薄砂体油层常规测井精细识别技术及其应用

陈同飞,蒋阿明,张菲

李秋政,邓辞 (中石化江苏油田分公司地质科学研究院,江苏扬州225009)

薄砂体油层常规测井精细识别技术及其应用

陈同飞,蒋阿明,张菲

李秋政,邓辞 (中石化江苏油田分公司地质科学研究院,江苏扬州225009)

由于常规小数控声波-感应测井系列纵向分辨率低,对薄砂体的油层识别存在误判和漏判。应用3种不同的研究方法综合识别薄砂体油层:首先,从沉积微相精细研究入手,分析在不同沉积微相下储层物性与电性响应特征之间的关系,建立基于沉积微相精细研究基础上的图形交会识别;其次,在油藏特征分析的基础上,明确非统一油水界面层状构造油藏界面之上只有渗透层 (油层)和非渗透层 (干层)的区别,建立微电极幅度差薄层识别;最后,采用BP人工神经网络评价技术,提取8种反映油层特征的测井曲线及计算参数,通过学习分析,输出结果与测井精细解释相互验证。该技术在高集油田的应用,大大提高了对薄砂体油层的解释精度。

薄砂体油层;测井精细解释;沉积微相;微电极;神经网络

近年来,随着储层压裂改造、水平井开发等技术的进步,薄砂体油层在增储上产上所起到的作用愈加重要。针对薄砂体油层,目前常用的是以提高纵向分辨率为目的的薄层电阻率、阵列感应以及声电成像等测井新技术和解释评价新方法,取得了较好的应用效果[1～4]。油田老区受条件所限,多采用小数控测井系列,其声波-感应组合测井纵向分辨率低,往往对薄砂体油层造成误判和漏判。但是油田老区地质研究基础较好,试油试采、取心、录井等资料丰富,这为将常规测井资料与地质资料结合来综合判断油水层打下了坚实的基础。笔者以高集油田古近系阜宁组二段 (E1f2)砂岩为研究对象,探索利用常规测井资料解释薄砂体油层的新方法。

1 区域地质概况

高集油田构造位置位于苏北盆地金湖凹陷西部斜坡带,主要含油层系为E1f2,发育一套滨湖亚相砂坝、砂滩砂体[5]。砂坝砂体呈不规则的团块状或条形状与湖岸线平行,砂滩砂体呈席状广布围绕在砂坝周围。砂体厚度较薄,砂滩砂体的厚度在1～3m之间,表现出典型的薄砂体储层特征。E1f2砂岩主要为细砂岩和粉砂岩,平均孔隙度为16.7%,平均渗透率为39.8m D,属于中孔-低渗储层。

2 测井精细识别技术

高集油田多采用小数控测井系列,由于纵向分辨率低以及围岩因素影响,常规用于判断油、水层的声波、感应测井往往不能准确识别出薄砂体油层。而高集油田E1f2为勘探开发程度较高的主力含油层系,地质研究基础好,试油试采、取心、录井等第一性资料丰富,这为从地质研究入手,充分结合测井与地质资料综合判断油水层打下了坚实的基础。

2.1 基于沉积微相精细研究基础上的交会法

高集油田E1f2发育一套滨湖亚相砂坝、砂滩砂体,受沉积微相影响,砂滩砂体明显比砂坝砂体薄。常规用于判断油水层的深感应电阻率 (ρild)由于纵向分辨率低以及围岩影响,不能较好地反映砂滩薄砂体油层的真实电阻率,造成砂滩薄油层与砂坝水层在ρild-声波时差(Δt)交会图上难以区分 (见图1)。

通过对取心资料的归位分析,结合单井相研究成果,得出砂坝砂体和砂滩砂体在储层物性上有明显的区别:砂坝孔隙度平均为17.1%,渗透率平均为53.7mD;而砂滩孔隙度平均为15.7%,渗透率平均为22.1mD;砂坝储层物性好于砂滩。该区E1f2砂岩储层四性关系较好,砂坝电性也比砂滩好(表1)。

