CN1707290A

CN1707290A - 使用脉冲场梯度nmr测量确定流体取样测井工具中流体性质的方法和装置

Info

Publication number: CN1707290A
Application number: CN200510076021.2A
Authority: CN
Inventors: R·弗里德曼
Original assignee: Schlumberger Overseas SA
Current assignee: Schlumberger Canada Ltd; Schlumberger Overseas SA
Priority date: 2004-06-04
Filing date: 2005-06-03
Publication date: 2005-12-14
Anticipated expiration: 2025-06-03
Also published as: CA2505293A1; GB2414807A; FR2871235B1; RU2377609C2; US20050270023A1; GB2414807B; RU2005117079A; NO20052675D0; US7053611B2; NO337897B1; CA2505293C; DE102005024628A1; CN100401107C; GB0508129D0; FR2871235A1; NO20052675L

Abstract

一种确定地层流体性质的方法，包含：使用一个脉冲序列获取流体样本的一套核磁共振(NMR)测量，该序列脉冲包括用于对扩散信息编码的脉冲场梯度脉冲，其中该套测量中的每个NMR测量的获取方式是采用脉冲场梯度脉冲中参数的不同值，所述不同值产生不同的扩散效应，其中获取是在井下的地层流体取样工具中进行的；对该套NMR测量进行反演以产生分布函数，该分布函数将流体取样的扩散性质与流体样本的NMR性质关联起来；以及根据该分布函数确定地层流体性质。

Description

使用脉冲场梯度NMR测量确定流体取样测井工具中流体性质的方法和装置

技术领域

本发明涉及确定地层流体性质的方法和装置。特别地，本发明涉及使用装备NMR(核磁共振)模块的井下流体取样工具确定地层流体性质。

背景技术

石油和天然气工业已开发出能确定地层流体性质的各种工具。例如，井孔流体取样和测试工具，如Schlumberger的模块化地层动力学测试(MDT^TM)工具，除了提供储集层压强、渗透性和流度的测量数据外，还能提供关于储集层流体类型和性质的重要信息。这些工具可使用装在工具上的传感器模块在井下进行对流体性质的测量。另一种作法是，这些工具能从储集层中抽取流体样本，它们能被收集在瓶中并带到地面供分析。所收集的样本常规地送到流体性质实验室供分析其物理性质，其中包括油的粘度、气-油比、质量密度或API重度(美国石油学会标准重度)、分子组成、H₂S、沥青质、树脂以及各种其他杂质的浓度等。然而，实验室数据可能没有用处或与储集层流体性质无关，因为当这些样本被带到地面时它们可能已经改变了性质。

例如，地层流体可能含有溶解气，当外部压强下降时它们将与流体分离。类似地，地层流体可能包括这样一些物质，当外部温度下降时它们可能沉淀出来。不论在哪种情况下，测量得到的实验室数据可能与现场的储集层流体的实际性质无关。所以，人们希望在井下条件下进行地层流体分析。

若干美国专利公开了在井孔中对从地层中抽取的流体样本进行NMR测量的方法和装置。例如，颁发给Kleinberg的6,346,813 B1号美国专利(’813专利)公开了一个在MDT^TM工具流线上的NMR模块，用于由磁共振信号确定不同的流体性质。’813专利被授予本发明的受让人，在这里被全文纳入作为参考。颁发给M.Prammer的6,107,796号美国专利公开了确定可能被油基泥浆滤液污染的地层原油样本中的污染水平的装置和方法。在这一专利中公开的方法监视流体样本从地层泵入取样工具的过程中流体样本的NMR响应随时间的变化。

地层流体往往含有多种组分，每种组分可能有其不同的扩散性质。所以，测量扩散系数可提供关于地层流体性质的有价值的信息。一些NMR方法利用磁场梯度探测地层流体的扩散性质。例如，颁发给Prammer等的6,737,864号美国专利公开了一种对在流体取样工具的流线中流动的流体进行T₁测量的装置。这一申请还公开了一种对静止样本进行扩散测量的静态梯度法。从NMR测量中提取扩散数据的这种方法假定单一扩散常数。然而，大家都知道，原油有多个扩散系数的分布。这样，人们希望有能够提供地层流体扩散系数而无需假定这些地层流体有相同扩散常数的方法。

颁发给Blades等的6,111,408号美国专利(’408专利)公开了在流体取样工具的NMR模块中测量流体的弛豫时间(T₁和T₂)和扩散系数(D)的方法和装置。在这一专利中公开的一种方法使用一个电磁体在CPMG脉冲序列的重聚焦(refocusing)脉冲之间产生一个振荡的脉冲场梯度(PFG)。这个振荡的PFG被与CPMG脉冲锁相(被同步)(见’408专利中的图5)。脉冲场梯度使自旋相移，然后将该脉冲场梯度关掉一段时间，其间这些自旋扩散。在扩散时段之后，再接通振荡脉冲场梯度，使自旋重新同相，后跟自旋回波。然后，这第一自旋回波被一串射频180度脉冲重新聚焦，以得到更多自旋回波。尽管锁相振荡PFG脉冲能提供扩散编码，但希望有更好的方法和装置来完成扩散编码。

颁发给Kleinberg的6,346,813 B1号美国专利公开了一种NMR模块，用于表征在流体取样和测试工具(如MDT^TM工具)中的流体。这一专利公开了将流体的弛豫时间和扩散系数二者与粘度、气-油比(GOR)以及有意义的其他流体性质关联起来的方法。颁发给Kleiberg等的一个相关的美国专利5,796,252号(’252专利)公开了使用PFG-CPMG序列对扩散信息编码。然后使用一个简单的近似方法从PFG-CPMG数据得到扩散系数。然后该扩散系数被用于校正自旋回波振幅，以取得在储集层中更准确的油储量。在’252专利中公开的方法也假定原油有单一的扩散系数。

颁发给L.Venkataramanan等的6,462,542 B1号美国专利(’542专利)公开了“扩散编辑”脉冲序列。利用测井电缆或随钻测井(LWD)NMR测井工具，使用外加磁场的静态梯度对扩散信息进行编码。这些脉冲序列是CPMG序列的修正。该脉冲序列与CPMG序列的区别在于以长的回波间隔获取一个或几个早期回波，以便产生这些回波的扩散衰减。以短的间隔获取其余回波，以使扩散效应(D)减至最小。’542专利还公开了使用一套扩散编辑脉冲序列反演物理模型，它提供D-T₂、T₁-T₂和T₁/T₂-T₂的二维分布模型。

Hürlimann等的6,570,382号美国专利还公开了可包括脉冲场梯度序列的“扩散编辑”脉冲序列。

尽管可得到各种NMR装置和方法用于确定地层流体性质，但仍需要确定地层流体性质的更好方法和装置。

发明内容

本发明的一个方面涉及确定地层流体性质的方法。根据本发明一个实施例的方法包括：使用一个脉冲序列获取流体样本的一套核磁共振(NMR)测量，该脉冲序列包括用于对扩散信息编码的脉冲场梯度脉冲，其中该套测量中的每个NMR测量的获取方式是利用脉冲场梯度脉冲中参数的不同值，这些不同值产生不同的扩散效应，其中的获取过程是在井孔中的地层流体取样工具中进行的；对这套NMR测量进行反演，以产生一个分布函数，该分布函数将流体样本的扩散性质与流体样本的NMR性质关联起来；以及由该分布函数确定地层流体的性质。

