基于储层分类的渗透率测井计算方法

2016-12-17程梦薇

长江大学学报(自科版) 2016年35期

关键词：砂砾岩心测井

程梦薇

(中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)

基于储层分类的渗透率测井计算方法

程梦薇

(中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)

海拉尔盆地贝301区块南屯组储层岩石类型多样化，以砂岩、砂砾岩为主，且砂砾岩储层非均质性强、渗透率变化大，通过常规的数理统计解释模型计算的渗透率精度低。在划分岩性的基础上，利用岩石物理微观孔隙结构对内部差异相对较大的砂砾岩储层进一步分类，分别建立渗透率模型。该方法经检查井实际资料处理验证，计算渗透率平均相对误差从分类前的180.6%降低到分类后的48.2%，精度明显提高，效果较好。

渗透率；储层分类；砂砾岩；岩石物理相

空气渗透率是衡量孔隙介质允许流体流动和产出能力的重要参数，反映了油、气、水被采出的难易程度，其大小主要取决于岩石的孔隙体积、孔隙分布及连通程度等。渗透率的解释精度直接影响油藏解释、数值模拟等一系列的后续开发研究，是测井资料定量解释的关键[1，2]。海拉尔盆地呼和诺仁油田贝301区块南屯组储层岩性多样，以砂岩、砂砾岩为主，储层非均质性强、分选性极差[3，4]，常规数理统计解释模型计算的渗透率精度偏低。为此，笔者通过先区分砂岩与砂砾岩，再利用岩石物理微观孔隙结构内部差异相对较大的砂砾岩储层进一步分类，细化砂砾岩，在该基础上分别建立渗透率模型，取得了较好的应用效果。

1 储层分类的必要性

贝301区块发育N2Ⅰ(南屯组二段Ⅰ油层组)、N2Ⅱ(南屯组二段Ⅱ油层组)，是近物源快速堆积的沉积体，大小颗粒混杂堆积使孔隙分布不均，储层渗透率变化较大。根据岩心资料分析统计，储层中砂岩分选好，颗粒排列较紧密；而砂砾岩分选性极差，大的砾石直径可达5cm，小的砾石直径仅几毫米。从岩心分析的渗透率样品(图1)看，在同一小层且孔隙度接近的情况下，渗透率从0.1mD变化到1000mD，差别很大。因此，为了准确求取储层渗透率，需要先识别岩性，分出砂岩和砂砾岩，再对分选性差的砂砾岩储层用岩石物理相技术细化分类。

2 渗透率计算方法研究

2.1 岩性识别

由于不同的岩性具有不同的测井响应，因此利用测井资料可以有效识别砂岩和砂砾岩。针对研究区8口密闭取心井，优选对岩性信息反应敏感的测井参数，建立了砂砾岩与砂岩的识别图版(图2)。

2.2 岩石物理相在计算渗透率中的应用

2.2.1 岩石物理相分类原理

为了突出表征不同储层之间的差异，国内外学者普遍应用“流动单元”的概念实现储层分类评价，相同的流动单元具有相似的物理特征和渗流能力[5,6]。而储层岩石物理相作为流动单元划分的基础，是沉积、成岩和后期改造等作用的综合反映，它是储层分类较为常用的手段。该次研究采用流动层带指标(Ifz)、孔隙度(φ)、空气渗透率(K)、泥质体积分数(φ(sh))、粒度中值(Md)等参数来研究储层岩石物理相。其中，φ(sh)和Md主要反映储层岩石相特征；φ、K反映储层的物性特征；Ifz主要反映储层的微观孔隙结构特征[7]，是把结构和矿物地质特征结合起来判定不同岩石物理相的参数。Ifz的确定方法如下。

注1： qAPI为自然伽马；Usp为自然电位；dh为井径；ρlld为深侧向电阻率；ρlls为浅侧向电阻率；ρmsfl为微球聚焦电阻率；ρ为密度；φnc为补偿中子孔隙度；Δt为声波时差；D为井深；φe,c为岩心有效孔隙度；Kc为岩心渗透率。注2：N2Ⅱ18、N2Ⅱ19分别为南屯组二段Ⅱ油层组18、19号砂层。图1 同一小层岩心分析孔隙度与渗透率

图2 研究区N2Ⅰ和N2Ⅱ砂砾岩与砂岩识别图版

根据Kozeny-Carman方程(拟合公式)有：

(1)

式中：Fs为形状因子，1；t为弯曲度，1；Sgv为单位颗粒的比表面积，μm-1。令：

(2)

式中：Gc为表征孔隙结构的参数，μm-2。

将式(2)代入式(1)得：

(3)

而：

(4)

由式(3)、(4)得：

(5)

根据统计学原理，在相同条件下对同一事物重复多次测量或试验观测的结果应该服从正态分布的规律，对于同种流动单元内样品的测量相当于对该流动单元内单一样品的多次测量的结果，所以对于同一流动单元内的样品分类指标Ifz应该具有正态分布的性质。如果某一物理量在线性坐标下的形态为正态分布曲线，那么在正态概率坐标上的形态就近似为一条直线，不同流动单元具有不同的孔喉特征和不同的正态分布函数，在正态概率坐标上表现为具有不同斜率的直线段[8]。

