📝 摘要
碳捕集与封存项目的最终成功取决于CO₂能否在无泄漏的情况下安全有效地永久封存相当长的时间。可靠的监测与验证是CO₂封存最重要的方面之一。准确的储层表征是CO₂封存等过程设计、运营和经济成功的重要前提。现有技术包括地球物理和地球化学监测，以及使用复制油田的模型进行数值模拟。在进行数值模拟时，需要正确评估储层非均质性。
先前的研究表明，注井数据可用于建立CO₂封存期间的模型，以理解地层中非均质性的空间分布。在本研究中，我们首先理解并检验了涵盖不同类型非均质性和注采速率波动的广泛储层模型中注采数据所包含的信息。我们将确认储层非均质性对注入压力响应有影响，并显著影响CO₂羽流迁移。随后，我们展示了高渗透率或低渗透率特征连同速率波动可以提供关于储层渗透率非均质性的重要信息。利用阿尔及利亚中部In-Salah气田的现场数据验证了这一观测结果的适用性。因此，我们证明了利用容易获得的注入压力和速率测量值来跟踪CO₂迁移，从而开发一种廉价的储层非均质性建模方法的可行性。
随后，我们描述了利用注入数据（压力和速率）可以量化储层非均质性的哪些特征的方法。CO₂封存期间的注入压力响应将强烈依赖于储层、流体和井的特性。在CMG-GEM中开发了具有无限大边界的3D解析模型。将获得CMG-GEM组分油藏模拟结果，并结合压力瞬变分析和优化算法来预测储层参数。对于非均质地层中的多口注入井，分析产生储层不同部位储层参数组（如传导率kh、渗透率与孔隙度比值k/φ）的空间变化。这些参数组随后可用于约束储层厚度、渗透率和孔隙度的空间模型。因此，我们暗示多个储层属性影响CO₂羽流的迁移，并且这些属性的估计存在不确定性。我们提出了一种利用注井响应提取的信息来解决部分不确定性的方法。
🖥️ CMG软件应用情况总结
| 项目 | 内容 |
|---|---|
| 所用软件 | CMG GEM（组分模拟器）、WINPROP（相态模拟） |
| GEM用途 | ① 构建CO₂盐水层封存的三维组分模型 ② 模拟CO₂注入和迁移过程 ③ 生成注入压力响应数据 ④ 验证优化算法 |
| In-Salah模型 | 3D合成含水层模型，网格 50×50×3，网格尺寸 400×530×8 m |
| 均质模型 | 网格 100×100×3，网格尺寸 50×50×8 m，渗透率500 md，孔隙度0.2 |
| 井网配置 | 3口注入井（KB-501、KB-502、KB-503）+ 1口生产井（Krechba油田北部） |
| 模拟时长 | 注入2年 + 监测90年 |
| 状态方程 | Peng-Robinson EOS |
| 流体组分 | H₂O、CH₄、CO₂ |
文中明确指出：CMG-GEM是全状态方程组分油藏模拟器，用于模拟流体组成影响采收率的过程，本研究用于捕捉CO₂-盐水体系的相互作用以及CO₂在深层盐水层中的流动。
📊 主要研究结果
1. In-Salah气田非均质性对注入压力的影响
| 渗透率特征 | 对注入压力的影响 | 对CO₂羽流的影响 |
|---|---|---|
| 高渗透率条带（30,000-70,000 md） | 显著降低注入压力 | CO₂沿条带方向优先迁移，形成泄漏通道 |
| 低渗透率屏障（0-2 md） | 显著增加注入压力 | CO₂在注入井周围分散，无优先路径 |
| 无条带（背景渗透率<10 md） | 基准 | 基准 |
关键发现：
高渗透率条带显著降低注入压力，低渗透率屏障显著增加注入压力
距离条带最近的注入井（KB-502）受非均质性影响最显著
离散Fréchet距离分析证实：注入速率波动越大，非均质性的压力响应越明显
2. 均质储层参数反演（Dekker-Brent算法验证）
单井恒定注入（Case I）
| 参数 | 实际值 | 算法估计值 | 误差 |
|---|---|---|---|
| 平均渗透率 k (md) | 500 | 502 | +0.4% |
