多因素影响下的气测数据综合校正技术

引用本文

王拓夫, 徐哲, 梁治国, 郝涛, 杜鹏, 李洪健. 多因素影响下的气测数据综合校正技术[J]. 录井工程, 2024,35(1): 47-51.
WANG Tuofu, XU Zhe, LIANG Zhiguo, HAO Tao, DU Peng, LI Hongjian. Comprehensive correction technology of gas logging data under the influence of multiple factors[J]. Mud Logging Engineering, 2024,35(1): 47-51.
Doi:10.3969/j.issn.1672-9803.2024.01.008 复制到剪切板

Permissions

《录井工程》杂志社所有

多因素影响下的气测数据综合校正技术

王拓夫^①, 徐哲^②,^③, 梁治国^②,^③, 郝涛^①, 杜鹏^②,^③, 李洪健^②,^③

①中国石油辽河油田分公司勘探事业部

②中国石油天然气集团有限公司录井技术研发中心

③中国石油长城钻探工程有限公司录井公司

作者简介：王拓夫高级工程师,1968年生,1992年毕业于成都地质学院（现成都理工大学）,现在中国石油辽河油田分公司勘探事业部任企业高级专家,从事测录井技术管理工作。通信地址：124010 辽宁省盘锦市兴隆台区石油大街100号。电话：13998783086。E-mail：wtfu@petrochina.com.cn

收稿日期: 2023-12-20

基金: 中国石油辽河油田分公司勘探事业部科技项目“复杂条件下录井含油气性资料处理关键技术研究”（编号：2023SLKT-01-04）

摘要

气测录井是油气勘探开发中一种必不可少的录井检测分析手段,但是由于多种因素影响,气测数据往往不能准确反映地下油气信息。在确定影响气测数据主要因素的基础上,建立钻头直径、钻时、钻井液排量、钻井液粘度以及井筒压差各单项影响因素校正模型,进一步利用主成分分析方法建立了气测数据多因素影响下的综合校正模型。通过辽河油区T 281井的应用,气测全烃数据质量有了较明显的提升,能够更好地反映地层真实的含油气信息,经试油验证该技术应用效果良好,可以有效增强气测数据的可对比性,提高了录井综合解释的精度,为油田高效勘探开发、施工决策及试油选层提供了有力的技术支撑。

关键词: 气测录井; 影响因素; 井筒压差; 综合校正; 主成分分析

中图分类号:TE132.1 文献标志码:A

Comprehensive correction technology of gas logging data under the influence of multiple factors

WANG Tuofu^①, XU Zhe^②,^③, LIANG Zhiguo^②,^③, HAO Tao^①, DU Peng^②,^③, LI Hongjian^②,^③

①Exploration Enterprise of PetroChina Liaohe Oilfield Company, Panjin, Liaoning 124010,China

②Mud Logging Technology Research and Development Center, CNPC, Panjin, Liaoning 124010,China

③GWDC Mud Logging Company, CNPC, Panjin, Liaoning 124010,China

Abstract

Gas logging is an essential means of mud logging detection and analysis in oil-gas exploration and development. However, due to various factors, gas logging data often cannot accurately reflect underground oil and gas information. On the basis of determining the main factors influencing gas logging data, establish correction models for individual influencing factors such as drill bit diameter, drilling time, drilling fluid displacement, drilling fluid viscosity, and wellbore pressure difference. The principal component analysis method is further used to establish a comprehensive correction model of gas logging data under the influence of multiple factors. Through the application of well T 281 in Liaohe oil region, the quality of gas logging total hydrocarbon data has been significantly improved, which can better reflect the real oil and gas information of the formation. The oil testing has verified that the application effect of this technology is good, which can effectively enhance the comparability of gas logging data, improve the accuracy of comprehensive interpretation of mud logging, and provide strong technical support for efficient exploration and development, construction decision-making, and oil testing and layer selection in the oilfield.

