水驱砂岩油藏储层物性时变规律分析方法综述

2023-11-04谢倩刘尚奇王瑞峰杨轩宇

科学技术与工程 2023年29期

谢倩, 刘尚奇, 王瑞峰, 杨轩宇

(中国石油勘探开发研究院, 北京 100083)

自20世纪90年代,已有学者对注水开发模式下油藏储层动态变化开展了大量研究工作,注入水的长期浸泡和冲刷作用使储层中的岩石颗粒、黏土矿物等发生物理化学反应,导致储层参数发生变化[1-2],形成局部优势渗流通道,注入水沿优势通道无效或低效循环,平面、层间及层内矛盾加剧[3-4],剩余油分布整体高度分散、局部相对富集,地下渗流场较开发初期发生很大变化[5],依据初始储层物性参数已不能有效指导开发后期工作。

纵观有关储层物性时变分析与应用相关文献,对于如何有效定量表征储层参数变化规律,早期主要为储层物性变化机理研究,逐渐侧重储层微观及宏观参数变化特征,但仍以定性为主,后发展到半定量、定量研究[4-13],将定量的物性时变规律引入主流数值模拟软件,实现数值模拟精细化应用。该研究的重点是明确不同地质和开发因素对储层参数影响的定量规律,建立动态地质模型,实现油田实际应用。目前多数研究方法存在考虑影响因素有限,且依赖取心资料,而一孔之见难以代表全区域,人为主观影响较大,以及宏观与微观物性变化研究缺乏明确联系等难点。现通过分别对储层微观、宏观物性参数时变研究方法及现状进行梳理和分类总结,以期启发相关研究者利用新手段建立微观与宏观参数量化关系,综合研究不同地质、流体、开发因素下的储层参数时变规律。在此基础上精确模拟和预测水驱油藏优势渗流通道及剩余油分布,从而对油田后期分层注水、优化措施等精细化开发具有重要指导意义。

1 储层微观物性时变规律研究现状

1.1 室内实验及取心资料分析法

利用不同含水阶段油井密闭取心井、岩心水驱油实验等资料,对储层物性参数、孔隙结构参数及储层渗流特征变化规律等进行分析研究是目前最常规的研究方法之一。其中储层微观物性参数包括孔喉半径(Rmax、Ravg、Rmain、R50)、孔喉比、孔喉形状及配位数、分选系数Sp、变异系数Skp、峰态Kp和歪度等[8-9]。

大庆油田、胜利油田经过长期注水开发,积累了大量矿场资料,多位学者通过各开发区块不同开发阶段的密闭取心井资料,综合利用扫描电镜、铸体薄片、核磁共振、驱油实验和生产动态、压汞实验等方法对孔隙结构参数、储层物性以及岩性参数的变化进行分析,储层微观参数变化特质具备较高的一致性[8-14]。总体上,长期注水冲刷主要影响岩石骨架和孔隙结构,不同油藏的物性变化规律及变化幅度有一定差异,但在一定范畴内,其变化趋势具有一致性。对于高渗岩样(气测渗透率Ka=2 300 mD),冲刷后岩样的孔隙度、粒度中值等参数均有增加趋势(图1),分选系数、泥质含量、粉砂含量等明显减少[10],平均孔喉半径、孔喉半径中值增加,中大孔喉个数增加,直观上影响了渗透率,渗透率贡献率也随之增加,低渗透储层物性则趋于变差[13]。

图1 不同渗透率储层水驱前后孔喉半径变化[13]Fig.1 Changes in pore throat radius of the reservoirs with different permeability before and after water flooding[13]

1.2 三维孔隙网络模拟模型

传统的渗流研究多为宏观研究,如对孔隙度、渗透率、润湿性等展开分析,其不足之处是不能确定多孔介质内部的物理、化学变化特征。Fatt[15]在1956年最先提出网络模型概念,后被广泛用于描述和研究储层的微观孔隙结构与渗流特性[16-27]。

孔隙网络模型是将多孔介质中复杂的孔隙结构抽象为理想的几何形状,可进一步分为随机网络模型和真实岩心的网络模型[17]。构建随机网络模型只需按岩心孔喉数据在规则的网格中随机分布孔隙和喉道,而不需要借助任何实验数据,其在研究储层参数变化的内在机理时优势明显[18]。李振泉等[19]建立了油水两相流三维网络模拟模型,讨论了不同储层润湿性下孔喉结构参数对剩余油分布规律的影响,并给出模拟驱替过程中含水饱和度、绝对渗透率和相对渗透率等计算方法。徐晖等[20]建立了考虑微粒运移的三维网络模拟模型,利用有限差分求解方法,量化分析了长期水驱砂岩油藏孔喉结构变化规律,并与实验结果进行对比,验证模型的可靠性。冯其红等[21]、肖康等[22]通过考虑孔喉内微粒的脱落、运移、堵塞及由优势通道引起的附加压力损耗,建立了动态的三维网络模型,从机理上研究了影响优势通道发育的主要孔喉结构参数,并模拟得到不同胶结程度、注采强度下孔隙度、渗透率的变化规律。

