CN114117947A - 化探正演数值模拟方法、装置、计算机设备和存储介质 - Google Patents
化探正演数值模拟方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114117947A CN114117947A CN202010883711.3A CN202010883711A CN114117947A CN 114117947 A CN114117947 A CN 114117947A CN 202010883711 A CN202010883711 A CN 202010883711A CN 114117947 A CN114117947 A CN 114117947A
- Authority
- CN
- China
- Prior art keywords
- mathematical model
- water
- hydrocarbon
- migration
- model
- 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
Images
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种化探正演数值模拟方法、装置、计算机设备和存储介质,所述方法包括获取油气地质数据和地震数据,确定油藏地质模型;获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;基于所述油藏烃类微渗漏数学模型进行分段模拟。采用数值模拟方法较好地反映实际地质条件下微渗漏三种方式的转变及其微渗漏浓度变化,考虑了多种地质因素的影响,能实现一维、二维、三维地层空间的数值模拟及其可视化效果,正演油气化探形成机理,夯实了烃类垂向微渗漏理论。
Description
技术领域
本发明涉及油气勘探的数值模拟技术领域,特别涉及一种基于油藏模型的化探正演数值模拟方法、装置、计算机设备和存储介质。
背景技术
油气化探技术作为油气勘探的一种手段,它的理论基础是建立在“地下油气藏中烃类气体以微弱但可检出的量近似垂直地向地表运移”的假设之上,多年来尽管取得一系列的成功案例,但地质界仍有许多学者对近地表油气化探异常形成机理存有质疑,亟需加强化探异常形成机理正演研究,其中数值模拟是开展正演研究的方法之一,可以从机理上描述烃类垂向微渗漏的过程及其近地表显示,夯实烃类垂向微渗漏的基础理论。
目前对于化探正演数值模拟研究,从油藏-直接盖层-上覆地层-地表基本上采用单一机制进行模拟。阮天健(1985)假设了6种盖层与气源组合状况,对扩散作用过程在地表形成的异常进行了数值模拟,模拟结果说明了小油田(窄小的气源)出现顶部异常,而大油田(大范围的气源)呈晕圈异常。肖伟、鲍征宇等(2003)在前人烃类物质微渗漏机制研究基础上,建立了烃类物质微渗漏的概念模型,并且推导了烃类物质垂向运移的动力学模型。在动力学模型的基础上,通过数值模拟认为烃类物质胶体气泡上升机制是较为合理的观点,并计算了不同情况下烃类物质垂向运移的平衡时间。黄志龙等(2007)认为轻烃呈胶束状态的微气泡形式发生准垂直向上的渗漏运移,建立了微渗漏散失的定量模型,并通过实际气藏定量估算了地史时期天然气通过盖层的微渗漏散失量。李萌(2009,2012),李志炜(2012)基于烃类垂向微渗漏基本概念和连续介质假设,构建理想单层和多层积木块地层介质模型;然后依据质量守恒定律,建立描述地层介质模型内部烃类垂向微渗漏过程的定量方程,即一类反应-对流-扩散偏微分方程。国外方面,对于扩散机制,Krooss(1992)等进一步考虑了盖层中气相甲烷和水溶相甲烷的平衡,对前人的方程进一步修正,并计算了烃类在沉积柱中的扩散量并与实测结果进行对比,获得了较为吻合的结果。Nelson和Simmons对Krooss(1992)的计算提出了批评,把扩散系数和孔隙度、渗透率、弯曲度结合,重新进行了数值计算,另外,Jakel和Klusman(1995),Thomas和Clouse(1990),都对扩散机制的数值模拟进行过研究[81]。Ronald W.Klusman(2005,2010)对浮力机制作用下油气藏上方饱和带和不饱和带中的烃类垂向运移过程进行了数值模拟,他认为微气泡的浮力上升机制是一种有活力的油气运移机制,为油气勘探中所观察到的地表地球化学现象提供支撑。对地表化探异常的形成,不同的学者在数值模拟时强调他们认为的主要机制,考虑相对单一。微渗漏在不同的层段,温压条件和地层水条件不同,其渗漏方式随着条件的变化而变化。同时盖层的封闭性能也决定了微渗漏的方式和规模。因此,从油藏-直接盖层-上覆地层-地表的整个地层介质***中,必然存在各种微渗漏方式,以及影响因素。
上述数值模拟研究,只强调了微渗漏的一种方式,地质条件下的影响因素考虑的也较少。因此,需要建立一种考虑各种微渗漏方式及其贡献,以及地质影响因素的数值模拟方法,来正演油气化探异常的形成机理。
发明内容
基于此,有必要针对上述技术问题,提供一种化探正演数值模拟方法、装置、计算机设备和存储介质。
一种化探正演数值模拟方法,包括:
获取油气地质数据和地震数据,确定油藏地质模型;
获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
基于所述油藏烃类微渗漏数学模型进行分段模拟。
在一个实施例中,所述基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型的步骤包括:
获取地层物理吸附量、碳酸盐矿物化学吸附量和微生物降解量;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,结合所述地层物理吸附量、所述碳酸盐矿物化学吸附量和所述微生物降解量,建立油藏烃类微渗漏数学模型。
在一个实施例中,所述油藏烃类微渗漏数学模型为:
C=Ck*α+Cs*β+Cf*γ-R1-R2-R3
其中,Ck为扩散作用微渗漏的烃类浓度,Cs为水溶相运移烃类浓度,Cf为浮力运移烃类浓度,R1为地层颗粒对烃类物质总吸附速率,R2为碳酸岩对烃类物质总吸附速率,R3为微生物对烃类物质的降解速率,α、β、γ为贡献系数,且0≤α≤1,0≤β≤1,0≤γ≤1,α+β+γ=1。
在一个实施例中,所述扩散数学模型为:
其中,c是任一物质在直角坐标系中任一点上的浓度,D为三个方向上的扩散系数,单位为m2/s,其中,将C设为扩散作用微渗漏的烃类浓度Ck。
在一个实施例中,所述水溶相运移数学模型为:
则水中烃类组分搬运公式为:
,其中,将C设为水溶相运移烃类浓度Cs。
在一个实施例中,所述获取浮力运移数学模型的步骤为:
根据达西定律与每种相态的势梯度成比例的关系,得到水和气体在岩层的线速度计算式;
基于水和气体在岩层的线速度计算式,计算得到烃类的量Qf和浓度Cf,获取所述浮力运移数学模型;
其中,水和气体在岩层的线速度计算式分别为:
其中,Vg表示气体速率;Vw表示水的速率;K表示岩层渗透率;Kg表示气体相对渗透率;Kw表示水的相对渗透率;μg表示气体粘滞度;μw表示水的粘滞度;Фg表示气体势,Фg=P+ρgh;Фw表示水势,Фw=P+ρgh;
V=Q/t,V=Sh,Q为气体通量,V为水的体积或者气体的体积,S为横截面积,h为高度,t为时间。
在一个实施例中,所述基于所述油藏烃类微渗漏数学模型进行分段模拟步骤中的模拟内容包括烃类浓度、烃类渗漏速率和渗漏通量。
一种基于油藏模型的化探正演数值模拟装置,包括:
油藏地质模型获取模块,用于获取油气地质数据和地震数据,确定油藏地质模型;
数学模型获取模块,用于获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;
模型耦合模块,用于基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
分段模拟模块,用于基于所述油藏烃类微渗漏数学模型进行分段模拟。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
获取油气地质数据和地震数据,确定油藏地质模型;
获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
基于所述油藏烃类微渗漏数学模型进行分段模拟。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取油气地质数据和地震数据,确定油藏地质模型;
获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
基于所述油藏烃类微渗漏数学模型进行分段模拟。
上述化探正演数值模拟方法、装置、计算机设备和存储介质,采用数值模拟方法较好地反映实际地质条件下微渗漏三种方式的转变及其微渗漏浓度变化,考虑了多种地质因素的影响,能实现一维、二维、三维地层空间的数值模拟及其可视化效果,正演油气化探形成机理,夯实了烃类垂向微渗漏理论。
附图说明
图1为一个实施例中基于油藏模型的化探正演数值模拟方法的流程示意图;
图2为一个实施例中基于油藏模型的化探正演数值模拟装置的结构框图;
图3为一个实施例中计算机设备的内部结构图;
图4为一个实施例中的基于油藏模型的化探正演数值模拟流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
实施例一
提供了一种基于油藏模型的化探正演数值模拟方法,如图1所示,其包括:
步骤110,获取油气地质数据和地震数据,确定油藏地质模型。
具体地,由油气地质、地震资料,明确已知油藏埋深、油气组分、盖层厚度、含油面积、油藏剖面、多口井全井地质录井岩性剖面,统计各层砂泥岩厚度等,从而通过上述的地质数据和地震数据,确定油藏地质模型。
步骤120,获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型。
步骤130,基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型。
本实施例中,建立的油藏烃类微渗漏数学模型,包括扩散数学模型、水溶相运移数学模型、浮力运移数学模型,以及三种机制耦合的数学模型。
得到该油藏烃类微渗漏数学模型,根据油藏烃类微渗漏数学模型,编制相应计算机计算程序,对油藏油气组份通过盖层及上覆地层、第四系沉积层微渗漏的浓度进行计算。
为了提高模型的精度,在一个实施例中,所述基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型的步骤包括:获取地层物理吸附量、碳酸盐矿物化学吸附量和微生物降解量;基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,结合所述地层物理吸附量、所述碳酸盐矿物化学吸附量和所述微生物降解量,建立油藏烃类微渗漏数学模型。
本实施例中的油藏烃类微渗漏数学模型,包括扩散数学模型、水溶相运移数学模型、浮力运移数学模型,以及三种机制耦合的数学模型,并同时加载地层的物理吸附量、碳酸盐矿物化学吸附量、地表微生物消耗量等。
在一个实施例中,所述油藏烃类微渗漏数学模型为:
C=Ck*α+Cs*β+Cf*γ-R1-R2-R3
