沁水盆地和顺15# 煤层煤质参数的测井响应预测

高鉴东 ，傅雪海 ，刘爱华 ，罗培培

(1.中国矿业大学 资源与地球科学学院，江苏 徐州 221116；2.煤层气资源与成藏过程教育部重点实验室，江苏 徐州 221008)



沁水盆地和顺15#煤层煤质参数的测井响应预测

高鉴东1,2，傅雪海1,2，刘爱华1,2，罗培培1,2

(1.中国矿业大学 资源与地球科学学院，江苏 徐州 221116；2.煤层气资源与成藏过程教育部重点实验室，江苏 徐州 221008)

为了解释全煤层连续煤质参数，基于山西和顺煤层气区块4口煤层气井28层次的煤质及测井成果数据，运用岩石物理体积模型法和统计回归法，建立了15#煤层测井响应值与纯煤、灰分、水分间的体积模型和统计回归模型。选择另外2口煤层气井实测煤心煤质成果对模型进行了检验，最后进行误差分析。结果表明：对煤质参数测井响应较为敏感的有中子、密度、自然伽玛曲线，岩石物理体积模型法较统计回归法拟合效果更好，且预测值在有效参考范围内；测井体积模型可用于研究区15#煤层连续的煤质参数预测，建议今后选取更为贴近原位煤层的煤质测试数据，并选取合适的煤岩骨架参数，可以得到更为精确的预测模型。

煤质；测井响应；体积模型；回归模型

0 引 言

和顺区块位于沁水盆地北部，区内主采煤层为太原组15#煤层，获得煤质参数是评价煤储层物性的基础工作。区内煤心煤质参数测试资料有限，且进行煤样的煤质测试需耗费较高的成本，如15#煤层，一个钻孔一般只测1～2个分层的平均值，测点不连续。如果能利用测井资料评价煤质，将极大地降低成本，提高效率[1-2]。

测井是通过测井曲线反映地层岩性，解决地质问题的一种方法，在基础地质、石油地质及煤层气的勘探开发都起着重要的作用[3-5]。区块内已进行了数十口井的录井工作，煤储层在测井曲线上的响应与其他沉积岩有明显的区别，反映出“三高三低”的特征，即高电阻率、高声波时差、高中子，低体积密度、低自然伽玛、低自然电位的测井响应特征[6]。与煤工业分析有关的测井参数包括中子测井、自然伽玛测井、自然伽玛射线能谱测井、密度测井(伽玛伽玛测井)等[7-8]，常用的方法有体积模型分析法[9-10]和统计回归模型分析法[11-12]。笔者通过本区已有煤心煤质实验数据和选取对煤质敏感的测井响应值，运用2种方法建立两者关系，以达到利用测井资料快速得到煤质参数的目的。

1 与实测煤样对应的测井响应

首先需要获得实测煤样煤质参数真实值及对应取样深度。煤样煤质参数真实值通过实验室分析得到，取样深度取自钻探取心深度的记录，如钻探深度与测井解释的深度不一致时，要作深度校正，使煤质参数与测井参数在深度上匹配。选取对煤工业分析指标敏感的自然伽玛(GR)、中子(φN)和密度(ρ)对应测井响应深度的平均值作为测井响应值。

2 煤质预测

2.1 测井体积模型法

在实验室对选取煤样进行工业分析，得到煤样的水分、灰分、挥发分和固定碳等煤质数据。分析测井对煤层响应资料，采用岩石物理体积模型法开展煤质参数预测研究。

2.1.1 模型建立

测井体积模型是根据岩石的组成，按其物理性质的差异，把单位岩石的体积划成几个部分，然后计算各部分的响应贡献，并把各部分之和作为宏观响应[13-14]。现将煤层体积简化，分成纯煤(包括固定碳和挥发分)、灰分(包括泥质和其他矿物)、水分(孔隙中充满水)3部分(图1)，作为对测井响应的贡献之和，建立煤层体积模型及相应的线性方程组，求得煤层3部分的体积百分含量。测井参数是煤层处于原始状态条件下记录的，故得到的各组分含量也是原煤状态下的。由于煤储层的非均质性及煤岩组成的复杂性与可变性，煤层低孔、低渗，微孔隙发育[15]，导致其煤岩骨架参数是变化的[16]，体积模型法的关键在于纯煤、灰分、水分骨架响应参数的选取。依据本区煤质特征，选择中子(φN)和密度(ρ)响应值作为该模型测井响应值，纯煤、灰分、水分的骨架参数见表1[17-18].

