[發明專利]一種基于數字巖心模型的稠油油藏瀝青質沉積吸附損害模擬方法

有效

• 申請號: 201810508920.2
• 申請日: 2018-05-24
• 公開（公告）號: CN108875140B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 何延龍;景成;聶向榮;袁有金
• 申請（專利權）人: 西安石油大學
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06F30/27;G06K9/62;G06F113/08;G06F119/14;G06F119/08;G06F111/04;G06F111/10
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 段俊濤

1.一種基于數字巖心模型的稠油油藏瀝青質沉積吸附損害模擬方法，其特征在于，包括以下步驟：

步驟1，基于真實儲層二維信息，基于改進混合算法和聚類算法構建含多種巖石礦物的數字巖心模型；

步驟2，通過室內實驗得到不同模擬條件下，瀝青質的沉積量以及瀝青質在不同類型巖石礦物表面的吸附情況；

步驟3，通過室內實驗得到不同原油在不同模擬條件下瀝青質的沉積比例，在原始含多種巖石礦物數字巖心模型的基礎上，將沉積瀝青質按比例放置于孔隙空間占位，輸出沉積瀝青質后的數字巖心模型；

步驟4，基于不同模擬條件下瀝青質在不同類型巖石礦物表面的吸附特征，將沉積在孔隙空間的瀝青質按照室內實驗得到的吸附特征放置于不同類型的巖石礦物表面，輸出吸附瀝青質后的數字巖心模型；

所述步驟1中，真實儲層二維信息包括鑄體薄片、巖石粒度分布、黏土礦物分布、黏土礦物產狀特征，具體的模型構建步驟包括：

第一步，利用過程法構建基礎數字巖心模型時，考慮黏土礦物的總含量，在沉積過程中，根據真實儲層的粒度分布情況，隨機選擇沉積顆粒的半徑，沉積顆粒的尺寸不但由原始的沉積顆粒粒度分布決定，同時額外考慮黏土礦物與儲層砂巖顆粒之間的比例，在滿足高能環境和重力勢能梯度最大的下落模擬原則的基礎上模擬沉積過程，并結合真實巖心孔隙度，選擇壓實因子控制數字巖心模型的孔隙度；

第二步，將單位體像素點的空間占位，即點、線和面占位三種類型，按其對鄰域不穩定性的貢獻程度賦予權值，其中面為5，邊為3，點為2；在選取交換單位體像素點時，計算該體像素點與鄰域占位點、線和面上的不穩定性貢獻程度S，并基于模擬退火算法中能量值下降的過程，引入交換單位體像素點對其鄰域不穩定性的貢獻程度參數S_d，對交換點的可交換性進行判斷，提高交換單位體像素點的有效性，其中S_d為與模擬過程中系統能量相關的無因次值：

S_d＝N×β(E₀-E_i/ΔE_max) (1)

式中，N為單位體像素點影響的鄰域接觸點的個數，無量綱；β為單位體像素點對鄰域不穩定性系數，無量綱；E₀為系統的初始能量，無量綱；E_i為第i次降溫后系統的能量，無量綱；ΔE_max為初始模型和基于儲層巖石二維信息的參考模型系統的能量差值，無量綱，初始模型是指過程法構建的基礎數字巖心模型；

第三步，利用改進混合算法構建初始數字巖心模型的步驟為：

①建立基于儲層巖石二維信息的參考模型，將過程法構建的基礎數字巖心模型作為改進混合算法的初始模型，設定初始溫度，并計算初始系統的相關參數，包含自相關函數、線性路徑函數、分形特征函數和能量值；

②在保證模擬退火降溫過程隨機性的基礎上，計算交換單位體像素點26個空間占位對鄰域不穩定性的貢獻程度S；當SS_d時，認為該點的不穩定程度較高，可作為系統更新的交換點；當SS_d時，則重復步驟②；

③計算交換單位體像素點后系統的相關參數，包括單點概率函數、自相關函數、線性路徑函數、分形函數和能量值，計算與未交換前系統的能量差值ΔE；當ΔE0時，更新系統；當ΔE0時，根據Metropolis準則來判斷系統是否更新，即在一定的概率條件下接受系統更新；如果判斷后不滿足系統更新條件，則返回步驟②；

④判斷內循環終止條件，即判斷在同一溫度條件下系統能量差值是否小于設定最小能量差值；同時為避免系統剛降溫，系統能量上升而立刻導致內循環結束而產生的降溫，通過設定系統更新的失敗率f_f來避免該現象的出現，其中：

式中，N_f為導致系統能量回升的更新失敗的次數；N為系統更新的總次數；

當f_f大于一定值后，則進行降溫處理，降溫過程采取等比降溫方案，并返回步驟②；

⑤當模擬過程溫度降低到最終設定溫度時或與上次降溫的系統能量差值ΔE小于設定值時，整個模擬過程終止；

作為約束條件，模擬退火算法中使用的統計函數包括：單點概率函數P(r)、自相關函數、線性路徑函數和分形函數，利用自相關函數和線性路徑函數對初始系統進行退火模擬，當模型具備一定分形特征后，引入分形函數進一步約束重建模型；

第四步，將混合算法重建后初始數字巖心模型中的類球巖石顆粒，與過程法中構建的基礎數字巖心模型的原始球形巖石顆粒相比較并取二者補集，將初始數字巖心模型初步劃分為巖石骨架相、孔隙相和黏土礦物相三大類；

第五步，通過Hoshen-Kopelman算法對初始數字巖心模型中的黏土礦物基團進行統計和劃分，其中被M相占據的概率為c，被T相占據的概率為1-c，對于晶格中的每一個占位i，當其被M相占據時，則給該占位賦予一個基團標記m_tα，其中α是基團標記的特征符號，t為基團標記的次數，某一離散點的標記由一系列自然數表示：

在這一系列自然數中只有一個自然數是基團α的準確標記，該標記為且該值是集合(3)中所有自然數的最小值，其它各基團標記之間的關系則由以下整數集給出：

其中，只有是正整數元素，該值為基團中M相的個數，當進行第t次標記時，若基團中M相個數少于上次標記過程基團α的M相個數，則將該差值表示為相應t次的基團α的T相個數，(4)中的其它元素皆為負整數，反映了與其它基團標記的關系，與的關系用式(5)表示：

檢查被判斷離散點是否有被掃描過的相鄰離散點，若相鄰離散點為T相，則將當前被判斷離散點賦予新基團的標記；如果有一個相鄰離散點已經賦予基團標記，則將當前網格與相鄰離散點賦予相同的標記；如果有一個以上的相鄰離散點已經賦予基團標記，且基團標記各不相同，則將基團中所有離散點賦予相同的標記，最后統計并劃分模型中黏土礦物基團的個數及尺寸；

第六步，較大的連通基團為黏土相中基團尺寸大于相鄰基質顆粒尺寸的黏土礦物基團，通過K-means算法對初始數字巖心模型中黏土礦物基團尺寸較大的黏土礦物基團進行劃分，具體步驟如下：

①讀取數據樣本的集合；

②設定樣本聚類的個數k，隨機的選取k個數據樣本作為初始的數據樣本聚類中心；

③計算歐氏距離，計算數據樣本中每個數據到各聚類中心的歐式幾何距離，然后根據最小誤差平方和準則函數將數據按照遠近距離劃分到相應的不同聚類中心所對應的聚類當中；

④更新聚類中心，將每個聚類中所有數據的均值作為各個聚類新的中心，并以最小誤差平方和準則重新計算新的聚類中心的值；

⑤迭代判別，將步驟④中計算得到的數值與前一次計算得到的數值相比較，如果兩者差值小于或等于預先設定的臨界值，則停止迭代，否則重新進行步驟③進行迭代；

⑥輸出數據樣本及聚類結果，包括每個聚類的聚類中心、大小；

第七步，當黏土礦物基團邊界的離散點為單個巖石顆粒時，則將該黏土礦物基團劃分為交代形式，交代形式主要分布于巖石顆粒內，呈單個離散點的形式分布；當黏土礦物基團邊界的相鄰離散點為單個巖石骨架顆粒及孔隙時，則將該黏土礦物基團劃分為顆粒表面充填形式；

當黏土礦物基團邊界的相鄰離散點為多個巖石骨架顆粒及孔隙時，則將該黏土礦物基團劃分為粒間充填形式；

將交代形式、顆粒表面充填形式和粒間充填形式的黏土礦物基團分別標記為A、B、C；最終得到不同結構黏土礦物基團分布和不同類型的黏土礦物基團分布；

第八步，基于Hoshen-Kopelman算法和K-means算法得到初始數字巖心模型中黏土礦物基團大小及數量分布，以及按結構劃分得到的黏土礦物基團類型及數量分布，結合真實儲層黏土含量及分布以及主要的黏土礦物結構特點，按黏土礦物基團大小和結構特點將模型中的黏土礦物賦予相應的黏土性質，得到含多組分巖石礦物分布的數字巖心模型。