地质建模在X73 油区长3 油藏的应用

2022-01-18刘昱柏金心岫

石油化工应用 2021年12期

常强，刘昱柏，金心岫

（1.西安石油大学石油工程学院，陕西西安 710065；2.中国石油长庆油田分公司第二采油厂，甘肃庆阳 745113）

储层地质建模是一种有效的表征储层属性及特征在三维空间分布规律的手段[1]。通过储层地质建模可以建立储层格架，对储层的物性进行评估，预测优质储层的空间展布[2]，为剩余油预测奠定良好基础，在指导油田开发中具有重要价值。通过对整个研究区采用确定性建模与随机性建模相互结合的建模方法，借助变差函数调整岩相模型和属性模型，建立一套能够准确反映储层基本构造形态、构造关系以及储层物性参数展布规律的数字化地质模型。近年来，该分析领域技术发展迅速，广泛应用于我国油田生产开发阶段的精细储层物性参数建模和储层数值分析模拟，是我国油藏精细储层描述的技术核心。

1 研究区概况

研究区位于西峰油田X73 油区长3 油藏，北起H63-79 井，南至H78-51 井；东起H76-74 井，西至H50-51 井。主力开发层系为长3 层，动用含油面积为16.83 km2，动用地质储量2 064.2×103t，可采地质储量393.46×103t，油层厚度12.9 m，平均孔隙度15%，平均渗透率8.7×10-3μm2，属于低孔低渗透油藏，储层非均质性强，物性差。对研究区的物源进行分析和判断，认为主要来自于研究区的西南部。

2 三维地质建模

2.1 构造模型

三维构造模型包括层面模型和断层模型，不仅能够让研究人员直观地了解到储层的空间分布特征，还能从该模型获得地层内部不同部位的构造特征。地层构造模型是依据井点资料，采用确定性建模方法，由井点数据、井斜数据以及分层数据所建立的叠合层面模型，即首先通过克里金插值法，形成各个等时层的顶、底层面模型，然后将各个层面模型进行空间叠合，建立构造格架[3]。

根据X73 油区的实际地质条件，在现有测井和地质分层等资料的基础上，建立研究区的地层层面模型，共6 个层面，分别为C311顶，C311底，C312底，C313底，C321底，C322底。由于6 个层面的地层构造大致相同，因此笔者以层面C311顶进行分析（见图1）。由图1 分析可得，研究区地层构造较为平缓，在西南部以及西部区域共发育两个鼻状隆起构造，这有利于原油富集。该构造面的形成可能是由于沉积过程中地层间不同部位沉降幅度和沉降速度的差异所造成的，这些鼻状构造和研究区的原油分布有着密切关系，部分位于鼻状构造区域的井点。由于研究区地层不存在断裂发育，因此不需要建立断层模型。构造模型的建立为后期岩相建模和属性建模提供了有价值的模型依据。

图1 C311 顶层面模型Fig.1 C311 top level model

2.2 岩相模型

建立岩相模型的方法主要有三种，即泥质含量门限值法、储层参数截止值法和序贯指示法[4]。第一种和第二种为连续模拟方法，该方法可以将各种来源不同的数据综合起来，以此做多变量的联合模拟，获得更加接近实际地质情况的模型。第三种为离散模拟方法，非均质性强的低渗透岩相模拟用这种方法效果比较好[5]。

该模型是以建立泥质含量模型为基础，采用泥质含量门限值法，以泥质含量60%作为临界值，小于60%定义为砂岩，否则为泥岩，从而建立岩相模型（见图2）。其中，图2 中黄色区域表示砂岩区域，蓝色表示泥岩区域。该模型直观地刻画和描述了单一岩相的横向和纵向的相互关系及其展布特征，反映了长3 各砂层组砂体厚度分布稳定，整体呈片状分布，分布连续以及分布面积大的特点。由模型可得出该研究区储层砂体的厚度大致分布在8～30 m，平均厚度16.4 m；砂岩在整个模型中的占比为44.79%，泥岩为55.21%。选取南北方向部分井点做岩相模型的井间剖面图，分析表明，模型中砂体的厚度和连续性与该软件绘制的井间剖面图基本一致，证明该模型砂体的分布特征符合目前的地质认识。

