低渗煤层孔裂隙特征结构表征与渗流指标相关性研究*

申文迈,范 楠,邓存宝,谯永刚,姚文军,王鸿宇,杜倩如,原振淇

(太原理工大学 安全与应急管理工程学院,山西 晋中 030600)

0 引言

我国是世界第一大煤炭生产和消费国,在相当长的时期内,我国以煤为主要消费能源的生产和消费结构不会发生改变。安全是煤矿开采过程中的头等大事,煤矿开采过程中,为了保障安全生产,从吨煤成本中提取一定的安全费用,用于支持瓦斯的先抽后采。抽采瓦斯既能消除安全生产中的安全隐患,又能达到利用洁净能源的目的。王雅菲等[1]关于《“十四五”现代能源体系规划》的解读一文中指出,要开展陆上非常规油气勘探开发技术攻关,加大油气田勘探开发。制约瓦斯抽采效果的主要因素是煤层渗透性。我国煤层大多属于低渗煤层,相关研究表明,我国的煤层渗透率比国外的煤层渗透率要低1～2个数量级[2-3]。经过多年的大规模开采,煤层开采由浅部向深部转移[4],煤层低渗特性愈发明显,导致我国瓦斯抽采难度大、效率低。

煤的孔裂隙结构是瓦斯赋存和运移的主要场所,其发育程度、结构特征、空间分布直接影响着煤体对瓦斯的吸附解吸特性和渗流能力。研究煤体的孔裂隙结构,可为瓦斯治理和利用提供理论指导,对认识煤体渗透性和煤层气开发有重要意义。郭海军等[5]研究表明,孔裂隙结构直接影响着煤层气在煤样中的渗流特性。目前表征孔裂隙结构的方法有2类,即流体流动法和辐射法。流体流动法有压汞法[6]、低温氮气吸附法[7]、CO2吸附法[8]等;辐射法有扫描电子显微镜(SEM)[9]、透射电子显微镜(TEM)[10]、核磁共振(NMR)[11]、微米CT、X射线小角散射(SAXS)[12]等。上述方法有各自的优缺点,压汞法操作简单,识别范围广,但有可能破坏孔裂隙结构;氮气/CO2吸附法能分析煤体的微孔、小孔,但测试时间长,不能分析湿样品;SEM/TEM可分析煤样表面及内部的2D信息,但不能实现3D可视化;核磁共振(NMR)是1种快速、非破坏性的表征多孔介质微观结构的方法,但对大孔的识别效果差;X射线小角散射(SAXS)主要分析煤样的小孔和中孔,但不能分析孔结构中的大孔。微米CT是1种无损检测技术,可用于观察煤样中的中孔、大孔及裂隙结构,实现煤体孔裂隙结构的3D可视化[13-16]。

本文对取自沙曲一矿低渗煤层的煤样进行微米CT扫描,为得到煤样中的大孔及裂隙空间分布规律与结构特征,将切片导入三维可视化软件Avizo中,对煤样进行三维重构,统计分析孔裂隙的宽度、长度、体积等参数,通过孔裂隙分离、标记筛分等操作得到煤样的孔隙模型和裂隙模型。基于连通孔裂隙模型建立具有拓扑结构的骨架化模型和等效孔裂隙网络模型,得到等效孔裂隙网络模型中的喉道长度、宽度和孔隙半径、面积、配位数等参数。通过数据拟合探究孔裂隙结构特征参数与渗流特性指标之间的关系。

1 CT扫描试验

1.1 样品

样品取自华晋焦煤沙曲一矿5#煤层,煤层平均厚度3.3 m,瓦斯含量为11.16 m3/t,采用钻孔径向流量法测得5#煤层透气性系数为1.78～3.785 m2/(MPa2·d),渗透率是0.05～0.056 mD,属低渗煤层。自5501工作面采集的大块煤样,用保鲜膜密封煤样,用钻芯钻取设备将煤样加工成直径50 mm、高100 mm的圆柱煤样。

1.2 CT扫描试验系统

本文采用太原理工大学安全与应急管理工程学院的GE Phoenix V|tome|X S240 CT检测设备。设备搭载透射和直射2类X射线管,可识别的最小体素为1 μm,几何放大倍率为1.46～400 X,探测器为DXR-250平板探测器,该探测器由2 048像素×2 048像素组成,像素间距为200 μm。

