一种油水层识别方法和装置与流程

文档序号:11953158
一种油水层识别方法和装置与流程

本发明涉及石油勘探技术领域,特别涉及一种油水层识别方法和装置。



背景技术:

目前,油水层识别方法主要有:利用常规曲线进行油水层识别的方法、利用数学手段进行油水层识别的方法。

然而,在采用上述两种方法进行油水层识别的过程中,由于储层地质条件极其复杂,当对不同类型的油水层同时进行识别时,所得到的交会图版上的数据点分布较为混乱,从而导致油水层的区分性较差。进一步地,当对低阻油层进行识别时,往往需要人工参与判定,带入主观性,从而导致识别结果的不确定性增加。

针对上述油水层识别精度较低的问题,目前尚未提出有效的解决方案。



技术实现要素:

本发明实施例提供了一种油水层识别方法和装置,以解决现有技术中油水层识别精度较低的问题。

本发明实施例提供了一种油水层识别方法,该方法包括:根据工区内油水层的储层特征,对所述油水层进行储层分类,得到储层分类结果,其中,所述油水层包括待测油水层和参考油水层;获取所述待测油水层的测井曲线特征值;根据所述测井曲线特征值绘制所述待测油水层的蛛网图;按照所述待测油水层的储层分类结果,根据所述待测油水层的蛛网图与预设的多个参考蛛网图中与所述待测油水层的储层类型相同的一个或多个蛛网图之间的关系,判断所述待测油水层的油水层类型。

在一个实施例中,所述预设的多个参考蛛网图按照以下步骤得到:根据所述工区内参考油水层的油水层类型,对进行储层分类后多种储层类型中各个储层类型的参考油水层进行分类;获取进行油水层分类后的参考油水层的测井曲线特征值;根据所述测井曲线特征值,绘制所述多种储层类型中各个储层类型的参考蛛网图;将所述多种储层类型中各个储层类型的参考蛛网图作为所述预设的多个参考蛛网图。

在一个实施例中,所述油水层类型包括以下至少之一:常规气层子库、常规油层子库、低阻气层子库、低阻油层子库、油水同层子库和水层子库。

在一个实施例中,按照所述待测油水层的储层分类结果,根据所述待测油水层的蛛网图与预设的多个参考蛛网图中与所述待测油水层的储层类型相同的一个或多个蛛网图之间的关系,判断所述待测油水层的油水层类型,包括:计算所述待测油水层的蛛网图与预设的参考蛛网图中与所述待测油水层的储层类型相同的一个或多个蛛网图中各个蛛网图之间的豪斯多夫距离;根据所述与各个蛛网图之间的豪斯多夫距离,判断所述工区内待测油水层类型。

在一个实施例中,计算所述待测油水层的蛛网图与预设的参考蛛网图中与所述待测油水层的储层类型相同的一个或多个蛛网图中各个蛛网图之间的豪斯多夫距离,包括:

按照以下公式计算所述待测油水层的蛛网图与预设的参考蛛网图中与所述待测油水层的储层类型相同的蛛网图之间的豪斯多夫距离:

H(A,B)=max(h(A,B),h(B,A))

其中,A=(a1,a2,a3,…),B=(b1,b2,b3,…)

其中,H(A,B)表示所述待测油水层的蛛网图与预设的参考蛛网图中与所述待测油水层的储层类型相同的蛛网图之间的豪斯多夫距离,A表示所述待测油水层的蛛网图各顶点的集合,B表示预设的参考蛛网图中与所述待测油水层的储层类型相同的参考蛛网图各顶点的集合。

在一个实施例中,所述测井曲线特征值包括以下至少之一:自然电位幅度比、岩性指数、深电阻率、声波时差、密度、中子和地层水电阻率。

在一个实施例中,所述储层特征包括以下至少之一:储层地质特征、储层物性和含油性,其中,所述储层地质特征包括以下至少之一:储层岩性、粒度、致密程度和孔隙结构类型,所述储层物性包括以下至少之一:孔隙度和渗透率,所述含油性包括以下至少之一:饱含油、富含油、油浸、油斑、油迹和荧光。