图1 煤的体积模型

表1 煤层各组分骨架数值表Tab.1 Component value of coal

(1)

式中 ρ,φN分别为煤层对密度、中子测井的响应值；ρw,ρa,ρc分别为纯煤、灰分、水分对密度测井的响应参数，g/cm3；φW,φa,φc分别为纯煤、灰分、水分对中子测井的响应参数，%；Vw,Va,Vc分别为纯煤、灰分、水分的相对体积。

上式可写作一个方程组

(2)

解(2)式得到

(3)

将已有煤质分析资料各组分质量含量经过下式换算为体积含量

(4)

式中 Qc,Qa,Qw分别为纯煤、灰分、水分质量含量，%.

利用X1,X2,X3,X4等井的资料(表2)经多元回归得到方程为

(5)

在已有测井数据的基础上通过式(5)可以计算得到纯煤、灰分及水分的体积含量，经式(4)可得到这3部分的重量百分含量(Qc,Qa,Qw，表2)。纯煤(Qc)包括固定碳(Qg)与挥发分(Qv)2部分，其中固定碳(Qg)与灰分(Qa)的线性相关性较好(图2)，有

Qg=-1.024 8Qa+90.77,

(6)

则用测井求得的灰分可求出固定碳，挥发分由计算的纯煤减去固定碳求得

Qv=Qc-Qg.

(7)

以此各组分含量均可得出。

表2 测井响应值与煤质参数数据表Tab.2 Data of logging response value and coal quality parameters

2.1.2 模型验证

比较X5,X6井的测井响应值与模型计算的预测值，固定碳、挥发分、水分及灰分含量相对误差均值分别为1.35%，2.88%，19.45%，11.74%(表3)，说明模型预测较为准确。

表3 模型预测成果表Tab.3 Prediction results of different model

2.2 统计回归法

2.2.1 回归方程构建

图2 固定碳含量与灰分含量关系图

煤样工业分析中水分、挥发分和固定碳含量都与灰分含量线性相关，固定碳与灰分含量及挥发分与灰分含量的线性相关性都较好(图2，图3)，而水分与灰分含量的线性关系较差(图4)。固定碳与灰分含量关系见式(6)，挥发分与灰分及水分与灰分含量关系分别见式(8),式(9)。

Qv=0.029 2Qa+8.429 3,

(8)

Qw=100-Qa-Qc-Qv,

(9)

图3 挥发分含量与灰分含量关系图

灰分含量与测井密度值以及自然伽玛值(GR)相关性也较好(图5，图6)，与后者的相关系数达到0.86，可用自然伽玛测井响应值来预测煤中灰分含量，其拟合关系如式(10)所示。

Qa=0.210 9 GR+2.209 8.

(10)

图4 水分含量与灰分含量关系图

图5 自然伽玛值与灰分含量关系图

图6 密度值与灰分含量关系图

2.2.2 模型验证

固定碳含量通过式(6)计算得到，挥发分、水分含量通过式(8)、式(9)分别得出。表3为X5、X6井的测井响应值及利用测井统计模型计算得到的煤质参数。固定碳、挥发分、水分含量的相对误差分别为7.28%，4.73%，14.30%，相对误差较大。

3 误差分析

由于煤的组成成分较为复杂，简化模型与实际情况存在一定的差异，且体积模型中未考虑煤层吸附气引起的响应值(甲烷密度测井响应值为0.000 7 g/cm3)。利用体积模型法得到的预测结果相对误差总体较小，固定碳、挥发分、灰分含量相对误差均值分别为1.35%，2.88%，11.74%.由于煤层中自由水和小部分束缚水在工业分析制样过程中已蒸发掉，且煤工业分析中的水分含量较低，故预测差值即使很小，相对误差也会比较大，相对误差均值为19.45%.利用统计回归法得到的灰分含量误差较大，原因可能是选取煤心测试时，没有包含全部夹矸，而测井预测值反映原位煤层情况，灰分含量较实测值高。统计回归法得到的固定碳、挥发分和水分含量相对误差均值分别为7.28%，4.73%，14.30%，相对误差较大，其误差值与选区的样本含量相关，样本含量越大，误差则越小。体积模型法利用多个适用于本区的测井值得到的预测值误差小，且均在有效参考范围内，是适用于本区的煤质预测模型。

