深层煤岩气资源潜力巨大，可成为我国天然气增储上产的现实接替领域[1]。早期国内煤层气开发利用主要集中在中浅层[2-10] (埋深＜1500m)，随着勘探开发不断深入，中浅层煤层气资源品位逐年变差，效益动用难度不断加大；而深层煤岩气(埋深 > 1500m)构造简单、厚度稳定、气测活跃。且深层煤岩气资源量近60×1012m3 [11]，占全国煤层气资源量的30%以上，开发利用前景广阔。
深层煤岩气不同于致密砂岩气、页岩油气。煤岩储层薄，微构造、夹矸层发育，井筒环境差，多套地层易漏易塌，顶底板应力差大，起裂机理不明确[12-15]。与1500m以浅的煤层气储层相比，深层煤岩气储层呈“吸附—游离气共存、赋存机理复杂、非均质性强、地应力高”等地质特点[16-17]，具有电阻率更高、自然伽马值相对较低的测井响应特征。研究区深层煤岩存在的孔隙结构复杂、物性计算精度较低、吸附气与游离气并存、含气量计算缺乏有效的测井评价方法等问题，也对测井技术提出了更高的要求。部分传统的煤层气测井采集系列和评价方法存在局限性，其中传统含气性评价方式以评价吸附气为主，而深层煤岩储层中游离气占比也相当可观，是不可忽视的一部分；传统测井常采集序列为常规九曲线，难以划分孔隙结构，因此不能满足深层煤岩气高效勘探开发的需求，但通过核磁共振测井能够识别出储层孔隙分布情况，对于煤层吸附能力评价有较强的参考作用。本文立足深层煤岩气地质特征与测井参数响应特征，结合实验测试数据，开展深层煤岩地质品质参数，包括煤岩组分、煤体结构、孔隙度等的测井评价，形成了通过常规测井计算深层煤岩气含气量的方法。并探索开展核磁—等温吸附联测实验，实现了利用核磁共振测井计算深层煤岩气含气量，为深层煤岩气储量计算和资源量评价提供了新方法。进一步提出了测井技术在深层煤岩气领域今后发展及应用的建议和展望。
1 深层煤岩气地质特征鄂尔多斯盆地深层煤岩广泛发育[18]，具备形成深层煤岩气的基础[19]。盆地于晚古生代形成广泛分布的煤系地层，山西组5号煤形成于陆相三角洲沼泽环境，本溪组8号煤形成于滨海沼泽环境。5号煤、8号煤为主力煤层，是鄂尔多斯盆地勘探的主要领域[20-23]，具有分布广、厚度大、分布稳定、连续性好，生气能力强的特点。本溪组8号煤厚6~16m，平均为7.8m，山西组5号煤厚2~6m，平均为3.0m，埋深主要在1500~3500m。有机质成熟度Ro在1.3%~2.7%，属中高煤阶，生气能力强。8号煤岩纵向上非均质性强，发育1~2套夹矸，夹矸岩性以泥岩、碳质泥岩为主。通过沉积旋回对比，将8号煤煤层结构划分为Ⅰ分型、Ⅱ分型、Ⅲ分型。煤层与顶底板岩性组合复杂多样，包括煤灰、煤泥、煤砂等，试采结果表现出吸附气与游离气共存、压裂见气快的特点。
深层煤岩气与中浅层煤层气在地质特征上存在差异。以鄂尔多斯盆地B区块为例[24]，深层煤岩中游离气与吸附气并存[25]，煤体结构更优质[26]，以原生结构煤为主（图 1a），中浅层煤层中通常以碎裂、碎粒煤为主（图 1b）；深层煤岩含气饱和度更高，平均为98%，是中浅层（69%）的1.4倍；深层煤岩储层物性更差，孔隙以微孔为主，渗透率（0.002~0.05mD）较中浅层低两个数量级；深层煤岩储层温度更高（60~75℃），是中浅层（30~55℃）的1.5倍；深层煤岩储层压力更高（平均23MPa），是中浅层（平均8MPa）的2.8倍；深层地层水矿化度更大（平均20×104mg/L），是中浅层（5000~12000mg/L）的20倍左右。
|
图 1 鄂尔多斯盆地深层与中浅层煤体结构对比图 Fig. 1 Comparison of coal structures between deep and medium-shallow formations in Ordos Basin |
对比发现，深层与中浅层煤岩的工业组分大体相当（图 1），但受埋深、构造等多因素影响，深层煤岩储层生烃能力、气体赋存能力更强，煤体结构和力学性质表现出更有利于储层改造的特征。
2 煤岩品质测井评价 2.1 测井响应特征及识别常规测井主要用于煤层识别、储层物性评价等[27]，特殊成像测井在煤层夹矸识别、孔隙类型表征、裂缝发育状况评价及煤层顶底板含水性评价方面具有无法比拟的优势[28]。
从常规测井曲线在煤层的响应特征来看，井径（CAL）、自然电位（SP）在煤层段不具备明显区别于其他岩性的特殊响应，因而无法识别煤层；而煤层独特的成分和结构使得声波时差（DT）、补偿中子（CNL）、补偿密度（DEN）及深侧向电阻率（RT）具有明显区别于其他岩性的响应特征[29]，可准确识别出煤层（图 2）[30]。
|
图 2 鄂尔多斯盆地B区块深层煤岩气测井响应特征图版 Fig. 2 Logging response characteristics of deep coal measure gas in B block in Ordos Basin |
高分辨微电阻率成像测井可准确划分煤层并识别出煤层夹矸[31]（图 3），从而得到煤层的有效厚度。核磁共振测井能够定量识别煤层孔隙中微孔、介孔、宏孔占比，同时也是评价顶底板孔隙结构和含水性的有效方法。
|
图 3 鄂尔多斯盆地B区块B6井识别评价煤层图版 Fig. 3 Identification and evaluation of coal seam in Well B6 in B block in Ordos Basin |
工业组分是反映煤岩品质的主要指标之一，通常认为由水分（Mad）、灰分（Aad）、挥发分（Vad）和固定碳（FCad）4部分组成，其中水分、灰分属于无机组分，固定碳、挥发分属于有机组分（图 4）。各组分含量主要通过煤样工业分析实验求取。本文对鄂尔多斯盆地B区块13口井共43块样品完成工业组分实验分析，结果如图 5所示，深层煤岩中灰分含量为4.56%~30.12%，平均为11.7%；挥发分含量为5.4%~8.94%，平均为7.65%；水分含量为0.82%~2.52%，平均为1.48%；固定碳含量为62.34%~85.63%，平均为79.16%，属于低—中低灰分、特低—低挥发分、特低水分、高固定碳煤。
