Experimental Analysis of the Effect of Stress on Shale Reservoir Brittleness and Its Application
-
摘要: 随着地层埋深增加,岩石脆性降低,逐渐由硬脆性转变为韧性,而常规矿物组分法评价泥页岩脆性时没有考虑地层应力(埋深)的影响,因此评价结果存在一定误差。为此,从岩石脆性的最初定义出发,在不同围压条件下对陆相泥页岩岩样进行了力学测试,并利用应变法分析了泥页岩的脆性特征。结果表明:随着围压升高,泥页岩的弹性应变与塑性应变均增大,而脆性指数降低;泥页岩的弹性应变与塑性应变具有非常好的正相关性。对于文中所研究区块,埋深1 250.00,2 500.00和3 500.00 m处及埋深3 500.00~5 000.00 m和5 000.00~6 000.00 m范围内的泥页岩脆性指数分别约降低5.97%,8.55%,10.74%,14.00%和18.00%;当泥页岩储层中脆性矿物含量分别大于65%,60%,55%和小于50%时,其开发埋深下限分别为6 000.00,5 000.00和3 000.00 m以及基本不具备商业开发价值。研究结果表明,将应力(埋深)对泥页岩脆性的影响定量化,可以对采用矿物组分法计算的泥页岩脆性指数进行校正,为优选可压裂层段提供依据。Abstract: As well depth increases,formation rocks brittleness may be reduced and consequently manifest as ductile behavior.Conventional mineral composition can be used to assess the brittleness of shales.Because it does not take the impact of confining pressures (burial depths) into account,one arrives at less than satisfactory assessment conclusions.Under such circumstances,mechanical tests were conducted with continental deposit shale samples under different confining pressures and a strain method was deployed in a tested result analysis to highlight brittleness features of the shale.Research results showed that both elastic and plastic strains may increase with confining pressures while the brittleness index may decrease.Within the concerned Block,the brittleness index of shale at the depths of 1 250.00 m,2 500.00 m,3 500.00 m and between the interval of 3 500.00~5 000.00 m and 5 000.00~6 000.00 m fell approximately 5.97%,8.55%,10.74%,14.00% and 18.00%,respectively.With brittle minerals content in these shale reservoir formations over 65%,60%,55% and below 50%,the formation depth limitation for economic development of those reservoirs are determined to be 6 000.00 m,5 000.00 m,2 500.00 m and no commercial value,respectively.So the shale brittleness index determined from conventional mineral composition can be calibrated through quantification of impacts of stresses (burial depths) and it can provide help in the identification of intervals for staged hydraulic fracturing.
-
Keywords:
- confining pressure /
- burial depth /
- shale /
- brittleness index /
