2019-2020年度SPWLA优秀报告
基于单一的热成熟度估算，我们提出了一种估算有机页岩岩石物理解释所需的干酪根性质的稳健方法。这种“改进的热成熟度测井解释方法”针对目标有机页岩采用自动和优化值来替换未知或默认的干酪根属性。该方法类似于众所周知的常规储层岩石中“骨架校正测井”采用特定计算值取代缺省骨架参数值的工业流程。本文方法是在研究了50多种热成熟度干酪根，包括未成熟到干气（镜质体反射率范围从0.5％到4％Ro），来自三大洲的八个主要代表性产油气成沉积盆地和~3亿年的沉积年龄。测试的干酪根属性包括化学元素组成（C，H，N，S，O）和骨架（颗粒）密度，以及计算的中子属性，如表观测井密度，氢指数，热和超热中子孔隙度，宏观热中子俘获截面，宏观快中子弹性散射截面和光电因子。对于与石油工业相关的干酪根（即热成熟度的II型干酪根对应的早期油到干气），证明其岩石物理性质主要受热成熟度控制，沉积盆地/地层之间没有明显的差异。因此，研究建立了与干酪根热成熟度相关的“通用曲线”，在本文研究的所有的高产盆地中应用效果较好。这些通用曲线能够稳健且准确的预测有机页岩的干酪根属性。通过敏感性分析和现场实例研究显示，本文基于全球有机页岩改进的热成熟度测井解释方法能够更准确，更可靠地获取原地孔隙度，饱和度和烃类。
2、Tengiz油田“测-吸-测”实验：用于提高采收率的原地渗吸监测新技术
天然裂缝型碳酸盐岩储层（NFR）二次采油往往会带来传统注水不常见的风险和挑战。NFR中采收率依赖于裂缝网络内注入流体驱替基质孔隙油气的能力，以及基质岩石毛细管相互作用的速率和大小。渗吸过程测试可以在实验室内借助于岩心样品完成，但由于储层非均质性、实验装置的限制以及岩心样品的品质，基于岩心尺度的实验结果对于储层特征的表征是有一定挑战的。本文以哈萨克斯坦西部一个巨型天然裂缝型致密碳酸盐岩储层为例，阐述了“测-吸-测”实验的设计，实施及评价，在大的间距内（数十米）内采用时间脉冲中子测井技术实现了含水饱和度变化的可重复和可靠的测量。周期性的监测获取了饱和度和水驱前缘随时间变化，并估算得到斜坡边缘、不同沉积环境及岩石类型储层的渗吸速率和幅度。将“测-吸-测”（LSL）评价结果代入油藏模型验证了水-油相对渗透率变化，残余油饱和度与含水饱和度、束缚水饱和度和假设毛管压力的变化。该验证限制了注水开发提高采收率（IOR）中存在的地层不确定性和实时油相采收率信息。
3、一种表征非均质岩溶碳酸盐岩的多尺度方法：井震结合机器学习优化油气开发
由于碳酸盐岩储层多尺度非均质性影响，碳酸盐岩储层的精确建模一直以来是一项具有挑战性的工作。孔喉分布、孔喉几何形状和孔喉连通性的不可预测变化，对储层岩石属性和流体渗流特征产生明显影响。从而导致岩心分析或测井评价的储层特征参数与实际三维模型之间存在极大的差异。本文介绍了一种新的基于多维/多尺度全集成机器学习流程，旨在获取一种稳健的碳酸盐岩储层静态和动态特征。具体来讲，通过综合运用裸眼井测井、微电阻率成像、生产测井和压力变化分析来表征储层岩石特征和单井动态。进而，基于特殊分类方法建立上述储层特征和井点外推地震属性之间的联系。最终，通过以目的为导向的神经网络算法将研究的碳酸盐特征拓展到整个三维储层。研究提出的完整的方法是基于成岩作用，特别是岩溶作用导致的强非均质性含油碳酸盐岩储层。这些是低孔隙度条件的渗透性增强的原因，对于生产优化和油藏管理至关重要。对于单井评价，岩溶特征是通过先进的图像测井解释主要集中于连通孔洞的量化。此外，不同速率的生产测井和试井分析来获取在岩心刻度和测井预测不准确时候的渗透率。接下来，岩溶相关的孔洞密度，流量校准的渗透率和选定的地震参数，如线性（来自连续性和曲率属性），和基于谱分解的输出已经在神经网络过程中用作测井-地震学习的集合和验证。最后，基于地震属性的网络学习实现将岩溶相关的渗透率赋值于3D储层模型。该工作流程的最终结果为用于指导新井位置和轨迹的岩溶概率分布图。事实上，四个案例已经证明了该方法的可靠性。基于预测图引导的新钻井已经根据随后的图像日志解释截取了期望的岩溶间隔，进而用于确定适当的射孔工艺，包括低孔隙度间隔但具有高孔洞密度。试井和生产测井解释证明了岩溶岩石的渗透率评价具有良好的效果。基于这些成功的结果，其他几口进行的钻井和射孔的井相关工艺实施建立在这种综合方法的基础上。
