珠江口盆地惠州凹陷储层测井产能分级与识别方法

doi:10.11720/wtyht.2020.1199

珠江口盆地惠州凹陷储层测井产能分级与识别方法

冯进¹, 赵冰², 张占松^,², 张超谟²

1. 中海石油(中国)有限公司深圳分公司,广东深圳 518054

2. 长江大学油气资源与勘探技术教育部重点实验室,湖北武汉 430100

Classification and identification method of reservoir logging capacity in Huizhou depression of Pearl River mouth basin

FENG Jin¹, ZHAO Bing², ZHANG Zhan-Song^,², ZHANG Chao-Mo²

1. Shenzhen Branch of CNOOC(China) Co.,Ltd.,Shenzhen 518054,China

2. Key Laboratory of Exploration Technologies for Oil and Gas Resources,Ministry of Education,Yangtze University,Wuhan 430100,China

通讯作者: 张占松(1965-),教授,博士生导师,主要研究方向为测井方法与解释、测井地质学、油藏描述等。Email:zhangzhs@yangtze.edu.cn

责任编辑: 叶佩

收稿日期: 2019-04-9 修回日期: 2019-11-18 网络出版日期: 2020-02-20

基金资助:

国家科技重大专项“南海东部海域勘探新领域及关键技术”. 2016ZX05024-004
国家科技重大专项“复杂碳酸盐岩储层测井评价关键技术研究与应用”. 2017ZX05032-003-005

Received: 2019-04-9 Revised: 2019-11-18 Online: 2020-02-20

作者简介 About authors

冯进(1972-),高级工程师,硕士,现主要从事地球物理测井相关工作。Email:fengjin@cnooc.com.cn 。

摘要

产能预测是油田生产中的关键一步,而定量预测储层产能存在难度。因此通常先对产能级别进行划分,为储层产能定量预测提供基础。通过分析珠江口盆地惠州凹陷储层产能影响因素,利用能够反映储层岩石物理特征的191块岩心毛管压力曲线形态将储层类别划分为3类,然后将储层分类和产能分级相结合,将储层米采油指数的分级界限确定为12和2 m ³/(d·MPa·m),提出储层宏观与微观物性参数结合的综合评价指数Z来划分储层产能,最终利用储层品质因子RQI来识别全井段储层产能级别。利用该产能分级与识别方法对研究区所有测试层产能级别进行划分,准确率达到了90%以上。该方法应用效果较好,可尝试推广使用。

关键词： 惠州凹陷 ; 产能影响因素 ; 毛管压力曲线 ; 储层分类 ; 产能分级与识别

Abstract

Capacity prediction is a key step in oilfield production.It is difficult to predict reservoir capacity quantitatively.Therefore,the classification of reservoir capacity is usually carried out first to provide a basis for quantitative prediction of reservoir capacity.By analyzing the factors affecting the reservoir capacity in the Huizhou depression of Pearl River mouth basin,191 core capillary pressure curves which can reflect the petrophysical characteristics of reservoirs were used to classify reservoirs into three categories.Then,through combining reservoir classification with capacity classification,the classification limits of reservoir oil production index per meter were determined as 12 and 2 m ³/(d·MPa·m).The comprehensive evaluation index Z,which combines the macroscopic and microscopic physical parameters of the reservoir,was used to divide the reservoir capacity,and finally the reservoir quality index was used to identify the reservoir capacity category of the whole well.Using the capacity classification and identification method,the authors divided the capacity categories of all test sites in the study area,with the accuracy rate over 90%.The method has a good application effect and deserves promotion.