储层沉积微相类型对储层物性及电性有较大影响,在研究区E1f2砂岩精细沉积微相研究的基础上,根据砂坝、砂滩在测井响应上的差异性,分别建立不同沉积微相的测井电性解释图版,较好地区分了该区的油水层,特别是在8～11Ω·m油水关系复杂区提高了解释精度(图2、3)。

2.2 基于油藏认识基础上的薄层识别法

高集油田E1f2砂岩为典型的非统一油水界面层状构造油藏特征,主力断块高7断块阜宁组二段3亚段 ()除了下部⑦号油砂体见水层外,上部①～⑥号油砂体均未见水层。对于油水界面以上的储集层,只存在有效层 (渗透性油层)和非有效层 (非渗透性干层)的区别①蒋阿明,童益珍,陈同飞,等.金湖凹陷非主力层油气层识别技术及增储潜力研究.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研究报告.。常规声感测井由于纵向分辨率低,不能较好地区分渗透层,而短电极或其他能指示渗透性的电性参数,由于其纵向分辨率高,可以有效地划分出渗透性储集层,达到划分有效厚度的目的。

图1 高集油田E1 f2砂坝、砂滩砂体ρild-Δt交会图

表1 高集油田E1 f2砂坝与砂滩物性分析表

图2 高集油田E1 f2砂坝微相ρild-Δt关系图

图3 高集油田E1 f2砂滩微相ρild-Δt关系图

微电极系电极间的距离为2.5cm,纵向分辨能力较高;微梯度探测深度4cm左右,主要反映泥饼的电阻率;微电位探测深度10cm左右,主要反映冲洗带的电阻率。渗透性砂岩处一般泥饼厚度为0.13～3cm,冲洗带深度超过10cm,泥饼电阻率为泥浆电阻率的1～3倍,冲洗带电阻率约为泥饼电阻率的5倍以上。所以渗透性地层探测深度不同的2种微电极系所测的视电阻率必然存在幅度差,且一般为正幅度差;而非渗透性地层微电极系曲线无幅度差或有正、负不定的较小幅度差[6～8]。

在淡水泥浆的砂泥岩地层中,自然电位 (Usp)测井曲线以大段泥岩层部分的Usp曲线为基线,此时出现负异常的井段都可认为是渗透性岩性,其中纯砂岩井段出现最大的幅度差。薄渗透层一般是以微电极系或短电极距的视电阻率曲线为主,配合Usp划分渗透层界面较为可靠[6]。

根据高集油田E1f2砂岩地质条件和测井资料,优选取心井以及典型试油井的微电极电阻率 (ρme)、Usp以及Δt加以综合判断,并且为了规避系统误差,对微电极幅度差 (Δρme)、自然电位幅度差 (ΔUsp)进行了标准化研究,建立多参数解释图版,解释精度较高(图4、5,表2)。

图4 高集油田E1 f2薄砂体ΔU sp/U ssp-Δt交会图及Δρme/ρme-Δt交会图

2.3 BP人工神经网络评价技术

BP人工神经网络是由大量的神经元相互连接而成的自适应非线性动态系统,具有较强的智能功能[9]。该方法识别油水层,就是利用确定的拓扑结构和学习规则,把钻井取心分析、试油资料与相关测井信息的对应关系作为已知样本,使网络可以对所已知样本进行学习、训练网络各神经元之间的连接强度,获得有关问题领域的知识,并对输入的待判模式计算各神经元的输出状态变化,最终在输出层的神经元上得出精确的输出模式。BP网络分为3层:输入层、隐含层和输出层。

图5 高集油田E1 f2薄砂体Δρme/ρme-ΔU sp/U ssp交会图

建立能够判别储层含油性的学习模型是神经网络法识别油水干层的关键所在,所以应选择对储层含油性反映起主导作用又相对独立的测井参数组合或由测井参数计算的有效参数组合作为判别标准。根据研究区特点,选择自然伽马(qAPI)、Δt、ΔUsp、ρild以及Δρme等测井曲线和根据测井参数计算的有效参数Δρme与标准微电极幅度差 (Δρme,s)的比值(Δρme/Δρme,s)、ΔUsp与标准自然电位幅度差(ΔUsp,s)的比值(ΔUsp/ΔUsp,s)以及qAPI与标准自然伽马(qAPI,s)的比值(qAPI/qAPI,s)等作为学习样本(见表3)。