4、用于加速RCA和SCAL的数字岩心技术：应用及所需的校正
数字岩石物理或数字岩心是一种快速发展的用于预测复杂岩石的属性参数（如，孔隙度，渗透率，地层因子）的图像技术，与传统的实验室测量相比，可以获得更丰富，更经济，更快速的结果。研究表明基于数字岩石技术的有限图像分辨率和有限视场的导致低估孔隙度和高估渗透率。本文研究量化这些影响并得出必要的校正，以直接从分割的微CT图像估算真实的岩石属性。这一新颖的解决方案使我们能够进一步完善DRP来作为现有和未来适用的技术。
随着二叠纪盆地活动的增加以及50,000美元/英亩高达数百亿美元的收购价格，进而促进E＆P公司优化其现有区块开发。不幸的是，提升石油产量通常会伴随产生大量的水产出，其中部分二叠纪油井的含水率通常达到50％至90％，因此，准确预测产液的油水比（WOR）对于开发方案设计具有重要意义（Scanlon等，2017）。岩石物理学家通过流体饱和度建模，为预测WOR奠定了基础。岩心数据的采集和分析对于定量岩石物理模型建立至关重要。然而，由于数据采集的不确定性，准确测量非常规油气藏储层岩心饱和度继续构成重大挑战。基于假设或其他方法用于解释这些数据，但储层致密、低孔隙特征增加了相关不确定性。例如，致密岩石中有效地提取流体所需的岩心样品的破碎导致系统的流体损失，这些通常是无法量化的。相反，所有得到气测孔隙度通常被用于表征油气的体积但却忽略了气体膨胀。另外，基于商业化的干馏系统获取流体收集效率是不断变化的（<100％），使得蒸馏实验记录的流体的重量与样品真实损失存在明显的差异。Dean-Stark技术不仅可以去除流体（水和油），同时还去除了未知体积的可萃取有机物，并且只能直接量化提取水的体积。流体体积的校正以及流体-样品质量的动态变化通常采用两种技术（即蒸馏或Dean-Stark）中的任一种，但他们均对孔隙流体性质做出诸多假设，但这些假设并不能通过测量来验证。我们证明这样的假设可能导致含水饱和度估计值的误差高达50％。为了消除这些关键的不确定因素影响，研究开发了一种改进的岩心表征和流体提取技术。为了解决岩心破碎过程中的流体损失，该方法采用对原样和破碎样品进行核磁共振实验分析（NMR），以量化流体损失。此外，该方法采用接近100％的流体收集效率的干馏技术来进行岩心样品的表征。通过进一步优化技术流程，避免样品处理过程中的流体损失，并包括不同阶段的重复颗粒密度和地球化学测量。结果表明，新方法解决了数据中采集的不确定性，更好表征岩石物理特性（例如总孔隙度，含水饱和度）。同时，新方法成功应用于Wolfcamp样品分析。
受泥浆滤液侵入影响，井筒测试带来系列不确定性影响。测量结果的准确解释取决于正确理解和校正泥浆滤液侵入影响。虽然，通过实验研究泥浆-滤液侵入和泥饼吸附已经很多，但大量发表的实验数据均基为线性，而不是径向地层渗流，均质岩石属性，泥浆采用的是水基而不是油基或合成油进行的实验。本文介绍了一种新的实验方法，该方法基于大量的经验测试数据，可更准确的表征钻井过程和钻后不久井眼和近井地带环境。实验采用钻孔轴中心穿透的圆柱状岩芯，而不是采用线性流动装置，通过加压将钻井泥浆注入岩心来模拟泥浆-滤液径向侵入，岩心外部边界保持较低压力。在实验过程中，使用高分辨率微米CT快速重复扫描岩心，使得泥浆滤液和泥饼厚度空间分布可视且量化为时间的函数。因此，基于这些实验，我们能够准确地评价岩石性质（如非均质性），以及侵入流体性质（包括水-油基泥浆）和泥饼吸附的影响。
