考虑流固耦合作用的超深缝洞型碳酸盐岩储层连通性表征:以塔里木盆地富满油田满深区块为例

Characterization of Connectivity in Ultra-Deep Fractured-Caveate Reservoirs Considering Fluid-Solid Coupling: A Case Study of the Manfen Block in the Fuman Oil Field of the Tar Basin

摘要

超深缝洞型碳酸盐岩储层埋藏深,压力高,储集空间复杂多样,流体流动渗流、自由流并存,储层连通性表征困难,而储层连通性的精确表征是寻找油气富集区、储量精确预测、井网优化和井位部署的关键所在。为此,以塔里木盆地富满油田超深缝洞型碳酸盐岩储层为研究对象,考虑流固耦合作用,建立缝洞型储层应力-渗流-自由流耦合数学模型,采用岩石渗透率演化试验和数值模拟相结合的方法,系统开展了超深缝洞型碳酸盐岩储层连通性研究。研究结果表明:随着围压、轴压的增加,岩石渗透率逐渐降低,岩石连通性减弱;低围压条件下,轴压对岩石渗透能力和连通性影响显著;随着裂缝开度和倾角的增加,储层连通性逐渐增强;裂缝连通溶洞能够显著改善储层连通性;随着溶洞体积的增加,流体流速与等效渗透率增大,显著改善储层连通性;而单纯增加溶洞数量,会减弱自由流(Stokes)效应,改善储层连通性效果不明显。研究成果可为深层碳酸盐岩储层精确评价,提高油气高效勘探开发效果提供技术支撑。

关键词

超深层 / 碳酸盐岩 / 储层连通性 / 岩石力学特性 / 流固耦合作用

Key words

ultra-deep reservoir / carbonate reservoir / reservoir connectivity / rock mechanical properties / fluid-solid coupling

0 引言

超深层缝洞型碳酸盐岩油气藏作为一种重要的非常规油气资源,储量丰富,勘探开发潜力巨大,近年来已成为油气增储上产的重要领域^[1⇓-3],而超深层缝洞型碳酸盐岩储层连通性的精确表征是寻找油气富集区、储量精确预测、井网优化和井位部署的关键所在。目前,碳酸盐岩储层连通性主要从静态和动态两方面研究。(1)静态连通性表征:通常采用岩溶、测录井资料、地震反演和地质建模等方法,研究缝洞组合关系、充填特征等,从地质角度研究缝洞储集体结构和连通情况^[4-5]。王平等^[6]在油水空间关系研究基础上,建立了多缝洞体油水分布样式;李静等^[7]基于显微红外光谱技术建立了反映岩石结构的微观有限元模型,研究了碳酸盐岩储层微观连通性;耿甜等^[8]基于地震属性优选刻画了缝洞空间结构;Fadlelmula等^[9]、Høyer等^[10]提出基于训练图像优选方法的多点地质统计学理论,刻画缝洞体发育形态及空间分布特征;刘军等^[11]运用多类型储集层融合和三维空间雕刻技术呈现储集层空间配置关系,评价储层连通性。(2)动态连通性表征:主要通过示踪剂监测和干扰试井(脉冲试井)监测方法,Pu等^[12] 、Jing等^[13]和Yang等^[14]通过示踪剂测试确定了缝洞型油藏井间连通性;Kumar等^[15]、Manchanda等^[16]和Serres-Piole等^[17]利用脉冲试井数据和示踪剂分布情况,研究了井间连通情况;雷裕红等^[18]和谢昕翰等^[19]采用产能特征评价井间连通性;康志宏等^[20]通过储层流体地化差异分析了井间连通情况;赵辉等^[21]建立基于物质平衡原理的井间连通程度反演模型;Moreno等^[22]基于生产动态数据明确了井间连通性不确定问题;Zeng等^[23]基于注油井和生产井的生产数据,利用人工神经网络模型表征了井间动态连通性。

