开发阶段油田研究工作中大数据模型的建立与应用

刘 振，李 黎，汪生好，杨小江，王要森，徐 超

（中海石油（中国）有限公司深圳分公司，深圳 518000）

0 引言

以大数据为代表的数字分析技术以及石油行业数字化建设持续稳步开展，数据中隐藏信息的挖掘及有效应用成为国内外油田勘探开发研究的热点[1-11]。南海东部油气田经历数十年勘探、开发，积累了大量、多种类型的数据存储，这些数据中隐藏了大量有价值的信息，有效利用这些数据资源降低勘探开发风险和成本成为油气勘探开发数字化转型阶段亟需解决的问题。目前油气地下研究数字化应用方面，经过一段时间的探索，普遍认为，地下油气成藏影响因素复杂多样，直接将数据应用于勘探、开发预测，有较大风险。相对而言，缩小研究范围，将目标聚焦到地震、测井、地质、油藏等专业中的具体问题，更易于发挥数据的积极作用，且已有较多成功案例，如Al-Anazi、Chauhan、李大伟、罗建民、Yili Ren、于荣泽等在储层或油层分类、岩芯微断层识别、靶区优选、电阻率解释、页岩气勘探等方面取得较好效果[12-17]。

数据驱动模型的建立及算法的实现是数据驱动成功应用的关键[18-20]，而地质油藏研究中基于数据驱动的数学模型依然较少，使得勘探开发数据中有价值的信息尚未充分挖掘。在此背景下，本文结合在生产油田具体工作场景，尝试建立相关数据模型并进行应用探索：①建立构造高程差数据模型，充分利用非目的层钻井地质分层数据，有效指导了构造变化分析及开发井随钻；②建立井点油气显示-成藏数据模型，充分利用非目的层录井、测井数据分析研究区油气运移成藏规律，并有效应用于滚动开发评价。

1 构造高程差数据模型及应用

1.1 数据模型建立

海上油气田井控程度相对较低，至开发阶段构造及储层不确定性依然较大，开发实施中随钻构造研究对其能否及时调整并顺利投产非常重要。然而，由于开发阶段精细化研究要求较高，目的层构造及储层分析工作占用研究人员较多精力，对非目的层的关注较少，忽略了大量对应非目的层的可对比界面、砂体厚度等与构造有一定联系的数据。如构造成图一般仅针对油层顶底面以及部分标志层，而其他大量的、井间可对比的界面数据难以有效利用如恩平A油田目的层段井间可对比界面达200 多个，出图层位不足10 个，如图1，图中井间虚线为可对比分层，红色箭头对应出图层位，显然目的层构造数据仅仅是地下构造结构的稀疏采样，难以完全表达真实构造的逐渐变化。

图1 恩平A油田井间可对比分层与深度构造图位置对比Fig.1 Position comparison of inter-well comparable stratification and depth structure map in Enping A Oilfield

为有效组织并利用非目的层与构造有关的数据，设计了三维钻井-构造高程差数据模型，该模型包括2部分：

（1）选择部分或全部预测深度构造图建立的三维构造格架，该数据包含研究区平面任意点深度和构造变化预测趋势信息，表示为，

（2）已钻井或新钻井测井可对比界面分层数据，并求解相对于参考井同一界面的构造高程差数据，即相对深度差，表示为，

式（2）中zwm表示参考井m 界面深度（海拔），zww1,m表示分析井m 界面深度。假设Si(zw,x,y)表示实际构造深度，那么井点数据可表示为，

式（3）中，xw1,m,yw1,m为井轨迹上m分层点层坐标。

图2a 为该模型对应剖面示意图，其中A、B、C 为井轨迹，h1～h4 为井间可对比分层界面，h1、h4 为构造出图界面，构造由绿色实线表示，h2、h3 无对应构造图，构造由灰色虚线表示；高程差对应同一界面钻井深度差，对应数据分布示意图见图2b，数据趋势反映井间相对构造变化信息（图2b中虚线），数据异常点反映地层厚度快速变化。

图2 地层界面井间高程差示意图及数据示例Fig.2 Schematic diagram and data example of the elevation difference between wells at the stratigraphic interface