- rock mechanical test /
- strain
-
大庆油田古龙凹陷页岩油资源量巨大,勘探开发前景广阔,是大庆油田重要的接替领域[1-2]。目前,大庆油田古龙页岩油开发大多采用长水平段水平井,但由于降本增效的要求,钻进提速需求十分紧迫。较高的机械钻速意味着产生大量的岩屑,而岩屑运移不充分造成的井眼清洁问题已逐渐成为古龙页岩油区块水平井钻井的主要问题之一。当更换钻头、接单根等作业需要停止钻井液循环时,钻井液中的岩屑会发生沉降,并在大斜度井段和水平井段沉积形成岩屑床[3-4]。岩屑沉降末速度、成床厚度、岩屑床表面颗粒再启动速度等关键参数的计算,均与岩屑的沉降阻力系数有关[5-7]。因此,研究古龙页岩岩屑在钻井液中的沉降规律,可为优化钻井液流变性和循环排量提供依据。
国内外学者对球形颗粒在牛顿流体中的沉降规律开展了大量的试验研究[8-9],得到了较高精度的预测模型。但是,页岩岩屑的形状不规则,且大多数钻井液为具有一定剪切稀释性的非牛顿流体[10-11],以往提出的预测球形颗粒在牛顿流体中的沉降阻力系数模型,是否适用于预测不规则形状页岩岩屑在非牛顿流体中的沉降阻力系数值得商榷[12-13]。为了解决上述问题,笔者对沉降试验数据回归分析,建立了球形颗粒在幂律流体中的沉降阻力系数预测模型;在此基础上,引入形状因子来描述颗粒的二维几何特征,建立了用于预测页岩岩屑在幂律流体中的阻力系数模型;根据得到的岩屑阻力系数预测模型使用迭代法计算岩屑沉降速度,分析了通过模型计算所得的沉降速度与实测沉降速度的平均相对误差,验证了该模型预测结果的准确性。
1. 沉降试验
1.1 试验装置和试验步骤
沉降试验装置如图1所示。该装置为有机玻璃管,内径100 mm,高度1 500 mm。该装置使用千眼狼高速摄像机(2F04C型)捕捉岩屑的沉降轨迹。图像采集区域设置为玻璃管底部300 mm范围内,既保证岩屑已达到沉降末速度,又避免端部效应对沉降速度产生影响。同时,为了减少不确定性因素的干扰,每组试验至少重复进行3次,且数据处理时只保留最大相对误差小于5%的试验数据,用于拟合阻力系数的关系式。
1.2 试验材料和流体流变参数
为了使沉降阻力系数预测模型具有较大的颗粒雷诺数适用范围,选取不锈钢、氧化锆和玻璃3种材质的球形颗粒进行沉降试验,同时选取大庆油田古龙页岩岩屑进行不规则形状颗粒沉降试验。为了降低壁面效应对试验的影响,颗粒直径相比有机玻璃管直径尽量小。试验用颗粒的物性参数见表1。
表 1 试验用颗粒的物性参数Table 1. Physical property parameters of particles for experiments颗粒材质 颗粒等效直径/mm 密度/(kg·m−3) 不锈钢 1,2,3,4,5 7 930 氧化锆 1,2,3,4,5 6 080 玻璃 1,2,3,4,5 2 500 页岩颗粒 2.1~5.7 2 073 试验用羧甲基纤维素钠(CMC)水溶液作为幂律流体基液,质量分数0.25%~2.00%。使用Anto paar MCR 92型流变仪测试其在试验温度下的流变性,并根据幂律流体的流变模型
τ=K˙γn (τ为剪切应力,Pa;˙γ 为剪切速率,s−1;K为幂律流体的稠度指数,Pa·sn;n为流体的流性指数),对测试流体的流变参数进行拟合。通过流变仪的温度控制系统来控制试验液体温度,使其与试验时的温度保持一致。试验所用溶液的物性参数及流变参数见表2。表 2 不同质量分数CMC水溶液的物性参数及流变参数Table 2. Physical property and rheological parameters of CMC aqueous solution with different mass fractionsCMC质量分数,% 温度/℃ 密度/(kg·m−3) 流变参数 K/(Pa·sn) n 2.00 17.3 1 008.0 8.161 9 0.418 2 1.75 18.6 1 006.0 5.340 5 0.443 7 1.50 18.0 1 005.0 3.320 4 0.471 0 1.25 17.6 1 004.5 1.532 2 0.522 4 1.00 17.2 1 003.0 0.697 7 0.578 6 0.50 16.6 1 002.0 0.045 0 0.819 4 0.25 16.9 1 001.0 0.008 0 0.953 0 1.3 古龙页岩岩屑形状表征
颗粒形状是影响物体沉降速度和沉降状态的重要因素。有学者研究指出[14],当颗粒雷诺数
Res⩾ 时岩屑沉降轨迹是摆动的,而当R{e_{\rm{s}}} < 100 时沉降轨迹是稳定的。在不考虑颗粒沉降过程中出现的二次运动,圆形度c更适合用于建立预测模型[15]。所以,在R{e_{\rm{s}}} < 100 的低颗粒雷诺数情况下,通过引入c来建立岩屑在幂律流体中的沉降阻力系数预测模型是可行的。c指颗粒最大投影面周长与其等效圆的周长之比,因其为对颗粒轮廓不规则性敏感的二维形状参数,所以测量相对容易,其定义为:c = \frac{{{\text{π}} {d_A}}}{L} (1) 式中:dA为颗粒最大投影面等效圆的直径,m;L为颗粒最大投影面周长,m。
