CN114876454A - 一种大斜度井复杂岩性水淹层识别方法及*** - Google Patents
一种大斜度井复杂岩性水淹层识别方法及*** Download PDFInfo
- Publication number
- CN114876454A CN114876454A CN202210561839.7A CN202210561839A CN114876454A CN 114876454 A CN114876454 A CN 114876454A CN 202210561839 A CN202210561839 A CN 202210561839A CN 114876454 A CN114876454 A CN 114876454A
- Authority
- CN
- China
- Prior art keywords
- well
- highly deviated
- resistivity
- detected
- deviated well
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 239000011435 rock Substances 0.000 claims abstract description 51
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 32
- 239000011707 mineral Substances 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 238000013016 damping Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 235000019738 Limestone Nutrition 0.000 description 11
- 238000005553 drilling Methods 0.000 description 11
- 239000012530 fluid Substances 0.000 description 11
- 239000006028 limestone Substances 0.000 description 11
- 230000008901 benefit Effects 0.000 description 7
- 230000009545 invasion Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- JYYOBHFYCIDXHH-UHFFFAOYSA-N carbonic acid;hydrate Chemical compound O.OC(O)=O JYYOBHFYCIDXHH-UHFFFAOYSA-N 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000006870 function 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/02—Determining slope or direction
- E21B47/022—Determining slope or direction of the borehole, e.g. using geomagnetism
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/04—Measuring depth or liquid level
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种大斜度井复杂岩性水淹层识别方法及***，其特征在于，包括：获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹；计算得到该大斜度井和直井中复杂岩性储层的岩石矿物组分含量和孔隙度；建立待测大斜度井的电阻率正演模型，确定不同探测深度的视电阻率；基于确定的井眼轨迹，根据待测大斜度井的测井数据和确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率；对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别，本发明可以广泛应用于水淹层识别领域中。
Description
技术领域
本发明涉及水淹层识别领域，特别是关于一种大斜度井复杂岩性水淹层识别方法及***。
背景技术
为了最大程度地降低作业成本并提高油气田的开发效率，相继出现了大斜度井或水平井等特殊工艺井。大斜度井的井眼环境十分复杂，测井响应受众多因素的影响，从而使得电阻率的测量数值与原状地层的电阻率存在较大差异，即测井仪器测量的电阻率已不能真实反映原状地层的电阻率。特别是在碳酸盐岩、火山岩、变质岩等复杂岩性地层，测井仪器测量的电阻率是地层中的岩石骨架、流体及大斜度井强非均质性的综合反映，从而使得仅基于大斜度井中测量的电阻率，难以准确识别复杂岩性地层大斜度井中的油层和水淹层。
