CO2封存储层精细描述及运移监测方法研究

摘要

随着经济的发展及化石能源的大量燃烧,由于大量CO2排放所带来的温室效应正严重威胁着人们的生存环境,CO2地质封存是减小大气中CO2浓度最快速、有效的方法之一。为了平衡CO2地质封存的经济支出,利用CO2驱油、驱煤层气等可以在驱替出油气的同时将CO2封存在地下,实现了“一举两得”的目标,具有较好的经济效益、环境效益和社会效益。地震勘探作为一种了解地下储层地质情况的技术手段,在CO2地质封存过程中具有重要的和不可替代的作用。CO2封存是将捕集到的CO2注入地下并保存在储层孔隙中,因此,CO2封存需要适宜的储层物性特征(孔隙度、渗透率)和良好的圈闭条件;其次,在CO2注入过程中或注入一段时间内,希望及时掌握CO2的运移范围,一方面可以用来监测CO2是否有效封存,另一方面可以发现CO2未波及区域,及时调整驱替方案。所以,本文基于上述地质需求,围绕CO2的安全、有效地质封存,从CO2驱替机理及驱替后储层弹性参数变化、CO2封存场地储层及构造精细描述和CO2运移监测三个方面开展了一系列研究。CO2注入会引起储层弹性参数的变化,本研究分析了CO2驱替机理及CO2注入后储层的弹性参数变化。首先,从CO2相态特征、密度和黏度三个方面描述了CO2的理化性质;介绍了CO2在驱油和驱煤层气中提高采收率的机理;基于油气圈闭的地质条件,从地质构造稳定性、储层物性即储集空间、盖层稳定性等方面分析了CO2的封存条件,为CO2有效封存体的选择提供依据。其次,讨论了基于Gassmann方程的流体替换理论,描述了Gassmann方程的基本理论,分析了在CO2驱替过程中岩石基质模量和流体体积模量的计算方法。最后,以某一实际测井数据为基础,详细描述了CO2驱替的流体替换过程,并计算了不同CO2饱和度情况下所引起的储层弹性参数变化,为本研究中时移地质模型的建立及采用地震勘探方法监测CO2运移的可行性提供了理论参数。有效的CO2封存体是保证CO2安全、有效封存的首要因素,本文从地质构造识别和储层弹性参数预测两个方面研究了CO2封存储层的精细描述方法。在储层地质构造识别中,针对地质构造解释的耗时、多解性、包含人为主观因素等问题,本文提出了基于机器学习的地质构造智能预测方法,探讨了五种机器学习算法(BP神经网络、RBF神经网络、支持向量机、决策树和随机森林)的基本理论,并基于随机建立的大量地质模型和敏感地震属性完成了五种网络的训练。模拟数据的测试结果表明,随机森林算法具有较高的预测精度(97%),进而基于实际煤田地震数据测试了随机森林算法的预测效果,预测结果显示其与巷道揭露及人工解释结果吻合较好,并且识别了人工难以解释的小尺度构造。因此,随机森林方法实现了地质构造的高效、高精度预测,为CO2封存地层构造解释提供了一种新的工具。叠前地震数据包含了更多的振幅变化信息,有利于储层弹性参数的精细预测,但是相比于叠后地震数据,其信噪比相对较低,为实现储层的高精度弹性参数预测,本文提出了基于多项约束的叠前反演方法。在反演目标函数中加入了局部平滑算子、差分算子和构造约束(倾角)算子,并通过广义交叉检验方法和人工动态调节的方式来控制每个约束项的权重,实现了既可以压制随机噪声又不模糊地层边界的高精度储层弹性参数预测。CO2地质封存是一个动态的过程,在油气被不断驱替的同时,CO2被不断封存于地下,如何保证封存体安全稳定、如何及时发现CO2未波及区域并及时调整驱替方案是两个亟需解决的地质问题。本文基于时移地震数据提出了以全波形反演和深度学习为技术手段的两种CO2运移监测方法。全波形反演作为目前精度最高的储层弹性参数预测方法之一,低频依赖、周波跳跃及计算效率等严重制约着其在实际中的应用。曲波基函数由于包含了尺度、角度和位置三个参数,具有较高的离散特征。本文充分分析了曲波变换的基本原理,论证了基于曲波变换的数据重建可逆性,并从粗尺度到细尺度依次进行反演,得到了精细反演结果,进而通过时移数据的顺序反演策略,实现储层弹性参数的时移差异预测。模拟数据的测试结果表明,基于曲波变换的时移全波形反演方法相比于常规全波形反演具有高效、高精度的优点。虽然全波形反演得到了较好的预测结果,但是其计算量巨大,在解决3D或者4D数据时存在巨大的挑战,为此,本文基于深度学习理论提出了基于全卷积神经网络的CO2运移监测方法。通过全卷积神经网络建立时移差异数据与时移储层弹性参数变化的非线性映射关系,此方法可以自动提取时移差异数据中的大量特征,在完成网络的训练后即可快速预测储层弹性参数的变化,而不需要再次训练,是一个非常高效的过程,甚至可以有望实现储层的实时监测。本文详细介绍了全卷积神经网络的基本理论、训练数据的生成、网络的训练过程及预测结果的分析,合成数据的测试结果表明,只要有足够的训练数据,此方法可以得到较高的预测精度,并且具有十分高效的优势。针对CO2安全、有效地质封存问题,本文围绕CO2封存储层精细描述和CO2运移监测开展了相关研究,提出了一套从CO2驱替机理及储层弹性参数变化分析-CO2封存储层及构造精细描述-CO2运移监测的技术流程。通过理论分析和基于数据的测试,证明了本研究在CO2地质封存中的作用及效果,为CO2地质封存提供了有力的技术手段。