试验用大庆古龙页岩岩屑形态如图2所示。
利用图像粒子分析软件ImageJ的“分析颗粒”功能,对目标颗粒进行了圆形度测定。ImageJ用户指南中圆形度c的定义为[16]:
{\text{ }}c = 4{\text{π}} \frac{{{A_{\text{p}}}}}{{{L^2}}} (2) 式中:AP为颗粒最大投影面的表面积,m2。
球形颗粒c = 1,其他任何形状颗粒c < 1。选取的部分页岩岩屑图像转换实例,如图3所示。
试验得到了224组页岩岩屑圆形度和等效直径的分布情况(见图4)。页岩岩屑等效直径为3.2~4.2 mm,中值为3.7 mm;圆形度为0.65~0.87,中值为0.76,圆形度集中在0.70~0.85。
2. 球形颗粒沉降阻力系数模型
颗粒沉降过程中受到的流体黏滞力与颗粒动能的比值称为阻力系数,是描述颗粒沉降行为的主要参数。阻力系数可根据流体和颗粒的性质以及沉降速度来计算:
{C_{\text{D}}} = \frac{{4\left( {{\rho _{\rm{p}}} - {\rho _{\rm{l}}}} \right){d_{\rm{e}}}g}}{{3{\rho _{\rm{l}}}{v_{\rm{t}}}^2}} (3) \; 其中\qquad \qquad\qquad\; {d_{\rm{e}}} = \sqrt[3]{\dfrac{6{m_{\rm{p}}}}{{\text{π}} {\rho _{\rm{p}}}}} \qquad\qquad \qquad\quad\; (4) 式中:CD为阻力系数;ρl 为流体密度,kg/m3;g为重力加速度,m/s2;vt 为沉降速度,m/s;de为颗粒的等效直径(当颗粒为球体时,de等于直径),m;mp为颗粒的质量,kg;ρp为颗粒的密度,kg/m3。
对于光滑圆球,阻力系数仅为颗粒雷诺数的函数,即:
{C_{\text{D}}} = f\left( {R{e_{\rm{s}}}} \right) (5) 颗粒所受的惯性力与黏滞力之比为颗粒雷诺数,是描述颗粒沉降行为的另一个主要参数。对于幂律流体,颗粒雷诺数的表达式为:
{Re_{\rm{s}}} = \frac{{{\rho _l}{v_{\text{t}}}^{2 - n}d_{\rm{e}}^n}}{K} (6) 首先对球形颗粒进行沉降试验,并建立阻力系数CD(式(3))和颗粒雷诺数Res(式(6))的关系式。对196组球形颗粒的沉降试验数据进行分析,并以对数坐标绘制CD与Res的关系式,见图5。图5中,三角形(幂律流体中沉降试验结果)所表示的数据点,由式(6)计算所得的颗粒雷诺数Res与式(3)计算所得的阻力系数CD组成;斜线(斯托克斯公式计算结果)所表示的数据点,由式(6)计算所得的颗粒雷诺数Res与斯托克斯公式(CD=24/Res)计算所得的阻力系数CD组成。
从图5可以看出,使用斯托克斯公式预测球形颗粒在幂律流体中的沉降阻力系数时存在较大的误差。例如,在Res< 0.1条件下,幂律流体中的沉降试验结果与斯托克斯公式预测结果之间的平均相对误差高达30.16%,说明非牛顿流体的流变特性对流体–的颗粒相互作用有重要影响。在这种情况下,用牛顿关联式计算圆球在非牛顿流体中的沉降阻力系数将会产生较大的误差。
截至目前,多位学者提出了关于球形颗粒在非牛顿流体中的沉降阻力系数预测关系式,如S. N.Shah等人[17]提出的沉降阻力系数模型为:
\sqrt {C_{\text{D}}^{2 - n}R{e^2}} = A{\left( {Re} \right)^B} \;\; \left( {{\text{0}}{\text{.281 < }}R{e_{\rm{s}}}{\text{ < }}1.000} \right) (7) 式中:
A = 6.914\;8{n^2} - 24.838n + 22.642 ;B = - 0.506\;7{n^2} + 1.323\;4n - 0.174\;4 。A. R. Khan等人[18]提出的阻力系数模型为:
\begin{split} {C_{\text{D}}} = & {(2.25R{e_{\rm{s}}}^{ - 0.31} + 0.36R{e_{\rm{s}}}^{0.06})^{3.45}}\\ &{\text{ (0}}{\text{.01 < }}R{e_{\rm{s}}}{\text{ < 3.00}} \times {\text{1}}{{\text{0}}^{\text{5}}}) \end{split} (8) I. Machač等人[19]提出的阻力系数模型为:
\left\{ {\begin{array}{*{20}{ll}} {C_{\text{D}}} = \dfrac{{24}}{{R{e_{\rm{s}}}}}X\left( n \right)&(R{e_{\rm{s}}} < 1) \\ {C_{\text{D}}} = \dfrac{{24}}{{R{e_{\rm{s}}}}}X\left( n \right) + \dfrac{{10.5n - 3.5}}{{R{e_{\rm{s}}}^{0.32n + 0.13}}} &(1 \leqslant R{e_{\rm{s}}} < 1\;000){\text{ }} \end{array}} \right. (9) \begin{split} \,其中 \; \qquad X\left( n \right) = &{3^{\tfrac{3n - 3}{2}}}\frac{{33{n^5} - 64{n^4} - 11{n^3} + 97{n^2} + 16n}}{{4{n^2}(n + 1)(n + 2)(2n + 1)}}\;\\ &(n > 0.5 )\;\;\;\;\\[-10pt] \end{split}\;\;\;\; (10) V. C. Kelessidis等人[20]提出的阻力系数模型为:
\begin{split} {C_{\text{D}}} = &\frac{{24}}{{R{e_{\rm{s}}}}}(1 + 0.140\;7R{e_{\rm{s}}}^{0.601\;8}) + \frac{{0.211\;8}}{{1 + \dfrac{0.421\;5}{R{e_{\rm{s}}}}}}\\ &{\text{ (0}}{\text{.1 < }}R{e_{\rm{s}}}{\text{ < 1\;000.0)}} \end{split} (11) 利用球形颗粒沉降试验数据对上述沉降阻力系数模型进行参数拟合,发现V. C. Kelessidis等人[20]提出的五参数阻力系数模型具有最佳的拟合优度,其形式为:
{C_{\text{D}}} = \frac{{24}}{{R{e_{\rm{s}}}}}(1 + AR{e_{\rm{s}}}^B) + \frac{C}{{1 + {\dfrac{D}{Re_{\rm{s}}^E}}}} (12) 式中:A,B,C,D和E均为相关系数。
式(12)中,等号右边第一项表示层流条件下阻力系数的下降趋势,第二项表示湍流条件下阻力系数的下降趋势,可以通过在扩展的斯托克斯定律中加入一个复杂的湍流项来预测阻力系数。上述推论符合物理基本规律,即总的拖曳力是任意流动状态下层流和湍流分量的总和[21]。
对196组球形颗粒的沉降试验数据进行拟合回归,得到球形颗粒在幂律流体中的沉降阻力系数:
\begin{split} {C_{\text{D}}} =& \frac{{24}}{{R{e_{\rm{s}}}}}(1 + 0.723R{e_{\rm{s}}}^{0.304}) + \frac{{0.219}}{{1 + \dfrac{{55.03}}{{R{e_{\rm{s}}}^{1.757}}}}}{\text{ }}\\ &\left( {{\text{0}}{\text{.001 < }}R{e_{\rm{s}}} < 848.000} \right) \end{split} (13) 通过对比式(13)与已发表文献中具有代表性的关系式,即式(8)、式(9)和式(11),采用平均相对误差(δMRE)、最大平均相对误差(δMMRE)和均方根对数误差(δRMSLE)等3个统计参数,评估所提出的幂律流体中球形颗粒沉降阻力系数关系式的预测精度,对比结果见表3。
表 3 幂律流体中球形颗粒沉降阻力系数误差统计Table 3. Error statistics of the settlement drag coefficient of spherical particles in power-law fluids颗粒雷诺数范围 模型 预测误差,% δMRE δMMRE δRMSLE 0.001<Res<848.000 式(8) 17.36 23.00 34.94 式(9) 13.31 14.00 32.73 式(11) 20.84 34.00 39.24 式(13) 7.11 8.00 19.72 δMRE 和δRMSLE 的计算方法如下[22]:
{\delta _{{\rm{MRE}}}} = \frac{1}{N}\sum\limits_{i = 1}^N {\frac{{\left| {{C_{{\text{D}},{\rm{c}},i}} - {C_{{\text{D}},{\rm{m}},i}}} \right|}}{{{C_{{\text{D}},{\rm{m}},i}}}}} \times 100\% (14) {\delta _{{\rm{RMSLE}}}} = \sqrt {\frac{1}{N}\sum\limits_{i = 1}^N {{{\left( {\ln {C_{{\text{D}},{\rm{c}},i}} - \ln {C_{{\text{D}},{\rm{m}},i}}} \right)}^2}} } (15) 式中:N为总数;CD, c为预测的阻力系数;CD, m为试验测得的阻力系数。
