柴达木盆地尕斯库勒油田E31油藏“双高”阶段测井精细解释方法

龙安林 马宏宇 鲁珊珊 丁继伟 蒋文博 曾雪梅 熊 宇

（1.中国石油青海油田分公司勘探开发研究院，甘肃 敦煌 736200；2.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 163712）

0 引言

目前，测井岩性识别已经从常规测井方法发展到应用地层元素测井、元素扫描测井等新技术。在解释方法上常用多元统计回归、交会图、多矿物模型、最优化算法，以及主成分分析、神经网络等数学方法［3-4］。图形聚类分析方法可很好地解决非线性问题，表现出较好的自适应性和准确性，在油气田开发领域得到了广泛应用，本文将改进的图形聚类分析方法（MRGC）引入岩性识别过程中，考虑到岩性对储层物性的控制作用，在岩性识别基础上建立物性参数解释模型。

水淹层定量解释的核心参数是含水饱和度和产水率，水淹储层饱和度的求取关键是混合地层水电阻率的确定，前人多采用模拟油藏条件的驱替实验方法［5-6］，但是和实际油层水驱开发相比，室内驱替实验有2个弊端：一是注入水与岩心束缚水之间的离子交换作用非常微弱；二是地层岩石骨架中的氯化盐被混合液溶解，其作用体现不出来。本文从测井曲线信息出发，利用影响因素校正后的自然电位曲线求取混合地层水电阻率，进而计算储层的目前含水饱和度。目前产水率的求取主要还是基于相渗实验，但分流量方程形式较为复杂，各项系数确定难，本文基于相渗实验建立了简化实用的产水率预测模型，应用于水淹解释中见到了良好效果。

1 岩性识别标准

岩性识别是储层精细描述的重要内容，是进行储层参数解释、沉积相类型划分、非均质性研究的基础性工作。针对尕斯库勒油藏开发历程长、储层岩性多样、成分复杂的特点，在不同岩性不同测井系列的测井响应特征分析基础上，优选测井曲线关键参数，采用多分辨率图形聚类分析方法建立岩性识别标准。

1.1 不同岩性测井响应特征

图1 不同岩性测井响应对比Fig.1 Comparison of logging response of different lithology

1.2 测井岩性识别

利用曲线交会图方法进行岩性识别是常用方法，但是存在一定局限性。交会图法利用的曲线信息较少，交会数据必须具有明显的分界，在岩性相对富集区域效果欠佳。采用改进的基于多分辨率图形聚类分析方法（MRGC）避免了以上问题，其算法核心原理是从训练样本数据和需要预测的岩性新数据项中提取特征值，将这些特征值转换到向量空间，并将这2组数据进行集中比较，从中找出与待预测数据项最为接近的m个数据项，并对其平滑处理以得到最终的预测结果［7-9］。

利用5口取心井岩心样本数据，在分析岩性测井响应特征的基础上，优选自然伽马、自然电位、声波时差、密度、深侧向电阻率曲线作为样本曲线，进行曲线方波化；采用向量空间模型，将优选的方波化测井曲线和岩性分析样品数据转化为若干个特征组成的空间形式(t1，t2，…，tm)；再将各个特征样本在曲线数据上赋予的数值填充到向量空间中。

最终一个样本数据dj的数学表示形式为wj(w1j，w2j，…，wmj，…，w|T|j)，其中wmj表示的是tm在样本数据dj上的值，|T|表示特征向量的维数。当训练样本数据向量化后，可以通过空间中两个样本特征向量的几何尺度表征来确定其相似性，一般采用欧几里德距离来表示，公式为

式中：sim（X，Y）——欧几里德距离；X，Y——数据向量；xi，yi——两个样本特征向量中的数据。

通过式（1）可以计算待预测的岩性数据特征向量和训练样本所有特征向量的距离，利用高斯函数将距离转换为权重，根据距离的远近对预测结果进行贡献值补偿，公式为

式中：P——最终的预测结果；Si——m个最近邻中的第i个；Wi，Wj——Si对应的权重值。

该方法主要考虑曲线形态、密度、相关性来确定数据所属类别，更能有效识别岩性。运用验证井X1井的取心资料，对比岩心描述与模型预测数据（图2），该方法岩性识别符合率达到88.1%。

图2 X1井取心井岩心描述与模型预测对比Fig.2 Comparison between core description and model prediction of X1 coring well