扫描射线管电压130 kV,电流120 μA。扫描过程中,样品固定在样品台上,距射线管250 mm,距探测器约950 mm,采用整体扫描的方式,扫描速率为0.36°/幅,样品台旋转360°,探测器共得到投影图像1 000张,单次扫描时间3 s,共耗时约50 min。单张图像曝光时间为1 000 ms,图像放大倍率为3.8 X。共获取986像素×990像素的切片2 022张,空间分辨率为53.13 μm/体素,所以只能看到53.13 μm以上的孔隙。

2 煤样孔裂隙结构表征

2.1 图像处理与阈值分割

由于样品在制备过程中边缘会被破坏,影响对孔裂隙的表征。因此,选择连续的1 600张切片,裁剪成986像素×990像素的图片。分水岭分割法是1种常见的阈值分割方法。通过分水岭分割法对得到的CT图像进行阈值分割,得到的结果更稳定。设置2个不连通的区域为盆地,2个盆地的水以均匀的速度上升至溢出,为了阻止水的汇聚,在2个盆地之间建1条分水线,最终图像被分为2个像素集,即注水盆地像素集和分水岭像素集,对于孔裂隙和煤基质而言,注水盆地像素集即为孔裂隙;对于煤基质和矿物质而言,煤基质就是注水盆地像素集。阈值分割的结果如图1所示,未处理的原始切片数据如图1(a)所示,图像阈值分割三值化切片如图1(b)所示。其中,红色即为孔裂隙,蓝色表示矿物质,白色的是煤基质。

图1 阈值分割Fig.1 Threshold segmentation

2.2 煤样孔裂隙三维重构与结构表征

将CT扫描得到的原始切片数据空间堆叠,通过降噪、图像处理、阈值分割等方法得到测试样品的三维数据体,通过Volume-fraction模块可计算煤样的孔隙率,煤样孔裂隙体积分数及孔隙率如表1所示。运用孔裂隙标记、分离筛分等操作提取得到孔隙模型与裂隙模型,完成对孔裂隙结构的三维重构,三维重构过程如图2所示。对提取的孔裂隙模型进行参数统计,得到孔裂隙结构参数信息,主要包括表面积、体积、长度、形状因子等,统计结果如表2所示。

表1 煤孔裂隙体积分数及孔隙率Table 1 Volume fraction and porosity of coal pore fracture

表2 孔裂隙结构参数Table 2 Structural parameters of pore fracture

图2 孔裂隙结构三维重构过程Fig.2 3D reconstruction process of pore fracture structure

由表1可知,裂隙对煤孔隙率的贡献远远大于孔隙。由表2可知,孔隙与裂隙结构参数数量级相差较大,其中裂隙的体积与表面积都比孔隙大1到3个数量级。这说明裂隙在煤的渗透系统中起决定作用。

统计得到煤孔隙共有195 835个,孔隙在直径、宽度、体积上的分布如图3所示。孔径方面,沙曲一矿煤样孔径集中分布在(0,200) μm,尤其是在[53.13,100) μm的大孔,占孔隙总数量的44.3%;部分孔径分布在[200,500) μm内,占比为13.0%。孔隙宽度方面,88.9%的孔隙分布在[53.13,200) μm,其中[53.13,100) μm的孔隙最多,占总孔隙数的51.7%。孔隙体积方面,44.3%的孔隙体积在(0,0.5×106) μm3。

图3 孔隙分布直方图Fig.3 Histogram of pore distribution

将煤样的裂隙结构从孔裂隙数据体提取出来,得到裂隙共有2 120个。裂隙在长度、宽度、体积上的分布如图4所示。在裂隙长度方面,裂隙集中分布在[1,2.5) mm,长度在[1.5,2.0) mm的裂隙最多,占总裂隙的28.7%,长度大于2 mm时,裂隙数缓慢下降;在裂隙宽度方面,宽度在[0.5,1.0) mm的裂隙最多,占总裂隙的58.7%;裂隙体积方面,裂隙集中分布在(0,0.2) mm3,占总裂隙的63.5%,且在(0,0.1) mm3和[0.1,0.2) mm3的裂隙数十分接近,分别有662,685条。

图4 裂隙分布直方图Fig.4 Histogram of fracture distribution

根据范楠提及的裂隙分类方法[15],可将提取出的2 120条裂隙分为2条宏观大裂隙(10 mm<孔隙宽度≤100 mm),618条细观中裂隙(1 mm<孔隙宽度≤10 mm)、1 500条微观小裂隙(0.1 mm<孔隙宽度≤1 mm)。本次研究中的宏观大裂隙的长度都在50 mm以上,其中有1条长约97 mm的裂隙,基本贯穿整个煤样;细观中裂隙的长度在[1,25) mm之间;微观小裂隙的长度在[0.5,7) mm,数量最多,占总裂隙的70.1%。整体来看,煤样的连通性较差,不利于气体的运移和产出。

