亚诺斯盆地DC区块储层井震结合三维地质建模

王 焕, 冯 方, 马彩琴, 李水静

(1.中国地质大学(北京) 能源学院,北京 100083; 2.中国石化集团国际石油勘探开发有限公司,北京 100191)

亚诺斯盆地DC区块储层井震结合三维地质建模

王 焕1,2, 冯 方2, 马彩琴2, 李水静2

(1.中国地质大学(北京) 能源学院,北京 100083; 2.中国石化集团国际石油勘探开发有限公司,北京 100191)

DC区块位于南美亚诺斯盆地东部前隆构造带上,构造幅度低,含油面积小,储层横向变化快,油藏描述难度大。文章通过钻井和地震相结合的建模方法再现了地下真实地质情况。通过钻井分层数据和地震精细构造解释相结合建立了研究区构造模型,构造模型显示区块整体构造呈东高西低的趋势,在主要钻井区,构造呈南北走向的“脊”型分布,受海浪和沿岸流改造作用的影响,“脊”的东侧构造下降幅度大于西侧,这进一步验证了地质认识。在构造模型基础上,通过单井相与均方根振幅属性体相结合,分别利用钻井纵向分辨率高的优势和地震横向分辨率高的优势建立了研究区岩相模型,为下一步寻找有利砂体提供依据。在地质统计学分析的基础上,通过测井解释与波阻抗反演地震数据体相结合建立了岩相模型控制下的储层参数模型。各属性模型之间逐次进行协克里金约束,在多次等概率实现后通过统计计算最终得到不确定性最低、可靠性最高的模型。模型校验结果表明地质模型质量较高,地质模型储量丰度图可为井位设计提供参考,在该地质模型基础上的钻井获得成功。该地质模型的建立及取得的认识可为该盆地同类型油气藏的勘探开发提供借鉴。

地质建模;地震约束;变差函数;随机模拟;亚诺斯盆地

亚诺斯盆地位于南美洲北部哥伦比亚境内,属于富油气前陆盆地,西部以东科迪勒拉山为界,东部与圭亚那地盾毗邻,南部及北部分别与沃佩斯隆起、阿普雷隆起相接[1],总面积为22.5×104km2。DC区块位于该盆地东部前隆构造带上,商业开发区面积30 km2,目前已钻井17口,其中14口井获油气发现,主要含油层系为古近系卡沃内拉组[2]。已钻井显示油藏圈闭面积小、幅度低、横向非均质性强、油水关系较复杂、井网不规则、单井产量递减迅速[3]。为有效开发该油藏,在储层精细研究的基础上建立油藏三维地质模型是解决这一难题的有效途径,但是受该地区上述地质因素和资料的限制,通过常规沉积微相建模方法无法建立研究区有效的地质模型。本文结合区域地质认识,在对地质和地震资料充分研究的基础上,通过钻井和地震相结合、确定性和随机性相结合等方式建立了与地下真实地质情况符合度较高的三维地质模型,为下一步地质研究及井位设计提供有利依据。

1 基础地质特征

DC区块位于南美洲亚诺斯盆地中部,根据亚诺斯前陆盆地构造特征及演化特点,将其划分为山前逆掩推覆带、前渊带、斜坡带3个二级构造单元,其中斜坡带可进一步划分为走滑断裂带、斜坡正断带、斜坡无断带3个三级构造单元[4]。

盆地中生代地层由老到新分别为下白垩统Une组、上白垩统Gacheta组及Guadalupe组,其中Gacheta组海相泥页岩被认为是盆地主要烃源岩;新生代以来受科迪勒拉造山作用的影响,伴随着海平面的升降,依次发育了古近系古新统Braco组、始新统Mirador组、渐新统—中新统Carbonera组以及中新统Leon组等海陆交互相沉积,在盆地西侧形成了一系列沉积、沉降中心,地层厚度自西向东逐渐超覆减薄。

