Professional Documents
Culture Documents
水压致裂煤体分区渗流试验装置及教学实验方法设计 张村
水压致裂煤体分区渗流试验装置及教学实验方法设计 张村
DOI: 10.16791/j.cnki.sjg.2022.10.010
水压致裂煤体分区渗流试验装置及
教学实验方法设计
张 村,宋子玉,刘晨熙,陈见行
摘 要:水力压裂技术是在煤层气勘探开发过程中提高煤层气产能的重要技术手段,了解水压致裂后煤层瓦
斯在不同致裂分区中的渗流情况有助于产气预测。为满足行业特色教学的科教要求,提高学生工程实际创新
能力,自主研制了水压致裂扰动煤岩体瓦斯渗流模拟装置,并设计了瓦斯分区渗流的串并联实验方案。根据
水压致裂扰动煤岩体的裂隙分布特征,将致裂煤层分为强扰动区、弱扰动区和未扰动区,分别对应贯穿裂隙
煤样、微裂隙煤样、完整煤样;通过串并联上述煤样腔体实现符合实际工况的水压致裂瓦斯横向和纵向渗流
模拟试验,获得煤层在不同水力压裂参数、应力环境、赋存条件下的瓦斯抽采量,对指导实际工程具有重要
意义。该装置的研发完善了深部煤层不同扰动区渗流模拟的实验教学和科研手段,为科研辅助教学提供了良
好的平台。
关键词:深部煤层气;水力压裂;损伤分区;串并联实验;模拟装置
中图分类号:TD821 文献标识码:A 文章编号:1002-4956(2022)10-0054-05
(School of Energy and Mining Engineering, China University of Mining and Technology (Beijing), Beijing 100083, China)
Abstract: Hydraulic fracturing technology is an important technical mean to improve coalbed methane productivity
in the process of coalbed methane exploration and development. It is helpful to predict gas production to know the
seepage of coal seam gas in different fracture zones after hydraulic fracturing. In order to meet the scientific and
educational requirements of industry characteristic teaching, and improve students' practical engineering
innovation ability, a gas seepage simulation device for hydraulic fracturing disturbed coal and rock mass is
independently developed, and a series and parallel experimental scheme for gas seepage in different zones is
designed. According to the fracture distribution characteristics of rock mass disturbed by hydraulic fracturing, the
fracturing coal seam is divided into strong disturbance area, weak disturbance area, and undisturbed area,
corresponding to the coal sample of through fracture, micro-fracture and intact coal sample respectively. The
horizontal and longitudinal seepage simulation tests of hydraulic fracturing gas in accordance with the actual
working conditions are realized through series and parallel connection of the above-mentioned coal sample cavities,
and the gas extraction amount of coal seam under different hydraulic fracturing parameters, different stress
environments and occurrence conditions are obtained, which is of great significance for guiding the practical
engineering. The research and development of this device improves the experimental teaching and scientific
research means of seepage simulation in different disturbed areas of deep coal seam, which provides a good
platform for scientific research assisted teaching.
收稿日期: 2022-06-11
基金项目: 国家自然科学基金重点项目(U1910206);中国矿业大学(北京)教学改革项目(J211109)
作者简介: 张村(1990—),男,江苏南通,博士,副教授,主要研究方向为煤矿开采领域的教学科普与科研,cumt-zc@cumtb.edu.cn。
引文格式: 张村,宋子玉,刘晨熙,等. 水压致裂煤体分区渗流试验装置及教学实验方法设计[J]. 实验技术与管理, 2022, 39(10): 54-58.
