时频电磁(TFEM)勘探技术：数据采集系统

大功率电磁仪器系统是深部矿产资源勘探的基础,发展大功率、高精度电磁仪器具有重要意义。基于深层油气勘探需求开发的时频电磁（TFEM）勘探仪器系统,可同时实现时间域和频率域电磁一体化勘探。模拟研究证明,该系统的技术指标能够满足时间域与频率域、电法与磁法的一体化勘探要求,亦可实现近区和远区的数据采集。这套由东方地球物理公司（BGP）自主研制的时频电磁法仪器系统包括大功率恒流电磁发射机、分布式/节点式多类型电磁信号接收机等。接收机的动态范围大于120dB,可接收信号的频率范围是0.001~500Hz,数据采集实验证明其技术指标达到了国际同类仪器水平,可为中国深部资源勘探提供有力支撑。     

时频电磁(TFEM)技术:数据采集参数设计

时频电磁法（TFEM）是一种应用于油气勘探领域、探测深度较大的可控源电磁方法。本文以Q地区探测目标地层为模型,基于探区噪声分析,对地质目标进行三维模拟,分析目标体电磁异常特征及规律,并对TFEM采集参数的设计进行了研究与分析。提出了等腰梯形区域测网布设、测点信号平衡的接收系统设计方法,以及基于目标异常对比分析的发射系统优化设计,同时提出针对目标的激发周期和叠加次数设置的激发参数设计方法,为TFEM勘探采集设计提供科学的借鉴和参考。     

时频电磁(TFEM)技术：数据联合约束反演

在油气勘探中,时频电磁（TFEM）数据反演可以利用更多的已知资料。充分利用已知资料有效减小反演非唯一性具有重要意义。建立联合反演目标函数,采用人工鱼群算法实现TFEM勘探水平电场和垂直磁场的联合约束反演;设计层厚度、电阻率和极化率等参数三类模型空间,以实现对不同层位参数的灵活约束,给出了模型参数空间设置的方法和规则,能够充分利用或多或少的已知资料对反演参数进行约束;同时提出了三类模型的分步反演方案,其中一些措施有效地减小了反演结果的非唯一性、提高了反演精度。模型测试和实际剖面反演表明,人工鱼群算法和分步约束的反演方案能够很好地克服反演的非唯一性并确保勘探精度和效果,有较强的实用性。     

TFEM组网式时频电磁采集系统组成及功能

TFEM组网式时频电磁采集系统是由东方地球物理公司和中科院电子所为适应时频电磁法勘探而开发的一套数据采集接收系统。系统具有高精度数据采集、数据安全存储、数据长距离实时传输、自标定、GPS同步、阻抗测量等功能。本文介绍了TFEM时频电磁采集系统的系统组成、技术指标、软、硬件功能及应用。     

时频电磁与大地电磁数据联合反演

时频电磁法属于一种人工源电磁方法,具有抗干扰能力强、对中—浅层的电性层有较高分辨率的优点,但目前受限于最低激发频率,对深层电性层反映有限;大地电磁是一种天然场源电磁方法,具有测量频率低、探测深度大的特点。因此,这两种方法具有互补性。基于奥克姆反演算法,笔者提出新的联合加权方法,对时频电磁与大地电磁的数据进行联合反演处理。模型和实测数据试算结果表明,时频电磁与大地电磁的联合反演既可提高对浅部电性异常体的分辨率,也能提升对深部电性层的探测精度,增强了利用电磁勘探技术解决地质问题的能力。     

时频电磁法含油气有利区预测在T盆地的应用

储层含油层段与非含油层段的电阻率、极化率等电性差异一般较大,时频电磁勘探通过大功率人工场源激发电磁场,直接探测油气藏引起的电阻率和极化率异常,达到检测和评价含油气有利目标的目的。通过在T盆地不同阶段不同油气目标的应用分析,发现不同类型油气藏具有不同的极化异常特征。该技术在T盆地的有利目标预测结果已被多口井验证,与实钻吻合率达68%以上。文中还总结了时频电磁勘探方法的适应性与局限性。     

智能化物化探队系统在时频电磁勘探中的应用

随着大功率时频电磁法在国内外得到广泛应用，针对复杂构造、特殊岩性体的勘探取得明显效果，但是由于传统物化探队数字化水平较低，管理难度大，限制着综合物化探采集生产的进一步发展。智能化物化探队系统以地理信息为基础实现了综合物化探的高效采集，统一管理，本文就智能化物化探队系统在时频电磁勘探采集和综合管理应用等方面进行了介绍。     

海底节点式时频双域电磁采集系统及试验

国家“十三·五”科技创新规划明确要求建立保障国家能源安全和战略利益的技术体系,加强“深海、深地、深空、深蓝”等领域的战略高技术部署,研发海洋可控源电磁系统、加快深海探测技术研发具有重要意义.首先介绍海底节点时频双域电磁采集系统工作原理,然后详细阐述了该系统的电磁传感器、数据采集站、声学系统及框架设计,并对整体采集性能进...     

