张海涛,郭笑锴,杨小明,周丽艳,胡琮,李婷婷
(1.中国石油长庆油田分公司勘探开发研究院,陕西西安710018;2.中国石油集团测井有限公司测井应用研究院,陕西西安710077)
随着石油天然气勘探开发的不断深入,低对比度油层的勘探开发引起了广泛重视。2009年欧阳健等[1-2]将低电阻率油层(同一油水系统内电阻增大率小于2)与复杂孔隙结构的低孔隙度渗透率油层统一概括为“低对比度油层”。通常认为低对比度油层是指水层的电测井与孔隙度测井之间响应差别(即对比度)小,含油饱和度相对较低,测井识别与评价比较困难的油层[1]。由于低对比度油层与邻近水层的电阻率值极为接近,测井界限层不明显,甚至出现油水层电阻率低于水层电阻率的现象,在这类油层的测井评价中常常会引起误判。因此,低对比度油气层评价是当前测井解释领域中测井分析家们普遍关注的难题[1-3],必须针对其低对比度形成机理选择适当的方法解释该类油层。本文以鄂尔多斯盆地姬塬油田长6超低渗透岩性油藏为例,以研究区低对比度油层储层特征为切入点,以薄片、压汞、地层水等分析为基础,明确形成低对比度油层的主控因素,并根据成因建立适合该类油藏的流体识别方法。
根据研究区长6储层92口井薄片观察和鉴定发现,姬嫄地区长6储集层岩石类型主要以长石砂岩和岩屑长石砂岩为主,部分为长石岩屑砂岩。孔隙类型以粒间孔为主,其次为各类溶孔,溶孔以长石溶孔为主。长6储层孔隙度主要分布在8%~16%,平均为10.6%,渗透率主要分布0.05~5 mD(1)非法定计量单位,1 mD=0.987×10-3 μm2,下同,平均为0.5 mD,属于低孔隙度超低渗透率储层。
图1 姬塬地区长6储层密度与电阻率关系图
结合工区试油结果,利用常规方法建立密度与电阻率的关系图版(见图1),可以看出,油、水层混合在一起、界限模糊,很难区分油、水层,部分油、水层电性差异很小。在电阻率6~15 Ω·m范围内的水区中,发育不少低电阻率油层,在电阻率大于15 Ω·m范围内的油区存在部分高电阻率水层,反映出长6储层中低对比度油层发育的特点,也是测井识别难点。
基于核磁共振实验参数测定,姬塬地区长6段束缚水饱和度较高,主要分布在50%以上,且束缚水饱和度大于50%的比例达到82%。图2为同等矿化度条件下束缚水饱和度与电阻率关系图。当束缚水饱和度小于50%时,储层电阻率受束缚水饱和度的影响增大,甚至可以出现随束缚水饱和度的增加储层电阻率呈指数规律降低的现象;当束缚水饱和度大于50%时,储层电阻率受束缚水饱和度的影响逐渐变小,高束缚水饱和度含量,改善导电网络,使得油层与水层的电阻率差异变小,从而形成低对比度油层。
图2 姬塬地区长6同等矿化度条件下束缚水饱和度与电阻率关系图
高束缚水饱和度成因的低电阻率储层,通常是储层岩性较细、泥质含量较高、孔隙结构复杂等引起束缚水含量高。束缚水由岩石颗粒(包括非黏土颗粒和黏土颗粒)表面被吸附的薄膜滞留水和毛细管孔隙中的毛细管滞留水两部分组成,即束缚水是不动水的一部分,而毛细管滞留水在一定条件可以转化成可动水[4-8]。该地区高束缚水饱和度的控制作用有以下3个方面。
(1)砂岩颗粒对水的吸附作用。许多低电阻率油气层的岩石颗粒都较细,一般为细砂岩和粉砂岩。根据取心井岩心分析描述,长6储层岩性主要以细砂岩为主(见表1);通过砂岩样品镜下观察及薄片数据统计可知,长6砂岩以极细粒-细粒为主,粒径一般为0.03~0.40 mm。
表1 姬塬地区长6段砂岩粒度分析统计表
砂岩颗粒吸附地层水的能力与其颗粒大小有关。当岩性较细时,岩石颗粒比表面积变大,吸附能力加强。而大多数情况下,原始地层是亲水的,因此,可以吸附大量的地层水使之成为束缚水,两者间为正相关的非线性关系[9]。