Cite this article: ZHANG C, SONG Z Y, LIU C X, et al. Design on zonal seepage test device and teaching experiment method for hydraulic
fracturing in coal seam[J]. Experimental Technology and Management, 2022, 39(10): 54-58. (in Chinese)
张 村,等:水压致裂煤体分区渗流试验装置及教学实验方法设计 55
Key words: deep coalbed methane; hydraulic fracturing; damage zonal; series and parallel experiment; analog device
煤层气属于煤的伴生矿产资源,是指储存在煤层 同扰动程度的深部煤层为研究对象,研制了不同扰动
中,以吸附在煤基质颗粒表面为主、部分游离于煤孔隙 分区煤岩体瓦斯渗流模拟装置及串并联瓦斯抽采模拟
[1]
中或溶解于煤层水中的烃类气体,主要成分是 CH4 。 方法。该装置可根据水压致裂不同扰动分区煤岩体的
随着我国煤层气需求量的增加,浅部煤炭资源逐渐枯 裂隙分布特征,将其沿径向分为强扰动区、弱扰动区
[2]
竭,煤层气开发逐步转向深部 。但我国深部煤储层 和未扰动区,分别对应贯穿裂隙煤样、微裂隙煤样、
普遍具有地应力高、瓦斯含量大及渗透性低等特点, 完整煤样;通过串并联煤岩样腔体实现精确的符合实
[3-5]
导致开采难度较大 。水力压裂技术是目前国内广泛 际工况的瓦斯渗流模拟试验,获得煤岩层在不同水力
[6-7]
使用的提高煤层气产能的重要手段 ,具有增透范围 压裂条件下的瓦斯抽采量,提高了实验的精度,完善
大、效果明显等优势。水力压裂作为煤层增透的重要 了深部煤层不同扰动区的实验教学和科研手段,丰富
手段,核心是控制水力裂缝的开裂和扩展方向,因此 了学生实训和实践教学环节,促进了师生的科研创新,
裂缝形态的识别是研究压裂效果的基础。近年来,国 为科研辅助教学提供了良好的平台。
内部分高校以及科研院所在真三轴条件下进行了水力
1 试验装置
压裂物理试验 [8-12] ,分析了不同水力压裂条件下的水
力裂缝扩展形态和影响因素,但相关设备均为独立的, 1.1 实验装置组成
无法完成水力压裂后渗透性的测试,难以满足当前行 水压致裂扰动煤岩体瓦斯渗流模拟装置由 3 个串
业热点技术教学科研工作、工程实践锻炼及创新能力 联(或并联)的腔体、应力加载系统、瓦斯流量测试
培养的需求。 系统以及数据采集系统组成,实现不同损伤程度煤岩
煤层水力压裂后会在抽采钻孔周围形成裂隙发育 体在不同水力压裂条件下的瓦斯渗流测试,具体如图
程度不同的损伤分区,在煤层气抽采过程中,气体在 1 所示,主要包括气体压力表、煤岩样用腔体、压力
不同损伤裂隙煤体中的运移规律明显不同,导致了产 计、流量计、围压泵、轴压泵、气压泵、阀门和数据
气难以预计,也无法直观显示水压致裂的效果 [13]。因 采集设备。3 个串联(并联)煤岩样用腔体皆连接有
此,可以认为水力压裂后的煤层气生产是一个跨越时 应力加载系统,并可以对其施加相应的轴压和围压,
空尺度的复杂过程,是煤体基质孔隙、天然微裂缝、 以模拟实际生产过程中的真实地层条件。其中单个腔
水压裂缝等渗流通道中的“串并联”耦合过程。如果 体的示意图如图 2 所示。
要重现不同水压致裂损伤区域煤层气渗流的模拟试 1.2 测试装置参数
验,需要同时具备多个腔体的试验设备。但现阶段试 在实验过程中瓦斯压力由压力调节阀精准控制,
验装置基本上都是单釜体的,由于设备的限制,对水 施加范围 0~20 MPa,内置压力传感器和数据采集系统
压致裂不同扰动分区的渗流情况鲜有研究,制约了相 连接,精准度达 0.001 MPa。应力加载系统通过高精
关教学和科学研究的开展。因此,本文以水压致裂不 度伺服泵控制,轴压施加范围 0~70 MPa;围压施加
图1 扰动煤岩体损伤分区流固耦合试验系统
56 实 验 技 术 与 管 理
图2 单个腔体示意图(单位:mm)
2 试验方法
2.1 实验准备
根据水压致裂煤体的裂隙发育程度将其分为强扰 图3 水力压裂煤岩体扰动分区图
动区、弱扰动区以及未扰动区(见图 3),并根据不同
扰动分区损伤程度制作相应的煤样。根据强扰动区和 2.2 串联试验
弱扰动区的区域范围半径等比例选择对应的煤样长 采用串联渗流实验,模拟了煤层气致裂钻孔横截
度,在根据瓦斯抽采半径或瓦斯抽采钻孔之间的间距 面的运移过程,以及当储层存在垂向渗透率差时的气
确定未扰动区对应的煤样长度。试验前,将样品置于 体传质过程。具体实验设计为:首先串联 3 个岩心夹
