波谱学杂志  2015, Vol. 32 Issue (4): 688-698

文章信息

王志战, 李新 , 魏杨旭, 秦黎明, 陆黄生
WANG Zhi-zhan, LI Xin, WEI Yang-xu, QIN Li-ming, LU Huang-sheng
页岩油气层核磁共振评价技术综述
NMR Technologies for Evaluating Oil & Gas Shale: A Review
波谱学杂志, 2015, 32(4): 688-698
Chinese Journal of Magnetic Resonance, 2015, 32(4): 688-698
http://dx.doi.org/10.11938/cjmr20150414

文章历史

收稿日期:2014-08-04
收修改稿日期:2015-10-26
页岩油气层核磁共振评价技术综述
王志战1, 李新1, 魏杨旭2, 秦黎明1, 陆黄生1    
1. 中国石化石油工程技术研究院 测录井研究所,北京 100101;
2. 西安石油大学 地球科学与工程学院,陕西 西安710065
摘要:对于常规储层,核磁共振是一项十分有效的解释—评价技术,它既能评价岩石物性与孔隙结构,又能评价孔隙流体分布与饱和度,且具有快速、无损、经济等特点;而对于页岩储层,其核磁共振受纳米级孔隙、复杂矿物成分、特殊孔隙结构、较高有机质含量、超低渗透性及内部梯度和受限扩散等因素的影响,面临探测分辨率低、解释模型不适用等瓶颈.为了发挥该项技术在页岩油气勘探开发中的作用,将国内外的页岩油气层核磁共振分析、评价技术与相关的页岩油气层实验室微观分析成果相结合,进行了系统梳理,从探测分辨率的提高、孔隙结构与岩石物性评价模型的建立、孔隙流体分布与识别模型的建立等方面进行了综述,提出需加强纳米孔的核磁共振弛豫机理和提高D-T2二维谱分辨率两个基础研究,在此基础上,进一步完善岩石物理及孔隙流体两个评价模型.
关键词页岩(shale)     分辨率     核磁共振     孔隙结构     孔隙流体     评价模型    
NMR Technologies for Evaluating Oil & Gas Shale: A Review
WANG Zhi-zhan1, LI Xin1, WEI Yang-xu2, QIN Li-ming1, LU Huang-sheng1     
1. SINOPEC Research Institute of Petroleum Engineering, Beijing 100101, China;
2. Xi’an Shiyou University, School of Earth Science and Engineering, Xi’an 710065, China
* Corresponding author: WANG Zhi-zhan: Tel: +86-10-84988382, E-mail: pjes@163.com.
Abstract: For conventional reservoir, NMR is an effective technology that can be used to evaluate petrophysics and pore structure, distribution and saturation of pore fluid rapidly, nondestructively and economically. Applying NMR technologies to evaluate shale reservoir, however, often encounters problems such as low resolution and inapplicable interpretation and evaluation models, due to reservoir characteristics such as nanoscale pore, complex mineral composition, complex pore structure, high organic content, ultralow permeability, influence of internal field gradients and restricted diffusion et al. In this paper, we reviewed recent progresses in NMR technologies for shale oil and gas exploration and exploitation, and related data analysis methods. Special attention was given to areas such as improvement of NMR detection resolution and novel evaluation models for pore structure, rock physical property, and pore fluid distribution and recognition. Two areas needed further research are identified: relaxation mechanisms inside nano-pore and improving pore scale resolution of D-T2. Petrophysics evaluation model and pore fluid evaluation model also need to be further optimized.
Key words: shale      resolution     NMR     GRE     pore structure     pore fluid    
 引言

页岩油气是自生自储、原位饱和成藏的非常规油气资源[1],页岩储层具有纳米级孔隙、超低渗透性、非达西渗流[2]、元素成分复杂(四十多种)[3]和孔隙结构复杂(有机质孔隙、矿物基质孔隙、微裂缝)[4, 5, 6, 7, 8]等特征,对其进行评价的重点是烃源性(地化特性)、岩性、物性、脆性、含油气性及应力的各向异性等[9].低场核磁共振技术能够无损探测和准确评价储层物性、孔隙结构及孔隙流体特性,是一项重要的储层评价技术[10, 11, 12].但对页岩储层,它却面临分辨率低、信噪比低、解释模型不适用等诸多挑战.

