh) | 对页岩气井产能进行预测的方法及装置 | |
| CN205063944U (zh) | 底水油藏水体能量三维物理模拟装置 | |
| CN102518421A (zh) | 物理模拟可视化实验装置及其形成方法 | |
| CN109372478A (zh) | 一种确定非混相气驱油开采方式的实验方法及装置 | |
| CN105913332A (zh) | 一种确定致密气藏开发指标的方法及装置 | |
| CN109324345A (zh) | 叠合盆地油气成藏期岩石孔隙度恢复方法 | |
| CN114048695A (zh) | 一种基于返排数据的页岩气有效缝网体积反演方法 | |
| CN104727789B (zh) | 中高渗砂岩油藏水驱波及系数及过水倍数动态描述方法 | |
| CN108179999A (zh) | 对比二氧化碳-泡沫驱驱替阶段的方法与装置 | |
| Zhang et al. | Experimental study of fracturing fluid retention in rough fractures | |
| Shen et al. | Spontaneous imbibition in asymmetric branch-like throat structures in unconventional reservoirs | |
| Ghaedi et al. | Scaling equation for counter current imbibition in the presence of gravity forces considering initial water saturation and SCAL properties | |
| CN108414312A (zh) | 一种人造岩心及其制备方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: He Yanlong Inventor after: Jing Cheng Inventor after: Nie Xiangrong Inventor after: Yuan Youjin Inventor before: Jing Cheng Inventor before: He Yanlong Inventor before: Nie Xiangrong Inventor before: Yuan Youjin |
|
| GR01 | Patent grant | ||
| 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: 20220603 |