其中,Ck为扩散作用微渗漏的烃类浓度,Cs为水溶相运移烃类浓度,Cf为浮力运移烃类浓度,R1为地层颗粒对烃类物质总吸附速率,R2为碳酸岩对烃类物质总吸附速率,R3为微生物对烃类物质的降解速率,α、β、γ为贡献系数,且0≤α≤1,0≤β≤1,0≤γ≤1,α+β+γ=1。
在一个实施例中,所述扩散数学模型为:
其中,c是任一物质在直角坐标系中任一点上的浓度,单位mg/L,D为三个方向上的扩散系数,单位为m2/s,其中,将C设为扩散作用微渗漏的烃类浓度Ck。
在一个实施例中,所述水溶相运移数学模型为:
上述计算式(2)为采用水溶相单个烃类分子因对流和分散而形成的通量得到(Bear,1979),其中,qci表示烃类组分的通量,1/L;ε表示水的流速,L/T;DT表示总分散系数;Ci表示水溶烃的浓度,表示1/L;
在缺乏化学反应与吸附作用(或吸附点已饱和)的情况下,水溶烃的质量平衡方程可表述如下:
将等式(2)代入等式(3),则得到水中烃类组分搬运公式,其中,将C设为水溶相运移烃类浓度Cs。
在一个实施例中,所述获取浮力运移数学模型的步骤为:根据达西定律与每种相态的势梯度成比例的关系,得到水和气体在岩层的线速度计算式;基于水和气体在岩层的线速度计算式,计算得到烃类的量Qf和浓度Cf,获取所述浮力运移数学模型。
应该理解的是,不论是对于气体还是对于水,达西定律与每种相态的势梯度成比例,可以表达如下(据Saeed,1991):
水和气体在岩层的线速度计算式分别为:
其中,Vg表示气体速率;Vw表示水的速率;K表示岩层渗透率;Kg表示气体相对渗透率;Kw表示水的相对渗透率;μg表示气体粘滞度;μw表示水的粘滞度;Фg表示气体势,Фg=P+ρgh;Фw表示水势,Фw=P+ρgh;
V=Q/t,V=Sh,Q为气体通量,V为水的体积或者气体的体积,S为横截面积,h为高度,t为时间。等式(4)和(5)分别表示水和气体的线速度。如气体通量Q=V/t,对于圆柱体而言,体积V=Sh,代入至上述通量等式,h/t即为水和气体的线速度,等于Q/S。由于浓度Cf与烃类的量Qf有关,Qf与线速度有关,因此,可得到浓度Cf也是线速度有关。
气体的相对渗透率取决于水的饱和度。水的饱和度降低,气体的饱和度就会增加,气体相对渗透率就会加大。然后根据油气组分、气和水的饱和度就可以求出烃类的量Qf和浓度Cf。
除了上述烃类微渗漏的三种数学模型,还考虑了以下因素对微渗漏烃类浓度的影响及其数学模型:
(一)地层的物理吸附量:
采用指数吸附模式,经过数据拟合得到地层吸附量V(cm3/g)与地层的压力p(MPa)经验的公式:
V=2.24p1/1·30 (6)
应该理解的是,上式(6)只是表示总的吸附量,而没有考虑吸附率的问题。为此地层颗粒对某种烃类物质总吸附速率R1与介质的孔隙度、体比表面积值、以及岩性有关。可假设为与该烃类物质在地层中的游离烃浓度c成正比、而与吸附在地层颗粒表面的烃浓度Cr成反比,比例系数为-kr(称为单位时间单位长度(体积)是土壤对该烃类物质的吸附率,1/mt,负号是因为烃类物质的浓度变小),当吸附浓度接近吸附量V时中止吸附过程,若为地层介质的孔隙度,于是:
R1=-krψc(V-Cr) (7)
(二)碳酸盐矿物对烃类组分的化学吸附作用:
烃类垂向微渗漏的过程中,一部分烃类溶解于水,水岩相互作用导致烃类进入碳酸盐矿物晶格,以化学吸附态存在于地层中。当温度压力相同时,砂、泥岩的吸附量具有一定的比例,在得到某种条件下砂岩背景后,即可求得相同条件下泥岩酸解烃背景。为获得砂、泥岩间相同条件下吸附烃的比例,采用Freundlich公式对文献数据拟合得(王振平等,1996)::
Q1s=4.86644×10-3p0.938423,Q1m=1.38999×10-2p0.940838
Q3s=0.213835p0.838807,Q3m=0.400188p0.842807
Q4s=0.87435p0.74826,Q4m=1.36484p0.738051 (8)
上列式(8)中Q1s,Q1m,Q3s,Q3m,Q4s,Q4m,,分别为砂岩、泥岩对甲烷、丙烷及丁烷的吸附量(cm3/100g),为压力(×133.3Pa),各式中的数值为回归系数。
据上式,可以得到泥岩、砂岩对同种烃类吸附量的比值:
式(9)中a1,a3,a4分别为相同条件下泥岩与砂岩对甲烷、丙烷、丁烷吸附量之比。
为此碳酸岩对某种烃类物质总吸附速率R2可假设与该类物质在地层中的游离烃浓度c与吸附在碳酸演岩中的Cc的差成正比-kc(称为单位时间单位长度(体积)是碳酸盐岩对该烃类物质的吸附率,1/mt,负号是因为烃类物质的浓度变小),为地层介质的孔隙度,于是:
R2=-ψkcc(Q-Cc) (10)
(三)地表微生物的作用:
地表氧化带的微生物(烃类氧化菌)活动较为强烈,垂向迁移的烃类通过时浓度会大大降低;同时微生物的活动受气候的影响较大。因此在发明中,简单地假设微生物对某个烃类物质的降解速率R3为该烃类物质的一次函数,即:
R3=-ψk1c (11)
负号是因为烃类物质的浓度变小,k1为单位时间单位长度(体积)里微生物对该烃类物质的消耗率,1/mt。
因此,将三种机制耦合后,并考虑地层物理吸附量、碳酸盐矿物化学吸附量、微生物降解量,耦合后的数学模型任一点微渗漏烃类浓度C可表示为:
C=Ck*α+Cs*β+Cf*γ-R1-R2-R3
其中α(0≤α≤1)、β(0≤β≤1)、γ(0≤γ≤1)为贡献系数,且α+β+γ=1
步骤140,基于所述油藏烃类微渗漏数学模型进行分段模拟。
