CN101230780B - 在流体组成分析期间表征地面脱气原油的方法和设备 - Google Patents

Abstract

本发明公开了在流体成分分析期间表征地面脱气原油的方法和设备。表征与地下地质地层相关的流体的公开实例方法包括：取得与地下地质地层关联的流体的样本；在与地下地质地层关联的钻井中，确定与地下地质地层关联的流体样本的地面脱气原油类型；和基于地面脱气原油类型，确定与地下地质地层关联的流体属性。

Description

在流体组成分析期间表征地面脱气原油的方法和设备

相关申请的参照

本专利要求具有在2007年1月24日申请的题为“CharacterizeStock Tank Oil Using Optical Signals to Improve Downhole FluidComposition Analysis”的美国临时申请序号第60/886,400号的优先权，并且因此其整体通过参考并入这里。

技术领域

本公开通常涉及用于确定含烃地质层组的方法和设备，并且更具体地涉及在流体组成分析期间表征地面脱气原油的方法和设备。

背景技术

矿井通常被钻探入地面以发现圈闭在地壳中的地质地层中的烃和/或其它期望材料的天然矿床。利用地球表面的钻探设备，矿井被钻探入地面和/或指向目标地质位置和/或地质地层。

一旦在钻探矿井中到达关注的地质地层，钻探工经常通过从地层取得用于分析的流体样本，研究地质地层的流体(即地层流体)。在一些实例中，通过将流体采样工具下降进入井中并从地下地层抽出流体样本，取得一种或多种地层流体样本。采样工具的一个实例是Schlumberger Modular Formation Dynamics Tester (MDT^TM)。然后，该流体样本可被分析(例如在实验室中)以确定流体的一种或多种特征。另外或可选地，在样本相对原始时，可测量流体特征和/或分析流体(例如在采样工具本身内和/或利用与采样工具连通联接的设备)。此外，与可能需要许多星期或许多月完成的实验室分析，和/或会导致不期望的相变以及关键组成丢失的地面井现场分析相比，这种井下流体特征化和/或分析提供大致实时的信息。如果采样压力大于饱和压力，液体将极可能处于单一相，确保正分析最初组分。对于低于饱和压力的压力，在储油区进行的液相样本和油区上方进行的相关气体样本的属性测量将产生比在地面重新组合的样本的属性测量更精确的值。实际上，当它被取回和/或移动到地面时，很难将样本保持在它在井下时的状态。

石油与天然气实质是几种烃成分的混合物，与一些无机物质一起，其变化规定了流体的特征。不同类型的储层流体包括黑油、挥发油、反凝析油、湿气(含大量汽油蒸气的天然气体)和干气，并且不同的流体类型需要不同考虑用于其开采，并且不同属性用于其描述。例如，通常认为：使用诸如容量因数和气体溶解率的油和气相的平均属性，能够满意地描述黑油。由于最终采收率将通过控制生产条件(例如，主要是压力)规定，作为接近临界流体的挥发油和反凝析油以及湿气均要求更详细地了解流体组分。

收集到的流体样本的分析提供了有关流体含量、密度、粘度、饱和压力(例如，泡点压力或露点压力)和其它重要特性的信息。这种关键信息用于现场计划决策和/或用于最优化上游和/或下游生产设施。实际上，诸如矿井完成的类型、生产过程和地面操纵和加工设施的设计的决策受到生产流体的特性的影响。例如，如果井中的流体是反凝析油，与地层压力和渗透性组成的饱和(凝露)压力规定生产流体用的最大压降，和/或是否应为流体蒸发执行压力保持用的注入方案。

特别关注的一种流体特性是气-油比率(GOR)。该GOR是在标准条件时(例如华氏60度和1个大气压)，地层流体中的气相体积与流体烃的体积的比率。GOR值典型地采用标准条件下每桶油(scf/bbl)的标准立方英尺的气体的单位表示。在其它地层流体参数和/或值中，GOR在设计上游和/或下游生产设施中很重要。例如，如果GOR较高，地面设施必须设计以处理来自井的大量气体。

发明内容

描述了在流体组成分析期间表征地面脱气原油的方法和设备。表征与地下地质地层相关的流体的公开实例方法包括：取得包括与地下地质地层关联的流体的样本；在与地下地质地层关联的钻井中，为与地下地质地层关联的样本确定地面脱气原油类型；和基于地面脱气原油类型，确定与地下地质地层关联的样本的属性。

另一公开实例方法包括：取得与地下地质地层关联的流体的样本；在原位置探测流体样本的光吸收指标；基于探测的指标，确定用于与地下地质地层关联的流体样本的地面脱气原油类型；和基于地面脱气原油类型，确定与地下地质地层关联的流体属性。

另一公开实例方法包括：向地下地质地层的样本发射光；测量样本对发射光的吸收指标；和将测量的吸收指标与两种或多种烃类型的分别一种的两种或多种吸收比较，以确定样本的参数，其中：两种或多种烃类型包括至少一种含蜡烃和一种无蜡烃。

表征与地下地质地层相关的流体的公开实例设备包括：取得与地下地质地层关联的流体的样本的设备；测量流体的样本的光学属性的光学传感器；和基于光学属性确定流体样本的地面脱气原油类型的分析器。

附图说明

图1显示了根据本发明的教导构建的实例地质地层测试工具的横截面。

图2显示了实现图1的任何或所有实例控制器的实例方式。

图3，4和5显示了多种美国石油学会(API)重力、地面脱气原油类型(STO)和/或烃成分的实例光密度值曲线。

图6显示了对于不同类型STO，在1690纳米(nm)和1800nm处的光密度值之间的实例关系。

图7显示了对于分别的特定STO和当STO以不同的气-油比率出现在“新鲜石油(含有烃类气体的新采出的石油)”中时的实例光密度值曲线。

图8显示了在1740nm处并对于甲烷(C1)含量由光密度归一化后的光密度值曲线。

图9显示了沥青质含量和n-癸烷(nC10)含量对STO光密度值的实例影响。

图10和11显示了当STO类型被确定时并且然后在组成分析期间使用时，可以取得的井下流体组成分析精度的实例改进。

图12是表示实例过程的流程图，其可执行以确定STO类型，并且然后基于确定的STO类型执行井下流体组成分析，和/或更通常地，执行图1和/或2的实例设备的任何或所有。

图13是表示可执行以实现与地下地质地层关联的流体的油组成分析的实例过程的流程图。

图14是表示可执行以估计C1对C2+的质量比率的实例过程的流程图。

图15是表示可执行以确定与地下地质地层关联的流体的STO类型的实例过程的流程图。

图16显示了可执行以确定与地下地质地层关联的流体的STO类型的实例指令。

图17是表示可执行以计算两种成分的质量比率的实例过程的流程图。

图18是表示可执行以去除C1吸收的影响的实例过程的流程图。

图19是表示可执行以计算C3-5对C6+的质量比率的实例过程的流程图。

图20A和20B是表示可执行以确定CO₂质量标记的实例过程的流程图。

图21是表示可执行以计算CO₂对所有烃(C1+)的质量比率的实例过程的流程图。

图22是表示可执行以改进C1-5与C6+质量比率的估计的实例过程的流程图。

图23是表示可执行以计算C1，C2，C3-5，C6+和CO₂对所有烃加CO₂的质量比率的实例过程的流程图。

图24是表示可执行以检查流体组成分析的结果的实例过程的流程图。

图25是表示基于确定的地面脱气原油类型，可执行以估计与地下地质地层相关的流体的气-油比率(GOR)的实例过程的流程图。

图26是可使用和/或编程以执行这里描述的实例过程、实例设备和/或实例方法的任何或所有的实例处理器平台的示意图。

具体实施方式

如下面更详细地描述，通过使用诸如Schlumberger ModularFormation Dynamics Tester(MDT^TM)的取样工具，可以作出有关含烃地质地层的测定。为了方便收集的流体的组成分析，该样本工具可实现和/或包括测量和/或利用一个或多个关注波长(例如，在可视和/或近红外(NIR)区域)的光的吸收(即光密度)的模块。一种或多种关注波长的光密度的集合通常称作“吸收光谱”。实例模块包括但不局限于Schlumberger Optical Fluid Analyzer(OFA^TM)、Schlumberger LiveFluid Analyzer(LFA^TM)，和/或Schlumberger Composition FluidAnalyzer(CFA^TM)。实例取样工具和/或实例取样流体分析器的细节可参照共同拥有的授予Urbanosky的美国专利第3,859,851号，授予Zimmerman等人的第4,860,581号和第4,936,139号、授予Safinya等人的第4,994,671号、授予Mullins等人的第5,167,149号、授予Mullins等人的第5,201,220号、授予Mullins等人的第5,266,800号、授予Hines等人的第5,331,156号、授予Dong等人的第6,956,204和授予Betancourt等人的第7,081,615号，以及授予Terabayahsi等人的美国专利申请第2006/0243047号，所有这些通过参考整体并入这里。

