喇嘛甸油田南中东一区SⅢ组地质模型及评价研究

姜媛媛（中石油大庆油田有限责任公司第六采油厂地质大队，黑龙江 大庆 163114）

针对喇嘛甸油田油层发育厚且层内建筑结构复杂、含水高、剩余油分布高度零散、井间砂体变化大、挖潜难度大的特点，有必要应用三维地质建模技术对砂体的预测进行评价和分析，为增产高效提供技术保障。喇嘛甸油田自引进三维地质建模软件以来，建模技术得到不断发展，在断层模拟和层内夹层建模方面取得了突出成绩。为了深化研究建模技术，探索模型评价方法，以地质统计学理论为核心，利用建模软件的不确定分析技术、储量参数敏感性分析技术，对井间砂体预测进行效果分析，增加对井间砂体预测手段，提高对井间砂体认识程度，为认清地下储层的砂体分布形态，提供地质依据。

1 模型评价的思路

对储层不确定性的评价，是指以已知的信息为基础，以随机函数为理论，应用随机模拟方法，产生可选的、等概率的储层模型的方法。对储层不确定性的评价承认控制点以外的储层参数具有一定的不确定性。因此，建立的储层模型不是一个，而是几个，即在一定范围内的几种可能实现，以满足油田开发决策在一定风险范围内的正确性。这是与确定性建模方法的重要区别［1－2］。对于每一种模型，所模拟参数的统计学理论分布特征与控制参数统计分布特征是一致的，即所谓等概率。各个实现之间的差别则是储层不确定性的直接反映。如果所有实现都相同或相差很小，说明此模型中的不确定性因素少，如果各实现之间相差较大，则说明不确定性大。

2 模型评价的方法及技术指标

2.1 模型评价的方法

1）利用抽稀已有资料验证模型预测精度。在现有的资料丰度和模拟参数的设置的条件下，随机抽取几口井，不参加模拟。建立岩性模型，利用模型砂体发育的概率与同井的岩性曲线对比，看它的符合程度对模拟的参数进行评价。

2）利用砂体模型的砂体比率统计方法对模型进行评价。也就是砂体在模拟的模型中所占的比例和原始井曲线以及离散到网格的砂体比例3者相比较。每种砂体的3种属性相比较，来判断模拟的砂体所占的比例合理性。

3）利用模型储量计算所需要的参数的敏感性分析技术和模型的不确定分析技术，对三维地质模型进行评价。在现有的地质理论知识前提下，通过尽可能地降低人为引起的不确定性，尽可能地选取相对优秀的建模算法和合理的模拟参数，依此将建立的地质模型所包含的不确定性因素和风险性降到最低。

2.2 模型评价的技术指标

1）利用抽稀井的方法，验证模型精度的技术指标。利用抽稀井的方法验证模型精度，一直没有明确的技术指标。根据井震联合建模时利用抽稀井验证模型的技术指标如表1所示，利用沉积相判相的标准，笔者制定了利用抽稀井方法验证模型精度的的技术指标（见表2）。

表1 井震结合验证模型的技术指标

表2 技术指标

2）利用砂体比率统计方法对模型进行评价的技术指标。原始井曲线的各类砂体比率与离散到网格中的各类砂体比率应相等。模拟的各类砂体比率与原始井曲线和离散到网格中的各类砂体比率相差不超过5%。

3）利用敏感性分析技术和模型的不确定分析技术，对模型储量进行评价的技术指标。油气储量与储层地质模型的各项静态参数有着直接的关系，储层地质模型中的孔隙度、渗透率、饱和度以及泥质含量的空间分布决定了油气藏中油气的空间分布，同样这些参数的空间非均质性和不确定性也给储量分布及大小带来不确定性，反过来储量的拟合程度也对模型的准确性进行验证。

利用敏感性分析和不确定分析技术，对影响模型储量的参数进行变量设置，采用蒙特卡罗算法，参数进行拉丁超立方抽样设计，进行100次实现，得到期望储量P50对应地质储量与静态计算的地质储量相对，技术指标是不超过5%，悲观储量P10与乐观储量P90的地质储量相差不宜太大。

3 SⅢ组三维地质模型的建立

选取喇嘛甸油田南中东一区SⅢ组（萨尔图油层Ⅲ油层组），SⅢ组共划分6个沉积单元，属于低弯曲分流河道沉积。工区面积8.17km2，工区内有油水井929口，发育断层10条，钻遇断点414个，SⅢ组地质储量1384×104t。