为此,国内外学者开展了不同方向、不同程度的技术研究与方法研究,为页岩油气层高分辨率一维核磁共振及二维核磁共振评价模型的建立奠定了基础,对发挥核磁共振在非常规储层评价中的作用具有重要的指导意义.

1 探测分辨率与信噪比的提高

常规储层通过原始样的核磁共振T2谱、饱和样的核磁共振T2谱、泡锰样的核磁共振T2谱及三者的叠加、对比,便可准确评价储层物性、孔隙结构及孔隙流体特性(类型、分布、饱和度等)[10, 11, 12],所采用的CPMG脉冲序列聚焦于对长弛豫的优化,对回波间隔(TE)的要求并不高,核磁共振测井仪器、录井仪器及实验室仪器的TE大多为0.6 ms,T2谱从0.1 ms(核磁共振录井)或1 ms(核磁共振测井)开始反演,满足不了纳米孔储层评价的需要.为此,国内外均将核磁共振实验室分析仪器的TE最短缩至60 ms[13, 14].在提高信噪比方面,国外主要采用2 MHz的共振频率[15],通过Q-sense技术[15]或提高反演迭代次数[16]提高信噪比,而国内则通过将场强提高到11 MHz来增强信噪比[17].泥页岩的Fe、Mn含量通常要高于砂岩[18],在11 MHz的场强下,孔隙流体的核磁共振信号是否受到氢原子以外其他具有核磁共振特性的元素以及岩石骨架内顺磁性物质的影响,尚未见到文献报道.Martínez等人[19]通过磁化率的测定,表明泥页岩中并不含有大量影响核磁共振信号的强磁性成分.在提高采集信噪比与分辨率的基础上,国内外学者开展了不同方向、不同程度的评价方法研究,为发挥一维核磁共振及二维核磁共振在页岩油气层中的作用奠定了基础.

2 孔隙结构与物性评价 2.1 孔喉尺度的划分与计算

纳米级孔喉系统储层“连续型”油气聚集是非常规油气的地质理论创新[20].对泥页岩纳米级孔隙φ的尺度分类,通常采用Rouquerol等人[5, 21, 22]的3级方案:微孔(φ < 2 nm)、中孔(2 nm £ φ< 50 nm)、宏孔(φ > 50 nm).孔隙流体的核磁共振T2弛豫时间包括表面弛豫(T2s)、体弛豫(T2b)和扩散弛豫(T2d)三部分:

由于页岩的孔隙尺度为纳米级,所以表面弛豫起主要作用;页岩油气藏关注的重点是气和轻质油,其体弛豫较长,因此(1)式中的1/T2b可以忽略;在没有施加梯度场和内部梯度不太高的情况下,1/T2d也可以忽略.(1)式简化为:

对于孔隙,其形状可理想化为球体[23, 24],则:

即:

对于裂缝,其形状可理想化为圆柱体[22],则有:

(3)~(5)式中,T2 —横向弛豫时间(ms);ρ —表面弛豫率(nm/ms);r —孔隙半径(nm);S —孔隙表面积;V —孔隙体积;w —裂缝宽度(nm).

从(4)和(5)式可以看出,在仪器精度满足需求的情况下,T2与孔喉尺度之间的换算关系取决于岩样的表面弛豫率.Jiang等人将Eagle Ford页岩的表面弛豫率定为4.4 nm/ms[23];Sondergeld等人[25]将页岩的表面弛豫率定为0.05 μm/ms;Giovanna 等人[26]给出不同地区4个样品的表面弛豫率分别为7 nm/ms、8 nm/ms、26 nm/ms和16 nm/ms.

由此可见,不同地区的页岩表面弛豫率不同.

