苏北盆地低对比度油层特征及识别方法

蒋阿明 （中国石油化工股份有限公司江苏油田分公司地质科学研究院，江苏 扬州225009）

苏北盆地低对比度油层特征及识别方法

蒋阿明 （中国石油化工股份有限公司江苏油田分公司地质科学研究院，江苏 扬州225009）

苏北盆地低对比度油层主要是由于低电阻、物性差异及层薄所致。针对不同特征及成因的低对比度油层，提出了求取束缚水饱和度、利用神经网络判别及建立多参数判别模型等多种识别方法，有效提高了低对比度油层识别的可靠性和准确性，并在生产中取得了明显的效果。

低对比度油层；成因；识别方法；苏北盆地

在同一个油藏中油层与水层、干层的对比度较低、差异较少，油水层电阻率倍数一般小于2，造成常规测井方法难以正确识别［1］。苏北盆地古近系已发现的低对比度油层主要分布在两类地区：一类是低电阻油层分布区；另一类是构造岩性油藏或纯岩性油藏分布区。随着勘探开发领域的不断拓展，低对比度油层愈来愈成为重要的研究对象。结合苏北盆地古近系低对比度油层的特征，笔者提出了一些识别方法，有效提高了低对比度油层识别的可靠性和准确性。

1 低对比度油层特征及成因

苏北盆地低对比度油层主要有3种表现形式。

1）油层电阻率普遍较低，一般为2～4Ω·m，与水层特征差异较小 （图1），主要分布在高邮凹陷北斜坡沙瓦地区阜三段（E1f3）和金湖凹陷卞闵杨地区E1f3。该类低对比度油层是由于储层岩性细、泥质含量高，造成了储层的束缚水饱和度较高，油层电阻率较低。如沙埝地区E1f3储层试验分析岩心的束缚水饱和度较高，都在30%以上，平均束缚水饱和度达到48.5%。

2）储层电阻率中等，通常在10Ω·m左右。储层试油或油层或水层，油水层识别难度也较大。该类低对比度油层主要分布在高邮凹陷深凹带的黄马联地区戴二段 （E2d2）和戴一段 （E2d1）岩性油藏中。E2d2和E2d1油藏埋深跨度大，含油井段长，如马家嘴E2d2油藏埋深1220～2000m，E2d1油藏埋深1440～2500m。由于储层埋深差异大，造成储层物性变化大 （表1），从而造成油水层在电性特征方面差异较小。

3）油层厚度薄、电阻率低。通常储层厚度一般小于1.5m，绝大部分在1m左右，电性主要是受围岩影响，造成电阻偏低的假象。该类低对比度油层主要分布在高邮凹陷北斜坡赤岸－码头庄地区阜二段（E1f2）和阜一段 （E1f1）。

图1 闵桥油田声波时差与电阻率交会图

表1 黄马联地区戴南组 （E2d）储层物性统计表

2 主要识别方法及其应用

针对上述不同低对比度油层特征及其成因，采用了不同的技术方法，有效提高了测井解释的可靠性和准确性。

2.1 低电阻引起的低对比度油层识别技术

2.1.1 电性交会图版法

高邮凹陷瓦庄地区瓦2和瓦3断块E1f3油藏，虽然其油层电阻率较低，但其储层物性相对较好，地层水矿化度平面上变化较小，在声波时差（Δt）与电阻率（Rt）交会图中（图2），油层和水层具有较明显的分界线，能有效识别油层。

图2 瓦庄地区E1f3声波时差与电阻率交会图

2.1.2 束缚水饱和度识别法

沙埝地区E1f3油藏由于地层水矿化度变化较大，在建立的声波时差与电阻率交会图中，油水层分区不明显，不适合采用交会图法来识别油层，特别是低阻油层。同样在闵桥油田，深感应电阻率较低 （一般在2.4～3.8Ω·m之间）的储层，试油既有油层又有水层，油层与水层的电性界限不清楚。在这种情况下，求准储层的束缚水饱和度是评价低阻油层的关键。在此运用了两种方法求取储层的束缚水饱和度［2］。