通过试验得到了颗粒的沉降速度vts,并拟合得到沉降阻力系数CD与颗粒雷诺数Res之间的关系。基于提出的CD–Res相关式,可采用迭代试错法计算颗粒在流体中的沉降阻力系数CD和沉降速度vt,迭代程序如图6所示[23]。
根据提出的球形颗粒阻力系数预测模型(式(13)),采用试错法计算沉降颗粒的阻力系数CD和沉降速度vt,结果见图7和图8。
由图7和表3可知,对于幂律流体,式(8)、式(9)和式(11)的预测值与试验值较为接近,平均相对误差约为17.17%,式(13)的平均相对误差为7.11%,与其他模型相比,3个量化评价参数均有一定程度的降低,对试验结果的预测精度更高。同时,图8所示的球形颗粒沉降速度预测值与试验测量值平均相对误差仅为7.10%,所以本文提出的模型能较好地预测圆球颗粒在幂律流体中的沉降阻力系数CD和沉降速度vt。
3. 页岩岩屑沉降阻力系数模型
基于上述圆球阻力系数预测模型(式(13)),通过引入颗粒圆形度c建立适用于页岩岩屑的沉降阻力系数CD的表达式。在任意给定的雷诺数下,岩屑受到的拖曳力要大于其等效球体的拖曳力[23]。这是因为,岩屑表面的不规则会导致阻力增加和产生更大的流动分离现象,从而与球形颗粒相比沉降速度有所降低[24]。通过试验观察(见图9),相同条件下岩屑阻力系数CD与球形颗粒的阻力系数预测值CD,sph之比略大于1。在高雷诺数下,由于形状的影响,该比值会更大。
通过分析相同条件下页岩岩屑试验得到的阻力系数CD与球形颗粒沉降阻力系数预测值CD,sph的差异性,得到了圆形度函数f(c)作为CD/CD,sph自然对数的函数。确定颗粒形状因子c与CD/CD,sph之间的关系式为:
{C_{\text{D}}} = {C_{{\text{D}},{\rm{sph}}}}\exp \left[ {f\left( c \right)} \right] (16) 在特殊情况下,如c = 1时,页岩岩屑的阻力系数等于相同参数下圆球的阻力系数。即当c = 1时,f(c) = 0。为了确保颗粒为球形时满足CD/CD,sph = 1,结合224组试验数据,通过式(17)确定了f(c)。
f(c) = \alpha Re_{\rm{s}}^\beta {(1 - c)^\eta } (17) 式中:α,β和η为经验系数,可通过非线性拟合得出。
岩屑在幂律流体中阻力系数CD的表达式为:
\begin{split} {C_{\text{D}}} = &{C_{{\text{D}},{\rm{sph}}}}{\rm{exp}}\left[ {0.31R{e_{\rm{s}}}^{0.25}{{(1 - c)}^{0.19}}} \right]{\text{ }}\\ &\left( {{\text{0}}{\text{.001 < }}R{e_{\rm{s}}}{\text{ < 99.000}}} \right) \end{split} (18) 图10所示为式(18)计算所得页岩岩屑沉降阻力系数CD与试验测得沉降阻力系数CD之间的关系。用该模型对页岩岩屑的沉降阻力系数进行了预测,预测结果的平均相对误差为7.68%,均方根对数误差为0.010 9,最大平均相对误差为25.35%。
利用式(18)计算了页岩岩屑在幂律流体中的沉降速度,并与试验测得的沉降速度进行了对比(见图11)。对比结果表明,模型预测页岩岩屑在幂律流体中沉降速度的平均相对误差为6.93%。虽然模型预测结果具有一定程度的分散性,但数据在直线上分布良好,说明该模型能较好地预测页岩岩屑在幂律流体中的沉降速度。
4. 结 论
1)在颗粒雷诺数相同条件下,页岩岩屑的阻力系数随着圆形度减小而增大,阻力系数随雷诺数增大而减小,但在高雷诺数条件下减小的趋势变缓。
2)相较于具有规则形状的非球形颗粒,测量像岩屑颗粒这样形状高度不规则粗糙颗粒的表面积比较困难,也难以在现场作业中实现。事实上,如何精确测量不规则形状颗粒的表面积,也是圆形度计算中的一个难点。引入二维的侧视面几何参数来预测阻力系数,其精度与引入圆球形模型的预测精度相近。
3)根据本文建立的岩屑阻力系数预测模型,使用迭代法计算岩屑沉降速度,平均相对误差为6.93%,模型预测结果与试验结果吻合较好。预测模型可为大庆油田古龙页岩油钻井工程现场实践中的井眼清洁和水力参数优化提供理论指导。
4)由于受试验材料及试验可实现程度的限制,本文在进行颗粒沉降试验时并未使用宾汉流体。对于宾汉流体,沉降阻力系数计算能否采用赫–巴流体(n=1)中的阻力系数预测模型,仍存在不确定性。同时,对高雷诺数以及颗粒群的沉降试验应是今后重点关注和探索的方向之一。
-
[1] DE SILVA P N K,SIMONS S J R,STEVENS P,et al.A comparison of North American shale plays with emerging non-marine shale plays in Australia[J].Marine and Petroleum Geology,2015,67:16-29.