Keywords： Huizhou depressin ; factors affecting the capacity ; capillary pressure curve ; reservoir classification ; capacity classification and identification

PDF (4594KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

冯进, 赵冰, 张占松, 张超谟. 珠江口盆地惠州凹陷储层测井产能分级与识别方法. 物探与化探[J], 2020, 44(1): 81-87 doi:10.11720/wtyht.2020.1199

FENG Jin, ZHAO Bing, ZHANG Zhan-Song, ZHANG Chao-Mo. Classification and identification method of reservoir logging capacity in Huizhou depression of Pearl River mouth basin. Geophysical and Geochemical Exploration[J], 2020, 44(1): 81-87 doi:10.11720/wtyht.2020.1199

0 引言

在油田勘探开发过程中,油层产能评价占着十分重要的地位,一方面它能评价并提高前期勘探的效果,另一方面可为开发规划方案的设计和合理配产提供有力依据^[1,2,3]。在进行产能预测前必须分析影响储层产能的主要因素,而影响储层产能因素有很多,可以总结为地质参数、油藏参数(压力与黏度、供液半径、多相流计算等)、工程参数(完井方式、井筒参数、压裂参数等)、储层参数(厚度、渗透率等)。可将其分为内在因素和外在因素,内在因素则是储层自身条件,包括储层的流动性和渗透性等,外在因素则是储层的人工改造,比如酸化压裂等。由于存在诸多因素对储层产能造成影响,因此定量准确预测油层产能存在难度。而对储层产能的定性预测,即对储层产能级别的划分,不仅能够对定量预测起到约束和指导作用,还能在分级的基础上再预测,提高产能定量预测的精度^[4]。

至今有诸多学者已经在产能的定性预测上展开了很多研究。田敏等^[5]通过厘清各参数影响产能的方式,采用层次分析法确定参数权重,最终从产能角度结合现场实际对气层产能进行分级;吴永平等^[6]分析岩心、测井、测试等资料,综合各产能影响参数裂缝段厚度、裂缝密度、裂缝开度等,利用Q型聚类法将迪那2气田开发气井产能划分为3种级别;何羽飞等^[7]从产能公式分析出发,以测井资料为基础,利用灰色关联多参数分析方法建立了储层产能分级评价模型。

目前国内对储层产能级别的划分还没有统一的标准。根据产能渗流公式,单层产量是测试压差、测试厚度、储层物性参数等的函数,对应一定的日产量,不同厚度、压差条件和储层物性条件下是不一样的。结合惠州凹陷油田生产和储层特征实际情况,采用米采油指数来研究储层产能分级标准。通过分析影响研究区储层产能的主控因素,得出储层岩石物理性质的好坏很大程度上决定着储层产能。然后根据能够反映储层物性的毛管压力曲线形态特征对将研究区储层划分为3类,通过将产能与储层类别划分相结合,来确定产能级别划分标准,最终形成一套适合研究区储层产能的分级与识别方法。

1 区域地质概况

珠江口盆地位于中国南海的北部,处在欧亚板块、太平洋板块与印度洋板块的交汇处,是一个重要的含油气盆地。惠州凹陷位于珠江口盆地珠一凹陷中部,是南海东部海域的富生烃凹陷之一。盆地的新生界地层共有8个层组,其中新近系地层自浅而深有万山组、粤海组、韩江组、珠江组,由于其埋藏较浅,通常也被称为中浅层。古近系地层自浅而深有珠海组、文昌组、恩平组和神狐组,通常也被称为深层^[8]。中浅层各层组为浅海陆棚—三角洲相沉积,深层珠海组为三角洲相—滨岸沉积,恩平组为辫状三角洲相—中浅湖相沉积,文昌组为辫状三角洲相—中深湖相沉积,神狐组为河流相沉积。惠州凹陷主要烃源岩集中在恩平组和文昌组,在含油的珠江组中下段和珠海组上段有发育较好的砂岩。其中珠江组中下段为中—厚层砂岩夹薄层钙质泥岩,珠海组上段为浅灰色中—厚层粉砂岩夹中—薄层泥岩,偶见薄层状煤岩与薄层灰岩。图1为珠海组岩心扫描电镜照片。珠海组岩石孔隙较为发育,以粒间孔为主。有少量次生粒间孔,粒沿缝可连通孔隙(图1a)。粒间孔内的次生石英,片状伊利石黏土常见孔隙充填不满(图1b)。惠州凹陷储层发育较好,有利于油气存储。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 惠州凹陷珠海组岩心扫描电镜照片

Fig.1 Scanning electron micrograph of the core of Zhuhai Formation in Huizhou Depression