2.2 孔隙成因与孔隙结构评价

泥页岩的孔隙按成因分为有机孔(干酪根孔隙)、无机孔(亦称矿物基质孔隙,包括粒内孔和粒间孔)和微裂缝孔隙[4, 5, 6, 7, 8, 27].不同成因类型的孔隙,其尺度分布范围很宽,且相互重叠.如杨峰等人[5]的研究成果表明:有机孔的大小为8~950 nm;黏土矿物粒间孔为50~800 nm;微裂缝长度为5.5~12 μm,裂缝间距可达50 nm以上.Loucks等人[4]的研究成果表明:粒间孔的长轴长度介于0.03~2 μm之间;粒内孔的大小介于0.01 ~1 μm之间,有机孔的长度介于5~750 nm之间.核磁共振T2谱反应的是孔隙尺度与丰度的分布.Sondergeld等人[25]采用0.05 μm/ms的表面弛豫率,按(4)式计算页岩的孔喉尺度,并与该样品的扫描电镜(SEM)图像进行了对比,认为3 ms以下的短弛豫峰为干酪根生烃所产生的3~100 nm之间的孔隙(图 1左).Odusina等人[28]也采用0.05 μm/ms的表面弛豫率,按(5)式的计算模型,将Barnett饱和页岩的核磁共振T2谱与X射线微型电子计算机断层扫描图像(X-CT)进行了对比,得出的结论是T2谱上10~100 ms的峰代表 1~10 μm的微裂缝(图 1右),而其幅度则代表了微裂缝的体积.

图 1 页岩核磁共振T2谱与扫描电镜图像SEM(左)和X射线徽型CT扫描图像X-CT(右)的对比(左右图分别来自文献[25][28] Fig. 1 Comparison between shale T2 spectrum and its SEM image (left figure,from ref. [25]),shale T2 spectrum and its X-CT image (right figure,from ref. [28])
2.3 孔隙度评价

不同的孔隙度测量方法,其分辨率不同[29]图 2).按照0.05 μm/ms的表面弛豫率,核磁共振能探测到孔径为3 nm的孔喉,按4.4 nm/ms的表面弛豫率,则可探测到0.26 nm的孔喉.可见核磁共振具有较高的孔喉尺度分辨率,完全能够满足页岩油气储层评价的需要.

图 2 页岩孔隙直径探测分辨率的对比(据文献[29]修改) Fig. 2 Resolusion comparison among different instruments on pore diameter of shale (modified on the basis of ref. [29])

对于常规储层,核磁共振的脉冲序列及评价模型着重于可动流体部分,并基于以下几点假设[15, 16]:束缚流体是水;可动流体为中~轻质油;孔隙表面为水湿,烃类分子在孔隙内自由扩散.对于页岩油气储层,油气主要分布于弛豫较快的束缚流体区,且可能含有沥青,孔隙表面多为油湿(有机孔)或混湿(无机孔)[15].因此,页岩油气储层的岩石物理评价模型要比常规储层复杂的多.Bustin等人[29]、Passey等人[30]、Cao等人[16]分别给出了页岩的岩石物理模型,这3个模型基本一致:页岩的基质包括无机基质(粘土、非粘土)和有机基质(干酪根);而孔隙流体包括粘土束缚水、毛管束缚水、可动水和烃类.总孔隙度是指所有孔隙流体所占据的孔隙空间(图 3).由于页岩油气的开采需要采用大型水力体积压裂等非常规工艺,使得储层的有效性评价变得异常困难,所以相关文献都没有给出与T2谱相结合的有效孔隙度评价模型.

图 3 页岩气储层的岩石物理模型(据文献[29]修改) Fig. 3 Petrophysics model of gas shale reservoir (modified on the basis of ref. [29])
2.4 渗透率评价

页岩的基质渗透率非常低,介于0.000 3 ~ 0.2 mD之间[17],主要靠水平井的规模压裂产生“人造渗透率”[2],即通过压裂缝与基质孔隙、天然裂缝的沟通来增强孔隙流体的渗流能力[31].页岩的渗透率极为复杂[32],常用的测量方法有气测法(在17 MPa的围压下测量压力或脉冲的衰减)、压汞毛管压力法(MICP)[33].Coates、SDR等[34]核磁共振渗透率计算模型(与核磁共振总孔隙度、T2几何平均、T2截止值有关)适用于毫达西级(遵循达西定律)的常规储层.对于纳达西级、非达西渗流的非常规储层却不适用.Bray和Smith等人[35, 36]给出了基于孔隙度分量的、适用于纳达西级的非常规储层渗透率计算模型:

(6)式中,K —Bray-Smith渗透率;${\phi _e}$—有效孔隙度;${f_i}$—权重因子;${\phi _i}$—孔隙度分量; ${\phi _{BVI}}$—束缚流体孔隙度;p,s —经验常数.