本发明实施例还提供了一种油水层识别装置,该装置包括:储层分类模块,用于根据工区内油水层的储层特征,对所述待测油水层进行储层分类,得到储层分类结果,其中,所述油水层包括待测油水层和参考油水层;特征值获取模块,用于获取所述待测油水层的测井曲线特征值;蛛网图绘制模块,用于根据所述测井曲线特征值绘制所述待测油水层的蛛网图;油水层类型判断模块,用于按照所述待测油水层的储层分类结果,根据所述待测油水层的蛛网图与预设的多个参考蛛网图中与所述待测油水层的储层类型相同的一个或多个蛛网图之间的关系,判断所述待测油水层的油水层类型。

在一个实施例中,所述蛛网图绘制模块用于按照以下步骤得到预设的多个参考蛛网图:参考油水层分类模块,用于根据所述工区内参考油水层的油水层类型,对进行储层分类后多种储层类型中各个储层类型中的参考油水层进行分类;参考特征值获取模块,用于获取进行油水层分类后的参考油水层的测井曲线特征值;参考蛛网图绘制模块,用于根据所述测井曲线特征值,绘制所述多种储层类型中各个储层类型的参考蛛网图;参考蛛网图确定模块,用于将所述多种储层类型中各个储层类型的参考蛛网图作为所述预设的多个参考蛛网图。

在一个实施例中,所述油水层类型包括以下至少之一:常规气层子库、常规油层子库、低阻气层子库、低阻油层子库、油水同层子库和水层子库。

在本发明实施例中,根据待测油水层的蛛网图与预设的多个参考蛛网图中与待测油水层的储层类型相同的一个或多个蛛网图之间的关系,直接判断待测油水层的油水层类型,解决了对不同类型的油水层同时进行识别时,所得到的交会图版上的数据点分布较为混乱,从而导致油水层识别精度较低的问题,同时,利用待测蛛网图与参考蛛网图直接的关系直接判断油水层类型,将定性过程转化为定量过程,降低了由于人工主观判断油水层所产生的不确定性,提高了油水层的识别精度。

附图说明

此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:

图1是本发明实施例的一种油水层识别方法的流程图;

图2是本发明实施例的X1井中的1号油水层蛛网图的示意图;

图3是本发明实施例的一种油水层识别方法的一种结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。

考虑到现有的油水层识别方法在识别精度方面的缺陷,发明人通过对工区内按储层类型进行分类后的多组油水层分别绘制蛛网图并对多组油水层按储层类型分组进行比较的方法,解决了对不同类型的油水层同时进行识别时,所得到的交会图版上的数据点分布混乱的问题,同时,直接根据待测油水层蛛网图与预设油水层蛛网图之间的关系定量判断油水层类型,降低了由于人工主观判断油水层所产生的不确定性。

具体地,在本例中,提供了一种油水层识别方法,如图1所示,可以包括以下步骤:

步骤101:根据工区内油水层的储层特征,对所述油水层进行储层分类,得到储层分类结果,其中,所述油水层包括待测油水层和参考油水层;

在进行油水层识别之前,可以先对工区内的待测油水层以及参考油水层进行储层分类,从而可以解决对不同类型的油水层同时进行识别时,所得到的交会图版上的数据点分布混乱的问题。

具体地,可以根据油水层的储层地质特征、储层物性和含油性对工区内的油水层进行储层分类。其中,储层地质特征可以包括但不限于以下至少之一:储层岩性、粒度、致密程度和孔隙结构类型,储层物性可以包括但不限于以下至少之一:孔隙度和渗透率,含油性可以包括但不限于以下至少之一:饱含油、富含油、油浸、油斑、油迹和荧光。

一般情况下,可以根据工区内油水层的储层特征,将储层分为以下四类:好储层、中等储层、差储层和非储层四类。具体的,在本实施例中,对某工区的储层分类情况可以如表1所示。当然,上述表1中的储层分类仅是一种示意性描述,在实际生产中,还可以根据工区内油水层的储层类型,将油水层分为其他类型,本发明对此不作限定。

