CN114325845A - 一种基于数字岩心技术的非常规储层多尺度融合方法 - Google Patents

Abstract

一种基于数字岩心技术的非常规储层多尺度融合方法，步骤1：依据电成像测井资料以及测井曲线数据，构建致密砂岩三维数字地层初始物理模型；步骤2：依据致密砂岩数字岩心的三维数字岩石物理实验，建立孔隙微观结构、流体特性、矿物组分与岩石物理属性定量关系模型；步骤3：采用有限元电阻率数值模拟方法将反映孔隙微观结构电阻率融合到测井探测尺度的三维数字地层物理模型中，并获取数字地层电阻率曲线；步骤4：基于致密砂岩三维数字地层，确定孔隙微观结构对于地层物理属性的影响。采用基于数字岩心的三维数字岩石物理实验建立出岩心微观孔隙结构与物理属性定量关系，通过物理属性融合，减少内存消耗。

Description

一种基于数字岩心技术的非常规储层多尺度融合方法

技术领域

本发明属于勘探领域，具体涉及一种基于数字岩心技术的非常规储层多尺度融合方法。

背景技术

致密砂岩、泥页岩等非常规储层是目前油气勘探开发的重点与热点，但是致密砂岩与泥页岩中孔隙尺寸分布范围广，纳米孔隙、微米孔隙甚至几百微米孔隙,孔隙微观结构影响岩石宏观物理属性和渗流特性。因此，很多学者致力于图像融合技术将不同尺度(尺寸)的孔隙融合到同一尺度岩心模型中，从而研究孔隙微观结构对于岩石物理属性的影响，从而研究岩石物理属性的微观机理。

但是现有技术存在的问题是：(1)通过图像融合技术将纳米尺寸的孔隙融合到微米尺寸的孔隙结构中，岩心模型存储量较大，模型内存容量消耗造成无法通过图像融合技术将纳米尺寸孔隙融合到实验室岩心尺寸模型中；(2)通过图形融合技术建立的模型实际尺寸仅仅只有几个微米，该尺寸的岩心模型无法表述强非均质性致密砂岩以及页岩储层。为了研究孔隙微观结构对于致密砂岩以及泥页岩储层岩石物理属性的影响，需要建立测井探测尺度内的三维数字模型-数字地层模型，本发明提出通过数字岩心技术将微观孔隙结构信息融合到非常规储层三维数字地层模型的物理属性中。

发明内容

本发明要解决的技术问题是：

(1)非常规储层中，图像融合技术无法将微、纳米孔隙融合实际实验室尺寸岩心中；

(2)图像融合技术建立出的岩心模型尺寸小，无法反映强非均质的非常规储层的特性；

本发明提供一种基于数字岩心技术的非常规储层多尺度融合方法，包括以下步骤，

步骤1：依据电成像测井资料以及测井曲线数据，构建致密砂岩三维数字地层初始物理模型；

步骤2：依据致密砂岩数字岩心的三维数字岩石物理实验，建立孔隙微观结构、流体特性与矿物组分与岩石物理属性定量关系模型；

步骤3：采用有限元电阻率数值模拟方法将反映孔隙微观结构电阻率融合到测井探测尺度的三维数字地层物理模型中，并获取数字地层电阻率曲线；

步骤4：基于致密砂岩三维数字地层，确定孔隙微观结构对于地层物理属性的影响。

进一步，所述步骤1包括，

步骤1.1：依据电成像资料，获取地层产状信息；

步骤1.2：依据三孔隙度、深侧向电阻率、浅侧向电阻率以及岩性测井曲线，获取孔隙度、饱和度与泥质含量；

步骤1.3：依据测井资料获取致密砂岩地层产状信息，不同深度处的孔隙度、饱和度、矿物组分含量以及电阻率标定后的电成像数据，对不同深度处测井探测尺度的数字地层几何模型进行孔隙度、饱和度、矿物组分和电成像电阻率属性赋值，建立对应三维数字地层初始物理模型。