因为存在于地层流体中的不同分子表现出不同的吸收光谱，从测量的光密度可以确定地层流体的组成。例如，光密度可用于确定气-油比率(GOR)，和/或甲烷CH₄(C1)；乙烷C₂H₆(C2)；包括丙烷C₃H₈、丁烷i-C₄H₁₀和/或n-C₄H₁₀和戊烷i-C₅H₁₂和/或n-C₅H₁₂(C3-C5)的组；包含己烷C₆H₁₄+和更重的烃组分(C6+)的组；和/或二氧化碳(CO₂)的浓度和/或质量分数(GOR)。然而，这里描述的实例方法和设备可以更广泛地应用于流体成分的任何期望的分组、分隔和/或特征。例如，分组C3-5可被分成两或多个单独的组，和/或C2和C3-5可被组合成C2-5组。此外，如果期望，流体的每种成分可单独考虑以潜在地增加建模的精度。

流体组成分析的精度可取决于出现在流体样本中的STO的类型，从而这里描述的实例方法和/或设备估计、计算和/或确定存在于流体样本中的STO类型，并在后续的流体组成分析期间，使用该STO类型。例如，如下描述，STO类型可从一种或多种测量的光密度确定和/或估计。如这里描述的，光密度的测量和/或STO类型的确定在现场执行(例如，在井内和/或附近和/或井下)。此外，本领域的普通技术人员将容易认识到：这里描述的确定和使用STO类型以提高流体组成分析的精度的方法和设备可在其它地方执行(例如在实验室)。如这里使用的，术语“地面脱气原油”指在新鲜石油和/或浓缩气体以标准条件闪蒸后的液态烃。地面脱气原油主要包括C6+和少量溶解的轻烃，和/或类似CO₂和/或氮的非烃气体。如这里使用的，术语“新鲜石油”指包含诸如甲烷和/或乙烷的溶解的烃气体的液体烃。

图1显示了实例地质地层试验工具101的横截面，设计以提取、测量特征和/或分析存在于地质地层114中的流体样本。图1的实例试验工具尤其可用于实现这里描述的实例流体特征化方法和设备。该实例工具101从地面缠绕的诸如钢丝绳或多芯电缆的运输工具115的下端悬挂在钻井(即，井)中。然而，可以使用其它类型的运输工具115。在地面处，实例的钢丝绳115被典型地连接到监控和/或控制工具101的实例控制器和/或处理系统118。基于由取样工具101和/或在取样工具101内(例如，利用流体分析器模块125)的一种或多种测量(例如，光密度)，图1的实例控制器和/或处理系统118和/或由工具101实现和/或在工具101内的控制器和/或处理系统116可以另外或可选地执行流体组成分析。如本领域的技术人员将理解到，图1的实例控制器116和118可包括一个或多个微处理器或其它处理器或处理单元、相关存储器与其它硬件和/或软件。参照图2和26，以下将描述实现实例控制器116和118的实例方式。

一旦在期望的深度，图1的实例工具101被用于取得地层流体样本和/或进行收集的和/或经过的流体样本的一次或多次测量。该实例工具101具有任何数目和/或类型的探针，和/或从工具101选择性地延伸的流体入口和/或端口(其一个在标号120处指示)，以及在工具101的相对侧上的也可选择地延伸的锚定部件121。图1的实例探针120从工具101延伸并密封矿井壁112，以便：该探针120与地层114流体连通。该实例工具101还可包括一个或多个泵(未显示)以从地层114将地层流体泵入工具101和/或从工具101将地层流体泵入钻井110。

由工具101取样的地层流体可能由泥浆滤液污染，更确切地说，地层流体可能被在钻探过程期间渗透入地层114的钻探流体污染。从而，当流体从地层114提取时，它们可能最初包括泥浆滤液。在一些实例中，地层流体被从地层114提取，并被泵入钻井110或进入工具101中的大型废物室中，直到提取的流体变得充分干净。干净样本是其中样本流体中的泥浆滤液的浓度低到可接受，以便：流体表示自然(即天然发生)地层流体。一旦提取的流体变得充分干净，可以分析、测量和/或收集样本流体用于分析。

在利用泵(未示出)从工具101泵出并进入钻井110前和/或在样本收集期间，由图1的实例探针120从地层114提取的地层流体可经过流体分析器125。实例流体分析器125是光传感器(例如，气体和/或液体分析器光谱仪)，其测量几个(例如10或20)不同波长(例如可视和/或NIR区)的取样流体的光的吸收(例如，光密度(OD))。实例组波长是{445纳米(nm)，570nm，647nm，680nm，815nm，1070nm，1290nm，1445nm，1500nm，1600nm，1650nm，1671nm，1690nm，1725nm，1760nm，1800nm，1930nm，1985nm，2010nm，2040nm}。具有更窄关注波长范围的更精细间隔的波长的实例组是{1589nm，1603nm，1618nm，1634nm，1649nm，1665nm，1680nm，1695nm，1710nm，1725nm，1740nm，1755nm，1770nm，1784nm，1798nm，1814nm}。

如更全面地在下面描述的，测量的OD值可用于确定、计算和/或估计存在于地层流体和/或流体样本中的一种类型的STO，和/或基于估计的STO类型执行流体组成分析。如关于图10和11在下面说明的，通过估计STO类型并且然后在后续流体组成分析和/或GOR值计算期间，使用估计的STO类型，执行的流体分析的精度(例如，在和/或附近的实例样本工具101)得到实质改进。尽管在这里描述的实例方法和设备使用OD值作为光吸收的指标，本领域中的普通技术人员将容易认识到：可以使用其它类型的吸收指标。例如，衰减折射值、发光值、荧光值等。此外，代替或除测量的OD值之外，可使用任何其它类型的测量值(例如，密度和/或粘性)。例如，含蜡STO和不含蜡STO具有不同粘性，并且因此，测量的粘性可用于确定STO类型。此外，虽然基于取样流体的测定OD值，在这里描述的实例方法和设备执行STO类型测定和/或执行流体分析，本领域中的普通技术人员将容易认识到：STO类型测定和/或流体分析可使用执行的其它类型的测量值和/或对其它类型的样本进行测量值进行。例如，岩石的荧光和/或光折射(例如，地层114的壁112，和/或自钻井110和/或地层114取得的岩心和/或样本)可用于确定STO类型。

另外或可选地，测量的OD值也可被用于确定泥浆滤液污染的水平。例如，因为在油基泥浆(OBM)中使用的油典型地比相对更深的天然地层流体颜色更淡，随着地层流体变得更清洁时，在颜色通道处的OD渐近地增加。

一旦经探针120提取的地层流体充分清洁(即，大致无污染)，可通过将流体样本泵入一个或多个样本室122，123而进行一个或多个取样。该地层流体和/或样本也可具有由实例流体分析器125采取和/或收集的一个或多个OD测量值。术语“无污染”在这里使用以指天然地层流体的属性，大致没有来自例如泥浆滤液的污染。因此，无污染的气体-油比率(GOR)意味着：没有或不明显来自例如泥浆滤液影响的天然地层流体的GOR。虽然在实践中取得完全没有泥浆滤液的流体样本可能很难，目标在于确定地层流体的属性。术语“视”在这里用于指在取样过程期间进行的测量值。因此，视GOR是从地层收集的流体样本的GOR的测量值。该视GOR会受到泥浆滤液或其它污染物影响。

