偶极横波远探测测井识别碳酸盐岩地层异常体可靠性研究

张钰

doi:10.11911/syztjs.2022088

偶极横波远探测测井识别碳酸盐岩地层异常体可靠性研究

张钰

中国石化西北油田分公司，新疆乌鲁木齐 830011

基金项目: 中国石化科技攻关项目“复杂地质复杂井筒条件下多类型储层测井评价”（编号：P20039）资助

详细信息

作者简介:
张钰（1981—），男，甘肃民勤人，2004年毕业于成都理工大学资源勘查工程专业，2015年获成都理工大学地质工程专业工程硕士学位，高级工程师，主要从事勘探项目运行管理工作。E-mail：zhangyu.xbsj@sinopec.com

中图分类号: P631.5⁺3
计量
- 文章访问数: 180
- HTML全文浏览量: 98
- PDF下载量: 28
出版历程
- 收稿日期: 2021-09-14
- 修回日期: 2022-06-05
- 网络出版日期: 2022-11-03
- 刊出日期: 2022-09-29

Reliability Study of Anomalies Identified Through Logging by Dipole Shear-Wave Remote Detection in Carbonate Formations

ZHANG Yu

Sinopec Northwest Oilfield Company, Urumuqi, Xinjiang, 830011, China

摘要

摘要:
为了研究偶极横波远探测测井识别碳酸盐岩地层异常体的可靠性，在碳酸盐岩地层中设计钻探了直井、水平井2种试验井，进行了偶极横波远探测测井。测井解释结果表明，偶极横波远探测测井在碳酸盐岩直井中能准确识别出异常体及其方位，在碳酸盐岩水平井中识别出的异常体位置基本可靠。塔河油田1口井和顺北油气田1口井采用了偶极横波远探测测井技术，2口井测井识别出的异常体位置与通过酸压曲线判断的异常体的位置相对应。研究结果表明，偶极横波远探测测井能准确识别出碳酸盐岩地层中的异常体，可为碳酸盐岩储层评价和碳酸盐岩油气藏的开发提供支持。
- 偶极横波测井 /
- 远距离探测 /
- 碳酸盐岩 /
- 可靠性 /
- 现场试验
Abstract:
Vertical and horizontal wells were designed and drilled in carbonate formations for the logging by dipole shear-wave remote detection to study the reliability of identified anomalies in logging data obtained by this way. The interpretation results of the logging data revealed that logging by dipole shear-wave remote detection could accurately identify the anomalies and their orientations in the vertical wells in carbonate formations, and their locations identified in horizontal wells were reliable. The logging by dipole shear-wave remote detection for logging were conducted in two wells of Tahe Oilfield and Shunbei Oil & Gas Field, and the locations of anomalies identified through logging were consistent with those from the acid-fracturing treatment curves. The research results indicate that logging by dipole shear-wave remote detection can accurately identify anomalies in carbonate formations, which can provide support for the evaluation and development of carbonate reservoirs.
- dipole shear-wave logging /
- remote detection /
- carbonate rock /
- reliability /
- field test

HTML全文

地下储气库（以下简称储气库）运行过程中，由于注采周期交替频繁，储气库压力一直处于动态变化中^[1-4]，稳定的压力对于储气库的安全运行至关重要，而实时监测储气库压力并不现实，尤其是储层压力和井底压力。已有学者围绕储气库压力计算进行了相关研究，如于本福等人^[5]给出了储气库储层压力分布预测方法，唐立根等人^[6]研究了储气库井底流入动态，岳三琪等人^[7]提出了储气库井底压力计算方法。而储气库不同阶段压力之间是相互关联、相关影响的，若仅计算分析储层压力或井底压力，则难以全面掌握储气库压力的动态变化，因此亟需建立一种储气库一体化压力计算方法。

储气库压力主要包括储层压力、井底压力和井口压力，因此本文涉及的压力计算方法，即储层压力、井底压力和井口压力的计算方法。储气库注气过程中，压力传输过程为由井口通过井筒传输至井底，再由井底通过储层传输至远端储层。压力计算流程为：1）利用储层压力计算方法求出储气库的储层压力；2）采用井底压力计算方法，将井底压力与储层压力联系起来，计算得到井底压力；3）利用井口压力计算方法，将井口压力与井底压力联系起来，计算得到井口压力，从而建立储层、井底、井口压力的联系。随着压力不断变化，地层物性参数往往也随之发生改变，如渗透率等^[8-10]；而在注采井注气过程中，受注气量、注气时间等因素的影响，探测半径等也可能在不断变化，如将上述参数视为某一常数，则与储气库的实际生产情况不符。获得这些物性参数的常见方法是进行定期或不定期试井测试^[11]，而试井测试往往需要关井一段时间，影响储气库的正常生产。储气库运行过程中，通常会监测井口压力，因此可以通过综合前述储气库压力的关系，依据现场的静、动态资料，选择一种合适的优化算法来拟合井口压力，使计算出的井口压力与实测井口压力达到最优拟合，从而得到储层压力和井底压力。

