电成像测井孔隙度分析技术及其在碳酸盐岩储层产能预测中的应用

李晓辉，周彦球，2，缑艳红，王玉华，姜宝彦

1.大庆钻探工程公司测井公司，黑龙江大庆 163412 2.吉林大学地球探测科学与技术学院，长春 130026

电成像测井孔隙度分析技术及其在碳酸盐岩储层产能预测中的应用

李晓辉1，周彦球1，2，缑艳红1，王玉华1，姜宝彦1

1.大庆钻探工程公司测井公司，黑龙江大庆 163412 2.吉林大学地球探测科学与技术学院，长春 130026

深入研究了电成像测井的测量方式，提出一种基于电成像低频分量的电阻率刻度公式，结合Archie公式并引入常规测井数据及处理成果，严格推导出一种可将电成像测井数据直接标定为孔隙度的算法。此方法省略了先作电阻率刻度再应用Archie公式等中间步骤，处理过程得以简化，并可消除Archie公式中a、b、n、Sxo、Rmf等参数以及浅侧向测井RLLS等因素对处理结果的影响，较大程度地实现了数据的自适应性处理。在此基础上，对孔隙度频谱进行多种统计分析，开展了类似核磁的区间孔隙度分析以及类似油藏描述中渗透率评价的孔隙度径向非均质性分析，将研究成果应用于碳酸盐岩储层产能预测中，引入“孔隙贡献因子”概念，并通过测井资料和试油资料建立了“孔隙度贡献因子”与储层产油强度的定量关系。

电成像；刻度；电阻率；孔隙度；碳酸盐岩；产能分配；产油强度；孔隙贡献因子

0 引言

电成像测井具有很高的垂向、水平分辨率与井眼覆盖率，其低频分量具有较深的探测深度［1－3］，因而在地层定量分析与精细评价方面具有很大的应用潜力。利用电成像测井资料定量评价储层的孔隙度分布特征就是其中的一个方面。斯伦贝谢公司的PoroSpect软件可利用电成像测井资料进行孔隙度频谱分析［4］，业内认可度较高，但核心技术资料对外保密。国内某些解释软件也能实现类似的功能①北京吉奥特能源科技有限责任公司.PoroDist用户手册.2004.，但存在一些问题和差距。碳酸盐岩储层孔隙结构复杂，孔隙度的非均质性对产能影响较大，产能预测较为困难。赵军等［5］利用常规测井资料并借助于BP神经网络技术来评价储层和预测产能。刘海啸等［6］使用裂缝、孔隙综合评分法的理论对碳酸盐岩产能预测技术进行了探索。贺洪举等［7］探讨了综合利用电成像、核磁共振和偶极声波等测井新技术的碳酸盐岩储层产能评价方法。刘峰等［8］研究了“油嘴产能系数”的评价方式以及条带形储层、表皮系数和井径的影响。笔者在探讨并实现电成像测井孔隙度分析技术的基础上，从孔隙度非均质性方面对孔隙型碳酸盐岩储层产能预测的方法展开了研究。

1 孔隙度图像的生成

1.1 电阻率刻度

类似于常规电法测井，电成像测井的视电阻率Rb（Ω·m）可表达为

式中：Kd为刻度系数，m；Vemex为供电电压，mV；Ib为电扣电流，mA；Cb为经预处理后的视电导率，S／m。由于测量过程中不断地动态调节Ib以适应地层电阻率的各种差异，使之保持在便于操作的范围内［1，3］。Vemex或Cb均不能反映地层电阻率的绝对变化，即成像测井并不提供定量的、直接的地层电阻率信息，Cb不能用于精确的垂向对比或定量计算。然而，可以将电流动态变化的效应归结为Kd的影响，即可以认为存在一个随深度变化的Kd，将测量数据刻度为视电阻率。