两种类型的吸收机制有助于流体样本的测量的光密度：电子激励和分子振动模式激励。在入射光的能量被转移以激励移位的pi电子到防止结合状态时，出现利用电子激励的吸收。这种能量水平典型地对应于近红外(NIR)范围的可视光，并且作为结果，给出的颜色的阴影。在下文中，我们将这种模式的吸收简称为颜色。因为它们具有不同数量的芳香烃、树脂和沥青质，每种吸收可视和NIR光谱中的光，油可显示不同的颜色。所谓的“重油”具有更高浓度的芳香烃、树脂和沥青质，这使得它们具有黑色。另一方面，因为它们具有更低浓度的芳香烃、树脂和沥青质，所谓“轻油”和凝析油具有更浅的发黄颜色。

由于分子中的化学键的共振，分子振动吸收是特定频率的光的吸收。虽然颜色吸收覆盖可视和NIR光谱，对于特定材料，分子振动吸收仅出现的特定波长处。对于任何给定的分子，出现振动吸收的波长与化学键的类型和分子结构有关。例如，油具有接近1200nm，1400nm，和1700nm的波长的分子振动吸收峰值。分子振动吸收是特定物质的浓度的函数，并且它不一定受到物质的相的影响。例如，甲烷吸收谐振峰值(接近1670nm)的幅度将相同，不管甲烷是否在气态或溶解在油中。除了或代替这两种类型的吸收，散射也可实现测量的OD值。例如，入射光能够被悬浮在样本流体中的粒子重新定向(例如反射)，导致光散射。对于诸如油与水的混合物、油与气体的混合物和/或水与气体的混合物的多态流体流，也会发生散射。例如，入射光能够在相的界面处改变方向，从而导致光散射。

一种实例类型的光传感器是Schlumberger OFA^TM模块，其提供光谱仪以测量在NIR和可视范围中的10种不同波长的样本流体的OD(即在10种不同的滤波器阵列通道)。另一种实例类型的光传感器是Schlumberger LFA^TM模块，其与OFA^TM模块不同之处在于：LFA^TM模块包括在“甲烷峰值”波长处的甲烷通道和在“油峰值”波长处的油通道。“甲烷峰值”是甲烷的分子振动吸收峰值，具有对应于甲烷分子中的CH键的共振的波长。实例甲烷分子振动吸收峰值在约1670nm的波长处。该分子振动吸收的出现与流体的颜色无关，并且与甲烷是否处于气态或溶解在地层流体中无关。类似地，“油峰值”是油的分子振动吸收峰值，具有对应于油分子中CH₂和CH₃基团的组合的共振的波长。实例油峰值在约1720nm的波长处。

另一实例类型的光传感器是Schlumberger CFA^TM模块，其包括在特定频率处的光通道，以取得存在于流体样本中的气体的光谱的更好估计。例如，典型的CFA^TM模块具有对应于二氧化碳CO2中分子振动吸收的共振峰值的通道。典型的CFA^TM模块能够确定甲烷、非甲烷气态烃、二氧化碳和液体烃的质量浓度。

虽然实例井下取样工具101显示在图1中，图1中所示的一种或多种元件、部件、模块和/或设备可采用多种方式的任何一种被组合、分割、重新排列、忽略、删除和/或实现。此外，实例流体分析器125、实例控制器116和118和/或更通常地实例取样工具101可由硬件、软件、固件和/或硬件、软件和/或固件的任何组合实现。此外，代替或除图1中所示的那些之外，实例取样工具101可包括元件、部件、模块和/或设备，和/或可包括多于任何或所有所示元件、部件、模块和/或设备之一。

图2显示了实现图1的任何或所有实例控制器116和118的实例方式。虽然为了方便讨论，图1的任何实例控制器116和118可由图2表示，图2的装置将称作流体分析器116。图2的实例流体分析器116接收由光传感器(例如关于图1上面讨论的任何实例流体分析器125)测量和/或收集的OD值，用于由流体取样器(例如图1的实例探针120)收集的流体样本202。如图2所示，使用配置用于第一组波长的任何数目的滤波器通道210，实例光学传感器125可执行OD测量，和/或由配置用于第二组波长的光栅光谱仪210进行的OD测量。在一些实例中，由滤波器通道210实现的第一组波长(例如10)表示比由光栅光谱仪210实现的第二级波长(例如20)更宽范围的波长。图2的实例流体分析器116使用由每个滤波器通道205与光栅光谱仪210进行的一次或多次OD测量，以估计并且然后在流体组成分析期间使用STO类型。然而，该流体分析器116可以使用在不同波长(例如仅从滤波器通道205)进行不同组的OD测量，以估计并且然后在流体组成分析期间使用STO类型。

为了校正水含量，图2的实例流体分析器包括任何类型的水分数(馏分)校正器215。使用任何适合的方法、算法、等式和/或测量，图2的实例水分数校正器215估计水体积分数，并且然后使用水值分数以校正和/或调节由光传感器125测量的OD值。估计的实例方法和设备和/或校正和/或调节测量的OD值的使用的水值分数在共同拥有的题为“Optical Fluid Analysis Signal Refinement”的美国专利第6,992,768号进行了描述，并且其整体通过参照并入这里。

为了校正颜色吸收效果，图2的实例流体分析器116包括任何类型的脱色器220。使用任何方法、算法、等式和/或测量，图2的实例脱色器(剂)220计算(例如估计)所有通道(即所有波长)中颜色吸收的量，并且基于估计的颜色吸收量，调节水校正过的OD值。用于颜色吸收效果估计和/或校正的实例方法和装置在题为“OpticalFluid Analysis Signal Refinement”的共同拥有的美国专利第6,992,768号中进行了描述。

为了校正散射效果，图2的实例流体分析器116包括任何类型的去散射器(或反散射器descatterer)222。使用任何方法、算法、等式和/或测量，图2的实例去散射器222计算(例如估计)所有通道(即所有波长)中存在的散射量，并且基于估计的散射量调节水校正和/或颜色校正的OD值。用于估计和/或校正散射效果的实例方法和装置在题为“Optical Fluid Analysis Signal Refinement”的共同拥有的美国专利第6,992,768号中进行了描述。

为了估计流体样本202中存在的STO类型，图2的实例流体分析器116包括地面脱气原油分析器225。图2的实例地面脱气原油分析器225使用由光传感器125测量和由实例水分数校正器215、实例脱色器220和/或实例去散射器222可能校正的一个或多个OD值，以确定、计算和/或估计STO类型。图3-9描述了可用于确定STO类型的实例流体组成特征。参照图15和16，以下将描述实现图2的实例地面脱气原油分析器225的实例方式。

为了执行组成分析，图2的实例流体分析器116包括组成分析器230。图2的实例组成分析器230使用由实例地面脱气原油分析器225估计的STO类型，以识别在流体202中包含的成分和/或流体202中包含的成分的质量比率。参照图13，以下将描述实现图2的实例组成分析器230的实例方式。

为了计算(例如估计)流体样本202的GOR值，图2的实例流体分析器116包括气-油比率计算器235。基于由组成分析器230执行的组成分析和/或由地面脱气原油分析器225确定的STO类型，实例气-油比率计算器235估计流体取样202的GOR值。参照图25，下面将描述实现图2的实例气-油比率计算器235的实例方式。

为提供由图2的实例流体分析器116估计、确定和/或计算的一个或多个值、参数和/或属性，流体分析器116包括任何类型的指示器240。图2的实例指示器240收集、接收和/或以其它方式取得由实例水分数校正器215、实例脱色器220、实例去散射器222、实例地面脱气原油分析器225、实例组成分析器230和/或实例气-油比率计算器235估计、确定和/或计算的值、参数和/或属性，并提供和/或输出这些。例如，指示器240可记录、报告、存储(例如在存储器、内存设备和/或存储设备)、增加到数据库和/或数据结构，打印(例如到纸张)、显示(例如显示设备)、转移、上载、通信(例如经由通信、数据转移和/或计算机外设电缆)和/或以其它方式提供和/或输出取得的值、参数、属性。