3 孔隙流体分布与识别 3.1 孔隙流体分布

对孔隙流体的赋存状态可从孔隙成因和孔喉尺度两个角度进行研究.Cao等人[16]认为非粘土基质的孔、洞、缝包含自由水/毛管束缚水、游离气、油,粘土孔隙包含粘土束缚水,干酪根孔隙(有机孔)包括吸附气、游离气、油.Kausik等人[37]认为在有机孔的孔壁表面流体是吸附的或束缚的,而在有机孔的中央,流体是游离的或可动的.

杨峰等人[5]认为<50 nm的微孔和中孔提供了主要的比表面积和孔体积,是气体吸附和存储的主要场所;有机孔和粒间孔是页岩中发育最广泛的两种孔隙类型,主要储集吸附气,而微裂缝则储集游离气.有机孔的发育程度与有机碳含量、有机质类型及热成熟度有关[38],其对气体的吸附能力与孔隙表面积成正相关,有机孔越发育,吸附气含量越高.不同的粘土矿物对甲烷的吸附能力不同,其顺序为:蒙脱石>伊-蒙混层>高岭石>绿泥石>伊利石[39].魏祥峰等人[40]认为微孔隙越发育,泥页岩孔隙的比表面积和孔体积越大,越有利于泥页岩对页岩气的吸附储集.张雪芬等人[22]则认为中孔和宏孔有利于游离态页岩气的储存.因此对页岩孔隙空间的有效性主要有两种观点:有效孔隙=总孔隙[29, 36];有效孔隙=总孔隙-粘土束缚水孔隙[18]. 对有机孔中的流体,国外的观点是既有束缚的或吸附的,也有可动的或游离的,而国内的观点倾向于仅有束缚流体或吸附气.

3.2 孔隙流体识别

对于常规储层,核磁共振是识别孔隙流体的有效手段之一.在T2一维谱上,通过样品在弛豫试剂中浸泡前、后谱图的对比,便可区分油水性质、评价油水分布及其饱和度[41, 42];在D-T2二维谱上,样品无需在弛豫试剂中浸泡,通过扩散系数及弛豫时间的相对差异,便可直观区分流体性质,评价其分布及饱和度[43, 44, 45].对于超低渗透的页岩储层,无论是一维谱的方法还是二维谱的方法都存在不适应性.对于一维核磁共振,弛豫试剂难以扩散进孔隙中,需要更长的浸泡时间,且程度上难以把握,因而在区分流体性质及评价饱和度方面存在很大的不确定性和不准确性[13].对于二维核磁共振,流体扩散在纳米级孔隙中受限,且会产生较强的内部梯度,并受润湿性、原油粘度、胶结因子、弛豫率等因素的影响,流体识别与评价模型要比常规储层复杂的多[16, 46, 47]

孔隙流体的扩散特性常用扩散系数即单位时间内扩散位移的均方差来表示.对自由流体和常规储层的孔隙流体,其扩散是不受限的.在常温下,气、水的扩散系数均为常数;而油的扩散系数与其黏度成反比,在D-T2二维谱上为一斜线[48, 49]图 4).对于受限扩散,当弛豫时间较短、扩散长度小于孔隙尺度时,其扩散系数小于自由(不受限)流体的扩散系数,即:

(7)式中,D0为自由流体扩散系数;S/V为孔隙表面积与体积之比;t为时间.

