深煤层物性临界转换深度数值模拟*

李　坤　凌标灿　毕瑞卿　魏　尧　张　闻　李胜楠

(华北科技学院研究生处)



深煤层物性临界转换深度数值模拟*

李坤凌标灿毕瑞卿魏尧张闻李胜楠

(华北科技学院研究生处)

摘要在深煤层煤层气开采过程中，物性参数的变化规律是影响煤层气开发技术措施的重要因素，而我国大部分煤层气井物性参数的变化规律较复杂。为此，采用BP神经网络方法对各类物性参数的临界转换深度进行了数值模拟，建立了深煤层临界深度的预测模型，界定不同地区、不同参数条件下的深煤层物性临界转换深度，供相关应用研究参考。

关键词物性参数BP神经网络临界深度预测模型

由于我国煤层气开发的地质条件较一些煤层气开发技术成熟的国家复杂，国内科研工作者对煤储层物性的研究尚处于探索阶段，物性参数的变化规律是煤层气开发理论体系研究的重要内容，此外，不同地区、不同参数条件下的深煤层物性临界转换深度并无线性关系[1-4]。BP神经网络是一种大规模并行的复杂的非线性动力系统，可表示极其复杂的非线性模型系统，具有高度并行的处理机制、高速运算的能力、高度灵活可变的拓扑结构、高度的非线性运算水平，具有自学习、自组织的能力。为此，本研究采用该方法对深煤层物性临界转换深度进行数值模拟，确定侧重不同参数条件下的深煤层深度界限。

1模拟操作步骤

(1)选取较容易获得的沁水盆地SX001、SX002、SX003煤层气井储层的物性参数作为本研究的评价参数。据现有资料，分别从声波测井资源中搜集了纵波速度、横波速度、井内温度、破裂压力、密度、渗透率、井深等作为评价参数[5-8]。

(2)将不同来源的数据统一至一个参考系中，消除各参数间的相互影响，便于进行对比分析。

(3)用Matlab软件进行先期非线性回归，对回归方程进行分析，剔除一些影响较小或数据不全的参数，归一化并剔除某些参数后的数据见表1。

表1　剔除某些无关参数并经归一化处理后的部分数据

(4)用Matlab软件进行方程回归，得到回归方程。

(5)确定不同参数的权重，经数值模拟后得到各参数权重，分析各参数的影响值。

(6)对不同地区、不同井段的参数进行分析，首次确定各参数随埋深的突变点范围或界定深浅的参数值范围。

(7)利用回归方程计算出某地区或某井位埋深，初次划分出深浅煤层的深度值。

(8)对初次划定的深度值与首次选取的突变点范围值进行对比，若两者不落于同一区间，则利用迭代法重新计算深度值，如此反复，直至突变点值与深度值落于同一区间内，则该深度值即为深煤层的深度界限[9]。

2模拟结果分析

2.1侧重力学参数的数值模拟结果

选定埋深、纵波波速、温度、破裂压力等作为深煤层储层的关键参数，经Matlab软件数值模拟，得到深煤层储层关键参数耦合的回归方程为

(1)

式中，H为煤层埋藏深度，m，耦合区间最大值为1 461 m；P为测井纵波速度，m/ms，耦合区间最大值为3.982 m/ms；T为井内温度，℃，耦合区间最大值47.28 ℃；Pt为破裂压力，MPa，耦合区间最大值30.14 MPa。

对埋深与纵波波速、温度和破裂压力等参数的权重进行数值模拟，可得：测井纵波速度权重为0.079 9，测井内温度权重为0.227 4，破裂压力权重为0.692 7。由此可见，该组耦合参数中，破裂压力权重最大，对确定煤层埋深影响最大，测井内温度次之，测井纵波波速对于确定煤层埋深影响较小。

对于式(1)可进行如下讨论：①式中设计的5个参数均以归一化处理后的数据进行耦合，因此涉及上述5个参数的取值均不得大于各自耦合区间的最大值，反之，耦合公式须重新获得；②在考虑该5个关键储层参数的耦合中，深浅煤层的深度界限取决于纵波速度、井温、破裂压力的取值范围；③各参数代入公式前，须首先除以相应的耦合区间最大值，计算出的深度值须乘以耦合区间最大值后方为真实深度。