本发明的另一方面涉及一种NMR传感器。根据本发明一个实施例的NMR传感器包括：能产生穿过样本室的基本均匀磁场的永久磁体；围绕样本室的射频天线，其中的射频天线被配置成产生振荡磁场，该振荡磁场的磁矩基本上正交于由永久磁体产生的基本均匀磁场的方向；以及与控制单元连接的至少一个线圈，其中这至少一个线圈和控制单元被配置成以一种受控方式产生穿过样本室的脉冲磁场梯度，使得脉冲磁场梯度有选定的强度和预先确定的持续时间。

由下面的描述、附图以及权利要求，本发明的其他方面将变得显而易见。

附图说明

图1显示具有NMR模块的现有技术地层流体测试(取样)工具。

图2显示根据本发明一个实施例的NMR传感器。

图3显示根据本发明一个实施例的确定地层流体性质的方法。

图4显示根据本发明一个实施例的PFG-CPMG脉冲序列。

图5显示根据本发明一个实施例的SEPFG-CPMG脉冲序列。

图6显示一套PFG-CPMG扩散编码数据，这些数据能用于使用根据本发明一个实施例的方法确定地层流体性质。

图7显示根据本发明一个实施例由图6中所示一套数据计算出的2D分布函数。

图8显示根据本发明一个实施例从图7中所示两维分布函数中提取出的一维分布函数。

具体实施方式

本发明的实施例涉及使用井下工具(如颁发给Kleinberg的6,346,813 B1号美国专利中公开的流体取样工具)中的NMR模块确定储集层流体性质的装置和方法。地层流体测试工具的一个实例是由Schlumberger技术公司(休斯顿，TX)以商品名MD^TM出售的模块化地层动力学测试工具。

图1显示一个示例性地层流体测试(或取样)工具10(例如一个MDT^TM工具)，它包括下列模块：电子模块11，它可包括处理器和存储器；液压动力模块12；探测器模块13，它可被布设成与地层构成液体密封；汲出模块17；光学流体分析器(OFA)14；以及多样本模块16。此外，地层流体取样工具10包括NMR模块15。NMR模块15可包括本发明的NMR传感器。

根据本发明实施例的NMR传感器包括能在流体样本体积上产生基本均匀静态磁场的永久磁体。此外，该NMR传感器包括至少一个线圈，它能产生穿过样本体积的有确定强度和持续时间的脉冲场梯度(PFG)，均匀静态磁场与脉冲磁场梯度组合，能提供具有更好信噪比的测量值，因为与具有静态场梯度的静态磁场相比，有更大的样本体积被共振，而有静态场梯度的静态磁场只能使一小部分样本(一个“样本切片”)共振。本发明的NMR传感器还包括一个线圈(RF天线)用于产生射频(RF)磁场脉冲。该RF天线的磁矩基本垂直于该静态磁场的磁矩。

图2显示根据本发明一个实施例的NMR传感器。如图2中所示，NMR传感器20包括磁体21(例如一个永久磁体)，它被设计成在样本体积22内产生基本均匀磁场(B₀)。永久磁体21可由钐钴或其他适用材料制成。永久磁体21可包含一片或多片，包围在样本体积22的周围，永久磁体21可进一步包括固定在磁体表面的导磁性极片，以确定磁场形状和降低样本区域中的磁场梯度，从而使静态磁场在样本体积(样本室)22上基本均匀。

在一些实施例中，样本体积22可被配置成连接到一个地层流体流线(flow line)中，从而使传感器20可用于测量或监视流过样本体积(样本室)22的流体的性质。RF天线(线圈)23包围样本体积22。RF天线23被设计成辐射振荡的射频(RF)磁场(B₁x)，该磁场的磁矩基本垂直于(正交于)由永久磁体21产生的静态磁场。RF天线23可包含螺线管线圈、鞍形线圈或任何其他适用的线圈。本领域技术人员将会理解，同一个RF天线23可作为发射机发射振荡磁场和作为接收机接收信号，如在颁发给Kleinberg的6,348,813 B1号美国专利中公开的那样。另一种作法是可以使用单独的发射和接收天线。

图2中所示NMR传感器20还包括两个梯度线圈25a和25b，它们被配置成产生穿过样本体积22的磁场梯度。梯度线圈25a和25b与控制单元27相连，控制单元27能在预先确定的持续时间以选定的强度对梯度线圈25a和25b供给能量。尽管图中显示两个梯度线圈25a和25b，但本领域技术人员将会理解，可使用一个或多个梯度线圈而不脱离本发明的范围。在梯度脉冲的持续时间期间，可造成反向磁场bg，以在样本体积上诱发磁场梯度g，磁场梯度g通常以高斯/厘米为单位测量。传感器20可由外壳24来保扩和支持。外壳24可由具有高磁导率的磁性钢制成，以封闭磁场B₀和为组件提供强度。

此外，本发明的一些实施例可包括挡板26，它把RF天线23与永久磁体21分开。该挡板可由能防止RF天线23产生的振荡RF磁场与永久磁体21交互作用的材料(如铜)制成，从而使磁体中的磁-声振鸣(magneto-acoustic ringing)达到极小。

根据本发明实施例的NMR传感器可用于进行涉及流体样本扩散和弛豫性质的测量。因为这些性质通常对于油和水是不同的，所以这些测量能提供确定流体样本中水和油的相对比例的手段。此外，这些测量能提供关于油的性质，如它们的组成、粘性、以及气/油比(油中所含的溶解气量)。类似地，对于可能包含(1)气和水、(2)气、油和水、(3)油和气或(4)油和水的流体样本，这些测量能提供确定所存在的不同组分相对比例的手段。此外，这些测量能提供关于碳氢化合物性质的信息，这些性质对于确定储集层的货币价值是重要的，还对做出完井决定至关重要。

图3显示根据本发明一个实施例的方法。如图3中所示，方法30包括获得一套扩散编码的NMR数据的步骤(步骤32)。扩散编码是在每次获取过程中使用脉冲场梯度脉冲实现的。对这套数据中的每次测量，改变PFG脉冲中的参数之一，从而每次测量包括不同的扩散效应。接下来，根据一个前向模型，即描述自旋回波信号衰减的物理模型，对扩散编码数据进行反演(步骤34)。该反演产生与流体性质关联的分布函数，例如一个二维(2-D)分布函数f(D，T₂)，它使扩散(D)系数与自旋-自旋(T₂)弛豫时间相关。最后，可从该分布函数中提取出所希望的流体性质(如扩散系数、粘性、分子组成等)(步骤36)。在下面各节将更详细地描述这些步骤。

NMR脉冲场梯度测量是测量流体和固体中分子扩散系数的一种标准技术。用于流体的最广泛应用的技术是Stejskal和Tanner的方法(化学物理杂志V.42，no.1，288-292，1965)，称作PFG方法。PFG方法能用于准确地测量小到≈10^-8cm²/s的扩散系数。对于粘性流体以及具有较低扩散和/或快横向弛豫的固体，由Tanner研发的受激回波脉冲场梯度(SEPFG)法(化学物理杂志，V.52，no.5，pp.2523-2526，1970)被广泛使用。只当自旋点阵弛豫时间(T₁)明显地长于横向或自旋-自旋(T₂)弛豫时间时，SEPFG方法才提供优于PFG方法的结果。PFG和SEPFG序列二者在自旋回波测量中都使用脉冲场梯度对扩散信息编码。

