CN114076724A - 煤岩的孔隙结构的确定方法及装置 - Google Patents
煤岩的孔隙结构的确定方法及装置 Download PDFInfo
- Publication number
- CN114076724A CN114076724A CN202010812713.3A CN202010812713A CN114076724A CN 114076724 A CN114076724 A CN 114076724A CN 202010812713 A CN202010812713 A CN 202010812713A CN 114076724 A CN114076724 A CN 114076724A
- Authority
- CN
- China
- Prior art keywords
- rock sample
- coal rock
- coal
- determining
- pores
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 445
- 239000011435 rock Substances 0.000 title claims abstract description 374
- 239000011148 porous material Substances 0.000 title claims abstract description 315
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 153
- 238000001179 sorption measurement Methods 0.000 claims abstract description 140
- 230000000877 morphologic effect Effects 0.000 claims abstract description 48
- 238000003384 imaging method Methods 0.000 claims abstract description 15
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 61
- 239000011707 mineral Substances 0.000 claims description 56
- 238000012360 testing method Methods 0.000 claims description 55
- 238000012512 characterization method Methods 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 13
- 230000002238 attenuated effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000001000 micrograph Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract description 4
- 238000012800 visualization Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 34
- 238000010586 diagram Methods 0.000 description 25
- 239000003086 colorant Substances 0.000 description 22
- 238000003795 desorption Methods 0.000 description 19
- 229910052757 nitrogen Inorganic materials 0.000 description 17
- 239000007789 gas Substances 0.000 description 14
- 239000010453 quartz Substances 0.000 description 12
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 12
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 10
- 229910052753 mercury Inorganic materials 0.000 description 10
- 239000002864 coal component Substances 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 239000000203 mixture Substances 0.000 description 6
- 239000005416 organic matter Substances 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 238000002336 sorption--desorption measurement Methods 0.000 description 4
- 238000011002 quantification Methods 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005056 cell body Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- -1 cracks Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
- G01N15/0893—Investigating volume, surface area, size or distribution of pores; Porosimetry by measuring weight or volume of sorbed fluid, e.g. B.E.T. method
-
- 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
- G01N2015/0866—Sorption
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)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本申请提供了一种煤岩的孔隙结构的确定方法及装置,属于煤层气开发技术领域。该方法包括:获取第一煤岩样品在第一温度条件下的多个第一压力值对应的第一吸附量;确定第一煤岩样品中孔隙的类型、分形维数和第一尺寸分布;获取第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布;确定多个第一特征区域;对第二煤岩样品的多个第一特征区域进行成像处理,确定第二煤岩样品中孔隙的微观结构和第二尺寸分布。根据第一煤岩样品中孔隙的类型、分形维数定性确定煤岩样品的孔隙结构;根据第一尺寸分布和第二尺寸分布多尺度定量确定煤岩样品的孔隙结构;根据孔隙的微观结构可视化的确定煤岩样品的孔隙结构;提高了确定煤岩样品的孔隙结构的准确性。
Description
技术领域
本申请涉及煤层气开发技术领域,特别涉及一种煤岩的孔隙结构的确定方法及装置。
背景技术
煤层气作为一种非常规可接替清洁能源越来越受到国内外的重视。煤层气以吸附态或游离态赋存于煤层内的煤岩中。煤岩的孔隙结构分为基质孔隙和割理孔隙;其中,基质孔隙是煤层气吸附存在的场所,割理孔隙是煤层气产出的重要通道。由于煤层气在煤岩中的赋存状态与煤岩的孔隙结构有关,所以确定煤岩的孔隙结构是实现煤层气高效开采利用的关键。
相关技术中,通过压汞法确定煤岩的孔隙结构。该方法包括:确定汞在不同外加压力下注入煤岩样品的注入量;根据汞的注入量,确定汞在孔隙中的表面张力;根据汞在孔隙中的表面张力与压力平衡的原理,确定煤岩的孔隙结构。其中,汞受到的外加压力越大,汞能进入的孔隙的半径越小。
