火山岩储层天然气产能预测方法研究

李闯

（大庆油田公司勘探开发研究院，黑龙江 大庆163712）

0 引 言

利用测井储层评价手段所获取的储层参数主要反映储层的静态特征，难以反映其动态特征。应用测井资料预测储层产能研究的主要目的是力图利用这种静态的储层参数预测初期动态的油井初始产能。利用测井资料预测油气层产能还未形成一套成熟的方法，但许多学者对利用测井资料预测产能进行过很多探讨，归纳起来大致可分为2类：一类是基于大量试油、测井解释及岩心分析资料直接和产能建立统计关系，如欧阳健等［1］提出用储层的有效渗透率和含油饱和度评价储层产能；另一类是采用数学算法，如主成分分析法、模糊数学、神经网络等［2－6］，对砂岩储层开展产能预测，达到了一定的效果。徐深气田为酸性火山岩储层，非均质性较强，各种测井响应复杂并且规律性较差，直接采用测井资料确定储层的渗流参数适应性更差，采用上述2类预测方法很难求准储层的产能。

本文在酸性火山岩储层天然气测井响应特征研究的基础上，应用三孔隙度测井、核磁共振成像测井及偶极子横波测井识别储层含气性，并以此得到气层识别综合参数，应用综合参数与储层有效厚度关联得到产能指数，定性判别储层产能级别；其次应用储层有效孔隙度、含气饱和度等参数，采用回归的方法建立了储层产能定量解释模型。针对大庆油田深层压裂试气成本较高的问题建立了压前与压后产能的关系。该套方法应用到徐深气田的新井产能预测中效果较好，为勘探试气及开发部署提供了有力的技术支持。

1 储层产能级别划分标准

储层的产气能力受很多因素影响，产能大小由各种影响因素综合决定。这些影响因素总结起来可以分为2大类［7－9］，一类是储层的内因，如流体性质、含气饱和程度、物性等；另一类是外因，如表皮系数等。由此表明，储层产能是由储层的自身条件与外部环境以及油气性能等共同决定的。

对于徐深气田火山岩储层，单井试气一般自然测试产能较低，97．8%的储层需要大型压裂才能达到较高产能。为了降低压裂的风险，减少投资成本，必须应用测井资料准确预测火山岩储层产能。徐深气田埋深在3000～4000m之间，试气情况表明，储层产能变化范围大，日产气150～470000m3，其中达到工业产能为40000m3／d，达到100000m3／d储层为高产储层。将储层压后产能级别进行划分（见表1），为储层产能级别预测奠定基础。

表1 产能级别划分表征

2 产能测井预测方法

2．1 产能级别预测

对大量测井资料、测试资料的分析表明，当储层含有天然气时，三孔隙度曲线、核磁共振测井曲线及偶极横波测井曲线均有响应［10－12］，储层产能越大，这种响应特征越明显。将这些响应特征定量表征以后，应用于储层产能级别的预测。

2．1．1 含气性识别

（1）中子—密度测井曲线重叠识别含气性。补偿中子测井测量岩石的含氢指数，储层中含有天然气时，岩石的含氢指数显著降低。密度测井测量岩石的电子密度，由于气体的密度明显小于水和油的密度，当储层中含气时，与含其他流体相比密度值明显降低。在测井仪器的探测半径范围内，若储层含气，会出现补偿中子测井孔隙度减小，密度测井孔隙度增大的现象。2种孔隙度曲线重叠会形成镜像特征，即可作为定性识别气层的依据。

（2）密度孔隙度—核磁共振孔隙度重叠识别含气性。核磁共振测井T2分布谱不仅受地层的孔隙结构［13］影响，还与孔隙中流体有关，其可对储层的流体性质进行有效识别。当地层中含有天然气时，由于气体的含氢指数较低，核磁共振测井测量的等待时间不够时气体未完全极化，应用常规采集参数测量的核磁共振测井计算火山岩地层总孔隙度偏低。当在测井仪器的测量范围内地层孔隙含天然气时，计算的密度测井孔隙度偏大，核磁共振测井孔隙度偏低，应用这一特征可定性识别储层是否含有天然气。

（3）横纵波时差比值识别含气性。在含天然气的储层中，纵波传播的速度比在含液体的储层中的速度要低，纵波能量衰减较大，故纵波时差（Δtc）大；而横波时差（Δts）基本无变化。火山岩储层基质孔隙通常较低，由此造成了速度法识别气层的不确定性，单纯应用纵波时差变大这一特征识别天然气风险很大。因此，选用横波与纵波组合的方法降低天然气识别的风险，即采用横纵波时差比值定性识别储层含气性。

