不连续、薄互层煤层气地质建模技术——以澳大利亚苏拉特盆地为例

宣 涛, 王文升, 刘灵童, 李建荣, 秦 鹏

(中海油能源发展股份有限公司 工程技术分公司, 天津塘沽 300452 )

0 引言

地质建模技术是一门综合性研究技术,涉及地质、测井、地震、试井解释、气藏工程与地质统计学等多个专业[1]。现今储层建模技术已成为定量连接开发地质研究与气藏工程、动态模拟、方案部署的纽带；模型的精确性直接影响到后期开发方案的部署, 开发指标预测准确性。

目前地质建模技术已广泛应用于常规油气藏的三维定量表征, 已成为制定油气田开发方案的必要技术之一。目前常用的油气藏地质建模手段主要基于沉积规律认识, 利用测井与地震解释成果, 在动态数据验证情况下, 采用传统地质统计学或多元地质统计学方法, 实现储层及属性纵、横向预测[2-6]。

而煤层气作为自生自储并且吸附在煤层中的一种非常规天然气, 其成因机理与开发机理与常规油气藏有显著区别[7], 致使煤层气地质建模与常规油气藏建模中在属性模型建模方面有明显区别[8]。近年来, 一些学者已经开始尝试利用地质建模技术定量表征煤储层。淮银超等(2017年)基于相控三维建模方法方式实现煤层与非煤层属性的差异[9]；马平华等(2018年)利用煤层渗透率与应力、煤岩相关系建立煤层渗透率模型[10]；陈博等(2019年)利用单井刻画的煤体结构, 建立煤体结构三维模型[11]；刘玮(2019年)利用地质建模技术开展了煤层气排采过程中压降特征的研究[12]；李勇等(2020年)基于煤体结构地质模型, 定量分析煤体结构对产能影响[13]；吕杰堂(2020年)利用煤层顶底层面刻画建立多套层系的三维模型[14]；周优等(2020年)利用测井上含气量与深度、密度、自然伽马、电阻关系建立含气量模型[15]。

尽管许多学者提出利用测井高分辨率数据与煤层属性之间建立多元线性相关性, 但这些识别方法只能很好预测单井的煤层属性, 而井间预测沿用随机建模方法, 没有很好挖掘建模技术与煤层属性之间关系, 这直接影响到三维模型的准确性。另外，由于国内煤层气低成本开发, 且煤层横向连续性较好, 造成煤层气地质建模岩相模型较为简单, 没有深入的研究认识。

本文以苏拉特盆地为例, 依据区块煤层沉积特征, 在统计与分析区块煤层规律认识基础上, 将地质研究成果数据与建模技术紧密结合, 建立出符合真实煤层分布特征的三维地质模型, 并创新性运用薄互煤层厚度累加的等效网格粗化技术有效解决了薄互煤层精确三维地质建模与数值模拟运算速度耦合难的问题, 为后续产能模拟、方案设计提供可靠支撑。

1 研究区概况

研究区位于苏拉特盆地东北部, 是盆地煤层气的主要产区, 构造相对简单, 呈单斜构造区[16]。煤层主要发育在侏罗系Walloon亚群, 自下而上分为 Eurombah 层、Taroom 煤组、Tangalooma 砂岩及 Juandah 煤组(图1)。Walloon亚群厚度约300m, 煤层总厚度平均约32m。Walloon亚群为曲流河三角洲平原沉积环境, 受频繁基准面变化, 难以保持稳定成煤环境, 煤层整体呈现层数多, 厚度薄, 横向上发育不连续性特征[17]。统计研究区内单井煤层厚度分布直方图可看出, 小于1m的薄煤层占76%(图2)。在物性特征方面, 与薄煤层互层的粉砂岩、泥岩和细砂岩渗透率低, 较为致密, 为区内很好的盖层, 而煤层渗透率普遍较大, 最大渗透率可达1 000mD以上。

图1 Surat盆地地层柱状图

图2 煤层厚度分布直方图

2 薄互层煤层气构造模型建立

模型平面、 垂向网格划分需根据区块内井网密度及薄煤层厚度确定。区块面积约533.74km2, 平均井距约750m, 保证井间网格数量为3～4, 平面网格设置250m×250m。区块内煤层发育较薄, 小于0.3m仅占了9%, 为尽量刻画薄煤层, 且考虑总网格数量, 垂向网格为0.3m左右。

