波谱学杂志, 2021, 38(2): 215-226 doi: 10.11938/cjmr20202856

研究论文

利用核磁共振资料定量评价页岩孔隙结构

孟昆1,2, 王胜建,2, 薛宗安2, 侯瑞卿3, 肖亮1

1. 中国地质大学(北京), 北京 100083

2. 中国地质调查局油气资源调查中心, 北京 100083

3. 中石化胜利石油工程有限公司 地质录井公司, 山东 东营 257064

Quantitative Evaluation of Shale Pore Structure Using Nuclear Magnetic Resonance Data

MENG Kun1,2, WANG Sheng-jian,2, XUE Zong-an2, HOU Rui-qing3, XIAO Liang1

1. China University of Geosciences, Beijing 100083, China

2. Oil & Gas Survey, China Geological Survey, Beijing 100083, China

3. Geological Logging Company, Sinopec Shengli Petroleum Engineering Corporation Limited, Dongying 257064, China

通讯作者: 王胜建, Tel: 010-64998687, E-mail:wshj0908@163.com

收稿日期: 2020-09-21  

基金资助: 国家科技重大专项.  2016ZX05034-004
中国地质调查局资助项目.  DD20201172

Received: 2020-09-21  

摘要

页岩气储层的孔隙结构复杂且非均质性较强,导致储层表征及有效性评价面临极大挑战.为了建立页岩气储层孔隙结构的定量评价方法,本文选取了鄂西宜昌地区陡山沱组二段20块岩心,采用0.069 ms的回波间隔开展饱含盐水状态下的核磁共振(NMR)实验.在此基础上,对T2谱进行了多重分形特征分析,提取了对页岩气储层孔隙结构较敏感的参数,并建立了基于最小与最大广义分维数差值(Dmin-Dmax)和谱宽(Δα)划分页岩气储层类型的方法及标准.该方法对于有效提高页岩气储层的预测精度、指导开发选层等具有重要意义.

关键词: 页岩气储层 ; 核磁共振 ; 孔隙结构 ; 低回波间隔 ; 多重分形理论

Abstract

The pore structure of shale gas reservoir is complex and heterogeneous, leading to great challenges in reservoir characterization and effectiveness evaluation. In order to establish a quantitative evaluation method for pore structure of the shale gas reservoir, 20 cores of the second member of Doushantuo Formation in Yichang area, western Hubei were selected as the experimental sample. An echo interval of 0.069 ms was used to carry out nuclear magnetic resonance (NMR) experiments under 100% salt water saturation. The obtained T2 spectra were analyzed with the multifractal characteristics method, and the parameters sensitive to the pore structure of the shale reservoirs were extracted. A method and a standard to classify shale reservoir types were developed, based on the minimum and maximum generalized fractal dimension difference (Dmin-Dmax) and spectral width (Δα). This method is of great significance for improving the prediction accuracy of shale gas reservoirs and guiding development and selection.

Keywords: shale gas reservoir ; nuclear magnetic resonance (NMR) ; pore structure ; low echo interval ; multifractal theory

PDF (1126KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

孟昆, 王胜建, 薛宗安, 侯瑞卿, 肖亮. 利用核磁共振资料定量评价页岩孔隙结构. 波谱学杂志[J], 2021, 38(2): 215-226 doi:10.11938/cjmr20202856

MENG Kun. Quantitative Evaluation of Shale Pore Structure Using Nuclear Magnetic Resonance Data. Chinese Journal of Magnetic Resonance[J], 2021, 38(2): 215-226 doi:10.11938/cjmr20202856

引言

页岩气储层的孔隙结构是影响气藏储集能力和页岩气开采的主要因素[1]. 页岩气储层中气体的赋存形式包括吸附态、游离态和溶解态3种,以吸附态和游离态为主,其中较大孔隙中往往以游离态为主,而较小孔隙则以吸附态为主[2-4].定量表征页岩气储层的孔隙大小和分布对于评估页岩气藏潜力、指导页岩气的勘探开发具有重要意义[5-7].

核磁共振(NMR)测井资料是研究岩石孔隙结构的重要资料,在表征孔隙体积、孔径分布和比表面积等方面具有其它资料所不可比拟的优势[8-12].目前,NMR测井资料广泛用于表征岩石的孔隙结构和划分储层类型,在常规-致密储层中取得了很好的应用效果[13-16].然而,由于页岩气储层孔隙尺寸较小,且相应的岩石物理配套实验资料较少,因此常规的利用NMR测井表征岩石孔隙结构的方法失去了作用.分形理论由Mandelbrot[17]在1975年首次提出,是用来描述不规则几何图形自相似特性的一种常用方法[18, 19].1988年,Krohn[20]用扫描电镜观察岩石断面,发现各种砂岩、页岩及碳酸盐岩在一定尺度内具有良好的分形性质.贾芬淑等[21]利用分维数来定量评价砂岩的孔隙结构,取得了一定的应用效果.然而,大多数自然物体的形状呈现出非均质性和多重分形特征,一个恒定的分形维数不能准确地描述其特征.因此,在分形的基础上,有研究者提出了一种能提供更多孔隙特性信息的多重分形理论,将自相似性度量转化为多重分形函数集[22, 23].目前,国内外学者针对岩心孔径分布开展了大量的分形和多重分形性特征研究.胡琳等[24]基于压汞数据,根据页岩孔隙分形曲线的特征,将孔隙结构划分为渗透孔隙、凝聚-吸附孔隙和吸附孔隙三类.Jiang等[25]基于压汞数据,建立了分形参数与孔隙度和渗透率之间的相关关系.Zhao等[26]基于低温氮气吸附和NMR实验,发现中巴肯地层微孔隙体积和平均孔隙大小与多重分形参数谱宽(Δα)有较好的相关性.王民等[27]发现页岩孔径分布存在明显的多重分形特征,孔径分布的非均质性主要与孔隙比表面积有关.Liu等[28]基于低温二氧化碳和氮气实验,发现了巴肯页岩具有多重分形现象,广义维数随着阶矩的增加而减小,多重分形谱呈现强的不对称性.