具体地,分段模拟就是由于油气藏上覆地层封盖条件和通道发育不同,烃类在垂向上微渗漏会以不同地层条件中以不同运移方式为主,致密(孔隙度小、渗透率小)、无裂隙发育岩层以扩散方式为主,比如,采用扩散运移方程;孔隙度大、渗透率大的岩层以水溶方式为主,比如,采用水溶运移方程;裂隙发育的岩层以微气泡方式为主,比如,采用浮力运移方程。
基于上述数学模型编制计算程序,不仅可对烃类垂向微渗漏单种机制进行数值模拟,还可对三种机制进行耦合数值模拟。模拟方法中将扩散方式、水溶方式、微气泡方式的数学模型耦合成一个模型,不同地层中主要烃类微渗漏方式可能不同,耦合方程中贡献系数的选取可能就不同。采取分段模拟:一、可排除主要微渗漏方式不同带来的影响,可以随意截取一个地层进行模拟,将下一层的最终状态作为紧邻上一地层的初始状态进行模拟;二、软件能将任一实测点或者模拟点(插值点)作为初始条件,进行模拟计算。
本申请还能够实现一维、二维和三维模拟功能。数值模拟方法可进行一维、二维和三维地层空间模拟。模拟内容包括烃类浓度、烃类渗漏速率和渗漏通量。具体的模拟,根据不同的运移方式的数学模型进行计算,不同时间、距离的浓度大小,然后将这些浓度数值变化用图表达出来。
此外,本申请还具有模拟结果可视化功能,数值模拟方法不仅给出数值结果,还能将模拟结果图像化:①一维模拟,任意时间点地层中或者地表测线土壤中烃类组分浓度或比值分布图、地层中某一点浓度或比值随时间变化图;②二维模拟,任意时间点垂向剖面或者平面上烃类组分浓度或比值分布图、地层中某一点浓度或比值随时间变化图;③三维模拟,任意线或者切面或者体的浓度图或比值图,以等值面形成显示、空间地层中某一点浓度或比值随时间变化图。三维等值面显示的优点是能够看出三维空间中的优势通道展布;二维平面数据的三维显示,只能显示优势通道在平面上的展布。
在一个实施例中,所述基于所述油藏烃类微渗漏数学模型进行分段模拟步骤中的模拟内容包括烃类浓度、烃类渗漏速率和渗漏通量。
实施例二
本实施例中,请结合图4,提供一种基于油藏模型的化探正演数值模拟方法,包括:
步骤一、确定已知油藏地质模型。
由油气地质、地震资料,明确已知油藏埋深、油气组分、盖层厚度、含油面积、油藏剖面、多口井全井地质录井岩性剖面,统计各层砂泥岩厚度等。
步骤二、建立油藏烃类微渗漏数学模型,包括扩散数学模型、水溶相运移数学模型、浮力运移数学模型,以及三种机制耦合的数学模型。
本实施例中,各数学模型可同时加载地层的物理吸附量、碳酸盐矿物化学吸附量、地表微生物消耗量等。根据数学模型,编制相应计算机计算程序,对油藏油气组份通过盖层及上覆地层、第四系沉积层微渗漏的浓度进行计算。
扩散作用服从费克定律,在直角坐标系中,其表达式为:
其中,c是任一物质在直角坐标系中任一点上的浓度,单位mg/L,D为三个方向上的扩散系数,单位m2/s。
将扩散作用微渗漏的烃类浓度设为Ck。
水溶相单个烃类分子因对流和分散而形成的通量可采用下式计算(Bear,1979):
在缺乏化学反应与吸附作用(或吸附点已饱和)的情况下,水溶烃的质量平衡方程可表述如下:
将等式(2)代入等式(3),可得如下水中烃类组分搬运公式:
将水溶相运移烃类浓度设为Cs。
浮力运移,不论是对于气体还是对于水,达西定律与每种相态的势梯度成比例,可以表达如下(据Saeed,1991):
相对渗透率;Kw表示水的相对渗透率;μg表示气体粘滞度;μw表示水的粘滞度;Фg表示气体势,Фg=P+ρgh;Фw表示水势,Фw=P+ρgh;
气体的相对渗透率取决于水的饱和度。水的饱和度降低,气体的饱和度就会增加,气体相对渗透率就会加大。然后根据油气组分、气和水的饱和度就可以求出烃类的量Qf和浓度Cf。
除了上述烃类微渗漏的三种数学模型,还考虑了以下因素对微渗漏烃类浓度的影响及其数学模型:
(一)地层的物理吸附量:
采用指数吸附模式,经过数据拟合得到地层吸附量V(cm3/g)与地层的压力p(MPa)经验的公式:
V=2.24p1/1·30 (6)
应该注意的是,上式只是表示总的吸附量,而没有考虑吸附率的问题。为此地层颗粒对某种烃类物质总吸附速率R1与介质的孔隙度、体比表面积值、以及岩性有关。可假设为与该烃类物质在地层中的游离烃浓度c成正比、而与吸附在地层颗粒表面的烃浓度Cr成反比,比例系数为-kr(称为单位时间单位长度(体积)是土壤对该烃类物质的吸附率,1/mt,负号是因为烃类物质的浓度变小),当吸附浓度接近吸附量V时中止吸附过程,若为地层介质的孔隙度,于是:
R1=-krψc(V-Cr) (7)
(二)碳酸盐矿物对烃类组分的化学吸附作用:
烃类垂向微渗漏的过程中,一部分烃类溶解于水,水岩相互作用导致烃类进入碳酸盐矿物晶格,以化学吸附态存在于地层中。当温度压力相同时,砂、泥岩的吸附量具有一定的比例,在得到某种条件下砂岩背景后,即可求得相同条件下泥岩酸解烃背景。为获得砂、泥岩间相同条件下吸附烃的比例,采用Freundlich公式对文献数据拟合得(王振平等,1996)::
Q1s=4.86644×10-3p0.938423Q1m=1.38999×10-2p0.940838
Q3s=0.213835p0.838807Q3m=0.400188p0.842807 (8)
Q4s=0.87435p0.74826Q4m=1.36484p0.738051
上列各式中Q1s,Q1m,Q3s,Q3m,Q4s,Q4m,分别为砂岩、泥岩对甲烷、丙烷及丁烷的吸附量(cm3/100g),p为压力(×133.3Pa),各式中的数值为回归系数。
据上式,可以得到泥岩、砂岩对同种烃类吸附量的比值:
式中a1,a3,a4分别为相同条件下泥岩与砂岩对甲烷、丙烷、丁烷吸附量之比。
为此碳酸岩对某种烃类物质总吸附速率R2可假设与该类物质在地层中的游离烃浓度c与吸附在碳酸演岩中的烃浓度Cc的差成正比-kc(称为单位时间单位长度(体积)是碳酸盐岩对该烃类物质的吸附率,1/mt,负号是因为烃类物质的浓度变小),为地层介质的孔隙度,于是:
R2=-ψkcc(Q-Cc) (10)
(三)地表微生物的作用:
地表氧化带的微生物(烃类氧化菌)活动较为强烈,垂向迁移的烃类通过时浓度会大大降低;同时微生物的活动受气候的影响较大。因此在发明中,简单地假设微生物对某个烃类物质的降解速率R3为该烃类物质的一次函数,即:
R3=-ψk1c (11)
负号是因为烃类物质的浓度变小,k1为单位时间单位长度(体积)里微生物对该烃类物质的消耗率,1/mt。
因此,将三种机制耦合后,并考虑地层物理吸附量、碳酸盐矿物化学吸附量、微生物降解量,耦合后的数学模型任一点微渗漏烃类浓度C可表示为:
C=Ck*α+Cs*β+Cf*γ-R1-R2-R3
其中α(0≤α≤1)、β(0≤β≤1)、γ(0≤γ≤1)为贡献系数,且α+β+γ=1
步骤三、分段模拟。
本步骤中,基于上述数学模型编制计算程序,不仅可对烃类垂向微渗漏单种机制进行数值模拟,还可对三种机制进行耦合数值模拟。模拟方法中将扩散方式、水溶方式、微气泡方式的数学模型耦合成一个模型,不同地层中主要烃类微渗漏方式可能不同,耦合方程中贡献系数的选取可能就不同。采取分段模拟:一、可排除主要微渗漏方式不同带来的影响,可以随意截取一个地层进行模拟,将下一层的最终状态作为紧邻上一地层的初始状态进行模拟;二、软件能将任一实测点或者模拟点(插值点)作为初始条件,进行模拟计算。
实施例三
提供了一种基于油藏模型的化探正演数值模拟装置,如图2所示,包括:
油藏地质模型获取模块210,用于获取油气地质数据和地震数据,确定油藏地质模型;
数学模型获取模块,用于获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型220;
模型耦合模块230,用于基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
分段模拟模块240,用于基于所述油藏烃类微渗漏数学模型进行分段模拟。
在一个实施例中,所述模型耦合模块包括:
附加量获取单元,用于获取地层物理吸附量、碳酸盐矿物化学吸附量和微生物降解量;
模型建立单元,用于基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,结合所述地层物理吸附量、所述碳酸盐矿物化学吸附量和所述微生物降解量,建立油藏烃类微渗漏数学模型。
在一个实施例中,所述油藏烃类微渗漏数学模型为:
C=Ck*α+Cs*β+Cf*γ-R1-R2-R3
其中,Ck为扩散作用微渗漏的烃类浓度,Cs为水溶相运移烃类浓度,Cf为浮力运移烃类浓度,R1为地层颗粒对烃类物质总吸附速率,R2为碳酸岩对烃类物质总吸附速率,R3为微生物对烃类物质的降解速率,α、β、γ为贡献系数,且0≤α≤1,0≤β≤1,0≤γ≤1,α+β+γ=1。
在一个实施例中,所述扩散数学模型为:
其中,c是任一物质在直角坐标系中任一点上的浓度,D为三个方向上的扩散系数,单位为m2/s,其中,将C设为扩散作用微渗漏的烃类浓度Ck。
在一个实施例中,所述水溶相运移数学模型为:
则水中烃类组分搬运公式为:
,其中,将C设为水溶相运移烃类浓度Cs。
在一个实施例中,所述获取浮力运移数学模型的步骤为:
根据达西定律与每种相态的势梯度成比例的关系,得到水和气体在岩层的线速度计算式;
基于水和气体在岩层的线速度计算式,计算得到烃类的量Qf和浓度Cf,获取所述浮力运移数学模型;
其中,水和气体在岩层的线速度计算式分别为:
其中,Vg表示气体速率;Vw表示水的速率;K表示岩层渗透率;Kg表示气体相对渗透率;Kw表示水的相对渗透率;μg表示气体粘滞度;μw表示水的粘滞度;Фg表示气体势,Фg=P+ρgh;Фw表示水势,Фw=P+ρgh;
V=Q/t,V=Sh,Q为气体通量,V为水的体积或者气体的体积,S为横截面积,h为高度,t为时间。
在一个实施例中,所述基于所述油藏烃类微渗漏数学模型进行分段模拟步骤中的模拟内容包括烃类浓度、烃类渗漏速率和渗漏通量。
关于化探正演数值模拟装置的具体限定可以参见上文中对于化探正演数值模拟方法的限定,在此不再赘述。上述化探正演数值模拟装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
实施例四
提供了计算机设备,其内部结构图可以如图3所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与其他计算机设备连接通信。该计算机程序被处理器执行时以实现一种化探正演数值模拟方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
实施例五
提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取油气地质数据和地震数据,确定油藏地质模型;
获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
基于所述油藏烃类微渗漏数学模型进行分段模拟。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取地层物理吸附量、碳酸盐矿物化学吸附量和微生物降解量;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,结合所述地层物理吸附量、所述碳酸盐矿物化学吸附量和所述微生物降解量,建立油藏烃类微渗漏数学模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取油藏烃类微渗漏数学模型,所述油藏烃类微渗漏数学模型为:
C=Ck*α+Cs*β+Cf*γ-R1-R2-R3
其中,Ck为扩散作用微渗漏的烃类浓度,Cs为水溶相运移烃类浓度,Cf为浮力运移烃类浓度,R1为地层颗粒对烃类物质总吸附速率,R2为碳酸岩对烃类物质总吸附速率,R3为微生物对烃类物质的降解速率,α、β、γ为贡献系数,且0≤α≤1,0≤β≤1,0≤γ≤1,α+β+γ=1。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取扩散数学模型,所述扩散数学模型为:
其中,c是任一物质在直角坐标系中任一点上的浓度,D为三个方向上的扩散系数,单位为m2/s,其中,将C设为扩散作用微渗漏的烃类浓度Ck。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取水溶相运移数学模型,所述水溶相运移数学模型为:
则水中烃类组分搬运公式为:
,其中,将C设为水溶相运移烃类浓度Cs。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据达西定律与每种相态的势梯度成比例的关系,得到水和气体在岩层的线速度计算式;
基于水和气体在岩层的线速度计算式,计算得到烃类的量Qf和浓度Cf,获取所述浮力运移数学模型;
其中,水和气体在岩层的线速度计算式分别为:
其中,Vg表示气体速率;Vw表示水的速率;K表示岩层渗透率;Kg表示气体相对渗透率;Kw表示水的相对渗透率;μg表示气体粘滞度;μw表示水的粘滞度;Фg表示气体势,Фg=P+ρgh;Фw表示水势,Фw=P+ρgh;
V=Q/t,V=Sh,Q为气体通量,V为水的体积或者气体的体积,S为横截面积,h为高度,t为时间。
实施例六
提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取油气地质数据和地震数据,确定油藏地质模型;
获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
基于所述油藏烃类微渗漏数学模型进行分段模拟。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取地层物理吸附量、碳酸盐矿物化学吸附量和微生物降解量;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,结合所述地层物理吸附量、所述碳酸盐矿物化学吸附量和所述微生物降解量,建立油藏烃类微渗漏数学模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取油藏烃类微渗漏数学模型,所述油藏烃类微渗漏数学模型为:
C=Ck*α+Cs*β+Cf*γ-R1-R2-R3
其中,Ck为扩散作用微渗漏的烃类浓度,Cs为水溶相运移烃类浓度,Cf为浮力运移烃类浓度,R1为地层颗粒对烃类物质总吸附速率,R2为碳酸岩对烃类物质总吸附速率,R3为微生物对烃类物质的降解速率,α、β、γ为贡献系数,且0≤α≤1,0≤β≤1,0≤γ≤1,α+β+γ=1。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取扩散数学模型,所述扩散数学模型为:
其中,c是任一物质在直角坐标系中任一点上的浓度,D为三个方向上的扩散系数,单位为m2/s,其中,将C设为扩散作用微渗漏的烃类浓度Ck。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取水溶相运移数学模型,所述水溶相运移数学模型为:
则水中烃类组分搬运公式为:
,其中,将C设为水溶相运移烃类浓度Cs。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据达西定律与每种相态的势梯度成比例的关系,得到水和气体在岩层的线速度计算式;
基于水和气体在岩层的线速度计算式,计算得到烃类的量Qf和浓度Cf,获取所述浮力运移数学模型;
其中,水和气体在岩层的线速度计算式分别为:
其中,Vg表示气体速率;Vw表示水的速率;K表示岩层渗透率;Kg表示气体相对渗透率;Kw表示水的相对渗透率;μg表示气体粘滞度;μw表示水的粘滞度;Фg表示气体势,Фg=P+ρgh;Фw表示水势,Фw=P+ρgh;
V=Q/t,V=Sh,Q为气体通量,V为水的体积或者气体的体积,S为横截面积,h为高度,t为时间。
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,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于油藏模型的化探正演数值模拟方法,其特征在于,包括:
获取油气地质数据和地震数据,确定油藏地质模型;
获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
基于所述油藏烃类微渗漏数学模型进行分段模拟。
2.根据权利要求1所述的方法,其特征在于,所述基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型的步骤包括:
获取地层物理吸附量、碳酸盐矿物化学吸附量和微生物降解量;
基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,结合所述地层物理吸附量、所述碳酸盐矿物化学吸附量和所述微生物降解量,建立油藏烃类微渗漏数学模型。
