海上疏松砂岩储层综合评价

蔡 晖，刘建华，王 刚，杨 青，李思民，王 昭

(1.中海油(中国)有限公司天津分公司 渤海石油研究院，天津 300459；2.西南石油大学 地球科学与技术学院，成都 610500)

储层分类与评价是储层研究工作中的一项重要内容，随着油田研究的逐步深入，考虑的因素也越来越多，储层分类评价由定性研究转向定量研究[1]，所用的方法越来越多。地质经验法[2-8]依据研究区的地质特征和油田现场经验，确定评价分类标准，该方法在本地区适用性较强，但是缺少定量评价难以量化；层次分析法[9-12]是应用数学的方法将复杂的问题转换成两两比较的方法，但是层次分析法的主观性较强；灰色关联法[13-15]是目前常用的一种客观赋权的方法，但是数据预处理的方法不同，会导致最终的结果有偏差；熵权法[16-17]是根据数据的变异程度来对评价参数进行客观赋权，数据变化程度越大，权重系数越大，但是有时会与主观的地质认识产生偏差。P油田馆陶组的储层特征已有众多学者对其开展研究，但是主要在物源、沉积和成藏等方面[18-20]。随着油田开发的日益精细，建立一种符合疏松砂岩地质特征的储层评价方法十分重要。笔者基于众数理论、斯皮尔曼相关性分析改进灰色关联的分析方法，建立储层分类评价的标准，将馆陶组储层划分为4种储层，进而分析不同类型储层的孔隙结构特征及其对产能影响，为后期的油田精细开发提供依据。

1 研究区概况

P油田位于渤海海域的渤南低凸起东部[21]。主力油层发育于新近系馆陶组和明化镇组下段，纵向上共划分为13个油组和47个小层，油层厚度为63～151 m，含油面积大于50 km2[22]。馆陶组属于浅水辫状河三角洲沉积，明化镇组属于曲流河沉积[23]。研究选择主力含油储层馆陶组为目的层，研究区含油层段长，沉积时间跨度大，平面含油面积广，导致无论在层内还是层间，储层地质特征和储层微观特征均具有较强的非均质性。岩性以长石砂岩为主，储集空间以原生粒间孔为主，储层孔隙度平均为27%，渗透率平均为1 321×10-3μm2，属于高孔、高渗砂岩储层[24](图1)。

图1 P油田概况

2 储层分类评价

研究采用改进的灰色关联法，选取孔隙度、渗透率、中值半径、泥质含量、粒度中值、流动带指数、小层砂岩厚度7个参数，确定各评价参数的权重系数，进而得到储层的综合评价系数，利用该系数将储层划分成I、II、III、IV类。

2.1 评价参数的选取

研究通过系统聚类分析法优选具有代表性的几种参数，在构建原始数据矩阵后，对数据采取归一化处理，消除不同量纲数据对计算结果的影响，归一化公式为

(1)

采用经典的欧几里得距离法来计算不用参数之间的相似性，公式为

(2)

根据系统聚类的最终结果(图2)，最终选取孔隙度、渗透率、砂岩厚度、粒度中值、泥质含量、孔喉半径中值和流动带指数作为储层的评价参数。

图2 系统聚类分析图谱

2.2 改进灰色关联基本原理

灰色关联分析是常用的综合评价的分析模型，其原理是依据子序列与母序列曲线的相似程度来判断其联系的紧密程度，曲线越相似，序列之间的灰色关联度越高。该算法的优点是对样品数量没有要求，弥补了需要大量数据的数理统计方法的缺憾，而且计算量小，容易操作，不会出现量化结果与定性分析结果不符的情况。

在计算灰色关联度之前，要将参数进行预处理，将参数无量纲化。但是研究中发现，采取不同的无量纲处理方法对灰色关联的计算结果有很大的影响，基于此问题，研究采取一种基于众数和相关性分析的优选数据无量纲化处理的方法，改进了传统的分析模式。

2.2.1 确定分析序列

能反映系统行为特征的数据序列，称为母序列[25]，又称为参考数列、母指标。渗透率是储层特征的综合反映，因此，本研究定义岩心测试所得到的渗透率作为母因素。

影响系统行为的因素组成的数据序列，选取以上其余参数作为储层综合评价的子序列。

(3)

(4)

2.2.2 数据预处理

对母序列和子序列的数据要进行预处理，这样做一是去量纲化，使不同量纲的数据也能进行比较；二是可以缩小变量的范围，提高计算效率。目前常用的去量纲化处理方式如表1所示。

表1 常用无量纲处理方法

2.2.3 灰色关联度计算

关联系数表示第i个子序列与母序列在j时刻的关联程度，其表达式为

(5)

式中,εoi(j)为灰色关联系数；Δoi(j)=|X0(j)-Xi(j)|为j时刻母序列与子序列的绝对差；Δmax、Δmin分别为绝对差的最大值和最小值；ρ为分辨系数，取0.5[26]。

灰色关联度介于0～1之间，越接近1，表明该子序列与母序列越相似[27]，其表达式为

(6)

