南海西部油田高泥质疏松砂岩储层数字岩心渗流特征*

李文红 李英蕾 雷 霄 杨朝强 劳业春

(中海石油(中国)有限公司湛江分公司 广东湛江 524057)

南海西部油田高泥质疏松砂岩储层数字岩心渗流特征*

李文红 李英蕾 雷 霄 杨朝强 劳业春

(中海石油(中国)有限公司湛江分公司 广东湛江 524057)

李文红,李英蕾,雷霄，等.南海西部油田高泥质疏松砂岩储层数字岩心渗流特征[J].中国海上油气，2015,27(4)：86-92.

Li Wenhong，Li Yinglei，Lei Xiao,et al.Digital core percolation characteristics of loose sandstone reservoir with high mud content in western South China Sea[J].China Offshore Oil and Gas,2015,27(4):86-92.

南海西部油田高泥质疏松砂岩储层众多，大部分岩样无法直接利用压汞法测量其微观孔隙结构，常规驱替实验易出现岩心浆化现象而失败。选取南海西部目标油藏不同渗透率级别下的4块典型岩样，通过显微CT扫描建立数字岩心，获取介质孔道的三维几何构型及孔径尺寸的分布特征，再利用微观孔道网络模拟方法得到了储层岩石的物性参数及其非线性渗流特征，并从微观孔道网络的角度分析了储量动用过程。相同压力梯度下，渗透率越低的岩心，参与流动的孔道段数比例越小；孔径较大的孔道数量少，但其总体积与中等孔径相差不大。对于储量动用程度，压力梯度较小时，大孔道对储量动用贡献率较大，随着压力梯度增大，中小孔道贡献率增加，此时参与流动孔道中的最小孔径较小。

南海西部油田；高泥质疏松砂岩；数字岩心；微观孔道网络模拟；非线性渗流特征；储量动用过程

南海西部油田高泥质疏松砂岩储层众多，由于该类储层岩石骨架矿物颗粒间胶结强度较弱甚至部分未胶结，导致介质内流体流动空间的几何形态易受外界环境的影响而发生改变，加上矿物颗粒间的粒径相差显著，也使得介质内孔道孔径差异大，不同驱动力下流体在微观孔道网络内的流动状态和孔道网络体系内的微观波及程度差异较大。目前的油藏数值模拟技术均基于经典渗流力学理论，无法表征高泥质疏松砂岩储层的微观渗流机理，因此须寻求一种新方法深入认识该类储层，进而为高含水期油田的后续开发及挖潜调整提供理论依据。

数字岩心为目标储层微观渗流机理研究提供了可能。三维数字岩心是岩心的三维数字化图像，借用显微CT扫描仪直接获取岩心的三维图像，然后采用图像重建技术完善数字岩心。赵秀才 等[1]基于数字岩心提取的孔隙及喉道特征建立了网络模型，利用简单的几何体表征复杂的真实孔隙喉道，并考虑了各种微观的毛细管渗流机理；王金勋 等[2-5]利用网络模型研究了孔隙结构对两相相对渗透率的影响、致密介质中气体渗流的滑脱效应、含层理油藏岩石中的油驱替及气液体系吸液过程中的相对渗透率等。鞠杨 等[6]通过砂岩CT图像获取了岩石孔隙的几何特征与分布规律，构建了三维概率孔隙模型;Vogel等[7]以多种方法计算了多孔填充模型的毛管压力曲线，对比表明采用显微CT扫描图像重构模型的计算结果最为合理；Okabe等[8]综合了显微CT扫描图像和三维薄片多点统计信息，建立了碳酸盐岩多孔介质模型，并通过显微CT扫描图像获取了微米级的孔隙(对于更小尺度的孔隙则通过薄片统计资料获取)，计算获得的渗透率与实验结果相吻合。笔者针对南海西部油田不具备常规岩心实验条件的高泥质疏松砂岩典型岩样，应用微观孔道网络模拟技术构建了真实储层岩石的三维数字岩心，并从微观孔道网络的角度描述了储层岩石多孔介质的非线性渗流机理、非线性渗流参数及储量的非线性动用过程，为制定该类油藏的合理开发技术政策提供了理论依据。

1 典型岩样数字岩心建模及特征分析

目前数字岩心的建模方法主要有两大类:物理实验法和数值重建法。本文采用物理实验法。选用美国450KV微焦点XTH450-LC扫描机对岩样进行全三维扫描，采用德国海德堡Volume Graphics公司VGStudio MAX-CT软件进行数据分析。