为准确识别大斜度井中的流体性质，需要进行电阻率反演，突出流体对电阻率的贡献。目前，电阻率反演主要是针对井眼轴线旋转对称性较好地层(常规直井)的一维和二维反演，并不适用非对称地层结构的大斜度井或水平井电阻率反演，也不能提供层边界距离和各向异性等信息。一维反演主要考虑井眼尺寸和钻井液侵入程度的影响；二维反演主要考虑井眼尺寸、钻井液侵入程度和上下围岩电阻率的影响。针对非对称地层结构的大斜度井或水平井电阻率反演，主要采用三维反演，除考虑井眼尺寸、钻井液侵入程度和上下围岩电阻率的影响之外，还需考虑井斜角、各向异性等因素的影响。目前，一维、二维电阻率反演问题的研究较***且深入，在实际应用中也简单易行。针对三维反演，目前单边界反演较为可行，双边界和多边界反演则刚起步，对井斜角、各向异性等因素影响的考虑还不够。
复杂岩性地层大斜度井中流体性质的准确识别，可以指导大斜度井井眼轨迹的调整，并提示是否需要提前完钻，从而为大斜度井的顺利、高效钻探奠定基础，在大幅节约作业费用的同时，提高油气田的开发效益。然而，目前尚未有针对复杂岩性地层大斜度井中水淹层的准确识别形成有效的方法。
发明内容
针对上述问题，本发明的目的是提供一种大斜度井复杂岩性水淹层识别方法及***，能够准确识别复杂岩性地层大斜度井中的水淹层。
为实现上述目的，本发明采取以下技术方案：第一方面，提供一种大斜度井复杂岩性水淹层识别方法，包括：
获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹；
分别测量待测大斜度井及其邻井中一直井目的层段的测井数据，并计算得到该大斜度井和直井中复杂岩性储层的岩石矿物组分含量和孔隙度；
定量分析待测大斜度井的各因素对不同探测深度电阻率的影响，并建立待测大斜度井的电阻率正演模型，确定不同探测深度的视电阻率；
基于确定的井眼轨迹，根据待测大斜度井的测井数据和确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率；
对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别。
进一步地，所述获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹，包括：
获取待测大斜度井每一采样点的井斜数据，井斜数据包括测深、垂深、井斜角和方位角；
根据获取的待测大斜度井的井斜数据，得到待测大斜度井每一采样点的位置，进而确定得到待测大斜度井的井眼轨迹。
进一步地，所述测井数据包括自然伽马、自然电位、深电阻率、浅电阻率、体积密度、中子孔隙度、纵波时差、电成像和阵列声波。
进一步地，所述定量分析待测大斜度井的各因素对不同探测深度电阻率的影响，并建立待测大斜度井的电阻率正演模型，确定不同探测深度的视电阻率，包括：
定量分析待测大斜度井的各因素对不同探测深度电阻率的影响得到各因素对不同探测深度电阻率影响的图版；
建立待测大斜度井的电阻率正演模型，并根据各因素对不同探测深度电阻率影响的图版，确定不同探测深度的视电阻率。
进一步地，所述建立待测大斜度井的电阻率正演模型，并根据各因素对不同探测深度电阻率影响的图版，确定不同探测深度的视电阻率，包括：
考虑地层模型参数，并设置相应参数的分布范围，建立待测大斜度井的电阻率正演模型；
根据建立的待测大斜度井的电阻率正演模型和得到的各因素对不同探测深度电阻率影响的图版，正演计算得到不同探测深度的视电阻率。
进一步地，所述基于确定的井眼轨迹，根据待测大斜度井的测井数据和确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率，包括：
对待测大斜度井的测井数据进行预处理，并对预处理后的测井数据进行分段；
获取第i段预处理后的测井数据；
采用阻尼最小二乘方法，基于确定的井眼轨迹，根据第i段预处理后的测井数据和确定的不同探测深度的视电阻率，进行反演，得到待测大斜度井目的层段的电阻率；
确定是否完成所有分段的反演，若是则输出电阻率；否则，获取第i+1段预处理后的测井数据进行反演处理。
进一步地，所述对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别，包括：
当待测大斜度井目的层段反演后的岩石矿物组分含量、孔隙度和电阻率与其邻井直井相同目的层段对应的岩石矿物组分含量、孔隙度和电阻率的变化均小于预设的阈值时，则该目的层段中的复杂岩性储层为油层；
当待测大斜度井目的层段反演后的岩石矿物组分含量、孔隙度和电阻率与对应反演前的岩石矿物组分含量、孔隙度和测井数据中的电阻率的变化均小于预设的阈值，且待测大斜度井目的层段反演后的电阻率小于其邻井直井相同目的层段的电阻率时，则该目的层段中的复杂岩性储层为水淹层。
第二方面，提供一种大斜度井复杂岩性水淹层识别***，包括：
井眼轨迹确定模块，用于获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹；
测井数据测量模块，用于分别测量待测大斜度井及其邻井中一直井目的层段的测井数据，并计算得到该大斜度井和直井中复杂岩性储层的岩石矿物组分含量和孔隙度；