1）利用储层的粒度中值和孔隙度计算束缚水饱和度 砂岩储层的束缚水饱和度受粒度中值、孔隙度、粘土含量、孔隙度结构、岩石的润湿性等很多因素的影响，但试验证明粒度中值、孔隙度是影响束缚水饱和度的主要因素［3］。

通过对沙埝地区E1f3砂岩储层自然伽马和岩心粒度中值进行对比分析，认为自然伽马变化基本反映储层的粒度情况，通过建立自然伽马与粒度中值的关系式求取储层的粒度中值。根据岩心的粒度中值、孔隙度与束缚水饱和度3者之间的关系，拟合出束缚水饱和度经验公式的系数，建立束缚水饱和度经验公式，最终根据储层的孔隙度和粒度中值来计算储层的束缚水饱和度。

高、中孔隙度（≥20%）砂岩地层的束缚水饱和度经验公式为：

式中，Md为粒度中值；Swi为束缚水饱和度，%为孔隙度，%；A0、A1、A2、A3为系数。

用最小二乘法回归出关系式的系数值为：A0＝－0.08，A1＝0.79，A2＝1.37，A3＝0.09。

从含水饱和度与可动水饱和度关系图 （图3）可见，油水层分区明显，较好地解决了沙埝E1f3低阻油层识别问题。

2）利用P包计算束缚水饱和度 针对闵桥油田E1f3储层，以测井资料为主要依据，并综合应用岩心、测试等资料，在油藏、岩石物理、测井等基础理论的指导下，利用斯仑贝谢公司的岩石物理软件包 （P包），较准确地计算出以含油饱和度为中心的一系列储层评价参数，如含油饱和度、束缚水饱和度、孔隙度、渗透率、泥质含量以及水相渗透率等［2］，详细地制定了该区的油水层识别标准（图4、5），即当储层渗透率小于0.05×10－3μm2，可动水饱和度小于0.05，含油饱和度大于38%，可划分为油层。

图3 沙埝地区E1f3含水饱和度与可动水饱和度关系图

2.1.3 神经网络识别法

神经网络技术已广泛应用于利用地震资料开展储层横向预测、含油气检测等油田研究领域。通过研究发现，该技术在低阻油层识别中效果也很明显，其结果与常规的测井解释结论相互验证，有效提高了测井解释的可靠性和准确性。

图4 闵桥油田E1f3含油饱和度与可动水饱和度关系图

图5 闵桥油田E1f3含油饱和度与渗透率关系图

首先选择对储层含油性反映起主导作用的测井参数组合作为判别标准 （SP、AC、Rt、R6、R0.45、微电极等）［2］。利用测试和取心的油、水、干层作为神经网络输出，对研究区建立一个识别模式，根据建立的识别模式对目的层进行预测识别。由表2可以看出：神经网络识别结论经试油得以证实。

2.2 物性差异引起的低对比度油层识别技术

马家嘴地区E2d岩性油藏含油井段较长，油、水层的电性特征在不同的层位有所差异，因此采取了细分层系 （即分E2d2、E2d1两层位）详细研究油水层判别标准 （见表3和图6），其中E2d2油层厚度下限标准中电阻率由原来的6.7Ω·m下降至5.5Ω·m。利用该下限标准对该区61口井进行精细解释，重新补划油层有效厚度119m，其中已经试油生产证明为油层的有45.6m，效果显著。