Keyword: gas logging; influencing factor; wellbore pressure difference; comprehensive correction; principal component analysis

文章图片

0 引言

在油气田勘探开发过程中, 气测数据是发现和正确评价油气显示最直观的现场资料之一, 在油气层综合评价、试油试采方案制定以及油气田储量提升等方面起到了重要作用。但是, 由于气测数据会受到多种因素的影响, 导致不能准确反映地下油气信息, 单井纵向、邻井间横向可对比性差, 对储层流体性质、含油气丰度的准确评价造成较大影响。

因此, 亟需寻求一种气测数据校正方法, 充分考虑各项影响因素建立校正模型对气测数据进行校正, 获取地层的真实含油气信息, 增强气测数据的可对比性, 从而提高录井综合解释的精度^{[1, 2, 3, 4]}。

1 单项影响因素的气测数据校正

气测数据的影响因素多种多样, 主要影响因素包括钻头直径、钻时、钻井液排量、钻井液粘度以及井筒压差5项, 其中任何一项影响因素发生改变, 均会对气测数据造成不同程度的影响, 导致气测数据的绝对数值差异较大, 纵横向类比性较差, 对储层流体性质、含油气丰度的准确评价造成较大影响^{[5, 6, 7]}。因此, 需要对以上5项主要影响因素进行有针对性的校正, 而气测数据校正方法先进与否, 取决于影响因素校正的全面程度以及单项因素校正模型的先进程度。

根据各影响因素对气测数据造成影响的原理, 结合实验分析与数据拟合建模, 分别建立了5项主要影响因素的校正系数模型。

1.1 钻头直径影响校正

钻头直径对气测数据的影响实际上是钻头破碎岩石体积对气测数据的影响, 单位进尺破碎岩石体积与钻头直径成正比关系。当其他条件一定时, 钻头直径的大小直接影响气测数据的大小。

正常钻进中单位进尺破碎岩石体积为：

$V_{0} ＝ π （ \frac{D_{0}}{2} ）^{2} L$ （1）

式中：V₀为正常钻进中单位进尺破碎岩石体积, m³; D₀为正常钻进钻头直径, m; L为单位进尺, m。

取心钻进时, 单位进尺破碎岩石体积为：

$V_{1} ＝ π \frac{{D_{0}}^{2} - d^{2}}{4} L$ （2）

式中：V₁为取心钻进时单位进尺破碎岩石体积, m³; d为取心钻头内径, m。

取心钻进时破碎岩石体积小, 严重影响气测值的大小, 需要将取心钻进时破碎岩石体积校正到正常钻进时破碎岩石体积, 因此钻头直径影响的校正系数为：

$K_{钻头} ＝ \frac{V_{0}}{V_{1}} ＝ \frac{{D_{0}}^{2}}{{D_{0}}^{2} - d^{2}}$ （3）

式中：K_钻头为钻头直径影响的校正系数, 无量纲。

1.2 钻时及钻井液排量影响校正

在控速钻进或钻井取心时, 钻时和钻井液排量均有一定变化, 需要校正为正常钻进情况下的钻时和钻井液排量。由于钻时和钻井液排量这两项影响因素与气测值成反比, 钻时影响和钻井液排量影响的校正系数分别为：

$K_{钻时} ＝ T_{1} / T_{0}$ （4）

$K_{排量} ＝ Q_{1} / Q_{0}$ （5）

式中：K_钻时为钻时影响的校正系数, 无量纲; T₀为正常钻进钻时, min/m; T₁为控速钻进或钻井取心钻时, min/m; K_排量为钻井液排量影响的校正系数, 无量纲; Q₀为正常钻进排量, L/min; Q₁为控速钻进或钻井取心排量, L/min。

1.3 钻井液粘度影响校正

钻井液粘度越大, 钻井液对于烃类组分的携带能力越强, 但钻井液粘稠使得脱气器脱气更加困难, 同时受钻井液粘度大的影响, 烃类组分能够长时间保留在钻井液中, 使气测数据基值增大, 整体气测数据变化更加复杂^{[8, 9]}。

通过实验模拟井筒条件与现场气测录井全过程, 选取标准浓度的天然气气样混入钻井液后进入循环管路, 进行气体检测分析; 在不同钻井液密度、粘度的条件下, 采集获取气测数据。对实验数据进行对比分析, 建立不同钻井液密度条件下气测全烃检测值与钻井液粘度的回归计算方程, 关系如图1所示。

	Figure Option View Download New Window
	图1 不同钻井液密度条件下气测全烃检测值与钻井液粘度关系

可以明显看出, 在钻井液粘度小于60 s的情况下气测全烃检测值呈上升趋势, 并于钻井液粘度为60 s时达到最高值, 而后气测全烃检测值呈下降趋势, 表明粘度在60 s时能最大限度地反映气测全烃检测值, 更好地展现气测特征, 因此以钻井液粘度为60 s作为标准值。在钻井液密度为1.05~1.40 g/cm³的情况下, 随着钻井液粘度的增大, 气测全烃检测值整体呈增大的趋势; 当钻井液密度大于1.40 g/cm³时, 随着钻井液粘度的增大, 气测全烃检测值并无明显升高。因此, 在钻井液密度大于1.40 g/cm³的情况下, 钻井液粘度不是影响气测数据的主控因素, 可不考虑其影响。由此可得, 钻井液密度小于1.40 g/cm³时, 钻井液粘度影响的校正系数为：

$K_{粘度} ＝ \frac{f （ x_{标准} ）}{f （ x_{实际} ）}$ （6）

式中：K_粘度为钻井液粘度影响的校正系数, 无量纲; f（x_标准）为钻井液粘度60 s时对应密度下的气测全烃值, %; f（x_实际）为实际钻井液粘度对应密度下的气测全烃值, %。

1.4 井筒压差影响校正

井筒压差指钻井液液柱压力与地层压力之差, 通常用钻井液密度与地层压力当量密度的差值表示, 理想状态下的钻井为平衡钻井, 即压差值为0, 而实际钻井过程中, 由于多种因素制约, 通常会出现过平衡或欠平衡钻井的情况。

通过统计辽河油区不同区块、不同层位的试油井资料来获得实测地层压力数据, 同时收集对应层段的气测全烃、钻头直径、钻时、钻井液排量、钻井液粘度及钻井液密度等数据对气测数据进行初步校正, 然后利用初步校正的气测全烃数据与密度差值进行曲线拟合, 得到指数函数拟合图（图2）以及拟合公式：

$T_{g 校} ＝ k e^{a （ ρ - P ）}$ （7）

式中：T_g校为初步校正全烃值, %; ρ 为钻井液密度, g/cm³; P为地层压力当量密度, g/cm³; a为区块气体特征参数（X区块a值为-15.69）, 无量纲; k为公式系数。

	Figure Option View Download New Window
	图2 X区块初步校正气测全烃与密度差值拟合图

将井筒压差校正到平衡状态, 即令密度差值为0, 由此可得井筒压差影响的校正系数为:

$K_{压差} ＝ \frac{k e^{0}}{k e^{a （ ρ - P ）}} ＝ \frac{1}{e^{a （ ρ - P ）}}$ （8）

式中：K_压差为井筒压差影响的校正系数, 无量纲。

2 多项影响因素的气测数据综合校正

2.1 建立综合校正模型

在实际气测校正过程中, 需要考虑多项影响因素的校正。综合上述单项因素影响校正系数, 可得到多项影响因素的气测数据综合校正模型：

$T_{g 校正} ＝ T_{g} [n_{1} \frac{{D_{0}}^{2}}{{D_{0}}^{2} - d^{2}} + n_{2} \frac{T_{1}}{T_{0}} + n_{3} \frac{Q_{1}}{Q_{0}} +$ $n_{4} \frac{f （ x_{标准} ）}{f （ x_{实际} ）} + n_{5} \frac{1}{e^{a （ ρ - P ）}}]$ （9）

式中：T_g校正为综合校正全烃值, %; T_g为实测全烃值, %; n₁-n₅为权重系数, 且∑ （n₁-n₅）=1。

2.2 确定权重系数

权重系数是某一评价因素在决定总体特征时所占有的重要性程度, 在多因素综合校正模型中, 权重系数的确定是构建气测数据综合校正模型的重要环节, 反映了各因素在综合校正过程中所起的作用大小, 并直接影响着综合校正模型的可靠性和客观性。通过调研常用权重分配方法的原理和特点, 优选主成分分析法作为确定气测数据综合校正模型权重系数的方法^[10]。

主成分分析法是研究如何将多指标问题转化为较少的综合指标的一种重要统计方法, 它能将高维空间的问题转化到低维空间去处理, 使问题变得比较简单、直观, 而且这些较少的综合指标之间互不相关, 又能提供原有指标的绝大部分信息, 其特点是对数据进行浓缩, 将多个指标浓缩成为几个彼此不相关的概括性指标（主成分）, 从而达到降维的目的, 并根据信息浓缩程度来计算权重^[11]。

收集渤海湾盆地辽河坳陷东部凹陷试油井数据, 通过SPSS软件将钻头直径、钻时、钻井液排量、钻井液粘度和井筒压差5项数据进行主成分分析, 在计算过程中SPSS自动对数据进行标准化处理, 处理后的数据均为无量纲数据且量级处在一定的范围内。为了检验数据是否适合进行主成分分析, 对待进行分析的数据进行KMO检验和Bartlett球形检验, KMO检测结果为0.649, 大于0.6, 且显著性小于0.05, 表明数据支持主成分分析。同时, 按照特征值大于1的原则, 提取2个主成分, 其累计方差为94.050%, 故提取2个主成分就可以反映原变量94.050%的方差, 如表1所示。

表1 总方差解释数据

在此基础之上, 提取2个主成分的成分矩阵, 用不同影响因素的成分矩阵系数（表2）分别除以对应主成分的特征根（特征值开平方）, 所得到的值进一步以2个主成分的方差贡献率（方差百分比/2个主成分的累计方差百分比）为权数求和, 如钻头直径权重（n_z）为：

n_z=（0.954/2.952^0.5）× （59.046/94.050）+（0.188/1.750^0.5）× （35.004/94.050）

表2 各影响因素的成分矩阵及权重系数

由此得到不同影响因素的权重, 最后对不同影响因素的权重进行加权平均归一化处理, 即可确定各因素在气测数据综合校正模型中的权重系数, 即综合校正模型中n₁=0.231 5, n₂=0.163 3, n₃=0.192 6, n₄=0.187 3, n₅=0.225 3, 如表2所示。

将各影响因素对应的权重系数代入公式（9）即可得到最终的多因素影响的气测数据综合校正模型。

3 应用实例

通过对辽河油区近年来包括T 281、KT 1、JT 1等十余口重点探井开展气测综合校正, 应用效果非常明显, 均获得较高产量。以T 281井的应用为例, 该井位于渤海湾盆地辽河坳陷东部凹陷桃园构造, 钻探目的为探索桃园构造沙三上亚段含油气情况。T 281井在沙三上亚段3 341.20~3 348.70 m井段进行了钻井取心, 钻头直径、钻时、钻井液排量、钻井液粘度以及井筒压差参数均有一定变化, 如图3所示。在气测校正之前全烃峰值为5.355%, 未达到该区块油层的气测全烃值大于10%的解释标准, 经过多项影响因素综合校正之后的全烃峰值达到22.856%, 有了较明显的提高, 达到了该区块油层的气测解释标准, 气测综合校正模型使气测数据能够更好地反映储层的气体含量, 更容易发现气测异常。T 281井后期进行试油, 井段3 342.50~3 349.50 m, 气测解释为油层, 测试初期产油64.60 t/d, 试油结论为油层, 与气测综合校正后的结论相符。

	Figure Option View Download New Window
	图3 T 281井气测校正对比图

4 结论

通过对气测数据影响因素开展分析研究, 确认了影响气测数据的主要因素, 在建立单项影响因素校正模型的基础上, 首次创新建立了基于主成分分析的多项因素共同影响下的气测数据综合校正模型。

该技术有效地消除了钻头直径、钻时、钻井液排量、钻井液粘度以及井筒压差对气测数据的影响, 从而使校正后的气测数据能更准确地反映地层的含油气情况, 增强了气测数据单井纵向上以及邻井间横向上的可对比性, 提高了油气层综合解释评价精度。建议在具有相似条件的其他区块推广使用, 以期获得更好的油气勘探开发效果。

编辑陈娟

参考文献

文献列表

[1]	谢元军. 随钻气测录井全烃值标准化方法探讨[J]. 录井工程, 2007, 18(4): 13-16. XIE Yuanjun. Discussion on stand ardization method of total hydrocarbon value in gas logging while drilling[J]. Mud Logging Engineering, 2007, 18(4): 13-16. [本文引用:1]
[2]	王立东, 罗平. 气测录井定量解释方法探讨[J]. 录井工程, 2001, 12(3): 1-10. WANG Lidong, LUO Ping. Discussion on quantitative interpretation methods of gas logging[J]. Mud Logging Engineering, 2001, 12(3): 1-10. [本文引用:1]
[3]	周小勇. 大牛地气田气层解释方法研究与产能预测[J]. 录井工程, 2006, 17(增刊1): 16-19. ZHOU Xiaoyong. Study on gas zone interpretation methods and productivity prediction of Daniudi gas field[J]. Mud Logging Engineering, 2006, 17(S1): 16-19. [本文引用:1]
[4]	彭文春, 毛敏, 杨毅, 等. 气测数据校正在录井综合解释中的应用[J]. 录井工程, 2018, 29(3): 65-69. PENG Wenchun, MAO Min, YANG Yi, et al. Application of gas logging data correction in mud logging comprehensive interpretation[J]. Mud Logging Engineering, 2018, 29(3): 65-69. [本文引用:1]
[5]	郑新卫, 刘喆, 卿华, 等. 气测录井影响因素及校正[J]. 录井工程, 2012, 23(3): 20-24. ZHENG Xinwei, LIU Zhe, QING Hua, et al. Influencing factors of gas logging and correction[J]. Mud Logging Engineering, 2012, 23(3): 20-24. [本文引用:1]
[6]	莫雪. 气测录井影响因素分析及对策[J]. 化学工程与装备, 2022(1): 117-118. MO Xue. Analysis of influencing factors of gas logging and countermeasures[J]. Chemical Engineering & Equipment, 2022(1): 117-118. [本文引用:1]
[7]	王海花, 梅建峰. 红河油田气测录井影响因素分析及对策[J]. 山西科技, 2013, 28(2): 93-95. WANG Haihua, MEI Jianfeng. Analysis on the factors influencing the gas-logging in Honghe Oil Field and countermeasures[J]. Shanxi Science and Technology, 2013, 28(2): 93-95. [本文引用:1]
[8]	MORRISS C E, FREEDMAN R, STRALEY C, et al. Hydrocarbon saturation and viscosity estimation from NMR logging in the Belridge Diatomite[J]. The Log Analyst, 1997, 38(2): 44-59. [本文引用:1]
[9]	王灿丹婷, 孟庆峰, 于伟高, 等. 气测全烃值与钻井液性能响应关系模拟实验[J]. 中外能源, 2021, 26(增刊1): 126-130. WANG Cand anting, MENG Qingfeng, YU Weigao, et al. The simulation experiment on the response relationship between total hydrocarbon value of gas logging and drilling fluid performance[J]. Sino-Global Energy, 2021, 26(S1): 126-130. [本文引用:1]
[10]	颜惠琴, 牛万红, 韩惠丽. 基于主成分分析构建指标权重的客观赋权法[J]. 济南大学学报(自然科学版), 2017, 31(6): 519-523. YAN Huiqin, NIU Wanhong, HAN Huili. Objective weight method based on principal component analysis to establish index weight[J]. Journal of University of Jinan(Science and Technology), 2017, 31(6): 519-523. [本文引用:1]
[11]	张鹏. 基于主成分分析的综合评价研究[D]. 南京: 南京理工大学, 2004. ZHANG Peng. Comprehensive evaluation research based on principal component analysis[D]. Nanjing: Nanjing University of Science and Technology, 2004. [本文引用:1]

2007

0.0

... 因此,亟需寻求一种气测数据校正方法,充分考虑各项影响因素建立校正模型对气测数据进行校正,获取地层的真实含油气信息,增强气测数据的可对比性,从而提高录井综合解释的精度^[1,2,3,4] ...

2001

0.0

2006

0.0

2018

0.0

2012

0.0

... 1 单项影响因素的气测数据校正气测数据的影响因素多种多样,主要影响因素包括钻头直径、钻时、钻井液排量、钻井液粘度以及井筒压差5项,其中任何一项影响因素发生改变,均会对气测数据造成不同程度的影响,导致气测数据的绝对数值差异较大,纵横向类比性较差,对储层流体性质、含油气丰度的准确评价造成较大影响^[5,6,7] ...

2022

0.0

2013

0.0

1997

0.0

... 3 钻井液粘度影响校正钻井液粘度越大,钻井液对于烃类组分的携带能力越强,但钻井液粘稠使得脱气器脱气更加困难,同时受钻井液粘度大的影响,烃类组分能够长时间保留在钻井液中,使气测数据基值增大,整体气测数据变化更加复杂^[8,9] ...

2021

0.0

2017

0.0

... 通过调研常用权重分配方法的原理和特点,优选主成分分析法作为确定气测数据综合校正模型权重系数的方法^[10] ...

2004

0.0

... 主成分分析法是研究如何将多指标问题转化为较少的综合指标的一种重要统计方法,它能将高维空间的问题转化到低维空间去处理,使问题变得比较简单、直观,而且这些较少的综合指标之间互不相关,又能提供原有指标的绝大部分信息,其特点是对数据进行浓缩,将多个指标浓缩成为几个彼此不相关的概括性指标（主成分）,从而达到降维的目的,并根据信息浓缩程度来计算权重^[11] ...