绥德地区本溪组煤岩品质测井综合评价

杨小明 ,  刘蝶 ,  刘之的 ,  田立立 ,  周平 ,  王洁 ,  林曦 ,  陈月春 ,  虎辛巳 ,  崔佳乐

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (12) :5036-5050

PDF (35559KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (12) :5036-5050 DOI: 10.12404/j.issn.1671-1815.2500718
石油、天然气工业

绥德地区本溪组煤岩品质测井综合评价

作者信息 +

Comprehensive Logging Evaluation of Coal Quality in Benxi Formation of Suide Area

Author information +
文章历史 +

摘要

深部煤层气地质条件特殊,煤岩特性较中浅层差异巨大,煤岩品质测井分类评价尚未完备,亟须对其开展评价以助力深部煤层气有利区优选和井位部署。以多因素多视角分析思想为指引,系统开展了宏观煤岩类型、煤的工业组分、煤岩显微组分、镜质体反射率、煤体结构等煤岩品质参数测井评价,基于模糊C均值(fuzzy C-means algorithm,FCM)模糊聚类算法建立了深部煤层气煤岩品质测井评价模型,进而利用该套方法对绥德地区93口井的深部煤层气煤岩品质进行了分类评价。结果表明:煤岩类型、煤的工业组分、煤岩显微组分、镜质体反射率、煤体结构等能够有效反映深部煤层气的煤岩品质;FCM模糊聚类算法能够较好地对研究区煤岩品质类型进行识别;研究区大多数井区煤岩品质好,且呈连片分布,研究区仅北部米161和东北部榆11井区煤岩品质较差。实际压裂工况和试气结果揭示,所构建的深部煤层气煤岩品质测井评价方法适用性强,可为深部煤层气有利区评价和井位部署提供测井技术支撑。

Abstract

The geological conditions of deep coalbed methane are special, and the characteristics of coal differ greatly from those of medium and shallow layers. The classification and evaluation of coal quality logging are not yet complete, and it is urgent to carry out evaluation to help select favorable areas for deep coalbed methane and deploy well locations. Guided by the idea of multi factor and multi perspective analysis, a systematic logging evaluation of coal rock quality parameters such as macroscopic coal rock types, industrial components of coal, microscopic components of coal rock, vitrinite reflectance, and coal structure was carried out. Based on the fuzzy C-means algorithm(FCM) fuzzy clustering algorithm, a deep coalbed methane coal rock quality logging evaluation model was established, and the deep coalbed methane coal rock quality of 93 wells in Suide area was classified and evaluated using this method. The research results indicate that coal rock types, industrial components of coal, coal rock microscopic components, vitrinite reflectance, coal body structure, etc. can effectively reflect the coal rock quality of deep coalbed methane. The FCM fuzzy clustering algorithm can effectively identify the quality types of coal in the research area. Most of the well areas in the research area have good coal quality, and are distributed in contiguous areas. Only the coal quality in the northern Mi 161 and northeastern Yu 11 well areas is poor. The actual fracturing conditions and gas testing results reveal that the constructed deep coalbed methane coal rock quality logging evaluation method has strong applicability and can provide logging technology support for the evaluation of favorable areas for deep coalbed methane and well location deployment.

Graphical abstract

关键词

煤岩品质 / 深部煤层气 / 测井评价 / 绥德地区

Key words

coal quality / deep coalbed methane / logging evaluation / Suide region

引用本文

引用格式 ▾
杨小明, 刘蝶, 刘之的, 田立立, 周平, 王洁, 林曦, 陈月春, 虎辛巳, 崔佳乐. 绥德地区本溪组煤岩品质测井综合评价[J]. 科学技术与工程, 2026, 26(12): 5036-5050 DOI:10.12404/j.issn.1671-1815.2500718
YANG Xiao-ming, LIU Die, LIU Zhi-di, TIAN Li-li, ZHOU Ping, WANG Jie, LIN Xi, CHEN Yue-chun, HU Xin-si, CUI Jia-le. Comprehensive Logging Evaluation of Coal Quality in Benxi Formation of Suide Area[J]. Science Technology and Engineering, 2026, 26(12): 5036-5050 DOI:10.12404/j.issn.1671-1815.2500718