研究采用三维地质建模Petrel2009版软件，利用随机模拟技术，建立该区块的构造、微相、孔隙度模型，如图1所示。

图1 南中东一区SⅢ组构造、微相、孔隙度模型

每条断层在SⅢ组钻遇的断点很少，所以在建立断层模型时利用3个定型点控制Keypillar的形态，然后将油层钻遇的断点锁在Keypillar上，保证断层模型通过断点。

4 SⅢ组三维地质模型的评价

4.1 敏感性分析技术

从模型储量计算公式上可以看出，影响储量主要是净毛比模型、孔隙度模型、含水饱和度模型3个参数［3］。含水饱和度模型是采用相渗曲线，按照孔隙度区间计算出来的，没有变量。而孔隙度模型是在相控下建立的，变程对其影响不大，只是对种子点的游走路线有影响。微相模型的变程参数设置对储量影响极大，所以以微相模型的变程长度和孔隙度模型的种子点分别作为变量进行敏感性分析。下面，笔者分别对微相模型的每个微相的变程和模拟孔隙度模型的种子点分别进行变量设置，变量中值的左右各取10%的变化范围进行敏感性分析。

图2 微相模拟参数敏感性分析累积储量概率分布图

1）在其他参数都不变的情况下，只改变微相模拟的变程的变量，进行敏感性分析，得到累积概率储量分布图。微相模拟参数敏感性分析累积储量概率分布如图2所示。直方图中标识出累积概率为10%（P10）、50%（P50）、90%（P90）的模型储量结果，分别代表最悲观模型、最有可能的模型、最乐观的模型。P50对应的储量是780.34×107km3，乘以原油密度0.864kg/m3，P50对应的地质储量应是677×104t，与实际的地质储量650×104t相差27×104t，误差在3.3%，符合技术指标。P10对应的储量是778.19×107km3，P90对应的储量是783.34×107km3，相差区间不大，符合技术标准。以上结果说明模型模拟的参数设置合理，模型储量符合相当的好，模模拟精度较高。

图3 孔隙度模拟参数敏感性分析累积储量概率分布图

2）在其他参数都不变的情况下，只改变孔隙度模拟的种子点数，进行敏感性分析，得到累积概率储量分布图。孔隙度模拟参数敏感性分析累积储量概率分布图如图3所示，最悲观储量为累积概率P10对应的地质储量778.82×107km3；对应的地质储量619×104t，相差31×104t，误差在4.7%。最有可能储量为累积概率P50对应的地质储量785.89×107km3；对应的地质储量是679×104t，实际的地质储量650×104t，相差29×104t，误差在4.4%。符合技术指标。乐观储量为累积概率P90对应的地质储量792.58×107km3。对应的地质储量是701×104t，相差51×104t，误差在7.8%，所以P50的符合技术指标。因为孔隙度模型是在相控下模拟的，进一步证明了岩性模型模拟的合理性。

4.2 不确定性分析

不确定性分析，就是将影响储量的敏感性参数综合在一起分析。依据蒙特卡罗算法，采取拉丁超立方的采样方法，通过100次实现，求取储量累积概率分布图，观察对储量的综合影响。不确定分析的累积储量概率分布图如图4所示，从图4可以看出，最可能的地质储量P50对应的地质储量是781.2×107km3，储量是675×104t，与实际的地质储量650×104t相差25×104t，误差在3.8%，符合技术标准，说明模型模拟非常合理。

图4 不确定分析的累积储量概率分布图

5 结论与建议

1）模型的评价方法，无论是模型的先期评价还是后期的储量评价，在整个模型的模拟过程中是很有必要的，是对模拟参数和模型精度的评价。

2）建模过程中应该利用抽稀井确定模拟参数的方法指导模型的建立，确定砂体的模拟参数。

3）进行模型的评价，工作量比较大，建议在建立水平井、高效井、或者需要精细描述砂体预测的小区块，都应进行模型的评价，最终优选出最为合理的模型，把模型的风险性降到最低。而对于研究区块大，层位多（例如萨尔图、葡萄花、高台子）的多学科研究区块，该方法不适合。

［1］赵伟.喇嘛甸油田河流相砂体建筑结构研究 ［A］.中国石油勘探与生产公司.精细油藏描述技术交流会论文集 ［C］.北京：石油工业出版社，2005.

［2］于兴河，李胜利，赵舒，等.河流相油气储层的井震结合相控随机建模约束方法 ［J］.地学前缘，2008（4）：33-41.

［3］束青林，张本华.河道砂储层油藏动态模型和剩余油分布预测 ［M］.北京：石油工业出版社，2004.

［编辑］ 洪云飞