由于在通过压汞法确定煤岩的孔隙结构的过程中会受到外加压力的限制,压汞法测量的孔隙的半径范围为0.1μm~100μm,所以,只能从微米尺度确定煤岩的孔隙结构。由此可知,压汞法只能从单一角度确定煤岩的孔隙结构,不能全面确定煤岩的孔隙结构,所以确定煤岩的孔隙结构的准确性低。
发明内容
本申请实施例提供了一种煤岩的孔隙结构的确定方法及装置,可以提高确定煤岩的孔隙结构的准确性。所述技术方案如下:
一方面,本申请提供了一种孔隙结构的确定方法,应用于计算机设备,煤岩样品包括第一煤岩样品和第二煤岩样品;所述方法包括:
获取所述第一煤岩样品在第一温度条件下的多个第一压力值对应的第一吸附量;
根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的类型,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的分形维数,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的第一尺寸分布;
获取所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布;
对于每个组分,根据所述组分的占比和所述形态分布,确定所述第二煤岩样品中所述组分对应的第一特征区域,得到多个第一特征区域;
对所述多个第一特征区域进行成像处理,得到多个局部微观图,对所述多个局部微观图像进行拼接,得到所述第二煤岩样品的整体微观图;
根据所述第二煤岩样品的整体微观图,确定所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布;
根据所述第一煤岩样品中孔隙的类型、所述第一煤岩样品中孔隙的分形维数、所述第一煤岩样品中孔隙的第一尺寸分布、所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布,确定所述煤岩样品的孔隙结构。
在一种可能的实现方式中,所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的类型,包括:
根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品的比表面积;
根据所述比表面积,从比表面积和类型的对应关系中,确定所述第一煤岩样品中孔隙的类型。
在另一种可能的实现方式中,所述根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的分形维数,包括:
根据所述多个第一压力值对应的第一吸附量,确定压力值和吸附量的第一函数关系;
确定用于确定所述第一煤岩样品中孔隙的分形维数的目标吸附量和目标压力值;
根据所述目标吸附量和所述第一函数关系,确定所述目标吸附量对应的第二压力值,以及,根据所述目标压力值和所述第一函数关系,确定所述目标压力值对应的第二吸附量;
根据所述目标吸附量对应的第二压力值和所述目标压力值对应的第二吸附量,通过第一函数关系,确定所述第一煤岩样品中孔隙的分形维数。
在另一种可能的实现方式中,所述获取所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布,包括:
对所述第二煤岩样品进行X射线扫描,确定穿过所述第二煤岩样品衰减后的投影数据;
根据所述投影数据,构建所述第二煤岩样品对应的灰度图像;
通过所述灰度图像,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
在另一种可能的实现方式中,所述第二煤岩样品中包括煤相组分和矿物组分;所述通过所述灰度图像,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布,包括:
在所述灰度图像中提取表征单元体;
对所述表征单元体进行图像强化、滤波、分割处理,得到所述第二煤岩样品对应的煤相组分表征图和矿物组分表征图;
根据所述煤相组分表征图和所述矿物组分表征图,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
在另一种可能的实现方式中,所述根据所述第二煤岩样品的整体微观图,确定所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布,包括:
根据所述第二煤岩样品的整体微观图,识别所述第二煤岩样品中包括的多个第二特征区域;
根据所述多个第二特征区域,确定每个第二特征区域中孔隙的第三尺寸分布,根据所述每个第二特征区域中孔隙的第三尺寸分布,确定所述第二煤岩样品中孔隙的第二尺寸分布,以及,
确定所述多个第二特征区域中的目标测试区域,对所述目标测试区域进行成像处理,得到所述第二煤岩样品中孔隙的微观结构。
另一方面,本申请提供了一种孔隙结构的确定装置,应用于计算机设备,煤岩样品包括第一煤岩样品和第二煤岩样品;所述装置包括:
第一获取模块,用于获取所述第一煤岩样品在第一温度条件下的多个第一压力值对应的第一吸附量;
第一确定模块,用于根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的类型,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的分形维数,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的第一尺寸分布;
第二获取模块,用于获取所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布;
第二确定模块,用于对于每个组分,根据所述组分的占比和所述形态分布,确定所述第二煤岩样品中所述组分对应的第一特征区域,得到多个第一特征区域;
拼接模块,用于对所述多个第一特征区域进行成像处理,得到多个局部微观图,对所述多个局部微观图像进行拼接,得到所述第二煤岩样品的整体微观图;
第三确定模块,用于根据所述第二煤岩样品的整体微观图,确定所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布;
第四确定模块,用于根据所述第一煤岩样品中孔隙的类型、所述第一煤岩样品中孔隙的分形维数、所述第一煤岩样品中孔隙的第一尺寸分布、所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布,确定所述煤岩样品的孔隙结构。
在一种可能的实现方式中,所述第一确定模块,用于根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品的比表面积;根据所述比表面积,从比表面积和类型的对应关系中,确定所述第一煤岩样品中孔隙的类型。
在另一种可能的实现方式中,所述第一确定模块,用于根据所述多个第一压力值对应的第一吸附量,确定压力值和吸附量的第一函数关系;确定用于确定所述第一煤岩样品中孔隙的分形维数的目标吸附量和目标压力值;根据所述目标吸附量和所述第一函数关系,确定所述目标吸附量对应的第二压力值,以及,根据所述目标压力值和所述第一函数关系,确定所述目标压力值对应的第二吸附量;根据所述目标吸附量对应的第二压力值和所述目标压力值对应的第二吸附量,通过第一函数关系,确定所述第一煤岩样品中孔隙的分形维数。
在另一种可能的实现方式中,所述第二获取模块,包括:
第一确定单元,用于对所述第二煤岩样品进行X射线扫描,确定穿过所述第二煤岩样品衰减后的投影数据;
构建单元,用于根据所述投影数据,构建所述第二煤岩样品对应的灰度图像;
确定单元,用于通过所述灰度图像,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
在另一种可能的实现方式中,所述煤岩样品中包括煤相组分和矿物组分;所述确定单元,用于在所述灰度图像中提取表征单元体;对所述表征单元体进行图像强化、滤波、分割处理,得到所述第二煤岩样品对应的煤相组分表征图和矿物组分表征图;根据所述煤相组分表征图和所述矿物组分表征图,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
在另一种可能的实现方式中,所述第三确定模块,用于根据所述第二煤岩样品的整体微观图,识别所述第二煤岩样品中包括的多个第二特征区域;根据所述多个第二特征区域,确定每个第二特征区域中孔隙的第三尺寸分布,根据所述每个第二特征区域中孔隙的第三尺寸分布,确定所述第二煤岩样品中孔隙的第二尺寸分布,以及,确定所述多个第二特征区域中的目标测试区域,对所述目标测试区域进行成像处理,得到所述第二煤岩样品中孔隙的微观结构。