3.根据权利要求2所述的方法,其特征在于,所述油藏烃类微渗漏数学模型为:
C=Ck*α+Cs*β+Cf*γ-R1-R2-R3
其中,Ck为扩散作用微渗漏的烃类浓度,Cs为水溶相运移烃类浓度,Cf为浮力运移烃类浓度,R1为地层颗粒对烃类物质总吸附速率,R2为碳酸岩对烃类物质总吸附速率,R3为微生物对烃类物质的降解速率,α、β、γ为贡献系数,且0≤α≤1,0≤β≤1,0≤γ≤1,α+β+γ=1。
6.根据权利要求1所述的方法,其特征在于,所述获取浮力运移数学模型的步骤为:
根据达西定律与每种相态的势梯度成比例的关系,得到水和气体在岩层的线速度计算式;
基于水和气体在岩层的线速度计算式,计算得到烃类的量Qf和浓度Cf,获取所述浮力运移数学模型;
其中,水和气体在岩层的线速度计算式分别为:
其中,Vg表示气体速率;Vw表示水的速率;K表示岩层渗透率;Kg表示气体相对渗透率;Kw表示水的相对渗透率;μg表示气体粘滞度;μw表示水的粘滞度;Фg表示气体势,Фg=P+ρgh;Фw表示水势,Фw=P+ρgh;
V=Q/t,V=Sh,Q为气体通量,V为水的体积或者气体的体积,S为横截面积,h为高度,t为时间。
7.根据权利要求1所述的方法,其特征在于,所述基于所述油藏烃类微渗漏数学模型进行分段模拟步骤中的模拟内容包括烃类浓度、烃类渗漏速率和渗漏通量。
8.一种基于油藏模型的化探正演数值模拟装置,其特征在于,包括:
油藏地质模型获取模块,用于获取油气地质数据和地震数据,确定油藏地质模型;
数学模型获取模块,用于获取扩散数学模型、水溶相运移数学模型和浮力运移数学模型;
模型耦合模块,用于基于已确定的所述油藏地质模型,对所述扩散数学模型、所述水溶相运移数学模型和所述浮力运移数学模型耦合,建立油藏烃类微渗漏数学模型;
分段模拟模块,用于基于所述油藏烃类微渗漏数学模型进行分段模拟。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010883711.3A CN114117947A (zh) | 2020-08-28 | 2020-08-28 | 化探正演数值模拟方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010883711.3A CN114117947A (zh) | 2020-08-28 | 2020-08-28 | 化探正演数值模拟方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114117947A true CN114117947A (zh) | 2022-03-01 |
Family
ID=80374777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010883711.3A Pending CN114117947A (zh) | 2020-08-28 | 2020-08-28 | 化探正演数值模拟方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114117947A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117826257A (zh) * | 2023-12-28 | 2024-04-05 | 西南石油大学 | 一种油气二次运移通道的三维表征方法 |
-
2020
- 2020-08-28 CN CN202010883711.3A patent/CN114117947A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117826257A (zh) * | 2023-12-28 | 2024-04-05 | 西南石油大学 | 一种油气二次运移通道的三维表征方法 |
CN117826257B (zh) * | 2023-12-28 | 2024-06-11 | 西南石油大学 | 一种油气二次运移通道的三维表征方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Martens et al. | Europe’s longest-operating on-shore CO 2 storage site at Ketzin, Germany: a progress report after three years of injection | |
Cacace et al. | Modelling of fractured carbonate reservoirs: outline of a novel technique via a case study from the Molasse Basin, southern Bavaria, Germany | |
US8359184B2 (en) | Method, program and computer system for scaling hydrocarbon reservoir model data | |
Zang et al. | World stress map database as a resource for rock mechanics and rock engineering | |
Hager et al. | A process-based approach to understanding and managing triggered seismicity | |