1.1 基于CT扫描建立数字岩心

显微CT扫描技术的扫描精度和识别能力是一对矛盾，必须根据对象的微观尺度范围设定合理的扫描精度。南海西部油田目标油藏典型岩样激光粒度测试的最小粒径平均值为2.93 μm，根据球形颗粒架桥的几何构型，岩石最小孔道约为1 μm，因此将扫描识别精度设定为1 μm。据此建立了数字岩心微观体素的网格系统，网格数为1 000×1 000×1 000，体素单元边长为10 μm，每一个体素单元内的孔道称之为微观孔道段。按照“形态完整”的原则，在11块岩样中心部位确定了1cm×1cm×1cm的精确显微扫描位置。单个岩样的扫描时间约为5 h，单个岩样数字岩心数据体大小约为3 GB(图1)。

图1 数字岩心建模过程示意图

1.2 微观孔道系统的几何特征

统计分析数字岩心内各级孔径的孔道数量及孔道体积分布特征，南海西部油田目标油藏高泥质砂岩具有多孔介质特征。

1) 孔道数量为单调分布(图2)：大孔道数量较少，越小的孔道其数量越多。

2) 孔道体积为偏正态分布(图3)：小孔道(孔径<50μm)数量多，但总体积较小；大孔道(孔径>200μm)数量少，因而总体积也不大；中间孔径(孔径介于50～200 μm)的孔道总体积大，是介质储集-渗流能力的主控因素。

图2 南海西部目标油藏数字岩心内的孔道数量分布

图3 南海西部目标油藏数字岩心内的孔道体积分布

1.3 微观孔道系统的孔渗特征

常规物性测试分析表明，南海西部油田目标油藏储层岩石的平均孔隙度为28.2%～34.1%，渗透率为427～4 432 mD，而数字岩心测算的孔隙度为3.9%～37.0%，绝对渗透率为26～2 272 mD。对于具有微观非均质性的储层岩石，样品尺度越小，所能反映出的微观非均质性就越真实，而样品尺度越大，样品间的物性差异就越不明显。CT扫描区域的边长为1 cm，数字岩心体素网格的边长仅为10 μm，而常规岩心测试的尺度均大于1 cm，因此综合分析认为基于数字岩心建模所获得的孔道数量及孔道体积分布特征更加符合实际。

11块样品的数字岩心均反映出渗透率随孔隙度的增加而提高的趋势，说明具多孔介质特征的高泥质砂岩的渗透率主要取决于孔径，而孔渗关系的不一致性(图4)反映出该类砂岩的渗透率同时受孔径的分布特征及具有不同孔径的孔道间的连通性的较大影响。根据目标油藏储层渗透率的分布范围，最后确定了4块典型岩样(参数见表1)分别代表不同的渗透率区间，开展基于数字岩心的渗流参数计算及非线性渗流特征分析和油水渗流关系研究。

图4 南海西部目标油藏样品数字岩心物性参数与孔径几何特征值的关系

表1 南海西部目标油藏典型岩样基础物性参数

2 基于数字岩心的非线性渗流规律分析

2.1 压力波及的非线性过程

分别针对南海西部目标油藏4块典型岩样的数字岩心，模拟驱动压力梯度逐渐增大时数字岩心内参与流动的孔道所对应的渗流参数，以数字岩心微观波及系数达到100%(所有孔道全部参与流动)的驱动压力梯度作为模拟上限。

1) 不同驱动压力梯度下微观孔道段数被波及的比例如图5所示。可以看出，初期压力梯度较小，参与流动的孔道段数增速缓慢，说明孔径较大的孔道数量较少；随着压力梯度的进一步增加，参与流动的孔道段数快速增加，说明较小孔径的孔道段数占比较大。

数字岩心表明，较大孔径的孔道尽管数量少，但其对应的总体积与中等孔径相差不大。因此，当驱动压力超过启动压力梯度之后，随着压力梯度的增大，有效孔隙度几乎呈直线增加；进一步增大驱动压力梯度，随着小孔径的逐渐被波及，对应有效孔隙体积的增幅逐渐平缓；渗透率越低，具有小孔径的孔道数量越多，孔隙度缓慢增长的过程越长，其达到100%的孔道波及所需的压力梯度也相应会更大一些(图6)。