|
图 4 煤岩工业组分测井计算思路 Fig. 4 Ideas for logging calculation of coal proximate components |
|
图 5 深层与中浅层煤岩工业组分对比图 Fig. 5 Comparison of proximate components between deep and medium-shallow coal rocks |
煤岩工业组分通常可由煤样实验室分析、测井体积模型法和数理统计法来确定。以往，煤岩工业组分主要由煤样实验室分析获得。测井体积模型法是利用孔隙度测井（如密度、声波时差等）建立响应方程组, 采用最优化等方法来求解获得工业组分。由于煤的组成成分较为复杂，简化的模型与实际情况存在一定的差异，并且在体积模型中没有考虑煤层吸附气所引起的测井响应值的变化，因此体积模型预测精度受到限制。数理统计法是把岩性、物性和测井参数当作随机变量，从相关分析角度出发，对这些变量进行统计分析，得到相应的数学表达式，该方法将煤样的实验分析数据和测井参数结合，使得预测模型和结果更接近客观实际。
利用22口取心井工业组分实验数据结合对应深度测井数据对8号煤层进行评价（图 6）。从工业分析实验数据交会图可以看出，固定碳含量与灰分含量呈负相关性，相关性好（图 6a）；固定碳与水分呈正相关，相关性较好（图 6b）。
|
图 6 深层8号煤岩工业组分测井解释模型图版 Fig. 6 Logging interpretation model plate of proximate components of deep No.8 coal seam |
基于上述分析，只要计算出固定碳含量，就能够得到灰分含量和水分含量，由于水分、挥发分、固定碳、灰分总和为100%，因此挥发分含量也可以确定。
通过对煤层固定碳与测井响应之间的关系进行分析研究，确定用于求取煤储层工业组分参数的关键测井参数。通过固定碳数据与测井资料对比分析，发现固定碳与自然伽马、补偿密度、深侧向电阻率具有一定的相关性（图 6c—e），因此，利用自然伽马、补偿密度、深侧向电阻率测井资料与固定碳实验数据进行多元回归分析，可得到煤岩固定碳的计算模型。
| $ \begin{aligned} F C_{\mathrm{ad}}= & -18.7106 \mathrm{DEN}-0.00094 \mathrm{GR}+1.1839 \\ & \ln \mathrm{RT}+98.5353 \end{aligned} $ | (1) |
式中 FCad——固定碳含量，%；
GR——自然伽马，API；
DEN——补偿密度，g/cm3；
RT——深侧向电阻率，Ω·m。
基于上述分析建立的灰分与水分的评价模型见公式（2）、公式（3）。
| $ A_{\mathrm{ad}}=-0.9087 F C_{\mathrm{ad}}+82.367 $ | (2) |
| $ M_{\mathrm{ad}}=0.0642 \mathrm{e}^{0.0336 F C_{\mathrm{ad}}} $ | (3) |
式中 Aad——灰分含量，%；
Mad——水分含量，%。
图 7为鄂尔多斯盆地B区块B9井采用上述工业组分模型计算的水分、挥发分、固定碳、灰分与实验分析工业组分对比成果图，可以看出通过测井资料计算的工业组分与实验分析数据吻合度较高。从图 6f建立的预测固定碳含量与实测固定碳含量关系图也可以看出该模型具有较高精度。
|
图 7 鄂尔多斯盆地B区块B9井煤岩工业组分及孔隙度特征图 Fig. 7 Coal proximate components and porosity characteristics in Well B9 in B block in Ordos Basin |
煤岩显微组分占比评价是深层煤岩气储层评价中非常重要的一环，煤岩是有机质和无机质共同组成的混合骨架，非均质性强。煤岩显微组分可分为有机显微组分和无机显微组分。有机显微组分为显微镜下所能识别的有机质的基本单位，有镜质体、丝质体、树脂体、角质体、孢子体、木栓质体、藻类体等。无机显微组分为显微镜下能观察到的矿物，常见的有黏土矿物、石英、黄铁矿、方解石、菱铁矿等。显微组分中各组分占比直接关系到煤岩气储层的生烃潜力，对反映煤岩气含量具有较为重要的指示作用。通过测井手段结合实验数据对目标层段进行显微组分评价，有助于后期进行含气量评价。
鄂尔多斯盆地B区块深煤岩样品显微组分分析显示，有机组分包括镜质组、惰质组，无机矿物包括碳酸盐、黏土类、硫化物（图 8）。通过显微组分间交会分析及组分与测井数据交会分析可以看出，惰质组含量和矿物质含量与深侧向电阻率、补偿密度测井曲线具有较好的相关性（图 9a—d），惰质组含量随着电阻率的升高而增大，随着密度的降低而减小，矿物含量反之。从镜质组与测井曲线交会图版（图 9e、f）可以看出，镜质组与声波时差及补偿中子相关性好，据此建立B区块显微组合测井计算公式（表 1）。
|
图 8 煤岩显微组分组成图及测井计算思路 Fig. 8 Coal maceral diagram and logging calculation ideas |
|
图 9 煤岩显微组分与测井数据交会分析图 Fig. 9 Cross plots of coal macerals and logging data |
|
表 1 鄂尔多斯盆地B区块深层煤岩气显微组分计算公式统计表 Table 1 Calculation formula for macerals of deep coal measure gas in B block in Ordos Basin |