4 结 论

1) 煤中水分、灰分、挥发分、固定碳的测井响应较为敏感的有中子、密度和自然伽玛曲线，选取适合的骨架参数是得到准确煤质参数预测值的充分条件；

2) 利用本区X1，X2，X3，X4井15#煤的煤心煤质测试成果与中子和密度测井响应值建立的体积模型对X5，X6井煤心煤质进行预测，固定碳、挥发分、水分、灰分含量相对误差均值分别为1.35%，2.88%，19.45%，11.74%，比应用相同煤质资料与自然伽玛测井值建立的统计回归模型预测效果好，说明以中子、密度测井值为基础参数的体积模型法对本区15#煤层连续的煤质参数预测更为可靠。

References

[1]张松扬．煤层气地球物理测井技术现状及发展趋势[J]．测井技术，2009，33(1)：9-14．

ZHANG Song-yang.Actualities and progresses of coalbed methane geophysical logging technologies[J].Well Logging Technology,2009,33(1):9-14.

[2]杨东根，范宜仁，邓少贵，等．利用测井资料评价煤层煤质及含气量的方法研究——以和顺地区为例[J]．勘探地球物理进展，2010，33(4)：262-266．

YANG Dong-gen,FAN Yi-ren,DENG Shao-gui,et al.Research on evaluation methods of coal seam and coal quality and gas content using well logging information-taking Heshun area as example[J].Progress in Exploration Geophysics,2010,33(4): 262-266.

[3]冯希文．白音查干凹陷腾格尔组层序地层测井评价方法及其关键问题研究[J]．西安科技大学学报，2011，31(4):443-458．

FENG Xi-wen.Well logging response characteristic of sequence stratigraphy in tengge’er formation of Baiyinchagan depression[J].Journal of Xi’an University of Science and Technology,2011,31(4):443-458.

[4]李玉宏，姚志刚，张慧元，等．陕西铜川地区油页岩含油率测井评价方法[J]．西安科技大学学报，2012，32(5): 591-597．

LI Yu-hong,YAO Zhi-gang,ZHANG Hui-yuan,et al.Logging evaluation method for oil-bearing rate of oil shale in Tongchuan area of Shaanxi[J].Journal of Xi’an University of Science and Technology,2012,32(5): 591-597.

[5]黄兆辉，高阶煤层气储层测井评价方法及其关键问题研究[D]．北京：中国地质大学，2014．

HUANG Zhao-hui.Research on log evaluation of high rank coalbed methane reservoirs and some key issues[D].Beijing: China University of Geoscience,2014.

[6]陈江峰．测井在煤层气储层评价中的应用[J]．煤炭技术，1997(4)：36-40．

CHENG Jiang-feng.Well logging application in CBM reservoir evaluation[J].Coal Technology,1997(4):36-40．

[7]孙文涛，方 正．我国煤田物探技术的回顾与展望[J]．地球物理学报，1997，40(增)：362-367．

SUN Wen-tao,FANG Zheng.Retrospect and prospect of geophysical technology in China[J].Chinese Journal of Geophysics,1997,40(Suppl.):362-367.

[8]李舟波，楚泽涵．中国测井学研究现状与发展趋向[J]．地球物理学报，1997，40(增)：333-343．

LI Zhou-bo,CHU Ze-han.Research status and development tendency of well logging in China[J].Chinese Journal of Geophysics,1997,40(Suppl.):333-343.

[9]Bond L O，Alger R P，Schmidt A W．Well log applications in coal mining and rock mechanics[J]．Soil Mechanical Engineering Transactions，1971，250：355-362．

[10]Edwards K W，Banks K M．Theoretical approach to the evaluation of In-Situ coal[J]．CIM Bulletin，1978，71：124-131．

[11]谭 勇．基于地质统计学的煤质预测系统研究与实现[D]．西安：西安科技大学，2010．

TAN Yong.The Research and realization of coal quality prediction system based on geostatistics[D].Xi’an:Xi’an University of Science and Technology,2010.