1.1 地层划分

在钻井资料较少的情况下,收集了亚诺斯盆地大量区域二维和三维地震资料,以高分辨率层序地层学理论为指导,在时间地层框架内,通过等时对比和基准面旋回识别,分析不同级次的地层内部结构特征[5]。根据成因地层的堆积样式在地震和测井上的表现特征,开展精细井震标定,建立等时地层格架,进行精细地层划分及对比,确定小层砂体、单砂体的时空展布规律。DC区块主要含油层系为渐新统—中新统Carbonera组,沉积环境为三角洲—浅海相,平面分布范围广泛,垂向地层厚度约304.8 m。Carbonera组可被划分为C1～C8总共8个段,其中储层主要为属性较好的C3、C5和C7段,以灰色—褐色细砂岩为主。主力含油层段C5纵向上又可划分为C5A、C5B和C5C砂层组,对主力砂层组C5C可进一步细分为C5C1和C5C2小层,从而建立了适合研究区沉积特征的小层对比方案。

1.2 沉积相特征

DC区块储层沉积砂体处于三角洲前缘沉积相带上,砂体成因多样,既有三角洲前缘水下分支河道砂体,又包括河口砂坝、远砂坝等。由于海平面周期性的升降,三角洲前缘砂体前积、叠加,加之受海浪及沿岸流的改造作用,使得砂体连通关系复杂,储层砂体整体上呈透镜状或条带状展布。

1.3 非均质性评价

平面上,研究区中部砂体最为发育,西部和东部砂体发育较差,砂体分布横向变化快,砂体间连通性差,延伸范围有限,平面展布面积较小,砂体呈条带状和椭圆状分布形态。

纵向上,研究区储层C5A与C5B之间隔层由C5A下部的泥质粉砂岩和泥岩组成,含少量的粉砂岩,厚度在15～35 m之间,平均厚度21 m,能够阻挡流体的运移和聚集。C5B与C5C之间的隔层由C5B下部的泥质粉砂岩和泥岩组成,厚度较小,平均厚度约为5 m,对流体的运移和聚集具有一定的阻挡作用。

井壁取芯化验分析结果表明DC区块储层属于高孔高渗储层。孔隙度分布范围为17.0%～35.6%,峰值约为24%;渗透率分布范围较广,样品数据点大多数分布在20～3 900 mD,平均渗透率约为1 500 mD。

2 井震结合地质建模

地质模型是油藏描述的一种表征方式,它能够精细表征储层空间结构和储层属性特征[6]。DC区块油水关系复杂,储层横向变化快,钻井主要沿构造长轴南北方向呈条带状分布,因此建立这种不规则稀井网下的油藏三维地质模型难度很大。针对该区块的实际特点,在开发地质综合研究的基础上,结合地质、测井、地震等资料,利用地震的横向分辨率高的优势和钻井的纵向分辨率高的优势,同时应用地质统计学,分析属性参数的空间相关性,大幅提高了三维地质模型的精度。

2.1 构造模型

小层对比与地震解释相结合建立研究区构造模型,主要采用了2类数据:① 地震精细构造解释的C5C1和C5C2顶面构造图和断层多边形;② 已钻井的地层划分和小层对比结果。对模型中的地层界面采用地震解释层位的构造趋势进行约束,并通过小层对比结果进行校正,不仅使模型的构造与钻井数据达到完全符合,而且展现了构造在平面和垂向上正确的叠置形态。研究区构造模型如图1所示,模型边界为商业开发区边界,研究区内发育一条近南北向的高角度正断层。

图1 构造模型

从图1可以看出,DC区块构造整体上呈东高西低的趋势,在主要钻井区,构造呈南北走向的“脊”型分布,具有中间高、两侧低的特点; “脊”的东侧构造下降幅度大于西侧,这主要是由于该地区受来自西侧海水的冲刷与回流作用,砂体缓慢被带向海的一侧,使得坝前砂体构造变化缓;由于坝顶的屏障作用,坝后砂体受海水的改造作用弱,构造较陡。构造模型进一步验证了该地质认识。

