基于地化参数的页岩油储层孔隙度解释模型研究

张庆国黄莹双张容基张钰威赵小青

(1.东北石油大学 地球科学学院,黑龙江 大庆 163318;2.大港油田第三采油厂,河北 沧州 061723;3.非常规油气成藏与开发省部共建国家重点实验室培育基地,黑龙江 大庆 163318)

0 引言

随着世界经济快速发展,常规油气已不能满足日益增长的能源需求,非常规能源越来越受到重视。页岩油相对容易开采且目前加工工艺成熟,其用途广泛,是最现实的接替能源之一[18]。但页岩的储集空间以纳米级孔隙为主,局部发育微米、毫米级孔隙和裂缝,孔隙连通性差。孔隙度是储层物性评价的重要参数之一,页岩油储层内的有机质孔隙是目前研究的热门。有机质孔隙具有亲油性,一般不含水,是页岩油气的重要储存场所,由于有机质孔是由有机质生烃形成,有机质的类型和成熟度对有机质孔隙的形成至关重要,较高的成熟度与易生油的有机质有利于有机孔隙的形成。

目前,国内外学者提出许多有针对性的页岩储层孔隙度预测和计算方法。张晋言[9]提出采用常规泥质砂岩体积模型,利用三孔隙度算法,将干酪根的存在做类似泥质校正的方法进行有效孔隙度的计算;张琦斌[10]通过岩石物理建模的方式定量研究页岩储层参数与弹性参数的关系,通过开发基于岩石物理模型的井中反演流程计算有效孔隙度;张冰[11]在贝叶斯框架下基于统计岩石物理模型,应用地震数据进行页岩储层物性参数反演;王昕旭[2]利用偏最小二乘回归对孔隙度进行预测。以上方法均取得了良好的效果,但在页岩油储层的孔隙度计算中,对于干酪根的存在是不可忽略的。由于页岩油储层中的干酪根性质与流体性质类似,导致核磁共振测井(NMR)不能良好反应干酪根内部孔隙度;页岩油储层为自生自储型,其干酪根的密度大约为1.3 g/cm3[12],而页岩骨架的密度大约为2.45～2.55 g/c m3,因此干酪根的存在会使密度测井曲线存在低值,并且有机质的类型和成熟度均会对干酪根的密度造成影响;干酪根还具有高的含氢指数和声波时差,因此采用常规的三孔隙度曲线对页岩油储层进行孔隙度求取的方法并不适用。

综上所述,页岩储层采用核磁共振测井、密度测井和常规的三孔隙度的方法,都不能有效地反馈干酪根内部孔隙度的问题。该研究以松辽盆地北部陆相页岩油储层P层组为研究对象,提出了一种动态求取地化参数的孔隙度测井解释模型,排除了干酪根内部孔隙度对于有效孔隙度的影响,提高了孔隙度解释模型的精度,对今后研究陆相页岩油储层的孔隙度解释具有重要意义。

1 页岩油储层孔隙度解释模型

该研究采用PIEDRAHITA J A 和AGUILERA R[13]提出的页岩油储层孔隙度计算模型,结合密度和核磁共振测井资料以及岩石热解的地化参数,实现了页岩油储层孔隙度解释模型。核磁共振测井以氢核与外加磁场的相互作用为基础,只对氢核产生的核磁共振信号进行观测,测量没有骨架影响的流体孔隙[14]。虽然中子测井也测量含氢指数,但是两者在对储集层的响应特征方面却大不相同:1)NMR对核素有选择性,NMR 测井只观测氢核;而中子测井还受到其他强散射与吸收元素(如氯和一些稀土元素)的影响;2)中子测井观测到的是所有的氢核,包括结晶水中的氢;而NMR测井观测的只是所有岩石孔隙流体中的氢,包括黏土束缚水、毛管束缚水以及孔隙中的可动流体;3)NMR 测井中无挖掘效应的影响,因此,NMR测井比中子测井能更好地指示岩石的孔隙度。岩石物理模型如图1所示。

