利索能及
我要发布
收藏
专利号: 2023117239131
申请人: 山东科技大学
专利类型:发明专利
专利状态:已下证
更新日期:2025-10-27
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,该方法综合页岩油储层钻、压、采属性,构建页岩油储层评价指标体系;综合储层可钻性、可压性及含油性变化规律,构建MSE+GR融合模型;基于MSE+GR融合模型形成的MSE+GR曲线实时优化水平井井眼轨迹,具体包括以下步骤:S1,构建综合钻、压、采属性的页岩油储层评价指标体系;

S2,根据邻井实钻、录井及室内实验分析资料,得到储层关于可钻性、可压性及含油性的系列数据,建立储层可钻性、可压性及含油性评价标准;综合分析页岩油储层可钻性、可压性及含油性之间的联系,构建综合钻、压、采属性的优质页岩油储层评价标准;

S3,结合实钻及录井资料,构建不同井型及井下钻具组合条件的MSE模型,构建MSE模型和页岩油储层可钻性之间的关联模型;构建随钻GR反演储层泥质含量的解释方法,分析泥质含量与页岩油储层的含油性和可压性的相关性,通过泥质含量中间量构建可压性、含油性与测井GR之间的关联模型;

S4,综合分析页岩油储层可钻性MSE、可压性GR及含油性GR的相关性,构建MSE+GR融合模型,计算优质页岩油储层所对应的MSE+GR值范围。

2.根据权利要求1所述的基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,所述MSE+GR融合模型的表达式为:;

式中, 为经 修正后的 , 为修正系数, 为未经 修正的, 为平均测井值, 为最小测井值,为融合指数,不同区块 值不同,根据具体区块的邻井数据分析求得;

式中, 为邻井最小测井值, 为符合条件的数据点数, 为每个测井值, 为平均测井值,为标准差。

3.根据权利要求1所述的基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,在步骤S1中,构建综合钻、压、采属性的页岩油储层评价指标体系,包括:构建多元钻速方程,评价页岩油储层岩石可钻性,对储层的可钻性进行分级;多元钻速方程为:;

式中, 为钻速, 为地层可钻性系数, 为钻压, 为门限钻压,为转速指数,为转速, 为压差影响系数, 为水力净化系数, 为牙齿磨损系数,为牙齿磨损量;

当岩石特性、钻头类型、钻井液性能和水力参数一定时,均为固定不变的常量,通过现场的钻进实验和钻头资料确定。

4.根据权利要求1所述的基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,在步骤S2中,根据邻井实钻、录井及室内实验分析资料,得到储层关于可钻性、可压性及含油性的系列数据,包括:通过弹性模量、泊松比、抗压强度,断裂韧性,建立页岩油储层力学参数的评价可压性模型的评价方法,分析评价可压性模型与泥质含量的相关性并建立关联模型;选取可压性综合评价影响参数,进行参数标准化处理,通过层次分析法确定权重;从储层矿物含量、力学参数及外部围压三个方面建立可压性评价指标体系,每种影响参数进行标准化处理,将参数取值范围变换到[0,1],消除数据量级差异的影响,并建立矿物可压系数、力学系数及围压的隶属函数,利用层次分析法确定三类系数的权重,最终建立评价可压性模型,评价可压性模型表达式为:;

式中, 为评价可压性模型, 为矿物可压系数, 为力学可压系数, 为围压;

带入矿物可压系数 、力学可压系数 、围压 进行加权求和得到评价可压性模型;

将页岩油储层的可压性分为极差、较差、中等、良好、极好;评价可压性模型与泥质含量的关联模型数学关系为: ;

式中, 为常数,根据不同条件进行确定;

通过实验分析页岩油储层泥质含量,分析泥质含量与含油饱和度的相关性,构建含油饱和度与泥质含量的关联模型,含油性与泥质含量之间的数学关系为:;

式中, 为常数,根据不同条件进行确定。

5.根据权利要求1所述的基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,在步骤S3中,构建随钻GR反演储层泥质含量的解释方法,分析泥质含量与页岩油储层含油性和可压性的相关性,包括:测井GR与泥质含量关联模型选用自然伽马测井数据来求岩石的泥质含量,对于利用自然伽马测井资料求泥质,测井GR与泥质含量之间模型具体为:;

式中, 为泥质含量指数形式, 为自然伽马值, 为最大自然伽马, 为最小自然伽马;

利用概率统计理论引进平均值 和标准差来求出 和 具体公式为:;

式中, 为自然伽马值的平均值, 为邻井全井数据点总数, 为每个测井值,为标准差, 为符合条件的数据点数。

6.根据权利要求1所述的基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,在步骤S3中,可压性、含油性与测井GR之间的关联模型表达式为:;

式中, 均为常数, 为自然伽马值, 为最大自然伽马, 为最小自然伽马。

7.根据权利要求1所述的基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,在步骤S4中,构建MSE+GR融合模型,包括:利用GR对MSE进行修正,形成综合评价页岩油储层可钻性、含油性及可压性的方法;MSE+GR融合模型利用GR对MSE进行修正包括:综合地层可钻性、储层的可压性及含油性三种属性,通过测井GR表示可压性及含油性,建立MSE+GR融合模型,形成一套新的MSE+GR表达式;

利用层次分析法、专家评判及数据驱动法,确定优质页岩油储层钻‑压‑采属性特征。

8.根据权利要求1所述的基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,在步骤S4中,计算优质页岩油储层所对应的MSE+GR值范围,包括:根据邻井钻进过程中获取的MSE数据,选取MSE数据范围,该数据范围对应优质区块;根据邻井钻进过程中获取的GR数据,选取GR数据范围,在该范围内确定最小测井值;将MSE和GR数据代入MSE+GR融合模型表达式中得到经GR修正后的MSE和GR数据,通过该数据得到MSE+GR值的范围。

9.根据权利要求8所述的基于MSE+GR曲线优化页岩油储层水平井眼轨迹方法,其特征在于,在步骤S4中,利用编制应用程序实时判断是否钻遇钻、压、采优质页岩油储层,并且实时将所价值息反馈回应用程序,检测是否钻遇钻、压、采优质页岩油储层,动态优化页岩油储层水平井眼轨迹。