已有研究表明，电成像测井电流聚集方式、电流路径及其低频分量的探测深度均与常规的浅侧向测井（LLS）相似或相当［1－2］，这使得将电成像测井数据刻度为电阻率进而结合Archie公式进行孔隙度分析成为可能。在电成像测井各深度采样点分别对所有电扣求平均值，并根据浅侧向测井的垂向分辨率（32in②英寸（in）为非法定计量单位，1in＝2.534cm，下同。）对其进行滤波匹配，得到的电扣平均曲线珚C（S／m）即可代表成像测井的低频分量。根据上述理论，Kd应能将珚C刻度为浅侧向测井电阻率RLLS（Ω·m），即

综合式（1）、（2）可得

式（3）即电成像测井数据刻度为电阻率的公式。刻度后的数据既具有很高的垂向、水平分辨率，又能反映与常规浅侧向探测深度相当的地层电阻率信息，因而可应用于各种定量计算或薄层分析等解释中。

1.2 孔隙度标定

根据经典Archie公式在冲洗带的应用，可得

其中：φ为地层孔隙度；a、b、m、n为Archie公式系数；Rxo为冲洗带电阻率，Ω·m；Rmf为泥浆滤液电阻率，Ω·m；Sxo为冲洗带含水饱和度。分别引入常规浅侧向测井电阻率RLLS作为冲洗带Rxo，常规处理的有效孔隙度φpige（通常为使用最优化程序（如ELAN）处理的结果）作为φ，以及刻度后的成像电扣电阻率Rb作为Rxo，设其对应的地层孔隙度为φb，代入式（4）可得

综合式（3）、（5）可得

通过上式，可直接将成像测井数据转换为孔隙度。由于省略了先作电阻率刻度再应用Archie公式等中间步骤，处理过程得以简化，并且消除了a、b、n、Sxo、Rmf、RLLS等因素的不确定性对处理结果的影响。在程序实现时，由于珚C是由计算机自动统计出来的一个参量，无须用户人工确定，而且自动地与每口井的数据统计差异相适应，因而根据式（6）总能使处理出来的平均孔隙度（总孔隙度）与常规处理的孔隙度φpige保持大体一致，即标定后的电扣孔隙度φb其期望值为φpige。最终，用户对于该过程只需调节一个参数，即胶结指数m。不难分析，在所有其他条件都保持固定的情况下，参数m的选择只影响所得孔隙度图像的离散程度：m越大，离散程度越小；m越小，离散程度越大。因而，程序可较大程度地实现数据的自适应性处理。调用笔者此前已开发的图像增强模块，通过使用特定的色标（通常由16个色级构成）对孔隙度数据进行配色处理，即可生成孔隙度图像（图1第二道），进而可对井壁地层剖面的孔隙度特征进行直观解释。

2 孔隙度频谱分析

使用一定窗长和步长对孔隙度图像进行频率直方图统计［9］，可形成孔隙度频率直方图阵列。分别以各深度点的孔隙度区间为横坐标，频率为纵坐标，可在剖面上绘制孔隙度频谱（图1第三道），从而可直观地观察各深度段不同大小孔隙度的频率分布。

类似于核磁测井解释中的T2谱区间孔隙度分析，统计各孔隙度区间的累积孔隙度曲线PS05、PS10、PS15、…、PS50，分别代表各深度点统计窗长范围内孔隙度值分别在0.05、0.1、0.15、…、0.5以下的数据所构成的孔隙度组分，并在剖面上用不同图例和颜色依次填充（图1第四道），可直观地分析不同大小孔隙度对于总孔隙度的贡献情况。在此基础上，可进一步地与核磁测井资料进行对比研究。

类似于油藏描述中的渗透率参数，计算生成了孔隙度变异系数PorVK，孔隙度突进系数PorSK，孔隙度级差PorNK等曲线①北京吉奥特能源科技有限责任公司.PoroDist用户手册.2004.（图1第五道），可用于储层径向非均质性的评价。

