基于电成像测井资料的碳酸盐岩储层产能预测

李晓辉, 张沫

(中国石油集团大庆钻探工程公司测井公司, 黑龙江 大庆 163412)

0 引 言

储层产能评价与产能预测的方法有很多种,归纳为2类:①以测井信息为主的静态参数评价方法;②以试井资料为主的动态参数评价方法。储层产能由储层的自身条件、外部环境以及油气性能等因素共同决定。实际生产中,在特定的开发区块和作业方式基本不变的情况下,外部环境和油气性能等都相对固定不变,此时油气储层的自身性质将对储层的产能高低产生决定性的影响[1]。以往文献中有提出应用神经网络法尽量采集足够多的影响信息,采用综合评分法对各项影响因素进行打分评价储层和预测产能[2-6];基于常规测井计算的总孔隙度、次生孔隙度以及实验室压汞资料得到的孔隙结构系数、核磁共振测井技术反映的孔隙结构构建产能预测模型[9-11]等在生产应用中均有较好的效果。

本文以成像孔隙度谱技术描述孔隙结构理论为基础[8],充分理解局部最大孔隙度(φmax)、局部最小孔隙度(φmin)、主频孔隙度(φHP)、孔隙度变异系数(Kφ)、主峰右侧宽度(wφ)与右侧方差(vφ)等特征参数的物理意义及其与储层渗流能力的相关关系;沿用了构建产能贡献因子预测产能的思路[7],进一步明确储层单元划分、改进产能分配方法和产能因子构建方法,充分考虑了储层单元厚度、累计孔隙体积、储层单元含油性,最后经拟合建立产能预测模型,模型相关系数由原来的0.77[7]提高到0.93,效果显著。

1 储层单元划分

储层单元划分主要是依据成像资料计算的孔隙度频谱特征,具有相近孔隙度谱分布的可划分为1个储层单元;其次参考常规测井曲线,包括自然伽马、中子、密度、声波时差信息。对于电阻率曲线,由于受含油气的影响,不作为主要的参考曲线。储层单元划分依据半幅点原则(见图1)。

图1 ××1井试油井段储层单元划分图*非法定计量单位,1 ft=12 in=0.304 8 m,下同

2 产能分配方法改进

在实际生产中,即便具有相同孔隙体积和相同厚度的储层单元,其油气产量还与其含油气饱和度有着密切的关系,而含油气饱和度引起测井响应变化的最直接反映是电阻率的变化。为此,本文引入了电阻率参数实现试油井段产能的重新分配。上述过程用式(1)表示为

Pi=Vφ i×Rti∑ni=1Vφ iRti×P

(1)

式中,Pi为储层单元产油量,t;Vφ i为各小层的孔隙体积;P为整个试油段的总产能,t;∑ni=1Vφ i为试油井段总累计孔隙体积;Rti为各储层单元深探测的电阻率值的平方根,Ω·m。

在此基础上,将每个储层单元的产量除以自身的厚度,可计算得出该储层单元的产油强度

Ji=Pi/Hi

(2)

式中,Ji为单位厚度内储层单元日产油量,t/m;Hi为该储层单元的有效厚度,m。

3 构建产能贡献因子

明确了储层单元的产油量,建立产油量与储层特征之间相关关系成为产能预测的关键。在评价产能的静态参数中,关键参数为储集空间的大小和渗流能力。孔隙型碳酸盐岩储层受溶蚀作用的控制,孔隙类型、形态及孔隙发育程度变化较大,导致了其渗流能力的巨大差异。

图2 各储层单元产油强度与平均孔隙度关系图

图3 各储层单元产油强度与孔隙分布关系图

电成像测井资料的孔隙度频谱分析在一定程度上反映了储集空间分布特征。应用孔隙度非均质性定量评价的特征参数[8],通过优化组合及实际资料检验(见图2、图3),各储层单元的产油强度与该层的平均孔隙度φavg及次生孔隙发育程度φavg(φmax-φHP)/(φmax-φmin)呈较好的正比例关系,相关系数R均大于0.88。由此构建了产能预测的产能贡献因子K

K=φavg+φavg(φmax-φHP)/(φmax-φmin)

(3)