视电阻率确定模块，用于定量分析待测大斜度井的各因素对不同探测深度电阻率的影响，并建立待测大斜度井的电阻率正演模型，确定不同探测深度的视电阻率；
反演模块，用于基于确定的井眼轨迹，根据待测大斜度井的测井数据和确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率；
识别模块，用于对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别。
第三方面，提供一种处理设备，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现上述大斜度井复杂岩性水淹层识别方法对应的步骤。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述大斜度井复杂岩性水淹层识别方法对应的步骤。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明在保证准确识别复杂岩性地层大斜度井中水淹层的同时，提供了一种有效且简单实用的方式。
2、本发明可以指导大斜度井井眼轨迹的调整，并提示是否需要提前完钻，在大幅节约作业费用的同时，提高油气田的开发效益。
综上所述，本发明可以广泛应用于水淹层识别领域中。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：
图1是本发明一实施例提供的方法流程示意图；
图2是本发明一实施例提供的随钻电阻率反演的流程示意图；
图3是本发明一实施例提供的M油田大斜度井井眼轨迹示意图；
图4是本发明一实施例提供的M油田大斜度井A目的层段测井曲线成果示意图；
图5是本发明一实施例提供的M油田大斜度井A邻井直井B测井曲线成果示意图；
图6是本发明一实施例提供的随钻相位电阻率与侵入深度关系示意图；
图7是本发明一实施例提供的M油田大斜度井A目的层段测井综合解释成果示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整地传达给本领域的技术人员。
应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的，并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行，除非明确指出执行顺序。还应当理解，可以使用另外或者替代的步骤。
尽管可以在文中使用术语第一、第二、第三等来描述多个元件、部件、区域、层和/或部段，但是，这些元件、部件、区域、层和/或部段不应被这些术语所限制。这些术语可以仅用来将一个元件、部件、区域、层或部段与另一区域、层或部段区分开。除非上下文明确地指出，否则诸如“第一”、“第二”之类的术语以及其它数字术语在文中使用时并不暗示顺序或者次序。因此，以下讨论的第一元件、部件、区域、层或部段在不脱离示例实施方式的教导的情况下可以被称作第二元件、部件、区域、层或部段。
为了便于描述，可以在文中使用空间相对关系术语来描述如图中示出的一个元件或者特征相对于另一元件或者特征的关系，这些相对关系术语例如为“内部”、“外部”、“内侧”、“外侧”、“下面”、“上面”等。这种空间相对关系术语意于包括除图中描绘的方位之外的在使用或者操作中装置的不同方位。
本发明实施例提供的大斜度井复杂岩性水淹层识别方法及***，针对大斜度井复杂岩性水淹层准确识别，形成一种基于电阻率反演的大斜度井复杂岩性水淹层识别方法，从而可以准确识别复杂岩性地层大斜度井中水淹层，从而有效地提高油气田的开发效益。
实施例1
如图1所示，本实施例提供一种包括的大斜度井复杂岩性水淹层识别方法，包括以下步骤：
1)获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹，具体为：
1.1)获取待测大斜度井每一采样点的井斜数据，井斜数据包括测深、垂深、井斜角和方位角等。
1.2)根据获取的待测大斜度井的井斜数据，得到待测大斜度井每一采样点的位置，进而确定得到待测大斜度井的井眼轨迹，基于待测大斜度井的井眼轨迹，就可以了解在具体某一深度时，明确井斜角对电阻率的影响，电阻率的变化是由于井斜角引起还是流体的变化所引起，从而为识别水淹层提供依。
2)通过测井仪器测量待测大斜度井目的层段的测井数据，并计算得到该大斜度井中复杂岩性储层的岩石矿物组分含量和孔隙度。
具体地，测井数据包括自然伽马、自然电位、深电阻率、浅电阻率、体积密度、中子孔隙度、纵波时差、电成像和阵列声波等。
计算斜度井中复杂岩性储层的岩石矿物组分含量和孔隙度的方式很多，例如：
其中，ρb、ρf、ρbc1、ρbc2分别表示岩石体积密度、流体体积密度以及两种岩石矿物C1和C2的体积密度；φN、φNf、
分别表示岩石中子孔隙度值、流体中子孔隙度值以及两种岩石矿物C1和C2的中子孔隙度响应值；φ、Vc1、Vc2分别表示孔隙度以及两种岩石矿物C1和C2的所占岩石体积百分比。
3)选取待测大斜度井邻井中的一直井，通过测井仪器测量得到该直井相同目的层段的测井数据，并确定该直井中复杂岩性储层的岩石矿物组分含量和孔隙度。