煤体结构是影响压裂产能的主要储层因素。构造破碎煤机械强度低、煤体结构松散，不易脆性开裂，因此难以形成裂缝，同时压裂崩离剥落的大量煤粉会堵塞缝道，进而使煤层的渗透性能得不到改善。有必要充分利用连续、经济的常规测井资料，对煤岩储层的煤体结构进行准确判别和划分。鄂尔多斯盆地B区块煤心实验显示，研究区发育原生结构煤、碎裂煤、碎粒煤、糜棱煤，以原生结构煤为主，糜棱煤较少，不同的煤体结构在常规测井资料上存在明显响应特征差异[3-4]。充分利用测井资料纵向分辨率高、连续性好、获取时间短等优势，建立测井信息与不同煤体结构之间的关系。
根据鄂尔多斯盆地18口取心井岩心照片的煤体结构显示，深层煤岩以原生结构煤为主。通过对不同煤体结构对应测井曲线的分析，发现煤体结构越破碎，其DEN越小、GR越低、RT越高。同一区块受构造活动及断层影响基本一致，因此能够排除DEN、GR、RT受不同构造活动及断层的影响。测井值差异的主要影响因素则来自煤体结构的不同。基于上述分析，采用DEN、GR、RT构建不同煤体结构识别图版（图 10）。
|
图 10 煤体结构与测井曲线的关系图 Fig. 10 Relationship between coal structures and logging data |
为了对煤体结构进行定性评价，应用DEN、GR、RT曲线建立煤体结构判别因子模型。由于各测井曲线的量纲及测井仪测量状态有所差异，因此，在构建煤体结构判别因子前，有必要对煤体结构敏感测井曲线进行归一化处理。
| $ \Delta X=\frac{X-X_{\min }}{X_{\max }-X_{\min }} $ | (4) |
式中 ΔX——归一化后测井响应值；
X——实测测井响应值；
Xmax——处理井段测井响应最大值；
Xmin——处理井段测井响应最小值。
构建煤体结构判别因子（CS）表达式为：
| $ C S=\frac{\sqrt{(\Delta \mathrm{GR})^2+(\Delta \mathrm{DEN})^2}}{2}+\Delta \operatorname{lgRT} $ | (5) |
式中 ΔGR——归一化后的自然伽马值；
ΔDEN——归一化后的密度值；
ΔlgRT——归一化后的深侧向电阻率对数值。
基于煤体结构测井响应特征，采用煤体结构因子判别法对研究区煤体结构进行评价，形成煤体结构测井评价标准（表 2），用于判别煤层煤体结构类型。
|
|
表 2 深层煤岩气煤体结构判别标准表 Table 2 Identification standard for coal measure gas structures of deep coal seam |
基于上述煤体结构测井评价方法，识别评价全区块230口井煤体结构，最终建立了B区块煤体结构岩心—测井库。图 11是煤体结构岩心—测井库B13测井成果图。
|
图 11 煤体结构岩心—测井库B13井测井成果图 Fig. 11 Core photos of coal structures-logging results of Well B13 |
深层煤岩气孔隙度是储层评价和储量计算的关键参数。煤岩工业组分（包括灰分、固定碳、挥发分、水分）的差异，导致煤岩骨架密度在一定范围内变化，如果采用定值骨架参数计算煤岩储层的孔隙度往往存在较大的误差，难以满足储层评价的需求。通过煤岩岩心刻度测井，在测井响应敏感曲线分析基础上，采用多元线性回归的方法建立了煤岩的骨架密度测井解释模型（图 12），并利用变骨架密度计算煤岩孔隙度，建立基于煤岩储层变骨架参数条件下的孔隙度测井解释模型。该方法提高了煤储层孔隙度测井解释精度（图 7），满足了深层煤岩气储层评价的需求。
|
图 12 骨架密度与煤岩工业组分相关性分析图 Fig. 12 Correlation between matrix density and coal proximate components |
| $ \varphi_{\text {煤 }}=\frac{\rho_{\text {ma变 }}-\rho_{\mathrm{b}}}{\rho_{\text {ma变 }}-\rho_{\mathrm{f}}} $ | (6) |
| $ \rho_{ma变 }=0.9284 \times \frac{-0.83 F C_{\mathrm{ad}}+0.91 A_{\text {ad }}}{100}+2.088 $ | (7) |
式中 ρb——测井密度，g/cm3；
ρf——孔隙流体密度，g/cm3；
ρma变——变化的煤岩骨架密度，g/cm3；
φ煤——煤岩孔隙度，%。
3 含气量测井评价深层煤岩气含气量是指在标准温度和压力条件下，单位质量煤中的甲烷气体的体积，其单位常用吨煤含气量m3/t表示。深层煤岩储层含气性评价相比浅层煤层气储层必须考虑游离气含量，而中浅层煤层气储层含气则基本为吸附气。因此深层煤岩气吨煤含气量评价必须同时包括游离气、吸附气含量。确定含气量是合理制定煤层气勘探开发方案的关键，含气量测井评价是储量计算关键参数和煤层气产量的保障。鄂尔多斯盆地DJ区块深层煤岩气进行现场保压取心实验测试分析，总含气量在7.6~34.63m3/t之间，平均为19.24m3/t。
3.1 含气量常规测井评价 3.1.1 总含气量计算含气性测井响应通过煤体结构、骨架组成、变质程度、岩电特性等反映煤岩储层的生烃能力、吸附赋存能力，与之相应的常规测井曲线主要包括深侧向电阻率、补偿密度、自然伽马、补偿中子等。拟合分析总含气量与测井曲线之间的关系，发现深侧向电阻率、补偿密度、自然伽马与总含气量相关性较好（图 13a—c）。为提高测井解释模型精度，采用多元回归最小二乘法，建立深层煤岩总含气量测井解释模型。
|
图 13 深层煤岩气总含气量测井解释模型图版 Fig. 13 Logging interpretation model plate of the total gas content of deep coal seam |