2.2 岩相模型

单井相与均方根振幅属性体相结合建立岩相模型。由于不同沉积微相内孔渗等属性参数的展布特征是不相同的,因此相约束建模是十分必要的[7]。由于研究区平面上沉积微相研究成果较少,建立沉积微相模型难度较大,但是地震资料较为丰富,经钻井分析,该区地震均方根振幅属性体一定程度上能够反映该区砂体分布情况,因此采用均方根振幅属性体作为地震约束来模拟岩相模型。

本次地震数据约束储层岩相建模的关键是建立砂、泥岩的空间概率分布模型。概率是本次建模中井震结合的关键参数,深度域的地震均方根振幅属性体经过归一化后再转换成砂、泥岩空间分布概率模型,砂岩概率分布模型如图2所示,泥岩概率分布模型如图3所示。

图2 砂岩概率分布

图3 泥岩概率分布

纵向上以单井岩相划分成果为硬数据,平面上以砂、泥岩空间分布概率模型为软数据进行序贯指示模拟,得到岩相模型,如图4所示,从而实现在平面沉积微相资料不足的情况下,应用钻井纵向分辨率优势和地震横向分辨率优势，建立能够较好地反映研究区砂、泥岩分布的岩相模型,为下一步相控属性建模奠定基础。

平面上,区域背景研究者认为亚诺斯盆地整体的物源方向为自东向西,但从图4中可以看出砂体大体上呈北东南西向分布,这主要是由于后期受到沿岸流及海浪的改造作用;垂向上,在C5C1小层,只有少部分井钻遇砂岩;在C5C2小层,研究区南部,砂岩大套发育,研究区北部,砂岩在C5C2层上部较发育,下部未发育。岩相模型可为寻找有利砂体提供依据。

图4 岩相模型

2.3 属性模型

测井解释与波阻抗体相结合建立属性模型。储层属性模型是地质模型的核心,是以三维参数体的形式反映储层内孔隙度、渗透率等参数的空间分布特征[8]。

2.3.1 变差函数分析

地质统计学能够再现数据的空间变化特征,它是基于使用变差函数进行数据内插的方法,而变差函数是反应储集层非均质性和各向异性的最重要的参数[9]。因此,属性建模前首先对储层参数进行数据变换和变差函数分析,并且分层、分相单独进行分析。

平稳变差函数模型主要有4种:球状模型、指数模型、高斯模型和立方模型。需要根据数据连续性的强弱优选合适的变差函数模型。经过数据分析,该研究区属性参数的变差函数与指数模型最接近。C5C1和C5C2小层的砂岩孔隙度变差函数分析结果见表1所列。

表1 孔隙度变差函数分析结果

变差函数图中,一个基台的出现表明在该基台值对应的变程范围内属性参数具有连续性,超过此变程数据连续性变差。C5C2小层砂岩孔隙度垂向数据分析的变差函数图如图5所示,从图5可知垂向上数据具有多次连续性,反映到地质特征上即为垂向上多套砂体叠加沉积,这在已钻井中得到证实,如图6所示。图6为DC3井的测井曲线,左侧为自然伽马曲线,右侧为电阻率曲线,测井曲线显示垂向上2期砂体沉积。因此,地质统计学分析结果验证了地质认识,基于地质统计学的地质建模能够较真实地反映地下储层参数空间展布形态。

图5 垂向数据变差函数分析图

图6 DC3井实钻测井曲线

2.3.2 储层参数建模

储层参数模型包括属性参数(净毛比、孔隙度、渗透率)模型和流体参数(饱和度)模型[10]。经钻井分析,研究区的波阻抗反演地震数据体一定程度上反映了属性参数的分布规律,特别是孔隙度的分布。因此,将测井解释数据离散化后,调用变差函数分析结果,利用波阻抗体作为约束条件,采用地质统计学中连续型参数随机实现目前最成熟的算法——序贯高斯模拟方法,建立不同岩相控制下的储层参数模型,这是一种确定性建模和随机性建模相结合的方法,因此可以实现多次模拟,且每次模拟计算的模型都是等概率的。为了降低地质模型的随机性和不确定性,本次建模中通过对多个等概率随机模拟模型做统计分析,采用合适的计算方法最终得到最佳的模型。