本申请实施例提供的技术方案带来的有益效果是:
在本申请实施例提供了一种煤岩的孔隙结构的确定方法,由于通过第一煤岩样品中孔隙的类型、孔隙的分形维数可以定性表征煤岩样品的孔隙结构,通过第一煤岩样品中孔隙的第一尺寸分布和第二煤岩样品中孔隙的第二尺寸分布可以多尺度表征煤岩样品的孔隙结构,通过第二煤岩样品中孔隙的微观结构可以可视化的表征煤岩样品的孔隙结构,所以本申请中的煤岩的孔隙结构的确定方法可以从定量、定性和可视化等多个角度全面确定煤岩样品中的孔隙结构,从而提高了确定煤岩的孔隙结构的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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是根据本申请实施例提供的一种孔隙结构的确定方法的流程图;
图2是根据本申请实施例提供的一种孔隙结构的第一压力值与第一吸附量的对应关系的示意图;
图3是根据本申请实施例提供的一种煤岩样品中孔隙的第一尺寸分布图;
图4是根据本申请实施例提供的一种煤岩样品对应的二维灰度图像;
图5是根据本申请实施例提供的一种煤岩样品对应的三维灰度图像;
图6是根据本申请实施例提供的一种煤岩样品对应的煤相组分表征图;
图7是根据本申请实施例提供的一种煤岩样品对应的矿物组分表征图;
图8是根据本申请实施例提供的一种煤岩样品对应的整体微观图;
图9是根据本申请实施例提供的一种煤岩样品对应的特征类型表征图;
图10是根据本申请实施例提供的一种煤岩样品中孔隙的第二尺寸分布图;
图11是根据本申请实施例提供的一种煤岩样品中孔隙孔隙结构图;
图12是根据本申请实施例提供的一种无机质矿物区域中孔隙的微观图;
图13是根据本申请实施例提供的一种裂缝区域中孔隙的微观图;
图14是根据本申请实施例提供的一种有机质区域中孔隙的微观图;
图15是根据本申请实施例提供的一种煤岩样品中孔隙的尺寸分布图;
图16是根据本申请实施例提供的一种孔隙结构的确定装置的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请提供的一种孔隙结构的确定方法的流程图。煤岩样品包括第一煤岩样品和第二煤岩样品。参见图1,该方法包括:
101、计算机设备获取第一煤岩样品在第一温度条件下的多个第一压力值对应的第一吸附量。
第一压力值可以为相对压力值,也可以为绝对压力值;在本申请实施例中,以压力值为相对压力值为例进行说明。当第一压力值为相对压力值时,第一压力值为氮气吸附的平衡压力与氮气的饱和蒸汽压力之间的比值。例如,氮气吸附的平衡压力为P,氮气的饱和蒸汽压力为P0,则第一压力值为P/P0。
第一煤岩样品为颗粒状煤岩样品,颗粒状煤岩样品的目数可以是200目至350目之间的任一数值,例如:280目、300目、320目等。其中,颗粒状煤岩样品的目数越大,颗粒状煤岩样品的尺寸越小。第一温度条件为恒温条件,该恒温条件的温度值可以是0℃至150℃之间的任一数值,例如,50℃、80℃、100℃等。
在一种可能的实现方式中,计算机设备可以通过低压氮气吸附脱附测试实验设备对第一煤岩样品进行低压氮气吸附脱附测试,确定第一煤岩样品在第一温度条件下的多个第一压力值对应的第一吸附量。相应的,本步骤可以为:计算机设备从多个第一压力值中从小到大依次选择第一压力值,对于每个第一压力值,生成测试第一煤岩样品的第一吸附量的测试指令,向低压氮气吸附脱附测试实验设备发送该测试指令。低压氮气吸附脱附测试实验设备接收到该测试指令,将第一压力值调整为第一压力值;对第一煤岩样品的第一吸附量进行测试,得到第一压力值对应的第一吸附量;将每个第一压力值对应的第一吸附量返回计算机设备。计算机设备接收每个第一压力值对应的第一吸附量,得到多个第一压力值对应的第一吸附量。
可选的,低压氮气吸附脱附测试实验设备为低压氮气吸附脱附仪。例如,低压氮气吸附脱附测试实验设备可以为Kubo-X1000低压氮气吸附脱附仪。该低压氮气吸附脱附仪能够测量的孔径范围为0.35nm至500nm,覆盖了煤岩样品的微孔、介孔和大孔的范围。其中,孔径范围小于2纳米的称为微孔;孔径范围大于50nm的称为大孔;孔径范围在2nm到50nm之间的称为介孔。因此,通过低压氮气吸附脱附仪可以对煤岩样品中的微孔、介孔和大孔的分布进行多尺度的测量,提高了确定煤岩样品中孔隙结构的准确性。
需要说明的一点是,计算机设备对第一煤岩样品进行低压氮气吸附脱附测试的原理为:在测试过程中,当气体分子与固体表面接触时,部分气体分子被吸附在固体表面上。当气体分子的热运动足以克服固体表面自由场的位能时,气体分子发生脱附,离开固体表面。当气体分子吸附与脱附速度相等时,第一煤岩样品达到吸附平衡。在计算机设备对第一煤岩样品进行低压氮气吸附脱附测试的过程中,当煤岩样品的温度恒定时,第一吸附量是压力的函数。计算机设备可以确定第一煤岩样品在温度恒定条件下的多个第一压力值对应的第一吸附量。
102、计算机设备根据多个第一压力值对应的第一吸附量,确定第一煤岩样品中孔隙的类型。
孔隙的类型可以定性表征孔隙结构。类型可以包括用于表征孔隙大小的第一类型,第一类型包括微孔、介孔和大孔。类型也可以包括用于表征孔隙形貌的第二类型,第二类型包括孔隙的形状和孔隙的连通性。
第一种实现方式,孔隙的类型包括微孔、介孔和大孔;相应的,本步骤可以包括:计算机设备根据多个第一压力值对应的第一吸附量,确定第一煤岩样品的比表面积;根据比表面积,从比表面积和类型的对应关系中,确定第一煤岩样品中孔隙的类型。
在一种可能的实现方式中,计算机设备通过BET(BET,多层吸附)方程确定煤岩样品的比表面积。相应的,计算机设备根据多个第一压力值对应的第一吸附量,确定第一煤岩样品的比表面积,包括:计算机设备通过已存储的BET方程对多个第一压力值与第一吸附量进行线性拟合,得到拟合直线;确定该拟合直线的斜率和截距;根据该拟合直线的斜率和截距,确定第一煤岩样品的比表面积。其中,比表面积为单位质量的煤岩样品所具有的总面积。
需要说明的一点是,煤岩样品中孔隙的类型与比表面积的数值有关,计算机设备内可以存储有孔隙的类型与比表面积的数值之间的对应关系;相应的,计算机设备根据比表面积,确定煤岩样品中孔隙的类型,包括:计算机设备根据比表面积,从已存储的孔隙的类型与比表面积的数值之间的对应关系中,确定煤岩样品中孔隙的类型。
其中,比表面积的数值可以是具体的数值,也可以是一个数值范围。在本申请实施例中,以比表面积的数值为一个数值范围为例进行说明。
例如,计算机设备内存储的孔隙的类型与比表面积的数值之间的对应关系为:比表面积0.5m2/g-0.9m2/g对应的孔隙的类型为微孔。计算机设备根据多个第一压力值与第一吸附量,确定第一煤岩样品的比表面积为0.8005m2/g;计算机设备根据已存储的孔隙的类型与比表面积的数值之间的对应关系,确定煤岩样品中孔隙的类型为微孔。
第二种实现方式,孔隙的类型包括孔隙的形状和孔隙的连通性;相应的,计算机设备根据多个第一压力值对应的第一吸附量,确定第一煤岩样品中孔隙的类型可以包括:计算机设备根据多个第一压力值与第一吸附量,得到煤岩样品的吸附脱附回线;根据吸附脱附回线,从已存储的吸附脱附回线与孔隙的类型之间的对应关系中,确定第一煤岩样品中孔隙的类型。其中,计算机设备内可以存储多个吸附脱附回线与孔隙的类型之间的对应关系。
例如,参见图2,计算机设备根据多个第一压力值与第一吸附量,得到煤岩样品的第一吸附脱附回线;根据第一吸附脱附回线,从已存储的吸附脱附回线与孔隙的类型之间的对应关系中,确定第一煤岩样品中孔隙的形状为两端开口的板状孔和圆筒孔,确定孔隙的连通性较好。
需要说明的一点是,在第一吸附脱附回线中,随着第一压力值增大,氮气在第一煤岩样品中先形成单层吸附,并在曲线平滑拐点处达到饱和吸附;随着第一压力值继续增大,第一煤岩样品形成BET吸附(多层吸附);当到达吸附曲线和脱附曲线相交时对应的第一压力值时,第一煤岩样品中发生毛细凝聚现象。
例如,继续参见图2,当第一压力值小于0.05时,第一煤岩样品内还未达到多层吸附平衡;当第一压力值大于0.35时,第一煤岩样品内毛细管凝聚变得显著,破环了多层吸附平衡。所以,第一压力值的范围在0.05~0.35之间。
103、计算机设备根据多个第一压力值对应的第一吸附量,确定第一煤岩样品中孔隙的分形维数。