低温氮气吸附、低温二氧化碳吸附、压汞和NMR是常用的研究岩心孔径分布的实验方法,岩心孔径分布的多重分形特征分析被用来进一步刻画岩心孔隙结构的复杂性和非均质性.鄂西地区震旦系陡山沱组是中国页岩气勘查的新层系,陡山沱组直井分段压裂的日产气量最高达5 460 m3/d、水平井压裂获得5.53万m3/d稳定页岩气流[29, 30].目前,针对该层系的页岩微观孔隙结构的研究尚不充分.为提高对该层系储层的孔隙结构的有效评价精度,本文基于多重分形理论对饱含盐水状态的岩心T2谱进行多重分形特征分析及敏感参数提取,研究多重分形参数与岩石孔隙结构之间的关系,并通过敏感的多重分形参数建立页岩气储层孔隙结构的定量表征和分类的方法.

1 地质背景

鄂西地区位于四川盆地东部,大地构造上处于扬子板块中段.目的层震旦系陡山沱组沉积环境主要为潮坪、台内盆地及斜坡沉积,而黑色页岩段主要发育于台内盆地[31].陡山沱组二段暗色泥页岩地层厚度超过50 m;有机碳含量(TOC)普遍大于1%;有机质类型以Ⅰ~Ⅱ1型为主,成熟度(Ro)介于0.58%~2.38%之间,平均为1.98%;页岩矿物成分以白云石为主,具备形成页岩气的良好地质条件[29, 32].

鄂阳页1井位于鄂西地区黄陵背斜的西南部,其震旦系陡山沱组可划分为四段.陡一段为灰色泥质白云岩,厚度11.46 m;陡二段以黑色碳质页岩和灰黑色白云质页岩为主,厚度127.69 m;陡三段以灰色灰质白云岩、浅灰色白云岩为主,厚度57.72 m;陡四段发育一套深灰色泥岩,厚度0.65 m(图 1).本次研究选取鄂阳页1井震旦系陡山沱组陡二段岩心20块,其中黑色碳质页岩9块、灰黑色白云质页岩11块,开展了饱含盐水状态的NMR研究,通过对T2谱的多重分形特征分析,研究页岩气储层的微观孔隙结构.

图1

图1   鄂阳页1井震旦系陡山沱组地层柱状图

Fig.1   Stratigraphic column of the Sinian Doushantuo formation, eyangye 1 well


2 NMR实验和数据分析

2.1 NMR实验

NMR实验在纽迈MicroMR20-G型核磁共振岩心分析仪上完成.为了使岩心NMR实验与实际NMR测井资料之间具有较好的匹配性,在岩心NMR实验时往往选用与NMR测井仪器相对应的回波间隔,这些回波间隔在常规储层中具有一定的适用性,但对于黏土含量较高、孔喉半径较小的细粒级储层,其回波间隔则需要选用更小的值[33, 34]. 本文考虑到页岩储层的微小孔隙较发育,T2谱上短弛豫组分所占比重较大,在实验时选择0.069 ms的回波间隔进行测量.其它的测量参数包括:等待时间(Tw)=1.5 s,扫描次数=64,接收增益=100%,回波个数=8 192.

实验基本步骤如下:(1)将岩心切割成直径为2.50 cm、长度在0.50 cm以上的柱塞样品,并将端面磨平、抛光,制备标准柱塞样;(2)对岩心样品进行洗油、洗盐处理;(3)配置浓度为5.0 mg/L的KCl溶液浸泡样品,将真空室内抽真空、加压饱和8 h,饱和压力为0.3 MPa,直到岩心达到完全饱含盐水状态;(4)对饱含盐水状态的岩心进行NMR实验,得到完全饱含盐水状态的T2谱. 实验过程中,考虑到所选取的页岩岩心在长时间浸泡后容易散开,故未做离心处理.

2.2 数据分析

20块页岩样品的NMR孔隙度(Φ-nmr)、T50和孔隙比例如表 1所示. 从表中可以看到,所选岩心的NMR孔隙度介于0.86%~3.17%,平均值为1.77%.表中T50是归一化T2谱反向累积曲线上50%的饱和度所对应的T2,其类似于压汞实验中的中值压力Pc50(汞饱和度为50%时对应的进汞压力),被验证为研究孔隙结构的重要参数[35-37].根据国际理论与应用化学学会(IUPAC)的定义,宽度小于2 nm的孔隙称为微孔,介于2~50 nm的孔隙称为中孔,而宽度大于50 nm称为宏孔[38].

表1   20块页岩岩心样品的NMR孔隙度、T50、孔隙比例和T2谱的多重分形参数

Table 1  Basic parameters of the 20 shale cores and multifractal parameters of their T2 spectra