进一步的，所述步骤2包括，

步骤2.1：研究层段为致密砂岩，岩心图片主要识别孔隙；

步骤2.2：构建研究层段致密砂岩多尺度三维数字岩心模型，而后采用最大球法提取孔隙网络模型；

步骤2.3：采用最大球算法提取孔隙网络模型，计算孔隙微观结构参数；

步骤2.4：基于致密砂岩三维数字岩心，采用格子玻尔兹曼方法模拟油水驱替过程，获取不同流体饱和度的三维数字岩心模型；

步骤2.5：设定三维数字岩心中孔隙流体与岩石骨架电阻率数值，采用有限元法模拟计算三维数字岩心的电阻率；

步骤2.6：采用曲线拟合与理论推导相结合的方法建立致密砂岩三维数字岩心岩石物理属性与孔隙结构、孔隙度、流体特性以及矿物含量的定量关系；

采用泥质与含水岩石并联导电模型，岩心等效电阻率为：

式中，R_t为岩心部分含水岩石电阻率，R_sh为泥质电阻率，R_ma为岩石骨架与孔隙构成岩石***在岩石部分含水时的电阻率，V_sh为泥质含量；

其次，致密砂岩岩石骨架与孔隙构成岩石***在岩石部分含水时电阻率R_ma采用以下公式计算；

式中，R_w为岩心中地层水的电阻率，φ为岩心孔隙度，S_w为岩心含水饱和度，m为孔隙度指数，n为饱和度指数；

确定致密砂岩孔隙结构参数与孔隙度指数m，以及饱和度指数n的定量关系；

依据岩心图片中孔隙分布特点，建立等效孔喉腔模型，采用以下公式推导出孔隙结构参数与孔隙度指数的定量关系；

式中，FF为地层因素，表示完全含水岩石电阻率R₀与岩心中地层水电阻率Rw的比值，φ为岩心孔隙度，m为孔隙度指数；k为喉道面积因子，TT_P为孔喉腔中孔隙体迂曲度，TT_t为孔喉腔中喉道迂曲度，PTAR为孔喉比，N为配位数；

依据有限元模拟计算的不同含水饱和度岩心模型电阻率增大指数RI与含水饱和度Sw关系曲线，通过曲线拟合确定饱和度指数n；

步骤2.7：采用实验室岩石物理实验数据，验证所述孔隙结构参数与孔隙度指数的定量关系的正确性。

进一步的，所述步骤3包括，

步骤3.1：网格化后的致密砂岩三维数字地层初始模型中，每个网格相当于一个三维数字岩心；

步骤3.2：依据三维数字岩石物理实验建立的岩心电阻率与岩心孔隙结构、流体特性以及矿物组分的定量关系将岩心电阻率赋值到数字地层的各个网格中，构建三维数字地层物理模型；

步骤3.3：采用物理属性数值模拟方法-有限元法计算数字地层物理属性，从而将孔隙微观结构信息融合到测井探测尺度-地层物理属性中。

进一步的，所述步骤4包括，

步骤4.1：依据测井资料和岩心分析数据，获取岩心孔隙度、饱和度、矿物组分以及孔隙微观结构参数及其变化范围；

步骤4.2：选取不同孔隙度与孔隙结构参数，计算三维数字地层每个网格岩石物理属性，而后有限元法计算三维数字地层物理属性；

步骤4.3：采用单因素分析法，研究孔隙结构参数对于地层物理属性的影响。

本发明的有益效果是，

1基于数字岩心技术的非常规储层多尺度融合技术，将孔隙微观结构信息通过岩石物理属性融合到数字地层中，从而在测井探测尺度下研究孔隙微观结构对于测井探测尺度内岩石物理属性-测井曲线的影响，探讨微观机理对于每种测井方法实际影响，为下一步非常规储层测井响应模拟奠定良好的模型基础。

2本发明将进一步填补数字岩石物理技术在致密砂岩以及泥页岩等非常规性储层建模以及岩石物理数值模拟中模型尺寸过小和图像融合技术的困难所造成的模型和模拟技术的空白。

3本发明可以进一步推广到煤层气、天然气水合物储层以及二氧化碳埋存过程，揭示孔隙微观结构对于油、气渗流以及储层岩石物理属性的影响，从而提高非常规储层油气勘探开发的精度，和检测二氧化碳埋存的效果，提高油气储量，和降低二氧化碳排放附图说明