尽管上述碳酸盐岩储层连通性的相关研究已经取得了不少成果,但基于岩石物理力学特性的缝洞型储层连通性表征却鲜有报道,而超深层碳酸盐岩储层埋藏深,地质力学环境复杂,岩石物理力学性质是储层连通性主要影响因素之一。因此, 本文基于三向应力条件下的岩石渗透率应力敏感性试验和缝洞型碳酸盐岩储层数值模拟方法,系统开展超深层缝洞型碳酸盐岩储层连通性研究,为超深层碳酸盐岩油气高效勘探开发提供技术支撑。

1 研究区概况

塔里木盆地富满油田位于新疆维吾尔自治区塔里木盆地塔北和塔中两大含油气区之间,与轮古-塔河-哈拉哈塘-英买力油田构成奥陶系缝洞型碳酸盐岩特大型油气藏,埋藏深,储集空间复杂,走滑断裂发育,断裂周围常形成断裂夹层和破碎带(图1)。选取富满油田满深A井区作为研究区,目的层埋深7 000~8 000 m,勘探开发难度大。

2 岩石渗透率演化实验

研究区储层埋藏深,受三向应力作用,通过开展岩石三向应力条件下渗透率演化试验(图2),揭示流体与岩石在三向应力条件下的耦合作用机制,厘定覆压条件下深层储层岩石渗透率演化特征和连通性变化规律,为后续储层连通性数值模拟研究提供物性参数。

2.1 实验原理

实验所用岩心取自ManSA井,将岩石制备成ϕ25 mm×50 mm的柱状岩样,放置于三轴加载压力室内,分别对岩样轴向和径向施加轴压和围压,同时在岩样轴向两端设置渗流压差,如图2b所示,使具有一定黏度的流体通过岩样并达到稳定状态,通过Darcy定律式(1)得到渗透率:

(1)k= \frac{QL\mu }{A\mathrm{\Delta }p}

式中:k为岩石的渗透率,μm²;Q为岩石流体流量,μm²;L为岩石的长度,m;μ为流体动力黏度,Pa·s;A为岩心横截面积,m²;Δp为岩心两端压差,MPa。

2.2 实验方案

为探究储层岩石在不同围压和轴压条件下的渗透率变化规律,明确应力对储层岩石连通性的影响,以N₂为实验气体开展三向应力条件下岩石渗透率演化实验,实验方案如表1所示,实验中施加的是有效围压。

2.3 实验结果

研究区储层岩石三向应力条件下渗透率实验结果如表2所示。

为直观展示岩石渗透率演化规律,将实验结果绘制成图,如图3所示。

由图3可以看出,定轴压条件下,岩石渗透率随围压的增大呈减小趋势,但减小幅度有差异。分析原因为随围压的增大,岩石内部有效应力增加,部分裂隙受压变窄,甚至闭合,岩石渗透率随之减小,连通性变差。当围压小于40 MPa时,轴压对岩石渗透率影响较为显著,轴压较小时,岩石内部孔隙空间较大,渗流能力和连通性好,渗透率较大;随轴压继续增大,岩石骨架产生较大变形,骨架空间被压缩,裂缝开度减小,流体渗流更加困难,连通性变差,表现为岩石渗透率减小。由此可见,储层覆压条件下应力状态会使岩石内部渗流路径发生改变,对储层渗流特性和连通性产生较大影响。

3 应力-渗流-自由流耦合数学模型建立

基于流体在储层不同介质中的流动规律,引入Darcy流与Navier-Stokes流交界面的内边界条件,建立适用于缝洞型储层的流体流动模型,即Darcy-Stokes流动模型,实现达西流和自由流的耦合。同时,考虑流固耦合作用,建立缝洞型储层流体流动数学模型,实现应力与流体耦合。应力-渗流-自由流耦合模型建立流程如图4所示。