大地电磁多参考站阵列数据处理方法

合理利用多远参考站数据是提高大地电磁（MT）数据处理质量的重要途径之一。从阵列电磁数据处理模型出发,提出一种多参考站阵列数据处理技术。首先,从测区内、外优选多远参考站数据,构建天然场占优的参考数据阵列;然后,利用稳健的主成分分析方法,从参考数据阵列中提取天然场源极化参数;最后,将该参数应用于目标测站阵列数据,以稳健估计方法计算目标张量阻抗。通过“死频带”畸变的实测MT数据计算实例,对比了所提方法与常规方法的处理效果,验证了该方法的有效性。结果表明,所提出的多参考站阵列数据处理方法可有效提高多参考站数据的利用率,可提高强噪环境下MT数据的处理质量,获得优于常规方法的处理结果,为MT“死频带”畸变数据的校正提供可行的解决方案。     

海洋油气勘探中可控源电磁探测法(CSEM)的发展与启示

 基于含油储层与其周围饱含水地层之间的巨大电阻率差异,为海洋CSEM方法直接探测油气储层,并取得良好效果提供了条件,此法采用船载可移动水平电偶极子源和置于海底的陈列电磁接收器接收来自海底地层的电磁信号,通过对接收到的电磁场信号进行处理、解释,得到地下地层的电阻率分布,借助电阻率与储层含油气饱和度的密切关系,直接探测地层的含油气性。本文通过对近年在国际学术会议及相关学术期刊关于可控源海洋电磁法文献的追踪分析,介绍了可控源海洋电磁探测方法(CSEM)的基本原理、发展历史、采集与处理解释技术,并对研究现状、应用中存在的挑战与问题进行了分析,指出了海洋CSEM未来的发展与研究方向,以供国内油气勘探业界及相关研究人员参考。     

时频电磁法多分量联合反演及在川西火成岩勘探中的应用

近年来,非地震勘探在川西地区火成岩、深层结构和断裂研究方面发挥了一定的指导作用,特别是时频电磁法通过弱异常信息提取、精细反演,在寻找火山通道、探索火山岩形成机制方面效果良好。由于人工场源的存在,其产生的非平面波效应、阴影效应以及场源附加效应会造成资料反演的多解性,使数据反演成像的质量偏低,甚至造成假异常。多分量电磁场反演是克服上述困难的一种有效手段。从时频电磁勘探的原理出发,推导了二维模型三维源九点差分结构的有限差分正演公式。根据正则化反演原理,构造了多分量联合反演目标函数,推导了适合时频电磁法的多分量联合反演算法。为了平衡不同分量之间数量级的差异,在反演过程中增加了动态平衡系数。理论模型测试结果表明,相对于单分量数据反演,多分量联合反演对模型恢复的效果更好。加噪模型数据测试结果表明,该算法正确、可靠,同时具有较好的抗噪性。利用该方法对川西地区实测时频电磁数据进行处理,反演结果与钻井信息和其他已知信息吻合,证明该算法实用且有效。     

TFEM探测JZ地区潜山内幕目标的模拟及试验

针对JZ地区的潜山内幕油气勘探目标,探讨时频电磁法探测的有效性。根据该区已知资料建立地质模型,开展目标体位于不同构造位置、具有不同规模以及与围岩电阻率存在不同差异等情况下的正演模拟,得到其电场水平分量振幅曲线及去除背景场后的纯电场水平分量振幅断面图。对结果进行分析,了解了潜山内幕目标产生的电磁异常规律;与实测结果进行比较,讨论了探测内幕目标的可行性。野外试验结果证实,使用时频电磁法能够有效探测到潜山内幕含油气目标。     

地震与测井资料自动匹配的研究

用测井资料标定地震属性过程中,要求有高精度的时深关系曲线。在分析测井与地震观测方法差异的基础上,研究影响合成地震道与井旁道匹配的因素,提出一套在黏弹性介质中地震资料与测井资料自动匹配的方法,在黏弹性介质中可以获得高精度的地震波相速度。此法既包括测井资料与地震资料的尺度匹配,又包括两者的频率匹配。将该方法应用于胜利油气区垦利油田,取得了较好的效果。     