常见的优化算法较多，如粒子群优化算法^[12]、遗传算法^[13]及梯度下降法^[14]等。其中，粒子群优化算法因收敛速度快，全局寻优能力强，被广泛应用于求解多目标优化问题和非线性规划问题^[15]。基本粒子群优化算法的核心思想是把种群粒子的位置抽象为目标优化问题的解，通过综合分析并学习粒子和种群最佳位置，动态调整种群中各粒子的位置和速度，经过多次迭代，逼近空间中的最优解^[16]。由于随着迭代次数增加，基本粒子群优化算法的收敛速度逐渐变慢、种群多样性变差，因此，笔者通过引入自动计算惯性因子的策略和变异策略，增加了种群的多样性，使算法的收敛速度加快，得到了一种改进粒子群优化算法。笔者在前人研究的基础上^[17-25]，基于改进粒子群优化算法，结合储层压力、井底压力和井口压力的计算方法，建立了储气库注气过程中一体化压力及地层参数计算方法，通过智能化拟合井口压力计算得到储气库压力，获得合理的地层物性参数，从而指导储气库的安全生产。

1. 压力计算方法

1.1 储层压力

假设储气库注采井储层为圆形封闭空间，井筒注气过程可以看作流体呈平面径向流流入地层，则注气过程的拟压力方程^[26]为：

$\dfrac{{{\partial ^2}\psi (p)}}{{\partial {r^2}}} + \dfrac{1}{r}\dfrac{{\partial \psi (p)}}{{\partial r}} = \dfrac{1}{\eta }\dfrac{{\partial \psi (p)}}{{\partial t}}$

(1)

初始条件为：

${\left. {\psi (p)} \right|_{t = 0}} = \psi ({p_{\rm{i}}})$

(2)

内边界条件为：

${\left. {r\dfrac{{\partial \psi (p)}}{{\partial r}}} \right|_{r = {r_{\rm{w}}}}} = \dfrac{{{G_{\rm{g}}}\mu }}{{2{\text{π }}Kh}}$

(3)

外边界条件为：

${\left. {\frac{{\partial \psi (p)}}{{\partial r}}} \right|_{r = {r_{\text{e}}}}} = 0$

(4)

$\text{其中}\qquad\qquad\qquad \psi (p) = 2\displaystyle\int_0^p {\dfrac{p}{{\mu {{Z}}}}{{\rm{d}}} p}$

(5)

$\eta = \frac{K}{{\phi \mu C\left( p \right)}}$

(6)

式中： $\psi (·)$ 为拟压力函数； $p$ 为t时刻任一位置r处的压力，MPa；r为储层中任意一点与井轴的距离，m；η为导压系数，m²/s；t为注气时间，s；p_i为储层初始压力，MPa；r_w为井筒有效半径，m；G_g为注气重力流量，N/s； $\mu$ 为黏度，mPa·s；K为渗透率，mD；h为储层有效厚度，m；r_e为封闭储层外边界半径，m； $\phi$ 为孔隙度；Z 为井筒内气体偏差因子； $C\left( p \right)$ 为气体等温压缩系数，MPa⁻¹。

在前述边界及初始条件下，将导压系数线性化，取 $C(p){\text{ }} = {\text{ }}C({p_{\rm{i}}}){\text{ }} = {\text{ }}1/{p_{\rm{i}}}$ ，则导压系数简化为η=Kp_i/(ϕμ)；联立式（1）—式（6），对其进行求解得：

$\psi (p) = \psi ({p_{\text{i}}}) + \frac{{{G_\text{g}}\mu }}{{2{\text{π }}Kh}}\left( {\ln \frac{{{r_\text{e} }}}{r} - \frac{3}{4} + \frac{{2\eta t}}{{r_\text{e} ^2}} - 0.84{{\text{e}}^{ - 14.682\frac{{\eta t}}{{r_\text{e}^2}}}}} \right)$

(7)

结合拟压力函数定义，若将 ${{\mu {{Z}}} \mathord{\left/ {\vphantom {{\mu {{Z}}} p}} \right. } p}$ 视为常数，令 ${{{C_1}{\text{ = }}\mu {{Z}}} \mathord{\left/ {\vphantom {{{C_1}{\text{ = }}\mu {\text{Z}}} p}} \right. } p}$ ，则有：

$p - {p_{\text{i}}} = \frac{{{C_1}}}{2}\left[ {\psi (p) - \psi ({p_{\text{i}}})} \right]$

(8)

将重力流量转换成体积流量，并结合真实气体状态方程，则有：

${G_{\text{g}}} = \frac{{0.231\;5{q_{\text{g}}}{T_{\text{f}}}{p_{\text{a}}}\overline Z }}{{{T_{\text{a}}}}}$

(9)