2 参数模型及油水识别标准

储层参数计算与油水层识别是测井解释评价的重要研究内容。受取心、试油等资料的数量和质量限制，尕斯库勒油藏勘探初期建立的储层参数模型考虑的影响因素较为单一，细化程度不够，精度不能满足后期精细开发地质需求，如孔隙度相对误差9.1%，原始含油饱和度平均绝对误差5.3%。此外，随着开发的深入，勘探初期的油水识别标准不再适用，油藏油水分布需重新认识。在研究测井响应特征规律基础上，通过细分小层、细化测井系列等工作提高储层参数测井解释精度。

2.1 参数测井解释模型

该地区检查井的储层岩性分析表明，Ⅰ、Ⅲ油层组岩性较为均匀，以粉砂、细砂岩为主，很少含砾，Ⅱ、Ⅳ油层组发育含砾砂岩、砾岩，尤以Ⅳ5油层组更明显。

依据该地区测井解释经验及岩心数据与测井曲线交会图分析，优选对物性比较敏感的曲线建立解释模型。应用16口取心井170层资料，分引进和JD-581系列，分别对Ⅰ、Ⅱ、Ⅲ、Ⅳ1—Ⅳ4、Ⅳ5油层组，利用反映物性的声波时差、密度曲线，同时考虑了泥质含量对储层孔渗的影响，加入了自然伽马相对值校正项，建立了油藏储层有效孔隙度、空气渗透率及束缚水饱和度模型，模型精度满足储量规范的要求。通过划分不同系列和细分小层，新模型精度均有所提高（表1）。

表1 储层参数模型及精度对比Table 1 Reservoir parameter model and accuracy

2.2 油水识别标准

E31油藏Ⅰ1—Ⅳ4油层组的储层岩性以砂岩、粉砂岩为主，而Ⅳ5油层组的储层岩性以砾岩、含砾砂岩为主，这两类储层的物性差异大、电性测井响应规律不同，因此针对这两类油层分别建立油水层解释标准。此外，考虑到油藏开发过程中测井采集系列的变化，需分别考虑不同测井系列建立不同的标准。引进系列优选出自然电位、深感应电阻率等曲线，JD-581系列优选出自然电位、6 m梯度视电阻率、0.45 m梯度视电阻率曲线，对不同油层组、不同厚度类型分别建立了尕斯库勒油田E31油藏油水层判别标准（表2）。

表2 尕斯库勒油田油水层解释标准Table 2 Interpretation criteria of oil and water layers in Gaskule Oilfield

3 水淹层测井解释

3.1 曲线影响因素校正

目前含水饱和度的准确计算是提高水淹解释精度的基础，根据前人研究成果，阿尔奇公式仍然适用于水淹储层饱和度解释［10］，关键是各项参数的确定，饱和度公式为

式中：Sw——目前含水饱和度，%；a、b——系数；Rwz——地层水混合液电阻率，Ω·m；Rt——原状地层电阻率，Ω·m；ϕe——有效孔隙度，%；m——胶结指数；n——饱和指数。

其中地层混合液电阻率值Rwz是目前水饱和度计算关键参数，主要受矿化度的影响，其计算公式为

其中：VSSP——地层静自然电位，mV；Rmf——钻井液滤液电阻率，Ω·m；K*——自然电位系数。

对于水驱开发储层，注入水会导致地层水矿化度发生变化。而在常规测井信息中，自然电位曲线能反映水淹后地层混合液矿化度的变化，是目前常规测井资料计算地层混合液电阻率的依据［11-12］。通常在钻井液性能基本不变及地层压力正常的情况下，自然电位测井主要受纵向层厚分辨率、黏土含量、地层水矿化度的影响，通过层厚校正、泥质含量校正，将测井响应资料补偿校正成只有矿化度为主要影响因素的“纯砂岩”响应值［10-12］，其自然电位异常幅度的变化将主要反映地层水矿化度的差异，从而利于该信息进行储层水淹的定量分析，并为饱和度准确计算奠定基础。

层厚是影响自然电位异常幅度的一个主要因素。在砂泥岩地层中，当地层厚度变薄时，地层截面变小，根据自然电位响应机理，相当于地层有效电阻增大，导致自然电位降低。根据砂泥岩地层模型理论模拟，自然电位异常幅度随储层厚度减小而减小，当层厚与井径比值大于等于4时，层厚的影响可忽略不计。为减小层厚对储层自然电位异常幅度的影响，根据电位测井原理，建立层厚与井径比值和校正系数之间的关系（图3）。

