深煤層物性臨界轉換深度數值模擬*

李　坤　凌標燦　畢瑞卿　魏　堯　張　聞　李勝楠

(華北科技學院研究生處)

?

深煤層物性臨界轉換深度數值模擬*

李坤凌標燦畢瑞卿魏堯張聞李勝楠

(華北科技學院研究生處)

摘要在深煤層煤層氣開采過程中，物性參數的變化規律是影響煤層氣開發技術措施的重要因素，而我國大部分煤層氣井物性參數的變化規律較復雜。為此，采用BP神經網絡方法對各類物性參數的臨界轉換深度進行了數值模擬，建立了深煤層臨界深度的預測模型，界定不同地區、不同參數條件下的深煤層物性臨界轉換深度，供相關應用研究參考。

關鍵詞物性參數BP神經網絡臨界深度預測模型

由于我國煤層氣開發的地質條件較一些煤層氣開發技術成熟的國家復雜，國內科研工作者對煤儲層物性的研究尚處于探索階段，物性參數的變化規律是煤層氣開發理論體系研究的重要內容，此外，不同地區、不同參數條件下的深煤層物性臨界轉換深度并無線性關系[1-4]。BP神經網絡是一種大規模并行的復雜的非線性動力系統，可表示極其復雜的非線性模型系統，具有高度并行的處理機制、高速運算的能力、高度靈活可變的拓撲結構、高度的非線性運算水平，具有自學習、自組織的能力。為此，本研究采用該方法對深煤層物性臨界轉換深度進行數值模擬，確定側重不同參數條件下的深煤層深度界限。

1模擬操作步驟

(1)選取較容易獲得的沁水盆地SX001、SX002、SX003煤層氣井儲層的物性參數作為本研究的評價參數。據現有資料，分別從聲波測井資源中搜集了縱波速度、橫波速度、井內溫度、破裂壓力、密度、滲透率、井深等作為評價參數[5-8]。

(2)將不同來源的數據統一至一個參考系中，消除各參數間的相互影響，便于進行對比分析。

(3)用Matlab軟件進行先期非線性回歸，對回歸方程進行分析，剔除一些影響較小或數據不全的參數，歸一化并剔除某些參數后的數據見表1。

表1　剔除某些無關參數并經歸一化處理后的部分數據

(4)用Matlab軟件進行方程回歸，得到回歸方程。

(5)確定不同參數的權重，經數值模擬后得到各參數權重，分析各參數的影響值。

(6)對不同地區、不同井段的參數進行分析，首次確定各參數隨埋深的突變點范圍或界定深淺的參數值范圍。

(7)利用回歸方程計算出某地區或某井位埋深，初次劃分出深淺煤層的深度值。

(8)對初次劃定的深度值與首次選取的突變點范圍值進行對比，若兩者不落于同一區間，則利用迭代法重新計算深度值，如此反復，直至突變點值與深度值落于同一區間內，則該深度值即為深煤層的深度界限[9]。

2模擬結果分析

2.1側重力學參數的數值模擬結果

選定埋深、縱波波速、溫度、破裂壓力等作為深煤層儲層的關鍵參數，經Matlab軟件數值模擬，得到深煤層儲層關鍵參數耦合的回歸方程為

(1)

式中，H為煤層埋藏深度，m，耦合區間最大值為1 461 m；P為測井縱波速度，m/ms，耦合區間最大值為3.982 m/ms；T為井內溫度，℃，耦合區間最大值47.28 ℃；Pt為破裂壓力，MPa，耦合區間最大值30.14 MPa。

對埋深與縱波波速、溫度和破裂壓力等參數的權重進行數值模擬，可得：測井縱波速度權重為0.079 9，測井內溫度權重為0.227 4，破裂壓力權重為0.692 7。由此可見，該組耦合參數中，破裂壓力權重最大，對確定煤層埋深影響最大，測井內溫度次之，測井縱波波速對于確定煤層埋深影響較小。

對于式(1)可進行如下討論：①式中設計的5個參數均以歸一化處理后的數據進行耦合，因此涉及上述5個參數的取值均不得大于各自耦合區間的最大值，反之，耦合公式須重新獲得；②在考慮該5個關鍵儲層參數的耦合中，深淺煤層的深度界限取決于縱波速度、井溫、破裂壓力的取值范圍；③各參數代入公式前，須首先除以相應的耦合區間最大值，計算出的深度值須乘以耦合區間最大值后方為真實深度。

2.2側重儲層物性參數的數值模擬結果

為充分研究不同地質參數的耦合效果，選取滲透率、吸附量、儲層壓力、溫度等參數進行耦合分析。為比較不同地區、不同煤階模擬的臨界深度和物性的差異，整理統計了沁水盆地、鄂爾多斯盆地、東北地區的主要物性數據，進行了模擬，得到相關的回歸方程系數。經BP神經網絡數值模擬，對滲透率、吸附量、儲層壓力、溫度等參數進行了方程耦合分析，可得沁水盆地、鄂爾多斯盆地、東北地區的回歸方程分別為

(2)