2 产能影响因素分析

珠江口盆地惠州凹陷纯油藏储层产能为自然产能,而自然产能由储层自身的性质决定,与外界因素无关,如压裂、酸化等^[9]。根据自然产能的平面径向流计算公式,单层产量受到诸多因素影响。即有效厚度、有效渗透率、生产压差、流体黏度、体积系数、表皮系数、供油半径和井眼半径^[10]。由于测井评价储层生产压差较为困难,因此常常把日产油量和生产压差的比值作为目标评价参数,即采油指数。在进行全井段储层产能分级与识别时,则考虑单位厚度的采油指数作为评价指数,即米采油指数。另外,供油半径和井眼半径以及体积系数常在一个很小的数值范围内变动,可以考虑视作常数,而表皮系数与储层产能之间没有很大的联系,因此储层米采油指数则主要受到有效渗透率和流体黏度的控制。

黄雨阳等^[11,12,13]在对该地区的产能影响因素分析时指出,地层有效渗透率的影响对该地区储层产能起主导作用,且地层原油黏度在高值时会对储层产能产生一定影响。研究区块珠江口盆地惠州凹陷存在稠油、轻质油油藏,因此黏度在划分储层产能类别上作用有限。对研究区油层的测井响应特征分析得知,产能低的储层在三孔隙度曲线上反应为孔隙度低,物性差。其中产能低的油层密度测井值最高达到了2.5 g/cm³,因此,储层的物性特征对储层产能的影响较大,控制着储层自然产能的高低。

3 储层类别划分

在进行产能级别划分之前,首先进行储层分类,通过储层类别划分情况来确定产能级别划分标准。岩心压汞毛管压力曲线形态可反映岩石孔隙喉道的大小以及分布,而孔喉结构参数可反映储集层的性能^[14]。储层物性好坏直接影响着储层产能,因此选择能够反映储层物性特征的岩心毛管压力曲线形态来进行储层分类。根据收集到的研究区191块压汞实验样品的毛管压力曲线形态特征可对研究区储层类别进行划分,如图2所示。图中横坐标S_Hg为进汞饱和度,纵坐标P_c为进汞压力。越靠近毛管压力曲线图的右上方则排驱压力越大,孔喉半径小,岩石物理性质越差,反之,越靠近图的左下方则岩石物理性质越好^[15]。最能反映储层物性的孔喉结构参数有排驱压力、半径均值、相对分选系数等。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 岩心毛管压力曲线形态分类

Fig.2 Classification of core capillary pressure curve

通过毛管压力曲线形态特征将研究区储层类型划分为3类,其中:

1) 一类储层:该类储层毛管压力曲线有较长且平缓的平台段,且居于毛管压力曲线图的最左下方,反映出喉道半径较大,排驱压力较低。且岩石样品的分选性好,喉道分布集中。储层的排驱压力为0.008~0.09 MPa,半径均值为3.4~19.86 μm,相对分选系数为0.2~0.9,孔隙度分布范围为16.7%~28.3%,渗透率分布范围为84.57~4 282.97 mD,表明储层孔喉连通性大,渗流能力高,岩石物理性质好。

2) 二类储层:毛管压力曲线平台较一类储层短且不平缓,排驱压力较一类储层高。储层的排驱压力为0.02~0.45 MPa,半径均值为1.51~6.15 μm,相对分选系数为0.6~2.1,孔隙度分布范围为13.1%~24.1%,渗透率分布范围为5.91~580.92 mD,储层岩石物理性质较好。

3) 三类储层:毛管压力曲线形态陡峭,几乎无平台,排驱压力最高。储层的排驱压力为0.09~8.25 MPa,半径均值为0.03~1.65 μm,相对分选系数为1.2~57.8,孔隙度分布范围为5.6%~14.5%,渗透率分布范围为0.028~10.76 mD,储层岩石物理性质较差。

岩心压汞实验资料进行储层分类之后,挑选对储层类别划分敏感的测井曲线利用Fisher判别法对全井段储层类别进行识别,岩样类别回判成功率很高,说明了该分类方案在该地区可行,效果良好。

