储层构型单元测井识别方法探讨

魏玉梅,刘俊东,赵然,李海燕,邵阳,窦如胜,贾帆

(1.中国石油集团测井有限公司天津分公司,天津300280;2.中国石油集团海洋工程公司钻井工程事业部,天津300280;3.中国石油集团渤海钻探工程有限公司,天津300280)

0 引 言

随着油田开发程度提高,对储层构型单元的研究成为复杂油藏剩余油挖潜研究的重要手段[1]。储层构型分析研究实质上是描述储层内部的非均质性,最终用于进一步挖潜剩余油,提高油气采收率[2-3]。1985年,Maill首次完整地提出构型的概念,将构型划分为12级[4]。早期对大港油田构型级别的划分,测井资料能够识别6、7级,这主要是因为早期的测井曲线分辨率低,薄层的识别能力差。随着测井仪器的发展,测井资料分辨率不断提高,尤其是高分辨率阵列感应纵向分辨率达到了0.3 m,可以利用这些高精度测井资料,对储层构型中8级和9级单元进行划分。

本文以官××井为例,利用高精度测井资料,实现对储层7、8、9级构型单元进行测井多参数自动识别。官××井所在断块在孔一段沉积时期形成辫状水道,广泛沉积了平行、板状、槽状交错层理的砂砾岩体,即扇中辫状河道沉积体[5]。该井进行了密闭取心,并且根据取心资料进行了储层构型级别的划分。根据划分结果,结合测井资料,进行了利用测井资料对储层构型单元的自动识别方法研究。在扇中辫状河道构型划分中,分级方案为7～9级:7级为扇中辫流带/扇中漫流带;8级为心滩/辫状河道/河漫滩;9级为垂积体、落淤层、沟道/河道主体、侧翼、河道间/河漫滩砂、河漫滩泥。

1 储层构型单元测井定性识别

1.1 7级构型单元的识别

对于7级构型单元中冲积扇中辫流带、扇中漫流带,泥质含量与电阻率能很好的进行识别(见图1)。从图1可见,泥质含量大于60%为扇中漫流带,小于60%为扇中辫流带。

图1 7级构型单元测井识别图

1.2 8级构型单元的识别

对心滩与辫状河道测井响应特征进行分析,电阻率与孔隙度曲线相结合能够进行区分(见图2),并且从泥质含量直方图看(见图3),心滩的泥质含量大部分集中在5%左右,而辫状河道集中在10%左右。因此,结合电阻率、孔隙度、泥质含量等曲线,能够区分出心滩与辫状河道。

图2 8级构型单元识别图

图3 8级构型单元泥质含量统计直方图

1.3 9级构型单元的识别

1.3.1垂积体、泥质落淤层的测井识别

在心滩内部的落淤层,测井曲线会根据厚度的大小有不同程度的回返,可以根据这一特征将落淤层划分出来。如果落淤层厚度低于高分辨率阵列感应测井电阻率最大纵向分辨率(0.3 m),识别就比较困难。心滩中将落淤层扣除后的储层为垂积体。

1.3.2河道主体、侧翼及河道间的测井识别

辫状河道构型单元中,河道主体的岩性、物性好,电阻率为高值,厚度大;河道侧翼的岩性细,厚度小,为河道主体之间的夹层;河道间就是河道主体间夹的泥岩层段,曲线特征为泥岩的表现。

通过对河道主体、侧翼及河道间的识别图版进行分析(见图4),认为经过自然伽马和自然电位资料校正的电阻率与声波时差图版,能够区分这3种构型单元。

图4 9级构型单元识别图

统计不同的构型单元其测井资料的响应特征(见表1),根据这些特征,可以对不同的构型单元进行定性识别。

表1 储层构型单元测井响应特征统计表

2 测井多参数自动识别储层构型单元

不同的构型单元,在电阻率、声波时差、密度、泥质含量等测井曲线的反映是不一致的,并且构型单元也与厚度等参数有一定的关系。

选取敏感性较强的常规测井曲线,进行聚类分析,确定判别类型及特征,然后根据Fisher判别法,对各构型单元建立判别函数公式,确定判别结果,实现对7、8、9级构型单元的测井多参数自动识别,具体判别流程见图5。

图5 判别流程图

2.1 均值聚类分析确定判别类型及特征

在对构型单元进行均值聚类分析时,为保证分类结果准确可靠,选择评价样品应尽可能满足:样品数据是最新的一手资料,保证样品数据可靠;尽可能保证充足的样品数量及随机性,保证所选取样品能全面反映各类构型特征;选取的样品数据类型全面而且匹配性高。根据不同级别构型单元特点,最终选取了125个样品组成此次研究的样品集。对岩心描述的构型单元样本点进行分析,优选出最佳特征参数进行聚类分析(见表2)。

2.2 Fisher判别法建立函数模型

经过聚类分析确定构型单元类型特征后,根据已知样品类型,运用Fisher判别分析方法,建立了7、8、9级构型单元的判别函数模型。

7级构型单元:

辫流带y1=1.913φ+0.469Vsh-22.208

(1)

漫流带y2=1.719φ+0.355Vsh-14.008

(2)

8级构型单元:

心滩y1=3.874Rt+0.685AC+9.563CN+629.75DEN-946.905

(3)

辫状河道y2=4.103Rt+0.704AC+9.407CN+627.80DEN-945.274

(4)

9级构型单元:

垂积体y1=2.909Rt+0.638AC+2.135CN+299.34DEN-475.646

(5)

落淤层y2=1.943Rt+0.625AC+1.991CN+300.36DEN-467.82

(6)

河道主体y1=6.269Rt+0.257AC-52.153

(7)

河道侧翼y2=5.247Rt+0.253AC-46.675

(8)

河道间y3=5.455Rt+0.297AC-62.001

(9)

河漫滩泥y1=2.335Rt+0.192AC-38.229

(10)

河漫滩砂y2=4.405Rt+0.178AC-42.453

(11)

式中:φ为孔隙度,%;Vsh为泥质含量,%;Rt为深电阻率,Ω·m;AC为声波时差,μs/m;CN为补偿中子,%;DEN为密度,g/cm3。

表2 聚类分析统计表

图6 储层构型单元自动识别成果图*非法定计量单位,1 ft=12 in=0.304 8 m,下同

2.3 效果分析

将判别函数模型软件化,实现测井资料对储层构型单元的自动识别,结果见图6。在7级界面,处理结果与利用岩心划分结果基本一致,8级界面有些差异,差异主要表现在构型单元界面及夹层上,还有层较薄的辫状河道及河漫滩。对处理结果与岩心划分构型单元进行了符合率统计(见表3),符合率为88.1%。

表3 储层构型单元解释符合率统计表

3 储层构型单元与剩余油的关系

由于不同的储层构型单元的渗流性能存在差异,因此会产生非均质性,储层的非均质性降低了水洗程度,造成剩余油的富集[6],主要表现在以下方面:

(1)剩余油分布在心滩构型中的薄层;

(2)在厚度上,如果河漫滩较厚,心滩薄,也能够有效降低水洗程度;

(3)落淤层的存在,也就是心滩中存在隔夹层,是一种重要的影响剩余油的因素。

4 结 论

(1)通过对不同构型单元在测井资料上的不同特征进行统计分析,进行定性识别。

(2)在测井定性识别的基础上,利用聚类分析和Fisher判别分析方法,实现了测井资料对储层构型单元分级的多参数自动识别。

(3)识别结果与岩心划分构型单元进行对比,符合率88.1%,效果较好,能够有效地解决测井资料划分8、9级构型单元的难题。