(2)孔隙结构复杂导致束缚水饱和度高。如上所述,高束缚水饱和度所形成的低电阻率油气层一般颗粒较细,而细小颗粒的储层一般孔隙结构复杂,孔喉直径偏小,经研究表明,姬嫄长6储层孔隙主要以小孔和微孔为主。
由于孔喉半径小,弯曲度大,因此,毛细管排驱压力大。储层的排驱压力与其孔喉中值半径密切相关,当孔喉中值半径减小,排驱压力直线加大,束缚水饱和度增大(见图3)。孔渗特征越差、孔喉中值半径越小,储层的排驱压力越大(见表2)。排驱压力加大,成藏过程中,岩石滞留地层水的能力强,毛细管中的地层水被驱替不充分而遗留在微小的孔喉中,导致束缚水饱和度高[9]。
(3)泥质含量对电阻率的影响。储层泥质含量越高,储层的电阻率越低。泥质成分中黏土含量增多不仅会堵塞孔隙喉道,增加颗粒的比表面积,同时黏土的特殊膨胀特性也大大增加了泥质砂岩储层的含水量,造成束缚水饱和度增加[10]。图4为姬塬地区长6黏土含量、自然伽马与储层电阻率关系图。可以看出电阻率随着黏土含量的增大而降低,也可看出储层电阻率随着泥质含量增大而降低,因此,泥质含量高是导致电阻率降低的主要因素之一。
图3 姬塬长6孔喉中值半径与排驱压力和束缚水饱和度关系图
表2 不同储层类别的中值半径和排驱压力的关系
图4 黏土含量、自然伽马与储层电阻率关系图
当油层与水层中地层水矿化度基本一致时,在储层岩性相似的前提下,必然出现油层电阻率高而水层电阻率低,差异一般在3~5倍甚至更大,此时油水层识别容易[3]。但由于油层与水层中的地层水矿化度出现较大的差异,油层的电阻率与水层的电阻率值相当,甚至会出现油层的电阻率小于水层电阻率的情况,因而会造成油气层识别困难。针对长6储层低阻出油层特征,开展了相应的地层水矿化度分析。
姬塬地区长6储层地层水性分析资料统计表明(见表3),姬塬地区长6储层地层水矿化度分布差异较大,总矿化度主要变化41~133 g/L,平均矿化度为76.33 g/L。
表3 姬塬地区长6储层地层水分析资料表
图5 长6地层水矿化度与电阻率关系图
根据地层水矿化度与电阻率关系可知(见图5),高电阻率油水层主要存在于高电阻率、低地层水矿化度储层,而低对比度油水层主要存在于低电阻率、高地层水矿化度储层;地层水矿化度越高,则电解质的浓度越大,电阻率就越低,反之电阻率越高。因此,在相似岩性、物性条件下,随矿化度增加,电阻率呈下降趋势,地层水矿化度为姬塬长6储层低对比度油层的主要成因之一。
图6 A268井(左)和A125井(右)长61测井解释成果图
图7 A150井(左)和Y245井(右)长61测井解释成果图
姬塬地区长6储层低对比度油层岩石物理成因,主要表现有2个方面:①在沉积过程中,由于长6储层岩性细,发育大量高伽马储层,使得孔隙结构复杂,束缚水饱和度含量增高,改善导电网络,使得油、水层电阻率差异变小;②在成藏、成藏后油水层矿化度差异导致地层水电阻率不同,高矿化度导致油层电阻率变低。因此,长6储层的这种低对比度特性,导致油、水层难以区分,流体识别复杂。图6分别为A268井和A125井长6段测井解释成果图。A268井在2 096~2 099 m层段试油,结果为日产油6.97 t,日产水0 m3,为油层,声波时差239.13 μs/m,密度为2.44 g/cm3,电阻率为6 Ω·m,该层段自然伽马增大,分布范围为84.6~118 API;A125井在2 386~2 389 m层段试油,结果为日产油0 t,日产水15.4 m3,为水层,声波时差为240.13 μs/m,密度为2.43 g/cm3,电阻率为7.8 Ω·m,该层段自然伽马值较小,平均值为65 API。