Processing math: 8%

多尺度随钻方位电磁波测井系统响应特征研究

吴柏志, 杨震, 郭同政, 袁习勇

吴柏志,杨震,郭同政,等. 多尺度随钻方位电磁波测井系统响应特征研究[J]. 石油钻探技术,2022, 50(6):7-13. DOI: 10.11911/syztjs.2022107
引用本文: 吴柏志,杨震,郭同政,等. 多尺度随钻方位电磁波测井系统响应特征研究[J]. 石油钻探技术,2022, 50(6):7-13. DOI: 10.11911/syztjs.2022107
WU Baizhi, YANG Zhen, GUO Tongzheng, et al. Response characteristics of logging While drilling system with multi-scale azimuthaWl electromagnetic waves [J]. Petroleum Drilling Techniques,2022, 50(6):7-13. DOI: 10.11911/syztjs.2022107
Citation: WU Baizhi, YANG Zhen, GUO Tongzheng, et al. Response characteristics of logging While drilling system with multi-scale azimuthaWl electromagnetic waves [J]. Petroleum Drilling Techniques,2022, 50(6):7-13. DOI: 10.11911/syztjs.2022107

多尺度随钻方位电磁波测井系统响应特征研究

基金项目: 中国石化集团公司科研攻关项目“随钻超深方位电磁波前探测仪器关键技术研究”(编号:JP22503)、中国石化“十条龙”科技攻关项目“旋转地质导向核心技术攻关及应用”(编号:P21080)和中国博士后科学基金项目“随钻瞬变电磁测井前视远探测方法研究”(编号:2022M713462)联合资助
详细信息
    作者简介:

    吴柏志(1970—),男,吉林扶余人,1993年毕业于大庆石油学院采油工程专业,2006年获中国石油大学(华东)油气田开发工程专业博士学位,正高级工程师,主要从事石油工程技术方面的管理和研究工作。E-mail:wubz@sinopec.com

  • 中图分类号: P631.8+11

Response Characteristics of Logging While Drilling System with Multi-Scale Azimuthal Electromagnetic Waves

  • 摘要:

    为了及时发现地层构造变化,规避钻井风险的同时准确评价地层,要求随钻测井仪器具备尽可能大的探测深度和较高的分辨率,而单一尺度的测量结果难以同时满足上述要求。为此,模拟研究了超深随钻方位电磁波和随钻方位电磁波测井系统的探测特性,分析了该测井系统的探边能力和分辨率,并探索了其对钻前地层界面的探测效果;然后,采用拟牛顿法,进行了多尺度随钻方位电磁波测井资料的精确快速反演。研究结果表明,通过增大源距、降低频率的方式,超深随钻方位电磁波测井的探边能力达到数十米;与小尺度随钻方位电磁波测井联合使用,通过反演可以实时获取油藏电阻率剖面信息,从而实现近远井不同范围内的地质预测、地质导向和油藏描述。

    Abstract:

    In order to detect changes in stratigraphic structures in time, and accurately evaluate formation while avoiding drilling risks, logging while drilling (LWD) instruments are required with adequate depth of detection (DOD) and higher resolution. However, the measurement results of a single scale LWD cannot simultaneously satisfy the stated requirements. Therefore, the detection characteristics of ultra-deep azimuthal electromagnetic wave LWD and a conventional one were simulated and investigated, and the boundary detection ability and resolution of the system were analyzed as well. Meanwhile, the detection effect of undrilled formation interface was also explored. Moreover, the quasi-Newton method was used to perform accurate and fast inversion of data from LWD with multi-scale azimuthal electromagnetic waves. The study results showed that by increasing the coil spacing and reducing the frequency, the LWD with ultra-deep azimuthal electromagnetic waves could have a boundary detection ability of tens of meters. Combined with a small-scale azimuthal electromagnetic wave LWD, the real-time resistivity profile of reservoirs through inversion could be obtained, so as to bring about geological prediction, geosteering, and reservoir characterization in the vicinity of wellbore and farther away.