式中,φavg为各储层单元的有效孔隙度的平均值;φHP为孔隙分布的主频孔隙度;φmin为孔隙分布的左边界;φmax为孔隙分布的右边界。

4 建立产能预测模型

针对目标区块内现有微电阻率成像测井资料的4口井的试油层位,按照储层物性和电性响应特征不同进行合理的产能剖分后,得到各储层单元的产油强度Ji,再提取相关参数,根据式(3)计算得出各储层单元的产能贡献因子Ki,通过回归拟合,得到关系式

Ji=0.4347Ki-1.1138

(4)

可以发现,两者之间呈现较好的正相关性,即产能贡献因子K值越大,单层产油强度越高(相关系数R=0.93,见图4)。

图4 产油强度J与产能贡献因子K的回归关系图

图5 ××1井3 266.8～3 315.0 m井段测井曲线及储层单元划分图

5 效果评价

利用上述碳酸盐岩储层的产能预测模型对中国不同油田的2口井共4个试油层段进行产能验证。4个试油层段产能预测的最大相对误差为12.31%,最小相对误差为1.18%,平均相对误差为5.95%。预测结果较为可靠,能够满足实际生产要求。

以××1井3 266.8～3 315.0 m井段试油资料为例(见图5)。根据常规测井资料,将该试油层段按照物性和电性的不同反映将其划分为7个储层单元,依据式(3)分别计算出各储层单元的产能贡献因子Ki;由式(4)求出各储层单元的产油强度Ji,乘以其相应层厚Hi,得到各储层单元的产能Pi,将各储层单元的产能加权求和,即为该合试层的预测总产能P。

经过计算,7个储层单元的预测产量与剖分产量接近,平均相对误差为16.95%。总的预测产能为83.20 t/d,实际产能为87.53 t/d,相对误差为4.95%(见表1)。

表1 ××1井产能预测结果对比表

6 结 论

(1) 针对孔隙型碳酸盐岩储层厚度大、次生孔隙发育、孔隙非均质性强等特点给产能预测带来的难题,通过成像测井资料的孔隙度频谱分析进行储层单元划分,定量提取孔隙非均质性参数,重新构建产能贡献因子,改进了产能预测模型。

(2) 新模型明显提高了产能预测的精度,为有效射孔层段的选取、准确评估单井产量提供直接的参考依据,具有较高的实际应用价值。

参考文献:

[1] 司马立强, 疏壮志. 碳酸盐岩储层测井评价方法及应用 [M]. 北京: 石油工业出版社, 2009: 168-170.

[2] 赵军, 祁兴中, 夏宏泉, 等. 测井资料在碳酸盐岩洞-裂缝型储层产能评价中的应用 [J]. 现代地质, 2003, 17(1): 99-104.

[3] 李瑞, 杨光惠, 胡奇凯. 鄂尔多斯盆地碳酸盐岩储层测井产能研究预测 [J]. 勘探地球物理进展, 2003, 26(2): 109-113.

[4] 许延清, 李舟波, 陆敬安. 利用测井资料预测油气产能的方法研究 [J]. 长春科技大学学报, 1999, 29(2): 179-183.

[5] 刘海啸, 李卫新, 刘晓虹, 等. 碳酸盐岩储层产能预测方法探索 [J]. 测井技术, 2004, 28(2): 151-154.

[6] 葛柏成, 文政, 郑建东. 利用测井资料预测油层自然产能的评价方法 [J]. 大庆石油地质与开发, 2003, 22(1): 54-56.

[7] 李晓辉, 周彦球, 缑艳红, 等. 电成像测井孔隙度分析技术及其在碳酸盐岩储层产能预测中的应用 [J]. 吉林大学学报: 地球科学版, 2012, 42(4): 928-934.

[8] 周彦球, 李晓辉, 范晓敏, 等. 成像测井孔隙度频谱技术与岩心孔隙分析资料对比研究 [J]. 测井技术, 2014, 38(3): 309-314.

[9] 鞠江慧, 王建功, 高瑞琴, 等. 二连油田低孔隙度低渗透率储层压裂后产能预测 [J]. 测井技术, 2005, 29(4): 379-382.

[10] 时卓, 石玉江, 张海涛, 等. 低渗透致密砂岩储层测井产能预测方法 [J]. 测井技术, 2012, 36(6): 641-646.

[11] 柴细元, 丁娱娇. 低渗透致密砂岩储层测井产能预测方法 [J]. 测井技术, 2012, 36(6): 641-646.