文摘

砂岩微观结构和渗透性的重要参数定量评价地下水/石油/天然气资源和预测水/油/气的流速。在这项研究中,我们应用七个低渗透性砂岩样品来自华北研究微观结构和渗透率基于数字化的核心技术。收集的岩石图像x射线microcomputed断层扫描(μCT),然后软件(Avizo)应用于分析微观结构和计算参数,如孔隙度、连通孔隙度、平均当量直径、弯曲度和形状系数。通过引入形状因子进入Kozeny-Carman方程,我们修改了Kozeny-Carman方程发现,修改后的方程是一个函数的孔隙度、颗粒直径、弯曲度和颗粒形状系数。

1。介绍

低渗透性储层的特点,被广泛用于提高低渗透性油田的注水效果或利用石油和天然气资源。低渗透的研究是研究储层特征的关键。合理的表征和定量分析岩石内部复杂的孔隙结构是解决许多地下储层特征的基础(1]。数字核心的微观结构研究主要是基于3 d数字的研究核心。Knackstedt et al。2]有限尺寸效应控制,判断错误,获得高精度的结果和统计波动通过X-micron CT扫描仪;田和汉3)使用x射线CT检查混凝土内部损伤的演化。王等人。4)联合CT和孔隙网络模型来分析粒度的影响在hydrate-containing多孔介质的渗透率。王等人。5)利用分形理论和x射线CT成像技术进行煤孔隙结构的三维建模和分析。曹et al。6)用计算机断层扫描数据分析致密砂岩的毛细管压力基于数字岩石模型。秦et al。7)利用分形和多重分形方法,如盒子尺寸和矩法用x - ct检测成像技术结合来分析火山囊泡的结构。杨et al。8)使用x射线断层扫描来确定残余油的分布与不同的渗透率砂岩。

渗透率是关键多孔介质的微观结构与宏观物理性质之间的关系(9),它不仅是影响孔隙空间的几何形状也由拓扑结构(10]。多孔介质的孔隙连通性是一个重要因素影响致密砂岩的流动特性(11]。曲折的孔隙结构对宏观传输特性具有重要的影响。中岛美嘉发现扩散率和渗透率下降随着弯曲度的增加(12]。孔隙大小和平均配位数也影响了整体渗透率、渗透率增加和孔隙大小分布宽度的增加(13,14]。Sueyoshi等人还发现,磁导率主要取决于孔隙度和孔隙大小流的路径(15]。

一直在尝试各种方法来计算渗透率;胡和生硬的用一种改进的最大球算法来研究整个网络孔隙结构和计算渗透率(16]。开发了一个支持向量回归(SVR)模型来评估砂岩储层的孔隙度和渗透率低冯et al。17]。魏et al。18)利用多孔介质的有关参数算出KC Kozeny-Carman方程的常数,从而导致渗透率的进一步研究和分析。Kozeny-Carman (KC)方程表达了多孔介质的渗透率和孔隙度的关系(微孔结构19- - - - - -21]: 在哪里k是渗透率; 孔隙度;d平均粒子半径; 是曲折;和c是经验常数。

然而,传统的Kozeny-Carman方程是一个经验公式。异构系统,计算渗透率大,比实际的[10倍甚至更多22]。提出了很多的修正方程。佩普et al。23沙和砾石)提出一个方程: 在哪里r粒子半径和吗 的分形维数是媒介。

Civan [24提出一个方程一般多孔介质:

哥(25提出了一个表达式适用于多孔岩石:

基于分形理论,于26)通过弯曲的毛细管模型派生的渗透率表达式。 在哪里 分形维数是迂回曲折, 特征长度, 是最大孔隙直径。

徐和Yu (27)还建立了一个修改c方程基于分形理论:

其中, 如下:

Karacan [28)利用分形方法计算采矿的孔隙度和渗透率,和渗透率表达式如下: 在哪里 总面积; 的最大孔隙直径; 的最小直径是孔隙;和Dp孔隙的分形维数。

夏et al。29日)使用十二三维数字岩心砂岩储层岩石评价渗透率的分形维数,缺顶,succolarity。渗透率是改写如下: 在哪里苏succolarity,指示的能力流体在多孔介质。

沈et al。30.)提出了等效Kozeny-Carman方程建立渗透率预测模型:

的公式,N= 2.44,单位k单位都是一样的吗d2.44,也就是说,米2.44。这是不同的单位KC方程。

总之,数字岩石核心(x射线(CT)扫描)被用来获取岩石核心的结构,和一些渗透率预测模型。研究主要是在高渗透性,和一些低渗透性预测模型已经建立。渗透率低渗透性模型通常包含经验常数或修改单位。