附图说明

图1：基于数字岩心技术实现致密砂岩非常规储层多尺度融合的流程图；

图2：研究层段第一道深度，第二道岩性测井曲线，第三道深、浅双侧向电阻率测井曲线，第四道三孔隙度测井曲线，第五道获取孔隙度曲线，第六道渗透率曲线，第七道饱和度曲线，第八道饱和度曲线示意图；

图3：研究层段依据孔隙度、饱和度、矿物组分以及电阻率曲线建立的不同物理属性的三维数字地层初始模型，(a)泥质含量，(b)孔隙度，(c)饱和度，(d)骨架矿物含量与(e)电阻率属性数字地层初始模型示意图；

图4：研究层段建立的致密砂岩多尺度数字岩心以及提取的孔隙网络模型示意图；

图5：研究层段岩心不同含水饱和度模型示意图；

图6：研究层段致密砂岩岩心图片(a)中显示孔隙分布特征，依据孔隙分布特征，建立对应的孔喉腔模型(b),其中A和L表示岩心横截面积和长度，Awt和Lwt分别表示孔喉腔中喉道横截面积和喉道长度，Awp和Lwp分别表示孔喉腔中孔隙体横截面积和孔隙体长度示意图；

图7：基于孔隙结构参数以及基于孔喉腔模型建立的孔隙结构与岩石电阻率的定量关系计算致密砂岩岩心电阻率(理论推导结果)与实验数据对比，验证定量关系的正确性示意图；

图8：依据数字岩心技术将致密砂岩孔隙结构参数融合到三维数字地层模型(a)中,而后在(b)中第三道显示采用有限元法计算的数字地层电阻率曲线Rsim与实际电阻率测井曲线Rt；

图9：研究层段采用岩石物理属性融合后的数字地层电阻率与测井曲线电阻率对比(第3道)，验证模型构建与数值模拟方法可行性，而后研究孔隙微观结构参数-孔喉比(孔隙与喉道尺寸差异)(第4道)和迂曲度(孔隙空间中长度与岩心长度比值)(第5道)对于储层电阻率曲线的影响示意图。

具体实施方式

本发明提供一种基于数字岩心技术的非常规储层多尺度融合方法，包括以下步骤，

步骤1：依据电成像测井资料以及测井曲线数据，构建非常规储层三维数字地层初始物理模型；

步骤1.1：依据电成像资料，获取非常规储层地层产状信息；

步骤1.2：依据测井曲线，获取孔隙度、饱和度与矿物组分含量；

步骤1.3：依据测井资料获取地层产状信息，不同深度处的孔隙度、饱和度、矿物组分含量以及电阻率标定后的电成像数据，采用“一种测井探测尺度三维精细地层模型构建方法”(专利ZL202011268585.7)对不同深度处测井探测尺度的数字地层几何模型进行孔隙度、饱和度、矿物组分和电成像电阻率属性赋值，建立非常规储层三维数字地层初始物理模型。

步骤2：依据三维数字岩石物理实验，建立非常规储层孔隙微观结构、流体特性与矿物组分与岩石物理属性定量关系。

步骤2.1：依据岩心图片识别孔隙和矿物组分；

步骤2.2：采用“一种非常规储层多尺度与多组分数字岩心构建方法”(专利ZL202011244277.0)构建多尺度多组分数字岩心模型；

步骤2.3：采用最大球算法提取孔隙网络模型，计算孔隙微观结构参数；

步骤2.4：采用格子玻尔兹曼方法模拟油水驱替过程，建立具有不同流体饱和度的三维数字岩心模型；

步骤2.5：采用有限元法模拟计算三维数字岩心岩石物理属性；

步骤2.6：采用曲线拟合或理论推导相结合的方法建立非常规储层三维数字岩心岩石物理属性与孔隙结构参数、孔隙度、流体特性以及矿物含量的定量关系，如公式(1)所示；

R_t＝f(Por,Sw,Vmineral,Parameters of pore,R_w),(1)

式中，Rt为部分含水岩石电阻率阻率(Ω.m)，Por为岩石孔隙度(小数)，Sw为岩石含水饱和度(小数)，Vmineral为矿物组分含量(小数)，Parameters of pore为孔隙微观结构参数，Rw为地层水电阻率(Ω.m)。