图5 南海西部目标油藏典型岩样参与流动的孔道段数比例

图6 南海西部目标油藏典型岩样有效孔隙度非线性特征

2) 4块典型岩样的表观流速特征曲线如图7所示，可以看出曲线具有以下非线性特征：①具有启动压力梯度；②大于启动压力梯度后，表观流速增加幅度逐渐加大；③孔道完全波及后，表观流速与压力梯度的关系恢复为直线，延长线均过圆点。计算表明，绝对渗透率越高，其启动压力梯度通常越低，但也有例外，这与孔道网络内各级孔道的尺寸组合有关。具有不同孔径与孔道数量的岩石可能具有相同的绝对渗透率，但在逐渐增大的驱动压力梯度作用下，孔道网络内逐渐参与流动的孔道数量以及微观波及范围不同，因此对应的各级有效渗透率也会不同，体现为表观流速随驱动压力梯度的变化规律有所差异。例如，在4块典型岩样中，渗透率较高的3号岩样(K=1 066 mD)的启动压力梯度为0.003 4 MPa/m，超过了渗透率最低的11号岩样(K=193 mD)的0.003 1 MPa/m。

进入线性流阶段的压力梯度称之为“线性临界压力梯度”，其随着岩样的渗透率降低而增大，同时也会由于孔道尺寸组合不同而出现个别反常的现象(图7)。

图7 南海西部目标油藏典型岩样非线性表观流速曲线

2.2 储量动用的非线性过程

将参与流动孔道的容积与数字岩心整个孔道网络总容积的比值定义为当前压力梯度对应的储量动用程度。图8为南海西部目标油藏典型岩样在不同微观波及系数下各级储量动用程度对应的最小流动孔径，可以看出：渗透率最低的11号岩样(K=193 mD)总体孔径偏小，参与流动的孔径分布范围是15～254 μm，当波及程度较小(对应较小驱动压力梯度)时，参与流动的均是较大孔道。例如，当波及程度为0.5时，参与流动的最小孔径是49 μm；当波及程度只有0.3时，参与流动的最小孔径是73 μm。渗透率最高的7号岩样(K=2 272 mD)总体孔径偏大，参与流动的孔径分布范围是32～405 μm，当波及程度为0.5时，参与流动的最小孔径是73 μm;而当波及程度只有0.3时，参与流动的最小孔径是112 μm。

图8 南海西部目标油藏不同微观波及系数下典型岩样的储量动用过程

另外，微观波及系数及微观动用程度不仅受孔径的影响，也取决于孔道的连通程度。例如，气测渗透率482 mD和1 066 mD的2块岩样尽管渗透率和孔径差距较大，但通过数字岩心技术计算的储量微观动用过程却非常接近。

2.3 油水渗流参数计算

南海西部目标油藏4块岩心渗透率的差异主要是由于孔道数量差异较大造成的，孔隙度的差异也说明了这点，但岩样之间的平均孔径，无论是数量加权，还是体积加权或体积峰值对应的孔径均较为接近(表1)，加上岩样均来自于同一储集层，岩石矿物的润湿性和流体性质也十分接近，因此油水在其孔道网络中的相对流动能力接近，表现为油水相渗曲线的交点(等渗点)和曲线形态基本一致(图9)。

通过网络模型计算了目标油藏典型岩样不同含水率下各种微观波及系数对应的有效渗透率与采出程度关系(图10)，从微观机理上说明了水驱特征与微观孔隙结构的关联性。

在实际油藏的水驱开发生产过程中，油藏不同区域具有不同的压力梯度分布，由于压力波及和水驱油过程的非线性特征，其水驱油过程非常复杂；进一步提高压力波及系数及水驱油效率，动用的都是孔径较小、连通程度较差的孔道网络，所能提高的开发效果有限，因此应该结合工程成本和效益进行综合技术经济优化，得到合理的波及程度极限和水驱极限，作为油田开发技术政策的定量依据。

图9 数字岩心计算的南海西部目标油藏典型岩样油水相渗曲线

图10 南海西部目标油藏不同有效渗透率典型岩样的水驱特征

3 结论

针对南海西部油田不具备常规岩心实验条件的高泥质疏松砂岩典型岩样，应用数字岩心技术获得了其微观孔道的结构特征参数，并利用孔道网络模拟技术分析了该类储层岩石渗流参数、压力波及储量动用过程以及渗流特征变化规律，结果表明：相同压力梯度下，渗透率越低的岩心，参与流动的孔道段数比例越小；孔径较大的大孔道数量少，但其对应的总体积与中等孔径相差不大。对于储量动用过程，压力梯度较小时，大孔道对储量动用贡献率较大；随着压力梯度增大，波及范围扩大，中小孔道贡献率增加，此时参与流动孔道中的最小孔径较小。

