ASP三元复合驱对三类储层物性特征的影响规律——基于神经网络模型*

张晓芹，舒 政，梁旭伟，叶仲斌

（1.中国石油大庆油田有限责任公司勘探开发研究院，黑龙江大庆 163000；2.油气藏地质及开发工程国家重点实验室（西南石油大学），四川成都 610500）

0 前言

碱-表面活性剂-聚合物（ASP）三元复合驱体系通过提高水相黏度、降低油水界面张力来扩大注入体系的波及体积和提高洗油效率，从而显著提高原油采收率［1—4］。经过多年现场工业化运用，大庆油田三元复合驱取得良好效果，采收率增幅超过18%［5］。随着开发程度的提高，为满足大庆油田稳产上产的需求，ASP 三元复合驱技术的运用由主力储层（一类储层）逐渐推广至非主力储层（二类、三类储层）［6—7］。为了准确认识各类储层的开发潜力，指导开发方案的制定，大庆油田勘探开发研究院于2012年修订了油田分类标准，根据沉积环境及砂体类型的不同，将三类储层进一步划分为ⅢA、ⅢB 和ⅢC储层［8］。复合驱体系易与储层矿物发生物理、化学反应，产生溶蚀-沉积，造成储层渗透率降低，而三类储层具有油层薄、渗透率低、孔喉半径小等特征，开采难度更大，更容易发生储层伤害［9—12］。目前通过室内实验，对于三元复合驱体系对储层的伤害作用机理已经有了初步认识［13—17］，但是对于细分的ⅢA、ⅢB 和ⅢC 储层还缺少针对性的研究，同时ASP 三元驱过程中影响储层物性变化的因素众多，常规评价方法难以定量表征储层物性参数的变化规律。因此，本文选取典型ⅢA、ⅢB 和ⅢC 储层的岩心，利用孔渗联测仪、全直径岩心核磁共振仪研究三元复合驱对不同类型岩心物性参数的影响，结合人工神经网络，建立了弱碱三元复合驱储层物性变化预测模型。

1 实验部分

1.1 材料与仪器

“高分”聚合物HPAM，相对分子质量700×104数950×104，固含量90%，水解度23%，大庆炼化公司；炼化石油磺酸盐，有效含量40%，大庆炼化公司；Na2CO3，分析纯，四川光亚聚合物化工有限公司。实验用水为配制的模拟注入水，含5000 mg/L NaCl 和50 mg/L CaCl2。实验用岩心为取自大庆油田喇、萨、杏油田三类储层ⅢA、ⅢB和ⅢC的天然岩心，直径2.5 cm、长度约7 cm。

260D型恒速微量泵，美国ISCO公司；HKY-300型全自动孔渗联测仪，海安石油科研仪器厂；AniMR-150 型全直径岩心核磁共振分析仪，上海纽迈电子科技有限公司。

1.2 实验方法

弱碱三元复合驱体系由聚合物、石油磺酸盐以及Na2CO33种药剂母液按比例与模拟注入水混合而成，其中，聚合物浓度为2360 mg/L，石油磺酸盐质量分数为0.3%，Na2CO3质量分数为1.2%。

驱替实验具体步骤如下：（1）岩心抽真空饱和水，装入岩心夹持器提供岩心周围覆压，出口回压10 MPa 模拟地层压力，恒温烘箱温度为地层温度45℃；（2）以0.5 mL/min 的注入速率向岩心注入10数50 PV的弱碱三元复合驱溶液。岩心注入体系前后，使用全自动孔渗联测仪检测岩心孔隙度及渗透率，使用全直径岩心核磁共振分析仪检测岩心孔隙分布。

2 结果与讨论

2.1 三类储层岩心物性特征

使用全自动孔渗联测仪检测三类储层岩心的孔隙度及渗透率，按照ⅢA、ⅢB和ⅢC类型整理，岩心孔隙度及渗透率分布结果见表1，岩心孔隙度及渗透率关系见图1。由表1可以看到，岩心的孔隙度与渗透率平均值按照ⅢA、ⅢB、ⅢC 的顺序逐渐减小；图1 中ⅢA、ⅢB 和ⅢC 岩心的孔隙度及渗透率线性关系的拟合优度R2分别为0.786、0.721 和0.432，即岩心的孔隙度与渗透率相关性同样按ⅢA、ⅢB、ⅢC 顺序逐渐降低。这说明三类储层岩心的非均质性较为显著，整体物性按照ⅢA、ⅢB、ⅢC的顺序逐渐变差。

表1 三类储层岩心的孔隙度及渗透率分布

图1 三类储层岩心孔隙度与渗透率的相关性

通过核磁共振得到岩心孔隙半径的频率分布以及累计分布曲线见图2，以ⅢA1 岩心为例，进一步按式（1）—（3）计算分选系数Sp、歪度Skp和峰态Kp，计算结果见表2。由表2 可以看到，三类储层岩心的平均孔隙半径按照ⅢA、ⅢB、ⅢC 的顺序逐渐变小，孔隙结构变得更加细窄；分选系数较大且平均值接近，这表明三类岩心的分选性均较差，非均质性问题普遍存在。歪度大于0说明岩心孔隙以偏粗为主，歪度值按ⅢA、ⅢB、ⅢC 的顺序逐渐变小，说明峰的位置逐渐向左偏移；峰态值也依照ⅢA、ⅢB、ⅢC 的顺序逐渐变小，即峰的陡峭程度降低，孔隙半径的分布范围更广。综合来看，三类储层的岩心物性按照ⅢA、ⅢB、ⅢC逐渐变差，且ⅢC岩心的物性与ⅢA、ⅢB岩心的差异较大。

