南堡油田低井控区主力油组岩相模拟研究

康海涛 中国地质大学 （武汉）资源学院，湖北 武汉430074 中石油冀东油田分公司勘探开发研究院，河北 唐山063004

常学军 （中石油冀东油田分公司，河北 唐山063004）

廖保方，王群会 （中石油冀东油田分公司勘探开发研究院，河北 唐山063004）

熊 平 （长江大学工程技术学院，湖北 荆州434023）

黄 庆 （中石化河南油田分公司勘探开发研究院，河南 南阳473132）

陈丙春，牛世忠 （中石油吉林油田分公司，吉林 松原138000）

南堡油田低井控区主力油组岩相模拟研究

康海涛 中国地质大学 （武汉）资源学院，湖北 武汉430074 中石油冀东油田分公司勘探开发研究院，河北 唐山063004

常学军 （中石油冀东油田分公司，河北 唐山063004）

廖保方，王群会 （中石油冀东油田分公司勘探开发研究院，河北 唐山063004）

熊 平 （长江大学工程技术学院，湖北 荆州434023）

黄 庆 （中石化河南油田分公司勘探开发研究院，河南 南阳473132）

陈丙春，牛世忠 （中石油吉林油田分公司，吉林 松原138000）

在对井控程度不同却有类似沉积环境的油藏进行类比研究的基础上，通过储层参数统计分析，建立类似储层岩相知识库。利用综合了基于象元方法以及基于目标方法两者优点的多点地质统计学方法，建立了南堡油田馆2油层组辫状河岩相模型。研究结果表明，在地质规律约束下，以露头资料和井控程度较高井网区储集层地质知识库所得到的砂体规模形态参数作为重要约束条件，对于河流相等具有复杂地质形态的储层岩相精确建模，该方法比传统方法更有优势，模拟结果与理论及实际模型有好的接近性，可以给出较好的储层岩相模型。

低井控；河流相；井控程度较高井网；知识库；多点地质统计学；随机建模

对于低井控开发早期及滚动评价油田，目前岩相建模基本采用地震资料或地震资料反演约束建模［1～5］，或利用地表露头调查所获取的参数进行约束储层岩相建模［6～8］，而多点地质统计学则是在地质规律及沉积背景的研究下建立沉积相的概念模型即训练模型，在训练模型的约束下模拟研究区储层沉积相［9～13］。鉴于前人的研究成果，笔者则是在地质规律约束下，以研究区沉积背景资料和井控程度较高井网区储集层地质知识库所得到的砂体规模形态结构参数作为重要约束条件，使用变差函数，综合地质、钻井、三维地震、测井等各类静态信息，建立高精度的储集层岩相骨架模型。该思路和方法最大限度地应用各种静态资料，充分发挥井点资料垂向分辨率高和地震资料横向信息丰富的优势，能够准确刻画井间未知区内储集层参数的展布规律，提高井间砂体预测精度，对于预测相似条件下低井控地区的储集层分布具有理论指导意义。

1 地质背景

南堡油田位于南堡凹陷的西南部海域部分，区域构造隶属渤海湾盆地黄骅坳陷北部的南堡凹陷，是渤海湾中新生代盆地内部的一个次级中小型凹陷，凹陷面积1932km2。南堡油田主要发育南堡1号～南堡5号等5个有利构造，研究区为南堡1号构造和南堡2号构造。明化镇组地层为一套湖盆拗陷期发育的曲流河及冲积平原沉积，进一步分为明上段和明下段。明上段为灰色粉砂岩、细砂岩、灰白色中砂岩与灰色、灰绿色、灰黄色、棕灰色泥岩、泥质粉砂岩、砂质泥岩呈不等厚互层，以砂岩集中发育为特征；明下段为浅灰色细砂岩与灰色、棕红色、灰绿色泥岩不等厚互层，以泥岩发育为特征。明下段的中下部发育一套稳定泥岩段，目前发现的油层绝大多数分布在该泥岩段之下的有效储层中。馆陶组为湖盆拗陷期发育的辫状河及冲积平原沉积，从地层岩性特征上，馆陶组地层具有如下特点：顶部为块状含砾砂岩，上部为灰白色细砂岩与灰绿色泥岩不等厚互层，下部为深灰色玄武质泥岩、玄武岩、灰白色安山岩发育段，底部为块状砾岩、含砾砂岩发育段，被局部发育的玄武岩、玄武质泥岩穿插、间隔。据此，可进一步划分为4个油组，即NgⅠ～Ⅳ油组，油层主要发育在NgⅡ油组、NgⅣ油组。

2 特征参数类比建立储层知识库

2.1 河道参数的计算

研究区主要为辫状河沉积，且工区钻井较少。如果采用常规的模拟方法建立研究区低井控条件下的储层岩相模型，所建模型反映储层储集体的分布和连通性会有一定的误差，影响所建模型的精度。因此，在建模之前，首先进行储层参数类比，依此建立储层知识库及储层原型模型。