图 4 不受限扩散的解释模型(据文献[16]修改) Fig. 4 Interpretation model of conventional reservoir (modified on the basis of ref. [16])

当弛豫时间较长、扩散长度明显大于孔隙尺度时,扩散系数趋向于孔隙曲度,此时:

(8)式中,m为胶结指数;$\phi $为孔隙度.

利用Padé近似算法[50]建立快弛豫与慢弛豫之间的关联,便可导出扩散线方程为:

(9)式中,$\alpha = \frac{4}{{9\sqrt \pi }}(1/{T_{2{\text{s}}}}{\rho _{eff}})$,${\rho _{eff}}$为有效弛豫率;$\gamma = 1 - \frac{{{D_0}}}{{{D_\infty }}}$;LD为扩散长度;LM为孔隙流体的非均质尺度.

将(9)式中的D0分别用油、气、水的扩散系数代替,(8)式中的分别用油、气、水的体积代替,便可得出油、气、水的扩散线.胶结因子越高,快弛豫的扩散线越低;弛豫率越高,慢弛豫的扩散线也越高(图 5).可见,在非常规储层的D-T2二维谱上,油、气、水的分布变得异常复杂 ,在流体性质难以区分的情况下,可借助扩散系数平均线进行辅助识别[42]

图 5 受限扩散的解释模型(据文献[16]修改) Fig. 5 Interpretation model of unconventional reservoir (modified on the basis of ref. [16])

D-T2二维核磁共振,由于施加了脉冲梯度,D-T2二维核磁共振的孔隙尺度分辨率要低于一维谱,仅能探测到几个甚至几十个毫秒以后的孔隙流体信号,且由于受限扩散、内部梯度、胶结因子、表面弛豫率等因素的影响,孔隙流体的解释模板变得异常复杂,常规储层及自由流体的解释模板并不适用.

4 结论与认识

由上述文献综述,可以得出:

(1) 通过提高软硬件性能、优化脉冲序列和采集参数,低场核磁共振的分辨率及信噪比得到进一步提高,一维谱的分辨率满足了纳米孔页岩储层评价的需要,二维核磁共振由于多采用脉冲梯度,不可避免地引入了死时间,其孔隙流体探测分辨率低于一维谱.

(2) 页岩的高分辨率一维核磁共振弛豫谱,通常呈现3个峰;不同地区的页岩,其表面弛豫率不同;对于一定成熟度的页岩,能够按孔喉尺度区分不同的孔隙类型:有机孔、无机孔、微裂缝.

(3) 国内外学者对有机孔中流体的分布状态存在不同的认识,根据国外学者的认识,可以在T2谱上划分出不同的流体分布状态:吸附气或束缚流体、游离气或可动流体;而国内学者的观点倾向于仅有束缚流体或吸附气.受页岩复杂特性的影响,核磁共振二维谱在区分流体性质方面的解释模型变得异常复杂,与流体扩散并不受限的常规储层相比,存在较大差异.

(4) 仍需加强纳米孔储层的弛豫机理及提高二维谱的分辨率基础研究,结合其他实验成果及生产成果,进一步完善页岩的孔隙结构评价模型及孔隙流体评价模型,提高对页岩储层的评价精度.