4)数值模拟定量分析待测大斜度井的井眼尺寸、井斜角、泥浆侵入、围岩厚度、目的层厚度和各向异性等因素对不同探测深度电阻率的影响，得到各因素对不同探测深度电阻率影响的图版，只有明确了上述各因素对电阻率的影响，才能明确电阻率的变化是上述因素引起，还是流体的变化所引起，从而为识别水淹层提供依据。
5)建立待测大斜度井的电阻率正演模型，并根据各因素对不同探测深度电阻率影响的图版，确定不同探测深度的视电阻率，具体为：
5.1)考虑井眼尺寸、井斜角、泥浆电阻率、目的层水平电阻率、各向异性系数、上围岩电阻率、下围岩电阻率、目的层厚度和层边界距离等地层模型参数，并设置相应参数的分布范围，建立待测大斜度井的电阻率正演模型。
5.2)根据建立的待测大斜度井的电阻率正演模型和得到的各因素对不同探测深度电阻率影响的图版，正演计算得到不同探测深度的视电阻率。
6)如图2所示，基于确定的井眼轨迹，根据待测大斜度井的测井数据和步骤5)中确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率，具体为：
6.1)对待测大斜度井的测井数据进行预处理，并对预处理后的测井数据进行分段：
6.1.1)待测大斜度井的测井数据进行预处理，预处理包括井眼校正、光滑滤波、自动分层、获取模型初值和测井曲线约束等。
6.1.2)对预处理后的测井数据进行分段。
6.2)获取第i段预处理后的测井数据。
6.3)采用阻尼最小二乘方法，基于确定的井眼轨迹，根据第i段预处理后的测井数据和步骤5)中确定的不同探测深度的视电阻率，进行反演，得到待测大斜度井目的层段的电阻率。
具体地，将地层模型响应数据(即步骤5)中确定的不同探测深度的视电阻率)与实测数据(即预处理后的测井数据)差值的平方和作为目标函数，采用阻尼最小二乘方法，迭代计算地层模型参数(包括井眼尺寸、井斜角、泥浆电阻率、目的层水平电阻率、各向异性系数、上围岩电阻率、下围岩电阻率、目的层厚度和层边界距离)的改变量以使其响应数据逐步逼近实测数据，直至满足给定的迭代收敛条件，实现分段迭代和连续反演。
6.4)确定是否完成所有分段的反演，若是则输出反演结果即电阻率；否则，进入步骤6.2)获取第i+1段预处理后的测井数据。
7)对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别。
具体地，当待测大斜度井目的层段反演后的岩石矿物组分含量、孔隙度和电阻率与其邻井直井相同目的层段对应的岩石矿物组分含量、孔隙度和电阻率均相似时，则该目的层段中的复杂岩性储层为油层，其中，相似为变化小于预设的阈值，例如电阻率的变化小于20％时；当待测大斜度井目的层段反演后的岩石矿物组分含量、孔隙度和电阻率与对应反演前的岩石矿物组分含量、孔隙度和测井数据中的电阻率均相似，且待测大斜度井目的层段反演后的电阻率小于其邻井直井相同目的层段的电阻率时，则该目的层段中的复杂岩性储层为水淹层。
下面以M油田大斜度井碳酸盐岩水淹层为具体实施例详细说明本发明的大斜度井复杂岩性水淹层识别方法：
1)获取M油田大斜度井A每一采样点的井斜数据，并确定该大斜度井的井眼轨迹，如图3所示，大斜度井A的3500m以下为大斜度段。
2)通过测井仪器测量M油田大斜度井A目的层段的测井数据，并计算得到该大斜度井A中复杂岩性储层的岩石矿物组分含量和孔隙度，录井显示大斜度井A的岩性为石灰岩，即地层体积模型中，除孔隙度和泥质含量外，剩下的则是石灰岩含量，如图4所示。
本发明可以通过Geolog、GeoFrame、Forward、Lead等软件处理解释得到大斜度井A中石灰岩储层的泥质含量、孔隙度和石灰岩含量。如图4所示，其中，第1道为大斜度井A的测量深度；第2道为大斜度井A的垂直深度；第3道为自然伽马，表示该地层的岩性特征；第4道为深、浅电阻率测井曲线，刻画该地层的电性特征，垂深3840m以下深电阻率约3～4Ω·m；第5道为纵波时差，反映该地层的物性特征；第6道为测井计算的岩性剖面，主要为石灰岩和泥岩；第7道为录井岩性，显示为石灰岩；第8道为不同烃组分含量和总含量；第9道为录井含油性。
3)选取M油田大斜度井A邻井中的一口直井B，通过测井仪器测量得到该直井B目的层段的测井数据，并计算得到该直井B中复杂岩性储层的岩石矿物组分含量和孔隙度。
本发明可以通过Geolog、GeoFrame、Forward、Lead等软件处理解释得到直井B中石灰岩储层的泥质含量、孔隙度和石灰岩含量，如图5所示，其中，第1道为直井B的测量深度；第2道为直井B的垂直深度；第3道为自然伽马，表示该地层的岩性特征；第4道为深、浅电阻率测井曲线，刻画该地层的电性特征，垂深3840m深电阻率约10Ω·m；第5道为纵波时差，反映该地层的物性特征；第6道为测井计算的岩性剖面，主要为石灰岩和泥岩；第7道为测井解释结论，为油层。
4)数值模拟定量分析大斜度井A的井眼尺寸、井斜角、泥浆侵入、围岩厚度、目的层厚度和各向异性等因素对不同探测深度电阻率的影响，得到各因素对不同探测深度电阻率影响的图版。当地层电阻率为10Ω·m、冲洗带电阻率为2Ω·m、泥浆侵入深度为0.5m时，2MHz的随钻相位深电阻率从10Ω·m降低到4Ω·m，如图6所示。