这2口井物性相当,A268井自然伽马值高,泥质含量增大,电阻率值降低,造成油、水层电阻率值相当,流体识别难度增大。图7分别为A150井和Y245井长6段测井解释成果图。A150井在1 951~1 956 m层段试油,结果为日产油4.42 t,日产水9.3 m3,为油水同层,声波时差为249.13 μs/m,密度为2.41 g/cm3,电阻率为9.5 Ω·m,自然伽马为73 API,该层段地层水矿化度较高,为128.77 g/L;Y245井在2 058~2 062 m层段试油,日产油0 t,日产水43.4 m3,为水层,声波时差为244.13 μs/m,密度为2.43 g/cm3,电阻率为10.4 Ω·m,该层段自然伽马值为75 API,地层水矿化度为98.5 g/L。这2口井岩性、物性相似,油层的矿化度高于水层的矿化度,造成油层和水层电阻率值相近,很难区分。
姬塬地区长6储层油、水层电性差异小,对比度低,流体识别难。本文基于岩石物理成因,首先优选综合反映储层岩性、物性、水性、电性的敏感曲线,基于Fisher降维的思想构建流体敏感因子,主要依据Fisher准则函数计算的特征值的贡献率,确定能够识别油水层的主因子和次因子,从而建立流体敏感因子图版,然后根据优化算法构建不同流体类型的判别函数,最后计算流体特征判别指数,选取最大值判别油水层。
针对姬塬地区长6油层特征分析(见表4),优选油水层敏感曲线。从油层到水层,GR反映储层岩性特征,声波、密度可反映物性和渗透性变化,电阻率结合自然电位幅度差可反映水性和含油性变化。因此,选择密度、自然电位幅度差、深感应电阻率、自然伽马这4条曲线作为流体识别的基本特征曲线,进而构建能够识别油水层的流体敏感因子。
表4 各油水层类别测井响应值范围
图8 姬塬长6流体敏感因子交会图
采用上述方法对姬嫄地区长6储层作了流体识别。根据区内75口试油井的79个样品点试油数据,对DEN、ΔSP、GR、Rt进行测井数据类归一化,分别构建能够表征储层岩性、物性、水性、电性的岩性指数ΔGR、物性指数ΔDEN、水性系数ΔSP、电阻率系数ΔRt,以此消除量纲的影响,采用SPSS(Statistics package for the Social Scienses)统计分析软件得到典则函数计算的特征值的贡献率,确定能够识别油、水层的流体敏感的高束缚水主因子和矿化度敏感次因子,利用流体敏感高束缚水主因子和矿化度敏感次因子建立交会图(见图8),可以发现流体识别效果得到明显提高,油层、油水同层和含油水层、水层能够有效区分开。根据密度与电阻率的关系,可以发现当密度≥2.54 g/cm3时(见图1),能有效识别干层。
高束缚水主因子=1.823ΔDEN+4.887ΔGR+
7.107ΔRt+0.299ΔSP-3.979
(1)
矿化度敏感次因子=7.421ΔDEN-
4.131ΔGR+1.93ΔRt+4.236ΔSP-3.752
(2)
式中,ΔDEN=(DEN-2.7)/0.5;ΔRt=lgRt-1;ΔGR=(GR-GRmin)/(GRmax-GRmin),GRmin为纯砂岩层段的自然伽马测井值,GRmax为纯泥岩层段的自然伽马侧井值;ΔSP=(SPsh-SP)/100,SPsh为邻近泥岩自然电位测井值。
根据构建的流体敏感因子识别图版,计算出各流体类别在低维空间中的中心坐标,根据各样品点距离各类别重心的远近构造出各类别的判别函数,即建立相应的流体特征判别指数
Io=79.731ΔDEN+34.915ΔGR+46.888ΔRt+