式中： ${q_\text{g} }$ 为气井注气量，10⁴m³/d；T_f为地层温度，K；p_a为标准大气压，MPa； $\overline {Z}$ 为地层温度、地层平均压力下的天然气偏差因子；T_a为标准状况温度，K。

将式（8）和式（9）代入式（7），得到注气后储层压力计算公式为：

$\begin{split}{p_r} =& {p_{\text{i}}} + \frac{{0.057\;9{C_1}{q_\text{g}}\mu }}{{\text{π } Kh}}\frac{{{T_\text{f}}{p_\text{a}}\overline Z }}{{{T_\text{a}}}}\cdot \\ &\left( {\ln \frac{{{r_{\text{e}}}}}{r} - \frac{3}{4} + \frac{{2\eta t}}{{r_{\text{e}}^{\text{2}}}} - 0.84{{\text{e}}^{ - 14.682\frac{{\eta t}}{{r_\text{e}^2}}}}} \right) \end{split}$

(10)

式中： ${p_r}$ 为t时刻探测半径r处的储层压力，MPa。

1.2 井底压力

通过产能方程建立储层压力与井底压力（井底流压）之间的联系，依据1.1节求得的储层压力，结合注气量，从而计算得到井底压力。产能方程一般分为二项式产能方程和指数式产能方程，二项式产能方程为：

$p_{\text{wf} }^2 = p_r^2 + A{q_\text{g} } + Bq_\text{g}^2$

(11)

式中： ${p_{{\text{wf}}}}$ 为井底压力，MPa；A为二项式产能方程层流系数， $\text{MPa} /({\text{1}}{{\text{0}}^{\text{4}}}{{\text{m}}^3} \cdot {{\text{d}}^{{{ - 1}}}})$ ；B为二项式产能方程紊流系数， $\text{MPa} /{({\text{1}}{{\text{0}}^{\text{4}}}{{\text{m}}^3} \cdot {{\text{d}}^{{{ - 1}}}})^2}$ 。

指数式产能方程为：

$p_\text{wf}^2 = p_r^2 + {\left( {\frac{{{q_\text{g}}}}{C}} \right)^{\frac{1}{n}}}$

(12)

式中：C为产能方程系数， ${\text{1}}{{\text{0}}^{\text{4}}}\left({{\text{m}}^3} \cdot {{\text{d}}^{{{ - 1}}}} \right) \mathord{\left/ {\vphantom {{\left( {{\text{1}}{{\text{0}}^{\text{4}}}{{\text{m}}^3} \cdot {{\text{d}}^{{{ - 1}}}}} \right)} {\text{MP}{\text{a}^{2n}}}}} \right. } {\text{MP}{\text{a}^{2n}}}$ ；n为渗流指数。

1.3 井口压力

注采井注气不一定是连续的，可能存在临时关井的情况。因此，井口压力计算方法可分为注气时井口压力计算方法和关井时井口压力计算方法。

1.3.1 注气时井口压力

注采井注气期间，天然气可看作干气，由于注采井井筒长度相对其直径非常大，井筒中的垂直流动可视为以井筒距离为自变量的一维流动，即拟稳定状态流动，满足井筒压力变化规律。根据Cullender和Smith提出的井筒内流体流动的垂直管流方程^[27]，建立井底压力与井口压力之间的关系，结合1.2节求得的井底压力，进而推导得到注气时的井口压力。研究过程中，假设储气库垂直注采井井筒内的流动为单相均质流体的稳定流动，而对于单相均质流体的稳定流动过程，考虑气体在管内与注采井筒壁面所产生的摩擦压力损失，依据注采井筒内的能量平衡，利用伯努利方程，得到以注采井井底为基准面，通过垂直井筒任一流动截面上单位体积气体的压力、动能、位能和由于摩擦产生的压力损失之和为一常数，即：

$p + {\rho _{\text{g}}}gd + \frac{1}{2}{\rho _\text{g}}{v^2} - \Delta {p_\text{f} } = {C_0}$

(13)

式中：p为任一流动截面上单位体积气体的压力，MPa； ${\rho _{\text{g}}}$ 为任一流动截面上气体的密度，kg/m³；g为重力加速度，m/s²；d为注采井井筒内径，m；v为井筒内流体的流动速度，m/s； $\Delta {p_\text{f}}$ 为任一流动截面上单位体积气体的摩擦压力损失，MPa；C₀为井筒内的总压力损失常数，MPa。

$\,{\text{其中}}\qquad\qquad\qquad \Delta {p_\text{f}} = \frac{{f{\rho _{\text{g}}}{v^2}L}}{{2d}}$

(14)

式中：f为井筒摩擦系数；L为注采井筒井底深度，m。

将式（14）代入式（13），并微分得：

$\frac{{{{\rm{d}}} p}}{{{\rho _{\text{g}}}g}} + \left( {1 - \frac{{f{v^2}}}{{2gd}}} \right){{\rm{d}}} L + \frac{v}{g}{{\rm{d}}} v = 0$

(15)