3.1 Darcy-Stokes数学模型

(1)基质Darcy渗流方程。缝洞型碳酸盐岩储层裂缝、孔洞和溶洞发育。基质孔渗低,内部发育孔隙和微裂缝,流体流动符合广义Darcy定律,如式(2)所示。

(2)ν=- \frac{K}{\mu }(∇p_d-ρg)

式中:ν为基质渗流速率,m/s;μ为流体的黏度,Pa·s;∇为哈密顿算子;p_d为孔隙压力,Pa;ρ为流体密度,kg/m³;g为重力加速度,N/kg;K为渗透率张量。

(2)缝洞Navier-Stokes流动方程。裂缝、孔洞和溶洞作为缝洞型碳酸盐岩储层的主要储集空间,尺度差异大,内部流体流动特性复杂多样。对于微纳米级小尺度缝洞,Darcy渗流仍然成立,但对于毫米、厘米和米级尺度的溶洞和裂缝,Darcy定律不再适用,故采用Navier-Stokes方程描述溶洞和裂缝内流体的自由流动,如式(3)所示。

(3) \frac{\partial \nu }{\partial t}+(ν·∇)ν=f- \frac{1}{\rho }∇p+ \frac{\mu }{\rho }∇²ν

式中:ρ为流体密度,kg/m³;ν为流体流速矢量,m/s;f为单位体积流体所受外力,Pa;∇为哈密顿算子;p为孔隙压力,Pa;μ为流体动力黏度,Pa·s。

3.2 应力场控制方程

(1)应力平衡方程。储层岩石在应力作用下会产生形变,但其仍处于平衡状态。如图5所示,记平面yoz为β,其对面记为β',点A为平面β上的任意一点,A'为平面β'上A点的对应点,将A点所受合力分解为正应力σ_x,切应力τ_xy、τ_xz,由泰勒展开式可得A'所受应力为正应力σ_x- \frac{\partial {\sigma }_x}{\partial x}dx,切应力τ_xy- \frac{\partial {\tau }_{xy}}{\partial y}dy、τ_xz- \frac{\partial {\tau }_{xz}}{\partial z}dz。

假定单元体在x方向体力为f_x,由平衡条件

(4)σ_xdydz+τ_xydxdz+τ_xzdxdy- \left({\sigma }_x-\frac{\partial {\sigma }_x}{\partial x}\mathrm{d}x\right)dydz- \left({\tau }_{xy}-\frac{\partial {\tau }_{xy}}{\partial y}\mathrm{d}y\right)dxdz- \left({\tau }_{xz}-\frac{\partial {\tau }_{xz}}{\partial z}\mathrm{d}z\right)dxdy+f_xdxdydz=0

化简,得x方向单元体应力平衡方程为

(5) \frac{\partial {\sigma }_x}{\partial x}+ \frac{\partial {\tau }_{xy}}{\partial y}+ \frac{\partial {\tau }_{xz}}{\partial z}+f_x=0

同理可得y和z方向上单元体应力平衡条件。

岩石单元体应力平衡方程如式(6)所示:

(6) \left\{\begin{array}{l}\frac{\partial {\sigma }_x}{\partial x}+\frac{\partial {\tau }_{xy}}{\partial y}+\frac{\partial {\tau }_{xz}}{\partial z}+f_x=0\\ \frac{\partial {\sigma }_y}{\partial y}+\frac{\partial {\tau }_{yx}}{\partial x}+\frac{\partial {\tau }_{yz}}{\partial z}+f_y=0\\ \frac{\partial {\sigma }_z}{\partial z}+\frac{\partial {\tau }_{zx}}{\partial x}+\frac{\partial {\tau }_{zy}}{\partial y}+f_z=0\end{array}\right.