如关于图10和11在下面说明的，由于图2的实例流体分析器116估计流体样本202的STO类型，并且然后在流体组成分析和/或GOR值计算期间使用估计的STO类型，实质上提高了由图2的实例流体分析器116执行的流体分析的精度。

虽然实现图1的任何或所有实例控制器116的实例方式已显示在图2中，图2中所示的一种或多种元件、过程和设备可采用多种方式的任何一种被组合、分割、重新排列、省略、消除和/或实现。此外，实例水分数校正器215、实例脱色器220、实例去散射器222、实例地面脱气原油分析器225、实例组成分析器230、实例气-油比率计算器235、实例指示器240和/或更广泛地实例流体分析器116可由硬件、软件、固件和/或硬件、软件和/或固件的任何组合实现。此外，除了或代替图2中所示的那些，实例流体分析器116可包括一个或多个元件、部件、模块和/或设备，和/或可包括超过任何或所有所示元件、部件、模块和/或设备之一。

给出一组OD值，可以估计流体样本的多种成分的组成。例如，通过解EQN(1)的数学表达式，可以估计表示目标成分(例如，甲烷(C1)；乙烷(C2)；包括丙烷、丁烷、戊烷(C3-C5)的组；包括己烷和更重烃成分的组(C6+)；和二氧化碳(CO₂))的浓度的矢量

其中：

是包含用于一组光通道(即波长)的测量OD值的矢量；和

是表示每条光通道对目标成分的响应的响应矩阵。

$\stackrel{\→}{s}=\hat{B}\stackrel{\→}{c}$ EQN(1)

该响应矩阵

取决于流体样本中存在的STO的类型。然而，在目前使用的许多流体组成分析方法和装置中，STO类型未知、不精确已知和/或不准确知道，并且从而对于任何特殊的流体样本，用于执行流体组成分析的响应矩阵

可能不准确。在这种情况中，任何产生的流体组成分析结构可能类似地完全或部分不准确。

图3，4，5，7，8和9显示了可被认识、使用、利用和/或应用以确定流体样本的STO类型的实例流体组成特征。图3显示了作为波长和STO美国石油学会(API)重力的函数的实例OD值。如图3所示，STO的光谱能够根据其类型明显改变。此外，因为通道1650nm和1710nm周围的较大光谱变化，不知道STO类型可能对具有落入该波长的波段中的主吸收的轻烃(C1到C5，即C1-5)的探测产生显著影响。

在新鲜石油被闪蒸后，多种易挥发的烃成分(C1-5)蒸发为其气相。实际上，大致所有C1，C2和CO₂均在闪蒸后处于气相。因此，闪蒸的STO主要包括不挥发的烃(C6+)。从NIR光谱学的观点，STO中的主要烃成分可分为三类：

·无或具有少量支链的饱和长链烷烃。蜡是这种类型的烃的代表，其主要是具有少量支链的直长链烷烃，通常从C17到C90+。对于这种类型的烃，分子结构由-CH₂-基团支配，因此其NIR光谱显示-CH₂-吸收的强特性，类似n-癸烷(nC10)的特性。

·具有大量支链的饱和烷烃。典型地，烷烃的支链越多，分子中的-CH₃基团越多，所以分链烷烃包含比含蜡类型的烃更多的-CH₃基团。直链nC10和支链C10的分子结构显示如下。虽然两种化合物都具有相同的分子式C₁₀H₂₂，其分子结构明显不同，并且-CH₃对-CH₂-基团的比率从直链C10的1∶5变化到对于支链C10的3∶1。因此，除-CH₂-吸收属性外，支链烷烃的NIR光谱显示了更多-CH₃吸收的特性。

直链nC10                                          支链C10

·芳族烃，包括它们的分子中含有苯环的树脂和沥青质。因为结合的苯环的效果，沥青质的NIR光谱能够与含蜡和支链的烷烃类型的烃不同。

图4显示了对于极含蜡STO和不含蜡易挥发性STO的实例OD值。该含蜡STO显示了大致匹配nC10光谱的-CH₂-吸收特征。另一方面，不含蜡易挥发性的STO显示了更多-CH₃基团的特性，大致匹配包含大量支链烷烃的柴油的光谱。

图5显示了16种不种类型的STO的实例OD值。第一深曲线505表面含蜡STO并且第二深曲线510表示柴油。两条曲线505和510表示STO频谱的两种极端情况。含蜡类型(-CH₂-)和支链烷烃类型(-CH₃)。取决于蜡与支链烷烃的含量，几乎所有其它类型的STO光谱均在这两条极端情况之间。含蜡类型STO具有在范围从1725nm到1814nm的通道处强的吸收，并且在从1650nm到1710nm的通道弱的吸收。另一方面，支链-烷烃类型STO具有从1725nm到1814nm的更弱的吸收并且从1650nm到1710nm更强的吸收，与含蜡类型STO相反。

图6显示了随着STO类型从含蜡类型到支链-烷烃类型变化的通道1690nm和1800nm之间的关系。如图5和6的实例中所示，STO类型可从通道1725nm到1814nm确定，并且在通道1650nm到1710nm处的STO的吸收可被确定并且然后用于组成分析。

在流体分析和/或测量(例如井下)期间，仅新鲜石油的OD可用。然而，新鲜石油的光谱可能与STO的光谱实质不同。图7显示了特定STO的实例OD值，并且由相同STO和不同GOR值的气体的组合而形成的两种新鲜石油。

为了基于新鲜-石油的光谱确定STO类型，新鲜-石油可由通道1740nm和对于C1含量归一化。图8显示了在由通道1740nm和对于C1含量归一化后，图7的实例新鲜-石油的光谱。参照图16，下面将描述由通道1740nm和对于C1含量可执行以归一化的实例说明。在图8的所示实例中，归一化新鲜原油光谱实质类似于对于1725nm到1814nm，即使当C1到C5的含量超过40％(重量)。因此，如图8所示，STO类型可从范围从归一化的新鲜原油光谱的1725nm到1814nm的通道标识。

例如，流体样本的STO类型可使用如下过程确定：

1.定义含蜡和支链烷烃STO的归一化光谱，并定义STO_TYPE值为：

a.对于“纯”含蜡石油，STO_TYPE＝1

b.对于“纯”支链烷烃，STO_TYPE＝0

2.由通道1740nm并对于C1含量归一化测量的新鲜原油光谱

3.使用通道1725nm到1814nm以计算新鲜原油的STO_TYPE以便：

OD[λ]_Live-oil＝OD[λ]_Waxy-STO×STO_TYPE+OD[λ]_{Branched-alkane-STO}×(1-STO_TYPE)

其中λ是范围在1725nm到1814nm之间的通道波长；OD[λ]_Live-oil是从前一步骤归一化的测量的新鲜原油光谱；OD[λ]_Waxy-STO是归一化的预先定义的含蜡STO光谱；和OD[λ]_{Branched-alkane-STO}是归一化的预定义的支链-烷烃STO光谱。

除了含蜡和支链烷烃含量，STO中的沥青质也影响其光谱。图9显示了用于含蜡STO、但具有更多沥青质的另一含蜡STO和不包含沥青质的nC10的实例OD值。如图9所示，随着沥青质含量增加，吸收在C1具有主要吸收峰值的通道1650nm到1680nm处增加。如果图9中所示的效果未被校正，导出的C1含量和/或导出的GOR值可能不精确。

沥青质分子可引起从可视(400nm到700nm)到NIR区域的颜色吸收。如图9所示，油的沥青质含量越多，其颜色吸收就越强。因此，在一些实例中，根据颜色吸收，对通道1650nm到1680nm的沥青质效果被识别和校正。

图10和11显示了当STO类型被确定并且然后用于组成分析时，可以取得的井下流体组成分析精度的实例改进。图10显示了当STO未被确定并在分析期间使用时可取得的实例精度。图11显示了当确定STO时并且然后在组成分析期间被使用时，可取得的实例精度结果。在图10和11的实例中，对于多种流体样本，显示了C1含量的估计中的绝对误差。如由图10和11所示，确定STO类型和在组成分析期间使用其极大地改进了组成分析的平均绝对误差(例如从大约3％到少于0.5％)。