若忽略流体动能的影响，则以注采井井底为基准面，垂直井筒任一流动截面上压力变化的微分方程为：

$\frac{{\text{d}{p} }}{{{\rho _{\text{g}}}g}}{\text{ = }}\left( {\frac{{f{v^2}}}{{2gd}} - 1} \right)\text{d}{L}$

(16)

其中

$f = \left\{ \begin{gathered} \frac{{64}}{{Re}}\qquad\qquad\qquad\qquad\qquad\qquad\; Re \leqslant 2\;000 \\ {\left[ {1.14 - 4.606\ln \left( {\frac{\varepsilon }{d} + \frac{{21.25}}{{Re_{}^{0.9}}}} \right)} \right]^{ - 2}}\quad Re > 2\;000 \\ \end{gathered} \right.$

(17)

式中：Re为雷诺数； $\varepsilon$ 为注采井井筒内管道的粗糙度，m。

根据气体流动方程，管内流动气体的密度 ${\rho _{\text{g}}}$ 为：

${\rho _\text{g} }{\text{ = }}\frac{{28.97{\gamma_\text{g}}p}}{{ZRT}}$

(18)

式中：γ_g为井筒内气体的相对密度；R为摩尔气体常数， $\text{MPa} \cdot {\text{m}^3} \cdot {\left( {\text{kmol} \cdot \text{K}} \right)^{ - 1}}$ ；T为井筒内气体温度，K。

井筒内任意压力、温度状态下的气体流速为：

$v = \frac{{0.463T{p_\text{sc}}Z{q_\text{g}}}}{{{\text{π }}{T_\text{sc}}p{d^2}}}$

(19)

式中：p_sc为拟对比压力，MPa；T_sc为拟对比温度，K。

将式（17）—式（19）代入式（16），整理得：

$\left( {\frac{{0.034\;5ZRT}}{{{\gamma_\text{g}}g}}} \right)p{{\rm{d}}} p = \left[ {\frac{{0.107\;2f{{\left( {{q_\text{g}}{p_\text{sc}}ZT} \right)}^2}}}{{g{{\text{π }}^2}{d^5}T_{{\text{sc}}}^{\text{2}}}} - {p^2}} \right]{{\rm{d}}} L$

(20)

将式（20）中的T和Z取平均值 $\overline{T}、{\overline{Z}}_\text{f}$ ，并对其从井底到井口进行积分，并整理得到井口压力计算公式为：

$p_\text{h}^{} = \sqrt {\frac{{p_{\text{wf} }^2}}{{{{\text{e}}^{2S}}}} + \frac{{1.324 \times {{10}^{ - 10}}f{{\left( {{q_g}\overline T\text{ }{{\overline Z}_\text{f}}} \right)}^2}}}{{{d^5}{{\text{e}}^{2S}}}}\left( {{{\text{e}}^{2S}} - 1} \right)}$

(21)

$\,{\text{其中}}\qquad\qquad\qquad S{\text{ = }}\frac{0.034\;15{\gamma _g}H}{ {\overline T \text{ }{{\overline Z }_\text{f}}}}$

(22)

式中：p_h为井口压力，MPa； $\overline T$ 为井筒的平均温度，K； ${\overline Z _\text{f}}$ 为井筒的平均压缩因子。

1.3.2 关井时井口压力

由于关井时气体不流动，则井口压力为：

${{\rm{d}}} {p_\text{h}}{\text{ = }}{\rho _{\text{g}}}g{{\rm{d}}} L$

(23)

将式（18）代入式（23），可进行求解。

上述2种井口压力计算方法均采用迭代法和逐点计算法进行求解。

2. 改进的粒子群优化算法

2.1 基本粒子群优化算法

基本粒子群优化算法的主要步骤为：

1）产生初始种群。随机产生N个粒子作为初始种群，各粒子为需要拟合的参数。

${X_{{{id}}}} = {X_{i{\rm{min}}}} + \left( {{X_{i{\rm{max}}}} - {X_{i{\rm{min}}}}} \right){F_1}$

(24)

式中： ${X_{id}}$ 表示第i个粒子第d维的位置； ${X_{i\text{min}}}$ 表示第i个粒子第d维最小值的位置； ${X_{i\text{max}}}$ 表示第i个粒子第d维最大值的位置； ${F_1}$ 为产生 $\left( {0,1} \right)$ 区间上随机数的函数。

2）计算目标函数值。目标函数值的大小表明粒子的优劣程度，以计算井口压力与实测井口压力的最小均方根误差为目标函数，计算公式为：

$\min \left( {\frac{1}{m}\sqrt {\sum\limits_{j = 1}^m {{{\left( {{p_{\text{h} j}} - p_{\text{h} j}^{\text{real} }} \right)}^2}} } } \right)$

(25)

式中： ${p_{\text{h} j}}$ 为第j天的计算井口压力，MPa； $p_{\text{h} j}^{\text{real} }$ 为第j天的实测井口压力，MPa；m为注气时间，d。