登录浏览全文

4963

注册一个新账户 忘记密码

绥德地区已成为鄂尔多斯盆地东部深部煤层气勘探开发的热点地区。为全力加快鄂尔多斯盆地煤层气勘探开发步伐,确立鄂东深部煤层气测井评价技术体系,确定煤岩品质分类标准,以助力甜点段优选。煤岩品质是深部煤层气资源高效勘探开发的前提和基础,决定煤岩储层优劣[1]。因此亟须明确绥德地区深部煤层气煤岩特征参数与测井响应的内在关系,构建煤岩品质测井评价方法,为研究区深部煤层气高效勘探开发提供坚实的技术支撑。
煤岩品质是指煤的物理和化学性质,主要通过一系列指标来衡量,包括灰分、水分、硫分、发热量、挥发分、固定碳、黏结性、结焦性等[2]。宏观煤岩类型是评估煤岩品质的关键指标,镜煤以光泽强、层理明显著称,颜色深邃,质地细腻,挥发分高而灰分低,是高品质煤的标志;亮煤则光泽适中,层理清晰,煤质优良,热值高且硫分低;暗煤光泽暗淡,层理不显,质地硬韧,煤质稍逊;丝炭结构特殊,呈纤维状,质地坚硬且脆,虽煤质不佳,但吸附性能强[3-5]。煤的工业分析是指煤的水分、灰分、挥发分和固定碳4种组分,是评价煤岩品质的关键参数[2,4]。煤岩显微组分反映煤层有机质类型和生烃能力,随煤化程度增高,显微组分随之发生相应的变化[6]。镜质体反射率是衡量煤变质程度的重要参数和煤岩品质分类指标,随有机组分中碳含量的增加而增高,随挥发分产率的增高而减少,同一显微组分在不同的变质阶段,反射率不同。煤炭黏结性和结焦性是指煤在受力作用下的抗碎强度和抗磨性,与煤体结构密切相关[2]。
煤层气领域的学者们针对煤岩品质参数测井评价开展了大量研究。余永鹏等[7]率先采用体积模型和概率模型计算了煤的固定碳和灰分含量等煤质指标,并考察了解释模型与地质模型的拟合程度。文献[8-10]先后利用最优化变尺度、反向传播(back propagation,BP)神经网络及概率模型法进行过煤质参数计算,在各自研究区取得了良好的效果。杨珺茹等[11]采用多参数拟合回归分析方法开展过煤岩显微组分计算。杨东根等[12]筛选过工业分析的敏感性测井参数,进而构建了多测井参数计算模型。文献[13-14]系统分析过内蒙古阿右旗潮水盆地煤的工业分析、宏观煤岩类型等,并给出了相应的测井计算方法。王立志等[15]系统分析了延川南区煤岩测井响应特征,得知电阻率测井可较好预测煤体结构、煤质特征参数。高鉴东等[16]研究发现,和顺地区煤质参数的敏感测井参数为补偿中子、补偿密度和自然伽马,并利用岩石物理体积模型法和统计回归法建立了该区煤质测井解释模型。文献[17-19]研究表明,煤质指标与测井参数之间存在明显的相关性,并建立了煤质参数多元测井预测模型。向旻等[20]为解决煤质组分的测井定量解释中存在的各种问题,引入了深度学习的方法建立煤质组分含量的深度信念网络模型。
综上可知,前人多从单一视角来开展煤岩品质研究,而从宏观煤岩类型、煤的工业组分、煤岩显微组分、镜质体反射率、煤体结构等方面开展煤岩品质综合评价研究尚鲜见报道,尤其是从地球物理测井角度,开展深部煤层气煤岩品质的综合评价。鉴于此,拟开展绥德地区深部煤层气煤岩品质测井综合评价,系统分析煤岩类型、工业组分、显微组分、镜质体反射率和煤体结构的测井敏感曲线,建立相应评价模型,在此基础上,基于模糊C均值模糊聚类算法创新建立深部煤层气煤岩品质测井评价方法,旨在为研究区深部煤层气开发有利区优选提供地质依据。

1 地质概况

绥德地区位于鄂尔多斯盆地伊陕斜坡北部。研究区主力8#煤层产状平缓,总体趋势为东北高西南低,断层不发育,平均坡降7.3 m/km,倾角0.42°。局部构造起伏大,发育微幅构造,地层倾角达到2°以上。盆地中东部主要发育加里东期断裂体系、海西期走滑断裂、东缘燕山期断裂,以上断裂主要发育在奥陶系及以下地层中,小微断裂大多在本溪组消失,煤层以上断裂较少,区域应力作用和构造抬升作用使得煤层中形成大量节理、裂缝和次生孔隙,有利于煤层游离气赋存。

8#煤层位于本溪组顶部,是勘探开发的主要煤层,形成于海相三角洲平原、前缘及滨岸沼泽成煤环境,广覆式分布,是盆地稳定标志层。8#煤层厚度变化小,其厚度主要分布在6~16 m,最厚可达25 m(图1);8#煤层整体分布稳定连续,在区域分叉为8-1#和8-2#两套煤层,夹矸厚度一般小于2 m;8#煤层埋深1 780~3 520 m,平均2 780 m,煤层埋深主体由东向西逐渐变深,局部受地貌影响,深度变化较大。

8#煤层主要顶板发育灰岩、泥岩,底板发育泥岩。顶板灰岩为向西缓倾的单斜,海拔-1 100~-2 100 m。顶面埋深主体由东向西逐渐增大,埋深2 100~3 460 m。灰岩厚度4~20 m,平均7.8 m,发育连续稳定,顶板灰岩含水性弱,有利于气体保存。底板泥岩为向西缓倾的单斜,海拔-1 100~-2 200 m,顶面埋深主体由东向西逐渐增大,埋深2 120~3 480 m,泥岩厚度4~12 m,平均8.5 m,仍发育连续稳定。

研究区煤岩心观察描述可知,煤体结构主要为原生块状,内生裂隙发育,裂缝为充填-半充填,充填物多见方解石,其次为硅质和泥质;宏观煤岩类型以光亮-半亮为主,其次含少量半暗煤。煤岩心分析测试表明,有机显微组分以镜质组为主(66.4%),其次为惰质组含量(20.4%),壳质组含量为3.7%,无机矿物含量为9.4%;8#煤层Ro介于1.55%~2.10%,平均1.84%;水分为0.83%,灰分为16.66%,挥发分为12.31%,固定碳为70.35%,硫分为3.44%。按照煤类划分标准,属焦煤-贫煤阶,为高成熟阶段,生气能力强。总体上,研究区本溪组8#煤属特低水分、属低-中灰、中硫-高硫、高发热量、焦煤-贫煤。