图12是表示可执行以实现图1的实例取样工具101的实例过程的流程图。图13是表示可执行以实现图1和/或2的实例流体分析器116和118任何或所有的实例过程的流程图。图14是表示可执行以估计C1与C2+(即，C2，C3，...)的质量比率的实例过程的流程图。图15是表示可执行以实现图2的实例地面脱气原油分析器225的实例过程的流程图。图16描述了可执行以确定STO类型的实例指令。图17是表示可执行以计算两种成分的质量比率的实例过程的流程图。图18是表示可执行以去除C1吸收的影响的实例过程的流程图。图19是表示可执行以计算C3-5对C6+的质量比率的实例过程的流程图。图20A和20B是表示可执行以确定CO₂质量标记的示例过程的流程图。图21是表示可执行以计算CO₂对所有烃(C1+)的质量比率的实例过程的流程图。图22是表示可执行以改进C1对C6+的质量比率估计的实例过程的流程图。图23是表示可执行以计算C1，C2，C3-5，C6+和CO₂对所有烃加CO₂的质量比率的实例过程的流程图。图24是表示可执行以检查流体组成分析的结果的实例过程的流程图。图25是表示可执行以基于确定的地面脱气原油类型，估计与地下地质地层相关的流体的气-油比率(GOR)的实例过程的流程图。

图12，13，14，15，17，18，19，20A，20B，21，22，23和/或24的实例过程，和/或图16的实例指令可由处理器、控制器和/或任何其它适合的处理设备执行。例如，图12，13，14，15，17，18，19，20A，20B，21，22，23，和/或24的实例过程和/或图16的实例指令可采用存储在与处理器(关于图26在下面讨论的实例处理器2605)关联的诸如闪速存储器、只读存储器(ROM)和/或随机存取存储器(RAM)的有形介质上的编码指令具体化。可选地，图12，13，14，15，17，18，19，20A，20B，21，22，23和/或24的一些或所有实例操作和/或图16的实例指令可使用特定用途集成电路(ASIC)、可编程逻辑设备(PLD)、现场可编程逻辑设备(FPLD)、离散逻辑、硬件、固件等的任何组合实现。此外，图12，13，14，15，17，18，19，20A，20B，21，22，23和/或24的一个或多个实例操作和/或图16的实例指令可手工或作为任何前述技术的任何组合实现，例如固件、离散逻辑、软件和/或硬件的任何组合。此外，虽然图12，13，14，15，1617，18，19，20A，20B，21，22，23和24的实例过程参照图12，13，14，15，16，17，18，19，20A，20B，21，22，23，和/或24的实例进行描述，本领域的普通技术人员将容易认识到：可以使用实现图12，13，14，15，17，18，19，20A，20B，21，22，23，和/或24的过程，和/或图16的实例指令的许多其它方法。例如，可以改变块的执行顺序，和/或可以改变、删除、细分或组合一个或多个所述块。另外，本领域的普通技术人员将容易认识到：图12，13，14，15，17，18，19，20A，20B，21，22，23和/或24的任何或所有实例操作和/或图16的实例指令的任何或所有可通过例如单独的处理线程、处理器、设备、离散逻辑、电路等顺序执行和/或并行执行。

图12的实例过程开始于收集流体实例的OD值的流体分析器(例如，图1和/或2的任何实例流体分析器116和118)(块1205)。该流体分析器(例如，图2的实例水分数校正器215)计算(例如，估计)水体积分数，并且然后校正含水量(块1210)。该流体分析器(例如实例脱色器220)执行含水量校正的OD值的脱色(块1215)。该流体分析器(例如实例脱色器222)执行含水量校正的和/或颜色校正的OD值的脱色(块1217)。

例如通过执行对于假定STO类型的图17的实例过程，该流体分析器估计C1对C6+的质量比率(块1220)。然后，该流体分析器确定流体样本是否应对油或气进行分析(块1222)。例如，该流体分析器可使用在块1220处计算的C1对C6+的质量比率以确定是否对油或气分析。具体地，如果C1对C6+的质量比率大于阈值，该流体实例被分析用于气体。如果流体样本将分析用于油(块1222)，通过例如执行图13的实例过程，流体分析器执行油组成分析(块1225)。如果在块1225处执行的分析结果确认样本主要包括油(块1230)，控制进行至块1255。如果结果指示样本不是主要包括油(块1230)，流体分析器执行气体组成分析(块1235)。

返回到块1222，如果流体样本将对气体分析(块1222)，该流体分析器执行气体组成分析(块1240)。如果在块1240处执行的分析的结果确认样本主要由气体组成(块1245)，控制进行至块1255。如果结果指示样本不是主要由气体组成(块1245)，通过例如执行图13的实例过程，流体分析器执行油组成分析(块1250)。

在块1255处继续，通过例如执行图25的实例过程，流体分析器计算GOR值(块1255)。然后，流体分析器计算任何类型的质量标记，指示由流体分析器执行的流体分析的精确度(块1260)。例如，该流体分析器可以将一个或多个计算值与一个或多个阈值比较。该流体分析器(例如，图2的实例指示器240)提供(例如，输出、记录、报告、存储、通信等)由流体分析器计算、估计和/或确定的一个或多个值(块1265)。然后，控制从图12的实例过程出来。

图13的实例过程可执行以实现油组成分析。图13的实例过程计算(例如估计)STO类型，并且然后在后续的组成分析期间，使用估计的STO类型。图13的实例过程顺序地判断流体样本的组成，从最简单的成分(例如C1)到最复杂的组成(e.g.，C6+)，并且也分别从其它烃估计CO₂浓度。

图13的实例过程从组成分析器(例如图2的实例组成分析器230)开始，例如通过执行图14的实例过程计算(例如估计)C1对C2+(i.e.，C2，C3，...)的质量比率(块1305)。该实例过程继续地面脱气原油分析器(例如图2的实例地面脱气原油分析器225)，通过例如执行图15的实例过程和/或执行图16的实例指令确定(例如估计)STO类型(块1310)。

例如通过执行图17的实例过程，该组成分析器估计C1对C6+的质量比率(块1315)。然后，例如通过执行图18的实例过程，该组成分析器去除C1吸收的影响(块1320)。例如通过分别执行图17和图19的实例过程，该组成分析器接下来计算C2对C6+的质量比率(块1325)和C3-5与C6+的质量比率(块1330)。

通过例如执行图20A和20B的实例过程，该组成分析器计算指示CO₂确定的质量(例如估计的精度)的标记(块1335)。通过例如执行图21的实例过程，该组成分析器计算CO₂对所有烃(C1+)的质量比率(块1340)。然后，例如通过执行图22的实例过程，该组成分析器改进在块1315处计算的C1对C6+的质量比率(块1345)。

通过例如执行图23的实例过程，该组成分析器分别计算C1，C2，C3-5，C6+和CO₂对所有烃加CO₂的质量比率(块1350)。通过例如执行图24的实例过程，该组成分析器计算指示油或者气是流体样本的主要成分的标记(块1355)。然后，控制从图13的实例过程出来。

图14的实例过程可用于计算(例如估计)C1对C2+的质量比率。图14的实例过程从组成分析器(例如，图2的实例组成分析器230)开始，计算表示在许多波长(例如1070，1290，1500和1600nm)处表示颜色的总吸收的颜色吸收因数(块1405)。使用任何适合的方法和/或算法，该组成分析器基于一组过滤器排列通道(例如在由滤波器排列通道1600nm归一化后1650nm和1725nm)的颜色吸收因数，计算响应矩阵

，转换矩阵(块1415)，基于用于过滤器排列通路的测量OD值，解出C1和C2+含量，并基于计算的C1和C2+含量值，计算质量比率R_FS(块1425)。

类似地，该组成分析器基于用于一组光栅通道(例如在由光栅通道1589nm归一化后1649nm和1725nm)的颜色吸收因数，计算第二响应矩阵(块1430)，转换第二矩阵(块1435)，基于用于光栅通路的测量OD值，解出C1和C2+论题(块1440)，并基于计算的C1和C2+含量值，计算质量比率R_GS(块1445)。然后，组成分析器计算经计算的质量比率R_FS和R_GS的平均值。然后，控制从图14的实例过程出来。