3）粒子速度和位置的更新公式。

速度更新公式为：

${v_{id}} = \omega {v_{id}}{\text{ + }}2{F_1}\left( {{P_{id}} - {X_{id}}} \right){\text{ + }}2{F_1}\left( {{P_{{g} d}} - {X_{id}}} \right)$

(26)

位置更新公式为：

${X_{id}} = {X_{id}} + {v_{id}}$

(27)

式中： $\omega$ 为惯性因子； ${v_{id}}$ 表示第i个粒子第d维的速度； ${P_{id}}$ 表示第i个粒子第d维的位置； ${P_{{g} d}}$ 表示全局最优解第d维的位置。

惯性因子为非负值，其值较大时，全局寻优能力强，局部寻优能力弱；较小时，全局寻优能力弱，局部寻优能力强。

2.2 改进粒子群优化算法

改进粒子群优化算法的主要步骤为：

1）产生初始种群。与基本粒子群优化算法一致，各粒子为需要拟合的参数，包括平均渗透率、探测半径等地层参数，同式（24）。

2）计算目标函数值。将产生的初始种群，作为初始条件代入式（10），计算出储气库的储层压力，根据式（11）或（12）计算出注采井井底压力，将其代入式（21）或（23），计算得到注采井的井口压力，然后再通过式（25）计算得到各粒子的目标函数值。

3）更新粒子的速度和位置。通过引入自动调整 $\omega$ 的策略，可以对全局寻优性能和局部寻优性能进行调整，从而达到加速收敛的效果，节约时间代价。其中，粒子的速度更新公式同式（26），位置更新公式同式（27）。

$\omega=\left\{ \begin{aligned} & \dfrac{0.64\left({f_i} - {f_{\min}}\right)}{{\overline f}- {f_{\min}}} \quad\quad \;{f_i} < \overline f \\ & 0.64 \;\;\quad\quad\quad\quad\quad\quad {f_i} \geqslant {\overline f} \end{aligned} \right.$

(28)

式中： ${f_i}$ 为第i个粒子目标函数值； ${f_{\min }}$ 为目标函数值的最小值； $\overline f$ 为目标函数值的平均值。

4）变异策略。引入变异策略，随机选择第i个粒子的第d维进行变异，增加种群的多样性。

${X_{id}} = {X_{id}} + {F_2}$

(29)

式中： ${F_2}$ 表示产生 $\left( { - 1,1} \right)$ 区间上随机数的函数。

重复步骤2）～4），直至种群中粒子表现满足收敛结束条件时停止。

此时种群的全局最优粒子，即为使计算井口压力与实测井口压力达到最优拟合的平均渗透率、探测半径等地层参数，从而求得储层压力和井底压力，进一步基于确定的地层参数预测后期的压力。

基于改进粒子群优化算法的压力和地层参数计算流程如图1所示。

图 1 基于改进粒子群优化算法的压力和地层参数计算流程

Figure 1. Flow chart of pressure and formation parameter calculation based on improved PSO algorithm

下载: 全尺寸图片幻灯片

3. 实例验证

呼图壁气藏位于准噶尔盆地南缘山前褶皱带第三排构造带的东端，储层岩性主要为细砂岩、不等粒砂岩和粉砂岩，孔隙以原生粒间孔为主，为受岩性构造控制、带边底水的中孔中渗砂岩贫凝析气藏^[28]。呼图壁储气库由呼图壁气田开发中后期改建而成，于2013年投入注采运行，目前处于第9个注采周期。以呼图壁储气库的3口注采井来验证模型，其中实测井口压力为井口油压。3口注采井的基础参数见表1，其中，X1井渗透率为2017年和2018年3次注气期间通过试井解释获得，最小为8.52 mD，最大为11.26 mD，平均为9.97 mD；X2井渗透率为2018年和2020年3次注气期间通过试井解释获得，最小为9.31 mD，最大为16.93 mD，平均为12.75 mD。采用基本粒子群优化算法和改进粒子群优化算法，计算了注采井X1井不同运行时间下的井口油压和地层参数；采用改进粒子群优化算法，计算了注采井X2井和X3井不同运行时间下的井口油压和地层参数，并分析了计算井口油压与实测井口油压的相关性，结果见表2和图2。

表 1 3口实例井的基础参数

Table 1. Basic parameters of three example wells

井名	井深/m	井筒有效半径/m	孔隙度	天然气相对密度	天然气黏度/ （mPa·s）	产能方程类型	产能系数A(C)	产能系数B(n)
X1井	3 529.00	0.076	0.165	0.78	0.020	二项式	0.004 3	0.030 4
X2井	3 553.75	0.076	0.155	0.65	0.020	二项式	0.386 2	0.031 9
X3井	3 582.00	0.088	0.209	0.75	0.015	指数式	1.391 4	0.840 8

下载: 导出CSV

| 显示表格

表 2 粒子群优化算法结果对比及地层参数

Table 2. Comparison of results obtained from PSO algorithm and formation parameters