2 深部煤层气煤岩品质参数测井评价

深部煤层气煤岩品质测井评价参数包含宏观煤岩类型、工业分析、显微组分、煤体结构、镜质体反射率等,其中不同的宏观煤岩类型决定了煤岩的物性、割理及裂隙发育程度;工业分析中固定碳含量高低与煤岩的物性、含气量直接相关;显微组分中镜质组含量高低与煤岩的生烃能力好坏、煤化能力高低影响大;煤体的破坏程度直接影响到压裂效果、水平井井筒稳定性以及工程“甜点靶区” 优选的关键要素;镜质体反射率反映了煤级演化程度以及煤层气生气阶段。

2.1 宏观煤岩类型测井评价

按照《烟煤的宏观煤岩类型分类》(GB/T 18023—2000),宏观煤岩类型分为:光亮型煤、半亮型煤、半暗型煤、暗淡型煤[2]。依据研究区取心宏观描述统计得知,8#煤岩以光亮煤为主(占比45.45%),其次是半暗煤(占比30.48%),再次为半亮煤(占比24.06%),不含暗淡煤。

基于研究区9口取心井宏观煤岩类型描述和测井资料(表1),统计宏观煤岩类型与测井响应特征可知,从光亮煤、半亮煤到半暗煤自然伽马(GR)增大、电阻率(RT)降低、声波时差(AC)降低、补偿密度(DEN)增大、光电截面指数(PE)增大;半亮煤、半暗煤的声波时差与补偿密度难以区分,但电阻率区分较明显。据此,利用GR、RT构建如图2所示的宏观煤岩类型测井识别图版。基于该图版,便可获得宏观煤岩类型识别的GR、RT下限标准。

宏观煤岩类型判别标准:①光亮煤:GR<50 API,200 Ω·m<RT;②半亮煤:50 API<GR<100 API,1 000 Ω·m<RT;③半暗煤:50 API<GR<250 API,50 Ω·m<RT<30 000 Ω·m。

基于上述宏观煤岩类型测井判别标准,对研究区93口井深部煤层气宏观煤岩类型进行了测井判别和解释。图3为麒36井宏观煤岩类型测井识别成果图,可以看出,从光亮煤、半亮煤到半暗煤自然伽马增大、电阻率降低、声波时差降低、补偿密度增大、光电截面指数增大,自然伽马与电阻率响应较为明显。宏观煤岩类型识别结果与煤岩心描述对比得知,识别符合率高。

2.2 煤的工业分析测井评价

煤的工业分析是煤层质量的主要指标,是煤质评价的基础。统计分析绥德地区8#煤层米109、米115、米172、榆109、绥平1、洲探1H、靳26、靳32、麒32、麒44、补15等22口井51块工业组分样品可知,研究区煤岩属于特低水分(0.24%~1.663%,平均0.76%)、低-中灰分(4.81%~42.17%,平均17.82%)、特低、低挥发分(5.56%~15.7%,平均11.45%)、中高固定碳(45.24%~84.3%,平均69.97%);米172、靳26、洲探1H等3口井18块样品硫元素测试表明,硫元素含量介于1.19%~20.98%,平均为3.87%,为中高以上硫煤。按照《煤炭质量分级 第1部分:灰分》(GB/T 15224.2—2018)、《煤炭质量分级 第2部分:硫分》(GB/T 15224.2—2021),深8#煤为中高硫以上、低中灰分、低挥发分、特低水分煤。

煤的工业分析(固定碳、灰分、水分)的测井经验公式建立,依赖于煤的有机-无机组成及物理性质对测井响应的差异化影响。固定碳反映煤中有机碳骨架的缩聚程度,高固定碳因芳构化增强导电性,电阻率可能降低,但致密有机质骨架通常表现为高电阻率。有机质密度远低于矿物质,密度越低,有机质占比越高,固定碳含量越大。灰分中黏土矿物(如伊利石、高岭石)富含钾、铀等放射性元素,自然值与灰分正相关。矿物质密度高于有机质,密度升高直接反映灰分增加。中子测井对氢原子敏感,水分中的氢原子增加表观中子孔隙度,尤其适用于褐煤等高水分煤阶,水分(尤其是矿化水)降低煤体电阻率。

对研究区22口取心井煤的工业分析测试化验数据进行归位,提取归位后的测井数据,对煤的工业分析与测井参数进行相关性分析,得知自然伽马、声波时差、补偿密度、电阻率、自然电位均与煤的工业分析有一定的相关性。然而,声波时差、自然电位的相关性较差。据此,利用固定碳分析测试数据和归位后提取的补偿密度、自然伽马、电阻率测井参数进行多元拟合,构建式(1)所示的煤岩固定碳测井计算模型。

FCad=-18.711DEN-0.000 941GR+1.184lnRT+98.535, R=0.83

式(1)中:FCad为固定碳含量,%;GR为自然伽马,API;DEN为体积密度,g/cm3;RT为电阻率,Ω·m。

分析煤的工业分析实验数据可知,固定碳含量与灰分含量成反比,与水分成正比,且相关性好(图4、图5)。据此,拟合获得式(2)、式(3)所示的灰分含量和水分含量计算模型:

Aad=-0.909FCad+82.367, R=0.979
Mad=0.064 2e0.033 6FCad, R=0.698

式中:Aad为灰分含量,%;Mad为水分含量,%。

根据煤的工业分析体积物理模型,水分、挥发分、固定碳、灰分总和为100%,因此,根据式(1)~式(3)求取挥发分、固定碳、灰分后,挥发分便可根据体积物理模型来求取[21]。

基于上述煤的工业分析测井预测模型,开展了研究区各井煤的工业分析测井预测研究。图6为靳32井煤的工业分析计算成果图。可以看出,煤岩工业测井计算值与测试分析值基本相同,相对误差小于5%。

2.3 煤岩显微组分测井评价

煤岩显微组分特征反映煤层的有机质类型和生烃能力。按照《显微煤岩类型分类》(GB/T 15589—2013),基于光学显微镜观察煤中有机组分含量(镜质组、惰质组、壳质组)、无机矿物含量(黏土、碳酸盐岩、重矿物等)。

惰质组(如丝质体)因炭化作用致密化,密度高于镜质组,密度升高可能指示惰质组富集。镜质组为煤中有机质主体,密度低于矿物质,密度越低,镜质组占比越高。镜质组富集煤通常灰分低、孔隙少(声波时差和补偿中子低),电阻率较高;但高阶煤(如无烟煤)因石墨化可能电阻率下降。伊利石、高岭石富含放射性元素,导致自然伽马升高。灰分中黏土含量越高,自然伽马响应越强。矿物质密度显著高于有机质,密度升高直接指示高密度矿物富集。黄铁矿等导电矿物显著降低电阻率,而硅质矿物对电阻率影响较小。

由研究区8#煤米115、米172、孤1、宜17、靳26井、靳32、麒32、麒85、补15、洲探1H等11口井68块样品显微组分分析可知,研究区深部煤岩镜质组含量高(21.2%~96.9%,平均为62.98%)、惰质组次之(0.6%~72.4%,平均为27.1%)、壳质组最少(0~31%,平均为4.03%),矿物质含量也较高(0.6%~35.2%,平均为7.01%),多见石英、方解石、黄铁矿、高岭石等矿物质。

统计分析研究区11口取心井显微组分测试分析数据可知,惰质组分含量与镜质组分含量呈反比关系,相关性好(图7);矿物质含量与惰质组分呈乘幂关系,相关性好(图8)。据此,构建式(4)、式(5)所示的惰质组和矿物质含量计算模型。

DZZ=-1.063 5JZZ+95.548, R=0.949
KWZ=44.361DZZ-0.911, R=0.818

式中:DZZ为惰质组含量,%;JZZ为镜质组含量,%;KWZ为矿物质含量,%。

统计分析镜质组测试分析数据与测井参数相关性可知,镜质组含量与声波时差、补偿中子均具有良好的相关性。据此,采用声波时差、补偿中子拟合获得如式(6)所示的镜质组测井解释模型。

JZZ=0.159AC+0.824CNL-36.121, R=0.861

式(6)中:JZZ为镜质组含量,%;AC为声波时差,μs/m;CNL为补偿中子,%。

将上述煤岩显微组分测井计算模型程序化,实现研究区深部煤层气煤岩显微组分测井处理解释。图9为米172井煤岩显微组分计算成果图。可以看出,煤岩显微组分测井计算值与测试分析值基本一致,误差较小。

2.4 煤岩镜质体反射率测井评价

由煤级演化阶段划分可知[2],镜质体反射率Ro<0.5%时为未成熟阶段,以生物气形成为主;镜质体反射率Ro介于0.5%~2.0%为成熟阶段,以热降解气生成为主;镜质体反射率Ro>2.0%时为高成熟阶段,以热裂解气形成为主;当镜质体反射率Ro>4%时,便不再生气。根据研究区深部煤层气镜质体反射率Ro测试分析可知,镜质体反射率Ro介于1.76%~2.25%,处于成熟阶段,达到了热成因气产气高峰期。

镜质组反射率是评价煤阶(成熟度)的核心参数,反映煤中有机质经历的热演化程度。镜质组反射率的升高对应煤的成熟度增加,这一过程伴随以下物理化学变化,直接影响测井响应。低阶煤(Ro低)的有机质为绝缘体,电阻率极高;随着Ro升高,石墨化导致导电性增强,电阻率下降。有机质密度随成熟度增加而略有上升。低阶煤声波传播速度慢,声波时差值高;高阶煤声波速度快,声波时差值低。高自然伽马值反映灰分富集,而高灰分可能抑制有机质热演化。补偿中子值降低直接反映挥发分流失与芳构化进程,是煤阶升高的敏感指标。

统计分析镜质体反射率Ro与测井参数间的相关性可知,镜质体反射率Ro与电阻率、补偿中子相关性较好。因此,采用电阻率和补偿中子构建如式(7)所示的镜质体反射率Ro测井解释模型。

Ro=1.342+0.041lnRT+0.005 56CNL, R=0.86

式(7)中:Ro为镜质体反射率,%。

将式(7)所示镜质体反射率测井计算模型程序化,实现研究区深部煤层气煤岩镜质体发射率测井处理解释,图10为米172井煤岩镜质体反射率计算对比图。可以看出,测井计算的煤岩镜质体反射率与实验测试数据吻合度较高。