编号岩性Φ-nmr/%T50/ms微孔/%中孔/%宏孔/%Dmin*Dmax*D-1*D1*Δα*Dmin-Dmax*
1#黑色碳质页岩2.020.5980.37648.68150.9421.2360.2931.0970.7621.0260.943
2#黑色碳质页岩1.190.6040.63848.50650.8561.1670.3781.0720.8380.8540.789
3#黑色碳质页岩0.860.2571.02665.73533.2391.2310.2271.1110.6691.0711.004
4#黑色碳质页岩2.190.5420.33851.06748.5951.2350.3131.1000.7651.0060.923
5#黑色碳质页岩2.080.7690.36744.56755.0651.1990.4571.0660.8730.8540.742
6#黑色碳质页岩1.110.3270.58561.89137.5241.2380.2291.1150.6791.0761.009
7#黑色碳质页岩1.070.3780.63658.55040.8141.2310.3121.0950.7770.9990.919
8#黑色碳质页岩1.990.3070.72362.88436.3931.2320.2661.1060.7241.0360.965
9#黑色碳质页岩1.690.4210.25257.06542.6841.2460.2621.1120.7091.0530.984
10#灰黑色白云质页岩1.870.1152.34870.62927.0231.3200.2751.1260.7191.1361.046
11#灰黑色白云质页岩2.560.3601.10557.66241.2331.2200.2881.0900.7571.0240.931
12#灰黑色白云质页岩2.150.3440.71359.89339.3941.2260.3081.1010.7590.9980.919
13#灰黑色白云质页岩1.690.1510.88485.16813.9481.3700.2241.1680.6031.2351.146
14#灰黑色白云质页岩1.280.1411.65880.52117.8201.3280.2381.1400.6621.1771.090
15#灰黑色白云质页岩2.100.2530.83566.57032.5951.2360.2701.1090.7211.0310.966
16#灰黑色白云质页岩1.100.1671.43669.71728.8461.3100.2321.1180.6751.1881.078
17#灰黑色白云质页岩0.890.1831.33359.50339.1651.3240.2531.1220.7031.1801.071
18#灰黑色白云质页岩3.170.1021.96087.00211.0371.3640.2171.1710.6071.2281.147
19#灰黑色白云质页岩1.750.2100.58974.23425.1771.3370.2641.1360.6951.1691.073
20#灰黑色白云质页岩2.550.1490.94579.07419.9811.3590.2601.1480.6821.2001.100

* T2谱的多重分形参数定义见后文第3节.

新窗口打开| 下载CSV


图 2(a)为20块岩心完全饱含盐水状态下的T2谱.从图中可以看到,所有岩心T2谱上T2小于10 ms的组分所占比例均较高,而大于10 ms的弛豫组分所占比例相对较低,指示本文使用的岩心以小孔隙为主.图 2(b)是对完全饱含盐水状态的T2谱进行幅度值的依次累加,再对累加后的各幅度点除以其幅度总和得到的归一化累积曲线,归一化累积曲线可近似视为孔隙半径的累积分布曲线.图 3为基于NMR获得的黑色碳质页岩(5#)和灰黑色白云质页岩(13#)样品的孔隙比例分布,两块样品孔隙比例差异主要体现在中孔与宏孔:黑色碳质页岩有较高的宏孔比例和较低的中孔比例;而灰黑色白云质页岩反之.

图2

图2   (a) 完全饱含盐水状态的20块页岩岩心的T2谱;(b) T2谱归一化累积曲线

Fig.2   (a) T2 spectra of the 20 shale cores with fully saturated salt water; (b) Normalized cumulative curve of T2 spectra


图3

图3   基于NMR获得的黑色碳质页岩(5#)和灰黑色白云质页岩(13#)样品的孔隙比例分布

Fig.3   The pore size distributions of black carbonaceous shale core (5#) and gray-black dolomitic shale core (13#) acquired with NMR


3 基于T2谱的多重分形分析

多重分形理论被广泛应用于岩石微观孔径的分析,可以深入刻画岩石的结构细节和非均质性[25, 37]. 完全饱含盐水状态岩心的T2谱经过归一化累积处理,可近似代表岩心的孔隙半径分布曲线,已被证明可用来进行多重分形特征分析[39].

3.1 NMR响应机理

岩石孔隙中的流体存在三种弛豫机制,包括体积弛豫、表面弛豫和扩散弛豫,根据NMR基本原理,横向弛豫时间可表示为[40, 41]

$\frac{1}{{{T_2}}} = \frac{1}{{{T_{2{\rm{b}}}}}} + \frac{1}{{{T_{2{\rm{s}}}}}} + \frac{1}{{{T_{2{\rm{d}}}}}}$

(1) 式中${T_2}$${T_{2{\rm{b}}}}$${T_{2{\rm{s}}}}$${T_{2{\rm{d}}}}$分别表示横向弛豫时间、横向体积弛豫时间、横向表面弛豫时间和横向扩散弛豫时间,单位为ms.

一般来说,亲水岩石的横向弛豫主要取决于其表面弛豫和扩散弛豫,体积弛豫通常可忽略不计,且回波间隔和磁场梯度较小时扩散弛豫也可忽略不计.故横向弛豫时间可表示为[40, 41]

$\frac{1}{{{T_2}}} \approx \frac{1}{{{T_{2s}}}} = {\rho _2}(\frac{S}{V})$

(2) 式中${\rho _2}$为横向表面弛豫率,单位为μm/ms;针对页岩样品,Sondergeld和Curtis等[42, 43]认为其横向表面弛豫率的取值为50 nm/ms.S为孔隙的表面积,单位为μm2V为孔隙的体积,单位为μm3.

由于孔隙的表面积与体积之比与孔隙半径和形状因子有关,对于具有规则形状的孔隙,可根据(2)式推导出横向弛豫时间与岩石孔隙半径的关系[44]

$\frac{1}{{{T_2}}} = {\rho _2}\frac{{{F_s}}}{r}$

(3) 式中${F_s}$为孔隙形状因子,球状孔隙取3,柱状孔隙取2;r为孔隙半径,单位为μm.

由(3)式可知,T2与孔隙半径呈正比关系,利用该式可将T2谱转化成岩石的孔隙半径分布.