2.2侧重储层物性参数的数值模拟结果

为充分研究不同地质参数的耦合效果，选取渗透率、吸附量、储层压力、温度等参数进行耦合分析。为比较不同地区、不同煤阶模拟的临界深度和物性的差异，整理统计了沁水盆地、鄂尔多斯盆地、东北地区的主要物性数据，进行了模拟，得到相关的回归方程系数。经BP神经网络数值模拟，对渗透率、吸附量、储层压力、温度等参数进行了方程耦合分析，可得沁水盆地、鄂尔多斯盆地、东北地区的回归方程分别为

(2)

式中，H为煤层埋藏深度，m，耦合区间最大值为1 111 m；K为渗透系数，mD，耦合区间最大值为0.46 mD；Q为含气量，m3/t，耦合区间最大值为21.51 m3/t；Pc为储层压力，MPa，耦合区间最大值为6.03 MPa；T为井内温度，℃，耦合区间最大值为 42.5 ℃。

对侧重储层物性的耦合参数权重进行了数值模拟，结果表明：渗透率的权重最大，对确定煤层埋深影响最大，储层压力因素次之，而吸附量、温度和镜质体反射率对于确定煤层埋深影响较小。

3深煤层深度界限确定

以力学参数为关键参数的煤层深度界限确定井温、破裂压力的取值范围，其耦合公式为

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

0.963 9T-0.109 7Pt.

(3)

与侧重储层物性为关键参数的计算方法相同，可以计算出以力学参数为关键参数的深煤层深度界线为1 043 m，而实际选取的拐点值为997 m，两者误差为4.6%，在误差允许范围内。

以产能为关键参数确定深煤层深度界限，其耦合公式为

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

0.888 6Pc-0.0664Qg，

(4)

式中，Qg为日产气量，m3/t。

本研究选取H为900～1100m，Q为15～17m3/t，K为0.05～0.15mD，Pc为6MPa，Qg为2.85m3/t，利用式(4)计算出的煤层深度范围为800～1000m；计算出以产能因素为关键参数的深煤层界线值为848～1114m。上述计算结果均与初选深度相差较大，于是利用迭代法重新确定参数范围值，经过迭代，最终得到以产能因素为关键参数的煤层深度界限为927～1171m。

4讨论

(1)采用侧重储层物性的耦合参数对权重进行数值模拟，渗透率的权重最大，对确定煤层埋深影响最大，储层压力因素次之，而吸附量、温度和镜质体反射率对于确定煤层埋深影响很小，从而证明了BP神经网络数值模拟结果的有效性。

(2)用BP神经网络数值模拟计算出的以力学参数为关键参数的深煤层深度界限为1 043 m，而实际选取的拐点值为997 m，两者误差仅为4.6%，在误差允许范围内。

(3)采用本研究提出的临界深度确定方法对沁水盆地、鄂尔多斯盆地、东北地区进行了回归分析，得到了侧重物性参数的深煤层临界深度值，从而说明本研究数值模拟结果对于其余类似复杂地质条件的煤层气井也具有一定的适用性。

参考文献

[1]张亚蒲，张冬丽，杨正明，等.煤层气定向羽状水平井数值模拟技术应用[J].天然气工业，2006(12)：115-117.

[2]李金海，苏现波，林晓英，等.煤层气井排采速率与产能的关系[J].煤炭学报，2009(3)：376-380.

[3]李仰民，王立龙，刘国伟，等.煤层气井排采过程中的储层伤害机理研究[J].中国煤层气，2010(6)：39-43.

[4]赵群，王红岩，李景明，等.快速排采对低渗透煤层气井产能伤害的机理研究[J].山东科技大学学报：自然科学版，2008(3)：27-31.

[5]刘新福，綦耀光，李延祥，等.单相流煤层气井井底流压预测方法研究[J].中国矿业大学学报，2010(6)：876-880.

[6]苏复义，蔡云飞.数值模拟技术在柳林煤层气试验区的应用[J].天然气工业，2004(5)：95-96.

[7]郭红玉，苏现波.煤储层启动压力梯度的实验测定及意义[J].天然气工业，2010(6)：52-54.

[8]傅雪海，秦勇，杨永国，等.甲烷在煤层水中溶解度的实验研究[J].天然气地球科学，2004(4)：345-348.

[9]罗山强，郎兆新，张丽华.影响煤层气井产能因素的初步研究[J].断块油气田，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

*中央高校基本科研业务费资助项目(编号：3142014106)。

李坤(1987—)，男，硕士研究生，101601 北京市东燕郊。