根据国内外大量精细露头资料和井控程度较高井网下的辫状河研究，发现辫状河河道宽度和河道厚度及粉泥质含量具有一定的关系。

舒姆 （Schumm）［14］关系式：

中国科学院地理研究所关系式：

式中，W为河道宽度，m；M为粉泥质含量百分比，%；h为河道深度，m。

依据研究区的实际井的资料，对取心井进行了统计分析，分别计算了明化镇组、馆陶组的辫状河的相关参数，建立了研究区的河流基本参数知识库。利用式 （1）、（2）计算的是河道一次沉积体的单次河道宽度，从计算统计结果来看，研究区馆陶组单期辫状河的河道沉积体所反映的河道宽度平均值大约60～110m左右 （图1）。

图1 式 （1）和式 （2）计算辫状河河道宽度的相关性

2.2 较高井控程度典型井网区选择

针对研究区沉积环境或沉积体系，根据研究目的需要，选择了松辽盆地大安油田扶余油层和红岗油田高台子油层作为典型代表，这2区具有较完善丰富的各种动、静态资料，且井网密度也足够大，平均最小井距也小于数据变差函数结构分析中的平面最小变程，这样数据资料能够充分反映变程之内的空间结构关系。

2.3 储集层骨架模型知识库建立

目前大多数油田利用井控程度较高井网资料，建立了大量详尽的各类储集层地质知识库，如岩性、岩相、各类沉积模式库、物性参数库和测井曲线形态库。根据这些知识库，统计分析岩相建模所需的储集层砂体、岩相以及物性等参数 （表1、2），以作为建模的重要的约束条件。通过变差函数分析将各类数据有机地综合在一起，建立具有综合各种信息的合成变差函数模型，用其约束研究区储集层随机建模过程，最终达到建立准确储层地质模型的目的。

2.4 原型模型抽稀检验

将类比区原型模型井网抽稀部分井，应用抽稀井网数据建立随机地质模型。统计抽稀井模拟实现与实际井符合程度，从而确定能够有效提高稀井网条件下储层预测精度的方法。抽稀方法有规则抽稀和随机抽稀。

抽稀法是按照一定比例抽稀控制井点的方法。建模过程中分别在抽稀前、抽稀后分别建立多个随机模型，分别对几个模型的沉积相、渗透率和孔隙度等属性分布进行了比较。对比分析选取抽稀后各项属性符合程度较好的模型作为最终的地质模型。

分别以大安油田红岗北区块扶余油层和红岗油田高台子油层为例，分别以不同的方法建立抽稀模型，然后对比抽稀井处模拟实现与实际井的符合程度，从而确定提高稀井网条件下储层预测精度的方法。统计储层相关参数及变程，建立储层知识库 （表1、2）。

大安油田红岗北区块扶余油层沉积相主要为明显的条带状的辫状河相，其物源是北偏西方向。工区内共有291口井，分别用规则抽稀 （按井距）和随机抽稀的方法抽稀部分井，抽稀后井距约600m，利用抽稀后的井数据分别建立随机模型。

红岗油田高台子油层沉积微相主要为水下分流河道、河口坝、席状砂，其物源是北偏西方向。分别用规则抽稀 （按井距）和随机抽稀的方法抽稀部分井，利用抽稀后的井数据分别建立随机模型。

表1 大安油田红岗北区块扶余油层沉积微相变差函数参数统计表

表2 红岗油田高台子油层沉积微相变差函数参数统计表

对比序贯指示和多点地质统计学2种模拟实现 （图2（a）、（c））可以看出，序贯指示模拟不能很好地反映河道弯曲和分叉信息。与之相比较，多点地质统计学方法建立的模型河道连续性好，河道弯曲及分叉信息都得到了更好的体现。与概念模型沉积微相平面图 （图2（b））相比较，多点地质统计学模拟结果最相似，表明多点地质统计学能够真实再现河道分布。对比图2（c）和图2（d）表明，在抽稀井处模拟实现与实际井符合度较高，因此，该方法可以较好地预测储层分布。

比较图2（d）和图2（e）可见，应用全按井距规则抽稀与随机抽稀两种方法的模拟结果十分相似，模拟结果也基本反映了用所有井模拟的河道微相分布形态。未参与模拟的井处的沉积相模拟结果与其实际沉积相的符合率较高。

3 多点地质统计学随机建模

3.1 建立训练图像

研究区主要为辫状河沉积，建立河道相和非河道相的分布模型前对各类微相进行了合并简化。训练图像作为研究区各沉积微相分布的定量地质模式，一般需要综合应用研究区各种资料甚至原型模型来完成，即通过地质概念模型加入定性的地质认识；要求训练图像能够反映储层变化的空间结构性，其作用相当于变差函数。限于开发程度，研究区井资料有限，因此主要依据该区已有沉积相研究成果，结合现有井的资料进行分析。