3.2 多重分形理论

本文采用计盒法对多重分形理论进行简要介绍.完全饱含水状态的岩心T2谱经过归一化累积处理,将其分布范围视为数据集长度L,以尺度$\varepsilon $将数据集L分割成$N(\varepsilon )$个部分.对数据集L进行插值处理,使分割集数目$N(\varepsilon ) = {2^m}$,则可定义尺度$\varepsilon = L \cdot {2^{ - m}}$$(m = 0, 1, 2, \cdots )$[45].尺度为$\varepsilon $时,第i个分割集的概率测度可表示为:

${P_i}(\varepsilon ) = \frac{{{v_i}(\varepsilon )}}{{\sum\nolimits_{i = 1}^{N(\varepsilon )} {{v_i}(\varepsilon )} }}$

(4) 式中,${v_i}(\varepsilon )$为第i个分割数据集下的数据累加值,i取正整数.

具有多重分形特征的概率分布数据集,概率测度与尺度$\varepsilon $符合幂指数关系[45, 46]

${P_i}(\varepsilon ) \propto {\varepsilon ^{{\alpha _i}}}$

(5) 式中,${\alpha _i}$为Coarse-Holder指数或奇异强度,代表第i个分割集的数据分布密度.

因此,不同的分割集可能具有相同的奇异强度,用${N_\alpha }(\varepsilon )$表示$\varepsilon $下奇异强度分布在α及其附近的分割数据集累加占总数据集的比例,则${N_\alpha }(\varepsilon )$可表示为:

${N_\alpha }(\varepsilon ) \propto {\varepsilon ^{ - f(\alpha )}}$

(6) 式中,$f(\alpha )$为多重分形谱或奇异谱.

定义配分函数为:

$X(q, \varepsilon ) = \sum\nolimits_{i = 1}^{N(\varepsilon )} {{P_i}} {(\varepsilon )^q} \propto {\varepsilon ^{\tau (q)}}$

(7) 式中,q为阶矩或权重因子,取值范围可为$[ - \infty , + \infty ]$$\tau (q)$为质量函数,可表示为:

$\tau (q) = - \mathop {\lim }\limits_{\varepsilon \to 0} \frac{{\lg X(q, \varepsilon )}}{{\lg \varepsilon }} = - \mathop {\lim }\limits_{\varepsilon \to 0} \frac{{\lg \sum\nolimits_{i = 1}^{N(\varepsilon )} {{P_i}} {{(\varepsilon )}^q}}}{{\lg \varepsilon }}$

不同的q值具有不同的广义分形维数,$\tau (q)$能被用来计算广义分形维数$D(q)$

$D(q) = \left\{ \begin{gathered} \frac{{\tau (q)}}{{1 - q}} = \frac{1}{{q - 1}}\frac{{\lg \sum\nolimits_{i = 1}^{N(\varepsilon )} {{P_i}{{(\varepsilon )}^q}} }}{{\lg \varepsilon }}, {\rm{ }}q \ne 1 \\ \frac{{\sum\nolimits_{i = 1}^{N(\varepsilon )} {{P_i}(\varepsilon )\lg {P_i}(\varepsilon )} }}{{\lg \varepsilon }}, {\rm{ }}q = 1 \\ \end{gathered} \right.$

根据勒让得变换可得阶矩q对应的奇异强度$\alpha (q)$$f(\alpha )$$\tau (q)$的关系为:

$\alpha (q) = \frac{{{\rm{d}}\tau (q)}}{{{\rm{d}}q}}$

$f(\alpha ) = q\alpha (q) - \tau (q)$

通常,广义分维谱$q \sim D(q)$和多重分形谱$\alpha \sim f(\alpha )$是描述分形特征的两组不同的参数[37, 39, 47]. 广义分维谱$q \sim D(q)$中提取$D(q)$值研究数据集的分布特征;多重分形谱$\alpha \sim f(\alpha )$中提取$\alpha (q)$$f(\alpha )$和谱宽$\Delta \alpha $研究数据集的分布特征,谱宽$\Delta \alpha $被定义为:

$\Delta \alpha = {\alpha _{\max }} - {\alpha _{\min }}$

3.3 T2谱的多重分形特征分析

对20块岩心的T2谱归一化累积曲线进行多重分形分析,选取q的范围为$[ - 10, 10]$,步长为1.图 4(a)是5#岩心样品在q$[ - 10, 10]$时配分函数与不同盒子尺度在双对数坐标系下的交会图,图 4(b)为质量函数谱$q \sim \tau (q)$,而图 4(c)则为广义分维谱$q \sim D(q)$.由(9)式可知,在q不等于1时,$\tau (q)$$q \sim D(q)$可以进行相互转化,质量函数谱与广义分维谱具有相等的效力.图 4(d)为多重分形谱法得到的$\alpha \sim f(\alpha )$.对于广义分维谱$q \sim D(q)$,随着q的增加,$D(q)$逐渐减小;多重分形谱随着奇异强度$\alpha $的增大,先增大再减小.

图4

图4   5#页岩T2谱的多重分形分析. (a)配分函数与不同盒子尺度的双对数图;(b)质量函数谱q~τ(q);(c)广义分维谱q~D(q);(d)多重分形谱α~f(α)

Fig.4   Multifractal analysis of the T2 spectra of the 5# shale core. (a) Log-log plots of the partition function versus different box scales; (b) The mass functional spectrum q~τ(q); (c) The generalized dimension spectrum q~D(q); (d) The multifractal spectrum α~f(α)


20块页岩样品典型的多重分形特征参数如表 1所示,包括最小广义分维数Dmin、最大广义分维数Dmax、阶矩为-1的广义分维数D-1、阶矩为1的广义分维数D1、谱宽$\Delta \alpha $和最小最大广义分维数的差值(Dmin-Dmax),其中下标min和max分别代表最小和最大阶矩.