2.5 煤体结构测井评价

煤作为一种低杨氏模量、高泊松比的特殊沉积岩——有机岩,其抗变形能力远远低于其他岩石。成煤作用过程中后期,含煤岩系经历了不同期次的构造运动,使得煤及含煤岩系发生了不同程度、不同性质的变形,形成了几乎没有破坏的原生结构煤、轻微破坏的碎裂煤、较严重破坏的碎粒煤和严重破坏的糜棱煤。依据《煤体结构分类》(GB/T 30050—2013),煤岩分为原生结构、碎裂结构、碎粒结构及糜棱结构四类[2-3]。根据研究区18口取心井煤岩心描述资料统计分析得知,研究区原生结构煤占比高达74.9%,碎裂结构煤占15.6%,碎粒结构煤占9.3%,几乎不含糜棱煤。

煤体结构定量评价模型基于煤的岩石物理特性与测井响应之间的内在关系。自然伽马、补偿密度和电阻率三条曲线分别从放射性、密度和电性三个维度反映煤体结构特征,通过多参数协同可减少单一参数的多解性,提高模型精度。煤体结构与测井响应特征相关性分析可知,随煤体结构从原生结构煤向碎裂煤、碎粒煤、糜棱煤过渡时,则补偿密度越小,声波时差越大、电阻率越小、自然伽马越小,扩径则愈加严重。研究发现,研究区自然伽马、补偿密度和电阻率测井能够较好地表征煤体结构的变化特征。据此,采用式(8)对自然伽马、补偿密度和电阻率进行归一化的基础上,构建式(9)所示的煤体结构定量评价模型[21]。

ΔX=$\frac{X-{X}_{\mathrm{m}\mathrm{i}\mathrm{n}}}{{X}_{\mathrm{m}\mathrm{a}\mathrm{x}}-{X}_{\mathrm{m}\mathrm{i}\mathrm{n}}}$
Ics=$\frac{\sqrt{{\left(\mathrm{\Delta }\mathrm{G}\mathrm{R}\right)}^{2}+{\left(\mathrm{\Delta }\mathrm{D}\mathrm{E}\mathrm{N}\right)}^{2}}}{2}$+ΔlgRT

式中:X为实测测井值;Xmax为测井最大值;Xmin为测井最小值;Ics为煤体结构因子,无量纲;ΔGR为归一化后的自然伽马,无量纲;ΔDEN为归一化后的补偿密度,无量纲;ΔlgRT为归一化后的电阻率对数值,无量纲。

基于煤体结构测井响应特征,采用式(9)所示模型对研究区煤体结构判别因子进行计算,并结合补偿密度测井构建图11所示的煤体结构识别图版。基于该图版,确定了表2所示的深部煤层气煤体结构判别标准。

基于图11和表2所示的深部煤层气煤体结构判别标准,在对其程序化后对研究区多井进行了煤体结构计算机自动划分。图12为麒36井煤体结构测井解释成果图,从煤体结构判别因子可以看出,煤体结构判别结果与煤岩心描述结果一致,表明该图标准可有效划分研究区的煤体结构。

3 深部煤层气煤岩品质综合评价模型构建

深部煤层气煤岩品质与宏观煤岩类型、煤的工业组分、煤岩显微组分、镜质体反射率、煤体结构等均有关,各个参数对其煤岩品质的影响各不相同,为此难以利用常规方法对深部煤层气煤岩品质的优劣做出准确的评价。然而,模糊数学能够厘清客观事物中各种不确定现象及其内在关系[22]。其中的“模糊聚类分析”方法,采用模糊数学语言对事物按一定的要求进行描述和分类的数学方法[23]。为此,利用FCM模糊聚类算法来划分深部煤层气煤岩品质的类型。

3.1 FCM算法原理

模糊聚类算法的基本原理是通过计算样本之间的相似度或距离,将相似的样本归为一类[22]。模糊聚类算法的目标是最小化同一簇内样本的相似度(或距离),同时最大化不同簇之间样本的相似度(或距离)。

FCM是一种基于模糊理论的软聚类算法,它通过定义隶属度的概念来衡量一个对象对于各个簇的隶属程度。隶属度计算函数保证了单个样本对各个簇的隶属度之和等于1。通过反复修改聚类中心、数据隶属度和进行分类,当算法收敛时,理论上就得到了各类的聚类中心以及各个样本对于各模式类的隶属度,从而完成了模糊聚类划分[23]。

假定需对x数据集进行聚类分析,将该数据划分成c个类,对应有c个类的中心为ci。每个样本xj属于某一类ci的隶属度定义为uij,则其FCM目标函数J及其约束条件为

$\mathrm{J}=\stackrel{c}{\sum _{i=1}}\stackrel{n}{\sum _{j=1}}{u}_{ij}^{m}{\left({x}_{j}-{c}_{i}\right)}^{2}$
$\stackrel{c}{\sum _{i=1}}{u}_{ij}=1,　j=\mathrm{1,2},\dots,n$