[2] ZHANG Decheng,RANJITH P G,PERERA M S A.The brittleness indices used in rock mechanics and their application in shale hydraulic fracturing:a review[J].Journal of Petroleum Science and Engineering,2016,143:158-170.
[3] 尹帅,丁文龙,李昂,等.裂缝对致密碎屑岩储层弹性影响的数值分析[J].石油钻探技术,2016,44(2):112-118. YIN Shuai,DING Wenlong,LI Ang,et al.Numerical analysis on the effect of fractures on elastic properties of tight clastic reservoirs[J].Petroleum Drilling Techniques,2016,44(2):112-118. [4] LI Qinghui,CHEN Mian,ZHOU Yu,et al.Rock mechanical properties of shale gas reservoir and their influences on hydraulic fracture:International Petroleum Technology Conference,Beijing,March 26-28,2013[C].
[5] 陆益祥,潘仁芳,唐小玲,等.四川盆地威远地区龙马溪组页岩储层上下亚段脆性差异[J].断块油气田,2016,23(4):429-433. LU Yixiang,PAN Renfang,TANG Xiaoling,et al.Brittleness comparison between upper and lower sub-sections of Longmaxi Formation shalereservoir in Weiyuan,Sichuan Basin[J].Fault-Block Oil Gas Field,2016,23(4): 429-433. [6] 蒋廷学,卞晓冰,苏瑗,等.页岩可压性指数评价新方法及应用[J].石油钻探技术,2014,42(5):16-20. JIANG Tingxue,BIAN Xiaobing,SU Yuan,et al.A new method for evaluating shale fracability index and its application[J].Petroleum Drilling Techniques,2014,42(5):16-20. [7] 王建波,冯明刚,严伟,等.焦石坝地区页岩储层可压裂性影响因素及计算方法[J].断块油气田,2016,23(2):216-220,225.WANG Jianbo,FENG Minggang,YAN Wei,et al.Influence factors and evaluation methods for shale reservoir fracability in Jiaoshiba Area[J].Fault-Block Oil Gas Field,2016,23(2):216-220,225. [8] HOLT R M,FJAER E,STENEBRATEN J F,et al.Brittleness of shales:relevance to borehole collapse and hydraulic fracturing[J].Journal of Petroleum Science and Engineering,2015,131(1):200-209.
[9] UIBU M,SOMELAR P,RAADO L M.Oil shale ash based backfilling concrete-strength development,mineral transformations andleachability[J].Construction and Building Materials,2016,102:620-630.
[10] DEWHURST D N,SAROUT J,DELLE PIANE C A,et al.Empirical strength prediction for preserved shales[J].Marine and Petroleum Geology,2015,67:512-525.
[11] JAEGER J C,COOK N G W,ZIMMERMAN R W,et al.Fundamentals of rock mechanics[M].4th ed.Oxford:Blackwell Publishing,2007:499-500.