图3 自然电位测井层厚校正图版Fig.3 Layer thickness correction chart of SP logging

储层岩性是影响自然电位异常幅度的另一个主要因素。在砂泥岩剖面井中，以大段泥岩处的自然电位曲线作为基线，在自然电位曲线上出现异常变化的多为砂质岩层。当目的层为纯砂岩时，它与围岩交界处的VSSP达到其最大值VSSPmax。储层泥质体积分数增加，将使总自然电动势减小，自然电位异常幅度减小。根据自然电位原理确定自然电位校正因子的表达式为

式中：ΔVSP——自然电位校正因子，mV；VSPmax、VSPmin——自然电位的最大值与最小值，mV；φsh——泥质体积分数；c——与地层年代有关的经验系数。

3.2 水淹定量解释标准

产水率作为判断油层水淹程度最重要的指标，是评价水淹油藏剩余潜力、确定剩余可采储量的重要参数。

Park Jone等［13］国外学者提出了关于近似估算泥质砂岩的相对渗透率关系式：

式中：Krw、Kro——水和油的相对渗透率，%；Sw、Swi——分别为储层目前含水饱和度和束缚水饱和度；a*、b*、c*——分别为本地区的经验系数。

在油水两相渗透区中，油水同时流动，而且都服从达西线性渗透定律时，若不考虑油水重力差和毛管力的作用，可得到产水率的分流量方程［13］，公式为

式中：fw——产水率，%；μw、μo——水和油的黏度，Pa·s。

将式（6）、式（7）代入式（8）得到产水率的公式为

可以看出，储层产水率fw与束缚水饱和度Swi、可动水饱和度ΔS(Sw-Swi)之间存在一定的隐函数关系，而研究区岩心样品相渗实验数据表明，不同渗透率区间可动水饱和度与产水率具有较好一致性规律，所以可以按渗透率将储层分为几类建立可动水饱和度与产水率的定量关系。

当渗透率小于60×10-3μm2时，计算公式为

当渗透率大于等于60×10-3μm2且小于等于100×10-3μm2时，计算公式为

当渗透率大于100×10-3μm2时，计算公式为

利用式（9）—式（11），根据可动水饱和度计算产水率，再以产水率10%、40%、80%作为分界线将水淹级别划分为4个等级，即未水淹、弱水淹、中水淹和强水淹，实现储层水淹级别的划分。

4 应用效果

图4 井X2新增潜力解释结果Fig.4 New potential interpretation of Well X2

以井X2为例，该井位于构造轴部，经多年开发日产油量降至0.1 t，Ⅰ5a、Ⅰ5b与Ⅰ6b3个小层勘探初期解释为干层，二次测井解释评价孔隙度8.0%～11.1%，平均渗透率8.1×10-3μm2，含油饱和度55.5%，综合解释为差油层，两层合并射孔作业日产油3.17 t，验证测井二次解释结果的合理性。此外，为满足研究区剩余油评价需要，上述解释方法应用于加密调整井的测井解释。

利用12口新调整井动态资料进行水淹层解释后验证，在14个射开小层中，测井水淹解释结论与动态资料符合的小层数为11个，水淹解释符合率为78.6%（表3）

表3 动态资料水淹层解释结论（部分）Table 3 Comparison of interpretation of water swept layers of dynamic data(partial)

5 结论

（1）采用改进的基于多分辨率图形聚类分析方法（MRGC）建立岩性识别标准，储层岩性识别精度较高，岩性识别符合率达到88.1%，为储层沉积相带的划分及非层内砂体构型研究提供支撑。

（2）在研究测井响应特征规律基础上，通过细分小层、细化测井系列的方式精细建立测井解释模型，提高了储层参数和油水识别精度，满足了开发井测井二次精细评价的要求。

（3）利用经过影响因素校正的自然电位计算地层水电阻率来求取目前水饱和度，结合室内渗流理论建立的产水率模型，水淹解释精度可以满足剩余油评价需求。

（4）综合岩性、储层参数、油水分布及水淹层解释成果，为油藏精细描述及剩余潜力分析提供技术支撑。