本发明的方法可使用PFG或SEPFG脉冲序列。这两种技术的物理基础是分子的布朗运动造成NMR信号强度的衰减，而这种衰减能与样本中各分子组分的扩散系数关联。附加的180度脉冲用于重新聚焦第一回波，增加这些脉冲的目的是要获取关于信号衰减(即自旋回波的T₂衰减)的其他机制的信息。在下面的描述中，这些序列将称作PFG-CPMG(即Stejskal和Tanner的脉冲场梯度序列，后跟一串180度脉冲)和SEPFG-CPMG(即Tanner的受激回波脉冲场梯度序列，后跟一串180度脉冲)。

图4显示根据本发明一个实施例的PFG-CPMG脉冲序列图。如图中所示，在典型的PFG脉冲序列中，分别在第一90°脉冲和第一180°脉冲之后各***脉冲场梯度(PFG)脉冲1和2。然后，第一回波被应用一串180°脉冲重新聚焦。PFG脉冲被延迟时间Δ分开，每个脉冲有场梯度强度g和持续时间δ。延迟时间Δ、场梯度强度g和持续时间δ每个都能被改变，以产生不同的扩散效应。

根据本发明实施例的用于确定储集层流体性质的方法涉及获取一套PFG-CPMG或SEPFG-CPMG测量。每套中的测量次数取决于许多因素。一般地，在一套中有大约10个左右的测量可能是足够的。由于每次测量改变PFG-CPMG或SEPFG-CPMG序列中的一个或多个脉冲参数，使得有不同的回波扩散衰减量，因此一套中的每次测量彼此不同。如前所述和如图4中所示，这些参数包括脉冲梯度的持续时间(δ)、脉冲梯度的强度(g)以及在PFG序列中各梯度脉冲的间隔(延时)(Δ)。

这样得到的NMR测量值是被“扩散编码”的，能被反演以产生分布函数，从而与流体性质关联。例如，分布函数可为二维(2-D)分布函数f(D，T₂)，使扩散(D)系数与样本的自旋-自旋(T₂)弛豫时间关联。对于一个油-水样本，2-Df(D，T₂)分布能用于估计油和水的相对体量、油粘度、油的分子组成以及气-油比等。

再有，能由2-D分布中分别计算出油和水的扩散和弛豫时间的一维(1-D)分布。此外，能获取多套部分极化的PFG-CPMG序列，它们能被反演以产生包括自旋-点阵弛豫时间(T₁)或T₁/T₂比值的三维分布函数f(D，T₂，T₁)。

这套脉冲场梯度数据能根据描述自旋回波信号衰减的物理模型(一个前向模型)进行反演，以得到(通常)流体样本的三维扩散和弛豫时间分布函数f(D，T₂，T₁)。如果在这套数据中的每次测量之前有足够的恢复或等待时间，则没有对T₁的依赖关系，于是反演产生二维分布函数f(D，T₂)。这些分布函数提供关于流体样本性质的重要信息。

对脉冲序列、传感器及前向模型的描述

再参考图4，PFG-CPMG脉冲序列包括一个在围绕B₀以平均拉莫尔(Larmor)频率(W_L)转动的参考系中由RF磁场(B₁)沿X轴产生的90°激励脉冲。该90°脉冲使磁化强度矢量转动到横向(即x-y)平面。然后施加一个持续时间(δ)的磁场梯度(g)，它造成自旋的与位置有关的相移。在一个短的延时之后，施加一个180°脉冲以改变自换的相位的符号(或在横向平面中自旋转动的方向(sense))。在另一短暂延时之后，施加第二个梯度脉冲，使已被第一梯度脉冲移动相位的自旋恢复相位(re-phasing)。只有当自旋尚未从它们的初始位置扩散时，恢复相位才有效。对于那些在扩散时间(Δ)期间已扩散到新位置的自旋，恢复相位将是不完美的。由自旋的扩散造成的不完美的恢复相位导致回波的扩散衰减。通过进一步施加一系列180°脉冲，它们产生一串自旋回波，可提供关于自旋-自旋弛豫时间(T₂)的信息。对于均匀静态磁场，下式给出由图4所示脉冲序列测量的横向磁化强度(M(t))的一般表达式：

M (t) = &Integral; &Integral; &Integral; f (D, T_{1}, T_{2}) \cdot \exp (- t / T_{2}) \cdot (1 - \exp (- \frac{W}{T_{1}})) \cdot \exp (- {(γ \cdot g \cdot δ)}^{2} D (Δ - δ / 3)) dDd T_{1} d T_{2}, - - - (1)

其中M(t)是在发生图4中的自旋回波的时刻t求值的。

式1是由扩散系数和弛豫时间的3-D分布函数f(D，T₁，T₂)所满足的第一类弗雷德霍姆(Fredholm)积分方程。被积函数中含有T₂的指数因子归因于磁化强度的自旋-自旋弛豫，而含有T₁的因子归因于磁化强度的不完全极化，如果从零磁化强度初始状态起始的话。恢复时间W先于图4中所示第一90°脉冲。如果等待时间W足够长(例如5倍于样本中的最长T₁)，则不完全极化因子等于1。在这种情况下3-D分布函数简化为2-D分布函数f(D，T₂)。

含有脉冲场梯度参数的指数因子，如Stejskal和Tanner(1965)导出的那样，归因于由扩散造成的回波衰减。如果除了脉冲场梯度外还存在一个静态梯度(g_s)，则式1中的脉冲场梯度衰减因子会更加复杂。在这种情况下，Stejskal和Tanner表明，式1中由扩散造成的衰减因子含有两个附加项：一个交叉项g·g_s以及与静态梯度平方(即g_s·g_s)成正比的第二项。本发明的优选实施例使用在样本体积上基本均匀的静态磁场，从而能避免由静态场梯度引起的复杂性。然而，本领域技术人员将会理解，可以有对Stejskal和Tanner脉冲场梯度序列的修改，这些修改能减小静态梯度的效应。使用这种修改后的脉冲场梯度序列，本发明的实施例可在存在静态梯度的情况下实现。适用的序列可包括，但不限于，由Karlicek和Lowe(“在存在大背景梯度的情况下测量扩散用的修正脉冲梯度技术”，J.of Mag.Res，V37，p75-91，1980)及Cotts等(“在不均匀***中进行改进的NMR扩散测量用的脉冲场梯度受激回波方法”，J.of Mag.Res.，V83，p252-266，1989)所公开的脉冲场梯度序列。

为测量粘性流体及固体中的扩散，Tanner(化学物理杂志，V.52，no.5，2523-2526)开发了一个不同于Stejskal和Tanner序列的另一个序列，称作“受激回波脉冲场梯度”(SEPFG)序列。这一序列能提供更稳健的测量，它能检测很小的扩散系数，且在T₁＞＞T₂的***中是最佳的。图5中显示一个Tanner受激回波序列与一个CPMG序列的组合。

如图5中所示，一对90°脉冲插在两个PFG脉冲之间。在这一序列中，第二90°脉冲将磁化强度转动到Z-方向(沿静态场方向)，在那里，在第二和第三90°脉冲之间的时间间隔(Δτ)期间，它受到纵向(T₁)弛豫。然而，在实践中，只有大约一半随机取向的自旋，即在转动坐标系中被沿y轴投影的那些自旋才被第二90°脉冲转动到Z方向。结果，在受激回波方法中有大约50％的信号损失掉。在第二和第三90°脉冲之间的间隔期间，沿z方向磁化强度的存储允许有较长的扩散时间(Δ)去测量小的扩散系数。这一技术回避了如果使用Tanner和Stejskal序列会由快T₂弛豫(如在很粘的流体或固体中)造成的信号强烈衰减。