式中，H為煤層埋藏深度，m，耦合區間最大值為1 111 m；K為滲透系數，mD，耦合區間最大值為0.46 mD；Q為含氣量，m3/t，耦合區間最大值為21.51 m3/t；Pc為儲層壓力，MPa，耦合區間最大值為6.03 MPa；T為井內溫度，℃，耦合區間最大值為 42.5 ℃。

對側重儲層物性的耦合參數權重進行了數值模擬，結果表明：滲透率的權重最大，對確定煤層埋深影響最大，儲層壓力因素次之，而吸附量、溫度和鏡質體反射率對于確定煤層埋深影響較小。

3深煤層深度界限確定

以力學參數為關鍵參數的煤層深度界限確定井溫、破裂壓力的取值范圍，其耦合公式為

H=0.308 5+0.082 8P-0.390 4S+

0.963 9T-0.109 7Pt.

(3)

與側重儲層物性為關鍵參數的計算方法相同，可以計算出以力學參數為關鍵參數的深煤層深度界線為1 043 m，而實際選取的拐點值為997 m，兩者誤差為4.6%，在誤差允許范圍內。

以產能為關鍵參數確定深煤層深度界限，其耦合公式為

H=0.075 5+0.163 6Q-0.070 9K+

0.888 6Pc-0.0664Qg，

(4)

式中，Qg為日產氣量，m3/t。

本研究選取H為900～1100m，Q為15～17m3/t，K為0.05～0.15mD，Pc為6MPa，Qg為2.85m3/t，利用式(4)計算出的煤層深度范圍為800～1000m；計算出以產能因素為關鍵參數的深煤層界線值為848～1114m。上述計算結果均與初選深度相差較大，于是利用迭代法重新確定參數范圍值，經過迭代，最終得到以產能因素為關鍵參數的煤層深度界限為927～1171m。

4討論

(1)采用側重儲層物性的耦合參數對權重進行數值模擬，滲透率的權重最大，對確定煤層埋深影響最大，儲層壓力因素次之，而吸附量、溫度和鏡質體反射率對于確定煤層埋深影響很小，從而證明了BP神經網絡數值模擬結果的有效性。

(2)用BP神經網絡數值模擬計算出的以力學參數為關鍵參數的深煤層深度界限為1 043 m，而實際選取的拐點值為997 m，兩者誤差僅為4.6%，在誤差允許范圍內。

(3)采用本研究提出的臨界深度確定方法對沁水盆地、鄂爾多斯盆地、東北地區進行了回歸分析，得到了側重物性參數的深煤層臨界深度值，從而說明本研究數值模擬結果對于其余類似復雜地質條件的煤層氣井也具有一定的適用性。

參考文獻

[1]張亞蒲，張冬麗，楊正明，等.煤層氣定向羽狀水平井數值模擬技術應用[J].天然氣工業，2006(12)：115-117.

[2]李金海，蘇現波，林曉英，等.煤層氣井排采速率與產能的關系[J].煤炭學報，2009(3)：376-380.

[3]李仰民，王立龍，劉國偉，等.煤層氣井排采過程中的儲層傷害機理研究[J].中國煤層氣，2010(6)：39-43.

[4]趙群，王紅巖，李景明，等.快速排采對低滲透煤層氣井產能傷害的機理研究[J].山東科技大學學報：自然科學版，2008(3)：27-31.

[5]劉新福，綦耀光，李延祥，等.單相流煤層氣井井底流壓預測方法研究[J].中國礦業大學學報，2010(6)：876-880.

[6]蘇復義，蔡云飛.數值模擬技術在柳林煤層氣試驗區的應用[J].天然氣工業，2004(5)：95-96.

[7]郭紅玉，蘇現波.煤儲層啟動壓力梯度的實驗測定及意義[J].天然氣工業，2010(6)：52-54.

[8]傅雪海，秦勇，楊永國，等.甲烷在煤層水中溶解度的實驗研究[J].天然氣地球科學，2004(4)：345-348.

[9]羅山強，郎兆新，張麗華.影響煤層氣井產能因素的初步研究[J].斷塊油氣田，1997(1)：42-47.

(收稿日期2016-04-13)

Numerical Simulation of the Physical Critical Conversion Depth of Deep Coal Seam

Li KunLing BiaocanBi RuiqingWei YaoZhang WenLi Shengnan

(Department of Graduate Student,North China Institute of Science and Technology)

AbstractIn the mining process of coal-bed methane of deep coal seam, the change rule of physical parameters are the important factors that affect the technical measures of coal-bed methane development, but most the change rules of the physical parameters of coal-bed methane are complex in China.So,the simulation of the physical critical conversion depth of deep coal seam under the conditions of different parameters is conducted by adopting the BP neural network,besides that,the prediction model of deep critical conversion depth of deep coal seam is established to define the physical critical conversion depth of deep coal seam under the conditions of different area and parameters to provide some reference for the similar research and application.

KeywordsPhysical parameters, BP neural network, Critical depth, Prediction model

*中央高校基本科研業務費資助項目(編號：3142014106)。

李坤(1987—)，男，碩士研究生，101601 北京市東燕郊。