| 平均孔隙度 φ | 0.20 | 0.22 | +10% |
| 传导率 kh (md-ft) | 39,370 | 39,600 | +0.6% |
单井两段注入（Case II）
| 参数 | 实际值 | 算法估计值 | 误差 |
|---|---|---|---|
| 平均渗透率 k (md) | 500 | 516 | +3.2% |
| 平均孔隙度 φ | 0.20 | 0.23 | +15% |
| 传导率 kh (md-ft) | 39,370 | 40,710 | +3.4% |
单井多段注入（Case III）
| 参数 | 实际值 | 算法估计值 | 误差 |
|---|---|---|---|
| 平均渗透率 k (md) | 500 | 425 | -15% |
| 平均孔隙度 φ | 0.20 | 0.2585 | +29% |
| 传导率 kh (md-ft) | 39,370 | 34,150 | -13% |
结论：多段注入（频繁速率波动）导致对数近似误差累积，估计精度降低。
3. 非均质储层参数反演
Case A：注入井周围存在高渗透率区块（1,200-1,800 md，平均1,500 md）
| 参数 | 实际值 | 算法估计值 | 误差 |
|---|---|---|---|
| 平均渗透率（气体波及区） | 1,500 md | 1,454 md | -3.1% |
| 平均孔隙度 | 0.20 | 0.20 | 0% |
结论：算法成功估计了气体波及区域内的平均渗透率（1,454 md vs. 1,500 md）。
Case B：高渗透率条带（500-1,000 md）+ 恒定背景渗透率（50 md）
| 参数 | 实际值 | 算法估计值 | 误差 |
|---|---|---|---|
| 平均渗透率（气体未达条带） | 50 md | 51.6 md | +3.2% |
| 平均孔隙度 | 0.20 | 0.23 | +15% |
| 传导率 kh | 3,937 md-ft | 4,194 md-ft | +6.5% |
结论：气体未到达高渗透率条带时，算法估计的是背景区域的平均值。
Case C：高渗透率条带 + 非均质背景（50-100 md随机分布）
| 参数 | 实际值 | 算法估计值 | 误差 |
|---|---|---|---|
| 平均渗透率（气体波及区） | 77 md | 67 md | -13% |
| 平均孔隙度 | 0.20 | 0.19 | -5% |
| 传导率 kh | 6,063 md-ft | 5,549 md-ft | -8.5% |
结论：算法在强非均质性场中仍能提供合理的估计，但精度略有下降。
4. 多井测试（非均质区块，两注入井）
| 井位 | 实际渗透率 (md) | 估计渗透率 (md) | 估计孔隙度 | 估计kh (md-ft) |
|---|---|---|---|---|
| Well 1（区块边缘） | ~500 | 1,318 | 0.202 | 103,863 |
| Well 2（区块中心） | ~1,500 | 1,488 | 0.204 | 121,170 |
结论：井间干扰影响估计精度，但算法仍能捕捉渗透率的空间变化。
🔧 关键技术方法
1. Dekker-Brent优化算法
-
类型：根寻找算法，结合括号法、二分法和逆二次插值
-
优点：非梯度方法，只需计算目标函数值
-
目标函数：模拟压力与试井方程计算压力的平方差之和
-
收敛性：初始猜测可偏离最终估计值4个数量级
2. 压力瞬变分析（试井）
-
单井测试：恒定注入、两段注入、多段注入
-
多井测试：空间叠加 + 时间叠加
-
试井方程（无限大储层，线源解）：
Pwf=Pi−162.6qBμkh[log(ktϕμcrw2)−3.23]