5)考虑井眼尺寸、井斜角、泥浆电阻率、目的层水平电阻率、各向异性系数、上围岩电阻率、下围岩电阻率、目的层厚度和层边界距离等地层模型参数，并设置相应参数的分布范围，建立M油田碳酸盐岩地层的电阻率正演模型，如下表1所示，并基于表1中的9个参数和得到的各因素对不同探测深度电阻率影响的图版，分别固定循环得到对应的不同探测深度的视电阻率：
表1：M油田碳酸盐岩地层随钻电阻率正演模型参数
6)基于确定的井眼轨迹，根据待测大斜度井的测井数据和步骤5)中确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率。
7)对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别：
M油田大斜度井A随钻相位深电阻率反演结果如图7所示的第4道，垂深3840.3～3843.5m，反演前测井数据中的电阻率为3～4Ω·m，反演后的电阻率为10Ω·m；大斜度井A邻井直井B在垂深3840m的深电阻率约10Ω·m。因此，基于随钻电阻率的反演，测井综合解释大斜度井A垂深3843.5m以上为油层，垂深3843.5m以下为水淹层。
如图7所示，其中，第1道为大斜度井A的测量深度；第2道为大斜度井A的垂直深度；第3道为自然伽马，表示该地层的岩性特征；第4道为反演前的随钻相位深、浅电阻率测井曲线和反演后的随钻相位深电阻率，刻画该地层的电性特征；第5道为纵波时差，反映该地层的物性特征；第6道为测井计算的岩性剖面，主要为石灰岩和泥岩；第7道为录井岩性，显示为石灰岩；第8道为不同烃组分含量和总含量；第9道为录井含油性；第9道为测井综合解释结论，包括油层和水淹层。
实施例2
本实施例提供一种大斜度井复杂岩性水淹层识别***，包括：
井眼轨迹确定模块，用于获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹。
测井数据测量模块，用于分别测量待测大斜度井及其邻井中一直井目的层段的测井数据，并计算得到该大斜度井和直井中复杂岩性储层的岩石矿物组分含量和孔隙度。
视电阻率确定模块，用于定量分析待测大斜度井的各因素对不同探测深度电阻率的影响，并建立待测大斜度井的电阻率正演模型，确定不同探测深度的视电阻率。
反演模块，用于基于确定的井眼轨迹，根据待测大斜度井的测井数据和确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率。
识别模块，用于对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别。
实施例3
本实施例提供一种与本实施例1所提供的大斜度井复杂岩性水淹层识别方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。
所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在处理设备上运行的计算机程序，处理设备运行计算机程序时执行本实施例1所提供的大斜度井复杂岩性水淹层识别方法。
在一些实现中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
在另一些实现中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。
实施例4
本实施例提供一种与本实施例1所提供的大斜度井复杂岩性水淹层识别方法对应的计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的大斜度井复杂岩性水淹层识别方法的计算机可读程序指令。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
Claims (10)
1.一种大斜度井复杂岩性水淹层识别方法，其特征在于，包括：
获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹；
分别测量待测大斜度井及其邻井中一直井目的层段的测井数据，并计算得到该大斜度井和直井中复杂岩性储层的岩石矿物组分含量和孔隙度；
定量分析待测大斜度井的各因素对不同探测深度电阻率的影响，并建立待测大斜度井的电阻率正演模型，确定不同探测深度的视电阻率；
基于确定的井眼轨迹，根据待测大斜度井的测井数据和确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率；
对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别。
2.如权利要求1所述的一种大斜度井复杂岩性水淹层识别方法，其特征在于，所述获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹，包括：
获取待测大斜度井每一采样点的井斜数据，井斜数据包括测深、垂深、井斜角和方位角；
根据获取的待测大斜度井的井斜数据，得到待测大斜度井每一采样点的位置，进而确定得到待测大斜度井的井眼轨迹。
3.如权利要求1所述的一种大斜度井复杂岩性水淹层识别方法，其特征在于，所述测井数据包括自然伽马、自然电位、深电阻率、浅电阻率、体积密度、中子孔隙度、纵波时差、电成像和阵列声波。