步骤2.7：采用实验室岩石物理实验数据，验证上述定量关系的正确性；

步骤3：在非常规储层中，物理属性数值模拟方法将孔隙微观信息融合到测井探测尺度的三维数字地层初始物理量模型中，从而实现多尺度融合，并计算三维数字地层物理属性。

步骤3.1：非常规储层的数字地层初始模型网格化，网格化后三维数字地层初始模型中，每个网格等价于一个三维数字岩心；

步骤3.2：依据三维数字岩心技术建立的岩心物理属性与岩心孔隙结构、孔隙度、流体特性以及矿物组分的定量关系，将反映孔隙微观结构信息的岩石物理属性赋值到数字地层的各个网格中，构建非常规储层的三维数字地层物理模型；

步骤3.3：采用物理属性数值模拟方法-有限元法计算数字地层物理属性，从而将孔隙微观结构信息融合到测井探测尺度-地层物理属性中；

步骤4：基于非常规储层的三维数字地层，研究孔隙微观结构对于地层物理属性的影响。

步骤4.1：依据测井资料和岩心分析数据，获取岩心孔隙度、饱和度、矿物组分以及孔隙微观结构参数及其变化范围；

步骤4.2：选取不同孔隙度与孔隙结构参数，计算三维数字地层每个网格岩石物理属性，而后有限元法计算三维数字地层物理属性；

步骤4.3：采用单因素分析法，研究孔隙结构参数对于地层物理属性的影响。

下面结合附图和具体实施例对本发明的具体实施方式做进一步说明。

实施例1

以中国某油田例井HG致密砂岩储层2305m-2350m深度段内进行基于数字岩心技术的多尺度融合的技术为例，图1为一种基于数字岩心技术的非常规储层多尺度融合技术的流程图，基于数字岩心技术进行多尺度融合的技术，具体包括以下步骤：

步骤1：依据电成像测井资料以及测井曲线数据，构建致密砂岩三维数字地层初始物理模型；

步骤1.1：依据电成像资料，获取地层产状信息；

步骤1.2：依据三孔隙度(中子CNL、密度DEN和声波AC)、深、浅双侧向(RLLd，RLLs)电阻率以及岩性测井曲线(自然电位SP,自然伽马GR)，获取孔隙度(POR)、饱和度与泥质含量(Vsh)，如图2所示；

步骤1.3：依据测井资料获取致密砂岩地层产状信息，不同深度处的孔隙度、饱和度、矿物组分含量以及电阻率标定后的电成像数据，采用“一种测井探测尺度三维精细地层模型构建方法”(专利ZL202011268585.7)对不同深度处测井探测尺度的数字地层几何模型进行孔隙度、饱和度、矿物组分和电成像电阻率属性赋值，建立对应三维数字地层初始物理模型，如图3所示。

步骤2：依据致密砂岩数字岩心的三维数字岩石物理实验，建立孔隙微观结构、流体特性与矿物组分与岩石物理属性定量关系。

步骤2.1：研究层段为致密砂岩，岩心图片主要识别孔隙；

步骤2.2：采用“一种非常规储层多尺度与多组分数字岩心构建方法”(专利ZL202011244277.0)构建研究层段致密砂岩多尺度三维数字岩心模型，而后采用最大球法提取孔隙网络模型，如图4所示；

步骤2.3：基于孔隙网络模型，表1给出对应岩心的孔隙的几何结构参数-孔隙、喉道半径，孔隙、喉道形状因子、孔喉比(孔隙与喉道尺寸比值)与孔隙拓扑结构参数-配位数(一个孔隙连接的喉道数量)与迂曲度(孔隙空间等效长度与岩心长度的比值)；

表1研究层段建立的致密砂岩多尺度数字岩心的孔隙微观结构参数表

步骤2.4：基于致密砂岩三维数字岩心，采用格子玻尔兹曼方法模拟油水驱替过程，如图5所示，获取不同流体饱和度的三维数字岩心模型；

步骤2.5：设定三维数字岩心中孔隙流体与岩石骨架电阻率数值，采用有限元法模拟计算三维数字岩心的电阻率；

步骤2.6：采用曲线拟合与理论推导相结合的方法建立致密砂岩三维数字岩心岩石物理属性与孔隙结构、孔隙度、流体特性以及矿物含量的定量关系；

首先，研究层段中存在少量泥质，采用泥质与含水岩石并联导电模型，岩心等效电阻率为(公式2)：

式中，Rt为岩心部分含水岩石电阻率(Ω.m)，Rsh为泥质电阻率(Ω.m)，Rma为岩石骨架与孔隙构成***部分含水岩石电阻率(Ω.m)，Vsh为泥质含量(小数)；