2.2.2 砂砾岩储层渗透率计算

研究过程中，对贝301区块N2Ⅰ和N2Ⅱ分别建立砂砾岩Ifz累积概率图(图3)，图中均出现了明显的拐点，有明显的不同斜率的直线段，按照原理将N2Ⅰ砂砾岩分成2类储层，N2Ⅱ砂砾岩分成3类储层。

图3 不同油层组砂砾岩储层Ifz累积概率图

图4是N2Ⅰ与N2Ⅱ砂砾岩储层分类前、后空气渗透率与孔隙度的关系对比图，可以看出，未分类前渗透率与孔隙度的数据点分布散，相关性差，而分类后各类储层的空气渗透率与孔隙度的相关性都有明显提高。

利用贝301区块8口取心井，对N2Ⅰ和N2Ⅱ共2个油层组划分砂岩和砂砾岩，并在对砂砾岩分类的基础上分别建立了7个渗透率模型(见表1)。

2.2.3 测井分类标准研究

上述储层分类是建立在岩心分类的基础上进行的，要想用到生产井中还必须对上述岩心分类进行测井识别。Ifz作为储层划分的基础，反映了储层微观孔隙结构特征和地质特征，是储层岩性、物性与含油性的综合体现，与储层的电性、物性测井响应存在必然的关联性。为了提高薄层的判别精度，在测井识别方法中引入了微球比值Δρmsfl(微球聚焦电阻率测井值与标准层微球聚焦电阻率测井值之比)作为纵坐标，以反映物性的φ作为横坐标，建立了N2Ⅰ和N2Ⅱ不同类型砂砾岩测井分类判别标准图版(图5)，分类标准见表2。

图4 N2Ⅰ和N2Ⅱ砂砾岩分类前、后渗透率与孔隙度关系对比图

注：模型中物理量单位为K，μm2;φnc,1;Δt,μs/ft;ρ,g/cm3。

图5 N2Ⅰ和N2Ⅱ砂砾岩储层分类测井判别图版

3 应用效果分析

图6为贝301区块的一口密闭取心井储层分类前、后渗透率模型计算的测井渗透率和岩心分析渗透率的对比图，利用不分类建立的模型计算的渗透率平均相对误差为180.6%，利用分类后建立的模型计算的渗透率平均相对误差为48.2%，可以看出，分类后的模型计算的渗透率精度明显提高，与岩心分析资料结果匹配更好。

表2 贝301区块不同油层组砂砾岩分类标准

注1：K未分类为分类前测井计算渗透率；K分类为分类后测井计算渗透率。注2：N2Ⅱ12-1、N2Ⅱ12-2、N2Ⅱ13分别为南屯组二段Ⅱ油层组12-1、12-2、13号砂层。图6 分类前、后计算渗透率与岩心分析渗透率精度对比

4 结论

1)海拉尔盆地呼和诺仁油田贝301区块南屯组储层岩性以砂岩、砂砾岩为主，砂岩分选好、颗粒排列较紧密，而砂砾岩储层非均质性强、分选性差，渗透率变化极差大，常规的数理统计解释模型计算的渗透率精度偏低，需要对储层细分建立渗透率模型，以提高渗透率计算精度。

2)储层岩石物理相是流动单元划分的基础，Ifz是把结构和矿物地质特征结合起来判定不同岩石物理相的参数。在分砂岩与砂砾岩的基础上，再利用Ifz对砂砾岩储层细分类，计算渗透率平均相对误差从分类前的180.6%降低到分类后的48.2%，大幅提高了渗透率的精度，为后续的油藏描述、数值模拟等一系列开发工作提供了保障。

[1]张诗笛，冯文光，杨宇，等.常规测井估算渗透率新方法[J].石油天然气学报(江汉石油学院学报)，2010，32(4):260～262.

[2]罗万静，王晓东，李义娟.渗透率的常用确定方法及其相互关系[J].西部探矿工程，2006，(1)：63～66.

[3]甘俊奇，王俊文，吴忠宝，等.海拉尔油田砂砾岩储集层孔隙结构特征分析[J].石油地质与工程，2014，28(5):95～98.

[4]王新江，张丽萍，石京平.海拉尔油田孔隙结构特征分析[J].大庆石油地质与开发，2007，26(6):91～94.

[5]袁新涛，彭仕宓，林承焰，等.分流动单元精确求取储层渗透率的方法[J].石油学报，2005，26(6):78～81.

[6]杨景强，樊太亮，马宏宇，等.利用储层分类进行水淹层测井解释的方法研究[J].测井技术，2010，34(3):238～242.

[7]吕晓光，闫伟林，杨根锁. 储层岩石物理相划分方法及应用[J].大庆石油地质与开发，1997，16(3):18～21.

[8]马宏宇. 特高含水期水淹层渗透率计算方法[J].大庆石油地质与开发，2013，32(1):170～174.

[编辑] 龚丹

2016-01-12

国家重点基础研究发展计划(“973”计划)项目(2009CB219300)。

程梦薇(1988-)，女，工程师，现主要从事水淹层测井解释工作，chengmengwei@petrochina.com.cn。