图1 页岩油储层孔隙度解释模型Fig.1 Porosity interpretation model for shale oil reservoirs

此模型将页岩储层体积分为4个主要的部分:黏土体积Vcl;岩石骨架体积Vma;有效孔隙度φ;干酪根体积Vk(由固体干酪根部分Vks和干酪根内部的有机孔隙度φk组成)[13]。孔隙度φ包括骨架孔隙度φm和裂缝孔隙度φ2,但此模型的孔隙度还可以表达为毛细管束缚水孔隙度φBVI和自由流体孔隙度φFFV。

式中:TOC为总有机碳含量,%;ρB为密度测井测得的密度值,(g/c m3);Ck为考虑到干酪根不是由100%的碳组成[13],%;k为干酪根转换系数;ρk为干酪根的密度,(g/c m3)。

式中:Cc为CHENJ和XIAO X[15]考虑到自然埋藏过程中有机物压实作用的压实因子,0.33;f actor为系数,考虑到油气不是100%由碳组成,取0.85;TR为有机质的转化率[13],70%;IH为氢指数,指每克有机质中含有多少毫克烃,(mg/g)。

将式(2)～式(4)以及参数φSOBHCs=0.1%,Cc=0.33,f actor=0.85,TR=70%代入到式(1),得到页岩油储层孔隙度解释模型式(5),该模型基于地化参数,采取利用测井资料动态求取地化参数的方法,并结合有机质的类型和成熟度的影响,进而动态求取储层孔隙度。

2 页岩油储层地化参数求取

干酪根转化系数k和干酪根密度ρk这2个参数受到有机质成熟度和类型的影响,即有机质成熟度越高,干酪根转化为烃类物质就越多,干酪根内的碳含量就越少,因此k就越小。而Ⅰ型干酪根相比于Ⅱ,Ⅲ型干酪根具有更好的生烃潜力,因此成熟的Ⅰ型干酪根具有相对较低的密度ρk和k。对于k和ρk这2个参数,目前常用的方法是赋其2个定值进行计算,这通常会使计算结果不够精确并且受人为因素的影响很大。该研究利用测井数据来建立有机碳含量TOC和镜质体反射率R0的频率分布图,分析TOC和R0的特征,确定有机质类型和成熟度来动态求取地化参数ρk,进而对松辽盆地北部的S1井和S2井的P层组进行孔隙度的求取。

2.1 干酪根转换系数k

总有机碳含量TOC是不考虑组成干酪根的其他元素的(如H,O,N,S等元素),因此把干酪根转换为TOC时,需要干酪根转换系数k来解释其他的元素。ZHANG H 等[16]通过对干酪根和TOC的定量分析,给出一个干酪根转换系数k与成岩作用阶段和有机质类型的关系。而关于有机质成熟度和成岩作用阶段的关系,大量学者通过研究沉积有机质演化的一般模式,证明了成岩作用时期的有机质成熟度一般是未成熟,晚成岩作用时期的有机质的成熟度一般是低成熟、成熟、过成熟[17-19],据此该研究给出干酪根转换系数与有机质成熟度和有机质类型的关系,如表1所示。

表1 干酪根转换系数Table 1 Kerogen conversion coefficient

2.2 干酪根密度ρk

干酪根密度ρk受到有机质成熟度和类型的影响,Ⅰ型干酪根具有最好的生烃潜力,Ⅱ型和Ⅲ型干酪根次之,生烃潜力越强的干酪根的密度越小,是因为在高温裂解时,可产生比其他类型干酪根更多的挥发性和可抽提组分[20]。图2所示是KINGHOM R R F[12]给出的干酪根密度与有机质类型和镜质体反射率R0的关系示意图。