孔隙的分形维度用于表征孔隙的微观非均质性。孔隙的分形维数是介于2和3之间的分数。孔隙的分形维数越接近于2,则孔隙的微观非均质性越均匀;反之,分形维数越接近于3,则孔隙的微观非均质性越复杂。
在一种可能的实现方式中,本步骤可以包括:根据多个第一压力值对应的第一吸附量,确定压力值和吸附量的第一函数关系;确定用于确定孔隙的分形维数的目标吸附量和目标压力值;根据目标吸附量和第一函数关系,确定目标吸附量对应的第二压力值,以及,根据目标压力值和第一函数关系,确定目标压力值对应的第二吸附量;根据目标吸附量对应的第二压力值和目标压力值对应的第二吸附量,通过第一函数关系,确定第一煤岩样品中孔隙的分形维数。
第一函数关系可以为FHH(Frenkel-Halsey-Hill,弗仑克尔-哈尔希-希尔)方程。FHH方程为公式(1):
其中,V为气体第一吸附量,P0为气体的饱和蒸气压,P为气体吸附的平衡压力,D为煤岩样品中孔隙的分形维数,B为常数。
需要说明的一点是,孔隙的分形维数具有一定的地质意义,能够反映孔隙的微观非均质性。当分形维数为3时,第一煤岩样品为体积充填;当分形维数为2时,第一煤岩样品为无空隙的光滑表面。在本步骤中,第一煤岩样品的孔隙分形维为介于2.6~2.9之间的任一数值。
例如,参见图3,计算机设备根据多个第一压力值对应的第一吸附量,确定压力值和吸附量的FHH方程;确定用于确定孔隙的分形维数的目标吸附量为1和目标压力值为e;根据目标吸附量1和FHH方程,确定目标吸附量1对应的第二压力值为P1,以及,根据目标压力值e和FHH方程,确定目标压力值e对应的第二吸附量为V1;根据P1和V1,通过FHH方程确定第一煤岩样品中孔隙的分形维数D为2.6237。
104、计算机设备根据多个第一压力值对应的第一吸附量,确定第一煤岩样品中孔隙的第一尺寸分布。
第一尺寸分布可以定量表征孔隙结构;其中,第一尺寸分布可以为孔隙的半径分布、也可以是孔隙的直径分布。
在一种可能的实现方式中,本步骤可以包括:计算机设备根据多个第一压力值与第一吸附量,通过第二函数关系确定煤岩样品中孔隙的第一尺寸分布。可选的,第二函数关系为DFT(DFT,密度泛函)方程。相应的,本步骤可以包括:计算机设备根据多个第一压力值与第一吸附量,通过DFT方程对第一吸附脱附回线进行模拟,得到第一煤岩样品中孔隙对应的等温线;根据第一煤岩样品中孔隙对应的等温线,通过非负最小二乘法方程确定煤岩样品中孔隙的第一尺寸分布。
在一种可能的实现方式中,第一尺寸分布包括煤岩样品中孔隙的多个尺寸分布区间以及每个尺寸分布区间的孔隙体积占比;例如,参见图4,第一尺寸分布图的横坐标为煤岩样品中孔隙的直径;第一尺寸分布图的纵坐标为煤岩样品中孔隙的体积占比。计算机设备根据每个第一压力值与第一吸附量,通过DFT方程确定煤岩样品中孔隙的尺寸分布区间为:煤岩样品的孔隙直径分布在2nm至18nm之间。其中,直径小于2nm的第一尺寸分布区间的孔隙体积占比为23.9%;孔隙直径在2nm至5nm之间的第二尺寸分布区间的孔隙体积占比为27.5%,直径在5nm至10nm之间的第三尺寸分布区间的孔隙体积占比为30.0%,直径在10nm至20nm之间的第四尺寸分布区间的孔隙体积占比为19.6%。
在另一种可能的实现方式中,第一尺寸分布包括孔隙的尺寸的峰值分布;例如,继续参见图4,计算机设备根据多个第一压力值与第一吸附量,通过DFT方程确定煤岩样品中孔隙的尺寸的峰值分布为2nm和4nm;也即,直径为2nm和4nm孔隙在煤岩样品中的体积占比较多。
105、计算机设备获取第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
在本步骤中,第二煤岩样品为圆柱形煤岩样品;其中,圆柱形煤岩样品的直径可以是20mm至30mm之间的任一数值,例如,23mm、25mm、27mm等。在本申请实施例中,以圆柱形煤岩样品的直径为25mm为例进行说明。需要说明的一点是,第一煤岩样品和第二煤岩样品是同一研究区域的煤岩样品,具有相同的性质和孔隙结构。
在一种可能的实现方式中,计算机设备可以通过第二煤岩样品对X射线的吸收,确定第二煤岩样品的组成成分;相应的,本步骤可以包括:对第二煤岩样品进行X射线扫描,确定穿过第二煤岩样品衰减后的投影数据;根据投影数据,构建第二煤岩样品对应的灰度图像;通过灰度图像,确定第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
计算机设备可以通过XCT(X-ray Computed Tomography,X射线断层扫描)测试设备对第二煤岩样品进行X射线扫描获取投影数据。相应的,计算机设备对第二煤岩样品进行X射线扫描,确定穿过第二煤岩样品衰减后的投影数据,包括:计算机设备向XCT测试设备发送测试指令。XCT测试设备接收到该测试指令,对第二煤岩样品进行X射线扫描,得到穿过第二煤岩样品衰减后的投影数据;将投影数据返回计算机设备。计算机设备接收投影数据。
其中,XCT测试设备可以是Micro CT 400型设备;该XCT测试设备的测试镜头为0.4X,测试电压为75kev,测试功率为7瓦特,测试分辨率为25μm。
在一种可能的实现方式中,计算机设备根据投影数据,构建第二煤岩样品对应的灰度图像,包括,计算机设备根据投影数据,确定图像矩阵中每个像素点的吸收系数,根据每个像素点的吸收系数,构建第二煤岩样品对应的灰度图像。
在本步骤中,计算机设备通过灰度图像,确定第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布的步骤可以通过以下两种实现方式:
第一种:第二煤岩样品中包括的多个组分为石英矿物组分、裂缝组分和基岩骨架组分中的至少两个。灰度图像中包括的多个像素点;像素点的颜色不同对应的组分不同;计算机设备内存储有灰度图像中多个像素点的多个颜色与组分之间的对应关系。相应的,计算机设备通过灰度图像,确定第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布的步骤可以为:计算机设备通过灰度图像,确定灰度图像中多个像素点的多个颜色以及每个颜色的占比和形态分布;根据多个像素点的多个颜色以及每个颜色的占比和形态分布,从已存储的颜色与组分的之间的对应关系中,确定第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
在一种可能的实现方式中,计算机设备内存储有颜色与组分之间的对应关系为:白色像素点对应的组分为石英矿物,黑色像素点对应的组分为裂缝;灰色像素点对应的组分为基岩骨架。
例如,参见图5和图6,计算机设备根据多个像素点的多个颜色以及每个颜色形态分布,从已存储的颜色与组分的之间的对应关系中,确定煤岩样品中包括的多个组分为石英矿物、裂缝和基岩骨架;以及,确定石英矿物的形态分布为:大量石英矿物为长条状形态分布,且相互之间呈现相互平行的趋势,少量石英矿物以离散的点状分布;以及,确定裂缝的形态分布为:裂缝分布的数量为一条,且与石英矿物的走向一致。
第二种:第二煤岩样品中包括煤相组分和矿物组分;相应的,计算机设备通过灰度图像,确定第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布的步骤可以为:计算机设备在灰度图像中提取表征单元体;对表征单元体进行图像强化、滤波、分割处理,得到煤岩样品对应的煤相组分表征图和矿物组分表征图;根据煤相组分表征图和矿物组分表征图,确定煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
其中,表征单元体可以为正方体,也可以是长方体;在本申请实施例中,对表征单元体的形状和尺寸不作具体限定,可以根据需要进行设置并更改。例如,该表征单元体为500×500×500体素的表征单元体。
煤相组分表征图和矿物组分表征图中包括的多个像素点;不同颜色的像素点对应不同的组分。相应的,计算机设备通过煤相组分表征图和矿物组分表征图,确定煤岩样品中包括的多个组分以及每个组分的占比和形态分布的步骤可以为:计算机设备通过煤相组分表征图,确定煤相组分表征图中包括的多个像素点的多个颜色以及每个颜色的占比和形态分布;根据每个颜色的占比和形态分布,确定煤相组分表征图中包括的多个煤相组分以及每个煤相组分的占比和形态分布;以及,计算机设备通过矿物组分表征图,确定矿物组分表征图中包括的多个像素点的多个颜色以及每个颜色的占比和形态分布;根据每个颜色的占比和形态分布,确定矿物组分表征图中包括的多个矿物组分以及每个矿物组分的占比和形态分布。其中,第二煤岩样品中的煤相组分包括暗煤组分和亮煤组分,第二煤岩样品中的矿物组分包括石英矿物组分。