3. 离散Fréchet距离（DFD）
-
用于量化压力曲线之间的相似度
-
DFD值越大，曲线相似度越低
-
证明：注入速率波动越大，不同非均质性特征的压力响应差异越明显
4. 参数组联合估计工作流
-
初始猜测 k/φ → 计算 kh → kh/φh = 新 k/φ → 迭代直到收敛
-
实现多个不确定属性的同时估计
✅ 主要结论
-
储层非均质性对注入压力有显著影响：
-
高渗透率条带降低注入压力，低渗透率屏障增加注入压力
-
非均质性的影响在靠近条带的井（KB-502）上最为明显
-
-
注入速率波动增强非均质性信息：
-
速率波动越大，不同渗透率特征的压力响应差异越明显
-
DFD分析证实：随机注入速率下，高/低渗透率条带的压力曲线与基准曲线的差异最大
-
-
Dekker-Brent算法在均质储层中表现良好：
-
恒定注入和两段注入的估计误差<5%
-
多段注入因对数近似误差累积，精度下降（~15%误差）
-
-
算法在非均质储层中仍有效：
-
成功估计了气体波及区域内的平均渗透率（误差3-15%）
-
当气体未到达高渗透率条带时，算法估计的是背景区域的平均值
-
-
多井测试揭示空间非均质性：
-
不同井位的估计渗透率值不同，反映了渗透率的空间变化
-
井间干扰影响估计精度
-
-
参数组联合估计可行：
-
可同时估计传导率（kh）和渗透率-孔隙度比（k/φ）
-
适用于多个未知属性的联合反演
-
-
现场应用可行性：
-
利用容易获得的注入压力和速率数据
-
提供了一种廉价的储层非均质性建模方法
-
🏛️ 作者及单位信息
| 项目 | 内容 |
|---|---|
| 作者 | Aarti Dinesh Punase |
| 学位 | 工程理学硕士（石油工程） |
| 授予单位 | 德克萨斯大学奥斯汀分校 |
| 论文提交日期 | 2012年12月 |
| 导师 | Sanjay Srinivasan 博士（监督委员会主席） |
| 其他委员会成员 | Steven Bryant 博士 |
| 本科 | B.E.（工程学士） |
📖 研究区域与储层信息（In-Salah气田）
| 项目 | 参数 |
|---|---|
| 位置 | 阿尔及利亚中部，撒哈拉沙漠 |
| 气田 | In Salah项目，Krechba油田 |
| 注入目标层 | 含水层 C10.2 |
| 注入深度 | 约2,000 m |
| 储层岩性 | 石炭系和泥盆系砂岩 |
| 储层厚度 | 5-24 m（平均20 m） |
| 盖层 | 石炭系泥岩，平均厚度905 m |
| 注入井 | 3口水平井（KB-501、KB-502、KB-503），长度1,500 m |
| 注入速率 | 最高50 MMscf/d |
| 已封存CO₂ | >300万吨 |
| 预期总封存量 | 1,700万吨（20年） |
| 背景渗透率 | 0.1-600 md |
| 高渗透率条带 | 最高9,000 md |
💡 创新点
-
结合压力瞬变分析与优化算法进行CO₂封存储层参数反演：首次将Dekker-Brent优化算法应用于CO₂地质封存的注入数据分析
-
系统量化了注入速率波动对非均质性信息提取的影响：使用离散Fréchet距离定量证明速率波动越大，非均质性信息越明显
-
实现了参数组的联合估计：可同时估计传导率（kh）和渗透率-孔隙度比（k/φ），适用于多个不确定属性的同时反演
-
从单井扩展到多井：利用空间叠加和时间叠加原理，实现了多井注入数据的联合分析
-
验证了算法在强非均质场中的有效性：测试了三种不同的非均质性模式（区块状、条带状、条带+非均质背景）
-
基于现场实际数据（In-Salah）验证方法：利用真实的注入压力和速率数据，证明了方法的现场适用性
-
提出了一种廉价的非均质性表征方法：仅利用容易获得的注入数据，无需昂贵的监测手段（如3D地震、示踪剂等）