页岩含气量评价方法

• 作者: 张金川 刘树根 魏晓亮 唐玄 刘飏
• 来源期刊: 石油与天然气地质
• 学科: 工学
• 关键词: 机器学习 大数据 智能评价 含气结构 现场解析 评价方法 含气量 页岩
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 油气地质
• 页码范围: 28-40
• 页数: 13页
• 分类号: TE122.2
• 语种: 中文
• DOI: 10.11743/ogg20210103

摘要

作为页岩气资源勘探评价的核心基础,含气量的评价一直作为关键研究内容而受到高度关注.页岩气的成藏和富集是一个动态地质过程,游离和吸附状态天然气的同时存在及比例变化,导致了页岩中天然气赋存状态的复杂性.页岩含气机理与煤层气差异较大,直接和间接成因的页岩气类型各具不同的页岩油气形成条件和含气特点.垂向上的页岩含气相关指征曲线变化特点,可提供更多的沉积、含气及保存等信息.页岩含气量的获得方法可划分为6种基本类型,归属于3个可信度梯度级别,其中的现场解析法是含气量获取方法中的重要方法.在现场解析的升温过程中,只有当岩心在加热至地层温度前见解吸气者,通过线性或多项式逆向回归法计算出来的损失气量才具有明确物理意义.页岩的含气量受页岩的生气能力和强度控制,损失气、解吸气及残余气分别与吸附气和游离气存在内在联系.页岩吸附含气量和总含气量是页岩含气量地质评价中的重要参数,页岩气中游离气的占比不仅能反映页岩中天然气的赋存状态,而且更指示了页岩气的可采性.同时满足总含气量和游吸比双高目标的评价对象,是页岩气的有利目标.含气量、游吸比及可采系数等含气结构参数的同时使用,有助于更准确地进行页岩气评价.机器学习和大数据分析等提高了数据处理工作效率,智能评价是页岩含气量评价研究未来发展的重要方向.