[0018] 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(wěn)定性的貢獻程度S;當S>Sd時,認為該點的不穩(wěn)定程度較高,可作為系統(tǒng)更新的交換點;當S
[0019] ③計算交換單位體像素點后系統(tǒng)的相關參數(shù),包括單點概率函數(shù)、自相關函數(shù)、線性路徑函數(shù)、分形函數(shù)和能量值,計算與未交換前系統(tǒng)的能量差值ΔE;當ΔE<0時,更新系統(tǒng);當ΔE>0時,根據Metropolis準則來判斷系統(tǒng)是否更新,即在一定的概率條件下接受系統(tǒng)更新;如果判斷后不滿足系統(tǒng)更新條件,則返回步驟②;
[0020] ④判斷內循環(huán)終止條件,即判斷在同一溫度條件下系統(tǒng)能量差值是否小于設定最小能量差值;同時為避免系統(tǒng)剛降溫,系統(tǒng)能量上升而立刻導致內循環(huán)結束而產生的降溫,通過設定系統(tǒng)更新的失敗率ff來避免該現(xiàn)象的出現(xiàn),其中:
[0021]
[0022] 式中,Nf為導致系統(tǒng)能量回升的更新失敗的次數(shù);N為系統(tǒng)更新的總次數(shù);
[0023] 當ff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;
[0024] 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(tǒng)能量差值ΔE小于設定值時,整個模擬過程終止;
[0025] 作為約束條件,模擬退火算法中使用的統(tǒng)計函數(shù)包括:單點概率函數(shù)P(r)、自相關函數(shù)、線性路徑函數(shù)和分形函數(shù),利用自相關函數(shù)和線性路徑函數(shù)對初始系統(tǒng)進行退火模擬,當模型具備一定分形特征后,引入分形函數(shù)進一步約束重建模型;
[0026] 第四步,將混合算法重建后初始數(shù)字巖心模型中的類球巖石顆粒,與過程法中構建的基礎數(shù)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(shù)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;
[0027] 第五步,通過Hoshen-Kopelman算法對初始數(shù)字巖心模型中的黏土礦物基團進行統(tǒng)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 其中α是基團標記的特征符號,t為基團標記的次數(shù),某一離散點的標記由一系列自然數(shù)表示:
[0028]
[0029] 在這一系列自然數(shù)中只有一個自然數(shù)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(shù)的最小值,其它各基團標記之間的關系則由以下整數(shù)集給出:
[0030]
[0031] 其中,只有 是正整數(shù)元素,該值為基團中M相的個數(shù),當進行第t次標記時,若基團中M相個數(shù)少于上次標記過程基團α的M相個數(shù),則將該差值表示為相應t次的基團α的T相個數(shù),(4)中的其它元素皆為負整數(shù),反映了 與其它基團標記 的關系, 與 的關系用式(5)表示:
[0032]
[0033] 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(tǒng)計并劃分模型中黏土礦物相基團的個數(shù)及尺寸;
[0034] 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(shù)字巖心模型中黏土礦物相基團尺寸較大的黏土礦物基團進行劃分,具體步驟如下:
[0035] ①讀取數(shù)據樣本的集合;
[0036] ②設定樣本聚類的個數(shù)k,隨機的選取k個數(shù)據樣本作為初始的數(shù)據樣本聚類中心;
[0037] ③計算歐氏距離,計算數(shù)據樣本中每個數(shù)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(shù)將數(shù)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;
[0038] ④更新聚類中心,將每個聚類中所有數(shù)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;
[0039] ⑤
迭代判別,將步驟④中計算得到的數(shù)值與前一次計算得到的數(shù)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;
[0040] ⑥輸出數(shù)據樣本及聚類結果,包括每個聚類的聚類中心、大??;
[0041] 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,則將該黏土礦物相基團劃分為顆粒表面充填形式;
[0042] 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;
[0043] 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;
[0044] 第八步,基于Hoshen-Kopelman算法和K-means算法得到初始數(shù)字巖心模型中黏土礦物基團大小及數(shù)量分布,以及按結構劃分得到的黏土礦物基團類型及數(shù)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,按黏土礦物相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(shù)字巖心模型。
[0045] 所述步驟2中,室內實驗包括模擬原始儲層及不同生產條件下,當儲層溫度、壓力、層內流體和注入流體性質發(fā)生變化時,原油中的瀝青質沉積量的變化;瀝青質在巖石礦物表面的吸附規(guī)律及吸附特征,包括瀝青質在不同類型巖石礦物表面的吸附量、吸附常數(shù)及最大吸附容量。
[0046] 所述步驟3中得到輸出沉積瀝青質后的數(shù)字巖心模型是指模擬瀝青質的沉積過程,步驟如下:
[0047] 第一步,由原始含多種巖石礦物的數(shù)字巖心模型得到數(shù)字巖心的孔隙體積;
[0048] 第二步,基于步驟2得到的原油中瀝青質在不同模擬條件下(不同溫度,不同壓力,不同原油類型,不同水類型,不同潤濕條件環(huán)境)的沉積比例以及步驟1得到的含多種巖石礦物組分數(shù)字巖心模型的孔隙體積,計算原始含多種巖石礦物數(shù)字巖心模型孔隙中的瀝青質沉積量;
[0049] 第三步,以步驟1得到的含多種巖石礦物組分數(shù)字巖心模型中最小的單位體像素點為基本沉積模擬單元,將需要沉積的瀝青質以基本沉積模擬單元為最大模擬單位,隨機放置在孔隙空間占位上,直到完成所有瀝青質的沉積過程。
[0050] 所述步驟4中得到輸出吸附瀝青質后的數(shù)字巖心模型是指模擬瀝青質的吸附過程,步驟如下:
[0051] 第一步,讀取瀝青質沉積后的含多種巖石礦物的數(shù)字巖心模型;
[0052] 第二步,基于步驟2得到的室內實驗結果,輸入不同類型巖石礦物在不同條件下的吸附平衡常數(shù)和最大吸附容量參數(shù);
[0053] 第三步,按所述的Hoshen-Kopelman基團劃分與統(tǒng)計算法確定原始含多種巖石礦物組分數(shù)字巖心模型中不同類型巖石礦物的基團數(shù)量和大小,通過不同類型巖石礦物對瀝青質的吸附特征關系確定不同類型巖石礦物表面瀝青質的吸附量;
[0054] 第四步,結合原始含多種巖石礦物組分數(shù)字巖心模型中各類巖石礦物基團大小以及實驗中得到的不同模擬條件下不同類型巖石礦物表面瀝青質的最大吸附容量,計算模型中巖石礦物基團總的吸附容量;
[0055] 第五步,當巖石礦物基團的最大吸附容量大于瀝青質的沉積
質量時,巖石礦物表面的瀝青質吸附比例按照模擬條件下吸附特征常數(shù)來確定,各類巖石礦物表面的瀝青質總吸附量由瀝青質的沉積量來控制;當巖石礦物基團的最大吸附容量小于等于瀝青質的沉積質量時,巖石礦物表面的瀝青質吸附比例按照模擬條件下各類巖石礦物的最大吸附容量來確定,各類巖石礦物表面的瀝青質總的吸附量則由最大吸附容量來控制;
[0056] 第六步,計算瀝青質與黏土的“吸附距離”并排序,其中“吸附距離”與各黏土的吸附比例相關;
[0057] 第七步,根據所述的空間占位的穩(wěn)定性判別方法計算巖石礦物基團邊界相鄰孔隙占位的穩(wěn)定性,將瀝青質按“吸附距離”放置在優(yōu)先等級較高的孔隙占位上,如果黏土達到最大吸附容量且已滿足總吸附量時模擬過程結束,否則繼續(xù)按上述過程進行模擬。
[0058] 通過對比不同模擬條件下稠油油藏瀝青質沉積損害前后數(shù)字巖心模型中瀝青質在巖石礦物表面的吸附體積的變化、數(shù)字巖心模型的孔隙度和滲透率的變化,進一步研究稠油油藏瀝青質損害前后對儲層微觀結構的影響。
[0059] 與現(xiàn)有技術相比,本發(fā)明的一種基于數(shù)字巖心模型的稠油油藏瀝青質沉積吸附損害模擬方法,通過將有限的礦場資料與室內實驗結果相結合,提出了一種基于數(shù)字巖心技術的瀝青質沉積、吸附造成的儲層傷害模擬研究的新手段,該方法首先利用有限的礦場資料構建了包含多種巖石礦物類型與產狀的數(shù)字巖心模型;其次,在不同模擬條件(溫度、壓力和流體性質等)下研究了原油中瀝青質的沉積變化規(guī)律以及瀝青質在巖石礦物表面的吸附規(guī)律,以此為基礎,最后通過基于模型離散點穩(wěn)定性判別和瀝青質的沉積吸附模擬等方法將室內研究結果與數(shù)字巖心緊密結合,實現(xiàn)了基于數(shù)字巖心技術對稠油油藏瀝青質沉積吸附損害過程的模擬,最后通過對儲層傷害前后數(shù)字巖心模型微觀結構及孔滲變化的分析,得到不同模擬條件下,稠油油藏瀝青質沉積、吸附過程對儲層傷害的程度,該方法的提出進一步拓展了數(shù)字巖心技術在油氣田開發(fā)領域的應用,也為儲層中瀝青質的沉積吸附損害研究提供了新手段。
附圖說明
[0060] 圖1是含多種巖石礦物數(shù)字巖心模型重建
流程圖。
[0061] 圖2是瀝青質吸附運算流程圖。
[0062] 圖3是含多種巖石礦物數(shù)字巖心模型。
[0063] 圖4是含多種巖石礦物數(shù)字巖心模型中黏土基團的分布。
[0064] 圖5是不同類型的黏土礦物模型及其分布。
[0065] 圖6是80℃模擬冷凝液模型中瀝青質沉積后的二維模型。
[0066] 圖7是不同模擬條件下的瀝青質沉積模型。
[0067] 圖8是180℃水濕條件下模擬冷凝液模型中瀝青質吸附后的二維模型。
[0068] 圖9是不同模擬條件下的瀝青質吸附模型。
具體實施方式
[0069] 下面結合附圖和
實施例對本發(fā)明作詳細說明,但本發(fā)明不限于下列的實施例。
[0070] 本發(fā)明具體涉及到一種基于數(shù)字巖心模型的稠油油藏瀝青質沉積吸附損害模擬方法,該實施例的稠油油藏瀝青質沉積過程和吸附過程的模擬是通過以下步驟來實現(xiàn)的:
[0071] 實施例中所采用的是基于儲層巖石二維信息的含多種巖石礦物的數(shù)字巖心重建技術,其中包含的儲層巖石二維信息主要包括儲層的粒度分布、鑄體資料、孔隙度、巖石礦物含量及產狀分布等。
[0072] (1)含多種巖石礦物原始數(shù)字巖心模型的構建
[0073] 含多種巖石礦物的數(shù)字巖心模型的構建按圖1所示的過程進行構建,其中利用過程法構建基礎數(shù)字巖心模型是在滿足高能環(huán)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(shù)字巖心的孔隙度。為構建含多組分巖石礦物的數(shù)字巖心模型,在沉積過程中,根據真實粒度隨機選擇球體顆粒的半徑時,考慮了其他類型巖石礦物所占體積,因此沉積顆粒的尺寸不但由原始的粒度分布決定,同時額外考慮了其他類型巖石礦物與儲層砂巖顆粒之間的比例。在運用混合算法構建初始數(shù)字巖心模型時,將單位體像素點的空間占位(點、線和面)按其對鄰域不穩(wěn)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(wěn)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(wěn)定性的貢獻程度參數(shù)Sd,對交換單位體像素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Sd為與模擬過程中系統(tǒng)能量相關的無因次值:
[0074] Sd=N×β(E0-Ei/△Emax)??(1)
[0075] 式中,N為單位體像素點影響的鄰域接觸點的個數(shù),無量綱;β為單位體像素點對鄰域不穩(wěn)定性系數(shù),無量綱;E0為系統(tǒng)的初始能量,無量綱;Ei為第i次降溫后系統(tǒng)的能量,無量綱;ΔEmax為初始模型和參考模型系統(tǒng)的能量差值,無量綱。
[0076] 作為約束條件,模擬退火算法中常用的統(tǒng)計函數(shù)包括:單點概率函數(shù)、自相關函數(shù)、線性路徑函數(shù)和分形函數(shù)等,利用自相關函數(shù)和線性路徑函數(shù)對初始系統(tǒng)進行退火模擬,當模型具備一定分形特征后,引入分形函數(shù)進一步約束重建模型。
[0077] 將混合算法重建后初始數(shù)字巖心模型中的類球巖石顆粒,與過程法中重建基礎模型的原始球形巖石顆粒相比較,并將模型初步劃分為巖石骨架相(R)、孔隙相(P)和黏土礦物相(C)三大類,其中C相在空間中以大小不同的不規(guī)則離散基團的形式分布,其中模型運算之前需要將
三維重建模型劃分為兩相,孔隙相和巖石骨架相需合并為一相T,利用Hoshen-Kopelman算法得到模型中黏土基團的編號、尺寸和數(shù)量,由于統(tǒng)計劃分的黏土礦物基團中存在部分尺寸較大的連通黏土基團,而在真實儲層中不同種類的黏土礦物在巖石顆粒表面也存在連通、接觸的情況;利用K-means聚類算法可以將對巖石顆粒(聚類中心)周圍的黏土礦物按所屬關系進行聚類。因此,本發(fā)明以巖石顆粒的球心和所有較大尺寸的黏土礦物基團作為K-means算法的數(shù)據樣本對Hoshen-Kopelman算法劃分后的黏土礦物基團進行有效劃分。對于較大尺寸的連通黏土礦物基團可按照K-means算法劃分為多個附著于巖石顆粒表面的有效黏土基團。
[0078] 儲層中常見的黏土礦物包括蒙脫石、伊利石、伊蒙混層、綠泥石、
高嶺石;常見的分布形式為粒間孔隙充填、顆粒包殼、交代和包殼襯邊等,且不同黏土的分布特點也各不相同。重建模型中黏土礦物的填充形式主要為顆粒表面填充(單個黏土表面填充,多個黏土表面填充和層狀黏土表面填充)、顆粒間填充(雙顆粒間黏土填充、多顆粒間黏土填充)和顆粒內部填充,故在進行數(shù)字巖心模型的黏土礦物
構建時,結合實際黏土的分布形式,按照單個黏土基團與巖石骨架顆粒的相鄰關系將黏土礦物基團分布的主要形式劃分為:粒間充填、顆粒表面充填和交代作用。
[0079] 基于Hoshen-Kopelman算法得到模型中黏土礦物基團大小及數(shù)量分布,以及按結構劃分得到的重建模型中黏土基團類型及數(shù)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,得到含不同類型黏土礦物分布的三維重建多孔介質模型,如圖3所示。
[0080] (2)數(shù)字巖心模型巖石礦物分布特征
[0081] 參考模型儲層孔隙度為26.38%,滲透率0.614μm2,泥質含量12.36%;其中黏土含量分布為:蒙脫石40.8%,高嶺石19.1%,綠泥石27.4%,伊利石6.3%。其中蒙脫石產狀主要以顆粒包殼為主,存在部分粒間充填形式;高嶺石以粒間孔隙充填,呈分散質點狀集合體分布;綠泥石以包殼襯邊,粒間充填和交代狀分布;伊利石的分布形式包括粒間充填、交代和
薄膜式分布。
[0082] ①重建模型中的黏土基團分布
[0083] 基于Hoshen-Kopelman算法得到的數(shù)字巖心模型中不同黏土礦物基團的分布情況如圖4所示,其中最大的黏土礦物基團的尺寸為27953個
體素,最小的黏土基團大小為1個體素(基團個數(shù)為9432)。基團大小小于11個體素的黏土基團僅占所有黏土基團的1.91%;而主要的黏土基團則分布在10000個體素到25000個體素之間,占總黏土體積的97.29%。整體的黏土基團分布呈現(xiàn)“大基團為主,小基團分散”的特點,這與實際儲層中黏土礦物的分布形式相近似。
[0084] ②結構劃分后模型中黏土礦物的統(tǒng)計
[0085] 通過黏土基團的結構判別,所有的黏土礦物基團按產狀被劃分為三種主要類型:表面充填,粒間充填和交代作用。其中以粒間充填形式分布的黏土礦物基團共有4685個基團,含量占黏土總體積的67.13%;表面充填產狀的黏土礦物基團共有4530個,含量占黏土總體積的32.30%;而交代作用的黏土礦物則零星的分布于巖石顆粒當中,其含量僅占到黏土總體積的0.28%;模型中較大的黏土礦物基團主要為表面充填和粒間充填的形式。
[0086] 通過對數(shù)字巖心模型中黏土礦物基團的劃分和結構判別,每個黏土礦物基團都逐漸標記了不同的屬性(包括基團大小、序號、產狀等)。因此,結合真實儲層的相關信息(包括黏土含量、黏土類型、黏土的產狀等),模型中的黏土礦物按黏土含量和產狀特征被劃分為不同的黏土類型,蒙脫石是模型中含量最多的黏土礦物,含量占黏土礦物總體積的40.84%,綠泥石占27.43%,高嶺石占19.11%,伊利石占6.28%。且對于不同尺寸的黏土礦物基團,各種黏土礦物基團的分布相對均勻。
[0087] ③含多種巖石礦物數(shù)字巖心模型中黏土礦物的分布
[0088] 從各層中黏土礦物的分布情況來看,黏土礦物分布中包括部分基團大小小于5的黏土礦物顆粒,同時大基團黏土礦物的分布以粒間充填(雙顆粒間和多粒間),顆粒表面充填(蝕變類黏土、包殼襯邊、薄膜式)為主,存在少量交代式分布的黏土礦物。
[0089] 由圖5a和圖5e可以看出,,蒙脫石在模型中由于含量較高,主要成連片充填并附著于巖石基質表面,同時蒙脫石黏土基團主要以粒間充填和表面充填的形式分布于重建模型當中,基團數(shù)量分別為2117個和1935個;粒間充填類蒙脫石和表面充填類蒙脫石的含量占黏土礦物總體積的41.41%和58.39%;其中最大的粒間充填類蒙脫石基團大小為22716個體素,最大的表面充填類蒙脫石基團大小為21273個體素;由圖5b和圖5f可以看出,綠泥石以環(huán)狀和部分連片的基團分布于模型當中,粒間充填類綠泥石共有900個基團,占黏土礦物總體積的62,53%;表面充填類綠泥石共有975個基團,占黏土礦物總體積的37.14%,最大的粒間充填類和表面充填類綠泥石基團大小分別為22767個體素和21193個體素;由圖5c和圖5g可以看出,高嶺石一般以粒間充填的形式分布于儲層巖石當中,而由模型中黏土礦物的分布可知,粒間充填是模型中高嶺石的主要分布形式,占黏土總體積的98.58%,其中最大的粒間充填類黏土基團的大小為27953個體素;由圖5d和圖5h可以看出,伊利石在模型中的產狀包括粒間充填,表面充填和交代形式,其中表面充填類和粒間充填類伊利石分別占41.32%和58.12%。交代作用在四種黏土礦物中均有分布,且主要以零星分布的形式分布于巖石顆粒當中,蒙脫石、綠泥石、高嶺石和伊利石中交代狀黏土基團的個數(shù)分別為504、
619、61和244個,所構建的含黏土三維多孔介質模型與真實儲層的黏土礦物分布、產狀較為吻合。
[0090] (3)稠油油藏瀝青質沉積后損害模型的構建
[0091] 原油中的瀝青質在不同的溫度和壓力條件下,其發(fā)生沉積的可能性和沉積量的大小各不相同;隨著瀝青質在孔隙中的不斷沉積,部分懸浮在原油體系中的瀝青質聚集體在氫鍵、金屬鍵、酸
堿作用等作用下吸附到巖石礦物的表面;在不同的水濕及溫度條件下,瀝青質在不同類型巖石礦物表面的吸附過程較好的滿足Langmuir等溫吸附方程和Freundlich等溫吸附方程,可以得到不同類型巖石礦物的吸附性能參數(shù)(吸附平衡常數(shù)和最大吸附容量),如表1所示。
[0092] 表1高溫高pH模擬冷凝液條件下黏土礦物變化
[0093]
[0094] 瀝青質的沉積量與儲層的溫度、壓力及原油組成的變化等條件密切相關,由室內實驗中不同模擬環(huán)境中瀝青質的沉積變化規(guī)律可知,實施例的原油樣品中瀝青質的沉積量隨著壓力的升高呈先增大后減小的趨勢,同時80℃和180℃條件下,其最大沉積量分別為3.27%和2.61%,按瀝青質沉積模擬過程構建了原始儲層模型中的瀝青質沉積模型,其中圖6a為原始含多種巖石礦物數(shù)字巖心模型的二維切片,圖6b為瀝青質發(fā)生沉積后的數(shù)字巖心模型的二維切片,瀝青質沉積后從原油中析出形成較小的瀝青質聚集體懸浮于儲層孔隙中,同時在模擬瀝青質沉積前后,儲層模型的原始結構并沒有發(fā)生變化;而由不同模擬條件下的瀝青質沉積模型可以看出(圖7a為80℃條件下瀝青質沉積后的數(shù)字巖心模型,圖7b為
180℃條件下瀝青質沉積后的數(shù)字巖心模型),低溫條件下,瀝青質在模型孔隙中的沉積現(xiàn)象更為明顯。
[0095] (4)稠油油藏瀝青質吸附后損害模型的構建
[0096] 原油中沉積的瀝青質以瀝青質聚集體的形式懸浮于儲層孔隙中,同時由于儲層中的巖石礦物具有較強的吸附性能,其表面具有較多的吸附位點,為瀝青質聚集體在巖石顆粒表面的吸附過程提供了必要的物質基礎。而瀝青質在巖石礦物表面的吸附過程不但受到不同類型巖石礦物性質的影響,同時溫度及水濕條件等因素對于瀝青質在巖石礦物表面的吸附過程有較大的影響。由室內實驗得到模擬儲層環(huán)境中不同類型巖石礦物在對瀝青質的吸附規(guī)律,并利用Langmuir吸附模型和Freundlich吸附模型對不同吸附過程進行了擬合,得到了包括Langmuir吸附平衡常數(shù)KL、Freundlich吸附平衡常數(shù)、最大吸附容量Qmax、非線性因子n和平衡吸附量Qe等一系列參數(shù)如表1所示。由不同類型模型中黏土礦物的含量及不同黏土礦物的最大吸附容量可以得到不同條件下,瀝青質在模型中的巖石礦物表面吸附的最大吸附量如表2所示。
[0097] 表2不同模擬條件下瀝青質在不同巖石礦物表面的最大吸附量
[0098]
[0099]
[0100] 模擬過程中黏土礦物的吸附參數(shù)按表1和表2設定,其中“其它”類型黏土礦物和
石英砂的吸附參數(shù)選取60目石英砂的吸附參數(shù)。為模擬不同條件下瀝青質沉積吸附造成的儲層傷害過程,按圖2所示的流程構建了瀝青質沉積吸附過程造成的儲層傷害模型,如圖8、圖9所示。
[0101] 圖8a為原始含多種巖石礦物數(shù)字巖心模型的二維切片,圖8b為瀝青質吸附后的數(shù)字巖心模型的二維切片,懸浮在孔隙空間中的瀝青質聚集體在不同類型巖石礦物的吸附作用下,按照不同的吸附能力吸附在巖石礦物表面,由于蒙脫石和綠泥石具有較強的吸附能力和較大的吸附容量,因此模擬過程結束后瀝青質在這兩類巖石礦物表面的吸附量較高,而在伊利石和石英砂表面的吸附量較小;同時滿足Langmuir吸附模型的基本假設,瀝青質聚集體基本以
單層吸附的形式附著于各類巖石礦物的表面。由圖9(圖9a為80℃干燥條件下瀝青質沉積吸附后的數(shù)字巖心模型,圖9b為80℃水濕條件下瀝青質沉積吸附后的數(shù)字巖心模型,圖9c為180℃干燥條件下瀝青質沉積吸附后的數(shù)字巖心模型,圖9d為180℃水濕條件下瀝青質沉積吸附后的數(shù)字巖心模型)可知,不同儲層模擬條件下,瀝青質的沉積吸附狀況不同,其中干燥條件下瀝青質沉積吸附造成的儲層傷害更明顯,大量的瀝青質聚集體吸附于巖石礦物的表面;而水濕條件下,由于水膜一定程度上抑制了瀝青質在巖石礦物表面的吸附,因此水濕條件下,瀝青質的沉積吸附造成的儲層傷害不明顯。
[0102] (5)瀝青質沉積吸附造成的儲層傷害特征研究
[0103] 由于巖石礦物類型、儲層溫度、水濕條件等因素對瀝青質的沉積吸附過程有著不同的影響,因此為進一步研究不同模擬條件下瀝青質沉積吸附過程對儲層孔隙度、滲透率等的影響,本節(jié)研究了由于儲層巖石礦物性質變化造成的黏土礦物含量及體積變化、以及模型的孔隙度及滲透率的變化。
[0104] ①瀝青質含量與體積的變化
[0105] 如圖7和圖9所示為不同模擬條件下瀝青質沉積、吸附造成的儲層傷害模型,在瀝青質沉積過程中,瀝青質以分散的聚集體的形式懸浮于儲層孔隙當中,而在瀝青質的吸附過程中,懸浮的瀝青質聚集體在巖石礦物的吸附作用下按照最大吸附容量和吸附能力的不同附著于巖石礦物的表面。如表3所示為不同沉積條件下模型中瀝青質含量及體積的變化情況。
[0106] 表3不同條件下瀝青質的沉積量及體積變化
[0107]
[0108] 由圖7和表3可以看出,瀝青質沉積過程中,高溫條件下的原始模型和低溫條件下的原始模型的孔隙度分別由原始的26.38%下降為25.52%和25.69%。瀝青質聚集體的析出,雖然以固體顆粒的形式懸浮于原油體系當中,將其視為固相,孔隙度雖有一定程度的下降,但是瀝青質聚集體的沉積并不對儲層的有效孔隙度和滲透率產生明顯的影響。懸浮的瀝青質聚集體在氫鍵、偶極—偶極作用、離子交換等作用下吸附于不同類型巖石礦物的表面,從而儲層物性產生明顯的影響,由表3所示為不同條件下瀝青質沉積吸附后瀝青質的沉積量、吸附量及體積變化,其中蒙脫石、伊利石、綠泥石、高嶺石、石英砂、其它類型巖石礦物和瀝青質的
密度分別為2.35kg/m3,2.75kg/m3,2.75kg/m3,2.62kg/m3,2.65kg/m3,2.65kg/m33
和1.2kg/m。
[0109] 表4不同條件下瀝青質沉積吸附后瀝青質的沉積量、吸附量及體積變化[0110]
[0111]
[0112] 由表4可知,瀝青質的沉積體積隨初始模型的孔隙體積變化而變化,其中原始模型80℃和180℃條件下的沉積體積分別為69010個體素和55081個體素。由于模擬過程中最大吸附容量和吸附平衡常數(shù)是最主要的兩個限定條件,模擬結束后,干燥條件下,除80℃原始模型的沉積量大于模型巖石礦物對瀝青質的最大吸附量外,其它不同模型在干燥條件下,巖石礦物的最大吸附量都明顯高于瀝青質的沉積量,說明干燥條件下,瀝青質發(fā)生沉積后,儲層巖石礦物表面有較多的吸附位點提供給未被吸附的瀝青質聚集體。而水濕條件下,由于水膜的存在使得瀝青質在巖石表面的吸附過程更好的滿足Langmuir等溫吸附模型,說明水膜的存在使得瀝青質在巖石礦物表面的吸附過程更接近于單層吸附過程,水膜的存在有效的抑制了瀝青質在巖石礦物表面的吸附過程,另一方面,水濕條件下,各類巖石礦物的最大吸附容量明顯降低,儲層巖石礦物表面提供的有效吸附位點減少。
[0113] ②孔隙度和滲透率變化
[0114] 瀝青質沉積過程中,被視為堵塞物的瀝青質聚集體雖然從原油體系中不斷析出造成了孔隙度的降低,但是該過程中瀝青質基本以懸浮的形式存在于儲層孔隙當中,因此被視為固相時,瀝青質聚集體并沒有在孔隙中形成有效的堵塞而影響儲層滲透率;而巖石礦物對于瀝青質的吸附過程,一方面使得儲層的有效孔隙度下降,另一方面附著于巖石礦物表面的瀝青質改變的儲層巖石的孔喉結構,進一步降低了儲層的滲透率。
[0115] 表5不同類型儲層傷害過程中模型孔隙參數(shù)變化
[0116]
[0117]
[0118] 由表5可以看出,瀝青質的沉積吸附給儲層造成了明顯的二次傷害,其中80℃干燥模擬冷凝液條件下,儲層滲透率先由589.76×103μm2下降為552.12×103μm2,孔隙度由26.38%下降為23.42%,儲層傷害后滲透率和孔隙度分別下降了6.38%和11.22%。水濕環(huán)境對于瀝青質沉積吸附有明顯的抑制作用,其中180℃模擬冷凝液模型水濕條件下瀝青質沉積吸附后,滲透率由589.76×103μm2下降為582.90×103μm2,降幅僅為1.16%。因此溫度條件及水濕環(huán)境對于稠油注汽高壓井的儲層傷害過程起著重要的控制作用。