式中，BZ为横纵波时差比值。

酸性火山岩储层非均质性强，横纵波时差比值大小不仅与储层物性有关，还与储层岩石特性有关，因此不能用一个定值判断储层的含气性。但是，在酸性火山岩干层与水层处，横、纵波时差均不受天然气的影响，只反映储层孔隙大小。因此，可用干层或水层的有效孔隙度得到纵、横波时差，即得到不受含气影响的横纵波时差比基值。当储层横纵波时差比值小于基值时，表明储层含气。

（4）综合参数识别含气性。从上述研究可知，储层中含有天然气时，横纵波时差曲线、孔隙度测井曲线及核磁共振测井曲线均呈现出明显的含气响应特征。但每种测井方法都存在自身的局限性，致使反映储层含气性的灵敏程度存在差异。为了综合利用各种测井信息，采用归一化方法对以上交会曲线的交会幅度进行定量化，然后求和得到综合参数，能进一步提高储层含气性识别能力，同时对含气性实现定量描述。一般而言，综合参数越大，表明储层含气性越好。综合参数计算的具体形式

式中，VBZ＝BZJ－BZ；VKX＝φDEN－φna；VHC＝φDEN－φNMR；VBZ、VKX、VHC分别为横纵波时差比值测井法、三孔隙度测井法及核磁共振测井法处理后的归一化值；a、b、c分别为横纵波时差比值测井法、三孔隙度测井法及核磁共振测井法在综合参数中的权系数，无量纲；BZ为横纵波时差比值；BZJ为研究区根据储层物性计算的横纵波时差比值，该值为储层不含气时横纵波时差比值，储层含气时，大于BZ；φna为中子曲线计算孔隙度，%；φDEN为密度测井曲线计算孔隙度，%；φNMR为核磁共振测井计算孔隙度，%。

2．1．2 产能级别判别标准

储层含气性与有效厚度是产能大小的决定因素。综合参数可以表明储层含气性，且一般储层物性与含气性越好，综合参数越大。因此，某一单层的综合参数与厚度的乘积能反映储层产气的能力，本文中将其定义为产能指数。产能指数由曲线和边界值所形成的面积表示（见图1），面积越大，表明储层产气能力越高。综合参数与左边界交会的面积表示产能指数大小。

应用徐深气田酸性火山岩试气资料（高产储层25个层、中产储层11个层、低产储层8个层），建立储层产能指数与试气产能之间的关系（见图2），由此确定了徐深气田酸性火山岩储层产能级别判别标准（见表2）。

图1 产能指数大小示意图

表2 徐深气田酸性火山岩储层产能级别判别标准

图2 储层产能级别识别图版

2．2 产能大小计算

理想井条件下均匀不可压缩流体的平面径向稳定的渗流公式表明［11］，除了有效厚度（h）、渗透率（K）可以用测井资料确定外，流动压力差、有效半径、流体黏度等参数在气层测试之前无法确定，即使计算出来也无法控制其精度。从测井预测产能的角度看，孔隙度表示储层中含有流体的体积分数，含气饱和度表示孔隙中含有天然气的体积分数。影响储层产能大小的参数还应包括储层孔隙度（φ）和含气饱和度（Sg）。但是从压后产能与这些参数的相关性来看，这些参数对产能大小计算的贡献程度不同，由此，采用不同指数反映贡献大小的方法建立了产能方程式（3）。

式中，Q为预测压后产能，m3／d；p为常数；n、w和d为计算系数；φ为储层的孔隙度，计算方法见参考文献［14］，%；Sg为储层的含气饱和度，计算方法见参考文献［15］，%；K为储层的渗透率，计算方法见参考文献［16］，mD＊非法定计量单位，1mD＝0．987×10－3μm2，下同；h为储层的有效厚度，m。

徐深气田酸性火山岩储层一般射开厚度大于10m，大型压裂压开厚度达到80m；有效厚度内的层段均对产能有贡献。在预测产能时，h为储层有效厚度；K值一般取储层压后渗透率，由测井资料难以确定。从压前测井解释渗透率与压后试井解释渗透率关系看（见图3），测井解释渗透率大的储层压后渗透率也大，因此，本文在预测储层产能大小时K取测井资料确定的储层渗透率，φ和Sg应用测井资料计算。放喷油嘴大小也影响了储层初期产能，确定系数时选取相同油嘴（10～12mm）条件下的测试数据。应用徐深气田31口井37个酸性火山岩储层压后测试资料对模型进行拟合，确定出反映贡献大小的p＝188．98，n＝0．6423，w＝0．299，d＝0．903这4个指数。应用该模型对建模所用的储层进行产能计算，与实际产能对比表明两者一致性较好（见图4）。