| $ V_{\mathrm{gas}}=61.5768-0.085 \mathrm{GR}-25.0375 \mathrm{DEN}+0.7152 \mathrm{lgRT} $ | (8) |
式中 Vgas——含气量，m3/t。
从图 13d中可以看出，上述模型计算的总含气量与岩心实验吻合度较好。
3.1.2 改进吸附气含量计算原有兰氏模型是利用等温吸附实验所得的兰氏体积VL和兰氏压力pL，依据兰格缪尔等温吸附方程[32]，计算吸附含气量。
| $ V_{\mathrm{a}-\mathrm{r}}=V_{\mathrm{L}} \cdot p /\left(p_{\mathrm{L}}+p\right) $ | (9) |
式中 Va-r——原始兰氏方程计算吸附气含量，m3/t；
p——地层压力，MPa；
VL——兰氏体积，cm3/g；
pL——兰式压力，MPa。
本研究改进了原有兰氏模型，建立基于固定碳和挥发分占比对吸附气含量贡献的动态吸附气含量模型，实现对吸附气含量的准确计算。
| $ V_{\mathrm{a}}=\left(1-A_{\mathrm{ad}}-M_{\mathrm{ad}}\right) V_{\mathrm{L}} \cdot p /\left(p_{\mathrm{L}}+p\right) $ | (10) |
式中 Va——改进后计算的吸附气含量，m3/t。
对兰氏体积及兰氏压力开展测井数据敏感性分析，发现兰氏体积与自然伽马、补偿密度相关性好；兰氏压力与补偿中子、自然伽马相关性好（图 14）。在此基础上建立了兰氏体积及兰氏压力的多元参数测井解释模型，具体模型如下。
|
图 14 深层煤岩气吸附气含量测井解释模型图版 Fig. 14 Logging interpretation model plate of adsorption gas content of deep coal seam |
| $ V_{\mathrm{L}}=56.5494-22.119 \mathrm{DEN}-0.0726 \mathrm{GR} $ | (11) |
| $ p_{\mathrm{L}}=5.4748-0.0698 \mathrm{CNL}+0.0137 \mathrm{GR} $ | (12) |
对于深层煤岩气储层某一深度点的游离气含量进行计算，公式如下：
| $ V_{\mathrm{v} 1}=V_{\mathrm{gas}}-V_{\mathrm{a}} $ | (13) |
式中 Vgas——总含气量，m3/t；
Va——经过校正后的吸附气含量，m3/t；
Vvl——游离气含量，m3/t。
受限于总含气量通过现场解吸测试获得，吸附气含量通过室内等温吸附实验测试获得，两种测试原理和环境的不同会导致常规测井计算方法计算的游离气含量误差相对较大。例如鄂尔多斯盆地B区块B25井测井计算总含气量为13.8~32.1m3/t，平均为21.2m3/t，吸附气含量平均为18.9m3/t，游离气含量平均占比为24.79%；保压取心测得总含气量为14.3~34.8m3/t，平均为23.5m3/t，吸附气含量平均为18.3m3/t，游离气含量平均占比为22.56%（图 15）。
|
图 15 鄂尔多斯盆地B区块B25井含气量常规测井计算结果图 Fig. 15 Conventional logging calculated gas contents in Well B25 in B block in Ordos Basin |
针对深层煤岩含气相态难以定性定量表征问题，探索性地对样品进行核磁—等温吸附联测实验[33]，有效避免了常规等温吸附实验只能评价吸附气含量的问题，实现了同时测量不同温压下的游离气和吸附气含量，完成了不同赋存状态含气量的实验标定。
实验基于空腔自由甲烷标定确定了游离态甲烷随压力变化的关系及自由态甲烷T2弛豫时间（100~10000ms），并在此基础上完成深层煤岩核磁—等温吸附联测实验，实验结果显示，各压力下核磁信号均以三峰态分布，剔除空腔标定对应自由体积甲烷弛豫时间范围内的核磁信号，根据核磁共振原理可确定弛豫时间与孔隙流体所处自由空间大小有关，且随与孔壁间距增大而减小，因此剩余双峰分布为微孔吸附态甲烷（弛豫时间0.01~5ms）及介孔游离态甲烷（弛豫时间10~100ms）。对此做进一步验证，得到各压力下首峰(吸附峰)信号幅度累加值随压力变化符合兰格缪尔方程吸附气变化规律，且次峰(游离峰)信号幅度累加值随压力呈现线性增长，变化规律符合气体状态方程。验证得到各峰信号幅度累加值及弛豫时间同时符合核磁弛豫时间规律且吸附—游离两相气体随压力变化规律，因此可确定首峰、次峰分别表征吸附气和游离气（图 16），在核磁联测的基础上开展深层煤岩全孔径—核磁联合实验表征，结合氮气吸附实验，二氧化碳吸附实验及压汞实验对于煤岩不同尺度孔径的表征，综合核磁共振T2谱特征，可进一步明确鄂尔多斯盆地B区块深层煤岩气孔隙类型与气体赋存空间关系（图 17、表 3）。
|
图 16 深层煤岩核磁—等温吸附联测成果图 Fig. 16 NMR-isothermal adsorption gas content measurement results in deep coal seam |
|
图 17 深层煤岩全孔径—核磁联合表征图 Fig. 17 Combined full pore size-NMR characterization of deep coal rocks |
|
|
表 3 深层煤岩气孔隙类型与气体赋存空间关系统计表 Table 3 Relationship between pore types and gas occurrence types of deep CBM |