在本实施例中,在之后的对油水层所进行的处理均是对进行了储层类型分类后的各个储层类型下的油水层分别进行的,即:对好储层进行的处理,对中等储层进行的处理,对差储层进行的处理以及对非储层进行的处理。

表1储层分类情况

步骤102:获取所述待测油水层的测井曲线特征值;

工区内待测油水层的测井曲线特征值可以包括但不限于以下至少之一:自然电位幅度比、岩性指数、深电阻率、声波时差、密度、中子和地层水电阻率。

1)自然电位幅度比可以按照以下公式得到:

<mrow> <mi>K</mi> <mo>=</mo> <mfrac> <mrow> <mi>&Delta;</mi> <mi>S</mi> <mi>P</mi> </mrow> <mrow> <msub> <mi>&Delta;SP</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mrow> </mfrac> </mrow>

其中,K表示该油水层的自然电位幅度比,ΔSP表示该油水层的自然电位幅度差,ΔSPmax表示与该层位属同一基线的储层自然电位幅度差的最大值。

2)岩性指数可以按照以下公式得到:

<mrow> <msub> <mi>SH</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>d</mi> <mi>e</mi> <mi>x</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <mi>G</mi> <mi>R</mi> <mo>-</mo> <msub> <mi>GR</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> </mrow> <mrow> <msub> <mi>GR</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>GR</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> </mrow> </mfrac> </mrow>

其中,SHindex表示该油水层的岩性指数,GR表示目的层的自然伽马测井值、GRmin表示纯砂岩的自然伽马测井值、GRmax表示纯泥岩的自然伽马测井值。

3)地层水电阻率为分储层类型选择岩电参数,可以利用阿尔奇公式反算求得:

其中,Rw表示地层水电阻率,Sw表示地层水饱和度,表示地层孔隙度,Rt表示地层深电阻率,a、b分别表示岩性指数,n表示饱和度指数,m表示地层的胶结指数。

在获取待测油水层的测井曲线特征值之前,可以先对测井曲线进行标准化,校正不同时期不同公司对区块的测井数据,消除系统误差。具体地,可以选取工区内一段不稳定的地层作为标准层,并假设该地层在工区内各项电测曲线参数差异较小。读取各井在该地层的某项测井曲线特征值,并绘制出其频率分布直方图。取直方图频率最高的数据作为标准数据,其它井的数据与标准数据之差为校正值。其它井的测井曲线数据加上校正值即为标准化后的测井数据。按照该方法依次对工区内的SP曲线、GR曲线、电阻率曲线、AC曲线、DEN曲线、中子曲线分别进行标准化处理。在对工区内待测油水层的SP曲线、GR曲线、电阻率曲线、AC曲线、DEN曲线、中子曲线分别进行标准化处理之后,再分别提取待测油水层的测井曲线特征值。

步骤103:根据所述待测油水层的测井曲线特征值绘制所述待测油水层的蛛网图;

对每个待测油水层,根据上述7个测井曲线特征值:自然电位幅度比、岩性指数、深电阻率、声波时差、密度、中子和地层水电阻率,来绘制待测油水层的蛛网图。其中,每个待测油水层蛛网图的7个测井曲线特征值坐标位置相同并且坐标刻度也相同。

进一步地,在实施例中,根据每个待测油水层的测井曲线特征值只可以绘制一个蛛网图。

步骤104:按照所述待测油水层的储层分类结果,根据所述待测油水层的蛛网图与预设的多个参考蛛网图中与所述待测油水层的储层类型相同的一个或多个蛛网图之间的关系,判断所述待测油水层的油水层类型。

具体地,预设的多个参考蛛网图可以按照以下步骤得到:

S4-1-1:根据工区内参考油水层的油水层类型,对进行储层分类后多种储层类型中各个储层类型中的参考油水层进行分类;