参考文献
[1] Zou Cai-neng(邹才能), Dong Da-zhong(董大忠), Yang Hua(杨桦), et al. Conditiona of shale gas accumulation and exploration practice in China(中国页岩气形成条件及勘探实践)[J]. Natural Gas Industry(天然气工业), 2011, 31(12): 26-39.
[2] Zou Cai-neng(邹才能). Unconventional Petroleum Geology(非常规油气地质)[M]. Beijing(北京): Geological Pubilishing House(地质出版社), 2013.
[3] Buller D, Hughes S, Petre E, et al. Petrophysical Evaluation for Enhancing Hydraulic Stimulation in Horizontal Shale Gas Wells[C]. SPE 132990, 2010.
[4] Loucks R G, Reed R M, Ruppel S C, et al. Spectrum of pore types and networks in mudrocks and a descriptive classification for matrix-related mudrock pores[J]. AAPG Bulletin, 2012, 96(6): 1 071-1 098.
[5] Yang Feng(杨峰), Ning Zheng-fu(宁正福), Hu Chang-peng(胡昌蓬), et al. Characterization of microscopic pore structures in shale reservoir(页岩储层微观孔隙结构特征)[J]. Acta Petrolei Sinica(石油学报), 2013, 34(2): 301-311.
[6] Zhong Tai-xian(钟太贤). Characteristics of pore structure of marine shales in south China(中国南方海相页岩孔隙结构特征)[J]. Natural Gas Industry(天然气工业), 2012, 32(9): 1-4.
[7] Han Hui(韩辉), Zhong Ning-ning(钟宁宁), Jiao Shu-jing(焦淑静), et al. Scanning electron microscope observation of pores in mudstone and shale(泥页岩孔隙的扫描电子显微镜观察)[J]. Journal of Chinese Electron Microscopy Society(电子显微学报), 2013, 32(4): 325-330.
[8] Han Shuang-biao(韩双彪), Zhang Jin-chuan(张金川), Brian Horsfield, et al. Pore types and characteristics of shale gas reservoir: a paleozoic case study of lower shale in southeast Chongqing(页岩气储层孔隙类型及特征研究: 以渝东南下古生界为例)[J]. Earth Science Frontiers(地学前缘), 2013, 20(3): 247-253.
[9] Zou Cai-neng(邹才能), Yang Zhi(杨智), Zhang Guo-sheng(张国生), et al. Conventional and unconventional petroleum “orderly accumulation”: Concept and practical significance(常规-非常规油气“有序聚集”理论认识及实践意义)[J]. Petroleum exploration and development(石油勘探与开发), 2014, 41(1): 14-27.
[10] Wang Zhi-zhan(王志战), Zhai Shen-de(翟慎德), Zhou Li-fa(周立发), et al. Application of nuclear magnetic resonance logging technology in physical property analysis of rock(核磁共振录井技术在岩石物性分析方面的应用研究)[J]. Peteroleum Geology & Experiment(石油实验地质), 2005, 27(6): 619-623.
[11] Wang Zhi-zhan(王志战), Xu Xiao-qiong(许小琼). Quantitative evaluation of reservoir separation with MR-ML technology(利用核磁共振录井技术定量评价储层的分选性)[J]. Chinese J Magn Reson(波谱学杂志), 2010, 27(2): 214-220.
[12] Wang Z Z, Martinez Y, Strack K, et al. Applications of NMR Mud Logging Technology in China[R]. SPWLA 2007 Annual Logging Symposium, X.
[13] Wang Zhi-zhan(王志战), Zhai Xiao-wei(翟晓薇), Qin Li-ming(秦黎明), et al. Overview on shale oil and gas logging technology(页岩油气藏录井技术现状及发展思路)[J]. Mud Logging Engineering(录井工程), 2013, 24(3): 1-5.
[14] Magritek, Rock Core Analyzer Features [EB/OL]. http://www.magritek.com/products/rock-core-analyzer/features/.
[15] Rylander E, Jiang T M, McLin R, et al. NMR T2 Distributions in the Eagle Ford Shale Reflections on Pore Size[C]. SPE 164554, 2013.
[16] Cao M C, Crary S, Zielinski L, et al. 2D NMR Applications in Uncoventional Reservoirs[C]. SPE 161578, 2012.
[17] Editorial Committee of the 2nd China Mudlogging Technology Conference(第二届中国石油工业录井技术交流会论文集编委会). Proceedings of the 2nd China Mudlogging Technology Conference(第二届中国石油工业录井技术交流会论文集)[C]. Qingdao(青岛): China University of Petroleum Press(中国石油大学出版社), 2013.