图2 大安油田红岗北区块扶余油层沉积相模拟实现

图3 南堡油田馆21小层训练图像

3.2 多点地质统计学随机建模

基于上述建立的储层知识库，应用多点地质统计学模拟方法对研究区内2种沉积微相分布进行了随机建模。经过数据准备、通过训练图像构建搜索树，最后通过抽样获得模拟实现。模型采用与训练图像相同的规格，模拟中使用多重网格模拟。

3.3 模拟结果

从图3、4可以看出，模拟结果显示河道宽度约为300～500m，微相砂体分布连续。对比训练图像可以看出，模拟图像反映了训练图像的结构性，基本再现了河道相的几何形态，同时局部差异体现了砂体的非均质模拟效果；经检验，模拟结果能较好地再现微相砂体的几何形态，井点符合率很高。因此，应用多点地质统计学模拟方法对沉积微相分布进行随机建模可以较好地反映出河道的延伸方向及骨架相模型。

4 结 论

1）在低井控油田评价阶段，岩相建模过程中充分利用类似地质背景密井网油田的地质知识库、原型模型信息和河流研究成果，应用多点地质统计学方法能较好地预测无井区岩相及储层的横向变化，提高了预测结果的准确性，尤其是对于河流相等具有复杂地质形态的储层岩相建模。

2）利用综合地质知识库约束下的多点地质统计学随机建模方法，建立了南堡油田主要油组的岩相模型，降低了无井区储层预测的不确定性，从而为类似油田储层预测提供了很好的范例。

图4 南堡油田馆21小层多点地质统计学模拟实现

［1］刘文岭.地震约束储层地质建模技术 ［J］.石油学报，2008，29（1）：64～74.

［2］王家华，赵巍.基于地震约束的地质统计学建模方法研究 ［J］.海洋石油，2010，30（4）：46～49.

［3］杜世通.地震属性分析 ［J］.油气地球物理，2004，2（4）：19～31.

［4］于兴河，陈建阳.油气储层相控随机建模技术的约束方法 ［J］.地学前缘，2005，12（3）：239～244.

［5］武文来.地震相控预测技术及其在QHD32-6油田的应用 ［J］.中国海上油气，2008，20（3）：157～161.

［6］吴胜和，张一伟，李恕军，等.提高储层随机建模精度的地质约束原则 ［J］.石油大学学报 （自然科学版），2001，25（1）：55～58.

［7］王家华，张团峰.油气储层随机建模 ［M］.北京：石油工业出版社，2001.

［8］裘怿楠，贾爱林.储层地质模型10年 ［J］.石油学报，2000，21（4）：101～104.

［9］吴胜和，李文克.多点地质统计学——理论应用与展望 ［J］.古地理学报，2005，7（1）：137～143.

［10］冯国庆，陈浩，张烈辉，等.利用多点地质统计学方法模拟岩相分布 ［J］.西安石油大学学报 （自然科学版），2005，20（5）：9～11.

［11］尹艳树，张昌民，李玖勇，等.多点地质统计学研究进展与展望 ［J］.古地理学报，2011，13（2）：245～252.

［12］尹艳树，吴胜和，张昌民，等.基于储层骨架的多点地质统计学方法 ［J］.中国科学D辑：地球科学，2008，38（SII）：157～164.

［13］Schumm S A.Patterns of alluvial rivers［J］.Annual Review of Earth and Planetary Sciences，1985，13：5～27.

The Simulation of Main Oil Formation Lithofacies of Low Well-control Area of Nanpu Oilfield

KANG Hai-tao，CHANG Xue-jun，LIAO Bao-fang，WANG Qun-hui，XIONG Ping，HUANG Qing，CHEN Bing-chun，NIU Shizhong（First Author’s Address：College of Resources，China University of Geosciences，Wuhan430074，Hubei，China；Research Institute of Petroleum Exploration and Development，Jidong Oilfield Company，PetroChina，Tangshan063004，Hebei，China）

On the basis of analogy research on the reservoirs with different levels of well controls but with similar sedimentary environment and by means of reservoir parameter statistical analysis，a knowledge base of similar reservoir lithofacies was established.A multi-point geostatistic method based on the advantage of image element method and object method was used to build a braided channel lithofacies model of Guan 2Oil Formation in Nanpu Oilfield.The result of research indicates that in the constrain of geologic regulation，sand body scale and morphologic parameters obtained from the outcrop data and well network area with higher level of well control in the knowledge base are used as the important constraining condition for building accurate lithofacies model of fluvial facies with complex geology morphologic rock facies，this method has more advantages than traditional one and the simulated result has a good concordance with theory and practice model，it can give a preferable rock lithofacies model.

low well control；fluvial facies；higher level of well control；knowledge base；multi-point geostatistics；stochastic modeling

TE122.2

A

1000-9752 （2012）04-0026-05

2011-10-10

国家自然科学基金项目 （40872099）。

康海涛 （1972-），男，1995年大学毕业，高级工程师，博士生，现主要从事油田开发研究与管理工作。

［编辑］ 宋换新