(2)几何变形方程。单元体任意一点A沿x,y,z方向的位移分量分别为u,v,w,由弹塑性力学知识可得A点3个方向应变与位移的关系如式(7)所示:

(7) \left\{\begin{array}{l}{\epsilon }_x=\frac{\partial u}{\partial x},{\gamma }_{xy}=\frac{\partial \nu }{\partial x}+\frac{\partial u}{\partial y}\\ {\epsilon }_y=\frac{\partial \nu }{\partial y},{\gamma }_{yz}=\frac{\partial w}{\partial y}+\frac{\partial \nu }{\partial z}\\ {\epsilon }_z=\frac{\partial w}{\partial z},{\gamma }_{zx}=\frac{\partial u}{\partial z}+\frac{\partial w}{\partial x}\end{array}\right.

(8)即ε_ij= \frac{1}{2} \left(\frac{\partial u_i}{\partial x_j}+\frac{\partial u_j}{\partial x_i}\right) i,j=1,2,3

式中:ε_x,ε_y,ε_z分别为A点在x,y,z方向上的正应变;γ_xy,γ_yz,γ_zx分别为A点沿x-y,y-z,z-x方向的切应变。

假定储层岩石为均匀的线弹性体,其变形符合广义胡克定律:

(9) \left\{\begin{array}{l}{\epsilon }_x=\frac{1}{E}[{\sigma }_x-\mu ({\sigma }_y+{\sigma }_z\left)\right],{\gamma }_{xy}=\frac{{\tau }_{xy}}{G}\\ {\epsilon }_y=\frac{1}{E}[{\sigma }_y-\mu ({\sigma }_x+{\sigma }_z\left)\right],{\gamma }_{yz}=\frac{{\tau }_{yz}}{G}\\ {\epsilon }_z=\frac{1}{E}[{\sigma }_z-\mu ({\sigma }_x+{\sigma }_y\left)\right],{\gamma }_{zx}=\frac{{\tau }_{zx}}{G}\end{array}\right.

式中,G为剪切弹性模量,G=E/[2(1+μ)]。

3.3 应力-渗流-自由流耦合模型边界条件

(1)渗流区流固耦合边界条件。根据上述推导出的理论公式,推导得出渗流区流固耦合边界条件:

(10) \left\{\begin{array}{l}G\left(\frac{{\partial }^{2}u}{\partial x^2}+\frac{{\partial }^2\nu }{\partial y^2}+\frac{{\partial }^{2}w}{\partial z^2}\right)+(\lambda +G)\frac{\partial {\epsilon }_{\nu }}{\partial x}+\alpha \frac{\partial p}{\partial x}+f_x=0\\ G\left(\frac{{\partial }^{2}u}{\partial x^2}+\frac{{\partial }^2\nu }{\partial y^2}+\frac{{\partial }^{2}w}{\partial z^2}\right)+(\lambda +G)\frac{\partial {\epsilon }_{\nu }}{\partial y}+\alpha \frac{\partial p}{\partial y}+f_y=0\\ G\left(\frac{{\partial }^{2}u}{\partial x^2}+\frac{{\partial }^2\nu }{\partial y^2}+\frac{{\partial }^{2}w}{\partial z^2}\right)+(\lambda +G)\frac{\partial {\epsilon }_{\nu }}{\partial z}+\alpha \frac{\partial p}{\partial z}+f_z=0\end{array}\right.

(2)自由流区流固耦合边界条件。自由流动场与应力场进行耦合时应满足界面力连续:

(11) \frac{\partial p}{\partial n}=- \frac{{\partial }^2{\epsilon }_{\mathrm{n}}}{\partial t^2}

式中:p为流体压力,MPa;ε_n为应力场与自由流动场交界面处单元体法向应力,MPa;ρ为岩石骨架密度,g/cm³。

同时,在自由流区域与渗流区域应有界面速度连续条件:

(12) \frac{\partial p}{\partial n_{\mathrm{f}}}+un_fρ_f=0

式中:u为固体位移向量,m;ρ_f为流体质量密度,g/cm³。

通过建立流体域与应力场的内边界条件,实现储层应力-渗流-自由流的流固耦合数学模型。

3.4 模型参数

设置模型相关参数如表3所示。

为方便计算,以球体代替储层溶洞,根据Baecher理论将裂缝简化为盘形节理模型,由中心点、产状和直径定义,模型尺寸如图6所示。

4 缝洞型碳酸盐岩储层连通性表征

4.1 裂缝型碳酸盐岩储层连通性表征

(1)不同裂缝开度。在多孔介质模型中嵌入数量和长度均相同的圆盘状裂缝,设置3组不同裂缝开度的储层模型,数值模拟边界参数标定基于上述实验结果,不同裂缝开度下的储层流体流速变化数值模拟结果如图7所示,从左到右依次为裂缝开度150、300和600 μm。

由图7可以看出,随着裂缝开度的增大,储层流体流速增大,裂缝开度为150、300和600 μm时,裂缝所在截面基质最大流速分别为0.006 5、0.007和0.009 5 m/s,说明裂缝开度增大,裂缝对其周边基质的沟通作用增强,储层连通性增强。

(2)不同裂缝倾角。保持裂缝初始开度不变,每组均为300 μm,不同裂缝倾角储层流体流速变化数值模拟结果如图8所示,裂缝倾角依次为0°、30°、45°和85°。

由图8可知,随着岩石裂缝倾角增大,储层流体流速增大,分析原因是超深储层受到上覆静岩压力作用,随着裂缝倾角增大,作用在裂缝面的静岩压力减小,裂缝开度变大,裂缝对周围介质的沟通能力增强,储层渗流能力和连通性增强,说明高角度裂缝储层连通性相对较好。这与前述岩石渗透率演化实验结论相一致。

4.2 溶洞型碳酸盐岩储层连通性表征

(1)不同溶洞数量。设置3组不同缝洞型储层介质,溶洞数量分别为1、4和9,溶洞体积分数均为0.014。试验用岩心尺寸为厘米级,将溶洞模型扩大100倍进行数值模拟,相应的溶洞直径分别为150.00、94.49和72.11 mm,基于数值模拟获取不同溶洞数量储层截面A和出口端流速变化规律(图9),数值模拟边界参数标定基于上述实验结果,从左到右依次为总达西流速分布、截面A流速分布和出口端流速分布。

对于单洞模型,出口端由于溶洞的存在使出口截面流速呈中间大四周小的特点,相较于多孔介质,溶洞的存在对流体流动影响大;在溶洞体积分数不变的条件下,将溶洞数量分别增加至4和9个,从图中可以看出,随着溶洞数量的增加,溶洞所在截面A整体流速减小,导致出口端流速减小,这说明流体流动受限,储层渗流能力变差。分析原因可能为虽然溶洞所占体积相同,但溶洞数量的增加使其更容易受到流体压力作用而产生形变,溶洞中流体自由流效应减弱甚至不满足Stokes流,表现为溶洞截面A流体流速降低。

(2)不同溶洞体积(体积分数)。在多孔介质模型中嵌入相同数量的溶洞,共设置3组,每组设置4个球形溶洞,溶洞体积分数分别为0.014、0.028和0.056,对应的溶洞半径分别为0.049 、0.119 和0.150 m,数值模拟结果如图10所示,从左到右依次为总达西流速分布、截面A达西流速分布和出口端流速分布。

由图10可知,由于溶洞的存在,在出口端呈现显著的溶洞效应,即在溶洞处流体流速较大;溶洞体积分数分别为0.014、0.028和0.056时,对应的截面A处最大流速分别为0.023 5、0.042 3和0.076 0 m/s,随着溶洞体积分数的增加,截面A和出口端流体流速显著增加,表明溶洞体积的增大能够促进流体流动,增强储层的渗流能力和连通性。