井名	算法	平均渗透率/mD		探测半径/m	相对误差^①，%	决定系数^②	运行时间/s
井名	算法	注气前期	注气后期	探测半径/m	相对误差^①，%	决定系数^②	运行时间/s
X1井	基本粒子群优化算法	10.48	15.01	305.59	0.12	0.988 9	1 657.35
X1井	改进粒子群优化算法	10.48	15.01	305.59	0.12	0.988 9	1 445.51
X2井	改进粒子群优化算法	11.25	19.99	294.28	0.24	0.989 3	857.23
X3井	改进粒子群优化算法	10.00	29.99	301.26	0.11	0.978 4	418.35
注：①和②分别为计算井口油压和实测井口油压的相对误差和决定系数。

下载: 导出CSV

| 显示表格

图 2 3口注采井实测与计算井口压力的相关性和压力计算及预测结果

Figure 2. Correlation between calculated and measured wellhead pressure and results of calculated and predicted pressure of three injection and production wells

下载: 全尺寸图片幻灯片

从表2和图2可以看出：基本粒子群优化算法和改进粒子群优化算法拟合结果一致，说明改进粒子群优化算法具有很好的稳定性；X1井、X2井和X3井的计算井口油压与实测井口油压的相对误差分别为0.12%，0.24%和0.11%，误差相对较小，且决定系数均大于0.97，两者的相关性较强，证明计算井口油压与实测井口油压基本一致，说明拟合效果较好，因而储层压力和井底压力的计算结果可信度较高；计算出的渗透率与试井解释的渗透率基本一致，从而在一定意义上验证了计算出地层参数的合理性，同时也说明随着注气的进行，导致储气库压力不断变化，进而影响地层参数；X1井、X2井和X3井最后10 d的预测井口油压与实测井口油压拟合得也较好，说明预测的井口油压也具备一定的参考价值。

4. 结　论

1）综合储层压力、井底压力和井口压力的计算方法，可以进行地下储气库注气井一体化压力计算。

2）基于改进粒子群优化算法，建立了一种地下储气库注气过程中一体化压力及地层参数计算方法，通过智能拟合计算井口压力与实测井口压力，可以获得地下储气库井底压力和储层压力，进而得到地层参数，并进行压力预测。

3）以呼图壁储气库的3口注采井为例，验证了地下储气库注气过程中一体化压力及地层参数计算方法的可靠性和计算精度。

图 1 THA井井眼轨迹及直井眼6 300 ~ 6 600 m井段偶极横波远探测测井资料处理解释结果

Figure 1. Borehole trajectory of Well THA and interpretation results of logging data obtained by dipole shear-wave remote detection in the section of 6 300–6 600 m in the vertical borehole

下载: 全尺寸图片幻灯片

图 2 THB井井眼轨迹及第2个水平井眼偶极横波远探测测井资料处理解释结果

Figure 2. Borehole trajectory of Well THB and interpretation results of logging data obtained by dipole shear-wave remote detection in the second horizontal borehole

下载: 全尺寸图片幻灯片

图 3 THC井偶极横波远探测测井资料处理解释结果

Figure 3. Interpretation results of logging data obtained by dipole shear-wave remote detection of Well THC

下载: 全尺寸图片幻灯片

图 4 THC井酸压施工曲线

Figure 4. Acid-fracturing construction curve of Well THC

下载: 全尺寸图片幻灯片

图 5 SHBD井偶极横波远探测测井资料处理解释结果

Figure 5. Interpretation results of logging data obtained by dipole shear-wave remote detection of Well SHBD

下载: 全尺寸图片幻灯片

图 6 SHBD井酸压施工曲线

Figure 6. Acid-fracturing construction curve of Well SHBD

下载: 全尺寸图片幻灯片

参考文献(20)