  • 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。

    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。

    图  1  沉降试验装置示意
    Figure  1.  Devices for settlement experiments

    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1,2,3,4,57 930
    氧化锆1,2,3,4,56 080
    玻璃1,2,3,4,52 500
    页岩颗粒2.1~5.72 073
    下载: 导出CSV 
    | 显示表格

    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˙γnτ为剪切应力,Pa;˙γ为剪切速率,s−1K为幂律流体的稠度指数,Pa·snn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 fractions
    CMC质量分数,%温度/℃密度/(kg·m−3流变参数
    K/(Pa·snn
    2.0017.31 008.08.161 90.418 2
    1.7518.61 006.05.340 50.443 7
    1.5018.01 005.03.320 40.471 0
    1.2517.61 004.51.532 20.522 4
    1.0017.21 003.00.697 70.578 6
    0.5016.61 002.00.045 00.819 4
    0.2516.91 001.00.008 00.953 0
    下载: 导出CSV 
    | 显示表格

    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。

    图  2  古龙凹陷不同井深处页岩岩屑形态
    Figure  2.  Cuttings morphology in different well depths of the Gulong Depression

    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。

    图  3  古龙页岩岩屑的图像转换实例
    Figure  3.  Image conversion example of Gulong shale cuttings

    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。

    图  4  页岩岩屑圆形度与等效直径的分布关系
    Figure  4.  Distribution relationship between the roundness and equivalent diameter of shale cuttings

    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/m3g为重力加速度,m/s2vt 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CDRes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。

    图  5  沉降试验得到的196组球形颗粒的CDRes关系
    Figure  5.  CD-Res relationship of 196 groups of spherical particles obtained through settlement experiments

    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 + 22.642B = - 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:ABCDE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,%
    δMREδMMREδRMSLE
    0.001<Res<848.000式(8)17.3623.0034.94
    式(9)13.3114.0032.73
    式(11)20.8434.0039.24
    式(13)7.118.0019.72
    下载: 导出CSV 
    | 显示表格

    δMREδRMSLE 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CDRes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]

    图  6  迭代试错程序的流程
    Figure  6.  Flow of iterative trial and error program

    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图8

    图  7  球形颗粒沉降阻力系数预测值与试验值的对比
    Figure  7.  Comparison between predicted settlement drag coefficient of spherical particles and that measured through experiments
    图  8  球形颗粒沉降速度的预测值与试验值的对比
    Figure  8.  Comparison between predicted settling velocity of spherical particles and that measured throughexperiments

    图7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

    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。

    图  9  224组页岩岩屑数据的CDRes关系
    Figure  9.  CDRes relationship of 224 groups of shale cuttings data

    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cCD/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:αβη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%。

    图  10  页岩岩屑沉降试验测得阻力系数与模型预测阻力系数的对比
    Figure  10.  Comparison between drag coefficient of shale cuttings measured by settlement experiments and that predicted by the proposed model

    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。

    图  11  页岩岩屑沉降速度实测值与模型预测值的对比
    Figure  11.  Comparison between experimentally measured settling velocity of shale cuttings and that predicted by the model

    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。

  • 图  1   多尺度随钻方位电磁波测井系统的天线排布

    Figure  1.   Antenna configuration of LWD system with multi-scale azimuthal electromagnetic waves

    图  2   层状地层多尺度测井系统响应模拟结果

    Figure  2.   Simulated response results of multi-scale logging system in laminated formation

    图  3   层状地层边界探测信号成像

    Figure  3.   Images of boundary detection signals in laminated formation

    图  4   探边能力与电阻率对比度的关系

    Figure  4.   Relationship between boundary detection ability and resistivity contrast

    图  5   直井、不同层厚条件下的电阻率响应模拟结果

    Figure  5.   Simulated response results of resistivity with different layer thicknesses in vertical well

    图  6   层状地层超深地质信号响应模拟结果

    Figure  6.   Simulated response results of ultra-deep geosignals in laminated formation

    图  7   层状地层方位电阻率成像

    Figure  7.   Image of azimuthal resistivity in laminated formation

    图  8   测井仪器与地层的相对位置关系

    Figure  8.   Relative position of instrument and formation

    图  9   前探测视电阻率响应模拟结果

    Figure  9.   Simulated response results of apparent resistivity of undrilled formation

    图  10   多尺度测井系统反演结果

    Figure  10.   Inversion results of multi-scale logging system

  • [1]

    SEYDOUX J, LEGENDRE E, MIRTO E, et al. Full 3D deep directional resistivity measurements optimize well placement and provide reservoir-scale imaging while drilling[R]. SPWLA-2014-LLLL, 2014.