7、基于二维核磁共振分析技术的非常规泥页岩储层油气物理性质研究
弄清有机质属性对于非常规储层的表征至关重要。非常规泥页岩中识别和量化流动和束缚油气对于岩石物理学家一直是一项挑战。高频（22MHz）NMR装置在非常规岩心分析领域已获得业界的认可，其高效和高灵敏度可用于测量致密岩石中含量极少的流体和固体碳氢化合物。前人研究表明，由于碳氢化合物和水的T2信号重叠，一维（1D）NMR T2并不能准确表征新鲜岩心样品中的有机物含量。页岩储层束缚水和固体碳氢化合物的共存致使横向弛豫时间主要分布于微秒尺度，且使分析进一步复杂。本文中，我们首次提出了使用二维（2D）NMR T1-T2 来分析页岩中碳氢化合物的物理性质的具体方法。组合的NMR脉冲序列用于录取固态和液态油气信号。通过去除2D T1-T2中水的信号，以获取1D 油气T2分布。在22℃至90℃的各种温度下对泥岩岩心样品的测量表明，由于分子迁移率的增加，烃组分的弛豫时间T2随着温度的增加而增加，但不同的速率表明碳氢化合物存在于不同的环境（如有机和无机孔隙），即致密岩心经历不同的热动力学过程。各种组分烃类的T2表现为温度的函数，同时结合分子动力学的Arrhenius方程计算活化能（Ea）。本文提出的核磁共振方法为岩石物理学家提供了一种强有力的方法来研究有机物质中的碳氢化合物，如沥青和干酪根，以了解非常规油藏中提高采收率（EOR）的机理。此外，本文NMR弛豫方法和多次加热速率热解的结果表明，该组合技术有望用于研究源-储层间隔中存在的游离/吸附烃。这种替代方法提供了一种分析流动和束缚油气确定NMR截止值的方法。
井位优化是基于储层三维（3D）空间特征及流体分布来确定的。当前通过一维（1-D）超深方位电阻率随钻测井（LWD）数据反演得到地层的上下边界，并通过将这些边界组合在一起形成沿着井筒方向的伪二维模型。然而，由于倾角评价、岩性或流体饱和度的变化，1-D模型并不能用于评价地层横向变化特征，而真实的2-D或3-D特征在伪二维模型中均存在一定的瑕疵或变形。地层的横向变化会对井以及后续生产相关的决策产生重大影响，例如井方位的变化可能比钻井过程倾斜变化更有利。精确且高效的超深方位电阻率LWD数据三维反演能够捕获任意和多尺度储层特征，并进一步形成3D储层模型，进而为油藏描述和井位确定提供有力的参考。本文首次介绍了超深方位电阻率LWD数据三维反演。该通过实例研究了一个具有显着的地震断层和长期的注水历史并导致流体显著置换的复杂储层。其复杂的特征使其成为理想的实验对象，也是一个验证三维反演的关键性测试。对于注水情况复杂的区域，当断层以倾斜方式穿过井眼时，单一的1-D反演并不能准确指示储层特征状态。密度成像数据的分析证实，井穿过的断层都是倾斜的（即与井眼并不垂直）且垂直面也是倾斜的。这些结构阻碍了流体的运移，且电阻率油水边界显示出明显的变化。从而使得能够采用超深电阻率LWD数据反演得到地层边界。将基于测井获取的信息与四维（4-D）地震数据相结合，可进一步验证三维反演结果。一维反演得到了对于井位确定有价值的信息，三维反演进一步丰富了相关认识，这将直接影响后续的油藏描述和井位确定。从三维反演中可以清楚地看出，井底附近倾斜的油水接触使得流体水平和垂直分布，导致储层勘探过程井眼方位角的大幅度调整。倾斜穿过井眼的断层清晰可见，表明油水位置与井筒有明显的横向距离，这些信息对于未来完井和设计开发方案至关重要。