[12] 刘君龙,纪友亮,杨克明,等.川西须家河组前陆盆地构造层序及沉积充填响应特征[J].中国石油大学学报(自然科学版),2015,39(6):11-23. LIU Junlong,JI Youliang,YANG Keming,et al.Tectono-stratigraphy and sedimentary infill characteristics of Xujiahe Formation in Western Sichuan foreland basin[J].Journal of China University of Petroleum(Edition of Natural Science),2015,39(6):11-23. [13] 陈冬霞,刘雨晨,庞雄奇,等.川西坳陷须五段陆相页岩层系储层特征及对含气性的控制作用[J].地学前缘,2016,23(1):174-184. CHEN Dongxia,LIU Yuchen,PANG Xiongqi,et al.Reservoir characteristics and its control on gas-bearing properties of the 5th member of the Triassic Xujiahe Formation continental shale in the Sichuan Basin of China[J].Earth Science Frontiers,2016,23(1):174-184. [14] 陈磊,姜振学,纪文明,等.川西坳陷须五段页岩微观孔隙结构发育控制因素及其成藏意义[J].煤炭学报,2015,40(增刊2):449-457. CHEN Lei,JIANG Zhenxue,JI Wenming,et al.Controlling factors and accumulation significance of microscopic pore structure in the fifth member of Xujiahe Formation in the Western Sichuan Depression[J].Journal of China Coal Society,2015,40(supplement2):449-457. [15] 赵金洲,许文俊,李勇明,等.页岩气储层可压性评价新方法[J].天然气地球科学,2015,26(6):1165-1172. ZHAO Jinzhou,XU Wenjun,LI Yongming,et al.A new method for fracability evaluation of shale-gas reservoirs[J].Natural Gas Geoscience,2015,26(6):1165-1172. [16] 郭天魁,张士诚,葛洪魁.评价页岩压裂形成缝网能力的新方法[J].岩土力学,2013,34(4):947-954. GUO Tiankui,ZHANG Shicheng,GE Hongkui.A new method for evaluating ability of forming fracture network in shale reservoir[J].Rock and Soil Mechanics,2013,34(4):947-954. [17] 尹帅,丁文龙,孙雅雄,等.泥页岩单轴抗压破裂特征及UCS影响因素[J].地学前缘,2016,23(2):75-95. YIN Shuai,DING Wenlong,SUN Yaxiong,et al.Shale uniaxial compressive failure property and the affecting factors of UCS[J].Earth Science Frontiers,2016,23(2):75-95. [18] 刁海燕.泥页岩储层岩石力学特性及脆性评价[J].岩石学报,2013,29(9):3300-3306. DIAO Haiyan.Rock mechanical properties and brittleness evaluation of shale reservoir[J].Acta Petrologica Sinica,2013,29(9):3300-3306. -
期刊类型引用(36)
1. 翟文宝,陈朝伟,王倩,冯枭,黄浩勇,谭鹏,杨子轩. 基于地质力学的断裂滑动风险评估方法. 西安石油大学学报(自然科学版). 2025(02): 74-84 . 百度学术
2. 付海峰,刘鹏林,陈祝兴,翁定为,马泽元,李军. 基于避免断层激活机制的组合压裂模式研究. 石油机械. 2024(01): 88-97 . 百度学术
3. 刘豪,刘怀亮,刘宇,曹伟,连威,李军. 页岩气多级压裂断层动态滑移规律研究. 石油机械. 2024(02): 65-74 . 百度学术
4. 刘怀亮,樊子潇,刘宇,连威,席岩,张小军. 基于震源机制的断层滑移量计算方法. 世界石油工业. 2024(05): 40-47 . 百度学术
5. 林魂,宋西翔,杨兵,袁勇,张健强,孙新毅. 温-压耦合作用下断层滑移对套管应力的影响. 石油机械. 2023(06): 136-142+158 . 百度学术
6. 孟胡,吕振虎,王晓东,张辉,申颍浩,葛洪魁. 基于压裂参数优化的套管剪切变形控制研究. 断块油气田. 2023(04): 601-608 . 百度学术
7. 张伟,李军,张慧,王典,李托,刘怀亮. 断层滑移对套管剪切变形的影响规律及防控措施. 断块油气田. 2023(05): 734-742 . 百度学术
8. 文山师,尹陈,石学文,张洞君,韩福盛,熊财富. 天然裂缝主导模式下泸州龙马溪组页岩水力压裂多尺度破裂特征. 地球物理学进展. 2023(05): 2172-2181 . 百度学术