2.3 相控属性建模

储层三维建模的最终目标是属性模型的建立[5，6]，利用该模型能够明确物性参数在储层空间内的展布规律，并分析得到研究区的非均质性特征。属性模型的建立以单井测井数据为硬数据，采用岩相、沉积微相及流体模型模型相控，应用协同序贯高斯模拟算法来实现[1，7]。本次建模通过相控建立了孔隙度模型和渗透率模型，依据这两个模型再结合相关的地质资料来分析油藏的油水分布规律。

2.3.1 孔隙度模型研究区井网密集，井距小，井间孔隙度连续，孔隙度数据整体呈现较好分布特征，为了充分反映孔隙度的这一特征，孔隙度模型的建立采用序贯高斯模拟。运用岩相模型对属性模型进行约束和扁平化，使孔隙度模型（见图3）在地表和垂向上与地质资料一致，栅状图（见图4）。研究区孔隙度的平均值为14.47%，最大值为41.94%。其中，由图3、图4 分析可得，在研究区的南部、西北部、西南局部以及横穿东西的中部局部地区出现孔隙度较大的特征，孔隙度的值主要分布在18%～22%；研究区的中部以及东部局部地区孔隙度值中等，孔隙度的值主要分布在12%～16%；绝大部分研究区的孔隙度都比较小，孔隙度的值主要分布在0.1%～13%。

图3 孔隙度模型Fig.3 Porosity model

图4 孔隙度栅状图Fig.4 Porosity raster diagram

2.3.2 渗透率模型在测井储层解释分析过程中，充分认识并得到测井储层的深度渗透率分析数据与孔隙度密切交互相关。因此，在孔隙度序贯高斯深度模拟的数据基础上，利用孔隙度的深度模拟协调性和采用成因单位的砂体自动控制技术生成储层渗透率分析模型（见图5），保证储层渗透率与孔隙度的密切相关性，栅状图（见图6）。研究区渗透率的平均值为30×10-3μm2，最大值为100×10-3μm2。其中，由图5 和图6 分析可得，在研究区的南部、西北部和西南局部以及中部地区的东西横向方向局部地区出现孔隙度相对较大的特征，渗透率的值大于10×10-3μm2，绝大部分地区的渗透率值分布在（1～10）×10-3μm2，这与研究区是低渗透油藏的特点完全吻合。

图5 渗透率模型Fig.5 Permeability model

图6 渗透率栅状图Fig.6 Permeability raster diagram

最后，通过分析X73 油区长3 油藏储层的孔隙度模型和渗透率模型，结果表明，研究区孔隙度条件和渗透率条件较差，储层孔隙度和渗透率整体的展布方向为北向和北西-南西向。

2.4 属性模型验证及分析

由于所建立的模型是采用确定性建模和随机性建模相互结合的方法，模型的准确性就不一定可靠，储层的不确定性也就相应增大，不能进行实际应用，因此需要对模型进行模拟验证。在建模完成后需要结合地质事实对模型的符合率和准确度分别加以验证和分析，以确保模型的可靠性。模拟参数与原始数据统计特征的一致性可以反映储层统计参数与模型输入参数分布的一致性，通常通过这二者的频率分布直方图进行对比检验[4]（见图7）。由图7 分析可得，渗透率和孔隙度这两者的模拟数据及原始数据在整体分布形态和数据分布频率上相接近，这表明该属性模型误差较小，具有很好的吻合性。当然，模拟数据与原始数据之间务必会存在一定的误差，这些误差在一定程度上正好反映了三维空间上储层的差异性。