15.288ΔSP-38.836
(3)
It=70.434ΔDEN+38.045ΔGR+41.852ΔRt+
10.942ΔSP-32.435
(4)
Io,w=70.509ΔDEN+28.817ΔGR+33.285ΔRt+
8.306ΔSP-26.159
(5)
Iw=68.016ΔDEN+18.316ΔGR+17.702ΔRt+
11.845ΔSP-21.369
(6)
式中,Io、It、Io,w、Iw分别为油层、油水同层、含油水层、水层判别指数;ΔDEN、ΔRt、ΔGR、ΔSP分别为密度、电阻率、自然伽马、自然电位幅度差4条测井曲线类归一化后的数据。判别原则:在储层段将测井响应值分别代入上述判别函数计算,然后进行比较,找出最大值,即
I=max(Io,It,Io,w,Iw)
(7)
分别计算这4种流体的判别指数,其中最大的即为识别的流体类型。该流体识别方法是一种依据选取的样本的综合划分方式,不同的储层类型有不同的流体敏感因子和不同的流体特征判别指数[11-13]。
通过上述分析,认为由于高束缚水饱和度作用和地层水矿化度差异,研究区存在大量低对比度油藏,利用基于低对比度油层岩石物理成因的流体特征判别指数识别方法对研究区低对比度油层进行流体识别,并与试油资料进行对比,提高测井解释符合率。图9为J161井长6段测井解释成果图。在2 136~2 140 m层段试油,电阻率为28.4 Ω·m,声波时差为230.76 μs/m,密度为2.49 g/cm3,自然伽马为84.6 API,自然电位幅度差为15.18 mV,施工参数为加砂40 m3,砂比10.1%,排量3 m3/min,试油结果为日产油4.08 t,日产水21.4 m3,为油水同层,该层段原解释结论为油层;通过计算该深度段流体敏感的主因子为1.46,次因子为-0.3,可识别为油水同层,利用编制的流体判别指数程序模块对该深度段处理,判别为油水同层,与试油结果一致。
图9 J161长6储层测井解释成果图
图10为J165井长6段测井解释成果图。在2 016~2 020 m层段试油,电阻率为9.86 Ω·m,声波时差为233.05 μs/m,密度为2.46 g/cm3,自然伽马为87.43 API,自然电位幅度差为21.78 mV,施工参数为加砂20 m3,砂比15%,试油结果为油花,日产水16.9 m3,为含油水层,该层段原解释结论为油水同层;通过计算该深度段流体敏感的主因子为-1.04,次因子为-0.997,可识别为含油水层,利用编制的流体判别指数程序模块对该深度段处理,判别为含油水层,与试油结果一致。说明采用流体特征判别指数方法识别低对比度油层是可行的,应用效果较好。
利用建立的判别模型对姬塬地区2018年新完钻20口探评井长6段进行判别处理。从判别结果与试油结果对比可以看出,使用流体特征指数判别分析法识别后,其整体符合率较原解释结论有了很大提高,建立的判别模型有效。
图10 J165井长61测井解释成果图
(1)低对比度油层成因主要有2个方面:①由于岩性细、泥质含量高和孔隙结构复杂导致的高束缚水饱和度含量,改善了导电网络,使得油、水层电阻率差异变小;②在成藏、成藏后油水层矿化度差异导致地层水电阻率不同,高矿化度导致油层电阻率变低,从而形成了低对比度油层。
(2)低对比度油层的岩石物理成因的研究主要反映的是储层岩性、物性、水性、电性和含油性之间的相互影响,优选综合反映储层岩性、物性、电性、水性的敏感曲线,构建流体特征判别指数识别方法,在实际资料的解释中应用效果显著,对低对比度油气层的识别技术研究具有指导意义。