韩高峰,闫百泉
(东北石油大学 地球科学学院,黑龙江 大庆 163318)
陆相油田最大的特点就是高度非均质性(主要包括平面非均质性和垂向非质性),具体体现在储层的空间几何形态、规模、连续性、连通性,以及储层内部孔隙度、渗透率、饱和度等属性参数分布的不均匀性。
对于同一沉积单元而言,同一沉积微相沉积条件和成岩过程基本相同,相应的岩相、岩性特征相似,属性多数变化规律相似,不同沉积微相沉积条件具有明显差别,相应的岩相、岩性特征及属性参数变化规律就会存在较大差别。也就是说,同一沉积单元内部平面上岩相、岩性特征及属性参数变化规律受沉积微相控制,同一沉积微相内部平面上岩相、岩性特征,以及储层内部属性参数分布因沉积物源和水流方向、沉积物供给和水流能量等环境因素相同或相近而呈现有规律的连续性变化特点。因此,同一沉积微相内待估点与已知控制点间的岩相,岩性及属性参数相关性较好,而不同沉积微相间的相关性较差。
从油田开发中的各种生产数据(累积产油量、累积油水比和突破时间)的分析表明,砂体的物性变异更依赖储层的结构模型而不是岩石物理参数的统计分布,没有应用沉积相进行分层次逐步约束的岩性建模与参数建模,在油藏管理中或储层开发预测时可能严重歪曲储集砂体与储层物性分布的真实性,这充分说明储层物性严格受控制于沉积微相的分布,即岩石物性变化的方式与沉积微相类型密切相关[1]。为此,要想致力于改进油藏管理决策,就必须研究储层结构的不确定性,相控建模是解决这一问题的良好途径[2]。正因如此,相控建模技术近年来发展十分迅速,已成为储层随机建模中的一种新兴技术与方法[3-8]。其核心是从沉积环境的成因角度来指导建模过程,利用沉积相带的平面展布和垂向演化趋势来约束建模结果,并将得到的模型实现与实际的地质研究模型相验证来优选,使得最终优选的模型能够较真实地反映地下地质体的空间展布特征。
具体建模步骤采用张团峰等[9]提出的三步建模步骤,其总体思路是采用点→面→体的基本过程,具体为:第一步,建立井模型,即建立各井点的一维垂向模型;第二步,建立储层的框架模型(线到面);第三步,在储层框架的基础上,建立储层各种属性参数的三维分布模型(体)。图1为结合本次相控建模设计的具体技术路线。
图1 相控建模步骤
研究区位于松辽盆地中央坳陷大庆长垣杏树岗构造(以下简称:杏)开发区的东部。该开发区又下辖12个次级区块,每个次级区块又由若干排组成,开发区北以杏一区一排与萨尔图南开发区为界,是大庆油田的重要组成部分。其中由杏一到杏七组成的北开发区,南北长12.7 km,东西宽13.0~15.5 km,含油面积197.9 km2。油田的开发层系是松辽盆地中部含油组合的萨尔图、葡萄花、高台子油层,此次研究工区层位为杏六区东部葡萄花油层葡Ⅰ组(以下简写为:PⅠ),工区总体呈矩形,面积约4.55 km2。
构造模型是三维地质建模不可或缺的组成部分,是储层沉积微相及其内部属性参数建模的物质基础。通常由断层模型和层面模型两部分组成,是对油藏的几何结构、油藏形态及空间连续性、封隔性的表征,也是储层空间格架的反映。建模工区构造平缓,无断层发育,所以,工区的层面模型即为构造模型。首先对基础数据(主要为井数据、测井、分层数据以及孔渗数据)进行加载,其次是对反映模型网格精细的网格设置,具体为i×j×k=10 m×10 m×0.1 m,即平面网格步长在i方向和j方向上均为10 m,垂向网格步长为0.1 m,设置完成后模型最后的网格总数为10 711 440个,网格节点总数为10 858 732个(图2)。
图2 区域构造及工区位置图
沉积相决定了砂体的大小、几何形态、变化规律及储层的物性特征,实质上反映的是沉积时期平面上沉积环境的差异性,而不注重区分沉积物的成分(岩性),绘制沉积微相图的目的就是描述这种差异性,而这种差异性也正是储层平面宏观非均质性的体现[10]。储层相模型属于离散属性模型范畴,为储层内部不同相类型的三维空间分布。对于多相分布的储层来说,合理的相模型是精确建立岩石物性模型的必要前提。本次沉积微相建模就是要将密井网条件下的纵向细分沉积单元、平面细分沉积微相的沉积微相图综合体现在一个三维地质模型中。
2.3.1 微相类型
2.3.2 建模方法与成果
图3 葡Ⅰ组构造模型
通过上述方法建立出了两个小层的沉积微相模型,如图5。微相模型的建立实质上是对二维沉积微相图在三维空间的克隆。