4 结果与讨论

4.1 基于T2谱的多重分形参数的孔隙结构分类

结合T2谱形态和表 1所示各岩心的孔隙比例,依次选取3块不同孔隙结构类型的代表性岩心,开展多重分形分析. 图 5(a)是三块岩心样品在完全饱含盐水状态下的T2谱归一化累积曲线,5#样品的归一化曲线位于图中最右侧,表 1中的孔隙比例指出其微孔和中孔比例最低,宏孔比例最高,指示出具有较好的连通性和储集空间,代表孔隙结构最好的岩心;18#样品的归一化曲线位于图中最左侧,微孔和中孔比例最高,宏孔比例最低,指示出具有较差的连通性和储集空间,代表孔隙结构最差的岩心;8#样品的归一化曲线介于5#和18#之间,孔隙结构中等.图 5(b)是三块样品的广义分维谱.由图可知:阶矩q小于0时,广义分维数与孔隙结构质量呈反比,孔隙结构越好,广义分维数越低;当阶矩q大于0时,广义分维数与孔隙结构质量呈正比,孔隙结构越好,广义分维数越高.广义分维数差值$[D( - q) - D(q)]$与孔隙结构质量呈反比,孔隙结构越好,广义分维数差值越低.图 5(c)是三块样品的多重分形谱,多重分形谱呈现先增加再减小的形态,谱宽(Δα)与孔隙结构质量成反比,孔隙结构越好,谱宽数值越低.

图5

图5   三类页岩样品的孔隙结构分析. (a) T2谱归一化累积曲线;(b)广义分维谱q~D(q);(c)多重分形谱α~f(α)

Fig.5   Pore structure analysis for three types of shale cores. (a) Normalized cumulative curves of T2 spectra; (b) The generalized dimension spectra q~D(q); (c) The multifractal spectra α~f(α)


根据对广义分维谱和多重分形谱的分析,选择(Dmin-Dmax)和Δα作为孔隙结构分类的敏感参数. 由20块样品(Dmin-Dmax)和Δα的交会图(图 6)可知:随着孔隙质量变差,(Dmin-Dmax)和Δα均变大,且二者之间具有较好的相关性. 根据(Dmin-Dmax)和Δα的值,将孔隙结构质量由高到低分为三类:Ⅰ类孔隙结构,0.74 < (Dmin-Dmax) < 0.95,0.85 < Δα < 1.03;Ⅱ类孔隙结构,0.95≤(Dmin-Dmax) < 1.01,1.03≤Δα < 1.10;Ⅲ类孔隙结构,1.01≤(Dmin-Dmax) < 1.15,1.10≤Δα < 1.25.

图6

图6   谱宽Δα与最小最大广义分维数差值(Dmin-Dmax)的交会图

Fig.6   Intersection graph between spectral width Δα and the difference of minimum and maximum generalized fractal dimension (Dmin-Dmax)


表 2是20块页岩样品三类孔隙结构的多重分形特征参数的分布范围和平均值,DminD-1能较好的区分Ⅲ类孔隙结构和其他两类孔隙结构.DmaxD1能较好的区分Ⅰ类孔隙结构和其他两类孔隙结构.Dmin-DmaxΔαD-1对三类孔隙结构分布范围均有明确的界限,可用作孔隙结构定量划分的敏感参数.

表2   20块页岩样品三类孔隙结构的多重分形特征参数的分布范围和平均值

Table 2  The distribution ranges and average values of the multifractal characteristic parameters of the three typesof pore structures in 20 shale cores

类型DminDmaxD-1D1ΔαDmin-Dmax
1.167~1.2360.288~0.4561.066~1.1010.757~0.8730.854~1.0260.742~0.943
1.2160.3361.0890.7900.9660.881
1.231~1.2450.227~0.2701.106~1.1150.669~0.7241.031~1.0750.965~1.009
1.2370.2511.1110.7001.0530.986
1.310~1.3700.217~0.2751.118~1.1710.603~0.7191.136~1.2351.046~1.147
1.3390.2451.1410.6681.1891.093

新窗口打开| 下载CSV


4.2 可靠性验证

图 7(a)~(c)是基于图 6所示的分类标准将20块样品分为三类,并得到的从第Ⅰ类至第Ⅲ类岩心的饱含盐水状态的T2谱,而图 7(d)则为三类样品的平均T2谱. 从图中可以看到,Ⅰ类和Ⅰ类岩心的T2谱主要呈现为双峰分布,且以小孔隙分布为主,T2谱上波谷的位置在10 ms左右.但大孔隙所占的比例完全不同,Ⅰ类储层大孔隙所占的比重大于Ⅱ类储层.而Ⅲ类岩心则主要以多峰分布为主,主峰的T2介于0.01~1.0 ms,大孔隙所占的比例进一步降低.

图7

图7   基于多重分形参数分类的三类T2谱和平均T2谱. (a) Ⅰ类;(b) Ⅱ类;(c) Ⅲ类;(d)平均T2

Fig.7   Three types of T2 spectra based on multifractal parameter classification. (a) type Ⅰ; (b) type Ⅱ; (c) type Ⅲ; (d) Average T2 spectra


表 3列出了三类岩心从NMR资料中计算的相关参数.T50范围介于0.10~0.77 ms之间,对应图 2(a)完全饱含盐水的岩心T2谱的左侧主峰区间.从统计结果来看,虽然不同类型岩心T2谱的相关参数有所差异,但分布范围有重叠,无法完全有效划分页岩气储层的类型. 而多重分形方法能够得到不同类型岩心的准确界限,这充分说明多重分形理论在页岩气储层孔隙结构表征及有效性预测中的可靠性.