忽略静态梯度，对于SEPFG-CPMG脉冲序列的磁化强度遵从方程式

M (t) = &Integral; &Integral; &Integral; f (D, T_{1}, T_{2}) \cdot \exp (- t / T_{2}) \cdot (1 - \exp (- \frac{W}{T_{1}})) \cdot \exp (- Δτ (\frac{1}{T_{1}} - \frac{1}{T_{2}})) {

exp(-(γ·g·δ)²D(Δ-δ/3))dDdT₁dT₂}.(2)

式2与式1的区别在于它在被积函数中有一个附加的指数因子。这一因子含有T₁和T₂的倒数差，归因于如下事实：在图5中的第二和第三90°脉冲之问的间隔(Δτ)期间存在一个纵向弛豫，但没有横向弛豫。参数Δτ是磁化强度沿纵向存储的时间，即第三和第二90°脉冲之间的时间差。

与采用Steijskal和Tannor(PFG)序列的情况类似，存在静态磁场梯度(g_s)会使受激回波(SEPFG)序列的扩散衰减变得复杂。当存在静态磁场梯度(g_s)时，存在一个交叉项g·g_s加上与静态梯度平方g_s·g_s成正比的第二项。附加项的系数在Tanner(1970，式7)中被描述，它还表明，由扩散造成的脉冲场梯度诱发衰减与式1中有相同的形式。这样，图5中所示SEPFG-CPMG序列中的磁化强度以与PFG-CPMG序列类似的方式对扩散效应编码。所以，在不存在静态梯度的情况下，式2中的扩散衰减项与式1中的扩散衰减项完全相同。本发明的优选实施例使用一个产生基本均匀场的磁体以简化数据分析。然而，如果存在静态梯度项，本领域技术人员将会理解，通过使用修正的受激脉冲场梯度序列，能减小或消除静态梯度项的效应(见例如Cotts等的“在不均匀***中进行改进的NMR扩散测量用的脉冲场梯度受激回波方法”，J.of Mag.Res.，V83，p.252-266，1989)。

下面的举例说明本发明方法的应用。图6显示用表1所示脉冲参数得到的一套NMR数据。

表1：用于图6中所示一套PFG-CPMG数据的PFG脉冲参数

测量 δ(s) Δ(s) g(高斯/厘米)

1 不适用不适用不适用

2 0.002 0.02 30.0

3 0.004 0.02 30.0

4 0.006 0.02 30.0

5 0.008 0.02 30.0

6 0.012 0.02 30.0

7 0.015 0.02 30.0

图6中所示一套数据包含带有5000波其回波间隔为0.2ms的标准CPMG(迹线1)和6个Stejskal和Tanner PFG-CPMG序列，每个序列有5000个回波(迹线2-7)。在PFG-CPMG序列中的第二个和其后的回波(迹线2-7)也有0.2ms的间隔。对于这些数据，不存在对T₁的依赖关系，因为这些序列全被充分极化。在这种情况下，3-D分布函数简化为扩散(D)和自旋-自旋弛豫时间(T₂)的2-D函数，如图7中所示。

如上所述，通过改变式1和式2的扩散衰减项中三个脉冲参数中的一个或多个，在一套脉冲场梯度序列中的扩散信息能被编码成数据。对于图6中所示一套数据，它用于计算图7中的2-D分布函数，对这一套序列中的6个PFG-CPMG序列(迹线2-7)中的每个序列改变参数δ。其他两个扩散衰减脉冲参数Δ和g保持不变。

在这个例子中，第一次测量是以标准CPMG序列(即，没有PFG)得到的。请注意，在一套PFG-CPMG数据中没有必要包括标准CPMG测量。事实上，包括标准CPMG测量可能在2D分布函数中造成人为的产物，因为标准CPMG测量并不提供任何扩散信息。

由一套数据计算分布函数需要反演一个前向模型，对于一套PFG-CPMG数据，其模型由式1指定，对于一套SEPFG-CPMG数据，其模型由式2指定。这些方程式被称作第一类弗雷德霍姆(Fredholm)积分方程，对它的反演可由各种方法完成，如在发表的文章、专利和书藉中大量讨论的那些。例如，颁发给Freedman的5,291,137号美国专利公开了可用于这一目的的“窗处理”反演方法。这一专利被全文纳入这里作为参考。

下文描述由图6所示一套数据计算分布函数(例如图7)的过程。不失一般性，对于由PFG-CPMG序列测量的磁化强度，式1中的前向模型能用一套充分极化测量，即W＞＞T₁，加以简化，对此，极化函数能被设为等于1。于是，对T₁的积分使3-D分布函数简化为扩散(D)和自旋一自旋弛豫时间(T₂)的2-D函数。

使用一套充分极化数据提供了对本发明的方法如何工作的一个更简单明了的展示。然而，本发明的方法不限于各套充分极化数据。事实上，使用一套部分极化的数据计算3-D分布函数并不出现太大困难，而且能以与下述方式相同的方式处置。类似地，使用各套SEPFG-CPMG数据对式2求解也能以同样方法得到。这样，该计算能以下式表示：

M(t)＝∫∫f(D，T₂)·exp(-t/T₂)·exp(-(γ·g·δ)²D·(Δ-δ/3))dDdT₂， (3)

或者，以适于数值计算的离散形式表示：

M_{j} = \underset{l, k}{Σ} f_{l, k} \exp (- \frac{t_{j}}{T_{2, l}}) \exp (- {(γ \cdot g \cdot δ)}^{2} D_{k} (Δ - δ / 3)) . - - - (4)

其中标号j＝1，2，3，…，NE代表第j个回波，NE是在PFG-CPMG序列中获取的回波总数。弛豫时间T_2，1，1＝1，2，3，…，N，是一组N个固定的弛豫时间，它们遍及预期T₂值的范围。在对数标度上选择等间隔的固定弛豫时间会是方便的，但这不是实质性的。类似地，D_k是选择遍及预期D值范围的一组N个扩散***。N×N矩阵f_l，k是连续2-D扩散和弛豫时间分布函数的离散表示。回波发生在时间：

t_j＝te₁+(j-1)·te， (5)

其中te₁是第一个回波的发生时间，即te₁＝2τ，其中τ是图4中的90°脉冲和180°冲之间的时间；te是第二回波和其后回波之间的间隔。然后，由下式将测量到的回波振幅与图4中的前向模型关联：

{\tilde{M}}_{j}^{p} = M_{j}^{p} + J_{j}^{p} . - - - (6)

其中标号p＝1，2，3，…，P，用于指出一套P次测量的一次具体测量。请注意，标号p还用于标记一个具体PFG-CPMG序列中使用的脉冲参数(例如，这些参数是δ_p，g_p和Δ_p)。

式6指出，经过测量相位校正的回波振幅

包括由前向模型(M_j ^p)和归因于随机热噪声(J_j ^p)的项给出的振幅。测量的回波振幅通常用双通道正交检测来记录。所测量的双通道振幅被相位校正，然后可用颁发给Freodman的5,291,137号和6,229,308 B1号美国专利中公开的方法对每次测量计算噪声功率(Ψ_p)。这两个专利被全文纳入这里作为参考。式1的反演可由这两个专利公开的方法完成。例如，可由相位校正后的自旋回波振幅计算出一组窗和

即由下列方程式计算：

{\tilde{I}}_{m}^{p} = Σ_{j = N_{m}^{p} + ρ_{m}}^{N_{m + 1}^{p}} {\tilde{M}}_{j}^{p} &equiv; I_{m}^{p} + J_{m}^{p} . - - - (7)