[12]董 红，侯俊胜，李能根，等．煤层煤质和含气量的测井评价方法及其应用[J]．物探与化探，2001，25(2)：138-143．

DONG Hong,HOU Jun-sheng,LI Neng-gen,et al.The logging evaluation method for coal quality and methane[J].Geophysical and Geochemical Exploration,2001,25(2):138-143.

[13]吴庆红，李晓波，刘洪林，等．页岩气测井解释和岩心测试技术——以四川盆地页岩气勘探开发为例[J].石油学报，2011，32(3)：484-488．

WU Qing-hong,LI Xiao-bo,LIU Hong-lin,et al.Log interpretations and the application of core testing technology in the shale-gas：Taking the exploration and development of the Sichuan Basin as an example[J].Acta Petrolei Sinica,2011,32(3):484-488.

[14]邓继新，史 謌，刘瑞殉，等．泥岩、页岩声速各向异性及其影响因素分析[J]．地球物理学报，2004，47(5)：862-868．

DENG Ji-xin,SHI Ge,LIU Rui-xun,et al.Analysis of the velocity anisotropy and its affection factors in shale and mudstone[J].Chinese Journal of Geophysics,2004,47(5):862-868.

[15]邓广弘，雷学武，孙芳强，等．差异成因无烟煤储层煤层气解吸实验研究[J]．西安科技大学学报，2013，33(1):28-32．

DENG Guang-hong,LEI Xue-wu,SUN Fang-qiang,et al.CBM desorption experiment of differences anthracite reservoir[J].Journal of Xi’an University of Science and Technology,2013,33(1): 28-32.

[16]陈 平，姜 伟，黄万志，等．井下钻压测量装置[P]．中陶专利：CN20042011 6290．8．2006-03-01．

CHEN Ping,JIANG Wei,HUANG Wan-zhi,et al.Measuring equipment for underground drilling pressure[P].Zhongtao patent:CN20042011 6290.8.2006-03-01.

[17]王贵文，郭荣坤．测井地质学[M]．北京：石油工业出版社，2000．

WANG Gui-wen,GUO Rong-kun.Logging geology[M].Beijing: Petroleum Industry Press,2000.

[18]沈 朴,金 强,张玉明,等.潍北凹陷孔店组天然气成因类型及分布规律[J].地球科学与环境学报,2010,32(3):252-256.

SHEN Pu,JIN Qiang,ZHANG Yu-ming,et al.Genetic type and distribution rule of natural gas of Kongdian formation in Weibei sag[J].Journal of Earth Sciences and Environment,2010,32(3):252-256.

Logging response prediction of 15#coalbed coal quality parameters in Heshun area Qingshui Basin

GAO Jian-dong1,2,FU Xue-hai1,2,LIU Ai-hua1,2,LUO Pei-pei1,2

(1.SchoolofResources&EarthScience,ChinaUniversityofMining&Technology,Xuzhou221116，China;2.KeyLaboratoryofCBMResourcesandDynamicAccumulationProcess(CUMT),Xuzhou221008,China)

In order to explain the consecutive coal quality parameters of the whole coal seam,volume model between well logging responses of coal No.15 and content of pure coal,water and ash as well as the statistical regression model were established by means of rock physical volume model method and statistical regression method based on the coal quality testing results of 28 seams in 4 CBM(coalbed methane) wells and well logging data in Heshun CBM block of Shanxi province.Measured results of coal core quality in another two CBM wells were then selected to inspect the predicted value of the models,and finally came the error analysis on the predicted results.It shows that neutron,density and natural gamma curve were sensitive to the logging response of coal quality parameters,compared with the statistical regression method,the rock physical volume model method matched more effectively with higher accuracy and all the predictive values were within the useful reference range,which shows that the log equivalent volume model can be used to predict the consecutive coal quality parameters of coal No.15 in the study area,it suggests that more accurate prediction model could be obtained if coal quality test data was carried out more close to in-situ coal seam with suitable coal rock frame parameters.

coal quality; logging response; volume model；regression method

10.13800/j.cnki.xakjdxxb.2015.0109

1672-9315(2015)01-0050-06

2014-12-01责任编辑:刘 洁

国家科技重大专项(2011ZX05034-004)；煤层气973项目(2009CB219605)

高鉴东(1989-)，男，内蒙古集宁人，硕士研究生，E-mail:gaojiandong723@163.com

A