[18] Du Zhi-qiang(杜志强), Wang Fei-long(王飞龙), Zhang Guo-long(张国龙), et al. X ray fluorescence cutting logging test and its preliminary utilization in horizontal well geosteering(X射线荧光岩屑录井技术试验及在水平井地质导向中的初步应用)[J]. Mud Logging Engineering(录井工程), 2008, 19(2): 13-17.
[19] Gabriela A Martínez, Lorne A D. Petrophysical Measurements on Shales Using NMR[R]. SPE 62851, 2000.
[20] Zou Cai-neng(邹才能), Yang Zhi(杨智), Tao Shi-zhen(陶士振), et al. Nano-hydrocarbon and the accumulation in coexisting source and reservoir(纳米油气与源储共生型油气聚集)[J]. Petroleum Exploration and Development(石油勘探与开发), 2012,39(1):13-26.
[21] Zou Cai-neng(邹才能), Dong Da-zhong(董大忠), Wang She-jiao(王社教), et al. Geological characteristics, formation mechanism and resource potential of shale gas in China(中国页岩气形成机理、地质特征及资源潜力)[J]. Petroleum Exploration and Development(石油勘探与开发), 2010, 37(6): 641-653.
[22] Zhang Xue-fen(张雪芬), Lu Xian-cai(陆现彩), Zhang Lin-ye(张林晔), et al. Occurrences of shale gas and their petroleum geological significance(页岩气的赋存形式研究及其石油地质意义)[J]. Advances in Earth Science(地球科学进展), 2010, 25(6): 597-604.
[23] Gomaa A M, Zhang B Y, Chen J H, et al. Innovative Use of NMR to Study the Fracture Fluid Propagation in Shale Formation[C]. SPE 168619, 2014.
[24] Chi L, Zoya H. Quantifying the Impact of Natural Fractures and Pore Structure on NMR Measurements in Multiple-Porosity Systems[C]. IPTC 17688, 2014.
[25] Sondergeld C H, Newsham E K, Comisky J T, et al. Petrophysical Considerations in Evaluating and Producing Shale Gas[C]. SPE 131768, 2010.
[26] Carneiro G, Souza A, Boyd A, et al. Evaluating Pore Space Connectivity by NMR Diffusive Coupling[C]. Dhiba, SPWLA, 2014.
[27] Jia Cheng-zao(贾承造), Zou Cai-neng(邹才能), Li Jian-zhong(李建忠), et al. Assessment criteria,main types, basic features and resource prospects of the tight oil in China(中国致密油评价标准、主要类型、基本特征及资源前景)[J]. Acta Petrolei Sinica(石油学报), 2012, 33(3): 343-350.
[28] Odusina E, Sondergeld C, Rai C. An NMR Study on Shale Wettability[C]. CSUG/SPE 147371, 2011.
[29] Bustin R M, Bustin A M M, Cui X, et al. Impact of Shale Properties on Pore Structure and Storage Characteristics[C]. SPE 119892, 2008.
[30] Passey Q R, Bohacs K M, Esch W L, et al. From Oil-Prone Source Rock to Gas-Producing Shale Reservoir – Geologic and Petrophysical Characterization of Unconventional Shale-Gas Reservoirs[C]. SPE 131350, 2010.
[31] Dehghanpour H, Shirdel M. A Triple Porosity Model for Shale Gas Reservoirs[C]. CSUG/SPE 149501, 2011.
[32] Pour S, Bryant S L. Gas Permeability of Shale[C]. SPE 146944, 2011.
[33] Clarkson C R, Wood J M, Burgis S E, et al. Nanopore Structure Analysis and Permeability Predictions for a Tight Gas/Shale Reservoir Using Low-Pressure Adsorption and Mercury Intrusion Techniques[C]. SPE 155537, 2012.
[34] Li Zhi-tao(李志涛), Wang Zhi-zhan(王志战), Lu Zhi-yong(路智勇). Surface NMR Oil and Gas Analysis Technology(地面核磁共振油气分析技术)[M]. Qingdao(青岛): China University of Petroleum Press(中国石油大学出版社), 2014.
[35] Bray J, Smith C H, Ramakrishna S, et al. Magnetic Resonance Utilization as an Unconventional Reservoir Permeability Indicator[C]. SPE 145709, 2011.