电磁波流动成像测井数据处理方法

为了在生产动态监测中实时准确地显示油井内多相流体流型，确定各相流体持率，对电磁波流动成像测井数据处理方法进行了实验室研究。首先建立了电磁波流动成像测量的物理和数学模型，并用有限元仿真方法求解，然后采用Twomey改进的光滑化算法重建图像，最后采用中值滤波和平均值滤波结合法、S Watanabe二值化、二值图像修正以及图像面积测量等方法改善成像质量。结果表明，综合分布模型在电磁波频率为6MHz时计算持率的相对误差为12．36％。该方法通过对井内流动的实时检测，获取了多相流体的二维或三维分布信息，为油井生产状况评价和油藏动态分析提供了准确的依据。图5表1参22     

基于物性分析建模的时频电磁反演及储层评价——以准北缘石北构造带为例

时频电磁法(TFEM)在油气勘探中发挥着重要作用,数据反演中模型精度对反演精度影响很大,充分利用已知资料精确建模可有效降低反演的非唯一性、提高反演精度。基于准北探区实际资料,对研究区电测井数据进行高斯分布统计分析,获得各地层的电阻率均值、离差等特征数据,据此提出对研究区上、下构造层及不同地层进行分层电性建模的方法;通过火成岩储层岩石频散测试分析,获得探区不同油气饱和度火成岩的频散特性,同时依据该地区时频电磁油气检测结果与钻井含油气信息建立油气电磁属性识别模板。示例展示了通过分层建模和反演获得的电阻率和极化率剖面,以及剖面的分析、解释结果,指出了含油气有利目标。文中的建模方法和油气目标解释思路可为类似地区的油气储层评价提供有价值参考。     

New Approaches for Permanent Downhole Gauge (PDG) Data Processing

Abstract

One of the major issues in processing permanent downhole gauge (PDG) data is that too many transients exist over a reasonable time period, say 6 months. A formula was proposed to predict the transients that may be detected or missed. Reasonable prediction was achieved via the formula.

Noise usually exists in data recorded by PDGs. Denoising is thus one of the most important steps in PDG data processing. In order to denoise the data, the data noise level must be estimated beforehand. Unfortunately, the data noise level is typically case-dependent, and therefore, it is impossible to identify a universal value for the level that may be used for all the application scenarios.

One appropriate approach to estimate the noise level is to first best fit the data, subtract the predicted pressure response from recorded values, and then calculate the noise level based on the difference. We propose to apply nonlinear regression via the Polytope method (Gill, Murray, and Wright, 1981 Gill, P. E., Murray, W. and Wright, W. H. 1981. Practical Optimization, London: Academic Press.  [Google Scholar]) for best-fitting PDG data to determine the noise level. It is found that the new approach is superior to the least square error (LSE) linear regression as used by Khong (2001) Khong, C. -K. 2001. Permanent downhole gauge data interpretation, Master's thesis Stanford University, Petroleum Engineering Dept.. June [Google Scholar], because the bottom-hole wellbore pressure response in a well should be treated as a nonlinear function of time over the majority of the well production/injection/shut-in period. Unless a very small range of the data (say 2 h) is considered, a linear pressure response with time is not anticipated. Furthermore, with nonlinear regression through the Polytope approach, there is no strong restriction in data quantity and data density, hence, automatic detection of the data noise level can be implemented.     

New Approaches for Permanent Downhole Gauge (PDG) Data Processing

One of the major issues in processing permanent downhole gauge (PDG) data is that too many transients exist over a reasonable time period, say 6 months. A formula was proposed to predict the transients that may be detected or missed. Reasonable prediction was achieved via the formula.

Noise usually exists in data recorded by PDGs. Denoising is thus one of the most important steps in PDG data processing. In order to denoise the data, the data noise level must be estimated beforehand. Unfortunately, the data noise level is typically case-dependent, and therefore, it is impossible to identify a universal value for the level that may be used for all the application scenarios.

One appropriate approach to estimate the noise level is to first best fit the data, subtract the predicted pressure response from recorded values, and then calculate the noise level based on the difference. We propose to apply nonlinear regression via the Polytope method (Gill, Murray, and Wright, 1981) for best-fitting PDG data to determine the noise level. It is found that the new approach is superior to the least square error (LSE) linear regression as used by Khong (2001), because the bottom-hole wellbore pressure response in a well should be treated as a nonlinear function of time over the majority of the well production/injection/shut-in period. Unless a very small range of the data (say 2 h) is considered, a linear pressure response with time is not anticipated. Furthermore, with nonlinear regression through the Polytope approach, there is no strong restriction in data quantity and data density, hence, automatic detection of the data noise level can be implemented.