4.如权利要求1所述的一种大斜度井复杂岩性水淹层识别方法，其特征在于，所述定量分析待测大斜度井的各因素对不同探测深度电阻率的影响，并建立待测大斜度井的电阻率正演模型，确定不同探测深度的视电阻率，包括：
定量分析待测大斜度井的各因素对不同探测深度电阻率的影响得到各因素对不同探测深度电阻率影响的图版；
建立待测大斜度井的电阻率正演模型，并根据各因素对不同探测深度电阻率影响的图版，确定不同探测深度的视电阻率。
5.如权利要求4所述的一种大斜度井复杂岩性水淹层识别方法，其特征在于，所述建立待测大斜度井的电阻率正演模型，并根据各因素对不同探测深度电阻率影响的图版，确定不同探测深度的视电阻率，包括：
考虑地层模型参数，并设置相应参数的分布范围，建立待测大斜度井的电阻率正演模型；
根据建立的待测大斜度井的电阻率正演模型和得到的各因素对不同探测深度电阻率影响的图版，正演计算得到不同探测深度的视电阻率。
6.如权利要求1所述的一种大斜度井复杂岩性水淹层识别方法，其特征在于，所述基于确定的井眼轨迹，根据待测大斜度井的测井数据和确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率，包括：
对待测大斜度井的测井数据进行预处理，并对预处理后的测井数据进行分段；
获取第i段预处理后的测井数据；
采用阻尼最小二乘方法，基于确定的井眼轨迹，根据第i段预处理后的测井数据和确定的不同探测深度的视电阻率，进行反演，得到待测大斜度井目的层段的电阻率；
确定是否完成所有分段的反演，若是则输出电阻率；否则，获取第i+1段预处理后的测井数据进行反演处理。
7.如权利要求1所述的一种大斜度井复杂岩性水淹层识别方法，其特征在于，所述对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别，包括：
当待测大斜度井目的层段反演后的岩石矿物组分含量、孔隙度和电阻率与其邻井直井相同目的层段对应的岩石矿物组分含量、孔隙度和电阻率的变化均小于预设的阈值时，则该目的层段中的复杂岩性储层为油层；
当待测大斜度井目的层段反演后的岩石矿物组分含量、孔隙度和电阻率与对应反演前的岩石矿物组分含量、孔隙度和测井数据中的电阻率的变化均小于预设的阈值，且待测大斜度井目的层段反演后的电阻率小于其邻井直井相同目的层段的电阻率时，则该目的层段中的复杂岩性储层为水淹层。
8.一种大斜度井复杂岩性水淹层识别***，其特征在于，包括：
井眼轨迹确定模块，用于获取待测大斜度井每一采样点的井斜数据，并确定该大斜度井的井眼轨迹；
测井数据测量模块，用于分别测量待测大斜度井及其邻井中一直井目的层段的测井数据，并计算得到该大斜度井和直井中复杂岩性储层的岩石矿物组分含量和孔隙度；
视电阻率确定模块，用于定量分析待测大斜度井的各因素对不同探测深度电阻率的影响，并建立待测大斜度井的电阻率正演模型，确定不同探测深度的视电阻率；
反演模块，用于基于确定的井眼轨迹，根据待测大斜度井的测井数据和确定的不同探测深度的视电阻率，迭代反演得到待测大斜度井目的层段的电阻率；
识别模块，用于对比待测大斜度井和对应直井目的层段的测井数据、岩石矿物组分含量、孔隙度以及待测大斜度井反演得到的电阻率，对待测大斜度井的水淹层进行识别。
9.一种处理设备，其特征在于，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现权利要求1-7中任一项所述的大斜度井复杂岩性水淹层识别方法对应的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现权利要求1-7中任一项所述的大斜度井复杂岩性水淹层识别方法对应的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210561839.7A CN114876454A (zh) | 2022-05-23 | 2022-05-23 | 一种大斜度井复杂岩性水淹层识别方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210561839.7A CN114876454A (zh) | 2022-05-23 | 2022-05-23 | 一种大斜度井复杂岩性水淹层识别方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114876454A true CN114876454A (zh) | 2022-08-09 |
Family
ID=82677302
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210561839.7A Pending CN114876454A (zh) | 2022-05-23 | 2022-05-23 | 一种大斜度井复杂岩性水淹层识别方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114876454A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117153289A (zh) * | 2023-09-14 | 2023-12-01 | 大庆油田有限责任公司 | 一种适用于窄薄砂体的油层水淹程度预测方法 |