对各统计窗求最小孔隙度PorMin与最大孔隙度PorMax，对各频谱从左（小）至右（大）统计累积频率为0.2、0.4、0.6、0.8的临界点分别得孔隙度分布曲线Por02、Por04、Por06与Por08，在剖面上用不同颜色依次填充，可绘制孔隙度分布曲线图（图2左部第四道）。

综合以上成果，可对井壁地层剖面的孔隙度分布进行连续的精细解释。

结合区间孔隙度与孔隙度变异系数分析了研究区的资料。在孔隙度分布比较单一的层段，孔隙度变异系数较小；而在孔隙度分布比较分散的层段，孔隙度变异系数较大：这说明孔隙度变异系数对于孔隙度径向非均质性具有明显的指示意义（图1）。

结合上述研究，使用Visual C＋＋开发了孔隙度分析模块，经与斯伦贝谢公司的PoroSpect软件测试对比（图2，左部为研发软件处理结果，右部为PoroSpect处理结果，左部第一道为深度，第二至四道分别与右部第一至第三道内容对等，依次为孔隙度图像、孔隙度频谱、孔隙度分布曲线）。可见，各项处理结果在总体趋势以及量值大小等方面均保持高度一致。

3 产能预测

碳酸盐岩储层孔隙结构复杂，既有以孔隙为主的孔隙型储层，也有以裂缝、孔洞为主的裂缝孔洞型储层。研究区内的碳酸盐岩储层孔隙空间类型多以孔隙、孔洞为主，孔隙之间的连通性变化较大，导致测井响应特征变化大，影响应用常规测井资料进行流体性质识别及产能预测。储层产能受储层的储集性能控制，而储集性能的好坏受孔隙、喉道大小、分布、胶结及充填物性质等多种因素的控制，即储层孔隙的非均质性对产能影响较大。笔者在应用电成像测井资料评价碳酸盐岩储层区间孔隙度的基础上，结合从电成像测井资料提取的孔隙度变异系数进行孔隙型碳酸盐岩储层产能预测方法研究。

3.1 产能分配

为了提高试油效率并加快增产进度，目前在研究区块内往往对原始解释的多个相邻小层进行组合测试。由于碳酸盐岩孔隙结构复杂，层内、层间非均质性很强，各小层对组合产能的贡献程度是不一样的。

为便于计算各小层的产能，首先需要引入“孔隙体积”的概念。假设根据物性的整体差异可将试油层段划分为n个小层，对每个小层分别将孔隙度数据逐个采样地累积求和，即得各小层的孔隙体积；而试油层段的总孔隙体积则为各小层的孔隙体积之和。可见，孔隙体积可在一定程度上反映各小层孔隙度的非均质性。根据各小层的孔隙体积占总孔隙体积的比例，即可实现测试层段产能的重新分配。

图1 研发软件处理结果Fig.1 Processing results of the developed software

图2 研发软件与PoroSpect处理效果对比Fig.2 Comparison between results of the developed software and PoroSpect

此外，为了实现纵向上的归一化，需要消除小层厚度的影响，因而引入“产油强度”这一概念。此处定义相对均质的各小层单位厚度的产能即其产油强度。综上所述，各小层的产油强度可按下式计算：

其中：Pi为各小层的产油强度，t／（d·m）；Vφ，i为各小层的孔隙体积；P为整个试油段的总产能，t／d；hi为各小层的厚度，m。由于研究区内试油结论多为油气同产，计算过程中采用标准油气当量，取1 255 m3天然气＝1t原油，可将各个试油层位的产能分别折算为日产油的产量。

3.2 孔隙分布及其均质性的定量计算

孔隙型储层的孔隙均质程度对产能分配有着极大的影响，而碳酸盐岩储层的非均质性极强。为了进一步将孔隙与产能的关系定量化，确定了影响产能的3个主要因素：有效孔隙度越大，产能越高；孔隙中大孔隙所占比例越大，产能越高；孔隙分选性越好，产能越高。基于以上考虑，可应用平均孔隙度、大孔隙体积占总孔隙体积的比例和孔隙度变异系数计算各小层的“孔隙贡献因子”：