其中，I_m ^p是在一组预先确定的窗上的前向模型(即理论上的无噪声回波振幅)之和，可写成如下形式：

I_{m}^{p} = Σ_{l = 1}^{N} Σ_{k = 1}^{N} f_{l, k} F_{m}^{p} (T_{2, l}) \exp (- {(γ \cdot g_{p} \cdot δ_{p})}^{2} D_{k} (Δ_{p} - δ_{p} / 3) . - - - - (8)

在上述方程式中，标号m＝1，2，…，n_w ^p，其中n_w ^p是在该套数据中有标号p＝1，2，…，N_meas的测量的“窗和”个数，其中N_meas是在该套数据中的测量次数。图7中的量N_m ^p和N_m+1 ^p分别为第p次测量的第m个窗口的左、右端点(回次数)；ρ_m的定义遵从美国专利5,291,137号中引入的约定，即只是第一窗***有其左端点，而且由下列关系定义：

ρ_m＝1-δ_m，1 (9)

其中δ_m，l是公知的克罗内克(Kfonecker)δ函数。所以ρ₁＝0，且当m不等于1时，ρ_m＝1。在式8中，灵敏度函数F_m ^p(T_2，l)由下式定义：

F_{m}^{p} (T_{2, l}) = Σ_{j = N_{m}^{p} + ρ_{m}}^{N_{m + 1}^{p}} \exp (- \frac{t_{j}^{p}}{T_{2, l}}) . - - - (10)

其中t_j ^p是在该套数据中第p次测量中发生第j个回波的时刻。如美国专利5,291,137号中所示，对于不相关噪声，在第m个窗口上噪声之和的方差由该窗口中每次回波的噪声方差乘以该窗口中的回波次数给出。这由下列方程表示：

< {(J_{m}^{p})}^{2} > = {\hat{σ}}_{m, p}^{2} Ψ_{p}, - - - (11)

其中，

{\hat{σ}}_{m, p}^{2} = N_{m + 1}^{p} - N_{m}^{p} + δ_{m, 1}

是该套数据中第P次测量的第m个窗口中的回波个数。

在受到一个正性约束的情况下，通过对式8中的f_l，k使形如下式的代价(cost)函数(或其他目标函数)达到极小，能计算出扩散和弛豫时间矩阵：

F {f_{l, k}} = \underset{p}{Σ} \underset{m}{Σ} \frac{{({\tilde{I}}_{m}^{p} - I_{m}^{p})}^{2}}{{2 Ψ}_{p} {\hat{σ}}_{m, p}} α \underset{l}{Σ} \underset{k}{Σ} f_{l, k}^{2} . - - - (12)

针对扩散和弛豫时间分布中的振幅使式12极小化，提供了通过测得的“窗和”拟合于理论值的反演问题解。含有参数α的项称作“平方范数”调整项，加这一项的目的是为了从无限多个可能解中选出物理上合理的稳定解。参数α可以是被固定的，也可以从数据中计算出来。图12中所示形式的代价函数的极小化已在美国专利6,229,308 B1中详细描述，为了简便，在此不予重复。

画出由极小化式12得到的矩阵f_l，k，使得到如图7中所示扩散和弛豫时间的2-D分布。用于这一反演的该套数据是对于含有70％中等粘度原油和30％水的流体样本得到的一套PFG-CPMG数据，如图6中所示。图7中所示2-D分布函数图可用任何市场上可得到的软件来产生，如可从Mathwofks公司(Natick，MA)得到的Matlab^TM。如图7中所示，以本发明的方法计算出的2-D分布函数准确地预测了两个分量。中心在D＝2.5×10^-5cm²/s和T₂＝5×10³ms附近的峰值是水的，而中心在D＝1×10^-6cm²/s和T₂＝260ms附近的峰值是油的。

一旦计算出分布函数，则式1中的计算分布函数(f_l，k)可用于计算对该套数据中每次测量的理论预测回波振幅。然后，该套计算出的数据可与图6所示数据进行比较。理论回波振幅与测量值的任何偏差可用于计算拟合参数的“K平方”或优度，它对评价解的质量有用。本领域技术人员将会理解，上文呈现的分析过程不难扩展到3-D分布函数的计算。

一维弛豫时间和扩散系数分布

通过对其他变量积分，可由2-D或3-D分布计算出一维弛豫时间和扩散系数。例如，由下列积分可计算出弛豫时间的1-D分布函数：

f(T₂)＝∫f(T₂，D)dD. (13)

请注意，上述方程式使用了分布函数的透明符号，其中的自变量个数和类型用于指出分布的维数和类型。使用图4中2-D分布函数的离散形式，可由求和计算出离散弛豫时间分布函数，即

f (T_{2, l}) = Σ_{k = l}^{N} f_{l, k} . - - - (14)

类似地，通过对T₂求f(T₂，D)的积分，或对标号1求f_l，k之和，可得到一维扩散分布函数。图8中所示1-D扩散分布函数是由图7中所示2-D分布函数通过将f_l，k对标号1求和计算出来的。这等效于将2-D图“投影”到扩散轴。图8中的峰值A和峰值B分别显示图7中的油峰值和水峰值的扩散系数的1-D分布函数。

上文的描述说明了本发明的方法如何用于反演一套“扩散编码”后的数据。这一反演涉及一个前向模型，它产生一个分布函数将流体的扩散系数与流体的NMR性质(例如弛豫时间)关联起来。于是可从分布函数中提取出该流体的单个性质。例如，图8显示由这一途径导出的各流体组分的扩散系数。如以下各节所示，分布函数及所导出的流体性质(扩散系数和弛豫时间)在地层流体特征描述方面能找到许多应用。

储集层流体性质与饱和

在具有实际意义的许多场合，储集层流体中不同组分的扩散系数是各不相同的。一般地说，气分子有最大的扩散系数，接下来是水，然后是油。与中等粘度的油(粘度大于例如5cp而小于30cp)相比，水分子的扩散大约要快10倍。这能在图7中所示含有水和中等粘度油的流体样本的图中看出。在图7中，能在扩散系数域和弛豫时间域很好地区分油和水的信号。如果NMR测量是对岩石中流体进行的，则T₂分离会有不同。这是因为来自岩石的表面弛豫会缩短水的T₂弛豫时间，导致水和油的T₂分布的可能重叠。在图7中，油和水二者的存在可以清楚地辨别出来，因为该流体样本不是在岩石中。图7中的水平线标识水的扩散系数，在本例中它是约2.5×10^-5cm²/s，斜线指出原油的弛豫时间和扩散系数之间的关系，如由美国专利6,229,308 B1号中公开的组分粘度模型(CVM)所预测的那样。CVM根据下列方程关联流体组分的扩散系数和驰豫时间：

D_o，k＝λ·T_2o，kf(GOR). (15)

其中f(GOR)是气/油的已知函数。对于死油(不含气的油)，f(GOR)等于1，而对于含气石油，f(GOR)大于1。对于图7中的死油，使用λ值5.1×10^-6cm²/s²构成该斜线。在D-T₂图中，对大多数死原油，其油信号的振幅将沿着或接近于这一参考线。对于含气石油，信号振幅将向图中的西北部分(左上方)移动。在这两种情况中，在D-T₂log-log图中确定原油峰值***的直线的斜率应接近于1(例如，见图7中的斜线)。

计算流体体积的方法1

f(D，T₂)对D和T₂的二重积分或f_l，k对两个标号l和k的二重求和等于来自测量体积中全部流体的总信号振幅或总原始流体体积(V_T)。原始的(即未进行含氢指数效应校正的)流体体积能进行含氢指数校正，如下文讨论的那样。在类似于图7中所示的水和油的信号被很好分离的情况中，计算原始油体积(V₀)和水体积(V_W)是简单明了的。如上文所指出的那样，图8中所示1-D扩散分布(f(D_K))是从扩散和弛豫时间分布函数的2-D图计算出的：

f (D_{k}) = Σ_{l = 1}^{N} f_{l, k} . - - - (16)