    [2]

    YUAN Xiyong, DENG Shaogui, LI Zhiqiang, et al. Deep-detection of formation boundary using transient multicomponent electromagnetic logging measurements[J]. Petroleum Science, 2022, 19(3): 1085–1098. doi: 10.1016/j.petsci.2021.12.016

    [3]

    WU Zhenguan, FAN Yiren, WANG Jiawei, et al. Application of 2.5-D finite difference method in logging-while-drilling electromagnetic measurements for complex scenarios[J]. IEEE Geoscience and Remote Sensing Letters, 2020, 17(4): 577–581. doi: 10.1109/LGRS.2019.2926740

    [4]

    OMERAGIC D, LI Q, CHOU L, et al. Deep directional electromagnetic measurements for optimal well placement[R]. SPE 97045, 2005.

    [5]

    BITTAR M, KLEIN J, BESTE R, et al. A new azimuthal deep-reading resistivity tool for geosteering and advanced formation evaluation[J]. SPE Reservoir Evaluation & Engineering, 2009, 12(2): 270–279.

    [6]

    LI Shanjun, CHEN Jiefu, BINFORD T L, Jr, et al. Using new LWD measurements to evaluate formation resistivity anisotropy at any dip angle[R]. SPWLA-2014-EEEE, 2014.

    [7] 杨震,杨锦舟,韩来聚,等. 随钻方位电磁波界面探测性能分析[J]. 石油学报,2016,37(7):930–938. doi: 10.1038/aps.2016.55

    YANG Zhen, YANG Jinzhou, HAN Laiju, et al. Interface detection performance analysis of azimuthal electromagnetic while drilling[J]. Acta Petrolei Sinica, 2016, 37(7): 930–938. doi: 10.1038/aps.2016.55

    [8] 杨震,杨锦舟,韩来聚. 随钻方位电磁波电阻率成像模拟及应用[J]. 吉林大学学报(地球科学版),2013,43(6):2035–2043. doi: 10.13278/j.cnki.jjuese.2013.06.023

    YANG Zhen, YANG Jinzhou, HAN Laiju. Numerical simulation and application of azimuthal propagation resistivity imaging while drilling[J]. Journal of Jilin University(Earth Science Edition), 2013, 43(6): 2035–2043. doi: 10.13278/j.cnki.jjuese.2013.06.023

    [9] 刘乃震,王忠,刘策. 随钻电磁波传播方位电阻率仪地质导向关键技术[J]. 地球物理学报,2015,58(5):1767–1775.

    LIU Naizhen, WANG Zhong, LIU Ce. Theories and key techniques of directional electromagnetic propagation resistivity tool for geosteering applications while drilling[J]. Chinese Journal of Geophysics, 2015, 58(5): 1767–1775.

    [10] 岳喜洲,刘天淋,李国玉,等. 随钻方位电磁波测井响应快速正演方法与地质导向应用[J]. 地球物理学报,2022,65(5):1909–1920.

    YUE Xizhou, LIU Tianlin, LI Guoyu, et al. An analytically fast forward method of LWD azimuthal electromagnetic measurement and its geo-steering application[J]. Chinese Journal of Geophysics, 2022, 65(5): 1909–1920.

    [11]

    WU H H, GOLLA C, PARKER T, et al. A new ultra-deep azimuthal electromagnetic LWD sensor for reservoir insight[R]. SPWLA-2018-X, 2018.