构造模型建立方法目前方法相对确定, 主要采用“井-震”结合法, 即利用本区块2维地震解释成果为横向基础, 单井分层数据作为校正点, 结合10条断层, 建立全区构造模型(图3)。

图3 构造模型

3 不连续薄互煤层的岩相建模

在国内煤层相对连续, 建模工作者很少考虑煤层横向展布, 对岩相建模工作考虑甚少；而本区块煤层横向变化快, 不连续, 需要在认识煤层纵横向变化规律的基础上, 采用随机模拟方法, 建立煤层系的岩相模型。

区块内煤层、炭质泥岩、致密砂岩、页岩、灰岩互层发育, 从Walloon亚群4个目的层单井岩性分布统计结果来看, 煤占7.8%, 炭质泥岩占4.7%，砂岩占60.3%，泥岩占25.0%, 灰岩占2.2%, 其中煤和炭质泥岩作为有效储层仅占12.5%。由于不同岩性具有不同属性特征, 岩相模型同样需建立这5个岩性的分布, 且模型岩性比例分布应与各井统计比例相似。

除了考虑岩性整体比例之外, 还需考虑目的层岩性纵向分布规律, 作者分层统计全区所有井纵向上不同岩性分布比例, 发现Juandah煤层组自下而上均有煤层发育, 且呈现逐渐增加趋势, 砂岩自上而下变化不大, 页岩主要发育在下部与上部, 而其他煤层组纵向呈现不同比例与规律(图4)。该纵向的岩性趋势将作为约束条件限制井间岩性随机模拟, 实现井间预测纵向比例与规律相一致。而岩相模型横向的趋势面约束主要采用地质研究阶段制作的煤厚图或煤地比图,它能够很好控制在少井或无井区域岩性的预测, 实现模型预测与地质规律横向一致性[18]。

图4 岩性纵向分布规律

井间煤层模拟核心是地质统计学, 而地质统计学核心则是变差函数[19]。变差函数反映储层参数的空间相关性, 其中变程是建模工作者必调参数, 它反映储层在空间上具有相关性的范围, 即岩性展布的连续性, 而主变程方向是岩性延续性最好的方向, 即物源方向。通过前期地质研究, 区块井距约750m, 统计区块整个井网不同方向的煤层连续发育长度, 发现北东-南西向煤层连续性最好, 这与沉积物源方向一致。其中主变程方向50%以上的煤层连续的长度是约为3口井距的长度(图5), 次变程方向50%以上的煤层连续的长度是约为2口井距的长度, 与地质沉积模式相类似(图6), 基于此, 设计主变程与次变程分别为2 500m与1 500m。通过以上纵、横向约束条件, 及变差函数的分析, 采用常用序贯指示随机模拟方法, 实现确定性与随机性的结合, 建立符合煤层发育规律的岩相模型(图7), 这将是后面相控属性建模的基础。

图5 物源方向煤层发育长度统计

图6 煤层发育长度沉积相示意

图7 岩相模型

4 岩相控制下属性建模

含气量、含气饱和度、渗透率是影响煤层气吸附、解析、扩散、渗流主要属性, 也是数值模拟所需基本参数。这3种属性建模方法主要思路是首先采用相控技术,在不同岩性条件下分析属性, 从而确定煤层、炭质泥岩及其他岩性在属性上的差异，实现砂岩、泥岩等非有效储层与有效储层的差别；其次, 与岩相模型类似, 需分析煤层、炭质泥岩各属性分布范围及频率分布形态, 井间预测时需与单井比例关系类似, 同样也需统计分析单井属性横向与纵向上规律性, 对井间属性预测加以约束； 而在变差函数调整上, 属性的连续性应小于岩相的连续性, 其变程范围适当小于岩相的变程范围。

另外含气量、含气饱和度、渗透率因主控影响因素、计算方法、测试条件不同, 建模过程中具有各自特点。以本区块为例, 通过分析岩心实验含气量与测井曲线、埋深、煤质等相关性,分析认为含气量与煤层密度、埋深相关性显著,采用多元回归方法分区、分块计算含气量的公式,对全区486口井单井煤层含气量进行计算,结合前述建模方法,基于相控及纵、横向规律约束,建立全区含气量模型(图8)。