4.3 缝洞型碳酸盐岩储层连通性表征

综合裂缝和溶洞建立裂缝-溶洞型储层模型,开展缝洞型储层连通性数值模拟研究。试验用岩心尺寸为厘米级,将模型扩大100倍,数值模型尺寸设为1 m×1 m×1 m,溶洞也扩大100倍,溶洞直径为150 mm,开度为300 μm,分两种情况,即裂缝连通溶洞和裂缝未连通溶洞进行讨论。

两组模型数值模拟结果如图11所示,从左到右依次为总达西流速分布、截面A达西流速分布和出口端流速分布。从图中可以看出,裂缝的介入对介质速度场有较大影响,相较于溶洞模型,裂缝的介入增大了截面的整体流速,分析原因为:当在溶洞模型中增加裂缝时,模型自由流空间增大,导致缝洞所在截面流速增大,缝洞对周围基质的沟通作用增强;当裂缝连通溶洞时,虽然有效储集空间有所减小,但由于裂缝与溶洞直接相连,缝洞中的流体自由流效应相较于裂缝未连通溶洞时增强,故缝洞所在截面流体流速较裂缝未连通溶洞时增大,表明裂缝是重要的渗流通道和与溶洞连通通道。

5 结论

通过三向应力条件下的岩石渗透率试验获取了覆压条件下岩石渗透率演化和连通性变化规律,基于岩石力学理论构建了超深缝洞型碳酸盐储层应力-渗流-自由流耦合数值模型,从缝洞所在截面和储层介质两个角度开展了缝洞型储层连通性研究,得到的主要结论如下。

(1)通过三向应力条件下岩心渗透率测试,发现随着围压和轴压的增加,岩样渗透率呈下降趋势,说明岩石连通性减弱;围压较小时,轴压对岩石渗透能力和连通性影响显著。

(2)对于裂缝型储层,开展了不同裂缝开度及裂缝倾角下的储层连通性表征,研究发现,裂缝开度及倾角的增加均能有效提高介质流体流速,改善流体流动及储层渗流能力,增强了储层连通性,说明高角度裂缝,储层连通性好。

(3)对于溶洞型储层,溶洞体积的增加为自由流提供了更大的流动空间,增大了介质流体流速,加强了溶洞对周围介质的沟通能力,显著改善储层的连通性;而单纯增加溶洞数量会减弱自由流效应,表现为流体流速和等效渗透率减小,改善储层连通性效果不明显。

(4)对于缝洞型储层,相较于同等条件下的裂缝型和溶洞型储层,其流体流速有较高程度的提高,裂缝连通溶洞能够提高介质流速与渗流能力,说明裂缝连通溶洞能够显著改善储层连通性。

参考文献

[1] 马永生, 蔡勋育, 云露, 塔里木盆地顺北超深层碳酸盐岩油气田勘探开发实践与理论技术进展[J]. 石油勘探与开发, 2022, 49(1): 1-17.

[2] 王清华, 杨海军, 汪如军, 塔里木盆地超深层走滑断裂断控大油气田的勘探发现与技术创新[J]. 中国石油勘探, 2021, 26(4): 58-71.

[3] 倪新锋, 杨海军, 沈安江, 塔北地区奥陶系灰岩段裂缝特征及其对岩溶储层的控制[J]. 石油学报, 2010, 31(6): 933-940.

[4] LI J, WANG H S, WU Z P, et al. Mesoscale migration of oil in tight sandstone reservoirs by multi-field coupled two-phase flow[J]. Marine and Petroleum Geology, 2024, 161: 106684.

[5] 何治亮, 朱成宏, 徐蔚亚, 深层-超深层碳酸盐岩多类型储集体地震预测[J]. 地球物理学报, 2023, 66(1): 65-82.

[6] 王平, 潘文庆, 李世银, 利用单井动态判识缝洞型碳酸盐岩油藏多缝洞体: 以哈拉哈塘油田哈6井区为例[J]. 新疆石油地质, 2017, 38(3): 363-368.