例如,参见图7和图8,计算机设备在灰度图像中提取表征单元体;对表征单元体进行图像强化、滤波、分割处理,得到煤岩样品对应的煤相组分表征图和矿物组分表征图。其中,计算机设备通过矿物组分表征图,确定矿物组分表征图中包括的多个像素点的多个颜色为红色和紫色;其中,红色部分对应暗煤组分,占比为17.07%;紫色部分对应亮煤组分,占比为73.05%。其中,计算机设备通过矿物组分表征图,确定矿物组分表征图中包括的多个像素点的多个颜色为红色和紫色;其中,红色部分对应石英矿物组分,占比为9.88%;紫色部分对应非矿物组分,占比为91.12%。计算机设备通过煤相组分表征图和矿物组分表征图,确定煤相组分和矿物组分的分布为:暗煤组分和亮煤组分之间交替出现,且矿物组分与暗煤组分和亮煤组分的交界面平行。
106、计算机设备对于每个组分,计算机设备根据组分的占比和形态分布,确定第二煤岩样品中组分对应的第一特征区域,得到多个第一特征区域。
在本步骤中,第二煤岩样品中的每个组分对应一个第一特征区域。计算机设备根据第二煤岩样品中的组分的占比和形态分布,确定第二煤岩样品中第一特征区域的占比和形态分布。相应的,本步骤可以包括:计算机设备根据第二煤岩样品中的石英矿物组分的占比和形态分布、裂缝组分的占比和形态分布和基岩骨架组分的占比和形态分布,确定第二煤岩样品中石英矿物组分对应的矿物特征区域、裂缝组分对应的裂缝特征区域和基岩骨架组分对应的有机质特征区域,得到多个第一特征区域。
107、计算机设备对第二煤岩样品的第一特征区域进行成像处理,得到多个局部微观图,对多个局部微观图像进行拼接,得到第二煤岩样品的整体微观图。
在本步骤中,计算机设备可以通过扫描电子显微镜对第二煤岩样品的多个第一特征区域进行成像处理;相应的,本步骤可以包括:对于每个第一特征区域,计算机设备向扫描电子显微镜发送测试指令。扫描电子显微镜接收测试指令,对第二煤岩样品的第一特征区域进行测试,得到第一特征区域的局部微观图;扫描电子显微镜将第一特征区域的局部微观图返回计算机设备。计算机设备接收每个第一特征区域的局部微观图,得到多个局部微观图;对多个局部微观图像进行拼接,得到第二煤岩样品的整体微观图。
在一种可能的实现方式中,计算机设备通过SEM-MAP(Scanning-Electron-Microscope-MAP,微观图像拼接技术)对进行微观图像拼接。相应的,计算机设备对多个局部微观图像进行拼接,得到第二煤岩样品的整体微观图的步骤为:计算机设备根据第一特征区域在第二煤岩样品中的占比,确定整体微观图中的多个局部微观图像的占比,通过SEM-MAP程序对多个局部微观图像进行拼接,得到第二煤岩样品的整体微观图。可选的,整体微观图中的多个局部微观图像的占比与第一特征区域在第二煤岩样品中的占比相同。
例如,参见图9,扫描电子显微镜可以采用HELIOS NanoLab 660设备,在通过HELIOS NanoLab 660设备测试第二煤岩样品时,需要对第二煤岩样品进行氦离子抛光。其中,设置HELIOS NanoLab 660设备的分辨率为50nm,计算机设备通过SEM-MAP对多个局部微观图进行拼接,得到第二煤岩样品的整体微观图;整体微观图中的多个局部微观图像的占比与第一特征区域在第二煤岩样品中的占比相同,该整体微观图的图像视野为3.1mm×2.9mm。
108、计算机设备根据第二煤岩样品的整体微观图,确定第二煤岩样品中孔隙的微观结构和第二尺寸分布。
在一种可能的实现方式中,本步骤可以通过以下步骤(1)至(2)实现:
(1)计算机设备根据第二煤岩样品的整体微观图,识别第二煤岩样品中包括的多个第二特征区域。
在一种可能的实现方式中,本步骤可以包括:计算机设备对第二煤岩样品的整体微观图的进行特征处理,得到第二煤岩样品的特征类型表征图;对特征类型表征图中的图像特征进行分类,得到多个图像类型;根据多个图像类型,确定第二煤岩样品中多个图像类型对应的多个第二特征区域。
特征类型表征图中包括的多个像素点的颜色不同,不同颜色的像素点对应的图像类型不同,计算机设备内可以存储颜色与图像类型之间的对应关系。相应的,计算机设备对特征类型表征图中的图像特征进行分类,得到多个图像类型,包括:计算机设备对特征类型表征图中包括的多个像素点的颜色进行识别,确定多个像素点的多个颜色;根据多个像素点的多个颜色,从计算机设备内已存储的颜色与图像类型之间的对应关系中,得到多个图像类型。
例如,参见图10,计算机设备对特征类型表征图中包括的多个像素点的颜色进行识别,确定多个像素点的多个颜色为颜色1、颜色2、颜色3、颜色4和颜色5;计算机设备根据颜色1、颜色2、颜色3、颜色4和颜色5,从计算机设备内已存储的颜色与图像类型之间的对应关系中,确定颜色1为亮煤相图像,占比为89.66%,颜色2为暗煤相图像,占比为5.19%,颜色3为高亮矿物图像,占比为0.51%;颜色4为亮暗煤及矿物交互图像,占比为4.08%;颜色5为典型矿物添加的亮煤相图像,占比为0.56%。计算机设备确定第二煤岩样品中多个图像类型对应的多个第二特征区域为亮煤相区域、暗煤相区域、高亮矿物区域、亮暗煤及矿物交互区域、典型矿物添加的亮煤相区域。
(2)计算机设备根据多个第二特征区域,确定每个第二特征区域中孔隙的第三尺寸分布,根据每个第二特征区域中孔隙的第三尺寸分布,确定第二煤岩样品中孔隙的第二尺寸分布。
在本步骤中,第二尺寸分布和第三尺寸分布可以是孔隙的直径分布,也可以是孔隙的半径分布。在本申请实施例中,以第二尺寸分布和第三尺寸分布是孔隙的半径分布为例进行说明。相应的,本步骤可以包括:计算机设备根据多个第二特征区域,确定每个第二特征区域中孔隙的半径分布;根据每个第二特征区域中孔隙的半径分布,生成第二煤岩样品的孔隙半径分布图;根据第二煤岩样品的孔隙半径分布图,确定第二煤岩样品中孔隙的半径分布。
例如,计算机设备根据第二煤岩样品中孔隙的半径分布,生成第二煤岩样品的孔隙半径分布图。参见图11,计算机设备根据第二煤岩样品的孔隙半径分布图,确定第二煤岩样品中孔隙的半径分布为50nm至300nm;确定孔隙半径分布孔隙半径峰值集中在110nm和160nm附近。
(3)计算机设备确定多个第二特征区域中的目标测试区域,对目标测试区域进行成像处理,得到第二煤岩样品中孔隙的微观结构。。
在本步骤中,计算机设备可以通过扫描电子显微镜对目标测试区域进行高精度扫描;相应的,计算机设备对目标测试区域进行成像处理,得到第二煤岩样品中孔隙的微观结构,包括:计算机设备向扫描电子显微镜发送测试指令。扫描电子显微镜接收测试指令,对目标测试区域进行测试,得到目标测试区域中的孔隙的微观图;扫描电子显微镜将目标测试区域中的孔隙的微观图返回计算机设备。计算机设备将目标测试区域中的孔隙的微观图作为第二煤岩样品中孔隙的微观结构。
其中,扫描电子显微镜可以采用HELIOS NanoLab 660设备;设置HELIOS NanoLab660设备的分辨率为5nm,像素点大小为1024×1024。
在一种可能的实现方式中,目标测试区域可以为第二煤岩样品中的煤相组分区域;相应的,计算机设备确定多个第二特征区域中的目标测试区域,包括,计算机设备从多个第二特征区域中的选择煤相组分区域,将煤相组分区域作为目标区域。其中,多个第二特征区域中的煤相组分区域包括无机质矿物区域、裂缝区域和有机质区域中的一个或多个。
例如,参见图12,该目标测试区域为无机质矿物区域;其中,黑色为无机质矿物区域中的孔隙,白色为无机质矿物区域中的石英矿物组分。参见图13,该目标测试区域为裂缝区域。参见图14,该目标测试区域为有机质区域;其中,黑色为有机质区域中的孔隙,灰色为有机质区域中的煤相组分。
109、计算机设备根据第一煤岩样品中孔隙的类型、第一煤岩样品中孔隙的分形维数、第一煤岩样品中孔隙的第一尺寸分布、第二煤岩样品中孔隙的微观结构和第二煤岩样品中孔隙的第二尺寸分布,确定煤岩样品的孔隙结构。
在本步骤中,煤岩样品的孔隙结构是由各类型的孔隙结构特点及其所占比的比例来决定的。
在一种可能的实现方式中,本步骤可以包括:计算机设备通过第一煤岩样品中孔隙的类型、第一煤岩样品中孔隙的分形维数定性确定煤岩样品的第一孔隙结构;以及,通过第一煤岩样品中孔隙的第一尺寸分布和第二煤岩样品中孔隙的第二尺寸分布定量确定煤岩样品的第二孔隙结构;以及,通过第二煤岩样品中孔隙的微观结构可视化的确定煤岩样品的第三孔隙结构。