式中:样本的隶属度与该样本到聚类中心距离相乘便可得到目标函数J;m为一个隶属度因子,一般为2;‖xj-ci‖为xj到中心点ci的欧式距离。式(11)为约束条件,指一个样本属于所有类的隶属度之和为1。

uij的迭代公式为

${u}_{ij}=\frac{1}{\stackrel{c}{\sum _{k=1}}{\left(\frac{\left({x}_{j}-{c}_{i}\right)}{\left({x}_{j}-{c}_{k}\right)}\right)}^{\frac{2}{m-1}}}$

ci的迭代公式为

${c}_{ij}=\frac{\stackrel{n}{\sum _{i=1}}{u}_{ij}^{m}{x}_{i}}{\stackrel{n}{\sum _{i=1}}{u}_{ij}^{m}}$

采用FCM算法进行聚类分析时,需要预先随机生成一个ui,才可进行迭代计算。循环迭代过程中,目标函数J一直在变化,逐渐趋向稳定。当J稳定不变时,FCM算法便收敛,迭代完成。此时,聚类分析达到最佳效果。

3.2 FCM算法实现步骤

(1)初始化。选择聚类数目,初始化隶属度矩阵和聚类中心。

(2)隶属度更新。根据当前的聚类中心,更新隶属度矩阵。

(3)聚类中心更新。根据更新后的隶属度矩阵,更新聚类中心。

(4)迭代与收敛判断。计算隶属度矩阵的变化量,如果变化量小于某个预设的阈值或者达到预设的迭代次数,则认为算法已经收敛,输出聚类结果;否则,回到(2)步继续迭代。

在使用FCM算法时,选择三类聚类数目。初始化的选择对FCM算法的性能有一定影响,可以尝试使用不同的初始化策略。误差阈值和迭代次数的选择也需要根据具体的数据集和问题来调整。

基于FCM的煤岩品质聚类模型,通过252个样本的五参数(宏观煤岩类型、煤的工业组分、煤岩显微组分、镜质体反射率、煤体结构)协同分析,实现了煤岩品质的科学分类(轮廓系数0.68,煤岩心吻合率89%)。该模型不仅揭示了煤岩品质与煤储层储气能力和可采性的内在关联,还为深部煤层气高效开发提供了可量化的决策依据。

3.3 煤岩品质类型约束

根据宏观煤岩类型、煤的工业组分、煤岩显微组分、镜质体反射率、煤体结构统计分析,随着灰分含量增加、镜质组含量降低、煤体结构越破碎而煤岩品质变差,且光亮煤、半亮煤较半暗煤的煤岩品质好。参考《煤层气储层评价方法》(Q/SY 16001—2017)“潜力区阶段煤储层综合评价分类和参数范围”中涉及煤岩品质参数及分级方案,结合本区实际资料,研究区深部煤层气煤岩品质综合评价为三类(表3),Ⅰ类表示煤岩品质良好,Ⅱ类表示煤岩品质中等,Ⅲ类表示煤岩品质较差。据此,利用FCM模糊聚类算法进行研究区煤岩品质类型识别时,将其约束为三类。

4 研究区深部煤层气煤岩品质评价及平面分布特征

4.1 深部煤层气煤岩品质单井测井评价

基于前述深部煤层气煤岩品质参数测井评价方法的研究,在编写处理解释程序的基础上,利用测井资料处理解释了研究区93口井8#煤层的宏观煤岩类型、煤的工业组分、煤岩显微组分、镜质体反射率、煤体结构,并将其煤岩品质评价参数作为煤岩品质类型识别的数据集,利用FCM模糊聚类算法进行研究区煤岩品质类型识别。

图13为米58井深部煤层气煤岩品质测井评价成果图。该井2 836.9~2 844.7 m煤岩厚度为7.8 m,测井曲线响应显示中上部煤岩品质较好,自然伽马值低(20 API)且深侧向电阻率值高(37 750 Ω·m),计算的灰分含量介于2.5%~28.2%,镜质组含量介于54.5%~94.4%,煤体结构类型为原生-碎裂结构,煤层气煤岩品质介于0.05~0.56,因此,测井煤层气煤岩品质综合评价为2 836.9~2 842.6 m井段为Ⅰ类、2 836.9~2 844.7 m井段为Ⅱ类。

4.2 深部煤层气煤岩品质平面分布特征分析

基于该法评价的93口井的煤岩品质,绘制了图14所示的研究区8#煤岩品质分类平面分布图。可以看出,Ⅰ类煤岩品质区主要分布在研究区中部、北部和南部榆123井区;Ⅱ类煤岩品质区主要分布在西北部、南部及Ⅰ类煤岩品质区周围;Ⅲ类煤岩品质区仅分布在北部米161和东北部榆11井区。整体上来看,研究区8#煤储层Ⅰ类、Ⅱ类煤岩品质区分布范围广,且呈连片分布,Ⅲ类煤岩储层品质零星分布。

研究区东北部Ⅰ类煤岩品质区的井区,如米58井,该煤储层品质为Ⅰ类,反映煤储层储渗能力强,对该煤层进行压裂,压裂后初期日产煤层气高达12 349 m3,日产水0.6 m3。这充分表明预测的煤岩品质区与实际压裂排采较为吻合。煤层气勘探开发实践揭示,该套方法判别的煤岩品质类型接近实际状况,符合率更高。从而说明构建的煤岩品质测井评价方法具有高度适用性,为煤岩品质评价提供了坚实的技术支撑,也为测井角度预测煤岩品质提供了新思路。

