精细测井二次解释模型在L油田应用研究

王友春

精细测井二次解释模型在L油田应用研究

王友春

（中海油田服务股份有限公司上海分公司，上海 200335）

开发中后期油田对储层参数精细二次解释要求高，直接影响老油田剩余油挖潜策略的制定。以L油田为研究对象，充分利用录井、岩心、取芯井分析化验和试油试采等资料，建立了更为科学合理的测井二次解释新模型，消除了测井系列多、标准多和解释时间跨度长等带来的误差，储层参数解释精度提高了8%；完成了71口井的测井重解释以及31个小层的孔隙度及渗透率等值线图绘制，提高了储层参数在平面和纵向上的空间分布预测准确度；结合储层构造、沉积特征，通过相邻井的横向和纵向比较，提高了解释结果与实际地质情况匹配度，为老油田剩余油有效深度挖潜提供更为有利的地质依据。

二次解释；精度；新模型；剩余油

测井二次解释是对储层参数的进一步研究，是油藏精细描述中重要的一项。储层参数是确定储层性质，划分储层类型、储量计算、储层综合评价和地质模型建立的基础，是部署开发方案和剩余油分布规律研究所必须的。研究储层物性的分布规律，对指导油田开发具有重要意义。

L油田开发时间较长，开发过程中使用多种测井仪器，各种测井仪器有各自的刻度和系统误差，从而导致测井资料具有时间跨度长、测井系列多、系列标准多等特点。这些导致测井资料解释误差增加，只有消除这些非人为因素造成的误差，才能准确评价储层特征，才能准确掌握储层物性参数，只有这样才能保证分析结果的正确性。因此，本次对研究通过对所有井的测井资料进行归一化、标准化处理，建立储层四性关系，建立相应的测井解释新模型，对测井资料进行二次精细解释。

1 测井资料处理

1.1 测井资料解释前处理

1.1.1 标准层

标准层一般选取岩性稳定，特征突出，分布广泛，具有一定的厚度（一般大于5m），测井曲线易于识别的地层。例如：厚度较大的泥岩，岩性特殊的油页岩及分布广泛的石膏岩。

选择沙三[4]底界面的大段泥岩。因为此地层年代较新，相对于S35而言地质构造带来的物性差异较小。据统计，此地层用同套仪器测量的值很接近。泥岩厚度较大，分布比较稳定，物性比较单一，所有录井资料均有此段巨厚泥岩显示。

1.1.2 关键井

标志层确定后就需要选取关键井，通过对所有井的对比分析，优选L18为关键井，该井所处构造位置有利，取心井段为3 527.4m~3 680.82m ，具有大庆市地质开发实验技术服务公司详细的岩心分析检验综合报告。标准层测井曲线特征明显，该井标准层的密度频率直方图、声波时差频率直方图、电阻率频率直方图的特征值与所有井的直方图特征值很接近。声波时差、密度、电阻率特征值的平均值分别为77.5µm/ft、2.51g/cm3、5.1Ω•m。L18井的这三个特征值分别76µm/ft、2.53g/cm3、5 Ω•m 。

1.1.3 岩心归位

岩心归位是在进行标准化后必须要进行的一步，它是将岩心资料与测井资料进行结合的重要手段。通过岩心的归位我们可以使岩心资料与测井资料达到一一对应的关系。

归位方法：用岩心分析的孔隙度与由测井曲线计算的孔隙度进行对比；用岩心分析密度数据与密度测井曲线对比；用岩心分析渗透率数据与测井曲线计算渗透率对比（图1）。

由图看出，右边变化的曲线为由测井密度曲线及由测井曲线计算孔隙度和渗透率曲线，柱状的红色线条为岩心分析的密度、孔隙度、渗透率数据。发现岩心的数据变化与测井曲线及其计算的曲线的总体变化趋势不符，所以需要调整该段岩心的数据深度。

通过分析曲线的变化规律发现岩心数据的整体深度应向下移动约0.5m。归位后可以看出，取心数据的变化趋势与测井曲线的变化趋势大部体吻合。在细节匹配上有些差距，这与取心精度与测井曲线精度有关，由于现阶段的测井仪器的精度有限，且岩心分析也存在着误差，所以差距是不可避免的。

