大庆F油层岩石矿物含量对速敏的影响

赵明国， 贾 辉， 张明龙， 文 韬

(1.东北石油大学提高采收率教育部重点实验室，大庆 163318； 2.华北油田勘探开发研究院，任丘 062550)

大庆特低渗油田F油层为大庆油田外围主力产油层，位于地下1 750～2 000 m，储层非均质性强，断层发育，平均孔隙度为12%，有效渗透率在0.50×10-3～22.4×10-3μm2，平均为7.4×10-3μm2，地层压力系数0.97，是典型的“三低”油层[1]。研究分析该区块低渗储层速敏对高效开发尤为重要。

速敏是指岩心渗透率随注入速度的升高而骤然降低的现象。中国在确定注水开发时，就开始研究速敏。现在学者们普遍认为引起速敏的主要原因有流体流动速度，岩心胶结程度，驱替液矿化度。流体流速增加，运移的微粒逐渐变多，孔喉狭小处被堵塞的概率变大[2]；岩心胶结程度越差，微粒越容易脱落，速敏伤害的概率变大；速敏伤害与流体电解质浓度、pH、盐度有关，不同电解质浓度，pH，盐度与岩心可以发生物理化学反应，造成速敏[3]。师俊峰等[4]认为速敏是指在生产作业过程中储层中各种微粒因流体流动速度增加引起的颗粒运移，并堵塞孔道而造成储层渗透率下降的可能性及其程度。

在综合考虑影响速敏的三个主要原因后，为了了解储层渗透率变化与储层中流体流动速度的关系，并找到临界流速，进行速敏性评价实验,进一步确定出速敏指数[5]。本文创新地通过研究F油层中各种矿物含量与岩心流动实验中速敏之间的关系，分析F油层与速敏有关的主控矿物，分析主控矿物含量与速敏之间的相关程度，拟合一个多变量的速敏指数的计算公式。以更新的视角解剖储层各种矿物含量对大庆F油层的速敏伤害，并为该油层提出一种新的认识储层的方法。

1 实验部分

1.1 实验材料

岩心：取自F油层同一深度的天然岩心。

1.2 实验设备

奥林巴斯BTX台式X射线衍射分析仪如图1所示，铸体薄片、DMLP 偏光显微镜测定重矿物含量如图2所示，恒速恒压泵、活塞容器、岩心夹持器、压力表、手动泵等，速敏实验装置如图3所示。

1为压力显示器；2为恒速恒压泵；3为三通阀门；4为蒸馏水；5为压力传感器；6为标准盐水；7为天然岩心；8为试管；9为手动泵图3 速敏实验装置图Fig.3 Diagram of velocity sensitive experimental device

图1 奥林巴斯BTX台式X射线衍射分析仪Fig.1 Olympus BTX desktop X-ray diffraction analyzer

图2 莱卡DMLP偏光显微镜Fig.2 Leica DMLP polarizing microscope

1.3 实验方法

利用奥林巴斯BTX台式X射线衍射分析仪，铸体薄片、莱卡DMLP偏光显微镜，依照中国石油天然气行业标准《岩石矿物能谱定量分析方法》(SY/T 6189—2018)和《岩心重矿物鉴定》(Q/SY DQ 0343—2000)，对岩心进行分析，得出矿物含量(百分数)。使用速敏实验装置以逐渐递增流速梯度得出渗透率在不同驱替速度下的数据，同时记录下渗透率突变的速度，这就是临界流速，再根据渗透率变化，利用式(1)计算出速敏指数。

岩心的速敏指数计算公式为

(1)

式(1)中：DV为速敏指数;Kmax为临界流速前岩心渗透率的最大值，μm2;Kmin为速敏伤害后的最小渗透率，μm2。

速敏程度评价标准[6]：DV≤5%，无；5%70%，强。

2 矿物含量与速敏相关性分析

检测F油层岩心矿物含量和速敏结果如表1所示。

SPSS是一种最常用的统计分析软件[7]。使用SPSS 软件中的相关性分析功能，分析Pearson相关与偏相关。

2.1 Pearson相关分析

Karl Pearson在1895年提出了Pearson相关系数[8]，适用于二元正态分布资料。是用来定量描述两个变量之间的线性关系的密切程度和相关方向的统计指标[9]。若一个变量X与另一个变量Y之间有确定的线性关系，则它们的相关系数为1或者-1。正、负号代表方向，正号为正相关，负号为负相关。其值在-1与1之间。

(2)

利用式(3)对相关系数进行检验，这是因为有误差的存在，需要对其进行检验。

(3)

式(3)中:n为样本数；n-2为自由度。

当t>t0.05(n-2)时，即显著性P<0.05时，变量间有相关关系;当显著性P≥0.05时，说明无相关性。显著性P<0.05，说明有相关性，需进一步对它的相关程度进行判断。对上面实验数据进行Pearson相关性分析，结果如表2所示。