值得一提的是,由于煤层气测井受扩径等环境因素的影响较为严重,为了保证该方法的有效可行性,必须保障测井资料的环境影响校正效果较好,宏观煤岩类型、煤的工业组分、煤岩显微组分、镜质体反射率、煤体结构5个指标评价较为准确,煤岩品质测井评价结果才具有较高的精度。

5 结论

(1)基于研究区深部煤岩特性的多尺度协同解析,综合遴选宏观煤岩类型、工业分析组分、显微组分构成、镜质体反射率及煤体结构指数五大核心指标,构建了煤岩品质分级评价体系。

(2)创新研发了深部煤层气储层岩心-测井-地质多源数据融合的煤岩品质分级评价标准,建立以煤岩心精细刻度为核心的煤岩品质参数定量表征技术及FCM模糊聚类驱动的煤岩品质智能分类方法体系,攻克了深部煤层非均质性制约下的煤岩品质分类难题,为深部煤层气甜点优选与开发方案制定提供地质-工程一体化决策依据。

(3)研究区煤层岩体品质整体呈现优良特性,主体区域具有显著的空间连续性特征。煤岩品质劣质带局部分布于研究区北部的米161井区及东北部的榆11井区。该空间分布特征为深部煤层气资源潜力评估与开发靶区优选提供了重要地质依据。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

徐凤银, 闫霞, 李曙光, 等. 鄂尔多斯盆地东缘深部(层)煤层气勘探开发理论技术难点与对策[J]. 煤田地质与勘探, 2023, 51(1): 115-130.
[2]

Xu Fengyin, Yan Xia, Li Shuguang, et al. Theoretical and technical challenges in deep coalbed methane exploration and development in eastern Ordos Basin[J]. Coal Geology & Exploration, 2023, 51(1): 115-130.
[3]

张海锋, 张兵, 魏超, 等. 鄂尔多斯盆地东缘杨家坡区块煤层气开发潜力评价及开发地质单元划分[J]. 科学技术与工程, 2025, 25(19): 7920-7929.
[4]

Zhang Haifeng, Zhang Bing, Wei Chao, et al. Evaluation of CBM development potential and division of development geological units in Yangjiapo block, eastern margin of Ordos Basin[J]. Science Technology and Engineering, 2025, 25(19): 7920-7929.
[5]

朱庆忠. 高煤阶煤层气勘探开发新技术与实践[M]. 北京: 石油工业出版社, 2021.
[6]

Zhu Qingzhong. New technologies and practices in high-rank coalbed methane exploration and development[M]. Beijing: Petroleum Industry Press, 2021.
[7]

Li J X, Gao R, Zhang Y, et al. Research on accurate analysis of coal quality using NIRS-XRF fusion spectroscopy in complex coal type scenarios[J]. Optics and Laser Technology, 2025, 181(1): 111-134.
[8]

Zhang Z D, Li J X, Gao R. Enhancing multi-type coal quality prediction accuracy with fusion spectra and classification models using NIRS and XRF techniques[J]. Journal of Analytical Atomic Spectrometry, 2024, 39(10): 2433-2442.
[9]

王志强, 刘会虎, 范正谱, 等. 基于压汞法和低温液氮法孔隙分析的两淮煤孔隙结构及分形特征[J]. 科学技术与工程, 2025, 25(10): 4058-4066.
[10]

Wang Zhiqiang, Liu Huihu, Fan Zhengpu, et al. Pore structure and fractal characteristics of coal from the Huainan-Huaibei coalfield based on mercury intrusion porosimetry and low-temperature nitrogen adsorption analysis[J]. Science Technology and Engineering, 2025, 25(10): 4058-4066.
[11]

余永鹏, 张广兵, 黄自军, 等. 多源测井数据预测煤层工业组分和发热量模型研究[J]. 物探与化探, 2024, 48(1): 185-193.
[12]

Yu Yongpeng, Zhang Guangbing, Huang Zijun, et al. Predictive modeling of coal industrial components and calorific value using multi-source logging data[J]. Geophysical & Geochemical Prospecting, 2024, 48(1): 185-193.
[13]

武轶凡, 杨文宇, 李渊. 基于低场核磁共振的煤岩孔裂隙结构定量表征[J]. 科学技术与工程, 2024, 24(25): 10739-10745.
[14]

Wu Yifan, Yang Wenyu, Li Yuan. Quantitative characterization of coal pore-fracture structure based on low-field nuclear magnetic resonance[J]. Science Technology and Engineering, 2024, 24(25): 10739-10745.
[15]

王水, 商磊磊, 师云超. 甘肃花草滩矿区煤质参数测井评价方法研究[J]. 陕西地质, 2016, 34 (2): 64-71, 76.
[16]

Wang Shui, Shang Leilei, Shi Yunchao. Logging evaluation method for coal quality parameters in Huacaotan mining area, Gansu Pro-vince[J]. Shaanxi Geology, 2016, 34(2): 64-71, 76.
[17]

刘玉卫, 商铁林, 龚剑, 等. 测井参数在煤质分析中的应用[J]. 煤, 2021, 30(7): 16-18.
[18]

Liu Yuwei, Shang Tielin, Gong Jian, et al. Application of logging parameters in coal quality analysis[J]. Coal, 2021, 30(7): 16-18.
[19]

杨珺茹, 刘之的, 雷琦, 等. 韩城矿区煤岩显微组分测井预测[J]. 科学技术与工程, 2020, 20 (23): 9293-9301.
[20]