图3 测井解释渗透率与试井解释渗透率关系

图4 压后产能与测井预测产能关系

3 应用效果

以上2种预测方法具有不同的应用条件。针对储层是否进行试气问题，应用酸性火山岩储层产能级别判别标准预测产能，以此决定试气与否；针对储层自然测试后是否进行压裂求产问题，应用式（3）进行计算后，结合产能级别预测结果，决定压裂与否，并为压裂方案制定提供依据。例如徐深M井175II和176号层，产能指数分别为809．7和883．6，均可试气达到高产工业气，但176号层物性好，预测产能达到了38．6×104m3。因此，在只能试气一层的条件下，确定试气176号层，该层压后产能达到35．8×104m3，与预测结论基本一致（见图5）。应用该套方法对2012年以来的20口新井21个储层进行了预测，结果见表3，产能级别预测准确率为90．0%，产能大小预测平均相对误差为63．4%。应用表明，该方法预测产能的效果较好，为天然气试气选层提供了依据。

图5 徐深M井测井综合解释成果图

表3 产能预测与测试结果对比

4 结 论

（1）综合应用密度—中子孔隙度、密度—核磁共振孔隙度、横纵波时差比值得到的综合参数能有效识别储层含气性，提高了含气性识别符合率。

（2）将识别气层的综合参数与有效厚度结合，得到产能指数，利用该指数判别储层产能级别精度较高，为储层产能大小的预测奠定了基础。

（3）将测井资料确定的有效孔隙度、含气饱和度、空气渗透率及有效厚度应用于产能预测中，根据这些储层特性对产能贡献大小的不同，分别采用不同指数的形式建立了产能计算模型。应用结果表明，该产能预测方法效果较好，对其他相似储层天然气产能预测具有借鉴意义。

［1］欧阳健．石油测井解释与储层描述［M］．北京：石油工业出版社，1994：87－92，148－152．

［2］李瑞，杨光惠，胡奇凯．鄂尔多斯盆地碳酸盐岩储层测井产能预测研究［J］．勘探地球物理进展，2003，26（2）：109－113．

［3］谭成仟，马娜蕊，苏超．储层油气产能的预测模型和方法［J］．地球科学与环境学报，2004，26（2）：42－47．

［4］雷胜林，刘哲．用储层电性、物性参数预测油层产出能力［J］．石油勘探与开发，1996，23（6）：67－70．

［5］肖慈珣，肖崇礼，粟英姿，等．天然气储层产能的测井评价与预测［J］．石油与天然气地质，1999，20（4）：279－288．

［6］罗宇，牟泽辉，朱宏权．鄂尔多斯盆地北部塔巴庙地区气层识别与预测［J］．石油勘探与开发，2003，30（4）：62－65．

［7］王青，李国平，王树寅．陕甘宁盆地油气产能预测方法探讨［J］．石油与天然气地质，1996，17（3）：195－200．

［8］陈玉魁，李荣．利用测井资料估算测试层的气产量［J］．石油物探，1996，35（5）：66－69．

［9］丁绍卿，郭和坤，刘卫，等．核磁共振岩样分析技术在储层评价中的应用［J］．大庆石油地质与开发，2006，25（6）：22－26．

［10］邓刚．应用测井资料识别火山岩储层流体性质的方法［J］．大庆石油地质与开发，2009，28（6）：22－26．

［11］王德喜，曾文冲，汪志锋．松南气田火山岩储层流体性质的识别［J］．西南石油大学学报：自然科学版，2009，31（6）：15－20．

［12］孙建孟，韩成，马建海，等．应用声波全波列测井计算裂缝性含气储层参数［J］．石油物探，2001，42（3）：545－548．

［13］何雨丹，毛志强，肖立志．核磁共振T2分布评价岩石孔径分布的改进方法［J］．地球物理学报，2005，48（2）：373－378．

［14］王春燕．双密度重迭法在徐深气田中基性火山岩气层识别中的应用［J］．国外测井技术，2010，175（1）：9－12．

［15］覃豪，李洪娟，张超谟．基于孔隙结构的酸性火山岩含气饱和度计算方法［J］．测井技术，2013，37（3）：258－263．

［16］李洪娟，覃豪，杨学峰．基于岩石物理相的酸性火山岩储层渗透率计算方法［J］．大庆石油学院学报，2011，35（4）：38－41．