[7] 李静, 彭成乐, 周汉国, 基于显微红外光谱技术的岩石微观渗流特性研究[J]. 岩石力学与工程学报, 2017, 36(增刊1): 3184-3191.

[8] 耿甜, 吕艳萍, 巫波, 缝洞型油藏储量评价方法及开发对策[J]. 特种油气藏, 2021, 28(6): 129-136.

[9] FADLELMULA F M M, KILLOUGH J, FRAIM M. TiConverter: a training image converting tool for multiple-point geostatistics[J]. Computers and Geosciences, 2016, 96: 47-55.

[10] HØYER A S, VIGNOLI G, HANSEN T M, et al. Multiple-point statistical simulation for hydrogeological models: 3-D training image development and conditioning strategies[J]. Hydrology and Earth System Sciences, 2017, 21(12): 6069-6089.

[11] 刘军, 廖茂辉, 王来源, 顺北油田顺北4号断裂带中段断控储集体连通性评价[J]. 新疆石油地质, 2023, 44(4): 456-464.

[12] PU C S, JING C, HE Y L, et al. Multistage interwell chemical tracing for step-by-step profile control of water channeling and flooding of fractured ultra-low permeability reservoirs[J]. Petroleum Exploration and Development, 2016, 43(4): 679-688.

[13] JING C, DONG X W, CUI W H, et al. Artificial neural network-based time-domain interwell tracer testing for ultralow-permeability fractured reservoirs[J]. Journal of Petroleum Science and Engineering, 2020, 195: 107558.

[14] YANG H R, GUO K L, ZHU G W, et al. Application of trace substance tracer test method in low permeability reservoir-CQ oilfield[J]. Energy Reports, 2022, 8: 11309-11319.

[15] KUMAR A, SETH P, SHRIVASTAVA K, et al. Integrated analysis of tracer and pressure-interference tests to identify well interference[J]. SPE Journal, 2020, 25(4): 1623-1635.

[16] MANCHANDA R, SHARMA M M M, HOLZHAUSER S. Time-dependent fracture-interference effects in pad wells[J]. SPE Production and Operations, 2014, 29(4): 274-287.

[17] SERRES-PIOLE C, PREUD’HOMME H, MORADI-TEHRANI N, et al. Water tracers in oilfield applications: guidelines[J]. Journal of Petroleum Science and Engineering, 2012, 98: 22-39.

[18] 雷裕红, 罗晓容, 张立宽, 东营凹陷南斜坡东段沙河街组砂岩输导层连通性量化表征[J]. 石油学报, 2013, 34(4): 692-700.

[19] 谢昕翰, 闫长辉, 赖思宇, 塔河六区缝洞型碳酸盐岩油藏井间连通类型研究[J]. 科学技术与工程, 2013, 13(34): 10284-10288.

[20] 康志宏, 陈琳, 鲁新便, 塔河岩溶型碳酸盐岩缝洞系统流体动态连通性研究[J]. 地学前缘, 2012, 19(2): 110-120.

[21] 赵辉, 李伯英, 周玉辉, 基于高速非达西渗流的断溶体油藏连通性预测模型[J]. 石油学报, 2022, 43(7): 1026-1034.

[22] MORENO G A, LAKE L W. On the uncertainty of interwell connectivity estimations from the capacitance-resistance model[J]. Petroleum Science, 2014, 11(2): 265-271.

[23] ZENG X J, ZHANG W S, CHEN T, et al. Evaluating interwell connectivity in waterflooding reservoirs with graph-based cooperation-mission neural networks[J]. SPE Journal, 2022, 27(4): 2443-2452.

基金资助

国家自然科学基金项目(41972138)

中国石油塔里木油田分公司揭榜挂帅项目(671023060003)

中国石油天然气集团有限公司科技项目(2023ZZ16YJ02)

中国石油天然气集团有限公司科技项目(2023ZZ16YJ04)