将步骤101中已经进行储层分类后的参考油水层,根据油水层类型进行进一步分类。其中,油水层类型可以包括但不限于以下至少之一:常规气层子库、常规油层子库、低阻气层子库、低阻油层子库、油水同层子库和水层子库。

S4-1-2:获取进行油水层分类后的参考油水层的测井曲线特征值;

S4-1-3:根据测井曲线特征值,绘制多种储层类型中各个储层类型的参考蛛网图;

S4-1-4:将多种储层类型中各个储层类型的参考蛛网图作为预设的多个参考蛛网图。

在本实施例中,可以收集工区内已录取的油水层资料作为参考油水层。其中,参考油水层的油水层类型可以通过岩心、试油和生产数据来证实。具体地,可以根据钻井取心直观观察参考油水层的类型;试油数据会通过测定给定井段产油产水情况直接给出油水层结论;生产数据一方面可以通过已射开储层产油产水状况直接得出油水层结论,另一方面可以通过储层特征相近、测井曲线特征相似邻层的产油、产水状况判断待判定储层的油水层类型。

按照和待测油水层获取测井曲线特征值以及蛛网图相同的方法,获取参考油水层的测井曲线特征值以及参考蛛网图。其中,在实施例中,根据每个参考油水层的测井曲线特征值只可以绘制一个参考蛛网图。

分别将好储层、中等储层、差储层以及非储层的油水层按照油水层类型分类,并将好储层中的部分参考油水层的测井曲线特征值汇总如下表2所示:

表2本实施例中部分参考油水层的测井曲线特征值数据

其中,对X1井中的1号层绘制蛛网图如图2所示。在本实施例中,根据所得到的7项测井曲线特征值在同一个坐标系中绘制参考油水层的蛛网图。由于所绘制的参考油水层的蛛网图的7项测井曲线特征值坐标相同,所以绘制出的不同油水层的蛛网图之间可以相互对比。

将上述得到的多种储层类型中各个储层类型的参考蛛网图作为预设的多个参考蛛网图。

将待测油水层的识别过程转化为与预设的多个参考蛛网图轮廓相似性的判别过程,并利用图形相似度参数,即豪斯多夫距离,对其所属的油水层类型进行识别,将定性过程转化为定量过程,可以降低油水层识别的不确定性。

在本实施例中,可以按照以下步骤判断待测油水层的油水层类型,包括:

S4-2-1:计算待测油水层的蛛网图与预设的参考蛛网图中与待测油水层的储层类型相同的一个或多个蛛网图中各个蛛网图之间的豪斯多夫距离;

具体地,可以按照以下公式计算待测油水层的蛛网图与预设的参考蛛网图中与待测油水层的储层类型相同的蛛网图之间的豪斯多夫距离:

H(A,B)=max(h(A,B),h(B,A))

其中,A=(a1,a2,a3,…),B=(b1,b2,b3,…)

其中,H(A,B)表示待测油水层的蛛网图与预设的参考蛛网图中与待测油水层的储层类型相同的蛛网图之间的豪斯多夫距离,A表示待测油水层的蛛网图各顶点的集合,B表示预设的参考蛛网图中与待测油水层的储层类型相同的参考蛛网图各顶点的集合。

S4-2-2:根据与各个蛛网图之间的豪斯多夫距离,判断工区内待测油水层类型。

在本实施例中,在计算得到待测油水层的蛛网图与预设的多个参考蛛网图之间的豪斯多夫距离之后,进一步的可以求出待测油水层的蛛网图与预设的多个参考蛛网图之间的豪斯多夫距离的分布范围、平均值、中位值,可以选取最小的豪斯多夫距离所对应的参考油水层类型作为该待测油水层的油水层类型。当然,也可以求取豪斯多夫距离的方差等值来判断待测油水层的油水层类型,本发明对此不作限定。

基于同一发明构思,本发明实施例中还提供了一种油水层识别装置,如下面的实施例所述。由于油水层识别装置解决问题的原理与油水层识别方法相似,因此油水层识别装置的实施可以参见油水层识别方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图3是本发明实施例的油水层识别装置的一种结构框图,如图3所示可以包括:储层分类模块301、特征值获取模块302、蛛网图绘制模块303、油水层类型判断模块304,下面对该结构进行说明。