首先以波阻抗反演地震数据体为协克里金约束条件,调用变差函数分析结果,通过序贯高斯随机模拟方法生成了50个岩相模型约束下的等概率净毛比模型,对50个等概率净毛比模型进行算术平均得到最终的净毛比模型。以净毛比模型和波阻抗反演体作为协克里金约束条件,通过序贯高斯随机模拟方法生成50个等概率相控孔隙度模型,对50个模型进行算术平均后再做平滑,得到最终的孔隙度模型,如图7所示。

图7 孔隙度模型

统计孔隙度与渗透率相关性,以孔渗相关系数为协模拟因子,这样以孔隙度模型作为协克里金约束条件,测井解释的渗透率数据为确定性条件,采用序贯高斯同位协同随机模拟的方法,计算生成50个等概率渗透率模型。由于渗透率变差函数分析时对数据分布进行了对数变换,因此对50个模型反对数变换后再进行调和平均,得到最终的渗透率模型,如图8所示。

图8 渗透率模型

最后,在数据分析的基础上,结合油水界面分布,通过克里金插值方法建立了地质模型的饱和度场,如图9所示。

图9 饱和度模型

2.4 模型较验

通过模型校验来检验地质模型的质量,将其不确定性控制在一定范围内,这样地质模型才能有实际应用价值[11]。

2.4.1 概率分布一致性校验

根据统计概率约束原则,各属性参数模拟实现的概率统计与数据离散化至三维网格后的概率统计以及原始测井曲线的概率统计应保持一致[12]。对DC区块各属性参数进行概率统计分析,结果表明模拟结果与原始数据的吻合程度较高。孔隙度的统计结果见表2所列。从表2可以看出孔隙度的模拟实现与数据离散化、原始测井解释数据分布规律基本一致,说明孔隙度模拟实现保持了储层原始参数的分布特征,真实反映出储层属性参数的空间变化规律,模拟实现精度较高。

表2 孔隙度分布统计 %

2.4.2 储量复核

在上述地质模型的基础上,计算原始地质储量为27.59×107桶。地质人员实际核算储量为26.83×107桶,两者相对误差为2.8%,在误差允许范围之内。

3 模型应用

在地质模型基础上生成的储量丰度图对井位设计具有实际指导意义,本次建模的储量丰度如图10所示。从图10可以看出,地质储量主要集中在“脊”型条带内,且在“脊”型条带的中部位置储量丰度最高,“脊”型条带两侧储量丰度较低。因此可以得出,该研究区甩开“脊”型条带钻井风险较大。

图10 储量丰度图

在该地质模型指导下,2015年4月在研究区内新钻DC6井,目的层平面位置位于DC5A井南侧,“脊”型条带中间位置。DC6井目的层段实际测井解释孔隙度曲线(黑粗线)和模型预测孔隙度(填充条带)对比如图11所示,从图11可知模型预测和实测吻合度较高。通过统计计算,模型预测准确度为88.9%。

DC6井于2015年5月开始试采,投产初期日产油1 024桶,含水7.8%,属于研究区内的高产油井,取得良好的开发开采效果。

图11 DC6井预测孔隙度和实测孔隙度对比

4 结 论

本文结合区域地质认识和前期地质研究成果,通过井震结合方法建立了研究区高精度三维地质模型,得到以下结论:

(1) 通过钻井分层数据和地震精细构造解释相结合建立了研究区构造模型,构造模型成果进一步验证了地质认识。

(2) 通过单井岩相划分和地震均方根振幅属性体相结合建立了研究区岩相模型,岩相模型为寻找有利砂体提供了依据。

(3) 在变差分析基础上,通过测井解释和波阻抗体反演地震数据体相结合建立了岩相模型控制下的储层参数模型。其中属性模型之间逐次进行协克里金约束,并且在多次等概率实现后通过统计计算得到可靠性最高的模型。

(4) 模型校验结果表明地质模型质量较高。储量丰度图对于开展钻井井位设计具有实际指导意义,在该地质模型基础上的钻井获得成功。

[1] 朱毅秀,刘洛夫,金强.亚诺斯盆地油气地质特征及有利区带预测[J].新疆石油地质,2004,25(1):110-113.