图15的实例过程可用于确定(例如估计)STO类型。图15的实例过程从地面脱气原油分析器(例如，图2的实例地面脱气原油分析器225)开始，通过例如执行图16的实例指令1605利用通道1740nm和对C1含量归一化新鲜石油光谱(块1505)。然后，例如通过解EQN(1)的数学表达式和/或执行图16的实例指令1610，该地面脱气原油分析器计算(例如，估计)STO类型(块1510)。然后，控制从图15的实例过程出来。

图17的实例过程可用于计算(例如估计)两种成分的质量比率(例如C1对C6+，C2对C6+，C2-5对C6+，等)。图17的实例过程始于组成分析器(例如，图2的实例组成分析器230)，基于颜色吸收因数和STO类型计算响应矩阵(块1705)。例如，基于流体样本中存在的含蜡STO比支链烷烃类型STO的百分比，STO类型可被用于测量响应矩阵的响应值。

该组成分析器转换响应矩阵(块1710)；基于通路(例如，滤波器-排列、光栅和/或其它)的测量OD值，解出成分1含量(例如C1含量)和成分2含量(例如C6+含量)(块1715)；并基于计算的成分1和成分2含量值，计算质量比率(块1720)。该组成分析器将计算的质量比率加到质量比率的总和(块1725)。

如果多个通道保持被处理(块1730)，控制返回到块1715以处理下一通道。如果所有通道已被处理(块1730)，通过将质量比的和除以处理的通道数目计算平均质量比率(块1735)。然后，控制从图17的实例过程出来。

本领域的普通技术人员将容易认识到：图17的实例过程可用于确定成分的多种组合的质量比率。此外，用于计算一个质量比率(例如C1对C6+)的特定通道可与用于计算不同质量比率(例如C3-5对C6+)的通道不同。此外，在块1705处使用的响应矩阵和/或用于计算响应矩阵的值可取决于利用图17的实例过程分析的特定成分。这种响应矩阵和/或用于计算其的值可分析地确定(例如，使用数学等式计算)和/或实验确定(例如，通过对具有已知成分和/或特征的流体样本进行一次或多次测量)。此外仍然，在求解成分1和成分2含量时，可以使用每条通道(例如采用1649nm，1725nm等的波长)与公共基本通道(例如，采用1600nm或1589nm)的差别。

图18的实例过程可用于去除C1吸收。图18的实例过程始于组成分析器(例如图2的实例组成分析器230)，使用下述数学表达式，采用例如过滤器排列通道1650nm计算(例如估计)C1吸收量(CA)(块1805)。

$\mathrm{CA}=\frac{(\mathrm{FSOD}\_\mathrm{DC}[1650]-\mathrm{FSOD}\_\mathrm{DC}[1600\left]\right)*\frac{{\mathrm{MR}}_{C1/C2+}}{1+{\mathrm{MR}}_{C1/C2+}}*C1\_f\_\mathrm{FS}\left[1650\right]}{(\frac{{\mathrm{MR}}_{C1/C2+}}{1+{\mathrm{MR}}_{C1/C2+}}*C1\_f\_\mathrm{FS}\left[1650\right]+\frac{1}{1+{\mathrm{MR}}_{C1/C2+}}*(\mathrm{OD}\_\mathrm{FS}1650\_f1-\mathrm{STO}\_\mathrm{TYPE}*\mathrm{OD}\_\mathrm{FS}1650\_f2))}---\mathrm{EQN}\left(2\right)$

其中：C1_f_FS[]表征在特定波长处的C1吸收；OD_FS1650_f1等于0.03；OD_FS1650_f2＝0.01；FSOD_DC[]值表示脱色的过滤器排列通道OD值；STO_TYPE是表示STO类型值的值；和MR_C1/C2+是C1对C2+的质量比率。C1_f_FS[]的值可以分析地确定(例如，使用数学等式计算)和/或实验确定(例如，通过对具有已知成分和/或特征的流体样本进行一次或多次测量)。

然后，该组成分析器从每个测量通道去除C1吸收(块1810)。例如，对于脱色过滤器排列通路FSOD_DC_orig[]，C1吸收(CA)(例如使用EQN(2)计算)可以使用下面显示的数学表达式去除，其中：C1_f_FS[]表征在特定波长的C1吸收，并且下标orig和new分别表示脱色滤波器排列通道OD值事先或事后C1吸收校正。

$\mathrm{FSOD}\_{\mathrm{DC}}_{\mathrm{new}}\left[i\right]=\mathrm{FSOD}\_{\mathrm{DC}}_{\mathrm{orig}}\left[i\right]-\mathrm{FSOD}\_\mathrm{DC}\left[1600\right]-\frac{\mathrm{CA}*C1\_f\_\mathrm{FS}\left[i\right]}{C1\_f\_\mathrm{FS}\left[1650\right]}---\mathrm{EQN}\left(3\right)$

然后，控制从图18的实例过程出来。

图19的实例过程可用于计算(例如估计)C3-5对C6+的质量比率。图19的实例过程开始于组成分析器(例如图2的实例组成分析器230)，通过例如执行图17的实例过程，计算(例如估计)C2-5对C6+的质量比率(块1905)。然后，通过计算C2-5对C6+的计算质量比率与C2对C6+的计算质量比率(例如，在图13的块1325处计算)之差，该组成分析器计算C3-5对C6+的质量比率(块1910)。然后，控制从图19的实例过程出来。

图20A和20B的实例过程可用于确定(例如计算)表示CO₂测定的质量(例如估计精度)的标记。图20A的实例过程开始于组成分析器(例如图2的实例组成分析器230)，例如通过执行图20B的实例过程，计算基于水分数值(含水率)的第一标志CO2_Q1(块2005)。水分数值可例如使用有效流动流(EFS)模型计算。计算水分数值的实例方法在题为“In-Situ Optical Fluid Analysis as an Aid toWireline Formation Sampling，”by Smits et al，published in SPE FormationEvaluation，June 1995，pp.91-98的文章中进行了描述，并且其整体通过参考并入这里。例如通过执行图20B的实例过程，该组成分析器基于水差别值计算第二标志CO2_Q2(块2010)。然后，该组成分析器选择CO2_Q1和CO2_Q2标志的最小值(块2015)。在块2005和2010处使用的阈值可以不同。例如，该标志CO2_Q1可使用第一组阈值确定，并且标志CO2_Q2 可使用第二组阈值确定。然后，控制从图20A的实例过程出来。

图20B的实例过程开始于组成分析器(例如图2的实例组成分析器230)，将一个值(例如，水分数值或水差别值)与第一阈值(例如0.025)比较(块2020)。如果该值小于第一阈值(块2020)，标志被设置为HIGH(块2025)。如果该值等于或超过第一阈值(块2020)，该值与第二阈值(例如0.05)比较(块2030)。如果该值小于第二阈值(块2030)，标志被设置为MEDIUM(块2035)。如果该值等于或超过第二阈值(块2030)，该值与第三阈值(例如0.1)比较(块2040)。如果该值小于第三阈值(块2040)，标志被设置为LOW(块2045)。如果该值等于或超过第三阈值(块2040)，标志被设置为NO COMPUTE(块2050)。一旦标志被设置，控制从图20B的实例过程返回到例如在块2005和/或块2010处的图20A的实例过程。本领域的普通技术人员将容易认识到：块2020，2030和/或2040处使用的阈值可取决于图20B的实例过程使用的值(例如，水分数或水差别)的类型，和/或基于其选择，以确定质量标志。

图21的实例过程可用于计算(例如估计)CO₂对所有烃的质量比率。图21的实例过程开始于组成分析器(例如，图2的实例组成分析器230)，计算对于滤波器排列通道(例如在1725nm)和光栅通道(例如以1725nm)的浓度因数(块2105)。例如，使用EQN(4)能够计算1725nm滤波器排列通道(f_HYD)的烃浓度因数，其中：STO_Type是表示STO类型的值，FSOD_DC[]值表示脱色过滤器排列通道OD值，MR_C1/C6+是C1对C6+的质量比率；MR_C2/C6+是C2对C6+的质量比率；和MR_C3-5/C6+是C3-5对C6+的质量比率。