储层分类模块301,可以用于根据工区内油水层的储层特征,对所述待测油水层进行储层分类,得到储层分类结果,其中,所述油水层包括待测油水层和参考油水层;

特征值获取模块302,可以用于获取所述待测油水层的测井曲线特征值;

蛛网图绘制模块303,可以用于根据所述测井曲线特征值绘制所述待测油水层的蛛网图;

油水层类型判断模块304,可以用于按照所述待测油水层的储层分类结果,根据所述待测油水层的蛛网图与预设的多个参考蛛网图中与所述待测油水层的储层类型相同的一个或多个蛛网图之间的关系,判断所述待测油水层的油水层类型。

在一个实施例中,所述蛛网图绘制模块可以用于按照以下步骤得到预设的多个参考蛛网图:参考油水层分类模块,可以用于根据所述工区内参考油水层的油水层类型,对进行储层分类后多种储层类型中各个储层类型中的参考油水层进行分类;参考特征值获取模块,用于获取进行油水层分类后的参考油水层的测井曲线特征值;参考蛛网图绘制模块,用于根据所述测井曲线特征值,绘制所述多种储层类型中各个储层类型的参考蛛网图;参考蛛网图确定模块,用于将所述多种储层类型中各个储层类型的参考蛛网图作为所述预设的多个参考蛛网图。

在一个实施例中,所述油水层类型可以包括但不限于以下至少之一:常规气层子库、常规油层子库、低阻气层子库、低阻油层子库、油水同层子库和水层子库。

在一个实施例中,所述油水层类型判断模块可以包括:豪斯多夫距离计算单元,用于计算所述待测油水层的蛛网图与预设的参考蛛网图中与所述待测油水层的储层类型相同的一个或多个蛛网图中各个蛛网图之间的豪斯多夫距离;油水层类型判断单元,用于根据所述与各个蛛网图之间的豪斯多夫距离,判断所述工区内待测油水层类型。

在一个实施例中,所述豪斯多夫距离计算单元具体可以用于按照以下公式计算所述待测油水层的蛛网图与预设的参考蛛网图中与所述待测油水层的储层类型相同的蛛网图之间的豪斯多夫距离:

H(A,B)=max(h(A,B),h(B,A))

其中,A=(a1,a2,a3,…),B=(b1,b2,b3,…)

其中,H(A,B)表示所述待测油水层的蛛网图与预设的参考蛛网图中与所述待测油水层的储层类型相同的蛛网图之间的豪斯多夫距离,A表示所述待测油水层的蛛网图各顶点的集合,B表示预设的参考蛛网图中与所述待测油水层的储层类型相同的参考蛛网图各顶点的集合。

在一个实施例中,所述测井曲线特征值可以包括但不限于以下至少之一:自然电位幅度比、岩性指数、深电阻率、声波时差、密度、中子和地层水电阻率。

在一个实施例中,所述储层特征可以包括但不限于以下至少之一:储层地质特征、储层物性和含油性,其中,所述储层地质特征可以包括但不限于以下至少之一:储层岩性、粒度、致密程度和孔隙结构类型,所述储层物性可以包括但不限于以下至少之一:孔隙度和渗透率,所述含油性可以包括但不限于以下至少之一:饱含油、富含油、油浸、油斑、油迹和荧光。

从以上的描述中,可以看出,本发明实施例实现了如下技术效果:根据待测油水层的蛛网图与预设的多个参考蛛网图中与待测油水层的储层类型相同的一个或多个蛛网图之间的关系,直接判断待测油水层的油水层类型,解决了对不同类型的油水层同时进行识别时,所得到的交会图版上的数据点分布混乱,从而导致油水层识别精度较低的问题,同时,利用待测蛛网图与参考蛛网图直接的关系直接判断油水层类型,将定性过程转化为定量过程,降低了由于人工主观判断油水层所产生的不确定性,提高了油水层的识别精度。

显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1