简介:为了评价生物扰动作用对沉积物中孔隙度和渗透率分布的影响,开展了遗迹化石(Skolithos,ThMassinoides,Planolites,Zoophycos和Phycosiphon)和遗迹相(Skolithosthos,Croziana和Zoophycos)的计算机模拟。为了测定潜穴之间的连通性,模型的体积有数字建模的遗迹化石随机占位。垂向和横向的相互连通概率与生物扰动作用的强度进行了对比。模拟结果表明,生物成因的流动网络是在很低的生物扰动强度下发育的,也就是介于10到27.5%-C间的生物扰动作用(BI-2)。但连通的有效性是由潜穴的结构控制的。就全部遗迹化石和遗迹相的模型而言,不管遗迹化石如何定向,在0到10%的生物扰动作用范围内都可以实现穿越沉积物体积的水平和垂直的连续连通性。在地下的水层和油气储层中,生物扰动作用的存在可以明显影响流体流动。特别对潜穴的渗透性要高于周围沉积物骨架的海相沉积岩而言,较高程度的三维连通性可以产生通过岩石的优先流体流动通道。识别这些流动通道有可能优化资源的开采,也可能有助于增加原先解释为非储层岩石所提供的储量估算。
简介:最近研究表明,毛管压力与Pickett图一体化为流动单元识别的有效方法,本次研究将此方法推广到天然裂缝储层,且只需基岩的Pickett图。它需要计算基岩的原始孔隙度和真电阻率。通过替换Pickett图上的孔喉半径、乏.管压力和自由水面以上高度,就能得出基岩的流动单元。并且能估计基岩是否具有生产价值。模式识别是此方法成功的关键,本文通过两个实例加以说明。当分割系数为常数时,用复合系统的总孔隙度和电阻率绘制Pickett图,此时,得不到对固定的含水饱和度值的常规直线,Pickett图为向下凹的曲线,如果意识不到这种影响,计算含水饱和度时会产生较大误差。
简介:低阻油气层与邻近水层相比,岩性和孔隙度测井特征相似,电阻率测井差异小,甚至基本一致,造成油气层和水层区分困难。随着勘探开发的不断深入,国内陆上和海域主要含油气盆地中均已发现低阻油气层,为勘探开发带来可观的储量产量和经济效益,因此迫切需要总结其成因及测井识别评价方法。地质成因包括岩性因素、储层因素、地层水矿化度、低幅度圈闭和油气性质等;工程成因包括钻井液侵入、测井仪器和钻井工艺等。双电阻率法、视地层水电阻率法、自然电位减小系数法和测井曲线特征集法等7种实用低阻油气层测井识别方法大大提高了测井解释准确度。开展以饱和度为核心的低阻油气层定量评价,建立W—S和三水饱和度模型。
简介:文中提出了一种方法,利用共生二氧化碳(CO_2)和甲烷中碳的同位素和组分质量平衡,识别由碳酸盐还原反应生成的生物甲烷的碳源。在沥青或石油的微生物甲烷生成反应中,甲烷的生成数量要多于CO_2,因此甲烷和CO_2的碳同位素组成相对较重,与热成因甲烷的碳同位素组成相似。而在以干酪根或现代有机物为碳源的微生物甲烷生成反应中,CO_2的生成数量要多于甲烷,因此,这类甲烷和CO_2的碳同位素组成较轻,这是浅层生物甲烷的典型特征。根据三篇文献记载的实例对这个概念作了定量分析和验证,以确定是否能够以足够高的准确度计算CO_2的相对生成量,进而预测页岩气藏和煤层气藏中甲烷的源碳类型和生成温度。安特里姆页岩气(密歇根州I)被证实主要源自现代储层温度或更低温度条件下页岩中的不成熟沥青。圣胡安盆地西部弗鲁特兰煤气主要源自现代储层温度条件下成熟度已进入油窗的煤中的沥青。而印第安纳州西南部出产的煤气主要源自现代储层温度或更高温度条件下未达到热成熟的干酪根。识别甲烷的碳源和生成温度,有助于圈出微生物甲烷的成藏有利区,而这类有利区的分布取决于生物气的生成能力。温度数据有助于确定生物甲烷现今是否仍在活跃生成抑或是早期生成的生物气的残留物。
简介:在为特定的油藏管理问题寻求最佳解决方法的过程中,正规的优化策略一般都要评价数百种乃至数千种方案。如果用地下的数值模拟模型来预测这些方案的效果,那么这一过程就会耗费大量时间。为了在某些优化技术[例如遗传算法(GA)或模拟退火(SA)]所主导的搜寻求解的过程中取代此类模拟模型,可以采用训练人工神经网络(ANN)的做法。可以从一个有代表性的模拟样本出发来训练神经网络,而这一样本则构成了解决许多不同管理问题所需的可反复使用的知识库。这些概念已被应用于BP公司彭帕那(Pompano)油田的一个注水项目。这里的管理问题是确定1—4口注水井的组合位置,它将使彭帕那油田今后七年的简单纯利获得最大化。利用石油行业的一个标准油藏模型,为取样于25个潜在注水井井位不同组合的550次模拟创建了一个知识库。首先要查询这个知识库,以回答三年和七年内使简单纯利最大化的最优方案问题。有关的答案表明,如能将仅依靠改变现有生产井的注水扩大为新钻三至四口注水井,就可能实现利润的可观增加,但资本费用也会增加。当这一知识库用作人工神经网络训练和测试的样本来源时,可以获得更好的答案。训练人工神经网络是为了预测最高注水量以及开始注水后三年和七年的油、气产量。人工神经网络对这些数量的快速估算可以用于纯利润计算中,而遗传算法又可以利用这一计算来评估不同注水井组合方案的效果。遗传算法的探索扩展了求解的空间,它含有的新方案在纯利润上超过了仅查询上述知识库所找到的最佳方案。为了评估预测误差对求解质量的影响,可以将人工神经网络预测油、气产量时所得出的最佳方案,与油藏模拟模型本身预测油、气产量时找到的最佳方案加以对比。虽然完成基于模拟模型的方案