式中，ri,0(j)为灰色关联度;n为参数的个数；εoi(j)为灰色关联系数。

2.2.4 确定权重

将得到的灰色关联度结果进行归一化处理，得到各序列的权重系数，其表达式为

(7)

式中,ri,0为灰色关联度。

2.2.5 基于众数和斯皮尔曼相关性的灰色关联

在灰色关联法分析中，采取不同的量纲化方法会得出不同的灰色关联度排序，这让最终的储层分类结果让人很难信服。针对这一问题，采用基于频率排序法和斯皮尔曼相关性分析的方法优选量纲法，进而提升灰色关联分析法对储层微观非均质性定量评价的准确度[28]。

频数分布的方法，是基于众数理论，根据排序名次出现的频数情况进行排序。斯皮尔曼等级相关系数是衡量两个变量依赖性的非参数指标，当两个变量完全单调相关时，斯皮尔曼相关系数为+1或-1，相关性(ρ)越好越接近+1或-1。对于n个样本，其相关系数公式为

(8)

式中，di为第i种评价方法的排序号与参照排序号之差；n为评价对象的总数。

研究的具体步骤为：①采取5种量纲化方法求取相同数据的灰色关联度；②计算6个子序列在5种量纲方法下的排名频数的情况；③依据频率排序法确定6个子序列的最终排名，作为频数排序；④将频数排序和不同量纲法求取的排序情况进行斯皮尔曼相关性分析，优选最大相关性的量纲方法。

以P油田7口井548块样品的渗透率为母序列，基于频数统计排序法和斯皮尔曼等级相关系数，对无量纲的方法进行优化，确立储层评价划分的综合系数。

用5种无量纲方法以及灰色关联度的计算公式，求取各评价参数的灰色关联度(表2)，可以看出对评价参数采用不同的无量纲化处理方法，会得到不同的灰色关联度。

表2 不同量纲法下的灰色关联度

根据频数统计排序法，求取子序列在5种量纲法下的排序频数。以孔隙度参数为例，在5种无量纲法下，该参数的灰色关联度排序均没有排名第一(表2)，因此排名第一的频数记作0(表3)；在初始化法时，其灰色关联度排名是第二(表2)，因此排名第二的频数记作1(表3)；在标准差化、均值化和极差化无量纲法时，该参数的灰色关联度排序均排名第三(表2)，因此排名第三的频数记作3(表3)，以此类推，以众数理论确定的排序结果为频数排序(表3)。

表3 子序列频数统计

在得到子序列的频数统计基础上(表3)，提取5种无量纲化处理后各参数的频数排序情况，以众数理论确定排序结果作为参照排序(表4)。

表4 子序列排序结果

将表4中各参数在不同量纲化下的排序结果与参照排序进行斯皮尔曼相关性分析(式9)，相关系数分别为：极差化为0.88、极小化为0.14、均值化为1、标准差化为0.94、初始化为0.94。由此可见，均值化的相关系数最高，最终优选均值化无量纲方法，孔隙度、流动带指数、中值半径、粒度中值、泥质含量和砂岩厚度的灰色关联度分别为(表2)0.711、0.804、0.886、0.684、0.608、0.679。

基于众数理论和斯皮尔曼相关性分析，疏松砂岩储层品质的各影响因素的灰色关联度的强弱次序依次为：中值半径>流动带指数>孔隙度>粒度中值>砂岩厚度>泥质含量，可以看出，孔隙结构参数对储层品质具有显著影响，其次是粒度中值和砂岩厚度。

将灰色关联度进行归一化处理，计算出每种参数的权重系数，如表5所示。

表5 均值化无量纲的灰色关联度和权重系数

2.2.6 计算综合系数

将各评价参数进行无量纲处理后，乘以各参数的权重系数，再将各参数的权衡分数累加，得到储层评分，表达式为

储层评分(Q)=参数1×权重系数1+参数2×权重系数2+….

(9)

式中,参数是储层评价参数；权重系数通过表5获取。

2.2.7 确定分类界限

共提取145口井的采油井动态数据，计算每口井的综合评价系数，依据综合评价系数将研究区划分为Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类4类储层(表6)。