其中：Ki为各小层的孔隙贡献因子；φave为小层内的平均孔隙度；PorVKi为通过成像资料处理所得的孔隙度变异系数；Vφ，big为层内大孔隙的孔隙体积；Vφ，i为各小层的孔隙体积。

3.3 产能预测

对研究区块3口井的试油层位根据整体的物性差异划分小层，应用上述公式求取各小层的产油强度Pi与孔隙贡献因子Ki，通过回归拟合，可得如下关系式：

Pi＝0.468 4 Ki－4.847 9。（9）其相关系数R＝0.765 3（图3），二者之间呈现良好的线性相关性，应用前景较为乐观。

图3 孔隙贡献因子与产油强度关系Fig.3 Relationship between porosity contribution factor and oil－producing intensity

4 结论

1）电成像测井虽然并不提供定量的、直接的地层电阻率信息，但由于其低频分量与常规浅侧向测井相当，可以通过刻度其低频分量的方式将其标定为电阻率，进而用于地层对比和定量计算。

2）结合Archie公式，可推导出一种将电成像测井数据直接标定为孔隙度的算法；由于省略了先作电阻率刻度再应用Archie公式等中间步骤，处理过程得以简化，并消除了多种不确定性因素的影响，从而可较大程度地实现数据的自适应性处理。

3）实现了孔隙度图像的生成以及相应的统计分析等技术，效果与斯伦贝谢公司的PoroSpect软件相当，并且形成了区间孔隙度分析、孔隙度径向非均质性分析等特色技术，对于成像资料在各种储层评价中的应用具有普适性。

4）开展了孔隙型碳酸盐岩储层基于孔隙度非均质性的产能预测研究，引入“孔隙贡献因子”等概念，在产油强度与孔隙贡献因子之间建立了一个具有较高相关度的拟合公式，对于碳酸盐岩储层的精细解释具有很好的指导意义。

（References）：

［1］ 张守谦，顾纯学，曹广华.成像测井技术及应用［M］.北京：石油工业出版社，1997：53－56.

Zhang Shou－qian，Gu Chun－xue，Cao Guang－hua.Imaging Logging Technology and Its Application［M］.Beijing：Petroleum Industry Press，1997：53－56.

［2］ 石油测井情报协作组.测井新技术应用［M］.北京：石油工业出版社，1998：4－8.

Petroleum Wireline Logging Information Coordinating Group.New Technology in Wireline Logging［M］.Beijing：Petroleum Industry Press，1998：4－8.

［3］ 雍世和，张超谟.测井数据处理与综合解释［M］.东营：石油大学出版社，2004：514－518.

Yong Shi－he，Zhang Chao－mo.Logging Data Processing and Comprehensive Interpretation［M］.Dongying：Petroleum University Press，2004：514－518.

［4］ 王伟华，刘呈冰，于恒，等.微电阻率成像测井在孔洞型储层定量评价中的应用［J］.国外测井技术，1999，14（6）：49－53.

Wang Wei－hua，Liu Cheng－bing，Yu Heng，et al.The Application of Micro－Resistivity Imaging Logging in Quantitative Evaluation of Vug Reservoir［J］.ForeignWell Logging Technology，1999，14（6）：49－53.

［5］ 赵军，祁兴中，夏宏权，等.测井资料在碳酸盐岩洞－裂缝型储层产能评价中的应用［J］.现代地质，2003，17（1）：99－104.Zhao Jun，Qi Xing－zhong，Xia Hong－quan，et al.Application of Log Data to Producing Capacity Prediction in Carbonate Reservoir［J］.Geoscience，2003，17（1）：99－104.