表3   20块页岩样品三类孔隙结构的NMR孔隙度、T50,以及孔隙比例的分布范围和平均值

Table 3  The distribution ranges and average values of NMR porosity, T50 and pore ratio of the three types of pore structures in 20 shale samples

类型Φ-nmr/%T50/ms微孔/%中孔%宏孔/%
1.07~2.560.344~0.7690.338~1.10544.567~59.89339.394~55.065
1.890.5140.59652.70446.700
0.86~2.100.253~0.4210.252~1.02657.065~66.57032.595~42.684
1.550.3130.68462.82936.487
0.89~3.170.102~0.2100.589~2.34859.503~87.00211.037~39.165
1.790.1521.39475.73122.875

新窗口打开| 下载CSV


5 结论

(1)基于多重分形特征参数的孔隙结构定量表征和分类,为鄂西宜昌地区陡山沱组二段的页岩气储层的孔隙结构评价提供了新思路.

(2)多重分形参数中,(Dmin-Dmax)和Δα是表征页岩孔隙结构优劣的敏感参数,依据(Dmin-Dmax)和Δα可将目标储层划分为三类,该分类结果可以为页岩气储层勘探有利区域及开发选层提供指导.

(3)T2谱形态特征、T50和孔隙比例与多重分形参数建立的孔隙结构定量划分标准有较好的一致性,验证了(Dmin-Dmax)和Δα定量划分孔隙结构的可靠性.

利益冲突【-逻*辑*与-】#160;【-逻*辑*与-】#160;


参考文献

AMBROSE R J, HARTMAN R C, DIAZ C M, et al. New pore-scale considerations for shale gas in place calculations[C]. SPE, 2010: 131772.

[本文引用: 1]

ZHANG J C , JIN Z J , YUAN M S .

Reservoiring mechanism of shale gas and its distribution

[J]. Natural Gas Industry, 2004, 24 (7): 15- 18.

DOI:10.3321/j.issn:1000-0976.2004.07.005      [本文引用: 1]

张金川, 金之钧, 袁明生.

页岩气成藏机理和分布

[J]. 天然气工业, 2004, 24 (7): 15- 18.

DOI:10.3321/j.issn:1000-0976.2004.07.005      [本文引用: 1]

CURTIS J B .

Fractured shale-gas systems

[J]. AAPG Bulletin, 2002, 86 (11): 1921- 1938.

ROSS D J K .

Shale gas potential of the lower jurassic uordondale member, northeastern British Columbia, Canada

[J]. B Can Petrol Geol, 2007, 55 (1): 51- 75.

DOI:10.2113/gscpgbull.55.1.51      [本文引用: 1]

HOU Y G , HE S , YI J Z , et al.

Effect of pore structure on methane sorption capacity of shales

[J]. Petroleum Exploration and Development, 2014, 41 (2): 248- 256.

URL     [本文引用: 1]

侯宇光, 何生, 易积正, .

页岩孔隙结构对甲烷吸附能力的影响

[J]. 石油勘探与开发, 2014, 41 (2): 248- 256.

URL     [本文引用: 1]

HUANG Z K , CHEN J P , XUE H T , et al.

Microstructural characteristics of the cretaceous Qingshankou formation shale, Songliao basin

[J]. Petroleum Exploration and Development, 2013, 40 (1): 58- 65.

黄振凯, 陈建平, 薛海涛, .

松辽盆地白垩系青山口组泥页岩孔隙结构特征

[J]. 石油勘探与开发, 2013, 40 (1): 58- 65.

XIONG J , LIU X J , LIANG L X .

Pore structure and fractal characteristics of Longmaxi formation shale in the Changning region of Sichuan basin

[J]. Geological Science and Technology Information, 2015, 34 (4): 75- 82.

URL     [本文引用: 1]

熊健, 刘向君, 梁利喜.

四川盆地长宁构造地区龙马溪组页岩孔隙结构及其分形特征

[J]. 地质科技情报, 2015, 34 (4): 75- 82.

URL     [本文引用: 1]

WANG L , FU Y H , LI J , et al.

Experimental study on the wettability of Longmaxi gas shale from Jiaoshiba gas field, Sichuan Basin, China

[J]. J Petrol Sci Eng, 2017, 151, 488- 495.

DOI:10.1016/j.petrol.2017.01.036      [本文引用: 1]

OUYANG Z Q , LIU D M , CAI Y D , et al.

Fractal analysis on heterogeneity of pore-fractures in middle-high rank coals with NMR

[J]. Energ Fuel, 2016, 30 (7): 5449- 5458.

DOI:10.1021/acs.energyfuels.6b00563     

LAI J , WANG G W , FAN Z Y , et al.

Insight into the pore structure of tight sandstones using NMR and HPMI measurements

[J]. Energ Fuel, 2016, 30 (12): 10200- 10214.

DOI:10.1021/acs.energyfuels.6b01982     

GE X M , FAN Y R , CAO Y C , et al.

Investigation of organic related pores in unconventional reservoir and its quantitative evaluation

[J]. Energ Fuel, 2016, 30 (6): 4699- 4709.

DOI:10.1021/acs.energyfuels.6b00590     

WANG Z Z , LI X , WEI Y X , et al.

NMR technologies for evaluating oil & gas shale: a review

[J]. Chinese J Magn Reson, 2015, 32 (4): 688- 698.

URL     [本文引用: 1]

王志战, 李新, 魏杨旭, .

页岩油气层核磁共振评价技术综述

[J]. 波谱学杂志, 2015, 32 (4): 688- 698.

URL     [本文引用: 1]

SU J L , SUN J M , YUAN J B , et al.

Reservoir productivity evaluation based on NMR pore structure

[J]. Journal of Xi'an Shi You University (Natural Science), 2011, 26 (3): 43- 47.

DOI:10.3969/j.issn.1673-064X.2011.03.008      [本文引用: 1]

苏俊磊, 孙建孟, 苑吉波, .

基于核磁共振孔隙结构的产能评价

[J]. 西安石油大学学报(自然科学版), 2011, 26 (3): 43- 47.