$f_{\mathrm{HYD}}=\frac{\mathrm{FSOD}\_\mathrm{DC}\left[1725\right]-\mathrm{FSOD}\_\mathrm{DC}\left[1600\right]}{\frac{0.5\×{\mathrm{MR}}_{C1/C6+}}{1+{\mathrm{MR}}_{C1/C6+}+{\mathrm{MR}}_{C2/C6+}+{\mathrm{MR}}_{C3-5/C6+}}+(1-\frac{{\mathrm{MR}}_{C1/C6+}}{1+{\mathrm{MR}}_{C1/C6+}+{\mathrm{MR}}_{C2/C6+}{\mathrm{MR}}_{C3-5/C6+}})\×(0.7015+0.1123\×\mathrm{STO}\_\mathrm{Type})}---\mathrm{EQN}\left(4\right)$

然后，该组成分析器从在块2105处计算的因子，计算出平均烃浓度(块2110)。

使用任何适合的算法和/或方法，组成分析器接下来计算多种成分的浓度(例如，C1，C2，C3，C6，等)(块2115)，并基于部分浓度，计算烃的总浓度(块2120)。该组成分析器也计算CO₂的浓度(块2125)。例如，组成分析器可从两条不同通道(例如，FSOD[2010]-FSOD[1985]和FSOD[2010]-FSOD[2040])去除烃的吸收，以估计两条不同通道的CO₂的浓度。基于在块2115处计算的部分浓度和两个不同通道的CO₂的浓度，组成分析器计算CO₂对所有烃的质量比率(块2130)。例如，CO₂对C1+的质量比率可使用如下数学等式计算。

${\mathrm{MR}}_{{\mathrm{CO}}_2/C1+}=\frac{0.3\×2.2\×{\mathrm{\ρ}}_{{\mathrm{CO}}_2\_2010-1985}+0.7\×2.1\×{\mathrm{\ρ}}_{{\mathrm{CO}}_2\_2010-2040}}{{\mathrm{\ρ}}_{C1}+{\mathrm{\ρ}}_{C2}+{\mathrm{\ρ}}_{C3-5}+{\mathrm{\ρ}}_{C6+}}---\mathrm{EQN}\left(5\right)$ 其中：ρ_x的值是多种部分浓度；ρ_{CO2_2010-1985}是从不同通道FSOD[2010]-FSOD[1985]计算的CO₂浓度；和ρ_{CO2_2010-2040}是从不同通道FSOD[2010]-FSOD[2040]计算的CO₂浓度。然后，控制从图21的实例过程出来。

图22的实例过程可用于精制C1对C6+的质量比率(例如在图13的块1315处计算的)。图22的实例过程开始于组成分析器(例如图2的实例组成分析器230)，使用任何适合的算法和/或方法以去除自1665nm处的光栅通路的C2吸收的影响(块2205)。然后，通过例如执行图17的实例过程，基于去除C2吸收的在1665nm处的光栅通道，该组成分析器计算C1对C6+的质量比率(块2210)。然后，控制从图22的实例过程出来。

图23的实例过程可用于计算C1，C2，C3-5，C6+和CO₂对所有烃加CO₂的质量比率。图23的实例过程开始于组成分析器(例如图2的实例组成分析器230)，使用例如EQN(6)计算(例如估计)C1对所有烃加CO₂的质量比率(块2305)，以及使用例如EQN(7)计算C2对所有烃加CO₂的质量比率(块2310)。然后，该组成分析器使用例如EQN(8)计算C3-5对所有烃加CO₂的质量比率(块2315)，使用例如EQN(9)计算C6+对所烃加CO₂的质量比率(块2320)，和使用例如EQN(10)计算CO₂对所有烃加CO₂的质量比率(块2325)。在实例等式EQN(6)，EQN(7)，EQN(8)，EQN(9)和EQN(10)中，MR_C1/C6+是C1对C6+的质量比率；MR_C2/C6+是C2对C6+的质量比率；MR_C3-5/C6+是C3-5对C6+的质量比率；MR_CO2/C6+是CO₂对C6+的质量比率；和MR_CO2/C1+是CO₂对C1+的质量比率。然后，控制从图23的实例过程出来。

$R_{C1}=\frac{{\mathrm{MR}}_{C1/C6+}}{(1+{\mathrm{MR}}_{C1/C6+}+{\mathrm{MR}}_{C2/C6+}+{\mathrm{MR}}_{C3-5/C6+})(1+{\mathrm{MR}}_{{\mathrm{CO}}_2/C1+})}---\mathrm{EQN}\left(6\right)$

$R_{C2}=\frac{{\mathrm{MR}}_{C2/C6+}}{(1+{\mathrm{MR}}_{C1/C6+}+{\mathrm{MR}}_{C2/C6+}+{\mathrm{MR}}_{C3-5/C6+})(1+{\mathrm{MR}}_{{\mathrm{CO}}_2/C1})}---\mathrm{EQN}\left(7\right)$

$R_{C3-5}=\frac{{\mathrm{MR}}_{C3-5/C6+}}{(1+{\mathrm{MR}}_{C1/C6+}{\mathrm{MR}}_{C2/C6+}+{\mathrm{MR}}_{C3-5/C6+})(1+{\mathrm{MR}}_{{\mathrm{CO}}_2/C1+})}---\mathrm{EQN}\left(8\right)$

$R_{C6+}=\frac{1}{(1+{\mathrm{MR}}_{C1/C6+}+{\mathrm{MR}}_{C2/C6+}+{\mathrm{MR}}_{C3-5/C6+})(1+{\mathrm{MR}}_{{\mathrm{CO}}_2/C1+})}---\mathrm{EQN}\left(9\right)$

$R_{{\mathrm{CO}}_2}=\frac{{\mathrm{MR}}_{{\mathrm{CO}}_2/C1+}}{(1+{\mathrm{MR}}_{{\mathrm{CO}}_2/C1+})}---\mathrm{EQN}\left(10\right)$

图24的实例过程可用于检验流体样本被正确用于油或气的分析。图24的实例过程开始于组成分析器(例如图2的实例组成分析器230)，计算C1对所有烃的质量比率与C6对所有烃的质量比率的比率并且然后将其与阈值比较(块2405)。如果比率超过阈值(块2405)，流体样本被选用于气体分析(块2410)。如果比率未超过阈值(块2405)，流体样本被选用于油分析(块2415)。

如果在水分数的校正后，在1725nm处进行的OD值的平均值小于截止值(例如0.1)(块2420)，流体样本被选用于气体分析(块2425)。一旦已进行用于油或气体的选择分析，控制从图24的实例过程出来。

图25的实例过程可用于基于STO类型计算气-油比率。图25的实例过程开始于组成分析器(例如图2的实例组成分析器230)，计算(例如估计)新鲜石油中的C1-5的量，并计算C3-5分子重量(块2510)。然后，该组成分析器计算在流体样本中存在的蒸发C3-5的分数(馏分)(块2515)，并修改新鲜石油中的C1-5的量(块2520)。

组成分析器通过计算蒸发的C6+的分数(馏分)(块2525)并计算地面脱气原油的密度(块2530)继续。基于STO类型，该组成分析器更新蒸发的C3-5和蒸发的C6+的分数(馏分)(块2535)。例如，蒸发的C3-5和蒸发的C6+的分数(馏分)可使用EQN(11)和EQN(12)的数学表达式计算。在等式EQN(11)中，STO_Type是表示STO类型的值。在等式EQN(12)中，Raw_Color是表示流体染色的值。例如，在减去在1600nm的滤波器通道后，它可计算作为在1070nm，1290nm和1500nm处的滤波器通道的总和。基于蒸发的分数(份额)，使用例如EQN(13)，该组成分析器计算用于流体样本的GOR(块2540)。在等式EQN(11)，EQN(12)和EQN(13)中，该值R_x表示各自成分对所有烃加CO₂的质量比率，并可例如使用EQN(6)，EQN(7)，EQN(8)，EQN(9)和/或EQN(10)计算。然后，控制从图25的实例过程出来。