9. 赵欢,李玮,唐鹏飞,王晓,张明慧,王剑波. 压裂工况下近井筒地应力及套管载荷分布规律研究. 石油钻探技术. 2023(05): 106-111 . 本站查看
10. 孟胡,申颍浩,朱万雨,李小军,雷德荣,葛洪魁. 四川盆地昭通页岩气水平井水力压裂套管外载分析. 特种油气藏. 2023(05): 166-174 . 百度学术
11. 陈朝伟,周文高,项德贵,谭鹏,宋建,陈晓军,任乐佳,黄浩. 预防页岩气套变的橡胶组合套管研制及其抗剪切性能评价. 天然气工业. 2023(11): 131-136 . 百度学术
12. 张旭,张哲平,杨尚谕,王雪刚,宋琳. 基于特征值和弧长法计算套管抗挤强度. 钻采工艺. 2022(01): 35-40 . 百度学术
13. 陈朝伟,项德贵. 四川盆地页岩气开发套管变形一体化防控技术. 中国石油勘探. 2022(01): 135-141 . 百度学术
14. 吴建忠,乔智国,慈建发,何龙,连威,李军. 基于震源机制的套管变形量控制方法研究. 石油管材与仪器. 2022(03): 24-31 . 百度学术
15. 刘鹏林,李军,席岩,连威,张小军,郭雪利. 页岩断层滑移量计算模型及影响因素研究. 石油机械. 2022(08): 74-80 . 百度学术
16. 郭雪利,沈吉云,武刚,靳建洲,纪宏飞,徐明,刘慧婷,黄昭. 韧性材料对页岩气压裂井水泥环界面完整性影响. 表面技术. 2022(12): 232-242 . 百度学术
17. 陈朝伟,黄锐,曾波,宋毅,周小金. 四川盆地长宁页岩气区块套管变形井施工参数优化分析. 石油钻探技术. 2021(01): 93-100 . 本站查看
18. 李军,赵超杰,柳贡慧,张辉,张鑫,任凯. 页岩气压裂条件下断层滑移及其影响因素. 中国石油大学学报(自然科学版). 2021(02): 63-70 . 百度学术
19. 张平,何昀宾,刘子平,童亨茂,邓才,任晓海,张宏祥,李彦超,屈玲,付强,王向阳. 页岩气水平井套管的剪压变形试验与套变预防实践. 天然气工业. 2021(05): 84-91 . 百度学术
20. 李晓蓉,古臣旺,冯永存,丁泽晨. 考虑井筒加载历史的压裂过程中套管剪切变形数值模拟研究. 石油科学通报. 2021(02): 245-261 . 百度学术
21. 张鑫,李军,刘鹏林,郭雪利,韩葛伟. 断层滑移条件下页岩气井套管变形影响因素分析. 科学技术与工程. 2021(16): 6651-6656 . 百度学术
22. 陈朝伟,张浩哲,周小金,曹虎. 四川长宁页岩气套管变形井微地震特征分析. 石油地球物理勘探. 2021(06): 1286-1292+1198 . 百度学术
23. 张慧,李军,张小军,张鑫,连威. 页岩气井压裂液进入断层的途径及防控措施. 断块油气田. 2021(06): 750-754+760 . 百度学术
24. 林志伟,钟守明,宋琳,王雪刚,林铁军,于浩,史涛. 体积压裂改造非对称性对套管损坏影响机理. 特种油气藏. 2021(06): 158-164 . 百度学术
25. 陈朝伟,房超,朱勇,项德贵. 四川页岩气井套管变形特征及受力模式. 石油机械. 2020(02): 126-134 . 百度学术
26. 连威,李军,柳贡慧,席岩,韩葛伟. 水力压裂过程中页岩强度折减对套管变形的影响分析. 石油管材与仪器. 2020(04): 46-50 . 百度学术
27. 蒋振源,陈朝伟,张平,张丰收. 断块滑动引起的套管变形及影响因素分析. 石油管材与仪器. 2020(04): 30-37 . 百度学术
28. 范宇,黄锐,曾波,陈朝伟,周小金,项德贵,宋毅. 四川页岩气水力压裂诱发断层滑动和套管变形风险评估. 石油科学通报. 2020(03): 366-375 . 百度学术
29. 陈朝伟,曹虎,周小金,苟其勇,张浩哲. 四川盆地长宁区块页岩气井套管变形和裂缝带相关性. 天然气勘探与开发. 2020(04): 123-130 . 百度学术
30. 席岩,李军,柳贡慧,曾义金,李剑平. 页岩气水平井多级压裂过程中套管变形研究综述. 特种油气藏. 2019(01): 1-6 . 百度学术
31. 乔磊,田中兰,曾波,杨恒林,付盼,杨松. 页岩气水平井多因素耦合套变分析. 断块油气田. 2019(01): 107-110 . 百度学术
32. 高德利,刘奎. 页岩气井井筒完整性若干研究进展. 石油与天然气地质. 2019(03): 602-615 . 百度学术
33. 罗庆,黄华,徐菲,张立. 新型组合井况监测仪在普光高含硫气井的应用. 断块油气田. 2019(02): 240-243 . 百度学术
34. 陈朝伟,项德贵,张丰收,安孟可,尹子睿,蒋振源. 四川长宁—威远区块水力压裂引起的断层滑移和套管变形机理及防控策略. 石油科学通报. 2019(04): 364-377 . 百度学术
35. 周波,毛蕴才,查永进,汪海阁. 体积压裂水锤效应对页岩气井屏障完整性影响及对策. 石油钻采工艺. 2019(05): 608-613 . 百度学术
36. 郭雪利,李军,柳贡慧,陈朝伟,任凯,来东风. 基于震源机制的页岩气压裂井套管变形机理. 断块油气田. 2018(05): 665-669 . 百度学术
其他类型引用(32)
计量
- 文章访问数: 6143
- HTML全文浏览量: 89
- PDF下载量: 5406
- 被引次数: 68