图8 含气量模型

煤层含气饱和度对解析压力及产水量影响较大, 含气饱和度越低, 其解析压力越低, 相应排水量也会增大[20]。它主要是通过含气量与等温吸附曲线建立的。根据区块内地层压力测试资料, 得到煤层深度与煤层压力关系, 在结合等温吸附曲线中地层压力与最大吸附含气量关系, 建立不同煤层深度下最大吸附含气量； 依据煤层实际含气量与最大吸附含气量比值, 计算出煤层含气饱和度(图9)。依据上述原理, 首先建立不同煤层埋深下最大吸附含气量模型, 结合已得到的含气量模型, 计算出煤层含气饱和度模型。

图9 含气饱和度模型计算方法

煤层气渗透率受到煤样易碎, 且测井孔隙度关系不明显, 采用室内试验或测井解释方法无法得到真实渗透率数据。由于区块内井网密, 且有89口井249层分别做DST测试, 筛选符合试井解释标准的井, 确定单井不同煤层真实渗透率, 结合前述分相控制属性建模思路, 建立渗透率模型(图10)。

图10 渗透率模型剖面

5 不连续、薄煤层地质模型的粗化技术

为了精细刻画薄煤层分布, 地质模型网格数量往往巨大, 本区块网格数量约1 708万个, 而目前受计算机内存和运算速度限制, 动态数值模拟不可能处理太多的细节, 常规油藏模拟网格一般不超过100万个, 因此往往需要对地质模型粗化。模型的粗化是利用等效的粗网格去替代精细模型中的细网格, 要求等效粗网格模型依然能够反映精细模型的地质特征。

由于本区块主力储层为不连续的薄煤岩与炭质泥岩的互层, 常规模型粗化方会造成薄储层的丢失, 另外炭质泥岩与煤岩“笼统粗化”, 将无法有效区分炭质泥岩与煤层各自在储量中的占比情况, 也无法区别它们对产能的贡献情况。作者在掌握粗化技术方法基础上, 舍弃软件常规直接粗化方法, 采用 “粗化理念+软件操作”的模式, 建立新的薄煤层地质模型粗化技术。

首先建立粗化模型框架, 纵向上对区块目的层UpperJuandah煤组、LowerJuandah 煤组、 Tangalooma 砂岩 、Taroom Coal Measures煤组分别粗化为3个网格, 共计12个, 每个层分别设置一个煤层, 一个炭质泥层, 一个非储层。厚度是由精细模型计算而来。各层属性数据由精细模型计算得出。平面上为保持井之间网格数量, 网格数不变。粗化后模型纵向网格数量由1 087层减少为14层, 总体网格数由精细模型的1 708万减少到粗化模型的18万个, 且保持了原始地质规律(图11、图12)。

图11 精细模型剖面

图12 粗化后模型剖面

6 模型检验及评价

在建模过程中, 强调单井统计煤层纵向与横向发育规律, 从而保证了建立的地质模型在煤层发育规律上与单井统计类似；用模型网格化算法计算原始煤层气储量与用容积法储量相差仅为0.87%。

以地质模型基础上, 结合全区508口的井生产资料, 利用数值模拟技术, 生产历史拟合的拟合率达88.7%, 产气量拟合与实际产气量拟合相差不大, 趋势基本一致, 验证了模型的可靠(图13)。

图13 数值模拟生产数据历史拟合

7 结论

1)阐述了运用地质统计学特点, 结合煤层发育规律, 建立不连续、薄煤层岩相建模技术。以苏拉特盆地为例,基于沉积模式,利用煤层纵向发育规律与平面展布特征作为约束条件,依据不同方向单井连续煤层的发育长度设置变差函数变程,采用序贯指示方法可有效模拟符合煤层规律的岩相模型。

2)指出煤层属性建模方法思路,依据煤层属性规律、测试、方法的不同,建立属性建模技术。以苏拉特盆地,分析含气量主控因素,建立含气量多元回归方程,建立含气量模型；依据等温吸附曲线与压力梯度关系,建立煤层最大吸附含气量与深度关系模式,从而建立含气饱和度模型；应用试井资料,运用地质建模方法,建立渗透率模型。

3)采用“粗化理念+软件操作”的模式,舍弃传统模型粗化方法,建立了新的薄煤层地质模型粗化技术。

4)将上述方法建立的地质模型,煤层厚度、及属性符合其发育规律,且应用于数值模拟,历史拟合效果好,为后续方案设计垫底了可靠基础。