105~110 ℃的干燥箱中放置 24 h,冷却至室温,以减 持器,依次将完整煤样、微裂隙煤样和贯穿裂隙煤样
少水分对实验的影响。同时,在恒定的环境温度下进 装入相应的岩心夹持器中,其中完整煤样距离气源最
行测量。针对煤样不同分区的应力环境分别设计 3 个 近(注甲烷,以模拟甲烷的实际产量),贯穿裂隙煤样
腔体的轴压和围压,再根据瓦斯压力设计瓦斯气瓶的 距离气源最远。实际地层压力通过轴压、围压泵施加
瓦斯压力。将对应未扰动区、弱扰动区、强扰动区的 在岩心保持架上。打开瓦斯气瓶向模拟装置供气,调
煤岩样依次放入第一腔体、第二腔体、第三腔体,并 节瓦斯气瓶的初始瓦斯压力至设定值,模拟煤层气实
张 村,等:水压致裂煤体分区渗流试验装置及教学实验方法设计 57
际开发过程中瓦斯从基质向裂缝运移的过程。实验采 压力传感器,以监测总压力变化时不同样品两端的压
用稳态法计算样品的渗透率。为了模拟瓦斯从完整煤 力变化,同时用流量计测量出口流速,监测流量计测
样向贯穿裂隙煤样渗流过程,分析每个样品的流量和 得的流量,计算不同瓦斯压力下的整体渗透率变化,
渗透率差异,在 3 个腔体的进出口两侧连接高灵敏度 具体试验流程图如图 4 所示。
图4 腔体串联瓦斯渗流模拟系统
图5 水平井多簇分段压裂横向渗流示意图
图6 腔体并联瓦斯渗流模拟系统
58 实 验 技 术 与 管 理
2 种实验方式均可以通过改变水力压裂参数重复
上述操作,获得煤岩层在不同水力压裂条件下、不同
应力环境下的瓦斯抽采量,根据试验结果指导实际工
程,以选择最优的压裂参数。同时可以让学生能够清
楚地认识水力压裂对煤层气生产的影响。
3 典型案例
3.1 不同损伤煤样制备
根据不同分区的裂隙发育程度制作煤样(见图
7),强扰动区对应贯穿裂隙煤样,弱扰动区对应微裂 图8 串联渗流模拟实验中各试样的压差和流量曲线
隙煤样,未扰动区对应完整煤样;根据强扰动区和弱
扰动区的区域范围半径比例选择对应的煤样长度,然 同时,完整煤样两端的流速远小于微裂隙煤样两端的
后在根据瓦斯抽采半径或瓦斯抽采钻孔之间的间距确 流速,前两者的流速远小于贯穿裂隙煤样两端的流速。
定未扰动区对应的煤样长度;贯穿裂隙煤岩样通过实 在并联实验中,由于裂缝中气体的快速流动形成了主
验室劈裂获得,具体为剪切两半煤样;微裂隙煤样通 导通道,裂缝中的气体渗流决定了煤层气的产量,并
过单轴抗压试验获得,具体为单轴抗压应力-应变曲线 限制了基质和天然裂缝中的气体渗流。
对应的屈服阶段。
图7 不同损伤形态煤样
率的不同,每个样品两端的压差差距较大。但整体而 3 个串联(或并联)的腔体、应力加载系统、瓦斯流
量测试系统以及数据采集系统组成,实现不同损伤程
言,煤样压差和流量成正比。但由于完整煤样压差变
度煤岩体在不同水力压裂条件下的瓦斯渗流测试。该
化大,存在明显的滑脱效应,导致流量与压差不存在
装置可以根据水压致裂扰动煤岩体的裂隙分布特征:
线性关系。完整煤样的压差从 5.843 MPa 降低至 0.430
强扰动区(贯穿裂隙煤样)、弱扰动区(微裂隙煤样)
MPa,气体流速变化迅速,可视为快速传质阶段。微
以及未扰动区(完整煤样),通过串并联煤岩样腔体实
裂隙煤样的压差从 1.852 MPa 降至 0.735 MPa;贯穿
现精确的符合实际工况的瓦斯渗流模拟试验,获得煤
裂隙煤样的压差从 0.014 MPa 至 0.002 MPa。由实验
层在不同水力压裂条件下、不同应力环境下的瓦斯跨
结果可以看出,水压致裂后煤层气抽采在各损伤区域 介质的横向和纵向运移模拟。通过典型案例分析可以
的运移过程。 看出,该装置能够实现相应的实验模拟,完善了深部
在并联实验中,随着瓦斯压力的降低,3 种煤样 煤层不同扰动区的实验教学和科研手段,丰富了学生
两端的压差和流量呈正相关,如图 9 所示。贯穿裂隙 实训和实践教学环节,可以进一步培养学生的科学思
3 3
煤样的流速从 18.540 cm /s 降低至 4.390 cm /s;微裂 维,激发学生的科研创新兴趣,为科研辅助教学提供
3 3
隙煤样的流速从 0.610 cm /s 降至 0.0044 cm /s。完整煤 了良好的平台。
3 –5 3
样的流速下降最小,从 0.022 cm /s 至 1.8×10 cm /s。 (下转第 64 页)
64 实 验 技 术 与 管 理
thyroid cancer incidence and the impact of overdiagnosis[J]. and Pattern Recognition (CVPR), Las Vegas, USA: IEEE, 2016:
Lancet Diabetes & Endocrinology, 2020, 8(6): 468-470. 770-778.