Bistacchi et al. | 3D fold and fault reconstruction with an uncertainty model: An example from an Alpine tunnel case study | |
US20190203593A1 (en) | Method and System for Modeling in a Subsurface Region | |
Carminati et al. | Control of folding and faulting on fracturing in the Zagros (Iran): The Kuh-e-Sarbalesh anticline | |
Nole et al. | Linking basin‐scale and pore‐scale gas hydrate distribution patterns in diffusion‐dominated marine hydrate systems | |
Karolytė et al. | Fault seal modelling–the influence of fluid properties on fault sealing capacity in hydrocarbon and CO2 systems | |
Sundal et al. | Modelling CO2 migration in aquifers; considering 3D seismic property data and the effect of site-typical depositional heterogeneities | |
WO2019245643A1 (en) | Method and system for generating simulation grids by mapping a grid from the design space | |
Torresan et al. | 3D hydrogeological reconstruction of the fault-controlled Euganean Geothermal System (NE Italy) | |
Al-Zubaidi et al. | 3D mechanical earth model for Zubair oilfield in southern Iraq | |
Shahat et al. | Resistivity zone index: A new approach in rock typing to enhance reservoir characterization using well log data | |
Karacan | Single-well production history matching and geostatistical modeling as proxy to multi-well reservoir simulation for evaluating dynamic reservoir properties of coal seams | |
Surpless et al. | The role of fracture branching in the evolution of fracture networks: An outcrop study of the Jurassic Navajo Sandstone, southern Utah | |
Vialle et al. | Implications of pore microgeometry heterogeneity for the movement and chemical reactivity of CO 2 in carbonates | |
CN114117947A (zh) | 化探正演数值模拟方法、装置、计算机设备和存储介质 | |
Dong et al. | Quantitative evaluation of hydrothermal fluids and their impact on diagenesis of deep carbonate reservoirs: Insights from geochemical modeling | |
Schweizer et al. | Reactive Transport Modeling of Swelling Processes in Clay‐sulfate Rocks | |
Zhou et al. | Inference of relative permeability curves in reservoir rocks with ensemble Kalman method | |
O'Sullivan et al. | An integrated, mesh-independent geothermal modelling framework | |
CA2818464C (en) | Shale gas production forecasting | |
Begum et al. | A case study of reservoir parameter estimation in Norne oil field, Norway by using Ensemble Kalman Filter (EnKF) |
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 |