本文用x射线CT扫描技术和Avizo软件研究和计算低渗透性砂岩的孔隙和颗粒结构参数。最后,孔隙和颗粒结构参数被用来预测渗透率。此外,介绍了形状因子修改KC方程。

2。通过实验获得的孔隙度和渗透率

在这工作,7自然砂岩样品430米- 735米深处的中国北方的海平面以下。这些7天然砂岩样品被缩写为GQ1 GQ2, GQ3, LA1,水,TL1, TL2。样品GQ1、GQ2 GQ3来自Gequan我,样品LA1陆,水来自我安,和TL1 TL2来自屯兰煤矿都。渗透率和孔隙度进行了测试使用核心公司的高收入和低渗透性计CAT112和一个从美国Coretest公司Phi220氦孔隙度计;实验结果如表所示1。

表1
孔隙度和渗透率的实验结果。

基于实测数据,砂岩孔隙度和渗透率的地图数据所示1和2。


图1
砂岩样品孔隙度分布。

图2
砂岩样品渗透率分布。

从图可以看出1砂岩的孔隙度在我Gequan很高,而陆国安样品的孔隙度相对较低。屯兰煤矿都的孔隙度最高(TL1)是5.66%,孔隙度最低的路安我(LA1)为0.38%。

图2显示了实验渗透性,渗透率的屯兰煤矿都(TL2)是最高的。比较数据1和2,它可以发现高孔隙度不会导致高渗透率;例如,GQ1样品的孔隙度,GQ2, GQ3, TL1是高于其他三个样本(LA1、水和TL2);然而,GQ1的渗透率值样本,GQ2, GQ3, TL1, LA1,和水为相对较近,屯兰煤矿都的孔隙度(TL2)是1.14%,但渗透率是0.0870医学博士;这是高于其他样本。

3所示。x射线ct机的实验和计算

3.1。孔隙和颗粒直径

本文使用桌面测微CT扫描仪(nanovoxel - 3000)测量的样品约1厘米。作为一个例子,图3显示了这个示例GQ1重建三个方向的图像。

(一)
(一)
(b)
(b)
(c)
(c)
图3
GQ1重建三个方向的图像。(一)X设在方向。(b)Y设在方向。(c)Z设在方向。

Avizo软件被用来分析重建3 d数字核心。为了更好地调整阈值,以便连接孔隙度接近实测孔隙度、3 d数字的核心 被选为目标研究区域比转速,和体元边界长度是18.05μm。此外, 也是研究地区数据吗4- - - - - -6。


图4
三维孔隙提取工艺。
(一)
(一)
(b)
(b)
图5
总孔的角度研究区域。(一)总毛孔的角度看1。总孔的角度看2 (b)。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
(h)
(h)
图6
总孔隙的孔径分布图表。(一)总毛孔除以当量直径。(b) 0-40μ米孔径。40 - 80 (c)μ米孔径。(d) 80 - 120μ米孔径。120 - 160 (e)μ米孔径。(f) 160 - 200μ米孔径。200 - 400 (g)μ米孔径。(h)孔径大于400μm。

进行中值滤波和交互式阈值分割得到的三维孔隙结构的核心。图4展示了三维孔隙提取工艺。

毛孔的岩石样本分为连接孔和孤立的毛孔,即。、总孔隙=连接孔+孤立的毛孔,如图5,绿色部分是孤立的毛孔,紫色部分孔相连。GQ1总孔隙度是7.85%,孤立孔隙度3.34%,连接孔隙度为4.51%。可以看出,连接孔的实验测量数据的大小。所有岩石样品的孔隙度分布如下(见表2)。

表2
孔隙类型和孔隙度。

了解不同孔隙大小、孔隙的分布总根据孔隙大小通过毛孔筛选Avizo孔隙分割模块,和样品的孔隙大小(如图6)。总体孔隙大小分布如图7。


图7
毛孔的大小分配图。

图7表明,40 - 80μ米直径孔的孔径分布最广泛的约40%。大孔隙的比例相对较小,毛孔比400年大μ主要是连接孔。这主要是由于多个孔的紧密联系,导致整个阈值分割。最后,我们获得了样品GQ1平均孔隙直径为68μm。

去除毛孔后获得的粒子是示例(见图8)。通过对直径的分析,我们可以看到粒子直径0-25μ占了最大的比例。最后分析表明,样本的平均粒径GQ1是35μm。孔隙和颗粒直径分布的岩石样本如下(见表3)。

(一)
(一)
(b)
(b)
(c)
(c)
图8
粒子在该研究领域。(一)粒子的角度1。2 (b)粒子的视角。(c)直径的粒子。
表3
孔隙和颗粒的直径。
3.2。形状因子分析的岩石样本

在现实中,并不是所有的毛孔/毛细血管球和粒子的形状会影响渗透率(31日,32]。Nemec Levec研究形状因子trilobe和quadralobe粒子和对渗透率的影响(33]。Safari等人开发了一个porosity-permeability关系椭球颗粒(34]。

我们使用标签Avizo软件分析模块(见图9)来分析孔隙的形状系数。形状系数的计算是基于理想的球体模型。计算公式是 在哪里年代形状因子,一个是该地区,V孔隙的体积。