通过核磁—等温吸附联测实验能够有效确定地层压力下游离气和吸附气的占比，核磁共振T2谱图上吸附峰及游离峰的面积大小与含气量多少相关，即吸附孔隙及游离孔隙的大小与含气量直接相关。依据多块次核磁—等温吸附联测实验，本文划定核磁吸附—游离气T2截止值为3ms，其中吸附气气含量根据公式（10）计算，根据核磁共振原理吸附气部分发生弛豫为表面弛豫，而游离气部分发生自由弛豫，为计算游离气和吸附气含量需要完成核磁信号到含气量尺度的转换。根据实验结果，将实验标准下计算所得吸附气含量与对应发生表面弛豫反馈核磁信号部分进行拟合，同时将实验标准下计算所得游离气含量与对应剔除自由峰后发生自由弛豫反馈核磁信号部分进行拟合。再根据核磁共振测井转换后的数据划定吸附游离T2截止值为T2-cut，将T2-cut前各个T2弛豫时间对应信号幅度依次累加得到TS，再将T2-cut后各个T2弛豫时间对应信号幅度依次累加得到TF，其中TS对应吸附气部分发生表面弛豫，而TF对应游离气部分发生自由弛豫，结合上述两拟合公式可得到吸附游离比计算公式，根据该公式并结合上述公式（10）吸附气计算公式，可得出游离气及总含气量计算公式。
| $ T_2=0.3 \times(3000 / 0.3)^{\left[\left(N_1-1\right)(N-1)\right]} $ | (14) |
| $ R F T A=\frac{-3 \times 10^{-5} T_{\mathrm{s}}^2+0.0587 T_{\mathrm{s}}}{0.0282 T_{\mathrm{F}}} $ | (15) |
| $ V_{\text {free }}=R F T A \cdot V_{\mathrm{a}} $ | (16) |
| $ V_{\text {nmr-gas }}=V_{\text {free }}+V_{\mathrm{a}} $ | (17) |
式中 N——核磁测井仪器采样点数量；
Ni——核磁共振测井仪器第i个采样点
（i=1, 2，..., N）；
RTFA——吸附游离比；
Ts——吸附气核磁信号累加值；
TF——游离气核磁信号累加值；
Vnmr-gas——核磁法计算总含气量，m3/t；
Vfree——核磁法计算游离气含量，m3/t。
通过对鄂尔多斯盆地B区块B24井核磁—等温吸附联测及核磁测井技术结合建立的游离气、吸附气含量计算方法完成验证，其中吸附气占比为76%~83%，游离气占比为17%~24%，计算结果与保压取心含气量实验基本一致（图 18）。
|
图 18 B24井含气量计算成果图 Fig. 18 Gas content calculation results in Well B24 |
（1）以鄂尔多斯盆地B区块为例，对深层煤岩气储层完成了测井解释评价工作，针对目标煤层完成了测井响应特征分析及各关键参数相关性分析，得出了储层识别优势测井曲线及识别区间；通过组分与曲线，组分与组分的相关性分析，构建了适用于B区块的工业组分和显微组分测井评价模型；基于实验和测井数据完成煤体结构评价，明确了目标煤层以原生结构煤为主；建立了煤岩储层变骨架参数孔隙度测井解释模型，在靶区取得了较好的应用效果。
（2）深层煤岩气层呈现吸附气与游离气并存的特征。本研究分别完成了常规测井含气量评价及核磁测井含气量评价模型的建立。提出了考虑有机组分贡献的兰氏模型用于评价吸附气含量，并通过保压取心获得总含气量与常规测井拟合计算，实现了总含气量的测井评价和游离气的常规测井定量计算。结合核磁—等温吸附联测实验与核磁共振测井，实现了利用核磁共振测井计算深层煤岩气含气量，为深层煤岩气储量计算提供了新方法。
（3）目前，深层煤岩气以水平井开发为主，建议加强测井新仪器的推广和优化适用于深层煤岩气水平井的测井系列，探索开展“随钻+裸眼+套后”的互补性测井试验，取全取准测井资料，有效支撑水平井精细评价。常规测井技术在深层煤岩气储层的测井资料采集和评价方面存在很多局限性，建议开展测井新技术新方法攻关，深化岩石物理基础理论研究，探索多学科结合的井间地球物理技术应用，以期实现与目前测井技术的有效结合，为整个区块的综合评价提供便利条件，服务指导深层煤岩气的勘探和开发。
| [1] |
孙钦平, 赵群, 姜馨淳, 等. 新形势下中国煤层气勘探开发前景与对策思考[J]. 煤炭学报, 2021, 46(1): 65-76. Sun Qinping, Zhao Qun, Jiang Xinchun, et al. Prospects and countermeasures for the exploration and development of coalbed methane in China under the new situation[J]. Journal of China Coal Society, 2021, 46(1): 65-76. |
| [2] |
徐凤银, 肖芝华, 陈东, 等. 我国煤层气开发技术现状与发展方向[J]. 煤炭科学技术, 2019, 47(10): 205-215. Xu Fengyin, Xiao Zhihua, Chen Dong, et al. Current status and development direction of coalbed methane development technology in China[J]. Coal Science and Technology, 2019, 47(10): 205-215. |
| [3] |
傅雪海, 秦勇, 韦重韬. 煤层气地质学 [M]. 徐州: 中国矿业大学出版社, 2007: 65-68. Fu Xuehai, Qin Yong, Wei Chongtao. Coalbed methane geology [M]. Xuzhou: China University of Mining and Technology Press, 2007: 65-68. |