［6］ 刘海啸，李卫新，刘晓虹，等.碳酸盐岩储层产能预测方法探索［J］.测井技术，2004，28（2）：151－154.Liu Ha－xiao，Li Wei－xin，Liu Xiao－hong，et al.On Productivity Forecast Technique for Carbonate Reservoir［J］.Well Logging Technology，2004，28（2）：151－154.

［7］ 贺洪举，张树东，邱泉，等.非均质碳酸盐岩储层及产能评价方法探索［J］.西南石油大学学报：自然科学版，2008，30（1）：89－92.He Hong－ju，Zhang Shu－dong，Qiu Quan，et al.Heterogeneous Carbonate Reservoirs and the Productivity Evaluation［J］.Journal of Southwest Petroleum University：Science ＆Technology Edition，2008，30（1）：89－92.

［8］ 刘峰，王博，姚淑影，等.一种碳酸盐岩油藏油井产能评价方法及其影响因素研究［J］.重庆科技学院学报：自然科学版，2011，13（2）：34－36.Liu Feng，Wang Bo，Yao Shu－ying，et al.Productivity Assessment Method and Its Influencing Factors for Carbonate Reservoir［J］.Journal of Chongqing University of Science and Technology：Natural Sciences Edition，2011，13（2）：34－36.

［9］ Anil Kumar Tyagi，Amit Bhaduri.井眼微电阻率成像测井在碳酸盐岩储层孔隙度分析中的应用［J］.罗景美，李爱华，赵文杰，译.测井与射孔，2003，6（2）：23－27.Anil Kumar Tyagi，Amit Bhaduri.Porosity Analysis Using Borehole Electrical Images in Carbonate Reservoirs［J］.Translated by Luo Jing－mei，Li Aihua，Zhao Wen－jie.Well Logging ＆Perforation，2003，6（2）：23－27.

Porosity Analysis of Micro－Electric Imaging Logging and Its Application in Carbonate Reservoir Production Capacity Forecast

Li Xiao－hui1，Zhou Yan－qiu1，2，Gou Yan－hong1，Wang Yu－hua1，Jiang Bao－yan1
1.Well Logging Company，Daqing Exploratory Drilling Engineering Corporation，Daqing 163412，Heilongjiang，China 2.College of GeoExploration Science and Technology，Jilin University，Changchun 130026，China

Through a thorough study on measurements of micro－electric imaging logging，a resistivity scaling formula based on the low frequency components is proposed，combined with Archie’s equation and introduction of conventional logging data and processing results，an algorithm which can directly convert mico－electric imaging logging data into porosity was strictly derived.With this method，resistivity scaling process and direct application of Archie formula can be avoided，thus the processing is simplified，and impacts of a variety of uncertainties such as a，b，n，Sxoand Rmfin Archie formula and shallow investigation laterolog RLLSfor the results can be eliminated，which maximize a self－adaptive processing of the data.Consequently，a variety of statistical analysis was made upon the porosity spectrum，an interval porosity analysis similar to NMR is carried out，aporosity radial heterogeneity analysis similar to permeability evaluation in reservoir description was also made.Programming with Visual C＋＋，a software has been developed and applied in carbonate reservoir capacity forecast.For the first time we proposed the concept of“porosity contribution factor”.By regression analysis of the logging data and the oil testing data of the study area，a fitting formula of oil－producing intensity andporosity contribution factor was established.

micro－electric imaging；calibration；resistivity；porosity；carbonates rocks；oil－producing intensity；porosity contribution factor

book=2012,ebook=623

P631.84

A

1671－5888（2012） 04－0928－07

2012－04－13

国家自然科学基金项目（41174096）；国家重大专项（2011ZX05009，2011ZX05044）

李晓辉（1969－），女，高级工程师，主要从事复杂岩性储层测井资料评价与研究，E－mail：lixh005＠cnpc.com.cn。