表1 矿物含量测定Table 1 Mineral content determination

根据表2的数据分析结果可以得出，长石、碳酸盐和重矿物的相关系数r的显著性P都大于0.05，因此以上几种矿物与岩石速敏指数没有相关性；同时结果显示，伊利石、高岭石、绿泥石、伊蒙混层、石英的相关系数r的显著性P都小于0.05，则这几种矿物与速敏指数可能有相关性。还需进行偏相关分析，这是因为Pearson相关性分析结果可能是相关变量的干扰的结果。

表2 岩石矿物与速敏指数的相关性Table 2 Correlation between rock minerals and velocity sensitivity index

2.2 偏相关分析

在分析多变量与一个特定变量之间的关系时，偏相关的作用就显得尤为显著。偏相关分析就能在控制其他变量干扰的情况下，研究两个变量之间的相关性[10]。

控制一个变量的偏相关的公式为

(4)

式(4)中:rxy,z是控制了z变量的情况下x和y的偏相关系数；控制多个变量的以此类推。

同样，需要对偏相关进行检验，公式为

(5)

式(5)中:r为偏相关系数;n为样本数;k为可控制变量数;n-k-2是自由度。

当t>t0.05(n-k-2)时，即显著性P<0.05，变量间存在偏相关关系;显著性P≥0.05时，无相关性。如果显著性P<0.05，即有相关性，需进一步研究判断。同样对实验数据进行控制变量的偏相关分析，得到结果如表3所示。

表3 控制变量下岩石矿物与速敏指数的相关性Table 3 Correlation between rock minerals and velocity sensitivity index under control variables

根据偏相关分析结果显示，绿泥石、石英的矿物含量对速敏的相关系数显著性都远大于0.05，因此它们与速敏指数不相关,由此可见在Pearson相关性分析中是受到了其他相关矿物的干扰。伊利石、高岭石和伊蒙混层的矿物含量的偏相关系数显著性小于0.05，相关系数分别为39.17%、57.4%、38.9%。更进一步说明该储层的速敏主控矿物为伊利石、高岭石和伊蒙混层。

由速敏实验结果，绘制伊利石、高岭石和泥质与速敏指数的关系曲线如图4～图6所示。

图4 伊利石与速敏指数关系Fig.4 Relation between illite and velocity sensitivity index

图5 高岭石与速敏指数关系Fig.5 Relationship between kaolinite and velocity sensitivity index

图6 伊蒙混层与速敏指数关系Fig.6 Relation between the slip layer layer and velocity sensitivity index

由此可以得出伊利石、高岭石和伊蒙混层会随着矿物含量的增加，速敏指数也增加，伊蒙混层平均含量低，对速敏的影响程度最高，高岭石平均含量高，对速敏的影响程度最低，伊利石的影响程度介于二者之间，因此，影响程度由高到低的顺序是伊蒙混层，伊利石，高岭石。

2.3 多元线性回归矿物含量与速敏的关系式

由以上结论可知，速敏指数与两种以上矿物含量有关，因此可对其进行数学线性回归拟合，得到一个可供现场参考的数学模型，方便对F油层速敏在知道矿物含量后的直接计算。多元线性回归来研究矿物含量与速敏指数的关系，并进行拟合和检验[11]。 通过拟合该模型的公式为

DV=α1x1+α2x2+α3x3+β

(6)

式(6)中：DV为速敏指数，%；α1、α2、α3、β为常数，无量纲；x1、x2、x3为相关矿物含量, %。

对实验数据使用SPSS软件的数学线性回归公式可得：α1=6.261，α2=7.931，α3=7.988,β=23.331。则该公式拟合成为：DV=6.261x1+7.931x2+7.988x3+23.331，R2=0.902。

使用该公式对F油层其他速敏岩样进行检验可得表4所示结果。

从检验结果中可以看出，式(6)计算结果误差很小，均不超过10%。因此式(6)具有很高的工程应用价值，为F油层的速敏认识提供了一种新的方法和认识。

3 结论

(1)F油层矿物主要包括黏土矿物、碎屑矿物和重矿物。黏土矿物中主要有伊利石、高岭石、绿泥石、伊蒙混层；碎屑矿物中主要包括石英、长石、碳酸盐；重矿物含量较少。

(2)通过速敏实验得到F油层2.22%强速敏, 24.44%中偏强速敏，53.33%岩心中偏弱速敏，8.89%弱速敏。由此可知，该油层速敏状况属于中偏弱。

(3)根据双变量相关性和偏相关分析结果，得出伊利石、高岭石和伊蒙混层的矿物含量是造成储层速敏的主要矿物，随着它们自身含量的增加引起速敏指数的增加。其中伊蒙混层影响最大，高岭石最小，伊利石介于两者之间。

(4)经过多元线性回归拟合出关系式为DV=6.261x1+7.931x2+7.988x3+23.331，拟合效果好，能为油田开发在认识矿物含量之后快速得到速敏提供一种新便捷方法。