因为在图7和图8中油和水被清楚地分离，通过对图8中垂直线右侧的那些D_K值求和f(D_K)，便能计算出水的原始体积(V_W)。然后，能从下式计算出原始的油体积(V₀)：

V₀＝V_T-V_W， (17)

或者等效地通过对图8中垂直线左侧的那些扩散系数求所示1-D扩散分布函数之和。在经过含氢指数校正后，能从这些原始体积计算出水饱和(S_W)，如式20中所示。当把这一技术应用于图8中的1-D扩散分布时，便得出水饱和为33.2％，略大于实际饱和值30％。

通过对流体原始体积进行含氢指数效应校正，可计算出流体饱和，有效含氢指数(HI_eff)可定义为：

\frac{V_{T}}{{HI}_{eff}} &equiv; \frac{V_{w}}{{HI}_{w}} + \frac{V_{o}}{{HI}_{o}} . - - - (18)

HI_W和HI₀分别为水和油的含氢指数。如果从电阻率或其他测量知道水的盐度，则可由经验校正计算出水的含氢指数(HI_W)。重新安排式18，利用原始流体体积和水、油的含氢指数，能由下式表示有效含氢指数：

{HI}_{eff} = \frac{V_{T} {\cdot HI}_{w} \cdot {HI}_{o}}{V_{w} {\cdot HI}_{o} + V_{o} \cdot {HI}_{w}} . - - - (19)

根据定义，水饱和(S_W)是含氢指数校正后的水体积与校正后的总体积之比，即

S_{w} = \frac{V_{w} \cdot {HI}_{eff}}{V_{T} \cdot {HI}_{w}} &equiv; \frac{V_{w} \cdot {HI}_{o}}{V_{w} \cdot {HI}_{o} + V_{o} \cdot {HI}_{w}} . - - - (20)

所以，如果油和水的含氢指数已知，或能由其他测量估计出来，则能由从扩散和弛豫时间分布计算出的原始体积计算出水饱和。水饱和提供吸入流体取样工具中的样水的“水浸(water out)”。油饱和简单地由下式给出：

S_{o} = 1 - S_{w} &equiv; \frac{V_{o} {\cdot HI}_{w}}{V_{w} \cdot {HI}_{o} + V_{o} \cdot {HI}_{w}} . - - - (21)

计算流体体积的方法2

上文讨论的从扩散和弛豫时间分布图计算原始流体体积的方法要求流体组分的峰值是分离的。在低粘度油和水的情况中，油和水的扩散和弛豫时间分布能彼此重叠。在这种情况下，不可能画出如图8中所示的垂直线。在这类情况下，可以使用一种基于模型的途径。式15将原油的扩散系数分布与其他弛豫时间分布关联起来。考虑扩散和弛豫时间振幅的离散数据集f_l，k。有N个扩散系数分布，其对数均值表示为D_LM(1)，即每个弛豫时间T_2，l有一个D_LM(1)。扩散系数分布中的振幅对应于扩散系数的不同值，是f_l，k矩阵中的行。对于一个含有水和油的样本，D_LM(1)能由下式关联于具有弛豫时间T_2，l的水的部分(S_W(1))：

D_{LM} (l) = D_{w}^{S_{w} (l)} \cdot D_{o, l}^{1 - S_{w} (l)} . - - - (22)

如下文所示，D_LM(1)能由振幅f_l，k计算出来，水的扩散系数能由样本的温度测量值确定，而油的扩散系数能用式15确定。为计算D_LM(1)，首先计算量，

m (l)

= Σ_{k = 1}^{N} {\overset{&OverBar;}{f}}_{l, k} \log_{e} (D_{k}), - - - (23)

是方便的，其中D_K是式4中的扩散系数，在对数标度上等间隔分布，

例如：对于K＝1，2，…，N，有

D_{k} = D_{\min} \cdot {(\frac{D_{\max}}{D_{\min}})}^{\frac{k - 1}{N - 1}} - - - (24)

其中D_min和D_max指定计算f_l，k时使用的扩散系数值的极小限和极大限，而且，

{\overset{&OverBar;}{f}}_{l, k} = \frac{f_{l, k}}{Σ_{k = 1}^{N} f_{l, k}} &equiv; \frac{f_{l, k}}{f (T_{2, l})} . - - - (25)

对于具有弛豫时间T_2，l的水的部分并使用式15求解式22，可以发现，

S_{w} (l) = \frac{\log D_{LM} (l) - \log [λ \cdot T_{2, l} \cdot f (GOR)]}{\log D_{H 2 O} - \log [λ \cdot T_{2, l} \cdot f (GOR)]} . - - - (26)

由T_2，l的全部值得到的水的总(原始)体积由下列和给出：

V_{w} = Σ_{l = 1}^{N} S_{w} (l) \cdot f (T_{2, l}) &equiv; Σ_{l = 1}^{N} f_{w} (T_{2, l}), - - - (27)

而油的总体积是：

V_{o} = Σ_{l = 1}^{N} (1 - S_{w} (l)) \cdot f (T_{2, l}) &equiv; Σ_{l = 1}^{N} f_{o} (T_{2, l}) . - - - (28)

在上述各式中的f(T_2，l)是从2-D分布函数(如图7中所示)计算出的(对于油和水二者的)1-D分布函数。请注意，函数f_w(T_2，l)和f₀(T_2，l)分别是水和油的1-DT₂分布函数。使用式20，可由式27-28中的原始体积计算出总的水饱和(S_W)。式26中的部分水饱和有时会是负值或大于1。这能由扩散和弛豫时间分布中的噪声或误差造成。在应用上述方法时，负的部分值被设为零，而大于1.0的值被设为1.0。式22-28被用于使用图7中的2-D分布计算总的水饱和。计算出的水饱和是25.3％，这与模拟中使用的真值30％相比合理地好。

计算流体体积的方法3

用于计算流体体积的式22-28代表由Freedman研发的并在美国专利6,229,308 B1(’308专利)中公开的NMR流体特征描述方法的近似和简化的实现。这一专利公开了用于NMR测井工具的基于扩散的流体分类(typing)方法，其中的NMR测井工具测量井孔周围岩层中的流体。’308专利的方法使用测井工具的静态梯度测量中获取的成套扩散编码的数据。如下文中所示，Freedman方法能应用于使用成套脉冲场梯度数据确定抽入流体取样模块中的含气(live)储集层流体的性质。

考虑一个储集层流体样本，它已被抽入一个流体取样工具的流线，或被转移到一个特殊的样本室，在那里当流动被停止时(即对静态流体)能进行脉冲场梯度测量或其他NMR测量。这些样本可能包含油(0)、水(W)和/或气(g)。用于对这样的样本进行PFG-CPMG测量所得到的横向磁化强度的一个多流体前向模型是：

M (t) = f_{w} \cdot \exp (- \frac{t}{T_{2, w}}) \cdot (1 - \exp (- \frac{W}{T_{1, w}})) \cdot \exp (- {(γ \cdot g \cdot δ)}^{2} \cdot D_{w} (T) \cdot (Δ - δ / 3))

+ &Integral; f_{o} (T_{2}) \cdot \exp (- \frac{t}{T_{2}}) \cdot (1 - \exp (- \frac{W}{ξ_{0} \cdot T_{2}})) \cdot \exp (- {(γ \cdot g \cdot δ)}^{2} \cdot (λ \cdot T_{2} \cdot f (GOR)) \cdot (Δ - δ / 3)) d T_{2}

+ f_{g} \cdot \exp (- \frac{t}{T_{2, g}}) \cdot (1 - \exp (- \frac{W}{T_{1, g}})) \cdot \exp (- {(γ \cdot g \cdot δ)}^{2} \cdot D_{g} (P, T) \cdot (Δ - δ / 3)) .