图1 L18井岩心归位对比图(L18井岩心归为前 L18井岩心归位后)

1.2 测井资料归一化、标准化

柳赞油田勘探始于1969年，油公司模式决定了油田内的测井队伍多、测井系列不一致，先后有大港、胜利、中原、辽河、华北、大庆等多家测井队伍在油区施工，测井包括国产多线型、国产数控、进口数控等。不同的测井仪器、不同的刻度环境及测量环境是导致测井数据产生误差的主要原因。同时，实践证明，就算是经过环境影响校正的一些测井曲线，仍然有不少存在刻度误差。为了使得测井资料更为准确，我们需要对测井资料进行归一化和标准化处理。

1.2.1 归一化

由于地层放射性与地层岩性（泥质含量）有关。而自然伽马（GR）测井的测量值不仅反映被测量地层的放射性，还与井眼泥浆的放射性、井径大小有关。因此应用自然伽马（GR）曲线解决地层岩性问题时，应对其进行必要的校正。校正公式为：

式中：GR为目的层段的自然伽马读值；GRmin为纯砂岩段的自然伽马读值；GRmax为纯泥岩段的自然伽马读值。

用△GR参与储层参数计算，从而消除了环境因素对自然马（GR）测井的影响。

与自然伽马曲线相同，在对地下储层作地质解释时，通常使用自然电位曲线计算储层的泥质含量。而自然电位测井值除了与地层泥质含量有关外，还与其它一些地质因素有关。为了消除它们对计算结果的影响，一般采用对曲线进行极差正规化处理。

式中：SP为目的层段的自然伽马读值；SPmin为纯砂岩段的自然伽马读值；SPmax为纯泥岩段的自然伽马读值。

用Ish参与储层参数计算，从而消除了其它因素对自然电位（SP）测井的影响。

1.2.2 标准化

在研究区块，我们选取L18井作为关键井，通过分析，选取标志层段的泥岩，绘制频率直方图（图2）。

从图中可知，声波时差作为横坐标，频率样本作为纵坐标，确定关键井的关键层得声波时差测井的特征之后，下面就可以对其他井做相同的频率直方图，并与之相比对，通过读取关键井频率直方图的峰值，就可以确定其他井的标准刻度模式，进而调整其他井的误差。同样，也可以做中子、密度和电阻率的频率直方图。

图2 频率直方图校正前后对比图

2 四性关系研究

通过四性关系研究可以了解控制储层参数的相关质地因素，掌握储层参数相互之间的内在关系，更加有效的划分沉积微相[2]，结合现有关键井的地质、测井和化验分析检测报告，建立测井解释模型[3]，更加准确的描述储层参数。四性的主要由以下参数表征：

岩性：岩石类型、粒度均值、泥质含量、碳酸盐含量；物性：孔隙度、渗透率；电性：电阻率；含油性：含油饱和度、含油级别。

2.1 储层岩性与物性的关系

对储层物性产生影响的主要因素包括岩石类型、颗粒粗细及分选的好坏、所含泥质的程度、孔隙胶结程度等。关键井L18孔隙度分布（如图3）：含粒不等砂岩的分布范围集中在10%~20%，峰值在10%~15%，细砂岩的孔隙度集中在5%~20%，峰值在10%~15%，粉砂岩及泥质粉砂岩集中在5%~15%，峰值在5%~10%。

2.2 储层岩性与电性的关系

电性特征是对储层最直观、最全面的反映，其综合体现了储层岩性、物性、含油性的特征。该地区主要反映电性关系的测井曲线有自然电位、伽马及井径测井。自然电位和自然伽马测井可以划分岩性。通过分析，该地区自然电位测井曲线能够比较好的划分储层及非储层。对于砂岩储层，自然电位表现为较明显的负异常，自然伽马曲线值相对较低。随着泥质含量增加，自然电位测井曲线的负异常幅度相对减小，自然伽马值相对变大。