为求取干酪根密度ρk,可以利用图2干酪根密度与干酪根类型和镜质体反射率关系中干酪根密度的边界,通过surfer软件数字化将其数据点提取出来,并对数据点进行分段拟合。干酪根密度边界公式如表2所示。

图2 干酪根密度与干酪根类型和镜质体反射率的关系Fig.2 Relationship bet ween kerogen density andkerogen type and vitrinite reflectance

表2 干酪根密度边界公式Table 2 Kerogen density boundary for mula

2.3 有机质类型

目前应用测井资料对有机质类型进行分析的方法一般是通过氢指数和最大热解峰温Tmax交汇来识别有机质的类型,Tmax可以通过后文的方法进行求取。该研究采用邬立言[23]的三分法有机质类型划分图版,即Ⅰ型干酪根(腐泥型)、Ⅱ型干酪根(混合型)、Ⅲ型干酪根(腐质型),如图3所示。TOC的增加裂解烃含量也增加,对应的氢指数也增加,表示松辽盆地北部S1井和S2井的源岩生油的物质基础好,有机物向石油转化程度高。

图3 由氢指数IH和Tmax划分有机质类型图Fig.3 Classification of organic matter types by hydrogen indexIHandTmax

图4 裂解烃含量S2与TOC相关性示意图Fig.4 Correlation diagrambet weenS2andTOCof cracking hydrocarbon content

2.4 有机质成熟度

油气虽然是有机质生成的,但有机质并不等于油气。从有机质到油气需要经过一系列的地球化学变化。衡量这种转换程度的参数为成熟度指标,当有机碳的含量确定以后,有机质的成熟度就成了油气产量的重要因素,常用镜质体反射率R0和最大热解峰温Tmax等作为成熟度的指标[10]。该研究采用松辽盆地有效烃源岩识别标准对有机质成熟度进行分析[24],如表3所示。

表3 松辽盆地有效烃源岩判识标准Table 3 Identification criteria of effective source rocks in Songliao Basin

2.4.1 镜质体反射率

镜质体反射率不受成分的变化,与有机质成熟度间有良好的相关性,又易精确测定[20],R0随着热演化程度的加深而变化明显,并且埋深越大,其值越大,因此测井上通常利用地球化学分析值与其对应深度建立关系式间接求取R0[10]。通过图5分析可得,当达到一定深度时镜质体反射率增加不明显,说明生成烃已排出。

图5 镜质体反射率R0与深度关系示意图Fig.5 Schematic diagramof the relation bet ween vitrinite reflectanceR0andDepth

镜质体反射率R0与深度建立的关系如下:

式中:Depth为岩心取样点的深度,m。

2.4.2 最大热解峰温

正常情况下,最大热解峰温Tmax是仪器记录裂解烃S2峰值时的温度。一般求取Tmax时是通过岩心分析的Tmax与深度建立定量关系,由于S1井和S2井的Tmax与深度无明显的相关性,因此利用研究区S1井和S2井的99块岩心热解分析数据建立Tmax与TOC之间的关系,选取其中与Tmax相关性最高的TOC进行拟合,得到最大热解峰温Tmax和总有机碳含量TOC的模型公式(见式(9))及相关示意图(如图6所示)。通过分析可知Tmax与TOC成正比,随着总有机碳含量TOC的增加最大热解峰温Tmax也升高,表示当温度升高时,松辽盆地北部S1井、S2井转化为烃的有机碳含量多,生油条件好。

图6 最大热解峰温Tmax与TOC关系示意图Fig.6 Schematic diagramof relation bet weenTOCand maximumpyrolysis peak temperatureTmax