例如,计算机设备确定第一煤岩样品中孔隙的类型包括无机质孔隙、有机质孔隙和裂缝孔隙,可以定性确定煤岩样品的孔隙结构;计算机设备确定第一煤岩样品中孔隙的直径集中在2nm~50μm之间,可以定量确定煤岩样品的孔隙结构;计算机设备确定煤岩样品的微观孔隙结构为:煤岩样品中孔隙以有机质孔隙为主,少量矿物中发育着无机质孔隙;裂缝呈现出典型的多尺度特性,可以可视化的确定煤岩样品的孔隙结构。
需要说明的一点是,参见图15,第二煤岩样品中孔隙的第二尺寸分布和第一煤岩样品中孔隙的第一尺寸分布的范围不同;其中,第一煤岩样品中孔隙的第一尺寸分布的范围为2nm至18nm;第二煤岩样品中孔隙的第二尺寸分布的范围为50nm至300nm。也即,通过第一煤岩样品中孔隙的第一尺寸分布和第二煤岩样品中孔隙的第二尺寸分布,实现了对煤岩样品中的孔隙结构从纳米尺度到微米尺度的表征。其中,煤岩样品中的孔隙的尺寸范围从几纳米到几十微米,且煤岩样品中的孔隙的峰值集中在10纳米和10微米附近。
在本申请实施例提供了一种煤岩的孔隙结构的确定方法,由于通过第一煤岩样品中孔隙的类型、孔隙的分形维数可以定性表征煤岩样品的孔隙结构,通过第一煤岩样品中孔隙的第一尺寸分布和第二煤岩样品中孔隙的第二尺寸分布可以多尺度表征煤岩样品的孔隙结构,通过第二煤岩样品中孔隙的微观结构可以可视化的表征煤岩样品的孔隙结构,所以本申请实施例中的孔隙结构的确定方法可以从定量、定性和可视化等多个角度全面确定煤岩样品中的孔隙结构,从而提高了确定煤岩的孔隙结构的准确性。
图16是本申请提供的一种孔隙结构的确定装置的框图。参见图16,该装置包括:
第一获取模块1601,用于获取所述第一煤岩样品在第一温度条件下的多个第一压力值对应的第一吸附量;
第一确定模块1602,用于根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的类型,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的分形维数,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的第一尺寸分布;
第二获取模块1606,用于获取所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布;
第二确定模块1604,用于对于每个组分,根据所述组分的占比和所述形态分布,确定所述第二煤岩样品中所述组分对应的第一特征区域,得到多个第一特征区域;
拼接模块1605,用于对所述多个第一特征区域进行成像处理,得到多个局部微观图;对所述多个局部微观图像进行拼接,得到所述第二煤岩样品的整体微观图;
第三确定模块1606,用于根据所述第二煤岩样品的整体微观图,确定所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布;
第四确定模块1607,用于根据所述第一煤岩样品中孔隙的类型、所述第一煤岩样品中孔隙的分形维数、所述第一煤岩样品中孔隙的第一尺寸分布、所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布,确定所述煤岩样品的孔隙结构。
在一种可能的实现方式中,所述第一确定模块,用于根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品的比表面积;根据所述比表面积,从比表面积和类型的对应关系中,确定所述第一煤岩样品中孔隙的类型。
在另一种可能的实现方式中,所述第一确定模块,用于根据所述多个第一压力值对应的第一吸附量,确定压力值和吸附量的第一函数关系;确定用于确定所述第一煤岩样品中孔隙的分形维数的目标吸附量和目标压力值;根据所述目标吸附量和所述第一函数关系,确定所述目标吸附量对应的第二压力值,以及,根据所述目标压力值和所述第一函数关系,确定所述目标压力值对应的第二吸附量;根据所述目标吸附量对应的第二压力值和所述目标压力值对应的第二吸附量,通过第一函数关系,确定所述第一煤岩样品中孔隙的分形维数。
在另一种可能的实现方式中,所述第二获取模块,包括:
第一确定单元,用于对所述第二煤岩样品进行X射线扫描,确定穿过所述第二煤岩样品衰减后的投影数据;
构建单元,用于根据所述投影数据,构建所述第二煤岩样品对应的灰度图像;
确定单元,用于通过所述灰度图像,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
在另一种可能的实现方式中,所述煤岩样品中包括煤相组分和矿物组分;所述确定单元,用于在所述灰度图像中提取表征单元体;对所述表征单元体进行图像强化、滤波、分割处理,得到所述第二煤岩样品对应的煤相组分表征图和矿物组分表征图;根据所述煤相组分表征图和所述矿物组分表征图,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
在另一种可能的实现方式中,所述第三确定模块,用于根据所述第二煤岩样品的整体微观图,识别所述第二煤岩样品中包括的多个第二特征区域;根据所述多个第二特征区域,确定每个第二特征区域中孔隙的第三尺寸分布,根据所述每个第二特征区域中孔隙的第三尺寸分布,确定所述第二煤岩样品中孔隙的第二尺寸分布,以及,确定所述多个第二特征区域中的目标测试区域,对所述目标测试区域进行成像处理,得到所述第二煤岩样品中孔隙的微观结构。
在本申请实施例提供了一种煤岩的孔隙结构的确定方法,由于通过第一煤岩样品中孔隙的类型、孔隙的分形维数可以定性表征煤岩样品的孔隙结构,通过第一煤岩样品中孔隙的第一尺寸分布和第二煤岩样品中孔隙的第二尺寸分布可以多尺度表征煤岩样品的孔隙结构,通过第二煤岩样品中孔隙的微观结构可以可视化的表征煤岩样品的孔隙结构,所以本申请实施例中的孔隙结构的确定方法可以从定量、定性和可视化等多个角度全面确定煤岩样品中的孔隙结构,从而提高了确定煤岩的孔隙结构的准确性。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种煤岩的孔隙结构的确定方法,其特征在于,应用于计算机设备,煤岩样品包括第一煤岩样品和第二煤岩样品;所述方法包括:
获取所述第一煤岩样品在第一温度条件下的多个第一压力值对应的第一吸附量;
根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的类型,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的分形维数,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的第一尺寸分布;
获取所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布;
对于每个组分,根据所述组分的占比和所述形态分布,确定所述第二煤岩样品中所述组分对应的第一特征区域,得到多个第一特征区域;
对所述多个第一特征区域进行成像处理,得到多个局部微观图,对所述多个局部微观图像进行拼接,得到所述第二煤岩样品的整体微观图;
根据所述第二煤岩样品的整体微观图,确定所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布;
根据所述第一煤岩样品中孔隙的类型、所述第一煤岩样品中孔隙的分形维数、所述第一煤岩样品中孔隙的第一尺寸分布、所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布,确定所述煤岩样品的孔隙结构。
2.根据权利要求1所述的方法,其特征在于,所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的类型,包括:
根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品的比表面积;
根据所述比表面积,从比表面积和类型的对应关系中,确定所述第一煤岩样品中孔隙的类型。
3.根据权利要求1所述的方法,其特征在于,所述根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的分形维数,包括:
根据所述多个第一压力值对应的第一吸附量,确定压力值和吸附量的第一函数关系;
确定用于确定所述第一煤岩样品中孔隙的分形维数的目标吸附量和目标压力值;