[3] SUNG H, FERLAY J, SIEGEL R L, et al. Global cancer statistics [10] WU Z F, SHEN C H, HENGEL A V D. Wider or deeper:
2020: GLOBOCAN estimates of incidence and mortality Revisiting the ResNet model for visual recognition[J]. Pattern
worldwide for 36 cancers in 185 countries[J]. CA-A Cancer Recognition, 2019, 90: 119-133.
Journal for Clinicians, 2021, 71(3): 209-249. [11] LI B Q, HE Y Y. An improved ResNet based on the adjustable
[4] BUDA M, WILDMAN-TOBRINER B, HOANG J K, et al. shortcut connections[J]. IEEE Access, 2018(6): 18967-18974.
Management thyroid nodules seen on US images: Deep learning [12] ZAGORUYKO S, KOMODAKIS N. Paying more attention
may match performance of radiologists[J]. Radiology, 2019, to attention: Improving the performance of convolutional
292(3): 695-701. neural networks via attention transfer[Z]. arXiv, 2017: 1612.
[5] TSANTIS S, DIMITROPOULOS N, CAVOURAS D, et al. 03928v3.
Morphological and wavelet features towards sonographic [13] LI K P, WU Z Y, PENG K C, et al. Tell me where to look:
thyroid nodules evaluation[J]. Computerized Medical Imaging Guided attention inference network[C]//IEEE Conference Computer
and Graphics, 2009, 33(2): 91-99. Vision and Pattern Recognition (CVPR), Seattle, USA: IEEE,
[6] ACHARYA U R, SREE S V, KRISHNAN M M R, et al. 2018: 9215-9223.
Computer-aided diagnostic system for detection of hashimoto [14] PENG S, LIU Y H, LYU W M, et al. Deep learning-based artificial
thyroiditis on ultrasound images from a polish population[J]. intelligence model to assist thyroid nodule diagnosis and
Journal of Ultrasound in Medicine, 2014, 33(2): 245-253. management: A multicentre diagnostic study[J]. Lancet Digital
[7] NIKHILA P, NATHAN S, ATAIDE E J G, et al. Lightweight Health, 2021, 3(7): 250-259.
residual network for the classification of thyroid nodules[Z]. [15] SONG R N, ZHANG L, ZHU C, et al. Thyroid nodule ultrasound
arXiv, 2019: 1911.08303. image classification through hybrid feature cropping network
[8] CHEN Y F, LI D D, ZHANG X, et al. Computer aided diagnosis [J]. IEEE Access, 2020(8): 64064-64074.
of thyroid nodules based on the devised small-datasets multi- [16] ZHANG Y W, LAI H, YANG W. Cascade UNet and CH-UNet
view ensemble learning[J]. Medical Image Analysis, 2021, 67: for thyroid nodule segmentation and benign and malignant
101819. classification[C]//International Conference on Medical Image
[9] HE K M, ZHANG X Y, REN S Q, et al. Deep residual learning Computing and Computer Assisted Intervention (MICCAI),
for image recognition[C]//IEEE Conference on Computer Vision Vancouver, Canada: MICCAT, 2020: 129-134.
2017, 37(6): 46–54. [11] MEN X, TAO S, LIU Z, et al. Experimental study on gas mass
[4] 秦勇,申建. 论深部煤层气基本地质问题[J]. 石油学报,2016, transfer process in a heterogeneous coal reservoir[J]. Fuel