2.5 地化参数k和ρk的求取

由于干酪根转化系数k和干酪根密度ρk这2个参数受到有机质类型和成熟度的影响,所以通过确定有机质类型和成熟度,对k和ρk进行求取。

利用该区S1 井和S2 井的测井数据来建立TOC的频率分布图,从而分析有机质类型。图7所示为总有机碳含量TOC的频率分布情况,可以看出,TOC为0.089%～6.772%,平均值为2.608%时,以1%～4%区间为主,占89.34%,为较好烃源岩[26];通过式(6)～式(7)可以得到IH的主要取值区间为355.480 0～426.032 5 mg/g,利用式(9)可以计算Tmax的主要取值区间为428.890 0～447.784 8℃,结合IH和Tmax的范围,通过图3可以看出,S1井和S2井的有机质类型为II型。根据研究区S1井和S2井的102块岩心热解数据分析,母质类型为Ⅰ型的有14块,Ⅱ1型的为78块,Ⅱ2型的为10块,母质类型主要为Ⅱ1型,因此测井分析的结果与岩心分析的结果均有很好的一致性。

图7 总有机碳含量TOC的频率分布图Fig.7 Frequency distribution ofTOCof organic carbon content

通过该区S1井和S2井的测井深度的变化,使用式(8)可以动态得到S1井和S2井的R0数据,并建立R0的频率分布图,如图8所示,从而分析有机质成熟度。可以看出,镜质体反射率R0为0.880%～1.087%,平均值为0.980%,主要区间为0.90%～1.07%的占73.75%。依据表3数据可以看出,R0为成熟阶段,其源岩开始大量生油。根据图5数据统计分析,镜质体反射率R0为0.25%～1.27%,平均值为0.72%,主要区间为0.5%～1.2%的占83.91%,依据表3数据可以看出,R0为低成熟、成熟阶段,处于生油早期至生油高峰期,因此测井分析的成熟度与岩心分析的成熟度均有较好的一致性。

图8 镜质体反射率R0的频率分布图Fig.8 Frequency distribution of vitrinite reflectanceR0

综上所述,该区S1井和S2井P层组主要为低成熟、成熟阶段的II1型有机质,由表1干酪根转换系数可以看出,地化参数k为1.19;根据S1井和S2井的测井的深度变化,通过式(8)可以动态得到R0的数据,结合R0的数据,利用表2中Ⅱ型干酪根上下边界公式得到S1井和S2井的ρk的上下边界的数据,使用上下边界ρk数据之和的平均值动态求取ρk,求取的ρk用于孔隙度解释模型中,ρk为1.492～1.516 g/c m3,平均为1.5 g/c m3。

3 实例验证

根据地化参数k和ρk的求取,利用核磁共振和密度测井数据来动态求取核磁共振测井处理的总孔隙度φNMR、核磁共振测井处理的黏土束缚水孔隙度φCBW和密度测井的ρB,进而得到松辽盆地北部S1井和S2井P层组页岩储层孔隙度的测井解释模型;再结合岩心数据和测井数据对松辽盆地北部的S1井和S2井进行处理得到解释成果图并进行分析,利用岩心分析资料的实测值验证计算的有效孔隙度模型的准确性。

3.1 孔隙度解释模型

用核磁共振和密度测井数据来动态求取研究区S1井和S2井P层组页岩储层孔隙度的解释模型。其中,φNMR为核磁共振测井处理的总孔隙度,φCBW为核磁共振测井处理的黏土束缚水孔隙度,ρB为密度测井值,TOC为总有机碳含量,ρk的值是随着R0的测井数据变化而获取的。S1井的计算孔隙度值由S1井的φNMR,φCBW,ρB,TOC对应的测井数据和ρk求取的测井数据的变化而计算得到;S2井的计算孔隙度同S1井的计算孔隙度方法一样。

将式(6)、式(7)代入到式(5),得到孔隙度解释模型表达式为:

总之,通过测井数据动态求取地化参数ρk,TOC及核磁共振测井处理的孔隙度φNMR,φCBW和密度测井ρB,确定了研究区的页岩油储层孔隙度解释模型。

3.2 实例验证

利用上述孔隙度解释模型公式分别得到研究区S1井和S2井的计算孔隙度,结合岩心数据和测井数据对松辽盆地北部的S1井和S2井进行处理,处理成果如图9和图10所示。图中左数第5道分别为模型计算的有效孔隙度、核磁共振测井处理的总孔隙度、核磁共振测井处理的黏土束缚水孔隙度和有效孔隙度的岩心实测值。从图9可以看出,S1井在2 362.18～2 402.49 m时模型效果好,利用模型计算的孔隙度值与岩心孔隙实测值吻和度高,达到模型预期效果;在2408.48～2422.66 m段时模型效果差,孔隙度计算值大于岩心实测值,因为页岩储层内部结构复杂,黄铁矿、绿泥石等因素影响了孔隙度。从图10可以看出,S2井在2 069.0～2 131.7 m段时效果较好,但电阻率异常增大,表明此处为成熟烃源岩层或者烃源岩开始成熟并生成烃类流体。

图9 S1井有效孔隙度计算成果图Fig.9 Calculation results of effective porosity in Well S1

图10 S2井有效孔隙度计算成果图Fig.10 Calculation results of effective porosity in Well S2

对该区S1井和S2井计算孔隙度与岩心孔隙度数据进行分析对比,从图11可以看出,S1井和S2井的岩心实测孔隙度为0.976%～7.162%,平均值为4.095%,以2.5%～5.5%区间为主,占78.43%;模型计算的孔隙度为0.825%～8.741%,平均值为4.467%,以2.5%～6.5%区间为主,占84.31%。S1井和S2井的岩心实测孔隙度和模型计算的孔隙度吻合度较好,从图9和图10中也可看出二者的吻合情况。通过误差分析表明:S1井和S2井的岩心孔隙度实测值与模型计算的孔隙度平均相对误差为22.26%,小于30%,符合行业规定标准,说明此模型满足该研究区松辽盆地p层组页岩油储层孔隙度的要求。

图11 S1井和S2井的岩心与计算的孔隙度频率分布图Fig.11 Coreand calculated porosity frequency distribution of Wells S1 and S2

通过该区的S1井和S2井P层组页岩储层测井数据统计分析,核磁共振测井处理的总孔隙度φNMR为3.278%～19.008%,平均为10.706%,主要集中在7.5%～15.0%的占78.08%;核磁共振测井处理的黏土束缚水孔隙度φCBW为0.228%～13.495%,平均为6.219%,以2%～4%和8%～12%为主,分别占比33.30%和35.46%;经过对比分析两者与岩心实测孔隙度均不吻合。该研究中孔隙度计算模型与岩心数据吻合度较好且相对误差符合行业规定标准,而核磁共振测井与岩心数据不吻合,因此该区孔隙度计算模型比核磁共振测井计算孔隙度的精度高。

4 结论

1)研 究 区S1 井 和S2 井 的TOC为1.5%～3.5%,平均为2.608%;生成烃已排出,R0为0.90%～1.07%,平均为0.98%,生烃母质主要为低成熟、成熟阶段的II1型有机质,与岩心分析吻合。

2)通过研究区页岩储层模型计算的孔隙度值与岩心实测值对比:S1井和S2井的岩心实测值为2.5%～5.5%,平均为4.095%;模型计算值为2.5%～6.5%,平均为4.467%,两者吻合度较好。误差分析表明:两者平均相对误差为22.26%,符合行业规定标准,说明此模型满足该研究区松辽盆地P层组页岩油储层孔隙度的要求。

3)研究区S1井和S2井核磁共振测井处理的φNMR为7.5%～15.0%,平均为10.706%;φCBW为8%～12%,平均为6.219%,经对比分析两者与岩心实测值均不吻合;模型计算值与岩心实测值吻合度较好,与常规核磁共振测井计算孔隙度相比,孔隙度的解释模型具有更高的精度,因此使用此模型对陆相页岩油储层的孔隙度具有重要意义。