图5 PⅠ与PⅠ沉积微相模型
2.4.1 沉积微相图约束属性参数的方式
利用沉积微相图约束储层地质建模,就是要把储层精细描述获得的地质认识作为条件数据,约束和重建储层岩相、岩性及其内部属性参数的空间分布预测模型。本次利用沉积微相图约束储层地质建模采用边界约束方式(图6)。边界约束为一种“硬约束”方式,是将沉积微相边界作为岩相、岩性及其内部属性参数变化的突变界线,在对储层预测时,搜索邻域内参与运算的已知井点均位于该沉积微相内部,即对某个网格点物性参数的局部条件概率分布进行估计时只考虑与该网格点属于同一沉积微相类型的其他网格点[11]。
图6 沉积微相图约束储层属性地质建模原理图
2.4.2 属性参数模拟方法选取
序贯高斯模拟是一种应用高斯概率理论和序贯模拟算法产生连续变量空间分布的随机模拟算法[12],最大特征是随机变量符合高斯分布(正态分布)。该算法比较稳健,模拟以基本的克里金为基础,是模拟连续型变量的首选方法,除非已经证明是不合适的[13],根据对研究区实际资料的分析,本次属性模拟采用此方法。
2.4.3 属性参数模拟步骤与模型优选
1)井曲线粗化。目的是将测井解释的孔隙度和渗透率数据离散化到每口井穿过的地层网格中。
2)数据分析。在进行变差函数分析前,首先对属性数据进行数据变换,剔除不合理因素,使数据整体更加符合正正态分布。变差函数是地质统计学的基本工具,强调三维空间上的数据构形,从而可定量地描述地质规律所造成的储层参数在空间上的相关性。其准确拟合是属性模拟能否获得符合相控实际的重要基础,核心是确定不同方向的变程大小,下表1为孔隙度数据分析情况。
表1 物性参数变差函数数据分析参数
3)模拟结果与优选由于渗透率的变异性较大,且与孔隙度具有一定的相关性,因此渗透率模拟采用协同模拟的方法,即模拟出变异性小的地质变量孔隙度,然后将其作为约束条件模拟渗透率分布。通过逐层逐相变差函数的拟合,优选出了符合微相分布实际的孔隙度和渗透率模型(图7)。
图7 相控下PⅠ与PⅠ孔隙度与渗透率属性模型
2.4.4 非相控属性模型的建立
为了对所建模型的合理性解释,下面仍采用序贯高斯模拟算法,但不进行相控,对上述小层重新进行了模拟。值得指出的是,然其他算法亦可比较,但限于篇幅,这里仅用一种模式给出了解释。图 7为两个小层非相控下的孔渗模拟结果。
图8 非相控下PⅠ与PⅠ孔隙度、渗透率属性模型
2.4.5 两种不同模拟方法结果对比分析
建立的地质模型是否与工区获得地质认识相吻合,能否准确衡量微相及属性分布特征的变化,以及能否用于接下来的油藏数值模拟,就要看所建模型的质量。下面从微相平面、属性取芯剖面及模型对井数据的忠实程度3个侧面进行详细分析。
在剖面观察储层参数的分布和变化特征是否与地质综合研究成果相吻合,通过所建模型剖面垂向精度与穿过剖面的取芯井作对比,一方面能反映所建模型是否与真实的地质分布规律符合,从另一侧面也能体现出模型的垂向精度。下图10中黑色小矩形线框内为取芯井X6-20-J647过PⅠ32 3的渗透率剖面,岩性柱状图显示了该小层下面部分整体物性好,对应渗透率值较高,最上面相变为泥粉互层以及含粉砂泥岩,物性变差,对应渗透率值较低。由图中放大剖面可以看出,下半段除去由于河道砂中夹有的薄的泥岩层以及含粉砂泥岩或粉砂质泥岩外,成果模型总体刻画出了该规律,模拟结果较理想。
图9 研究区PⅠ211沉积微相、砂岩厚度、孔隙度及渗透率对比
图10 PⅠ323沉积单元渗透率模型垂向质量控制
本次建立储集层地质模型重点考虑了沉积微相对储集层物性参数之间的空间相关性,因此建立的储集层三维地质模型应与研究区沉积特征吻合,模拟的物性参数应与原始物性数据粗化后的分布区间、峰值形态应分布规律基本一致(图11)。
1)将沉积微相图作为趋势约束应用于三维沉积微相建模,有机地将确定性建模和随机建模技术结合在一起,建立的三维沉积微相模型不仅体现了已有的成果和认识,而且兼顾了储层井间预测的不确定性。
图11 测井曲线粗化及模拟结果直方图
2)相控下的模拟结果不仅较好的再现了孔隙度与渗透率在平面上变化的强烈程度,而且也较好地预测了孔隙度与渗透率高低值的分布位置。
3)在沉积微相模型基础上,进一步精细刻画了沉积微相内部储层岩性发育特征,对沉积单元内部垂向及平面非质性进行了更加深入细致地描述和表征。