图9
形状因子模块。

由于存在部分细长孔,孔隙的表面积变大,导致形状系数大于1。根据形状系数的分界点,孔的形状系数划分;GQ1的形象作为一个示例如图10。孔隙和颗粒的形状因子的平均样本GQ1是2.03和1.24,分别。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
图10
GQ1孔隙形状系数的分布。(一)0 - 0.5形状系数部分。(b) 0.5 - 1形状系数部分。(c) 1 - 1.5形状系数部分。(d) 1.5 - 2形状系数部分。(e) 2 - 2.5形状系数部分。(f)段形状系数大于2.5。

图11显示了统计GQ1孔隙和颗粒的形状因子的分布在每一个部分。

(一)
(一)
(b)
(b)
图11
统计GQ1的孔隙和颗粒形状的因素。(一)形状系数的毛孔。(b)的粒子形状系数。

表4显示了孔隙的平均形状系数分布和岩石样本粒子。

表4
孔的形状系数和粒子。
3.3。曲折岩石样品的分析

球棍模型可以直观地显示之间的连接孔。GQ1的球棍模型如图成立12。

(一)
(一)
(b)
(b)
图12
GQ1的球棍模型。(一)视角的球棍模型。(b)视角的两个球棍模型。

球棍模型显示内部连接孔之间的连接在岩石样本。出于这个原因,可以分析弯曲度的球棍模型。弯曲度=路径长度/两点之间直线距离。

所有样品的孔隙的弯曲度可以如下(见表所示5)。

表5
毛孔的曲折。

4所示。渗透率预测模型

4.1。Kozeny-Carman方程

Kozeny-Carman方程,首次提出的行动(19由运货马车的车夫[]和1927年修订后的20.,21),缩写为KC方程。它被广泛用于许多领域估计和预测水力传导率,如地下渗流、油气田开发、化工、生物化学和电化学。根据KC方程,渗透率k和孔隙度 的多孔介质可以表示为

在上面的公式中,c和年代是行动常数和固相的比表面积,分别。考虑到(曲折弯曲度的影响τ),KC方程可以进一步表示为(35,36]

Kaviany [36)认为,如果该值t大约是figueres,然后为球形粒子,c是2.5。虽然KC方程被广泛使用,人们已经注意到其局限性。的价值c在不同的场景中差异很大。因此,我们并不认为c当建立渗透率模型作为一个关键因素。

4.2。修改Kozeny-Carman (KC)方程

引入形状因子Kozeny-Carman方程,基于传统的KC渗透率预测模型,渗透率预测模型与形状因子作为影响因素建立了: 在哪里年代孔隙形状因子和吗n是常数。

在分析和讨论不同形状的核心因素,它可以发现形状系数的指数是±15.8。当指数GQ2形状系数为15.8的样本,GQ3,水和指数为样本GQ1−15.8, TL1, TL2, LA1,渗透率和实验计算渗透率的小错误。获得的渗透率预测模型如下:

使用公式(16),理论渗透率和相对误差计算n±15.8(如表所示6)。

表6
核心渗透率和相对误差。

样本中15.6%的渗透率计算错误,这些错误是可以接受的工程应用。表6显示形状因素对渗透率的影响;然而,由于只有7个样本,数据小。这个指数可能会有所不同从测试样品,所以指数的值的±15.8需要进一步调查。

5。结论

本文用x射线CT扫描技术和Avizo软件研究和计算低渗透性砂岩的孔隙和颗粒结构参数。最后,孔隙和颗粒结构参数被用来预测渗透率。此外,介绍了形状因子修改KC方程。

在这项研究中,陆七砂岩样品的收集,Gequan, Tunlan煤矿,中国。样品的孔隙和颗粒的几何参数进行了分析通过CT实验和Avizo软件。渗透率和孔隙度进行了测试使用核心公司的高收入和低渗透性计CAT112和一个从美国公司Coretest Phi220氦孔隙度计。三维数字岩心分析Avizo软件,建立了渗透率预测模型。从这些研究中,可以得出以下结论:(1)孔隙的微观结构和颗粒可以被使用在砂岩CT实验和岩石核心,和样品的结构可以有效地使用Avizo软件获得的。(2)通过实验,发现的孔隙度和渗透率之间的相关性程度不是很高,还有低孔隙度、高渗透率的情况下。(3)连接参数,如孔隙度、孔隙度、平均当量直径、弯曲度和形状系数可以计算Avizo软件提取的体积。(4)它可以得出的结论是,形状因素对渗透率的影响。通过引入形状因子进入Kozeny-Carman方程,我们修改了Kozeny-Carman方程。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

本文部分支持的国家重点实验室开放基金(PSLN1410)石油和天然气储层地质和开发(西南石油大学)和美国国家科学基金会支持的中国(51974126,51974126,51204069)和资金项目在中央高校基本科研业务费用(3142015092和3142015092)。