显然，这两部分数据的组合在平面和纵向上较全面地覆盖了构造变化信息，第1部分数据描述平面任意位置预测构造相对变化，第2部分数据描述任意可对比分层钻井之间的构造信息。因此，该模型可将非目的层纳入构造研究范围。

1.2 实际数据分析

图3a 为恩平A 油田预测构造图形成的构造格架，b 为A-2 相对A-1 井的构造高程差数据点，红色点对应构造出图层位。显然，目的层数据仅是井间构造变化信息的稀疏采样，加密采样并提取构造高程差数据后，可读取更多构造信息：

（1）利用所有数据点进行回归趋势分析，可有效识别异常点，这些点一般对应地层厚度的快速变化，反映地层岩性变化信息，如图2b中h3数据点，与趋势线较大的差异反映了非构造解释层h2～h3地层B井至A井快速减薄的特征；

（2）直井间趋势性变化可映构造演化历程，如图3b 所展示数据，A-2 至A-1 井之间存在分段厚度变化，反映研究区不同时期物源方向有所变化，有利于研究区精细构造演化认识。

图3 恩平A油田构造高程差数据模型Fig.3 Data model of structural elevation difference in Enping A oilfield

1.3 随钻构造分析中的应用

上述数据模型应用于恩平某油田开发井随钻构造变化分析，该油田开发井以斜井和水平井为主，井轨迹在平面上有一定距离的跨度，使得构造高程差数据中除了上述构造演化信息外还包含构造横向变化信息。开发井实施之前对数据模型中构造框架部分进行合理扰动，判断构造变化趋势对高程差数据的影响，如图4所示，图4a展示了A-3 井设计轨迹平面位置图；图4b为过井构造剖面，黑色实线表示预测构造，红色虚线表示构造减缓扰动，蓝色虚线表示构造增陡扰动；图4c为扰动前后A-3相对于A-1井构造高程差趋势线。根据预测及扰动模型，若实际构造变缓，A-3井构造高程差数据会小于预测结果，趋势线斜率会更小，反之亦然。

图4 恩平A油田A-3井高程差数据构造敏感分析Fig.4 Sensitivity Analysis of elevation data Structure of Well A-3 in Enping A Oilfield

开发井钻探过程中基于随钻测井数据进行分层对比，拾取较可靠的可对比分层数据，提取相对A-1井实钻高程差数据，并与预测结果对比，如图5a 所示。该井在目的层H08 入层点实钻构造与预测构造对比见图5b，图中蓝色实线为预测构造，黑色圆点为入层点，绿色虚线为油水界面，该井实钻较预测偏深约7 m，原水平段约10 m 厚的底水油层可能仅剩3 m，远低于预期。一般情况下，该情况预示着该井开采效果预期较差，达不到经济性，需要侧钻至其他位置生产。

图5 恩平A油田A-3井随钻信息Fig.5 Drilling data of the well A-3 in Enping A oilfield

根据相对高程差数据，A-3井实钻数据趋势斜率较预测更小，反映该井方向上构造减缓；另外地震资料信噪比高、无特殊构造现象（如断层），模型扰动对构造变化的判断可信度较高。显然与实钻加深7 m 深度有矛盾，据此认为该井测量数据存在异常，与A-1 井存在7 m 左右测量偏差，入层点实际深度与预测基本一致。该认识促进了A-3井水平段继续实施而无需侧钻，该井投产3 个月平均日产油300余方，含水仅1.6%，达到设计预期，证明了本数据模型对测量误差判断的可靠性。

2 油气运移-成藏数据模型及应用

2.1 研究区数据模型建立

恩平某构造带总共钻探了十余口探井，而且有较丰富的油气显示和测井解释数据，但是在油田开发阶段研究中，非目的层岩性录井数据并未充分利用。为挖掘钻井非储层数据的信息，建立了油气显示—成藏钻井数据模型，该模型基本经验是油气显示反映储层油气的充注信息，含油性解释反映储层是否成藏。

假设Poil表示研究区储层油气充注后成藏的概率（后文简称成藏概率），Nc表示具有已发生油气充注的储层数量，对应具有油气显示的储层数量，Noil表示油层，对应测井解释油层数量。