2.3 煤样等效孔裂隙网络模型的构建

等效孔裂隙网络模型(PNM)是1种真实反映煤样内部孔裂隙空间分布及拓扑结构的网络模型,又称球棒模型,其中球代表孔隙,棒代表喉道。在孔裂隙模型基础上,通过Axis-Connectivity模块、Separate-Objects模块得到煤样连通孔裂隙模型,运用PNM模块得到等效孔裂隙网络模型,过程如图5所示。通过提取PNM模型可以统计孔隙半径、面积、体积、配位数和喉道半径、面积、长度等参数。

图5 等效孔裂隙网络模型和拓扑结构骨架化模型Fig.5 Equivalent pore fracture network model and skeletonized model of topology structure

通过构建球棒模型,可以清楚地看到煤样孔裂隙的空间分布。统计孔裂隙结构特征参数,孔隙数目为557个,喉道数目为1 024个,具体的微观参数统计结果如表3所示。

表3 孔裂隙网络模型参数统计Table 3 Parameter statistics of pore and fracture network model

通过孔裂隙网络模型的孔隙及喉道分布如图6所示。由图6可知,沙曲一矿样品孔隙半径主要分布在[0.4,0.8) mm,其中[0.5,0.6) mm孔隙最多,占总孔隙的16.9%。喉道是煤体孔裂隙渗流的主要通道,喉道长度集中分布在[0.6,6) mm,占喉道总数的85.8%;半径分布在[0.1,0.3) mm的喉道最多,喉道半径大于0.2 mm的喉道数量逐渐降低。配位数是衡量煤体孔隙连通性的指标,配位数越大,孔隙连通性能越好,由图6(c)可知,配位数集中在1～3,峰值为2,说明大部分孔隙与1～3个孔隙相连;配位数大于2,孔隙数量缓慢降低;配位数≤1,孔隙连通性较差。

图6 孔隙及喉道分布Fig.6 Pore and throat distribution

2.4 结构特征参数与渗流特性指标关联性分析

基于阈值分割后的三维数据体,添加Label-Analysis模块对孔裂隙进行定量分析,获取孔裂隙的形状因子。在孔裂隙模型的基础上,使用Auto-Skeleton模块可生成骨架化模型,然后通过Spatial Graph-Statistics模块可统计孔裂隙的迂曲度。通过结构特征参数与渗流特性参数拟合,探究煤样孔裂隙结构特征参数和渗流特性指标之间的相关性。本文通过形状因子与孔隙直径非线性拟合,发现形状因子与孔隙直径呈正相关,如图7(a)所示,符合指数分布,拟合曲线方程为y=2.89×10-7x2.7,说明孔裂隙直径越大,边界越光滑;通过迂曲度与孔隙直径、孔喉比与配位数非线性拟合,发现迂曲度与孔隙直径,配位数与孔喉比均呈负相关,符合Logistic分布,如图7(b)～图7(c)所示,说明孔隙直径越大,气体运移路径的弯曲程度越小,沿途阻力越小;孔喉比越大,孔隙连通性越差。

图7 结构特征参数与渗流特性指标拟合曲线Fig.7 Fitting curves of structural characteristic parameters and seepage characteristic indexes

3 结论

1)沙曲一矿低渗煤样裂隙占样品总体积的88%,孔隙占样品总体积的12%;孔径主要分布在(0,200) μm,以[53.13,100) μm的大孔为主;裂隙分为3个类型,以长度在[0.5,7) mm的小裂隙为主,整体连通性较差。孔隙分布较为均匀,裂隙集中分布在煤样的边缘。

2)基于连通孔裂隙模型,构建具有拓扑结构的煤样骨架化模型和等效孔裂隙网络模型,统计孔隙半径、配位数和喉道半径,长度等参数,其孔隙半径集中分布在[0.4,0.8) mm,喉道半径以[0.1,0.3) mm的细喉道为主,孔喉比较大,渗流能力弱,长度大多大于2 mm,且连通路径单调,不利于气体运移。

3)通过数据拟合,发现形状因子与孔隙直径呈正相关,符合指数分布,方程表达式为y=2.89×10-7x2.7;迂曲度与孔隙直径、配位数与孔喉比都呈负相关,符合Logistic分布,方程表达式分别为y=1.09+2.55/(1+(x/100)381.36)、y=0.82+22.8/(1+(x/0.21)1.38)。