根据所述目标吸附量和所述第一函数关系,确定所述目标吸附量对应的第二压力值,以及,根据所述目标压力值和所述第一函数关系,确定所述目标压力值对应的第二吸附量;
根据所述目标吸附量对应的第二压力值和所述目标压力值对应的第二吸附量,通过第一函数关系,确定所述第一煤岩样品中孔隙的分形维数。
4.根据权利要求1所述的方法,其特征在于,所述获取所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布,包括:
对所述第二煤岩样品进行X射线扫描,确定穿过所述第二煤岩样品衰减后的投影数据;
根据所述投影数据,构建所述第二煤岩样品对应的灰度图像;
通过所述灰度图像,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
5.根据权利要求4所述的方法,其特征在于,所述第二煤岩样品中包括煤相组分和矿物组分;所述通过所述灰度图像,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布,包括:
在所述灰度图像中提取表征单元体;
对所述表征单元体进行图像强化、滤波、分割处理,得到所述第二煤岩样品对应的煤相组分表征图和矿物组分表征图;
根据所述煤相组分表征图和所述矿物组分表征图,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第二煤岩样品的整体微观图,确定所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布,包括:
根据所述第二煤岩样品的整体微观图,识别所述第二煤岩样品中包括的多个第二特征区域;
根据所述多个第二特征区域,确定每个第二特征区域中孔隙的第三尺寸分布,根据所述每个第二特征区域中孔隙的第三尺寸分布,确定所述第二煤岩样品中孔隙的第二尺寸分布,以及,
确定所述多个第二特征区域中的目标测试区域,对所述目标测试区域进行成像处理,得到所述第二煤岩样品中孔隙的微观结构。
7.一种煤岩的孔隙结构的确定装置,其特征在于,应用于计算机设备,煤岩样品包括第一煤岩样品和第二煤岩样品;所述装置包括:
第一获取模块,用于获取所述第一煤岩样品在第一温度条件下的多个第一压力值对应的第一吸附量;
第一确定模块,用于根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的类型,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的分形维数,以及,根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品中孔隙的第一尺寸分布;
第二获取模块,用于获取所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布;
第二确定模块,用于对于每个组分,根据所述组分的占比和所述形态分布,确定所述第二煤岩样品中所述组分对应的第一特征区域,得到多个第一特征区域;
拼接模块,用于对所述多个第一特征区域进行成像处理,得到多个局部微观图,对所述多个局部微观图像进行拼接,得到所述第二煤岩样品的整体微观图;
第三确定模块,用于根据所述第二煤岩样品的整体微观图,确定所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布;
第四确定模块,用于根据所述第一煤岩样品中孔隙的类型、所述第一煤岩样品中孔隙的分形维数、所述第一煤岩样品中孔隙的第一尺寸分布、所述第二煤岩样品中孔隙的微观结构和所述第二煤岩样品中孔隙的第二尺寸分布,确定所述煤岩样品的孔隙结构。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块,用于根据所述多个第一压力值对应的第一吸附量,确定所述第一煤岩样品的比表面积;根据所述比表面积,从比表面积和类型的对应关系中,确定所述第一煤岩样品中孔隙的类型。
9.根据权利要求7所述的装置,其特征在于,所述第一确定模块,用于根据所述多个第一压力值对应的第一吸附量,确定压力值和吸附量的第一函数关系;确定用于确定所述第一煤岩样品中孔隙的分形维数的目标吸附量和目标压力值;根据所述目标吸附量和所述第一函数关系,确定所述目标吸附量对应的第二压力值,以及,根据所述目标压力值和所述第一函数关系,确定所述目标压力值对应的第二吸附量;根据所述目标吸附量对应的第二压力值和所述目标压力值对应的第二吸附量,通过第一函数关系,确定所述第一煤岩样品中孔隙的分形维数。
10.根据权利要求7所述的装置,其特征在于,所述第二获取模块,包括:
第一确定单元,用于对所述第二煤岩样品进行X射线扫描,确定穿过所述第二煤岩样品衰减后的投影数据;
构建单元,用于根据所述投影数据,构建所述第二煤岩样品对应的灰度图像;
确定单元,用于通过所述灰度图像,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
11.根据权利要求10所述的装置,其特征在于,所述煤岩样品中包括煤相组分和矿物组分;所述确定单元,用于在所述灰度图像中提取表征单元体;对所述表征单元体进行图像强化、滤波、分割处理,得到所述第二煤岩样品对应的煤相组分表征图和矿物组分表征图;根据所述煤相组分表征图和所述矿物组分表征图,确定所述第二煤岩样品中包括的多个组分以及每个组分的占比和形态分布。
12.根据权利要求7所述的装置,其特征在于,所述第三确定模块,用于根据所述第二煤岩样品的整体微观图,识别所述第二煤岩样品中包括的多个第二特征区域;根据所述多个第二特征区域,确定每个第二特征区域中孔隙的第三尺寸分布,根据所述每个第二特征区域中孔隙的第三尺寸分布,确定所述第二煤岩样品中孔隙的第二尺寸分布,以及,确定所述多个第二特征区域中的目标测试区域,对所述目标测试区域进行成像处理,得到所述第二煤岩样品中孔隙的微观结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010812713.3A CN114076724B (zh) | 2020-08-13 | 2020-08-13 | 煤岩的孔隙结构的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010812713.3A CN114076724B (zh) | 2020-08-13 | 2020-08-13 | 煤岩的孔隙结构的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114076724A true CN114076724A (zh) | 2022-02-22 |
CN114076724B CN114076724B (zh) | 2023-10-31 |
Family
ID=80280701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010812713.3A Active CN114076724B (zh) | 2020-08-13 | 2020-08-13 | 煤岩的孔隙结构的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114076724B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN108037056A (zh) * | 2017-11-28 | 2018-05-15 | 西安石油大学 | 一种研究煤微观孔隙***发育特征的方法 |
CN111175214A (zh) * | 2020-01-17 | 2020-05-19 | 西安石油大学 | 一种非常规致密储层孔径全尺寸表征的方法 |
CN111398122A (zh) * | 2020-04-03 | 2020-07-10 | 中国矿业大学 | 一种页岩全尺度孔隙结构非均质性特征的综合表征方法 |
-
2020
- 2020-08-13 CN CN202010812713.3A patent/CN114076724B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN108037056A (zh) * | 2017-11-28 | 2018-05-15 | 西安石油大学 | 一种研究煤微观孔隙***发育特征的方法 |