Yang Junru, Liu Zhidi, Lei Qi, et al. Prediction of microscopic composition logging of coal rocks in Hancheng mining area[J]. Science Technology and Engineering, 2020, 20(23): 9293-9301.
[21]

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): 262-265.
[22]

Yang Donggen, Fan Yiren, Deng Shaogui, et al. Methodology for evaluating coal quality and gas content in coal seams using logging data: a case study from Heshun area[J]. Progress in Exploration Geophysics, 2010, 33(4): 262-265.
[23]

庞起发. 内蒙古阿右旗潮水盆地聚煤规律及煤质特征研究[D]. 北京: 中国地质大学(北京), 2011.
[24]

Pang Qifa. Study on coal accumulation patterns and coal quality characteristics in Chaoshui Basin, Alxa Right Banner, Inner Mongolia[D]. Beijing: China University of Geosciences, Beijing, 2011.
[25]

刘同庆. 煤质工业分析测井解释及三维建模研究[J]. 煤炭技术, 2021, 40(9): 71-75.
[26]

Liu Tongqing. Logging interpretation and 3D modeling for industrial analysis of coal quality[J]. Coal Technology, 2021, 40(9): 71-75.
[27]

王立志, 刘常青, 吴英. 延川南区块山西组2号煤层煤岩品质特征及含气性测井响应分析[J]. 中国煤炭地质, 2013, 25(1): 48-52.
[28]

Wang Lizhi, Liu Changqing, Wu Ying, et al. Analysis of coal rock quality characteristics and gas-bearing logging responses in No. 2 coal seam of Shanxi Formation, Yanchuan south block[J]. Coal Geology of China, 2013, 25(1): 48-52.
[29]

高鉴东, 傅雪海, 刘爱华, 等. 沁水盆地和顺15#煤层煤质参数的测井响应预测[J]. 西安科技大学学报, 2015, 35(1): 50-55.
[30]

Gao Jiandong, Fu Xuehai, Liu Aihua, et al. Logging response prediction of coal quality parameters in No. 15 coal seam, Heshun area, Qinshui Basin[J]. Journal of Xi'an University of Science and Technology, 2015, 35(1): 50-55.
[31]

王舵, 刘之的, 王成旺, 等. 鄂尔多斯盆地DJ区块深部煤储层地质-工程甜点测井评价技术[J]. 石油与天然气地质, 2024, 45(6): 1772-1788.
[32]

Wang Duo, Liu Zhidi, Wang Chengwang, et al. Geological engineering sweet spot logging evaluation technology for deep coal reservoirs in DJ block of Ordos Basin[J]. Petroleum and Natural Gas Geology, 2024, 45(6): 1772-1788.
[33]

吴蒙, 秦云虎, 王晓青, 等. 任家庄煤矿煤层煤质测井响应及其预测模型[J]. 吉林大学学报(地球科学版), 2022, 52(2): 633-643.
[34]

Wu Meng, Qin Yunhu, Wang Xiaoqing, et al. Logging response and prediction model of coal quality in Renjiazhuang coal seam[J]. Journal of Jilin University (Earth Science Edition), 2022, 52(2): 633-643.
[35]

Liu Z D, Yang B R, Tang X Y, et al. Evaluating coalbed methane recoverability using logging data[J]. Applied Geophysics, 2024, 21(2): 265-278, 419.
[36]

向旻, 帕尔哈提·祖努, 张峰玮. 基于深度学习的煤质组分测井解释方法[J]. 煤炭技术, 2018, 37(8): 88-91.
[37]

Xiang Min, Paerhati Zunu, Zhang Fengwei. Deep learning-based logging interpretation method for coal quality components[J]. Coal Technology, 2018, 37(8): 88-91.
[38]

石玉江, 何羽飞, 万金彬, 等. 深层煤岩气地质品质及含气量测井评价方法研究[J]. 中国石油勘探, 2024, 29(4): 126-141.
[39]

Shi Yujiang, He Yufei, Wan Jinbin, et al. Logging evaluation method for geological quality and gas content of deep coalbed methane[J]. China Petroleum Exploration, 2024, 29(4): 126-141.
[40]

何婷, 赵春兰, 李屹, 等. 基于FCM聚类的模糊综合评价方法[J]. 陕西师范大学学报(自然科学版), 2023, 51(1): 111-119.
[41]

He Ting, Zhao Chunlan, Li Yi, et al. Fuzzy comprehensive evaluation method based on FCM clustering[J]. Journal of Shaanxi Normal University (Natural Science Edition), 2023, 51(1): 111-119.
[42]

林挺. FCM模糊聚类算法的研究及其应用[D]. 贵阳: 贵州民族大学, 2021.
[43]

Lin Ting. Research and application of FCM fuzzy clustering algorithm[D]. Guiyang: Guizhou Minzu University, 2021.

基金资助

中国石油天然气股份有限公司重大科技专项(2023ZZ18YJ03)

陕西省重点研发计划(2025CY-YBXM-163)

PDF (35559KB)

54

访问

0

被引

详细
导航
相关文章

/

〈 〉

京ICP备05035734号-4
版权所有 © 《科学技术与工程》编辑部
地址： 北京市海淀区学院南路86号 《科学技术与工程》编辑部　邮编：100081
电话：(010)62118920 　E-mail：stae@vip.163.com
技术支持：北京玛格泰克科技发展有限公司 　
网站管理员登录