其次，致密砂岩岩石骨架与孔隙构成***部分含水岩石电阻率Rma采用公式3计算；

式中，Rw为岩心中地层水的电阻率(Ω.m)，φ为岩心孔隙度(小数)，Sw为岩心含水饱和度(小数)，m孔隙度指数，n为饱和度指数；

再次，确定致密砂岩孔隙结构参数与孔隙度指数m，以及饱和度指数n的定量关系。

(1)如图6依据岩心图片(a)中孔隙分布特点，建立等效孔喉腔模型(b)，理论推导出孔隙结构参数与孔隙度指数的定量关系，如公式4所示；

式中，FF为地层因素，表示完全含水岩石电阻率R0与岩心中地层水电阻率Rw的比值，φ为岩心孔隙度，m为孔隙度指数；k为喉道面积因子，TTP为孔喉腔中孔隙体迂曲度，TTt为孔喉腔中喉道迂曲度，PTAR为孔喉比，N为配位数；

(2)依据有限元模拟计算的不同含水饱和度岩心模型电阻率增大指数RI(定义为部分含水岩石电阻率Rt与完全含水岩石电阻率R0比值)，与含水饱和度Sw关系曲线，通过曲线拟合确定饱和度指数n；

步骤2.7：采用实验室岩石物理实验数据，验证上述定量关系的正确性；

如图7所示，依据表1计算的致密砂岩孔隙结构参数和公式(4)计算致密砂岩完全含水岩石电阻率(理论推导结果)与实验室测量结果对比验证数字岩心孔隙结构参数与岩心电阻率定量关系的正确性。

步骤3.1：网格化后的致密砂岩三维数字地层初始模型中，每个网格相当于一个三维数字岩心；

步骤3.2：依据三维数字岩石物理实验建立的岩心电阻率与岩心孔隙结构、流体特性以及矿物组分的定量关系(公式4)，将岩心电阻率赋值到数字地层的各个网格中，构建三维数字地层物理模型，如图8(a)；

步骤3.3：采用有限元法计算数字地层电阻率Rsim，从而将孔隙微观结构信息融合到地层电阻率属性中如图8(b)第三道，该道显示模拟计算的电阻率曲线Rsim与实际测井曲线Rt，对比发现，二者的相对误差为6.50％，基本吻合，表明模型构建方法、电阻率属性融合与数值模拟方法的可行性；

步骤4：基于致密砂岩三维数字地层，研究孔隙微观结构对于地层物理属性的影响。

步骤4.1：依据测井资料和岩心分析数据，获取岩心孔隙度、饱和度、矿物组分以及孔隙微观结构参数及其变化范围；

步骤4.2：如图9所示，选取不同的孔喉比和迂曲度数值，而后采用有限元计算数字地层电阻率，图9中第三道显示不同孔喉比对应的地层电阻率曲线，第四道显示不同迂曲度对应的地层电阻率曲线。

步骤4.3：采用单因素分析法，可以研究孔隙结构参数对于地层物理属性的影响。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于数字岩心技术的非常规储层多尺度融合方法，其特征在于，包括以下步骤，

步骤1：依据电成像测井资料以及测井曲线数据，构建致密砂岩三维数字地层初始物理模型；

步骤2：依据致密砂岩数字岩心的三维数字岩石物理实验，建立孔隙微观结构、流体特性与矿物组分与岩石物理属性定量关系模型；

步骤3：采用有限元电阻率数值模拟方法将反映孔隙微观结构电阻率融合到测井探测尺度的三维数字地层物理模型中，并获取数字地层电阻率曲线；

步骤4：基于致密砂岩三维数字地层，确定孔隙微观结构对于地层物理属性的影响。

2.如权利要求1所述的一种基于数字岩心技术的非常规储层多尺度融合方法，其特征在于，所述步骤1包括，

步骤1.1：依据电成像资料，获取地层产状信息；

步骤1.2：依据三孔隙度、深侧向电阻率、浅侧向电阻率以及岩性测井曲线，获取孔隙度、饱和度与泥质含量；

步骤1.3：依据测井资料获取致密砂岩地层产状信息，不同深度处的孔隙度、饱和度、矿物组分含量以及电阻率标定后的电成像数据，对不同深度处测井探测尺度的数字地层几何模型进行孔隙度、饱和度、矿物组分和电成像电阻率属性赋值，建立对应三维数字地层初始物理模型。