| [4] |
陈江, 吕建伟, 郭东鑫, 等. 煤层气产能影响因素及开发技术研究[J]. 资源与产业, 2011, 13(1): 108-113. Chen Jiang, Lv Jianwei, Guo Dongxin, et al. Research on factors affecting coalbed methane production capacity and development technology[J]. Resources and Industry, 2011, 13(1): 108-113. DOI:10.3969/j.issn.1673-2464.2011.01.020 |
| [5] |
高和群, 韦重韬, 申建, 等. 沁水盆地南部含气饱和度特征及控制因素分析[J]. 煤炭科学技术, 2011, 39(2): 94-97. Gao Hequn, Wei Chongtao, Shen Jian, et al. Characterization of gas-bearing saturation and analysis of controlling factors in the southern Qinshui Basin[J]. Coal Science and Technology, 2011, 39(2): 94-97. |
| [6] |
陈刚, 秦勇, 李五忠, 等. 鄂尔多斯盆地东部深层煤层气成藏地质条件分析[J]. 高校地质学报, 2012, 18(3): 465-473. Chen Gang, Qin Yong, Li Wuzhong, et al. Analysis of geological conditions for deep coal rock gas formation in the eastern Ordos Basin[J]. Journal of College Geology, 2012, 18(3): 465-473. |
| [7] |
刘洪林, 王红岩, 张建博. 煤储层割理评价方法[J]. 天然气工业, 2000, 20(4): 27-29. Liu Honglin, Wang Hongyan, Zhang Jianbo. Evaluation method of coal reservoir cuttings[J]. Natural Gas Industry, 2000, 20(4): 27-29. |
| [8] |
刘世奇, 王鹤, 王冉, 等. 煤层孔隙与裂隙特征研究进展[J]. 沉积学报, 2021, 39(1): 212-230. Liu Shiqi, Wang He, Wang Ran, et al. Progress in the characterization of coal bed pores and fractures[J]. Acta Sedimentologica Sinica, 2021, 39(1): 212-230. |
| [9] |
陶传奇. 鄂尔多斯盆地东缘临兴地区深部煤层气富集成藏规律研究[D]. 北京: 中国矿业大学(北京), 2019. Tao Chuanqi. Research on the enrichment and formation law of deep coalbed methane in Linxing area, east margin of Ordos Basin[D]. Beijing: China University of Mining and Technology (Beijing), 2019. |
| [10] |
李勇. 鄂尔多斯盆地东缘煤层气富集成藏规律研究[D]. 北京: 中国地质大学(北京), 2015. Li Yong. Research on coalbed methane enrichment and formation law in the eastern margin of Ordos Basin[D]. Beijing: China University of Geosciences (Beijing), 2015. |
| [11] |
陈刚, 胡宗全. 鄂尔多斯盆地东南缘延川南深层煤层气富集高产模式探讨[J]. 煤炭学报, 2018, 43(6): 1572-1579. Chen Gang, Hu Zongquan. Discussion on the mode of enrichment and high production of deep coal rock gas in Yanchuannan, southeast margin of Ordos Basin[J]. Journal of China Coal Society, 2018, 43(6): 1572-1579. |
| [12] |
倪小明, 苏现波, 张小冬. 煤层气开发地质学 [M]. 北京: 化学工业出版社, 2009: 30-89. Ni Xiaoming, Su Xianbo, Zhang Xiaodong. Geology of coalbed methane development [M]. Beijing: Chemical Industry Press, 2009: 30-89. |
| [13] |
杨秀春, 刘之的, 陈彩红, 等. 韩城矿区煤层气富集的影响因素剖析[J]. 中国煤层气, 2013, 10(4): 26-32. Yang Xiuchun, Liu Zhidi, Chen Caihong, et al. Analysis of influencing factors of coalbed methane enrichment in Hancheng mining area[J]. China Coalbed Methane, 2013, 10(4): 26-32. |
