09,14,2026 5Ansichten
Kürzlich veröffentlichte das China Institute for Oil Exploration and Development (nachfolgend das Explorationshaus genannt) die Marke "Insight" für die Bohrungsmessung und sein erstes Produkt "Mobiles Bohrungsfeld-Gesteinsproben-integriertes kontinuierliches Messbildsystem CoreLog 1.0", dessen Dual-Energy-CT-Geräteversorgung und Technologieentwicklung wurden gemeinsam vom Präzisionstechnologieteam von Sanuk erobert.
Die teilnehmenden Experten sind der Ansicht, dass dieses Ergebnis einen Kerntechnologischen Durchbruch von 0 bis 1 erzielt hat, der eine große technologische Veränderung der Gesteinsphysik-Experimente von Innenräumen zu Brunnenfeldern, von einem Punkt zu kontinuierlichen Messungen, von einzelnen Eigenschaften zu mehrparametrischen Synergien vorantreibt, was von großer Bedeutung für die effiziente Exploration und Entwicklung von unkonventionellen Öl- und Gaseffekten ist, die durch Schieferöl auf Land repräsentiert werden.
Integriertes kontinuierliches Messbildsystem CoreLog1.0
CoreLog 1.0 ist ein Instrument, das die integrierte „Kernmagnetisch-Laser-CT“-Synergiemessung im nahen Zustand des Brunnenfeldes ermöglicht. Es ermöglicht die schnelle und präzise Messung von Kernelementen, Mineralbestandteilen, Porosität, Volumendichte, Flüssigkeitskomponente und Sättigung, sowie die hohe Präzisionsmessung der nahen Kernparameter des Brunnenfeldes und kontinuierliche dreidimensionale digitale Kernfusionsbildgebung. Es ist mit der großen Brunnenmessungssoftware CIFLog verbunden, um die rechtzeitige Entdeckung und effiziente Explorationsentwicklung von Öl und Gas zu unterstützen.
Die Bohrungsmessung ist das "Auge" für den Einblick in Öl und Gas und das Kernwerkzeug für die Identifizierung und Bewertung von Öl und Gasspeichern, aber da sich die Explorationsobjekte für Öl und Gas zu komplexen Bereichen wie ultratiefen, unkonventionellen und ultrahohen Wassergehalten wenden, können die herkömmlichen Bohrungsmessungstechnologien die hohen Präzisionsmessanforderungen wie die Porosität und die Flüssigkeitseigenschaften der Speicher nicht erfüllen.
Um diese Probleme zu lösen, leitete das Explorationsgebäude im Jahr 2021 das Schlüsseltechnologieprojekt des Konzernunternehmens „Entwicklung eines integrierten kontinuierlichen Messbildsystems für mobile Brunnenfeldproben“ und bildete ein gemeinsames „einheitsübergreifendes, interdisziplinäres und fachübergreifendes“ Team. Mit seiner Spitzenposition auf dem Gebiet der hochauflösenden Röntgen-3D-optischen Bildgebungsprüfausrüstung, insbesondere in der Dual-Energy-CT-Technologie, ist Saning Precision natürlich ein unverzichtbarer Schlüsselpartner im gemeinsamen Forschungs- und Entwicklungsteam geworden.
In den letzten drei Jahren hat das wissenschaftliche Team durch unermüdliche Erforschung und kontinuierliche Untersuchung drei technische Kartenpunkte freigeschlossen, fünf Kerntechnologien überwunden und erfolgreich eine mobile integrierte Messgerät „Nuklearmagnet-Laser-CT“ im Fahrzeug entwickelt.
Mit seiner herausragenden Forschungs- und Entwicklungskraft, seiner umfangreichen Erfahrung in der Herstellung von Instrumenten und seiner umfassenden Testerfahrung hat Sanying Precision die Röntgen-3D-Bildgebungstechnologie erfolgreich in den Bereich der Erkennung der internen Strukturen des digitalen Gesteinskerns integriert, um die intuitive Beobachtung und präzise quantifizierte Charakterisierung der nicht kontinuierlichen Strukturen im Inneren des Gesteins unter der Kopplung von mehreren physikalischen Feldern wie Spannungsfeldern, Infiltrationsfeldern und Temperaturfeldern zu realisieren, um die mikroskopischen Eigenschaften des Reserviergesteins präzise zu digitalisieren und eine leistungsstarke Lösung für die Bekämpfung der großen wissenschaftlichen Herausforderungen und technischen Herausforderungen zur effizienten Exploration und Entwicklung von unkonventionellen Öl
Vollständige Kernausrüstung Teile der Testergebnisse
Abbildung: Steinriss-Extraktion basierend auf künstlicher Intelligenz Deep Learning
Abbildung: Steinspalten-Extraktion basierend auf künstlicher Intelligenz Deep Learning
Abbildung: 3D-Riss-Klassifizierung und Raumausstellung
Hinweis: Dieser Artikel stammt teilweise aus dem RIPED Science and Technology Daily des Ölkomplexes