DOI:10.3969/j.issn.1673-064X.2011.03.008      [本文引用: 1]

WANG X X , WANG G W , LUO X P , et al.

Application of NMR log to reservoir evaluation in Shinan oilfield

[J]. Well Logging Technology, 2007, 31 (3): 76- 80.

URL    

王晓霞, 王贵文, 罗兴平, .

核磁共振测井在石南油田储层分类评价中的应用

[J]. 测井技术, 2007, 31 (3): 76- 80.

URL    

XIAO L , MAO Z Q , ZHOU Z C , et al.

A new methodology of constructing pseudo capillary pressure (Pc) curves from nuclear magnetic resonance (NMR) logs

[J]. J Petrol Sci Eng, 2016, 147, 154- 167.

DOI:10.1016/j.petrol.2016.05.015     

WANG Z Z , XU X Q .

Quantitative evaluation of reservoir separation with MR-ML technology

[J]. Chinese J Magn Reson, 2010, 27 (2): 214- 220.

DOI:10.3969/j.issn.1000-4556.2010.02.009      [本文引用: 1]

王志战, 许小琼.

利用核磁共振录井技术定量评价储层的分选性

[J]. 波谱学杂志, 2010, 27 (2): 214- 220.

DOI:10.3969/j.issn.1000-4556.2010.02.009      [本文引用: 1]

MANDELBROT B B , AIZENMAN M .

Fractals: Form, chance, and dimension

[J]. Physics Today, 1979, 32 (5): 65- 66.

DOI:10.1063/1.2995555      [本文引用: 1]

CARLOS G G , FERNANDO S G M , CANIEGO J .

A protocol for fractal studies on porosity of porous media: High quality soil porosity images

[J]. Earth Sci, 2017, 28, 888- 896.

DOI:10.1007/s12583-017-0777-x      [本文引用: 1]

YANG Z Y , POURGHASEMI H R , LEE Y H .

Fractal analysis of rainfall-induced landslide and debris flow spread distribution in the Chenyulan Creek Basin, Taiwan

[J]. Earth Sci, 2016, 27 (1): 151- 159.

DOI:10.1007/s12583-016-0633-4      [本文引用: 1]

KROHN C E .

Fractal measurements of sandstones, shales, and carbonates

[J]. J Geophys Res-Sol Ea, 1988, 93 (B4): 3297- 3305.

DOI:10.1029/JB093iB04p03297      [本文引用: 1]

JIA F S , SHEN P P , LI K W .

Fractal features and application research of sandstone pore structure

[J]. Fault-Block Oil and Gas Field, 1995, 2 (1): 16- 21.

URL     [本文引用: 1]

贾芬淑, 沈平平, 李克文.

砂岩孔隙结构的分形特征及应用研究

[J]. 断块油气田, 1995, 2 (1): 16- 21.

URL     [本文引用: 1]

MANDELBORT B B .

Multifractal measures, especially for the geophysicist

[J]. Pure Appl Geophys, 1989, 131 (1): 5- 42.

URL     [本文引用: 1]

MULLER J .

Characterization of the North Sea chalk by multifractal analysis

[J]. J Geophys Res-Atmos, 1994, 99 (B4): 7275- 7280.

DOI:10.1029/94JB00117      [本文引用: 1]

HU L , ZHU Y M , CHEN S B , et al.

Fractal characteristics of shale pore structure of Longmaxi formation in Shuanghe area in southern Sichuan

[J]. Xinjiang Petroleum Geology, 2013, 34 (1): 79- 82.

URL     [本文引用: 1]

胡琳, 朱炎铭, 陈尚斌, .

蜀南双河龙马溪组页岩孔隙结构的分形特征

[J]. 新疆石油地质, 2013, 34 (1): 79- 82.

URL     [本文引用: 1]

JIANG Z H , MAO Z Q , SHI Y J , et al.

Multifractal characteristics and classification of tight sandstone reservoirs: a case study from the triassic Yanchang formation, Ordos Basin, China

[J]. Energies, 2018, 11 (9): 1- 17.

URL     [本文引用: 2]

ZHAO P Q , WANG X X , CAI J C , et al.

Multifractal analysis of pore structure of Middle Bakken formation using low temperature N2 adsorption and NMR measurements

[J]. J Petrol Sci Eng, 2019, 176, 312- 320.

DOI:10.1016/j.petrol.2019.01.040      [本文引用: 1]

WANG M , SHI J , JIAO C X , et al.

Multi-fractal characteristics of micro-pores of Shahejie Formation shale in Dongying Sag

[J]. Petroleum Geology and Recovery Efficiency, 2019, 26 (1): 72- 79.

URL     [本文引用: 1]

王民, 石瑾, 焦晨雪, .

东营凹陷沙河街组页岩微观孔隙多重分形特征

[J]. 油气地质与采收率, 2019, 26 (1): 72- 79.

URL     [本文引用: 1]

LIU K Q , OSTADHASSAN M , ZOU J , et al.

Multifractal analysis of gas adsorption isotherms for pore structure characterization of the Bakken Shale

[J]. Fuel, 2018, 219 (1): 296- 311.

URL     [本文引用: 1]

WANG S J , REN S M , ZHOU Z , et al.

Discussion on petrophysical evaluation of shale gas reservoir in the second member of Sinian Doushantuo formation in western Hubei province, south China

[J]. Geology in China, 2020, 47 (1): 133- 143.

URL     [本文引用: 2]

王胜建, 任收麦, 周志, .

鄂西地区震旦系陡山沱组二段页岩气储层测井评价初探

[J]. 中国地质, 2020, 47 (1): 133- 143.

URL     [本文引用: 2]

ZHAI G Y , BAO S J , WANG Y F , et al.