| [14] |
李剑, 刘琦, 熊先钺, 等. 渭北区块煤体结构测井评价及其在射孔段优化中的应用[J]. 中国煤炭地质, 2017, 45(6): 82-87. Li Jian, Liu Qi, Xiong Xianyue, et al. Well logging evaluation of coal body structure in Weibei block and its application in shot hole section optimization[J]. China Coal Geology, 2017, 45(6): 82-87. |
| [15] |
傅雪海, 陆国桢, 秦杰, 等. 用测井响应拟合煤层气含量和划分煤体结构[J]. 测井技术, 1999, 24(2): 112-115. Fu Xuehai, Lu Guozhen, Qin Jie, et al. Fitting coalbed gas content and dividing coal body structure using logging response[J]. Well Logging Technology, 1999, 24(2): 112-115. |
| [16] |
万玉金, 曹雯. 煤层气单井产量影响因素分析[J]. 天然气工业, 2005, 25(1): 124-126. Wan Yujin, Cao Wen. Analysis of influencing factors on single well production of coalbed methane[J]. Natural Gas Industry, 2005, 25(1): 124-126. |
| [17] |
刘之的, 赵靖舟, 时保宏, 等. 煤层气储层"三品质"测井定量评价方法研究[J]. 天然气工业, 2015, 26(5): 966-978. Liu Zhidi, Zhao Jingzhou, Shi Baohong, et al. Quantitative evaluation method for"three qualities"of coalbed gas reservoirs based on logging[J]. Natural Gas Industry, 2015, 26(5): 966-978. |
| [18] |
刘超, 孙蓓蕾, 曾凡桂, 等. 鄂尔多斯盆地东缘石西区块含氦天然气的发现及成因初探[J]. 煤炭学报, 2021, 46(4): 1280-1287. Liu Chao, Sun Beilei, Zeng Fangui, et al. Discovery and genesis of helium-bearing natural gas in Shixi block, east margin of Ordos Basin[J]. Journal of China Coal Society, 2021, 46(4): 1280-1287. |
| [19] |
贾承造, 郑民, 张永峰. 中国非常规油气资源与勘探开发前景[J]. 石油勘探与开发, 2012, 39(2): 129-136. Jia Chengzao, Zheng Min, Zhang Yongfeng. Unconventional oil and gas resources and prospect of exploration and development in China[J]. Petroleum Exploration and Development, 2012, 39(2): 129-136. |
| [20] |
叶建平, 陆小霞. 我国煤层气产业发展现状和技术进展[J]. 煤炭科学技术, 2016, 44(1): 24-28, 46. Ye Jianping, Lu Xiaoxia. Development status and technological progress of coalbed methane industry in China[J]. Coal Science and Technology, 2016, 44(1): 24-28, 46. |
| [21] |
康永尚, 闫霞, 皇甫玉慧, 等. 深部超饱和煤层气藏概念及主要特点[J]. 石油学报, 2023, 44(11): 1781-1790. Kang Yongshang, Yan Xia, Huangfu Yuhui, et al. Concept and main characteristics of deep supersaturated coalbed methane reservoirs[J]. Acta Petrolei sinica, 2023, 44(11): 1781-1790. |
| [22] |
任战利, 祁凯, 李进步, 等. 鄂尔多斯盆地热动力演化史及其对油气成藏与富集的控制作用[J]. 石油与天然气地质, 2021, 42(5): 1030-1042. Ren Zhanli, Qi Kai, Li Jinbu, et al. Thermodynamic evolution history of the Ordos Basin and its control on hydrocarbon formation and enrichment[J]. Oil & Gas Geology, 2021, 42(5): 1030-1042. |
| [23] |