表6 储层分类界限

3 储层分类分布特征

通过应用改进的灰色关联算法，将各权重值乘以评价参数值再相加后可以得到储层综合评价图，然后在沉积相控的基础上，依据145口井的综合评价系数界限，对储层类别进行划分，从储层划分的结果来看(图3)，Ⅰ类储层主要呈点状分布，在工区西部发育较好，Ⅱ类储层呈连篇状分布，是面积最大的储层类型，Ⅲ类和Ⅳ储层主要分布在Ⅱ类储层的边部，也有一部分分布在Ⅱ类储层之中。Ⅰ类储层占比26%(图3)，岩石颗粒最粗，泥质含量少，孔喉结构最好，多为厚度较大的分流砂坝和主河道沉积。孔隙度为28.1%～39.4%，平均值为33.2%，渗透率平均值为2 000×10-3μm2，粒度中值一般大于200 μm，泥质含量平均值为15%，单层有效厚度一般大于10 m，孔喉半径为10 μm，流动带指数一般大于7。Ⅱ类储层占比为35%(图3)，岩石颗粒较粗，分布面积最广，多为分支河道沉积。孔隙度为23.2%～33.6%，平均值为27.4%，渗透率平均值为800×10-3μm2，粒度中值一般大于170 μm，泥质含量平均值为24%，单层砂岩厚度为5～10 m，孔喉半径的平均值为5～10 μm，流动带指数一般大于5。Ⅲ类储层占比为21%(图3)，孔喉结构较差，多为席状砂和河道末端沉积。孔隙度为18.5%～30.1%，平均值为25.0%，渗透率平均值为500×10-3μm2，粒度中值一般大于150 μm，泥质含量平均值为30%，单层砂岩厚度为3～5 m，孔喉半径为3～5 μm，流动带指数一般大于4。Ⅳ类储层占比为18%(图3)，孔喉结构最差，多为席状砂和河口坝沉积。孔隙度为15.7%～28.5%，平均值为20.1%，渗透率小于200×10-3μm2，粒度中值一般大于80 μm，泥质含量平均值为50%，单层砂岩厚度一般小于3 m，孔喉半径小于3 μm，流动带指数小于2。

图3 储层分类平面图

4 储层孔隙结构特征

不同类型的储层受到沉积、构造和成岩演化的影响，具有不同的孔隙结构特征。通过对30块典型岩心的高压压汞实验，识别出4种典型的毛管压力曲线和铸体薄片，可以看出不同类型储层的孔隙结构具有明显的差异性(图4)。

图4 不同类型储层特征

(1)Ⅰ类储层。该类储层是研究区馆陶组最好的储层类型，沉积微相类型以分流砂坝为主，具有最低的排驱压力(0.02 MPa)、最大的孔喉半径中值(12 μm)和最低的分选系数(3.1)。与其他类型储层相比，Ⅰ类储层的压汞曲线的水平台更长、更低，表明储层质量最好，孔喉结构均匀。

(2)Ⅱ类储层。该类储层的沉积微相类型以河道主体为主，具有较低的排驱压力(0.03 MPa)，较大的孔喉半径中值(6 μm)，与Ⅰ类储层相比，水平台较短且高。

(3)Ⅲ类储层和Ⅳ类储层。Ⅲ类和Ⅳ类储层的沉积微相类型以分流河道末端和席状砂为主，具有最高的排驱压力(0.12 MPa)，最小的孔喉半径中值(1.2 μm)，与Ⅰ类和Ⅱ类储层相比，压汞曲线的水平台最短、最高，表明储层质量最差，孔喉结构不均匀。

5 生产动态

受到沉积、构造和成岩的影响，不同类型储层的孔隙结构特征有很大的差异。储层微观孔隙结构差异性直接影响油田的生产动态特征，对研究区145口井的生产资料进行分析，求取采油井投产6个月和生产12个月的比采油指数和采油指数(表7)。

表7 不同类型储层的产液情况

通过表7和图5可以看出，不用类型的储层有着明显不同的生产特征。Ⅰ类储层的储集孔隙空间大，易于形成大孔道，开采初期日产油量最高，产能贡献大，后期含水率上升较快，导致产量减低，所以应加强该类储层的动态监控，及时进行动态调整，控制其递减率和含水上升。Ⅱ类储层分布面积最广，孔喉结构较好，初期日产油量较高，稳产周期相对较长，产油递减率最低；注入水能够均匀推进，波及面积较大，含水率一直保持较低的水平，稳产周期长，水驱油效率高，是油田开发的主力层。Ⅲ类和Ⅳ类储层物性差，孔喉半径小，平均日产油量低。对于此类储层建议采取改造措施，以提高开发效果。

图5 不同类型储层典型井生产动态曲线

6 结 论

(1)在灰色关联的分析中，原始数据的无量纲化方法对最终的灰色关联度具有重要影响。研究基于众数理论和斯皮尔曼相关性分析，确立合理的数据无量纲化方法，进而优化灰色关联度的计算方法，采取“均值化”无量纲方法开展灰色关联分析。

(2)基于众数理论和斯皮尔曼相关性分析，优化各参数的灰色关联度排序，得到各评价参数对储层品质的影响程度，各评价参数的灰色关联度强弱依次为中值半径、流动带指数、孔隙度、粒度中值、砂岩厚度、泥质含量。其中，孔隙结构参数对储层的品质影响较大，其次是岩石的成分和组构参数。

(3)P油田疏松砂岩储层可划分为4种类型。其中Ⅰ类储层物性最好、粒度较粗、泥质含量低、孔喉最大，投产初期产油量最高；Ⅱ类储层的分布面积最广，物性较好，孔喉半径大，稳产时期最长；Ⅲ类和Ⅳ类储层物性较差，要注意措施挖潜，以提高采收率。