(29)

应该理解，与式29类似的方程式能应用于成套SEPFG-CPMG数据。式29中的第一项是来自流体样本中的水的对横向磁化强度测量值的贡献。水信号的振幅是f_w，请注意，来自整体水信号的横向磁化的强度自旋-自旋衰减是以弛豫时间T_2，W衰减的单指数。这与多孔岩石中测量的水的自旋-自旋衰减有很大不同，对于多孔岩石的情况，表面弛豫产生弛豫时间的分布。类似地，整体水的纵向弛豫时间是以弛豫时间T_1，W衰减的单指数。再有，请注意，对于整体水，T_2，W＝T_1，W。然而，对于多孔岩石中的水，该式不成立。水的扩散系数D_W(T)是样本温度(T)的已知函数，温度(T)可由温度传感器测量。

式29中的第二项是流体中的油对横向磁化强度测量值的贡献。原油有自旋-自旋弛豫时间的一个分布，所以，油的贡献涉及在油弛豫时间分布f_o(T₂)上的积分。对于原油，在极化函数中的参数ξ₀是比值T₁/T₂。比值T₁/T₂能显著地不同于1，而且通常发现随着测量频率和油粘度的增大而增大。美国专利6,229,308 B1号中的液体特征描述方法被用于解释原油中扩散系数的分布，即用式15代替式29的第二项中的D₀(T)。如果在以油基泥浆钻出的井中进行流体取样，测油项可描述天然原油和油基泥浆滤液的混合物，这取决于样本污染程度。

式29中的最后一项是流体样本中的气对横向磁化强度测量值的贡献。对于包含含气石油的储集层，在取样过程中的流体压强通常在泡点之上，因此单相(油)被泵入取样工具。然而，有油相和气相二者都存在于样本中的情况。气信号的振幅是fg。气信号以单一自旋-自旋弛豫时间T_2，g(P，T)衰减，T_2，g(P，T)可为测量得到的或计算出的温度和压强的函数。类似地，气以单一的纵向弛豫时间T_1，g(P，T)≈T_2，g(P，T)松弛，并有单一的扩散系数D_g(P，T)，它可为测量得到的或计算出的温度和压强的函数。

使用类似于反演式1和式3中不依赖模型的横向磁化强度时所用的成套数据，能反演式29中的依赖模型的横向磁化强度。由式29中前向模型的反演所确定的模型参数是水和气的振幅f_w和f_g，油的T₁/T₂比值ξ₀以及原油的自旋一自旋弛豫时间的分布f_o(T₂)。然后这些振幅可用于计算气、水和油的流体体积和饱和。反演所需模型参数是T_2，W、D_W(T)、λ、GOR以及T₂。GOR以外，如果由取样工具中的传感器测量出样本的温度和压强，则能由经验关系估计这些参数(Kleinberg和Vinegar，1996，“储集层流体的NMR性质”，The Log Analyst(测井记录分析者杂志)，vol.37，no.6，p.20-32；Freedman等，2001，“储集层岩石中流体特征描述的新NMR方法：实验验证和模拟结果”，SPE杂志，vol.6，no.4，p.452-464)。GOR能从其他流体取样工具测量得到，例如从流体的近红外吸收谱得到，流体的近红外吸收谱能用适当的工具测得，如Schlmberger Tochnology公司出售的流体光分析器(见颁发给Mullins等的6,350,986 B1号美国专利)。

这些参数中有一些参数的准确值能通过一套NMR测量确定，例如通过对横向磁化强度的不依赖于模型的方程式(即式1-3)进行反演以计算2-D或3-D扩散和弛豫时间分布函数，如上文描述的那样。不依赖于模型的分布函数的与图7相似的图包含来自全部存在的流体的信号。例如，图7中的样本包含油和水。从图中清楚可见，在

T_{2, w} &cong; 5 s,

D_{w} &cong; 2.5 \times 10^{- 5} {cm}^{2} / s

处的峰值可归因于水，而从读分布函数或其图形能确定

λ &cong; 5.1 \times 10^{- 6} {cm}^{2} / s^{2} .

所以，通过首先确定不依赖于模型的扩散和弛豫时间分布函数以提供对式29的更准确的输入参数，能用式29确定更准确的流体体积和饱和。再有，因为不依赖于模型的分布函数可用于识别存在的流体，所以人们能确定式29中的哪些项必须被包括以及哪些项(如果有的话)能被抛掉。

能使用上文描述的“窗处理”方法或使用本领域已知的适用方法进行式29的反演，以使一套脉冲场梯度测量值拟合于式29。这类方法包括例如最小二乘法、最大熵法或其他最小误差方法。在反演之后，不难确定流体体积和饱和。例如，流体饱和可根据下式确定：

S_{w} = \frac{f_{w}}{f_{w} + \frac{{HI}_{w} \cdot f_{g}}{{HI}_{g}} + \frac{{HI}_{w} \cdot Σ_{l = 1}^{N} f_{o} (T_{2, l})}{{HI}_{o}}}, - - - (30)

及

S_{g} = \frac{f_{g}}{f_{g} + \frac{{HI}_{g} \cdot f_{w}}{H I_{w}} + \frac{{HI}_{g} \cdot Σ_{l = 1}^{N} f_{o} (T_{2, l})}{{HI}_{o}}},

S₀＝1-S_w-S_g.(31)

粘度、GOR、油组成及地层温度的计算

在前面各节中，描述了由脉冲场梯度测量计算流体饱和和体积的三种方法及确定油的T₁/T₂比值的一种方法。还能由这些测量计算油粘度、GOR、油组成以及地层温度。下面各节描述计算这些参数的方法示例。

粘度

可由关联粘度与弛豫时间的任何已知关系计算油的粘度。例如，利用Freedman等，2001，“储集层岩石中流体特征描述的新NMR方法：实验验证和模拟结果”(SPE杂志，vol.6，no.4，p.452-464)中公开的经验性确定的关系，1-D弛豫时间分布的对数均值T_2，LM可与油粘度(η₀)及GOR关联：

η_{o} = \frac{a \cdot T}{T_{2, LM} \cdot f (GOR)}, - - - (32)

其中T是以度为单位的开氏温度，f(GOR)≥1是经验确定的函数(Lo等，“甲烷/碳氢化合物混合物的混合规律及NMR弛豫时间与粘度、扩散性以及气/油比的相关性”，SPE杂志，vol.7，no.1，p.24-34，2002年3月)，以及参数

a &cong; 0.004 - 0.009 s . cp . k^{- 1},

取决于不同的油(Freedman Heaton，“使用核磁共振测井进行流体特征描述，Petrophysics，vol.45，no.3，p.241-251，2004”)。这一变化表明粘度估计只能在大约两倍因子范围内进行。在式32中，粘度以厘泊(cp)为单位，而对数均值弛豫时间以秒为单位。

除式32外，其他关联T_1，LM与粘度的函数也能用于计算粘度。例如，1-D扩散分布的对数均值D_LM也能用于计算油的粘度，例如

η_{o} = \frac{b \cdot T}{D_{LM}} . - - - (33)