图2 A1岩心的孔隙半径分布与累计分布曲线

表2 三类岩心孔隙半径分布参数对比

2.2 三元复合驱对三类储层岩心物性的影响

注入ASP三元复合驱体系后，三类储层岩心的物性参数随注入量的增加波动变化。这是因为三类储层的非均质性较显著，岩心之间物化性质存在较大差异，导致实验前后物性参数变化存在波动性。因此，通过计算物性参数变化百分比的平均值来研究ASP 三元复合驱体系对储层物性的影响规律，结果见表3。由表3可以看到，经ASP三元复合驱后，三类储层岩心的孔隙度变化很小，而渗透率变化较为明显：ⅢA和ⅢB岩心的渗透率增加，而ⅢC 岩心的渗透率降低。核磁共振检测结果显示，ⅢA和ⅢB岩心的平均孔隙半径增大，歪度变粗，分选性变好；而ⅢC 岩心的平均孔隙半径减小，歪度变细，分选性变差。

表3 驱替后三类储层岩心的物性参数变化

分析认为，在储层物性相对较好时，弱碱ASP三元复合体系对储层矿物具有较弱的溶蚀作用，溶蚀脱落以及结垢产生微粒的粒径较小，在ASP三元复合体系驱替运移的作用下，孔隙的半径有所增大，因此孔隙度和渗透率有略微增大的趋势，表现出物性改善。随着黏土含量的增加和岩心本身物性的变差（ⅢA→ⅢC），一方面碱组分与黏土矿物的成垢趋势增强，另一方面岩心孔隙结构更加细窄，微粒在运移过程中更容易在孔隙细窄处附着堆积，此时表现为岩心物性变差。

2.3 三元复合驱储层物性变化预测模型

人工神经网络是一种非线性的数据建模工具，由输入层和输出层、一个或者几个隐藏层构成神经元，通过训练学习算法，在迭代过程中调整神经元之间的权重，最终使得预测误差最小化并给出预测精度［18—19］。三元复合驱对储层的溶蚀过程十分复杂，受到三元体系组成、储层物化性质、相互作用条件等多种因素影响，适合通过神经网络模型来分析变化规律。因此基于36 组三类储层岩心的弱碱三元复合驱实验结果，通过统计分析软件SPSS 内的多层感知器（MLP）模块，建立了三元复合驱储层物性变化预测模型。向模型输入岩心孔隙度、渗透率、孔隙分布参数、矿物含量、驱替倍数等参数后便可以预测三类储层在复合驱过程中的各项物性参数变化。如图3给出了模型对驱替后岩心渗透率的预测值与实际值的关系，可以看到数据点大部分都落在y=x的参考线上，表明模型预测效果可靠，经统计模型对各项物性参数的平均预测精度达到92%以上。

图3 驱替后岩心渗透率的预测值与实际值

使用建立的ASP 三元复合驱储层物性变化预测模型，计算不同驱替倍数下储层岩心的渗透率变化，结果见图4，其中输入的ⅢA、ⅢB、ⅢC岩心初始物性参数取平均值如表1、表2 所示。可以看到，对于ⅢA 与ⅢB 岩心，ASP 三元复合驱体系的驱替倍数小于60 PV 时，岩心渗透率改善且改善效果随驱替倍数的增加先增强后减弱，而驱替倍数大于60 PV 时，岩心渗透率逐渐发生伤害。对于ⅢC 岩心，在ASP三元复合驱体系注入后，岩心渗透率很快就开始降低。

图4 弱碱ASP三元复合驱替后三类储层岩心的渗透率变化

模型计算结果与前文分析结果一致：对于物性相对较好的ⅢA、ⅢB储层，ASP三元复合驱体系具有一定的增黏能力，可以携带溶蚀产物运移，导致小孔道数量减少，大孔道数量增加，因此物性发生改善；随着注入时间的延长，溶蚀产物的量逐渐增加，黏土颗粒和溶蚀物附着在孔道，对岩心渗流产生不利影响，岩心的渗透率以及孔隙半径逐渐低于初始值，此时已产生储层伤害。而ⅢC储层渗透率变化的计算结果印证了物性较差、孔隙结构偏细窄的储层更易受到ASP三元复合驱体系产生的不利影响。

3 结论

三类储层的岩心物性按照ⅢA、ⅢB、ⅢC 顺序逐渐变差，且ⅢC 储层的物性与ⅢA、ⅢB 储层具有较大差异。

弱碱三元复合体系对储层矿物具有较弱的溶蚀作用，在注入早期对于物性相对较好的ⅢA、ⅢB储层物性具有一定的改善效果，对ⅢC 储层会导致物性变差，物性越差的储层在三元复合驱中越容易发生储层伤害。

利用神经网络模型建立的三元复合驱储层物性变化预测模型，能够定量表征三类储层物性变化规律，对三元复合驱的推广运用具有指导意义。