根据大数定理（统计学），当统计样本数量Nc足够大时，有，

若不考虑岩性等其他特殊因素，构造圈闭的成藏概率与圈闭纵横向封堵有效性有关，假设Pr表示盖层封堵的有效性，Pf,i表示所涉断层封堵的有效性，取值范围0～1，0表示封堵无效，1表示完全有效。那么，对于具有自圈范围的圈闭，是否成藏仅受盖层影响，有，

对于无自圈范围的断控圈闭，有，

即成藏概率为盖层、所有断层有效性的乘积。此时，利用（4）、（5）、（6）可将钻井岩性统计数据与油气成藏影响因素关联起来进行成藏规律分析，可作为一种数据模型，其数据建立过程如下：

（1）基于岩性录井数据，将地层划分为储层和非储层，并将储层划分为显示层和非显示层，其中显示层是指具有录井荧光显示或明显气测响应的储层；

（2）基于测井解释数据表，将显示层划分为油层和非油层，其中油层包括差油层；

（3）同一个构造选择1 口高部位钻井，统计整理岩性录井、圈闭类型、对应深度等数据；

（4）定义并求取参数K表示油层数量与显示层数量的比值，可反映统计区间内的成藏概率。

当数据量足够时可认为K为研究区油气充注后的成藏概率，从不同视角统计参数K，可进行油气成规律分析。

表1展示了研究区内10口探井的统计结果，可见：①油气显示层位主要集中在断层圈闭中，说明研究区断层是油气运移的主要有利通道；②断圈构造成藏概率（0.21）约为断背斜构造成藏概率（0.44）的二分之一，说明研究区断层封堵是油气成藏的主要风险之一。

表1 研究区储层油气显示数据统计表Table1 Statistics table of reservoir oil and gas data in the study area

在油气显示深度范围内（1000～4000 m）按深度分段统计断层圈闭成藏概率K，如表2 所示，发现该区埋深大于1500 m 时参数K普遍较小，埋深小于1500 m 时参数K为1。该组数据中埋深小于1500 m的K值远高于经验认识下断层圈闭的成藏概率，反映研究区埋深小于1500 m 时盖层、断层封堵有效性较高。

表2 研究区断圈成藏数据分段统计表Table 2 Statistics table of reservoir data of fault zone with depth segments in the study area

2.2 滚动评价工作中的应用

恩平I 油田南侧断层下降盘存在由两条交接断层FI-1、FI-2 控制的小型断块圈闭J（如图6b 所示），常规评价思路下，该圈闭一直未受到关注：①构造位置低，存在油气运移风险；②圈闭面积较小（约1 km2），资源量有限；③两条断层控制，经验认识下封堵风险较大。

图6 恩平某构造带恩平I油田南侧断块圈闭J位置图Fig.6 Location map of fault block trap J on the south side of Enping I oilfield in a structural belt of Enping

而根据上述模型形成的认识，排除了该圈闭埋深小于1500 m 储层的断层封堵风险，推动了J圈闭的评价和J-1井的钻探。J-1井钻遇5个油层，累计有效厚度达30 m，获得评价的成功。另外，该井所钻遇油层埋深均小于1500 m，证实了数据模型预测结果的可靠性。

表3 恩平I油田南J-1井测井解释油层数据表Table 3 Logging interpretation of oil layer data of south J-1 well in Enping I oilfield

3 结论和认识

本文针对开发阶段油田具体工作场景建立了不同类型的数据模型，有效将油气田非目的层数据纳入研究过程中，在开发井随钻和滚动评价工作中应用取得了一定成效。研究中，形成了以下几点结论和认识：

（1）有效的数据模型可关联不同专业数据和具体地质油藏问题，有利于勘探开发问题精细研究；

（2）充分利用地质油藏数据中隐藏的信息，能够促进地质油藏发散性研究，并有效降低不确定性，如文中模型中钻井深度测量异常、浅层成藏概率数据的异常，起到了提示常规情况下未注意的新问题的作用，而且有效指导了开发生产和滚动评价工作；

（3）文中数据模型所涉及到的数据都具有明确地质意义，数据之间的关系是“显而易见的”，有利于不同地区类似工作场景的推广和应用。