CN111175214A (zh) * | 2020-01-17 | 2020-05-19 | 西安石油大学 | 一种非常规致密储层孔径全尺寸表征的方法 |
CN111398122A (zh) * | 2020-04-03 | 2020-07-10 | 中国矿业大学 | 一种页岩全尺度孔隙结构非均质性特征的综合表征方法 |
Non-Patent Citations (3)
Title |
---|
张锟 等: "煤与页岩低温氮吸附孔隙结构特征与分形特征对比――以阳泉地区山西组15#煤与页岩为例", 科学技术与工程, no. 29, pages 68 - 75 * |
曲浩鑫 等: "基于低温氮吸附法的海拉尔盆地褐煤孔隙特征研究", 中国煤炭, vol. 44, no. 10, pages 2 * |
李相臣 等: "基于CT扫描的煤岩孔裂隙表征", 煤田地质与勘探, no. 05, pages 58 - 62 * |
Also Published As
Publication number | Publication date |
---|---|
CN114076724B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Multifractal analysis of gas adsorption isotherms for pore structure characterization of the Bakken Shale | |
Liu et al. | Pore-scale characterization of tight sandstone in Yanchang Formation Ordos Basin China using micro-CT and SEM imaging from nm-to cm-scale | |
Naveen et al. | Integrated fractal description of nanopore structure and its effect on CH4 adsorption on Jharia coals, India | |
Peng et al. | Using X-ray computed tomography in pore structure characterization for a Berea sandstone: Resolution effect | |
Guo et al. | Quantitative pore characterization and the relationship between pore distributions and organic matter in shale based on Nano-CT image analysis: a case study for a lacustrine shale reservoir in the Triassic Chang 7 member, Ordos Basin, China | |
Liu et al. | Impacts of mineral composition and pore structure on spontaneous imbibition in tight sandstone | |
Qajar et al. | Microtomographic characterization of dissolution-induced local porosity changes including fines migration in carbonate rock | |
Qajar et al. | Characterization of reactive flow-induced evolution of carbonate rocks using digital core analysis-part 1: Assessment of pore-scale mineral dissolution and deposition | |
Zheng et al. | Multi-scale pore structure, pore network and pore connectivity of tight shale oil reservoir from Triassic Yanchang Formation, Ordos Basin | |
CN105445442B (zh) | 刻画泥页岩孔隙特征及其与页岩油富集关系的方法 | |
CN108444881B (zh) | 一种适用于陆相泥页岩微纳米尺度储集空间的表征方法 | |
CN107132171B (zh) | 一种基于压汞-氮吸附联测数据确定致密储层孔径分布的方法 | |
Sun et al. | Pore connectivity and water accessibility in Upper Permian transitional shales, southern China | |
CN111366753A (zh) | 一种页岩有机质孔隙类型的微观识别方法 | |
Lei et al. | Describing the full pore size distribution of tight sandstone and analyzing the impact of clay type on pore size distribution | |
Xiong et al. | Characterizing coal pore space by gas adsorption, mercury intrusion, FIB–SEM and µ-CT | |
Zhou et al. | Digital evaluation of nanoscale-pore shale fractal dimension with microstructural insights into shale permeability | |
Vega et al. | 2D multifractal analysis and porosity scaling estimation in Lower Cretaceous carbonates | |
Galaup et al. | New integrated 2D–3D physical method to evaluate the porosity and microstructure of carbonate and dolomite porous system | |
Ma et al. | A multi-scale framework for digital core analysis of gas shale at millimeter scales | |
Landry et al. | Estimating mudrock oil-water relative permeability curves using digital rock physics | |
Jiang et al. | The controlling factors and prediction model of pore structure in global shale sediments based on random forest machine learning | |
Tang et al. | Multiscale pore characterization of coal measure reservoirs and gas storage and transport behavior in Yanchuannan gas field of China | |
Zhu et al. | Multi-scale characterization of organic matter pore space in deep marine shale combined with mathematical morphology | |
Rassouli et al. | Shale rock characterization using multi-scale imaging |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |