煤层气解吸阶段划分方法及其意义

为了定量分析煤层气解吸特征对产能的影响,基于兰格缪尔等温吸附理论,建立了煤层气解吸阶段划分方法,并通过煤层气开发实例分析了方法的指示意义。引入解吸效率定量表征不同压力下的煤层气解吸速率。根据数学曲线上的关键节点,定义了启动压力、转折压力与敏感压力;不同煤样3个关键压力点的解吸效率为定值,据此将煤层气解吸过程划分为低效解吸、缓慢解吸、快速解吸与敏感解吸4个阶段。研究表明:快速与敏感解吸阶段对煤层气井产能贡献很大,低效与缓慢解吸阶段则很小;煤层吸附能力、含气性和储集层压力是影响煤层气解吸特征的关键因素。沁南和柳林地区煤层气开发现状表明建立的解吸阶段划分方法可以有效指导煤层气开发。

基于测井敏感参数的煤层含气量定量评价方法——以鄂东气田三交北区块为例

煤层含气量是煤层气资源评价的关键参数之一。基于现有煤层含气量预测方法，结合鄂东气田三交北区块煤心实验室分析资料，通过线性回归优选影响含气量的测井敏感参数，对相关性小的参数构建复合参数，提高相关系数。分别建立基于兰氏方程（吸附模型）和多元回归方程（多元回归模型）的含气量预测模型。预测结果与实验室测量值对比表明，吸附模型预测含气量更为准确。

沁水盆地南部TS地区煤层气储层测井评价方法

煤层气是一种自生自储于煤岩地层的非常规天然气资源,其储层测井评价内容及方法不同于常规天然气,在煤层气勘探开发过程中更关注于有关煤岩工业分析组分、基质孔隙度、裂缝渗透率及煤层含气量等一系列关键的储层参数。针对沁水盆地南部TS地区煤层气勘探目标层,分析了各种测井响应特征,采用回归分析法计算煤岩工业分析组分;针对煤层气含量影响因素众多且较为复杂的特点,结合相关地区煤岩样品实验分析结果,利用基于等温吸附实验的兰氏煤阶方程估算煤层含气量参数;通过煤岩孔隙结构的分析,采用变骨架密度的密度孔隙度计算公式求取煤岩总孔隙度,利用迭代逼近算法计算裂缝孔隙度;根据煤岩裂缝中面割理发育而端割理不甚发育的特点,以简化的单组系板状裂缝模型计算煤岩裂缝渗透率。通过对TS-A井进行实际计算,结果表明,煤岩工业分析组分和煤层含气量计算结果精度高,总孔隙度一般在5.5%左右,而裂缝孔隙度则大多小于0.5%,裂缝渗透率主要分布在0.001×10-3～10×10-3μm2之间,孔渗参数计算结果与相邻井区现有资料相符。采用测井方法可以快速、系统地对煤层气储层多种参数进行准确评价。

测井解释中煤层含气量评价方法对比研究

为准确评价预测煤层气资源量。以沁水盆地南部地区勘探目标层3号、15号煤层的地质、测井以及煤岩测试资料为基础,应用回归分析、兰氏煤阶方程、开姆法和BP神经网络方法计算含气量,并对各方法计算结果进行对比研究。研究表明:3号、15号煤层含气量分别为7~20 cm^3/g和10~30cm^3/g,密度回归法以及兰氏煤阶方程适用于沁水盆地南部地区煤层含气量的计算,而BP神经网络法和开姆法由于缺少实测含气量数据而误差较大,不适宜该区煤层含气量计算。总体上,利用测井方法对沁水盆地南部地区煤层气储层含气量评价方面应用效果良好。

基于动态吸附模型的煤岩吸附气含量测井计算新方法

煤层吸附气的定量计算方法是煤层气储层评价的关键和主要技术难题,利用测井资料计算其含量成为重要途径,其结果的准确度直接影响到煤层气的勘探开发决策。基于延川南地区煤层岩心的实验室分析资料,对煤岩组分含量的测井计算方法进行刻度,充分研究了地层条件下多种因素对煤层吸附气含量的影响,对兰氏方程加以改进,建立了基于常规测井资料的煤岩吸附气含量的动态吸附计算模型。与其他常用模型相比,该方法计算结果精度更高,应用条件更为广泛,在延川南地区获得了较好的应用效果。

煤层气试井模型拟压力处理方法探讨

气井不稳态试井数学模型一般采用拟压力进行处理求解，而煤层气采用拟压力处理扩散项时，将拟压力代替兰氏方程中压力，这否仅不符合兰氏方程定义，在数值上也不能得到近似，由此产生较大误差。通过拟压力兰氏方程计算值与真实吸附数据误差分析得到，在压力较低时，即煤层气生产中后期，随着压力降低，拟压力兰氏方程引起的误差会越来越大。重新拟合吸附曲线，建立吸附量与拟压力关系式。结果表明：运用兰氏方程进行曲线拟合时，压力越高，拟合精度越好，但低压时拟合误差最大能达到90％；运用Weilbull函数进行拟合，拟合效果好，误差在10％以内。对韩城象山5号煤吸附数据进行Weilbull函数拟合，相关系数达0．997，说明该拟合关系式可用于实际应用。

川南地区乐平组煤层含气量定量评价方法

川南地区乐平组煤层非均质性强,测井响应特征复杂,给煤层含气量评价带来很大挑战。为了定量评价煤层含气量,基于现有煤层含气量预测方法,结合川南地区筠连区块煤心实验室分析资料,通过线性回归优选影响含气量的测井敏感参数,对相关性小的参数构建复合参数,提高相关系数。分别建立基于兰氏方程和多元回归方法的含气量预测模型。预测结果与实验室测量值对比表明,2种模型在该研究区均适用,但吸附模型预测含气量更准确。