[1] 赵秀才，姚军.数字岩心建模及其准确性评价[J]．西安石油大学学报:自然科学版，2007，22(2)：16-20． Zhao Xiucai,Yao Jun. Construction of digital core and evaluation of its quality [J].Journal of Xi'an Shiyou University :Natural Science Edition,2007,22 (2):16-20

[2] 王金勋，吴晓东，杨普华，等．孔隙网络模型法计算气液体系吸吮过程相对渗透率[J]．天然气工业，2003，23(3)：8-11． Wang Jinxun,Wu Xiaodong,Yang Puhua,et al.Calculating the imbibition relative permeability of a gas-liquid system by pore scale network model[J].Natural Gas Industry,2003,23 (3):8-11

[3] 王金勋，刘庆杰，杨普华，等．应用逾渗理论计算非稳态法油水相渗曲线[J]．石油勘探与开发，2001，28(2)：79-82． Wang Jinxun,Liu Qingjie,Yang Puhua,et al.Calculating the relative permeability from displacement experiment based of percolation theory[J].Petroleum Exploration and Development,2001,28 (2):79-82

[4] 刘庆杰，沈平平，杨普华．孔隙网络模型模拟含层理油藏岩石中的油水驱替问题[C]∥中国计算力学大会2001会议论文集，北京：北京大学出版社，2001：555-560． Liu Qingjie,Shen Pingping,Yang Puhua.Pore network model to simulate the reservoir rock containing bedding in water flooding problems[C]∥Proceedings 2001 Chinese Computing Mechanics General Assembly Meeting.Beijing:Peking University Press,2001:555-560

[5] 王金勋，刘庆杰，杨普华．应用Bethe网络研究孔隙结构对两相相对渗透率的影响[J]．重庆大学学报:自然科学版，2000，23(增刊1)：130-132． Wang Jinxun,Liu Qingjie,Yang Puhua.The application of Bethe network to study the influence of porespace structure on two phase relative permeabilities[J].Journal of Chongqing University:Natural Science Edition,2000,23(S1):130-132

[6] 鞠杨，杨永明，宋振铎，等．岩石孔隙结构的统计模型[J]．中国科学E辑:技术科学，2008，38(7)：1026-1041． Ju Yang,Yang Yongming,Song Zhenduo,et al.Statistical model of pore structure [J].Science in China Series E:Technological Sciences，2008，38(7)：1026-1041

[7] VOGEL H J，TOLKE J，SCHULZ V P.Comparison of a lattice-boltzmann model,a full morphology model,and a pore network model for determining capillary pressure-saturation relationships[J].Vadose Zone Journal,2005,4:380-388

[8] OKABE H,BLUNT M J.Prediction of permeability for porous media reconstructed using multiple-point statistics[J].Physical Review E,2004,70(6):066135.

(编辑：杨 滨)

Digital core percolation characteristics of loose sandstone reservoir with high mud content in western South China Sea

Li Wenhong Li Yinglei Lei Xiao Yang Zhaoqiang Lao Yechun

(ZhanjiangBranchofCNOOCLtd.,Zhanjiang,Guangdong524057,China)

The micro-pore structures for rock samples in western South China Sea cannot be directly measured by the mercury intrusion method because of high mud content in loose sandstone reservoirs, and the regular flooding experiments always fail as the core slurring appears. Digital cores established through micro-CT for 4 selected typical rock samples from the target reservoir of western South China Sea under different permeability conditions and their 3D geometrical configurations of tunnels and distribution characteristic of pore size were obtained. The micro-pore-network simulation was used to study physical parameters of reservoir rocks and nonlinear flow characteristics, and reserve producing process was analyzed from micro-pore-network viewpoint. Under the same pressure gradient, the lower the core permeability is, the less the tunnels participate in flow are. Though the number of larger tunnels is low, the total volume difference between large tunnels and mid-pore is small. The reserve producing contribution of large tunnels is high under a small pressure gradient. The reserve producing contribution of medium and small tunnels increases and the minimum pore size participating in flow decreases with the increasing of pressure gradient.

oilfields in western South China Sea; loose sandstone with high mud content; digital core; micro-pore-network simulation; nonlinear flow characteristic; reserve producing process

*中海石油(中国)有限公司综合科研项目“文昌13-2油田微观渗流机理及影响因素研究(编号：ZYKY-2014-ZJ-03)”部分研究成果。

李文红，女，高级工程师，主要从事油气田开发方面的研究工作。地址：广东省湛江市坡头区22号信箱(邮编：524057)。E-mail：liwenhong@cnooc.com.cn。

1673-1506(2015)04-0086-07

10.11935/j.issn.1673-1506.2015.04.012

TE243

A

2014-11-28 改回日期：2015-02-25