${\mathrm{\η}}_{R\_C3-5}=(1-\frac{3.15}{100\×(\frac{R_{C1}}{16.04}+\frac{R_{C2}}{30.07})})\×(1-0.1280\×\mathrm{STO}\_\mathrm{Type})---\mathrm{EQN}\left(11\right)$

${\mathrm{\η}}_{R\_C6+}=0.0314\×(\frac{R_{C1}}{16.04}+\frac{R_{C2}}{30.07}+\frac{R_{C3-5}}{69.82}\×{\mathrm{\η}}_{C3-5}+\frac{R_{C{O}_2}}{44})\×(1+1.166\×\mathrm{Raw}\_\mathrm{Color})---\mathrm{EQN}\left(12\right)$

$\mathrm{GOR}=113076\×\frac{\frac{R_{C1}}{16.04}+\frac{R_{C2}}{30.07}+\frac{R_{C3-5}}{69.82}\×{\mathrm{\η}}_{R\_C3-5}+\frac{R_{C6+}}{110.0}\×{\mathrm{\η}}_{R\_C6+}+\frac{R_{{\mathrm{CO}}_2}}{44.0}}{R_{C3-5}(1-{\mathrm{\η}}_{R\_C3-5})+R_{C6+}(1-{\mathrm{\η}}_{R\_C6+})}(\mathrm{scf}/\mathrm{stb})---\mathrm{EQN}\left(13\right)$

图26是可使用和/或编程以实现这里描述的实例取样工具101和/或液体分析器116和118的任何部分的实例处理器平台2600的示意图。例如，处理器平台2600可以由一个或多个通用目的处理器、处理器芯、微控制器等实现。

图26的实例的处理器平台2600包括至少一个通用目的可编程处理器2605。该处理器2605执行在处理器2605的主存储器(例如在RAM 2615和/或ROM 2620)中的编码指令2610和/或2612。该处理器2605可以是任何类型的处理单元，诸如处理器芯、处理器和/或微控制器。该处理器2605尤其可以执行图12，13，14，15，17，18，19，20A，20B，21，22，23，24，和/或25的实例过程和/或图16的实例指令，以实现这里描述的实例取样工具101和/或实例流体分析器116和118的任何或所有。该处理器2605经由总线2625与主存储器(包括ROM 2620和/或RAM 2615)通信。该RAM 2615可由DRAM，SDRAM和/或任何其它类型的RAM设备实现，并且ROM可由闪存和/或其它期望类型的存储设备实现。对存储器2615和2620的存取可由存储器控制器(未显示)控制。该RAM 2615可用于存储和/或例如实现测量的OD值。

该处理器平台2600也包括接口电路2630。该接口电路2630可由诸如USB接口、蓝牙接口、外部存储器接口、串行端口、通用目的输入/输出等的任何类型的接口标准实现。一种或多个输入设备2635和一个或多个输出设备2640被连接到接口电路2630。该输入设备2635和/或输出设备2640可被用于接收测量的OD值和/或输出流体组成分析的结果。

虽然在这里已描述了特定实例方法、设备和制造的物品，这个专利的覆盖范围并不局限于此。相反，这个专利覆盖完全落入或者字面或在相同物的教导下的权利要求内的所有方法、设备和制造物品。

Claims (27)

1.一种表征与地下地质地层相关的流体的方法，所述方法包括以下步骤：

取得包括与地下地质地层关联的流体的样本；

在与地下地质地层关联的钻井中，测量所述流体的光学属性，其中所述光学属性由构造用于第一组波长的滤波器阵列光谱仪和构造用于第二组波长的光栅光谱仪测量；

在所述钻井中，确定用于与地下地质地层关联的流体样本的地面脱气原油类型，其中所述地面脱气原油类型基于所述光学属性被确定；以及

基于地面脱气原油类型，确定与地下地质地层关联的样本的属性。

2.根据权利要求1所述的方法，其中：确定用于与地下地质地层关联的流体样本的地面脱气原油类型的步骤包括：

向流体传送光；

测量流体导致的对传送的光的影响；以及

将测量效果与对于烃类型的两种或更多种参考效果比较，以确定地面脱气原油类型。

3.根据权利要求2所述的方法，其中：测量的效果是光吸收。

4.根据权利要求1所述的方法，其中：地面脱气原油类型表示是含蜡地面脱气原油的流体的馏分。

5.根据权利要求1所述的方法，其中：地面脱气原油类型表示是支链烷烃地面脱气原油的流体的馏分。

6.根据权利要求1所述的方法，其中：光学属性包括光吸收光谱，并且还包括：基于在约1740纳米处测量的吸收，归一化光谱。

7.根据权利要求6所述的方法，还包括：对甲烷含量校正光谱。

8.根据权利要求1所述的方法，还包括：

在一种或多种波长处，测量流体的一种或多种光密度；以及

基于一种或多种测量的光密度，计算归一化新采出的石油光谱，其中地面脱气原油类型基于归一化的新采出的石油光谱确定。

9.根据权利要求8所述的方法，其中：一种或多种波长在1725纳米与1814纳米之间。

10.根据权利要求1所述的方法，其中：流体属性是气-油比率（GOR）值、质量比率和部分密度之一。

11.根据权利要求1所述的方法，其中：流体属性表示流体的组成。

12.根据权利要求1所述的方法，还包括：记录确定的地面脱气原油类型或确定的流体属性中的至少一个。

13.一种表征与地下地质地层相关的流体的设备，所述设备包括：

取得与地下地质地层关联的流体的样本的设备；

测量流体的样本的光学属性的光学传感器；

基于光学属性确定流体样本的地面脱气原油类型的分析器；

构造用于第一组波长的滤波器阵列光谱仪；和

构造用于第二组波长的光栅光谱仪。

14.根据权利要求13所述的设备，其中：光学传感器将在与地下地质地层关联的钻井中操作。

15.根据权利要求13所述的设备，其中：分析器将基于地面脱气原油类型确定气-油比率或质量比率中的至少一个。

16.根据权利要求13所述的设备，其中：地面脱气原油类型表示是含蜡地面脱气原油的流体的样本的馏分。

17.根据权利要求13所述的设备，其中：地面脱气原油类型表示是支链烷烃地面脱气原油的流体的样本的馏分。

18.根据权利要求13所述的方法，其中：光学传感器测量在1725纳米与1814纳米之间波长处的光学属性。

19.一种表征与地下地质地层相关的流体的方法，所述方法包括以下步骤：

取得与地下地质地层关联的流体的样本；

在原位置探测流体样本的吸光度指标，其中通过构造用于第一组波长的滤波器阵列光谱仪和构造用于第二组波长的光栅光谱仪测量光密度；

基于探测的指标，确定用于与地下地质地层关联的流体样本的地面脱气原油类型；以及

基于地面脱气原油类型，确定与地下地质地层关联的流体的属性。

20.根据权利要求19所述的方法，其中：流体样本的吸光度在近红外波长和可视波长中的至少一个处测量。

21.根据权利要求19所述的方法，其中：地面脱气原油类型表示是含蜡地面脱气原油和支链烷烃地面脱气原油的流体样本的馏分之一。

22.一种用于确定地下地质地层的样品的参数的方法，包括：

传送光到地下地质地层的样本；

测量样本对传送光的吸收的指标；以及

将测量的吸收指标与两种或更多种烃类型的各自的两种或更多种吸收指标相比较，以确定样本的参数，其中：两种或更多种烃类型包括至少含蜡烃和无蜡烃。

23.根据权利要求22所述的方法，其中：样本的参数是地面脱气原油类型。

24.根据权利要求23所述的方法，其中：地面脱气原油类型表示包括含蜡地面脱气原油的样本的馏分和包括支链烷烃地面脱气原油的样本的馏分之一。

25.根据权利要求23所述的方法，还包括：基于地面脱气原油类型，确定样本的第二参数，第二参数是气-油比率（GOR）值。

26.根据权利要求22所述的方法，其中：样本是流体样本，并且其中：测量样本的光吸收指标包括测量穿过样本的光的部分。

27.根据权利要求22所述的方法，其中：样本包括地下地质地层的表面，并且其中：测量样本的光吸收指标包括测量样本的对光的反射。

Images