3.如权利要求1所述的一种基于数字岩心技术的非常规储层多尺度融合方法，其特征在于，所述步骤2包括，

步骤2.1：研究层段为致密砂岩，岩心图片主要识别孔隙；

步骤2.2：构建研究层段致密砂岩多尺度三维数字岩心模型，而后采用最大球法提取孔隙网络模型；

步骤2.3：采用最大球算法提取孔隙网络模型，计算孔隙微观结构参数；

步骤2.4：基于致密砂岩三维数字岩心，采用格子玻尔兹曼方法模拟油水驱替过程，获取不同流体饱和度的三维数字岩心模型；

步骤2.5：设定三维数字岩心中孔隙流体与岩石骨架电阻率数值，采用有限元法模拟计算三维数字岩心的电阻率；

步骤2.6：采用曲线拟合与理论推导相结合的方法建立致密砂岩三维数字岩心岩石物理属性与孔隙结构、孔隙度、流体特性以及矿物含量的定量关系；

采用泥质与含水岩石并联导电模型，岩心等效电阻率为：

式中，R_t为岩心部分含水岩石电阻率，R_sh为泥质电阻率，R_ma为岩石骨架与孔隙构成岩石***在岩石部分含水时的电阻率，V_sh为泥质含量；

其次，致密砂岩岩石骨架与孔隙构成岩石***在岩石部分含水时电阻率R_ma采用以下公式计算；

式中，R_w为岩心中地层水的电阻率，φ为岩心孔隙度，S_w为岩心含水饱和度，m为孔隙度指数，n为饱和度指数；

确定致密砂岩孔隙结构参数与孔隙度指数m，以及饱和度指数n的定量关系；

依据岩心图片中孔隙分布特点，建立等效孔喉腔模型，采用以下公式推导出孔隙结构参数与孔隙度指数的定量关系；

式中，FF为地层因素，表示完全含水岩石电阻率R₀与岩心中地层水电阻率Rw的比值，φ为岩心孔隙度，m为孔隙度指数；k为喉道面积因子，TT_P为孔喉腔中孔隙体迂曲度，TT_t为孔喉腔中喉道迂曲度，PTAR为孔喉比，N为配位数；

依据有限元模拟计算的不同含水饱和度岩心模型电阻率增大指数RI与含水饱和度Sw关系曲线，通过曲线拟合确定饱和度指数n；

步骤2.7：采用实验室岩石物理实验数据，验证所述孔隙结构参数与孔隙度指数的定量关系的正确性。

4.如权利要求1所述的一种基于数字岩心技术的非常规储层多尺度融合方法，其特征在于，所述步骤3包括，

步骤3.1：网格化后的致密砂岩三维数字地层初始模型中，每个网格相当于一个三维数字岩心；

步骤3.2：依据三维数字岩石物理实验建立的岩心电阻率与岩心孔隙结构、流体特性以及矿物组分的定量关系将岩心电阻率赋值到数字地层的各个网格中，构建三维数字地层物理模型；

步骤3.3：采用物理属性数值模拟方法-有限元法计算数字地层物理属性，从而将孔隙微观结构信息融合到测井探测尺度-数字地层物理属性中。

5.如权利要求1所述的一种基于数字岩心技术的非常规储层多尺度融合方法，其特征在于，所述步骤4包括，

步骤4.1：依据测井资料和岩心分析数据，获取岩心孔隙度、饱和度、矿物组分以及孔隙微观结构参数及其变化范围；

步骤4.2：选取不同孔隙度与孔隙结构参数，计算三维数字地层每个网格岩石物理属性，而后有限元法计算三维数字地层物理属性；

步骤4.3：采用单因素分析法，研究孔隙结构参数对于地层物理属性的影响。

Images