由图4可以看出，泥岩主要分布在声波时差（AC）大于78μm /ft，而砂岩在主要分布在声波时差（AC）小于78μm /ft。从而我们可以从测井曲线中判断岩性。

图3 L18井孔隙度分布图

图4 L18井声波时差与自然伽马交会图

2.3 储层物性与电性

通过对柳赞油田取芯井的岩心样品资料统计分析，做出自然伽马（GR）与深电阻率（Rt）的交会图（如图5）。

最不利组合取值为：剪力为-5843.460kN，底部垂直力大小为153 032.69kN，弯矩为786 520.44kN·m。单独外筒模型下底部支座荷载数据如表4所示。

从图5中可以看出，泥岩的自然伽马（GR）大于0.5（API），深电阻率（Rt）小于10（OHM）；砂岩的自然伽马（GR）小于0.4（API），深电阻率（Rt）大于10（OHM）。

图5 L18井自然伽马和深电阻率交会图

图6 岩性与含油性关系图

2.4 储层岩性与含油性

统计19口井的283个层段，得出含油显示最多的是细砂岩，其次是含粒不等砂岩，中砂岩、粗砂岩、粒状砂岩以及粉砂岩的含油性相对较差（图6）。

图7 L18井孔隙度（POR）与深电阻率（RT）交会图

图8 电阻率（Rt）与孔隙度（POR）交会图

2.5 含油性与物性

通过取芯井含油岩心的统计分析，做出了含油产状与电阻率Rt、孔隙度的交会图（图6~7）。

由上图可知，油层主要集中在孔隙度大于12%，电阻率大于20Ω.m；水层则处于孔隙度小于10%，电阻率小于10Ω.m；介于两者之间的为油水同层。

2.6 含油性与电性

通过对L油田取芯井的试油数据分析，统计出油层、水层、油水同层的声波时差（AC）和深电阻率（Rt）交会图（图8）。

从图中可以分析得到：油层显示的深电阻率（Rt）大于20Ω.m，水层深电阻率（Rt）小于10Ω.m，油水同层深电阻率则处于10~20Ω.m之间。

3 储层参数测井解释新模型

3.1 泥质含量解释模型

式中：SP，SP分别为解释层段纯砂岩和纯泥岩的自然电位测井响应值；为自然电位测井响应值；为阿尔奇指数，与地层地质年代有关，研究区地层属于第三纪地层，取值为3.7；I为自然电位相对值，也称泥质指数。

3.2 孔隙度解释模型

测井资料中对储层孔隙度特征反映主要集中体现在声波时差、密度和补偿中子的测井响应值上。分析该地区的测井资料后发现，研究区测井中密度、中子测井的资料较少，声波时差测井资料比较完整，因此，在该地区的孔隙度研究中主要用声波时差曲线计算地层孔隙度。地层声波时差测井的响应值是对地层岩性、压实程度、地层流体性质、孔隙结构特征等因素的综合反映。建立岩心分析孔隙度与地层声波时差的关系，确立解释公式为：

式中：C―地层压实系数，随地层深度增加而减小。

由岩心分析数据得到经验公式：

POR=-35.47DEN+95.234 （6）

3.3 渗透率解释模型

渗透率的大小直接受到孔隙度的影响，因此研究渗透率与孔隙度的相关性是是表征储层物性的重要方面。通过岩心分析数据建立渗透率与孔隙度的对数关系（如图9），得到解释模型为：

图9 孔隙度（%）与渗透率（μm2）关系图

log（K）=0.2564*POR-2.8203 （7）

3.4 饱和度解释模型

柳赞油田以细砂岩、含砾不等粒砂岩为主，泥质含量小于10%，因此，本次研究采用以纯砂岩为骨架模型的阿尔奇公式计算原始含油饱和度So[4-5]。

式中：So—原始含油饱和度，%；Rw—地层水电阻率，Ω.m；Rt—地层真电阻率，Ω.m。

4 应用效果

1）单井解释结果

L油田沙三5研究区测井二次解释为提高了储层参数的精度，采取测井资料归一化和标准化处理，消除测试环境和不同测试仪器产生误差对解释结果的影响，解决了研究区高电阻水层的解释问题[6-7]。本次研究主要采用的测井曲线数据包括：自然电位曲线（SP）、自然伽马曲线（GR）、声波时差曲线（AC）、深感应电阻率曲线（Rt）、密度曲线（DEN），同时辅助其他测井曲线，使解释结果更加可信和准确。