表2 神经网络识别低阻油层结果表

表3 马家嘴油田E2d有效厚度下限表［2］

2.3 层薄引起的低对比度油层识别技术

赤岸地区E1f2和E1f1砂岩储层总体属于浅湖－三角洲前缘亚相沉积，单砂体最大12m，最小0.5m。部分厚度1m左右的储层尽管电性特征与干层相差无几，但岩心观察的含油级别一般都在油浸以上。显然，这部分油层由于受层厚影响，利用常规电阻率很难将其完全识别出来，必须寻求其他解决途径。通过对该区油藏的认识，可以得出如下结论：①油藏基本具同一油水界面，对于油水界面以上的储集层，只存在油层和干层的区别；②储层含油性明显受岩性、物性影响。因此，具备了以上条件，就可以选择短电极或较能指示渗透性的电性参数，利用纵向分辨效果，有效地划分出渗透性储集层，进而达到划分有效厚度的目的。

根据该区的地质和测井条件，选择微电极、自然伽马和自然电位曲线加以综合判别，效果比较理想。

图6 马家嘴地区E2d2电阻率与声波时差交会图

微电极测量的是井壁附近的泥饼和冲洗带电阻率，微电极差值与储集层渗透性有关，渗透性好的储层，幅度差值大，反之则小。但由于微电极曲线受测井系列、泥浆性能等因素影响，因此，必须选择该井中厚度比较大，渗透性较好，幅度差值相对稳定的储集层作为标准层。通过标准层比值法对微电极曲线进行影响因素的消除。自然伽马和自然电位曲线同样对薄层的分辨和渗透性反映比较好，但同样也要选择分布稳定的储层作为标准层对自然伽马曲线进行标准化校正。

通过以上分析和研究，在取心资料的基础上，建立了微电极幅度差比值－自然伽马比值－自然电位3参数判别图版 （见图7）。具体在划分有效厚度时，采用最小误差原则，即3个参数中有两个满足电性标准，就可进行划分。该方法可以弥补层厚对电性参数的影响，避免了有效厚度的损失，提高了图版精度。为了验证这部分储层厚度能否在生产中发挥作用，通过选择界限层进行试油，效果明显 （表4）。

图7 赤岸油田韦2断块E1f2＋1薄层砂岩电性标准图版

表4 赤岸油田韦2断块E1f2＋1砂岩电性标准精度分析表

3 结 语

苏北盆地低对比度油层主要是由低电阻、物性差异及层薄等因素引起。对于低电阻引起的低对比度油层，可利用物性与电性参数交会、求取束缚水饱和度和神经网络方法加以识别。而由于物性差异造成的低对比度油层，可通过细分层系建立电性参数交会图版进行有效识别。层薄造成的低对比度油层，可在油藏认识的基础上，选取纵向分辨率较高的短电极测井参数，通过建立多参数模型进行识别，从而避免了有效厚度的损失，提高了资源的利用率。

［1］欧阳健，修立军，石玉江，等.测井低对比度油层饱和度评价与分布研究及其应用 ［J］.中国石油勘探，2009，（1）：38～52.

［2］刘志霞.复杂油层精细解释技术及应用效果 ［J］.小型油气藏，2008，13（2）：1～6.

［3］曾文冲.油气藏储集层测井评价技术 ［M］.北京：石油工业出版社，1991.

Characteristics of the Low－contrast Reservoirs and Recognition Methods in Subei Basin

JIANG A－ming（Author's Address：Geological Scientific Research Institute of Jiangsu Oilfield Company，SINOPEC，Yangzhou225009，Jiangsu，China）

In Subei Basin，low－contrast reservoirs were mainly induced due to the low resistance，petrophysical differences and the thick reservoirs.According to the different characteristics and the reasons of the low－contrast reservoirs，several kinds of recognition methods were established，such as calculating bond water saturation，using neural network discrimination and establishing multi－parameter models.Those effectively improve the accuracy of low－contrast reservoirs，an obvious effect is obtained in production.

low－contrast reservoir；genesis；identification method；Subei Basin

P631.84

A

1000－9752（2011）06－0248－05

2010－09－03

蒋阿明 （1967－），男，1989年西北大学毕业，高级工程师，现从事储量研究和管理工作。

［编辑］ 龙 舟