李明培, 邵龙义, 夏玉成, 等. 鄂尔多斯盆地中部上三叠统瓦窑堡组层序: 古地理与聚煤规律[J]. 古地理学报, 2021, 23(2): 375-388. Li Mingpei, Shao Longyi, Xia Yucheng, et al. Stratigraphy of the Upper Triassic Wayaobao Formation in the central Ordos Basin: paleogeography and coal gathering pattern[J]. Journal of Paleogeography, 2021, 23(2): 375-388. |
| [24] |
匡立春, 董大忠, 何文渊, 等. 鄂尔多斯盆地东缘海陆过渡相页岩气地质特征及勘探开发前景[J]. 石油勘探与开发, 2020, 47(3): 435-446. Kuang Lichun, Dong Dazhong, He Wenyuan, et al. Geologic characteristics and prospect of exploration and development of shale gas in the land-sea transition phase at the eastern margin of Ordos Basin[J]. Petroleum Exploration and Development, 2020, 47(3): 435-446. |
| [25] |
杨焦生, 冯鹏, 唐淑玲, 等. 大宁—吉县区块深部煤层气相态控制因素及含量预测模型[J]. 石油学报, 2023, 44(11): 1879-1891. Yang Jiaosheng, Feng Peng, Tang Shuling, et al. Phase control factors and content prediction model of deep coalbed methane in Daning-Jixian block[J]. Acta Petrolei Sinica, 2023, 44(11): 1879-1891. |
| [26] |
田丰华, 李小刚, 朱文涛, 等. 大宁—吉县区块8号煤裂缝三维特征评价及压裂段优选[J]. 能源与环保, 2023, 45(9): 88-95. Tian Fenghua, Li Xiaogang, Zhu Wentao, et al. Evaluation of three-dimensional characteristics of coal fracture in Daning-Jixian block No.8 and optimization of fracturing section[J]. Energy and Environmental Protection, 2023, 45(9): 88-95. |
| [27] |
Liu Z, Zhao J. Quantitatively evaluating the CBM reservoir using logging data[J]. Journal of Geophysics and Engineering, 2016, 13(1): 59-69. |
| [28] |
Hou J, Zou C C, Huang Z H, et al. Log evaluation of a coalbed methane (CBM) reservoir: a case study in the southern Qinshui Basin, China[J]. Journal of Geophysics and Engineering, 2014, 11(1): 15009-150016. |
| [29] |
Tang X. Quantitative evaluation of CBM reservoir fracturing quality using logging data[J]. Journal of Geophysics and Engineering, 2017, 14(2): 226-237. |
| [30] |
Liu Z, Zhao J, Zhang P, et al. Evaluating the CBM reservoirs using NMR logging data[J]. Open Geosciences, 2018, 10(1): 544-553. |
| [31] |
Zhang S, Men X, Deng Z, et al. Prediction method of coal texture considering longitudinal resolution of logging curves and its application: taking No. 15 coal seam in the Shouyang block as an example[J]. ACS Omega, 2023, 8(31): 28702-28714. |
| [32] |
Li J M, Liu F, Wang H Y, et al. Desorption characteristics of coalbed methane reservoirs and affecting factors[J]. Petroleum Exploration and Development, 2008, 35(1): 52-58. |
| [33] |
Li Y, Wang Z, Tang S, et al. Re-evaluating adsorbed and free methane content in coal and its ad-and desorption processes analysis[J]. Chemical Engineering Journal, 2022, 4(28): 131946-131953. |