[1]	董经利,许孝凯,张晋言,等. 声波远探测技术概述及发展[J]. 地球物理学进展,2020,35(2):566–572. doi: 10.6038/pg2020CC0180 DONG Jingli, XU Xiaokai, ZHANG Jinyan, et al. Overview and development of acoustic far detection technology[J]. Progress in Geophysics, 2020, 35(2): 566–572. doi: 10.6038/pg2020CC0180
[2]	张承森,肖承文,刘兴礼,等. 远探测声波测井在缝洞型碳酸盐岩储集层评价中的应用[J]. 新疆石油地质,2011,32(3):325–328. ZHANG Chengsen, XIAO Chengwen, LIU Xingli, et al. Application of remote detection acoustic reflection logging to fractured-vuggy carbonate reservoir evaluation[J]. Xinjiang Petroleum Geology, 2011, 32(3): 325–328.
[3]	范文同,刘冬妮,程红伟,等. 远探测声波技术在碳酸盐岩储层改造中的应用[J]. 工程地球物理学报,2016,13(6):701–706. doi: 10.3969/j.issn.1672-7940.2016.06.003 FAN Wentong, LIU Dongni, CHENG Hongwei, et al. The application of remote detection acoustic wave technique to carbonate reservoir reconstruction[J]. Chinese Journal of Engineering Geophysics, 2016, 13(6): 701–706. doi: 10.3969/j.issn.1672-7940.2016.06.003
[4]	唐晓明,魏周拓. 声波测井技术的重要进展:偶极横波远探测测井[J]. 应用声学,2012,31(1):10–17. doi: 10.11684/j.issn.1000-310X.2012.01.005 TANG Xiaoming, WEI Zhoutuo. Significant progress of acoustic logging technology: remote acoustic reflection imaging of a dipole acoustic system[J]. Applied Acoustics, 2012, 31(1): 10–17. doi: 10.11684/j.issn.1000-310X.2012.01.005
[5]	唐晓明,魏周拓,苏远大,等. 偶极横波远探测测井技术进展及其应用[J]. 测井技术,2013,37(4):333–340. doi: 10.3969/j.issn.1004-1338.2013.04.001 TANG Xiaoming, WEI Zhoutuo, SU Yuanda, et al. A review on the progress and application of diploe acoustic reflection imaging technology[J]. Well Logging Technology, 2013, 37(4): 333–340. doi: 10.3969/j.issn.1004-1338.2013.04.001
[6]	霍勇,庞秋维,赵勃权. 偶极横波远探测测井技术在塔里木油田的应用[J]. 长江大学学报(自科版),2014,11(8):54–56. HUO Yong, PANG Qiuwei, ZHAO Boquan. Remote detection acoustic logging-dipole shear wave reflection logging technique in Tarim Oilfield[J]. Journal of Yangtze University(Natural Science Edition), 2014, 11(8): 54–56.
[7]	张晋言,许孝凯,于其蛟,等. 多分量横波远探测成像测井仪研制及应用[J]. 应用声学,2018,37(2):268–272. doi: 10.11684/j.issn.1000-310X.2018.02.013 ZHANG Jinyan, XU Xiaokai, YU Qijiao, et al. Development and application of victory multicomponent reflected shear wave imager [J]. Applied Acoustics, 2018, 37(2): 268–272. doi: 10.11684/j.issn.1000-310X.2018.02.013
[8]	苏远大,魏周拓,唐晓明. 基于邻井反射的偶极横波远探测验证方法[J]. 应用声学,2014,33(1):29–34. doi: 10.11684/j.issn.1000-310X.2014.01.005 SU Yuanda, WEI Zhoutuo, TANG Xiaoming. A validation method of dipole shear-wave remote reflection imaging from adjacent borehole reflection[J]. Applied Acoustics, 2014, 33(1): 29–34. doi: 10.11684/j.issn.1000-310X.2014.01.005
[9]	楚泽涵,徐凌堂,尹庆文,等. 远探测反射波声波测井方法实验研究进展[J]. 测井技术,2005,29(2):98–101. doi: 10.3969/j.issn.1004-1338.2005.02.003 CHU Zehan, XU Lingtang, YIN Qingwen, et al. Progress of lab study on remote exploration acoustic reflection logging methods[J]. Well Logging Technology, 2005, 29(2): 98–101. doi: 10.3969/j.issn.1004-1338.2005.02.003
[10]	TANG Xiaoming. Imaging near borehole structure using directional acoustic wave measurement[J]. Geophysics, 2004, 69(6): 1378–1386. doi: 10.1190/1.1836812
[11]	TANG Xiaoming,PATTERSON D J. Single-well S-wave imaging using multicomponent dipole acoustic log data[J]. Geophysics, 2009, 74(6): 211–223. doi: 10.1190/1.3227150
[12]	余志军,鞠晓东,卢俊强,等. 方位远探测声波测井仪接收声系实验研究[J]. 应用声学,2017,36(1):88–94. YU Zhijun, JU Xiaodong, LU Junqiang, et al. Experimental research on receiver sonde of azimuthal remote acoustic reflection imaging logging tool[J]. Applied Acoustics, 2017, 36(1): 88–94.
[13]	李超,张波,许孝凯,等. 多分量方位远探测声波测井的理论与应用[J]. 应用声学,2020,39(2):292–299. doi: 10.11684/j.issn.1000-310X.2020.02.017 LI Chao, ZHANG Bo, XU Xiaokai, et al. Theory and application of multicomponent azimuthal remote explorationacoustic logging[J]. Applied Acoustics, 2020, 39(2): 292–299. doi: 10.11684/j.issn.1000-310X.2020.02.017
[14]	曹景记,唐晓明,苏远大. 多级声源在裸眼井外的纵横波辐射特性[J]. 声学技术,2016,35(6):487–492. CAO Jingji, TANG Xiaoming, SU Yuanda. Radiation characteristics of a multipole acoustic source in an open borehole[J]. Technical Acoustics, 2016, 35(6): 487–492.
[15]	庄春喜,燕菲,孙志峰,等. 偶极横波远探测测井数据处理及应用[J]. 测井技术,2014,38(3):330–336. ZHUANG Chunxi, YAN Fei, SUN Zhifeng, et al. Data processing and applications of dipole shear-wave imaging logging[J]. Well Logging Technology, 2014, 38(3): 330–336.
[16]	ESMERSOY C, CHANG C, KANE M, et al. Acoustic imaging of reservoir structure from a horizontal well[J]. The Leading Edge, 1998, 17(7): 940–946. doi: 10.1190/1.1438075
[17]	VIRIEUX J. P-SV wave propagation in heterogeneous media:velocity-stress finite-difference method[J]. Geophysics, 1986, 51(4): 889–901. doi: 10.1190/1.1442147
[18]	MOCZO P. Finite-difference technique for SH-waves in 2-D media using irregular grids-application to the seismic response problem[J]. Geophysical Journal International, 1989, 99(2): 321–329. doi: 10.1111/j.1365-246X.1989.tb01691.x
[19]	HORNBY B E. Imaging of near-borehole structure using full-waveform sonic data[J]. Geophysics, 1989, 54(6): 747–757. doi: 10.1190/1.1442702
[20]	CHABOT L, HENLEY D C, BROWN R J, et al. Single-well imaging using the full waveform of an acoustic sonic[J]. CREWES Research Report, 2001, 13: 583–600.