新一代油基泥浆（OBM）微电阻率成像仪提供高分辨率成像。现有的解释方法之一通过复合处理，进而得到对应的视电阻率图像。另一种定量解释方法是基于反演来实现，基于两个频率得到更高质量的电阻率图像、button standoff和地层介电常数。本文研究提出了一种基于人工神经网络（NN）的OBM成像数据的定量解释方法，进而作为现有反演方法的一种替代。采用机器学习旨在将地层电阻率、电常数和图像的反演质量提高一个数量级，从而使其适使其更适用于自动化解释及与其他机器学习算法的集成。现存的主要问题是OBM成像仅提供四次测量，但其需要预测与地层、泥浆性质和间隙相关的八个模型参数。通过研究相关的非线性关系，从而使得可以准确和稳健地预测未知参数所需的输入。该研究基于前馈神经网络的设计，在每个阶段预测一个或多个模型参数，然后将其作为输入传递到工作流程中的后续步骤，直到准确地获得所有未知数。反演数据集来自多种训练条件下有限元电磁场模拟。在第一种方案中，现场数据和反演结果被用于训练单个NN，进而获取对应的电阻率图像。虽然图像与反演图像相当，但该方法取决于泥浆性质变化的现场数据，从而限制了NN在不同性质泥浆和地层中的推广。在第二种方案中，我们利用有限元模拟器（FEM）研发了针对各种间距、地层和泥浆性质的方案，其每个阶段预测一个或多个模型参数。早期阶段预测低电阻率地层泥浆特性，接下来NN将两个频率的预测的泥浆性质和介电常数反馈到下一步，直至最终预测得到standoff、地层电阻率和介电常数。测量精度对于设计有效的参数和稳健神经网络是至关重要的，这不仅由于数学上的参数欠定特征，更涉及泥浆和地层性质的动态变化及测量响应值。研究得到了处理后的电阻率，间距和介电常数图像，证明了与反演图像完全一致。两种策略的组合，即假定和现场数据的训练，可以进一步特定地层的解释精度。
10、基于核磁共振技术的致密油气藏钻井岩屑孔隙度和渗透率测量
通过昂贵的实验室岩心分析和测井，可获得对油藏描述和建模至关重要的岩石物理数据。由于成本高，这些测试通常仅在勘探阶段有限数量的井进行。相比之下，所有的井都有钻屑，因此可以为油田开发的提供所有油藏相关数据。基于核磁共振（NMR）分析技术可以准确地确定岩石物理性质，包括来自非常规致密储层的钻屑的孔隙度、体积密度和基质密度。 NMR技术允许从页岩切割颗粒内部和之间分离液体信号，并且与基于阿基米德的质量测量结合使用，为垂直和水平井提供精确的孔隙度和密度数据。 NMR切割分析的结果与其他实验室测量技术非常一致，其误差在5％以内。从分析的水平井孔隙度和密度剧烈变化来看，这表明该水平井储层水平方向具有极强的非均质性。本文研究结果可用于指导水力压裂层段的选择。该方法可很容易根据经常实际情况进行调整，以评估储层的非均质性，并选择高孔隙度的区域进行优化压裂。基于钻井钻屑获取的准确岩石物理数据可以快速地为井场工程师开展地层评估提供准实时数据，从而指导减少或消除一些昂贵且不适宜的储层评估工具。
11、一种电阻率和核磁共振测试联合求取润湿性和含水饱和度的方法
岩石的润湿性可以通过钻孔地球物理测量解释来评估，例如电阻率和核磁共振（NMR）。这些润湿性模型通常需要输入额外参数（如，含水饱和度，孔隙度和孔隙几何形状参数），但这些参数难以独立获得。因此，联立电阻率和NMR测量的分析方法可以减少参数的输入，以便更准确和稳健的评价润湿性。本文的目的：（i）介绍电阻率和NMR测试联合解释流程，以估算润湿性和含水饱和度，（ii）通过与实验测量的接触角、Amott指数相比较验证润湿性评价的可靠性，以及重力分析法验证含水饱和度评价的准确性。润湿性和含水饱和度评价技术结合了非线性电阻率和NMR模型。基于电阻率的润湿性模型输入参数包括含流体岩石、盐水的电阻率，孔隙度和孔隙几何特征相关参数。基于NMR的润湿性模型需要含流体岩石，饱和流体岩石以及水湿条件饱和水、油湿条件饱和油岩石的横向时间（T2）响应。