目录

摘要

abstract

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 国内外CO

地质封存实施现状

1.2.2 储层精细描述方法研究现状

1.2.3 CO

运移监测方法研究现状

1.3 现存CO

地质封存及监测技术分析

1.4 研究内容及技术路线

1.4.1 研究内容

1.4.2 技术路线

1.4.3 主要创新点

2 CO

驱替机理及储层弹性参数变化

2.1 CO

驱油及驱气机理分析

2.1.1 CO

理化性质

2.1.2 CO

驱油机理分析

2.1.3 CO

驱煤层气机理分析

2.1.4 CO

封存地质条件

2.2 基于Gassmann方程的流体替换理论

2.2.1 Gassmann方程

2.2.2 岩石基质模量计算

2.2.3 流体体积模量计算

2.3 CO

驱替后储层弹性参数变化分析

2.4 本章小结

3 CO

封存体构造及岩性精细预测

3.1 基于机器学习的地质构造预测方法

3.1.1 数据准备与属性优选

3.1.2 机器学习算法理论

3.1.3 网络训练

3.1.4 机器学习算法优选

3.1.5 实际数据预测

3.2 基于多项约束的叠前反演方法

3.2.1 多道数据正演模拟

3.2.2 多项约束地震反演理论

3.2.3 模拟数据应用分析

3.2.4 实际数据应用分析

3.3 本章小结

4 CO

运移监测方法

4.1 基于曲波变换的多尺度时移全波形反演方法

4.1.1 稀疏变换算法

4.1.2 曲波变换特征

4.1.3 全波形反演基本理论

4.1.4 多尺度弹性波时移全波形反演

4.1.5 Marmosi II模型试算分析

4.1.6 CO

封存模型试算分析

4.2 基于全卷积神经网络的CO

运移监测方法

4.2.1 全卷积神经网络

4.2.2 训练数据准备

4.2.3 FCN网络训练

4.2.4 时移储层速度变化预测

4.2.5 FCN与 FWI预测结果对比

4.2.6 FCN预测精度影响因素分析

4.3 本章小结

5 结论与展望

5.1 结论

5.2 展望

参考文献

致谢

作者简介