4 产能分级与识别

在进行储层类别划分之后,将储层分类和产能分级相结合。将测试层中存在压汞实验样品的岩心挑选出来,分析其毛管压力曲线形态特征。

存在压汞曲线的测试层共12层,所有测试层中存在的压汞曲线共22条。22条曲线中,岩心落在一、二和三类储层中的情况如图3所示。将储层物性参数与储层产能一一对应,作交会图分析,其中每个测试层对应一块压汞样品,若存在多块样品,则将物性参数做平均处理。分析发现,岩心孔隙度、渗透率、半径均值、相对分选系数、排驱压力对储层米采油指数最为敏感,如图4所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 测试层对应的毛管压力曲线

Fig.3 Capillary pressure curve corresponding to the test layer

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 米采油指数与物性参数交会

Fig.4 Cross-section of the oil production index per meter and physical parameters

从交会图中可看出,产能高的测试层对应的孔渗高,半径均值大,排驱压力和相对分选系数小。因此高产层对应岩石物理性质好的储层。因此通过储层类别的划分和产能级别划分相结合,将米采油指数大于12 m³/(d·MPa·m)的定为一级产能,2~12 m³/(d·MPa·m)之间的定为二级产能,小于2 m³/(d·MPa·m)的则为三级产能,如图4中红色虚线所示,从上到下分别为米采油指数等于12和2 m³/(d·MPa·m)。

从图4可看出,虽然米采油指数与单参数之间有一定的相关关系,但单一参数并不能将三种级别的产能划分开来。因此将储层宏观物性参数与微观物性参数相结合,建立综合评价指数Z,来对储层产能类别进行划分,如图5所示,且综合评价指数Z表达式如下:

(1)

Z = \lg (\frac{Φ \times K \times S \times D_{m}}{100 \times P_{d}}),

式(1)中,Φ为孔隙度,单位%;K为渗透率,单位mD;S为相对分选系数,无量纲;D_m为半径均值,单位μm;P_d为排驱压力,单位MPa。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 米采油指数与综合评价指数交会

Fig.5 Cross-section of the oil production index per meter and comprehensive evaluation index

通过建立米采油指数与综合评价指数Z的交会图分析发现,该参数在大于3.8的时候对应一级产能,1.65~3.8之间对应二级产能,在小于1.65的时候对应于三级产能,因此该参数可对储层产能的级别进行划分。

若要对全井段储层产能级别进行识别,则需要利用测井曲线来评价。分析发现综合评价指数Z与储层品质因子RQI有较好的相关关系,如图6所示。而RQI又由储层孔隙度和渗透率计算所得,因此可在全井段计算出孔隙度和渗透率之后,即可对储层产能的级别进行识别。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 综合评价指数Z与储层品质因子RQI交会

Fig.6 Cross-section of the comprehensive evaluation index and reservoir quality index

以惠州凹陷H井为例,该井测试层的深度为2 346.5~2 351.5 m,测试米采油指数为69.46 m³/(d·MPa·m),属于一级产能,评价结果如图7所示。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 H井产能测井分级评价

Fig.7 The chart of productivity logging classification evaluation in H well

从图7可以看出,对该测试层的产能级别评价结果为一级产能储层,与实际相符。根据该产能级别划分方法对研究区所有测试层产能进行评价,成功率达到了90%以上,因此该方法在该地区的产能级别评价上应用良好,为该区储层产能定量预测提供了指导和依据。

5 结论

1)基于毛管压力曲线形态特征可将研究区储层类别划分为3类,且提取岩心压汞实验参数分析与储层产能的对应关系发现储层类别与产能级别相对应,一类储层对应一级产能,以此类推,因此根据储层类别定义产能级别的分界线为12和2 m³/(d·MPa·m)。

2)单一参数不能很好的对储层产能级别进行划分,因此结合5种敏感物性参数提出综合评价指数Z,该参数集中了对产能级别划分的优势,可将储层3种级别的产能准确地划分开来,然后利用储层品质因子建立综合评价指数的计算模型,可对全井段储层产能级别进行划分。该方法对研究区所有测试层级别预测准确率较高,达到了90%以上,适合推广使用。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

沈旭友, 牛广侠, 窦凤华 .

龙西地区扶余油层致密砂岩储层分类与产能预测

[J]. 国外测井技术, 2018,39(3):12-17.