图10 L19测井解释成果图

经过对研究区井的测井二次解释，建立该区的测井解释模型，得到相对准确的解释结果（图10），与试油结果相比较，大幅度提高了测井解释的精度（见表）。通过解释结果可以进一步确定储层孔隙度、渗透率、含油饱和度等相关参数。结合储层构造、沉积特征，通过相邻井的横向和纵向比较，对测井结论进行修正，使其与地质特征相互对应，从而达到更为准确地描述储层特征。

L油田试油数据表

井号序号层位试油时间解释层位射孔井段m日产量累计产量试油结论 油m3水m3油m3水m3 L191Es594.3.1480、823336.4~3367.23.4020159油层 2Es594.12813344.1~3349.61.42.6165223油水同层 3Es598.1278、793300.5~3323.85.81.633777油水同层 L171Es595.132-343262.5~3316.33.0125720油层

图11 Es3Ⅶ11孔隙度等值线图

图12 Es3Ⅷ11孔隙度等值线图

图13 Es3Ⅶ11渗透率等值线图

图14 Es3Ⅷ11渗透率等值线图

2）各参数纵向和平面上分布特征

通过测井二次解释，得到研究区内71口井的测井解释成果表，在充分利用解释成果的基础上，结合单井的各种地层物性参数，运用等值线法，分别绘制L油田沙三5Ⅶ、Ⅷ油组划分的31个小层的孔隙度及渗透率等值线图（图11~13）。通过图件可以直观地反映地层中砂体平面分布状况以及物性参数的分布情况，再进一步结合沉积微相特征，就能更加直观准确地反映沉积特征。研究这些参数的分布特征，能够为后续的非均质性研究提供可靠的数据依靠，使得非均质性的研究更加准确。

[1] 于文芹.准噶尔盆地腹部低孔低渗油气层的测井评价[J].中国西部油气地质.2007，3(1):22-28.

[2] 孙鲁平等.非均质储层测井二次解释[J].石油天然气学报，2009,3(4):91-94.

[3] 陈春强,樊太亮等.扇三角洲沉积微相特征与储集层“四性”的关系[J].石油天然气学报.2005,2(4):545-547.

[4] D. Allen.The Petrophysics of Electrically Anisotropic Reservirs,SPWlA.

[5] Archie,G.E.The Electrical Resistivity log as Aid in Determining Some Reservoir Characteristics,Pet. Tech.1942,5(1):197-202.

[6] 范宜仁,周灿灿.柳东地区储层饱和度测井评价方法[J].测井技术.2001,25(6):459-463.

[7] 邹德江,谢关宝. 大数据时代的现代测井解释技术探讨[J].石油地质与工程.2016,30(6):51-54.

The Application of the Secondary Interpretation Model of Fine Logging to L Oilfield

WANG You-chun

(Shanghai Branch, Zhonghai Oilfield Service Co., Ltd., Shanghai 200335)

Secondary interpretation of reservoir parameters of fine logging during middle and late development of oil fields is of great importance to exploitation of productive potential of an old oilfield. This study establishes a new and more reliable secondary interpretation model of fine logging based on logging data, core analyses and producing test. The same new model is applied to the L oilfield which eliminates errors from long time span and varied logging series and standards and enhances precision of reservoir parameter interpretation by 8%. Secondary interpretation of fine logging data for 71 drill wells enhancesaccuracy of spatial distribution prediction, providing scientific basis for exploiting the potential of old oil fields.

secondary interpretation; precision; new model; residual oil

2018-12-15

国家科技重大专项（2009ZX05038-002）、国家973项目 ( 2009CB219604)资助

王友春（1982-），男，江苏东台市人，工程师，现主要从事于油气田测井工作

P631.81

A

1006-0995（2019）03-0490-06

10.3969/j.issn.1006-0995.2019.03.029