《基于储层分类的致密碎屑岩天然气井产能预测方法.pdf》由会员分享，可在线阅读，更多相关《基于储层分类的致密碎屑岩天然气井产能预测方法.pdf（8页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN103590827A43申请公布日20140219CN103590827A21申请号201310597627522申请日20131122E21B49/0020060171申请人中国石油化工集团公司地址100027北京市朝阳区朝阳门北大街22号申请人中石化西南石油工程有限公司72发明人张筠葛祥李阳兵侯克均74专利代理机构成都九鼎天元知识产权代理有限公司51214代理人邓瑞54发明名称基于储层分类的致密碎屑岩天然气井产能预测方法57摘要本发明公开了一种基于储层分类的致密碎屑岩天然气井产能预测方法，该方法包括根据测井资料获得储层有效厚度、薄互层有效厚度；根据自然伽马、三孔隙度曲线计。
2、算储层泥质含量；根据声波、中子、密度曲线计算储层孔隙度，并对储层进行分类；根据岩心分析孔渗和阿尔奇公式计算储层渗透率、含气饱和度；利用厚度加权进行储层分类计算，求和获得综合含气指标；根据储层沉积微相的差异，引入薄互层的概念，获得改进的综合含气指标；建立改进的综合含气指标与测试产能的关系，并以此为模型预测其它储层产能。本发明方法在保证简单易操作的基础上，具有较高的储层产能预测精度。51INTCL权利要求书1页说明书5页附图1页19中华人民共和国国家知识产权局12发明专利申请权利要求书1页说明书5页附图1页10申请公布号CN103590827ACN103590827A1/1页21一种基于储层分类的。
3、致密碎屑岩天然气井产能预测方法，其特征在于，该方法包括步骤1，根据测井资料获得储层有效厚度、薄互层有效厚度；步骤2，根据自然伽马、三孔隙度曲线计算储层泥质含量；步骤3，根据声波、中子、密度曲线计算储层孔隙度，并对储层进行分类；步骤4，根据岩心分析孔渗和阿尔奇公式计算储层渗透率、含气饱和度；步骤5，利用厚度加权进行储层分类计算，求和获得综合含气指标；步骤6，根据储层沉积微相的差异，引入薄互层的概念，获得改进的综合含气指标；步骤7，建立改进的综合含气指标与测试产能的关系，并以此为模型预测其它储层产能。2根据权利要求1所述的方法，其特征在于步骤3中根据储层的有效孔隙度将储层分为四类，类优质储层有效孔。
4、隙度POR15、类优良储层15有效孔隙度POR12、类中等储层12有效孔隙度POR10、类较差储层10有效孔隙度POR7。3根据权利要求2所述的方法，其特征在于步骤5中所述的综合含气指标Z采用如下公式计算得出其中I表示、类储层，HI表示某类储层的有效厚度，SGI表示储层的含气饱和度，VSH表示储层的泥质含量，PORI表示储层的有效渗透率，PERMI表示储层的有效渗透率，H表示有效储层总厚度，X表示相应参数的矫正因子。4根据权利要求3所述的方法，其特征在于步骤6中所述的改进的综合含气指标Z采用如下公式计算得出其中J表示储层包括的薄互层数，HJ表示薄互层砂岩中的单砂层厚度，H表示有效储层总厚度，Z。
5、表示综合含气指标，Y表示相应参数的矫正因子。权利要求书CN103590827A1/5页3基于储层分类的致密碎屑岩天然气井产能预测方法技术领域0001本发明属于石油地质勘探技术领域，特别是涉及一种致密碎屑岩天然气井产能的预测方法。背景技术0002天然气井的产能预测是一种对储层产油气能力进行综合性评价的技术，其对油气田的勘探与开发有着极其重要的意义，既是提高勘探开发效益的关键环节，又可为开发方案部署与规划提供重要的科学依据。0003目前产能预测的方法主要有两种一种是利用多个储层参数与实际产能简单的拟合建立预测模型，这种方法虽然简单快捷，但是精度较低；另一种方法是根据神经网络技术，建立储层分类模型，。
6、根据不同类型储层所占的比重，建立储层指数与产能的关系，从而进行产能预测。这种方法只有在学习样板足够多的情况下，才具有显著的应用效果，而勘探早期的油气藏样本点较少，采用这种神经网络预测方法精度偏低，而且这种方法操作比较复杂，不能及时有效的提供预测数据结果。0004因此，如何设计出一种操作简单，预测精度足够的产能预测方法，成为该领域技术人员面临的一项难题。发明内容0005本发明的目的就是提供一种基于储层分类的致密碎屑岩天然气井产能预测方法，不仅操作简单，而且预测精度能满足实际需要，能完全解决上述问题。0006本发明的目的通过下述技术方案来实现0007一种基于储层分类的致密碎屑岩天然气井产能预测方法。
7、，该方法包括0008步骤1，根据测井资料获得储层有效厚度、薄互层有效厚度；0009步骤2，根据自然伽马、三孔隙度曲线计算储层泥质含量；0010步骤3，根据声波、中子、密度曲线计算储层孔隙度，并对储层进行分类；0011步骤4，根据岩心分析孔渗和阿尔奇公式计算储层渗透率、含气饱和度；0012步骤5，利用厚度加权进行储层分类计算，求和获得综合含气指标；0013步骤6，根据储层沉积微相的差异，引入薄互层的概念，获得改进的综合含气指标；0014步骤7，建立改进的综合含气指标与测试产能的关系，并以此为模型预测其它储层产能。0015进一步，步骤3中根据储层的有效孔隙度将储层分为四类，类优质储层有效孔隙度PO。