-
2022
- 2022-05-23 CN CN202210561839.7A patent/CN114876454A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117153289A (zh) * | 2023-09-14 | 2023-12-01 | 大庆油田有限责任公司 | 一种适用于窄薄砂体的油层水淹程度预测方法 |
| CN117153289B (zh) * | 2023-09-14 | 2024-04-05 | 大庆油田有限责任公司 | 一种适用于窄薄砂体的油层水淹程度预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106951660B (zh) | 一种海相碎屑岩水平井储层测井解释方法及装置 | |
| US10422924B2 (en) | Stratigraphic and structural interpretation of deviated and horizontal wellbores | |
| US9081918B2 (en) | Methods and systems regarding models of underground formations | |
| US9075158B2 (en) | Using a drill bit as a seismic source for SET velocity analysis | |
| CN105425292B (zh) | 一种油气预测方法及装置 | |
| Verma et al. | Estimation of total organic carbon and brittleness volume | |
| CA2641867A1 (en) | Methods and apparatus for predicting the hydrocarbon production of a well location | |
| US8760968B2 (en) | Determining a quantity of a given material in a subterranean structure | |
| EP2525242A2 (en) | Multiscale geologic modeling of a clastic meander belt including asymmetry using multi-point statistics | |
| US11879316B2 (en) | Geostatistical analysis of microseismic data in fracture modeling | |
| WO2011056421A2 (en) | Sifting models of a subsurface structure | |
| US10451769B2 (en) | Method for determining petrophysical properties from logging measurements | |
| Ding et al. | Reliability analysis of seismic attribute in the detection of fault-karst | |
| CN113568046B (zh) | 裂缝方位约束的多维信息裂缝表征方法 | |
| CN114876454A (zh) | 一种大斜度井复杂岩性水淹层识别方法及*** | |
| CN110603370B (zh) | 确定岩层含量 | |
| US20240176043A1 (en) | Methods and systems for automatic well placement planning during reservoir simulation | |
| CN113495293B (zh) | 油藏流体预测方法及装置 | |
| CN112147698B (zh) | 裂缝发育带识别与特征确定的方法及*** | |
| CN112731556B (zh) | 一种裂缝发育区的预测方法及用于预测裂缝发育区的计算机存储介质 | |
| CN110927819B (zh) | 一种裂缝发育程度表征方法 | |
| CN116879945A (zh) | 基于地质-地震结合的地层尖灭线预测方法 | |
| Verma et al. | Estimation of TOC and brittleness volumes and correlation with reservoir production | |
| Jacobson et al. | Horizontal Wells: Concepts in Reservoir Evaluation | |
| CN115184991A (zh) | 利用纵横波阻抗差异比进行页岩储层裂缝识别方法及*** |
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 |