[36] Smith C H, Ramakrishna S, Bray J. Magnetic Resonance to Identify Permeability in Shale Reservoirs[C]. SPE 166992, 2013.
[37] Kausik R, Minh C C, Zielinski L, et al. Characterization of Gas Dynamics in Kerogen Nanopores by NMR[C]. SPE 147198, 2011.
[38] Curtis M E, Cardott B J, Sondergeld C H, et al. The Development of Organic Porosity in the Woodford Shale Related to Thermal Maturity[C]. SPE 160158, 2012.
[39] Zhang T W, Ellis G S, Ruppel S C, et al. Effect of Organic Matter Properties, Clay Mineral Type and Thermal Maturity on Gas Adsorption in Organic-Rich Shale Systems[C]. SPE 168862/URTeC 1583690, 2013.
[40] Wei Xiang-feng(魏祥峰), Liu Ruo-bing(刘若冰), Zhang Ting-shan(张廷山), et al. Micro-pores structure characteristics and development control factors of shale gas reservoir: A case of longmaxi formation in XX area of southern Sichuan and northern guizhou(页岩气储层微观孔隙结构特征及发育控制因素——以川南—黔北XX地区龙马溪组为例)[J]. Natural Gas Geoscience(天然气地球科学), 2013, 24(5): 1 048-1 059.
[41] Wang Zhi-zhan(王志战), Xu Xiao-qiong(许小琼). Research on reservoir aquosity and reservoir validity indentification based on mud-logging method——case of northern slope belt of Dongying sag(储层含水性与有效性的录井识别方法——以东营凹陷北部陡坡带为例)[J]. Petroleum Geology and Recovery Efficiency(油气地质与采收率), 2010, 17(2): 67-69.
[42] Wang Zhi-zhan(王志战), Xu Xiao-qiong(许小琼), Zhou Bao-jie(周宝洁). Relaxation feathures of pore fluid and water/oil bed recognition with NMR technology(孔隙流体核磁共振弛豫特征及油水层识别方法)[J]. Petroleum Geology and Recovery Efficiency(油气地质与采收率), 2011, 18(2): 41-44.
[43] Gu Zhao-bin(顾兆斌), Liu Wei(刘卫), Sun Dian-qing(孙佃庆), et al. Identify reservoir fluid types with two dimensional NMR techniques(基于核磁共振二维谱技术识别储层流体类型)[J]. Journal of Southwest Petroleum University(Science & Technology Edituin)[西南石油大学学报(自然科学版)], 2010, 32(5): 83-83.
[44] Sun B Q. In situ fluid typing and quantification with 1D and 2D NMR logging[J]. Magn Reson Imaging, 2007, 25(4): 521-524.
[45] Emmanuel T, Sun B Q, Adil M, et al. Revisiting Log-Inject-Log NMR for Remaining Oil Determination: A Field Application of T2-D NMR in the Permian Basin[C]. SPWLA 2011 Annual Logging Symposium, AA, 2011.
[46] Emmanuel T, Carlos T V, Sun B Q, et al. Lomits of 2D NMR interpretation techniques to quantify pore size, wettability and fluid type: a numerical sensitivity study[J]. SPE Journal, 2006, 9: 353-363.
[47] Zielinski L, Ramamoorthy R, Minh C C, et al. Restricted Diffusion Effects in Saturation Estimates from 2D Diffusion- Relaxation NMR Maps[C]. SPE 134841, 2010.
[48] Gu Zhao-bin(顾兆斌), Liu Wei(刘卫), Sun Dian-qing(孙佃庆), et al. Application of 2D NMR techniques in petroleum logging(2D NMR 技术在石油测井中的应用)[J]. Chinese J Magn Reson(波谱学杂志), 2009, 26(4): 560-568.
[49] Hu Fa-long(胡法龙), Zhou Can-can(周灿灿), Li Chao-liu(李潮流), et al. Fluid identification method based on 2D diffusion-relaxation nuclear magnetic resonance(基于弛豫-扩散的二维核磁共振流体识别方法)[J]. Petroleum Exploration and Development(石油勘探与开发), 2012, 39(5): 552-558.
[50] Hürlimann M D, Helmer K G, Latour L L, et al. Restricted diffusion in sedimentary rocks: determination of surface-area- to-volume ratio and surface relaxivity[J]. J Magn Reson, 1994, 111(2): 169-178.