对样本进行训练,经过不断试算和反复调节隐含层节点个数、步长及加速因子,经过迭代以后,训练误差小于0.0001,精度达到了要求。这表明所建模型达到预测要求,电性与含油性之间的关系已隐于神经元之间的连接权之中,可以进行油水层的精细识别。

表2 高集油田E1 f2砂岩渗透层下限参数表

表3 高集油田E1 f2有关参数神经网络学习样本

3 应用效果分析

利用常规测井资料建立的基于沉积微相精细研究基础上的交会法以及基于油藏认识基础上的薄层识别法对油、水层进行了精细解释,并利用BP人工神经网络评价技术进行了解释验证,提高了解释精度,取得了良好的效果。

高7断块构造中部高20-10井、高20-11井、高20-12井等井处于砂滩微相沉积区,发育典型的薄砂体储层,测井一次解释为干层或非储集层。通过该次研究建立的精细解释方法,3口井分别解释油层5.1m/5层、7.5m/5层、5.8m/6层,压裂投产后日产油分别达到10.3、8.6、11.8m3,证实了解释图版的准确性(见表4)。

表4 高集油田E1 f2测井精细解释成果表

应用该次研究建立的精细解释方法对高7断块66口井的E1f2砂岩进行了测井精细解释,共划分有效厚度579.1m/267层,其中有44口井111层测井一次解释为非油层的储集层,重新划分为油层,增加有效厚度160.3m,其中80%为薄储层砂体。在此基础上对高7断块E1f2砂岩进行储量重算,增加石油探明储量124×104t,取得了明显的社会效益和经济效益。

4 结论

1)基于沉积微相精细研究基础上的交会法以及基于油藏认识基础上的薄层识别法,将常规测井资料与沉积相、油藏特征分析等地质研究结合,达到了薄砂体油层精细解释的目的。

2)基于油藏认识基础上的薄层识别法适用于油水界面以上无水层的层状构造油藏,对于油水关系复杂地区适用性较差。

3)BP人工神经网络评价技术等技术与常规测井资料精细解释相互验证,可以提高薄砂体油层的解释精度。

本文为中石化江苏油田分公司项目 “金湖凹陷非主力层油气层识别技术及增储潜力研究”(JS11001)产出论文。

[1]侯江涛.薄层电阻率测井技术应用探析[J].中国石油和化工标准与质量,2012,(1):116.

[2]朱大伟.浅谈声电成像测井解释模型及应用[J].内蒙古石油化工,2012,22(9):4～5.

[3]张菲,孙培安,张乐.高分辨率阵列感应测井在薄层评价中的应用[J].石油实验地质,2012,34(5):510～513.

[4]张园园,申辉林,吴健.测井新技术在薄层识别和评价中的应用[J].内江科技,2010,(4):67.

[5]刘金华,唐建东,钟思瑛,等.金湖凹陷西斜坡阜二段物源方向再认识[J].复杂油气藏,2011,4(3):16～20.

[6]丁次乾.矿场地球物理[M].东营:石油大学出版社,1992.11～12,57～58.

[7]余光华.微电极曲线负异常在低渗透油藏储层评价中的新认识[J].河南石油,2006,20(3):25～26.

[8]耿斌,杨英珍,马魁勇,等.低渗透油藏中微电极曲线的应用[J].测井技术,2004,28(1):39～40.

[9]范徽献,杨睿.BP神经网络气水识别研究[J].中国新技术新产品,2012,(7):14～15.

[编辑] 龚丹

P631.84

A

1000-9752(2014)12-0117-05

2014-05-13

陈同飞(1983-),男,2006年大学毕业,工程师,硕士生,现主要从事储量研究与储层综合评价工作。