为了验证新方法的可靠性，我们对不同类型、不同润湿性和含水饱和度的岩心样品进行电阻率和NMR测量。这些测量参数输入非线性模型，并同时求取每个岩心样品的润湿性和含水饱和度。通过与Amott指数和接触角测量比较来验证润湿性估计的可靠性，并通过与重量测量的水饱和度比较来估算水饱和度。我们成功验证了电阻率和NMR测量联测评价方法在估算石灰岩和砂岩岩心样品润湿性和含水饱和度中的可靠性。对于从束缚水饱和度到残余油饱和度范围的含水饱和度，观察到重量法计算和模型估算的含水饱和度间的平均相对误差为11％。单一NMR分析估计具有多模态孔径分布的岩石中的含水饱和度是具有挑战性的。引入的联合分析方法提高了复杂孔隙结构的岩石中含水饱和度估算的准确性。对于从油湿到水湿的样品，对比发现实验测量的Amott指数与模型估算值之间的平均绝对差值为0.15。模型估计的润湿性也与接触角测量表现一致。需要注意的是，新方法依赖于有物理意义且可测量的参数，这减小了校正量。此外，多物理学方法消除了NMR和电阻率测量的独立评价润湿性和含水饱和度估算中非唯一相关性。
摘要 针对单井多个测井通道的深度匹配长期以来一直是行业的挑战。现有的商业平台中通常采用的方法为基于两个信号的经典交会和协方差分析，然后是手动调整。这些解决方案不能满足不断增长的减少用户干预下自动数据解释的需求。我们的致力于开发一种稳健的全自动算法和方法，用于伽马测井深度匹配，其通常用作同一井内多个测井项目的深度校准。该方法是通过神经网络的监督机器学习方法实现的。通过手动标记一组有限的现场数据来获得训练数据集。由于使用有限的手动标记数据从初始训练中期待完美模型是不现实的，我们开发了一个连续自学习的深度匹配流程。在进行深度匹配时，通过获取用户输入和反馈进一步训练从而改进深度匹配引擎。这是通过组合几种不同的算法的自动质量控制模块来实现的，并最终来评估深度匹配的质量。如果在某些深度没有达到理想的深度匹配，用户可认为进行手动调整。这些手动调整被发送回数据库，并根据更新的数据库重新训练机器学习模型。开发新训练的模型可以与现有模型进行比较验证。改进后的模型将提交成为模型库的一部分。随着用户持续采用该服务，深度匹配将自动且持续地改进性能，并最终实现最佳和全自动化的深度匹配技术。因为与信号类型无关，本文技术具有极强的泛化潜力。它可以很容易地扩展到其他测井类型，特别是当相关性不明显时，只要有足够大量的标记数据可用。该方法针对油田数据进行了设计和测试。
近十年来，岩石的介电常数（ε）测量并用于岩石物理性质评价。随着新一代仪器的发展，介电常数ε在过去几年应用越来越多。新一代仪器的一个优点是可测量获取多个频率（f）下的ε，及频谱介电常数（ε（f））。但其也存在着明显的缺点，仪器响应会记录侵入带信息，且必须通过有线数据传输，因此该仪器并不适应所有条件。随钻测井（LWD）电阻率记录两个接收器之间的相移和衰减，并且对岩石电性（电阻率、介电常数和磁导率）的响应有着明显的差异。因此，在给定条件下，可以从幅度衰减和相移测量中获取岩石的介电常数和电阻率。本文研究表明岩石介电常数及频谱介电常数可基于LWD电阻率提取。研究基于ε和ε（f）与LWD电阻率的关系，探究如何提取并进行应用。介电常数可以用于岩石物理性质评价，通过实时采集可用于识别bypass zone旁路区，实现地质标记和地质导向。在LWD处理中用更正确的ε值替换基于经验的假设，亦可以提升LWD电阻率精度。LWD电阻率精度的提升在具有大介电常数的岩石（例如富含有机质的烃源岩）中极为明显。本文基于经典电磁理论，展示了如何从LWD电阻率中提取介电常数，并针对不同LWD仪器数据进行研究。结果表明，LWD介电常数及频谱与商用仪器测试的数据吻合较好。LWD介电常数和频谱提取技术的局限性及深层次的应用的在后续进一步讨论。