Reservoir accumulation model at the edge of palaeohigh and significant discovery of shale gas in Yichang area, Hubei province

[J]. Acta Geoscientia Sinica, 2017, 38 (4): 441- 447.

URL     [本文引用: 1]

翟刚毅, 包书景, 王玉芳, .

古隆起边缘成藏模式与湖北宜昌页岩气重大发现

[J]. 地球学报, 2017, 38 (4): 441- 447.

URL     [本文引用: 1]

YONG Z Q , ZHANG X , DENG H B , et al.

Differences about organic matter enrichment in the shale section of Ediacaran Doushantuo Formation in West Hubei of China

[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2016, 39 (6): 567- 574.

URL     [本文引用: 1]

雍自权, 张旋, 邓海波, .

鄂西地区陡山沱组页岩段有机质富集的差异性

[J]. 成都理工大学学报(自然科学版), 2016, 39 (6): 567- 574.

URL     [本文引用: 1]

CHEN X H , ZHANG G T , HU Y .

Deposit environment of the ediacaran doushantuo formation in Yichang area, western Hubei province, China and its geological significance for shale gas

[J]. Geology and Mineral Resources of South China, 2016, 32 (2): 106- 116.

URL     [本文引用: 1]

陈孝红, 张国涛, 胡亚.

鄂西宜昌地区埃迪卡拉系陡山沱组页岩沉积环境及其页岩气地质意义

[J]. 华南地质与矿产, 2016, 32 (2): 106- 116.

URL     [本文引用: 1]

匡立春, 孙仲春, 毛志强, . 核磁共振测井技术在准噶尔盆地油气勘探开发中的应用[M]. 北京: 石油工业出版社, 2015, 84 84- 87.

[本文引用: 1]

ZHANG G , HE Z B , CAO W Q , et al.

Effects of echo time on NMR apparent porosity and correction methods

[J]. Chinese J Magn Reson, 2020, 37 (2): 172- 181.

URL     [本文引用: 1]

张宫, 何宗斌, 曹文倩, .

回波间隔对核磁共振表观孔隙度的影响及矫正方法

[J]. 波谱学杂志, 2020, 37 (2): 172- 181.

URL     [本文引用: 1]

ZHAO P Q , WANG Z L , SUN Z C , et al.

Investigation on the pore structure and multifractal characteristics of tight oil reservoirs using NMR measurements: Permian Lucaogou Formation in Jimusaer Sag, Junggar basin

[J]. Mar Petrol Geol, 2017, 86, 1067- 1081.

DOI:10.1016/j.marpetgeo.2017.07.011      [本文引用: 1]

MAO Z Q , XIAO L , WANG Z N , et al.

Estimation of permeability by integrating nuclear magnetic resonance (NMR) logs with mercury injection capillary pressure (MICP) data in tight gas sands

[J]. Appl Magn Reson, 2013, 44 (4): 449- 468.

DOI:10.1007/s00723-012-0384-z     

ZHAO P Q , SUN Z C , LUO X P , et al.

Study on the response mechanisms of nuclear magnetic resonance (NMR) log in tight oil reservoirs

[J]. Chinese J Geophysics, 2016, 59 (5): 1927- 1937.

URL     [本文引用: 3]

IUPAC (International Union of Pure and Applied Chemistry) .

Physical chemistry division commission on colloid and surface chemistry, subcommittee on characterization of porous solids: Recommendations for the characterization of porous solids (Technical Report)

[J]. Pure Appl Chem, 1994, 66 (8): 1739- 1758.

DOI:10.1351/pac199466081739      [本文引用: 1]

GE X M , FAN Y R , ZHU X J , et al.

Determination of nuclear magnetic resonance T2 cutoff value based on multifractal theory-An application in sandstone with complex pore structure

[J]. Geophysics, 2014, 80 (1): D11- D21.

[本文引用: 2]

肖立志. 核磁共振成像测井与岩石核磁共振及其应用[M]. 北京: 科学出版社, 1998.

[本文引用: 2]

DUNN K J , BERGMAN J D , LATORRACA A G . Nuclear magnetic resonance petrophysical and logging application[M]. Pergamon: Elsevier, 2002.

[本文引用: 2]

SONDERGELD C H, AMBROSE R J, RAI C S, et al. Micro-structural studies of gas shales[C]//SPE131771, Proceedings of SPE Unconventional Gas Conference, Allen, TX: Society of Petroleum Engineers, 2010, doi: 10.2118/131771-MS.

[本文引用: 1]

CURTIS M E, AMBROSE R J, SONDERGELD G H, et al. Structural characterization of gas shales on the micro and nano-scales[C]//SPE137693, Proceedings of SPE Unconventional Gas Conference, Allen, TX: Society of Petroleum Engineers, 2010, doi: 10.2118/137693-MS.

[本文引用: 1]

XIAO L , MAO Z Q , ZOU C C , et al.

A new methodology of constructing pseudo capillary pressure (Pc) curves from nuclear magnetic resonance (NMR) logs

[J]. J Petrol Sci Eng, 2016, 147, 154- 167.

URL     [本文引用: 1]

HALSEY T C , JENSEN M H , KADANOFF L P , et al.

Fractal measures and their singularities: The characterization of strange sets

[J]. Phys Rev A, 1986, 33 (2): 1141- 1151.

URL     [本文引用: 2]

GUTIERREZ C G , JOSE F S .

Multifractal analysis of soil micro and macroporosity using digital images obtained with fluorescent dye

[J]. Geophys Res Abstr, 2006, 8, 11094.

[本文引用: 1]

CAI J C , YU B M , ZOU M Q , et al.

Fractal analysis of surface roughness of particles in porous media

[J]. Chinese Phys Letters, 2010, 27, 157- 160.

URL     [本文引用: 1]

/