8、R15、类优良储层15有效孔隙度POR12、类中等储层12有效孔隙度POR10、类较差储层10有效孔隙度POR7。0016进一步，步骤5中所述的综合含气指标Z采用如下公式计算得出说明书CN103590827A2/5页40017其中0018I表示、类储层，HI表示某类储层的有效厚度，SGI表示储层的含气饱和度，VSH表示储层的泥质含量，PORI表示储层的有效渗透率，PERMI表示储层的有效渗透率，H表示有效储层总厚度，X表示相应参数的矫正因子。0019进一步，步骤6中所述的改进的综合含气指标Z采用如下公式计算得出0020其中0021J表示储层包括的薄互层数，HJ表示薄互层砂岩中的单砂层厚度，H表。
9、示有效储层总厚度，Z表示综合含气指标，Y表示相应参数的矫正因子。0022储层的孔渗参数反映物性好坏或产液能力的大小，而含气饱和度则反映储层所含的流体性质及天然气的多少。岩心刻度的测井计算渗透率较为可靠，可以直接表征储层的渗透性。通过岩心实验建立饱和度模型，计算的含气饱和度经过密闭取心分析资料的检验其计算误差满足储量规范的要求，可以真实反映储层的含气丰度。因此，在综合含气指标中引入测井计算的渗透率和含气饱和度参数。0023沉积微相控制了储层分布，也对储层产能有一定的影响。一类是分流河道沉积，沉积能量较强，分选较好，岩性粒度较粗，以细砂岩为主，泥质含量较低，自然伽马测值较低，一般低于65API。该。
10、类储层一般厚度相对较大，单层厚度520米。另一类是滩坝沉积，沉积能量较弱，分选较差，岩性粒度较细，以粉细砂岩为主，夹泥质粉砂岩或粉砂质泥岩夹层，泥质含量相对较高，孔喉结构复杂，束缚水含量较高，自然伽马测值中高，一般在6580API。该类储层一般单层厚度较薄，单层厚度15米，可能多层叠置。沉积差异在测井信息方面的体现是泥质含量高低、有效厚度大小和薄互层的频率，因此引入（1VSH）X、HI和（HJ/H）Y等参数来表征上述影响，其中X选取23之间，Y选取13之间，具体取值可根据不同储层测试产量的差异来定。0024综合以上因素建立基于储层分类评价的产能预测模型，模型的相关系数可到达07285。0025。
11、与现有技术相比，本发明的有益效果在于引入了薄互层和沉积相控技术来构建反应储层特征的改进的综合含气指标，在保证简单易操作的基础上，具有较高的储层产能预测精度。附图说明0026图1是本发明天然气井产能预测方法的流程图；0027图2是本发明改进的综合含气指标与测试产能的拟合曲线图。具体实施方式0028下面结合具体实施例和附图对本发明作进一步的说明。0029如图1和图2所示，一种基于储层分类的致密碎屑岩天然气井产能预测方法，该方法包括0030通过相应的测井设备获得测井资料，对这些测井资料整理计算获得储层有效厚说明书CN103590827A3/5页5度、薄互层有效厚度；根据自然伽马、三孔隙度曲线计算储层。
12、泥质含量；根据声波、中子、密度曲线计算储层孔隙度，并对储层进行分类；根据岩心分析孔渗和阿尔奇公式计算储层渗透率、含气饱和度；利用厚度加权进行储层分类计算，求和获得综合含气指标；从测井资料中获得薄互层数以及薄互层砂岩中的单砂层厚度，根据储层沉积微相的差异，引入薄互层的概念，获得改进的综合含气指标；建立改进的综合含气指标与测试产能的关系，并以此为模型预测其它储层产能。0031根据储层的有效孔隙度将储层分为四类，类优质储层有效孔隙度POR15、类优良储层15有效孔隙度POR12、类中等储层12有效孔隙度POR10、类较差储层10有效孔隙度POR7。0032上述的综合含气指标Z采用如下公式计算得出00。
13、33其中0034I表示、类储层，HI表示某类储层的有效厚度，SGI表示储层的含气饱和度，VSH表示储层的泥质含量，PORI表示储层的有效渗透率，PERMI表示储层的有效渗透率，H表示有效储层总厚度，X表示相应参数的矫正因子。0035上述的改进的综合含气指标Z采用如下公式计算得出0036其中0037J表示储层包括的薄互层数，HJ表示薄互层砂岩中的单砂层厚度，H表示有效储层总厚度，Z表示综合含气指标，Y表示相应参数的矫正因子。0038利用已计算得出的改进的综合含气指标和对应天然气井的测试产能拟合出产能预测模型，根据该产能预测模型对单井的产能进行预测。0039下面对10口井分别运用神经网络法、多参数。
14、拟合法、本发明的基于储层分类法进行致密碎屑岩天然气井产能的预测，其结果如下表0040说明书CN103590827A4/5页600410042从上表我们可以明显的看出，本发明的方法与神经网络法相比精度相差不大，甚至有时比神经网络法的测算值还要精确一点，与多参数拟合法相比精确度明显更高。0043综上所述，本发明方法引入薄互层及沉积相控技术对综合含气指标进行改进后，操作方法简单快速，并且预测产能精度准确。0044以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精说明书CN103590827A5/5页7神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。说明书CN103590827A1/1页8图1图2说明书附图CN103590827A。