[2] 刘亚明,张春雷.哥伦比亚油气地质与勘探[J].石油实验地质,2011(3):226-232.

[3] 冯方,王晓杰,吕本勋,等.亚诺斯前陆盆地MM油田成藏规律及成藏模式[J].吉林大学学报(地球科学版),2015,45(5):1269-1277.

[4] 冯方,王晓杰,胡俊峰,等.南美洲Llanos盆地Dorotea区块岩性-构造油藏勘探开发技术与实践[J].中国石油勘探,2015,20(3):79-88.

[5] 徐佑德,肖永军,刘汝强.松辽盆地长岭断陷火山岩储层识别与预测[J].合肥工业大学学报(自然科学版),2010,33(8):1230-1233.

[6] 王志章.现代油藏描述技术[M].北京:石油工业出版社,1999:78-79.

[7] 吕坐彬,赵春明,霍春亮,等.精细相控储层地质建模技术在老油田调整挖潜中的应用:以绥中36-1油田为例[J].岩性油气藏,2010,22(3):100-105.

[8] 霍春亮,古莉,赵春明,等.基于地震、测井和地质综合一体化的储层精细建模[J].石油学报,2007,28(6):66-71.

[9] 赵延静.复杂油藏地质建模及其模型验证[D].东营:中国石油大学,2010.

[10] 穆剑东,董平川,赵常生.多条件约束储层随机建模技术研究[J].大庆石油地质与开发,2008,27(4):17-19.

[11] 陈建阳,于兴河,李胜利,等.多地震属性同位协同储集层地质建模方法[J].新疆石油地质,2008,29(1):106-108.

[12] 王赞惟,毕建军,包凤.井震联合随机建模在敖南地区的应用[J].大庆石油地质与开发,2009,28(2):37-39.

(责任编辑 张淑艳)

3D geological modeling with well and seismic data of DC block in Llanos foreland basin

WANG Huan1,2, FENG Fang2, MA Caiqin2, LI Shuijing2

(1.School of Energy Resources, China University of Geosciences(Beijing), Beijing 100083, China; 2.Sinopec International Petroleum Exploration and Production Co., Ltd., Beijing 100191, China)

DC block, with low amplitude structure and small oil-bearing area, is located in the eastern slope of Llanos foreland basin in South America. The reservoir changes fast in horizontal direction, and it is difficult to describe the reservoir characteristic. In this paper, the underground geological condition was recreated by modeling combining well and seismic data. Based on the seismic structure interpretation and layer division data, the structure model was made. The structure model showed that the structure was becoming higher from west to east, and in the main drilling area, there was a north-south “ridge” shape. By the function of waves and longshore current transformation, the structural decline on the east side was faster than that on the west side, which further strengthened the geological understanding. Based on the structure model, taking the longitudinal advantages of well logging and lateral advantages of seismic data, using single well facies as hard data and sand/shale probability distribution model calculated from seismic RMS attribute as soft data, the lithofacies model was established using sequential indicator simulation. The lithofacies model provided the basis to find favorable sand body in the next step. Based on the geostatistics analysis and seismic wave impedance constraints, reservoir parameter models under the control of lithofacies were set up using sequential Gaussian random simulation technology. Every parameter model was constrained successively, and the final property models with highest reliability were obtained after the calculation of several equal-probability models. Model calibration results showed that the geological model was in high quality, and the reserves abundance map was given, which gave the proposal for the drilling well location. Drilling on the basis of this 3D geological model was successful. This geological modeling process and understanding had a certain reference value to the exploration and development of the similar reservoirs in this basin.

geological modeling; seismic constraint; variation function; stochastic simulation; Llanos basin

2016-05-16；

2017-04-17

中国石油化工集团公司科技攻关资助项目(JP08014)

王 焕(1986-),女,山东泰安人,中国地质大学(北京)博士生,中国石化集团国际石油勘探开发有限公司工程师.

10.3969/j.issn.1003-5060.2017.05.020

P618.130.21

A

1003-5060(2017)05-0673-06