    [12]

    HARTMANN A, VIANNA A, MAURER H M, et al. Verification testing of a new extra-deep azimuthal resistivity measurement[R]. SPWLA-2014-MM, 2014.

    [13] 张盼,邓少贵,胡旭飞,等. 超深随钻方位电磁波测井探测特性及参数敏感性分析[J]. 地球物理学报,2021,64(6):2210–2219.

    ZHANG Pan, DENG Shaogui, HU Xufei, et al. Detection performance and sensitivity of logging-while-drilling extra-deep azimuthal resistivity measurement[J]. Chinese Journal of Geophysics, 2021, 64(6): 2210–2219.

    [14] 肖加奇,张国艳,洪德成,等. 层状各向异性地层中三维感应测井响应快速计算及资料处理[J]. 地球物理学报,2013,56(2):696–706.

    XIAO Jiaqi, ZHANG Guoyan, HONG Decheng, et al. Fast forward modeling and data processing of 3D induction logging tool in layered anisotropic formation[J]. Chinese Journal of Geophysics, 2013, 56(2): 696–706.

    [15] 魏宝君,田坤,张旭,等. 定向电磁波传播随钻测量基本理论及其在地层界面预测中的应用[J]. 地球物理学报,2010,53(10):2507–2515.

    WEI Baojun, TIAN Kun, ZHANG Xu, et al. Physics of directional electromagnetic propagation measurements-while-drilling and its application for forecasting formation boundaries[J]. Chinese Journal of Geophysics, 2010, 53(10): 2507–2515.

    [16] 黄明泉,杨震. 随钻超深电磁波仪器探测深度及响应特征模拟[J]. 石油钻探技术,2020,48(1):114–119. doi: 10.11911/syztjs.2019132

    HUANG Mingquan, YANG Zhen. Simulation to determine depth of detection and response characteristics while drilling of an ultra-deep electromagnetic wave instrument[J]. Petroleum Drilling Techniques, 2020, 48(1): 114–119. doi: 10.11911/syztjs.2019132

    [17]

    SEYDOUX J, DENICHOU J M, AMIR I, et al. Real-time EM look-ahead: A maturing technology to decrease drilling risk in low inclination wells[R]. SPWLA-2019-GGGG, 2019.

    [18] 胡旭飞,范宜仁,吴非,等. 随钻方位电磁波测井多参数快速反演[J]. 地球物理学报,2018,61(11):4690–4701. doi: 10.6038/cjg2018L0746

    HU Xufei, FAN Yiren, WU Fei, et al. Fast multiple parameter inversion of azimuthal LWD electromagnetic measurement[J]. Chinese Journal of Geophysics, 2018, 61(11): 4690–4701. doi: 10.6038/cjg2018L0746

    [19] 王磊,刘英明,王才志,等. 水平井随钻电磁波测井实时正反演方法[J]. 石油勘探与开发,2021,48(1):139–147. doi: 10.11698/PED.2021.01.12

    WANG Lei, LIU Yingming, WANG Caizhi, et al. Real-time forward modeling and inversion of logging-while-drilling electromagnetic measurements in horizontal wells[J]. Petroleum Exploration and Development, 2021, 48(1): 139–147. doi: 10.11698/PED.2021.01.12

  • 期刊类型引用(2)

    1. 荆思霖,宋先知,孙一,许争鸣,周蒙蒙. 基于压差法的水平井岩屑床轴向运移规律研究. 石油钻探技术. 2024(01): 54-61 . 本站查看
    2. 耿明亮,王艳萍,邓晓烽,祖也航,李昳. 单颗粒和双颗粒在聚丙烯酰胺溶液中沉降过程的数值模拟. 浙江理工大学学报(自然科学). 2024(05): 674-680 . 百度学术

    其他类型引用(2)

图(10)
计量
  • 文章访问数:  449
  • HTML全文浏览量:  161
  • PDF下载量:  130
  • 被引次数: 4
出版历程
  • 收稿日期:  2022-07-28
  • 修回日期:  2022-10-08
  • 网络出版日期:  2022-11-14
  • 刊出日期:  2022-12-07

目录

/

返回文章
返回