施引文献(7)

期刊类型引用(7)

1.	魏海峰. 深层盐穴储气库排卤管柱盐结晶实验及现场应用. 断块油气田. 2024(03): 541-546 . 百度学术
2.	李春，闵忠顺，何海燕，刘洁，屠坤，吴海涛. 国内地下储气库库址变化新趋势与发展建议. 石油钻探技术. 2024(03): 153-158 . 本站查看
3.	王娟，梅启亮，邹永玲，蔡亮，苏建华，田榆杰，黄瑞. 基于多参数时间序列及粒子群优化算法的油藏产量动态建模预测方法. 石油钻采工艺. 2023(02): 190-196 . 百度学术
4.	敬俊，单鸿斌，祝效华，孙汉文，许尔跃. 交变热载荷下水泥环缺陷对储气库井储层段套管的影响. 断块油气田. 2023(04): 685-691+697 . 百度学术
5.	完颜祺琪，王云，李东旭，胥洪成，李春，李康，李景翠，李丽锋. 复杂地质条件下储气库建设安全运行技术进展. 油气储运. 2023(10): 1092-1099 . 百度学术
6.	丁国生，王云，完颜祺琪，王皆明，胥洪成，李康，夏焱，李丽锋，曾德军，刘主宸. 不同类型复杂地下储气库建库难点与攻关方向. 天然气工业. 2023(10): 14-23 . 百度学术
7.	孔祥伟，董巧玲，叶佳杰. 储气库采–关作业油管气相波动压力分析. 石油钻探技术. 2023(06): 93-98 . 本站查看

其他类型引用(0)

资源附件(0)

图(6)

计量

文章访问数: 180
HTML全文浏览量: 98
PDF下载量: 28
被引次数: 7

1. 压力计算方法
1.1 储层压力
1.2 井底压力
1.3 井口压力
1.3.1 注气时井口压力
1.3.2 关井时井口压力
2. 改进的粒子群优化算法
2.1 基本粒子群优化算法
2.2 改进粒子群优化算法
3. 实例验证
4. 结　论

偶极横波远探测测井识别碳酸盐岩地层异常体可靠性研究

作者简介: 张钰（1981—），男，甘肃民勤人，2004年毕业于成都理工大学资源勘查工程专业，2015年获成都理工大学地质工程专业工程硕士学位，高级工程师，主要从事勘探项目运行管理工作。E-mail：zhangyu.xbsj@sinopec.com

计量

出版历程

Reliability Study of Anomalies Identified Through Logging by Dipole Shear-Wave Remote Detection in Carbonate Formations

1. 压力计算方法

1.1 储层压力

1.2 井底压力

1.3 井口压力

1.3.1 注气时井口压力

1.3.2 关井时井口压力

2. 改进的粒子群优化算法

2.1 基本粒子群优化算法

2.2 改进粒子群优化算法

3. 实例验证

4. 结 论

期刊类型引用(7)

其他类型引用(0)

计量

出版历程

目录

1. 压力计算方法

1.1 储层压力

1.2 井底压力

1.3 井口压力

1.3.1 注气时井口压力

1.3.2 关井时井口压力

2. 改进的粒子群优化算法

2.1 基本粒子群优化算法

2.2 改进粒子群优化算法

3. 实例验证

4. 结 论

作者简介:
张钰（1981—），男，甘肃民勤人，2004年毕业于成都理工大学资源勘查工程专业，2015年获成都理工大学地质工程专业工程硕士学位，高级工程师，主要从事勘探项目运行管理工作。E-mail：zhangyu.xbsj@sinopec.com

4. 结　论

4. 结　论