式33中的参数b＝5.05×10^-8cm²·cp·K^-1是对许多种原油有效的经验确定的常数。应该理解，式32和33是基于使用低频场NMR(例如从1到4MHz的质子Larmor频率)确定的相关关系，对于在较高频率进行的测量，这些方程式中的参数(例如a和b)可能需要改变。

气/油比

在对扩散和弛豫时间二者计算出1-D分布之后，由下式可估计出函数f(GOR)(因此也可估计出GOR)：

f (GOR) = \frac{D_{LM}}{T_{2, LM} \cdot λ}, - - - (34)

其中λ值或可由2-D扩散和弛豫时间分布确定，或者使用一个标称值λ≈5.1×10^-6cm²/s²，已发现它对多种油有效。

油的组成

由Heaton等提交并转让给本发明受让人的美国专利申请出版物2003/0128032 A1号公开了如何由测量得到的弛豫时间和扩散分布函数计算原油的分子组成。这一申请在这里被全文纳入作为参考。

地层温度

由式32-33计算粘度需要流体样本的温度。如果从地层抽取的流体样本包含水、则由类似于图7所示的2-D分布函数确定依赖于温度的水的扩散系数(D_W(T))。因为D_W(T)是水温度的单调增函数(见例如Kleinberg和Vinegar，“储集层流体的NMR性质”，The Log Analyst，p.25，1996 11-12月)，所以能由测量水的扩散系数确定样本的水温(T)，因为水与流体样本中的任何油或气处于热平衡状态，所以水温也是整个流体样本的温度。水温可用作地层温度的低限，因为在流体样本从地层中抽取出来之后可能已发生了流体样本的一定冷却。

在空间变化梯度情况下对扩散和弛豫时间的计算

在上文的分析中，假定在样板体积上的脉冲场梯度g是常数。实际上，这一条件实现起来可能并不简单，可能存在由函数F(g)描述的梯度分布。在这种情况下，横向磁化强度的方程式(例如见式1-4)可修改成包括梯度分布的积分。例如，式3可重写为：

M(g，t)＝∫∫f(D，T₂)·exp(-t/T₂)·exp(-(γ·g·δ)²D·(Δ-δ/3))dDdT₂， (35)

其中以显示式显示出磁化强度对梯度g的依赖关系。然后，如果存在梯度分布，则式3可由下式代替：

M (t) = &Integral; F (g) \cdot M (g, t) dg &cong; \underset{i}{Σ} F_{i} M (g_{i}, t), - - - (36)

其中的积分已由分布的离散和代替。可如上文中对常数梯度的情况所讨论的那样进行对式36的反演。

本发明的优点可包括下述中的一个或多个。在没有明显静态梯度的情况下使用脉冲场梯度对扩散信息编码能提供许多优点，从而优于使用NMR磁体的静态磁场中梯度的现有技术测井方法(例如见“实验性脉冲NMR-一种螺母和螺栓的解决途径”，Fukushima和Roeder，Perseus Pressing，Boulder，CO.，1986)。使用脉冲场梯度方法的优点之一是在回波获取期间梯度被取消。这造成比静态场梯度更宽和更易于检测的回波，而静态场梯度趋于产生较窄的回波。再有，当有RF脉冲用于转动磁化强度期间存在静态梯度时，只有在厚度在B₁/G量级的外壳内的自旋处于谐振状态，其中B₁是RF场的振幅，G是静态场梯度的振幅。在低RF功率(例如小B₁振幅)或对于高静态梯度的情况，外壳厚度以及由此造成的样本谐振体积能比希望的小。与此相比，利用脉冲场梯度方法，整个样本体积能被谐振，造成更好的信噪比。再有，梯度脉冲能用于对扩散信息编码，然后去掉，从而能在不存在磁场梯度的情况下获取T₂弛豫时间数据。这样做的好处是能更准确地测量具有长T₂值的流体，因为没有由于磁场梯度中的分子扩散所造成的信号振幅损失。

尽管已经使用有限的实施例演示了本发明，本领域技术人员在受益于本说明之后将会理解，其他方法能设计出来而不脱离这里公开的发明的范围。因此，本发明的范围只应由所附权利要求来限定。

Claims

1.一种确定地层流体性质的方法，包含：使用一个脉冲序列获取流体样本的一套核磁共振(NMR)测量，该脉冲序列包括用于对扩散信息编码的脉冲场梯度脉冲，其中该套测量中的每个NMR测量的获取方式是采用脉冲场梯度脉冲中参数的不同值，所述不同值产生不同的扩散效应；以及由这些NMR测量确定地层流体性质，其特征在于：

获取该套NMR测量是在井孔中的地层流体取样工具中进行的，以及

由NMR测量确定地层流体性质包括对这套NMR测量进行反演以产生一个分布函数，该分布函数将流体样本的扩散性质与流体样本的NMR性质关联起来，以及由该分布函数确定地层流体的性质。

2.根据权利要求1的方法，其特征在于对该套测量中的每次测量，跟随在脉冲场梯度脉冲后的自旋回波被180度脉冲重复地重新聚焦，所述180度脉冲产生一串自旋回波信号以提供关于流体样本自旋-自旋弛豫时间的信息。

3.根据权利要求1的方法，其特征在于每次NMR测量是以不同的等待时间获取的，以提供关于流体样本纵向弛豫时间的信息。

4.根据权利要求1的方法，其特征在于该脉冲场梯度脉冲包含一个受激回波脉冲场梯度脉冲序列。

5.根据权利要求1的方法，其特征在于脉冲场梯度脉冲中的参数是从梯度强度(g)、脉冲场梯度脉冲持续时间(δ)及梯度脉冲之间的延迟时间(Δ)中选出的。

6.根据权利要求1的方法，其特征在于测量数据的获取是在存在一个基本均匀的静态磁场的情况下进行的。

7.根据权利要求1的方法，其特征在于反演使用一个将磁化强度弛豫时间与流体样本的扩散关联起来的模型。

8.根据权利要求1的方法，其特征在于该分布函数是一个二维分布函数或三维分布函数。

9.根据权利要求1的方法，其特征在于该NMR性质是自旋-自旋弛豫时间。

10.根据权利要求1的方法，其特征在于该地层流体性质是从扩散系数、粘度、气-油比、油分子组成、水饱和以及油饱和中选出的。

11.一种用于井下工具的NMR传感器(20)，包含：永久磁体(21)，能产生穿过样本室(22)的基本均匀磁场；以及围绕样本室(22)的射频天线(23)，其中的射频天线(23)被配置成产生振荡磁场，该振荡磁场的磁矩基本上正交于由永久磁体(21)产生的基本均匀磁场的方向，其特征在于：

该NMR传感器(20)进一步包括与控制单元(27)连接的至少一个线圈(25)，其中这至少一个线圈(25)和控制单元(27)被配置成以一种受控方式产生穿过样本室(22)的脉冲磁场梯度，使得脉冲磁场梯度有选定的强度和预先确定的持续时间。

12.根据权利要求11的NMR传感器，其特征在于该NMR传感器(20)进一步包括外壳(24)以保护永久磁体(21)、射频天线(23)、样本室(22)、至少一个线圈(25)以及控制单元(27)。

13.根据权利要求12的NMR传感器，其特征在于外壳(24)是由高导磁率材料制成。

14.根据权利要求11-13的NMR传感器，其特征在于该NMR传感器是井下工具的一部分。

15.根据权利要求14的NMR传感器，其特征在于该井下工具是一个地层流体取样工具(10)。