随机网络模型中的孔喉参数是通过分布函数随机赋值,难以开展实际应用[17]。而基于真实岩心的网络模型则能最大限度地模拟实际岩心的孔喉大小和空间分布,由于构建过程需要借助实验,成本较为昂贵,国内受设备和技术条件所限,研究薄弱,因此在进一步用于解剖水驱油藏储层微观物性参数变化规律方面研究也相应较少[23]。但经过多年探索,重构数字岩心及构建孔隙网络模型的技术和算法得到快速发展[24-27],未来关于数字岩心构建的孔隙网络模型势必会成为储层孔隙结构及其变化规律研究的有力工具。

1.3 孔隙结构分形表征

法国数学家Mandelbrot等[28]提出并创立了分形几何理论,认为孔隙大小指数分布与分形维数存在一种幂律关系,Katz等[29]通过大量数据分析发现砂岩孔隙空间以及孔隙表面都具有很好的分形特性,在一定孔隙半径范围内可以用分形维数来表征储层孔隙结构特征。研究表明,砂岩孔隙结构的分形维数介于2～3,分形维数越大,储层孔隙结构越复杂,非均质性越强[30]。国内外学者先后提出了利用分形维数描述孔隙结构的复杂程度和变化规律,并建立了孔隙结构特征参数的分形表征模型[31-33]。

利用分形理论研究非常规储层岩性特征是近几年研究的热点[34-35],但用于定量表征长期水驱砂岩储层孔隙结构非均质性的变化规律较少。王天琦等[36]综合利用岩样压汞资料和测井资料获取Df(孔隙结构分形维数)、孔隙度、渗透率等物性参数,利用聚类分析回归Df预测模型,该方法简单,但测井解释的孔隙度、渗透率精度有限。文华[23]利用大庆喇萨杏油田岩心驱替实验和压汞实验资料,回归了水驱前后渗透率、最大孔喉半径和孔喉半径中值与分形维数的关系曲线(图2),并计算不同含水率下的孔喉分形维数,建立了储层孔隙结构分形维数动态演化的数学模型。扫描图像也可直观反映孔隙结构,目前利用扫描图像分析孔隙结构分形维数的研究尚处于起步阶段,但也是孔隙结构参数定量化表征的方向之一。

图2 分形维数与渗透率关系曲线[23]Fig.2 Relationship curve between fractal dimension and permeability[23]

2 储层宏观物性时变规律研究现状

2.1 渗透率时变分析

储层宏观参数变化定量分析需要解决两个问题,一是储层宏观参数如何变化,二是确定时变表征参数。油藏数值模拟不直接采用微观参数,而是通过宏观参数(渗透率、孔隙度、相渗曲线等)反映储层物性时变现象[37]。这一方面国内研究较多,不同开发阶段孔渗数据获取方法主要包括:密闭取心资料分析、岩心水驱油实验、测井储层评价、试井资料解释。密闭取心资料可以直接获得水洗后储层物性数据;岩心驱替实验与压汞实验交替进行的分析方法,可研究岩样在不同冲刷倍数下宏观物性参数的变化规律;测井储层评价法可分析不同阶段完钻井的孔隙度、渗透率、泥质含量等变化特点,研究相应物性参数随水驱开发过程的演化模式[38]。

大量实验和矿场资料显示,水驱开发过程中,孔隙度变化不大,一般都在测量误差范围之内[1],渗透率则因储集层物性差异而具有各自不同的变化规律[13](图3)。

图3 岩心水驱后渗透率变化率与原始渗透率的关系[13]Fig.3 Relationship between the change rate of permeability and original permeability of water flooded cores[13]

储层物性时变的表征方法可划分为单因素法、多因素法、水驱强度表征法,其中水驱强度表征法能体现注水冲刷作用,更为客观,且易应用于数值模拟中[37]。在物性时变表征的研究中,早期根据胜利油区利用矿场密闭取心井资料统计回归得到渗透率变化倍数与含水率的关系[39],但并未体现渗透率变化的根本原因;利用过水倍数,即累积注入量与孔隙体积之比,作为表征参数,体现了注水冲刷对各宏观参数的影响,可实现连续性和方向性表征[40-48]。但计算出的过水倍数受网格大小影响大,姜瑞忠等[42]、魏峰[45]、赵平起等[46]分别提出面通量、累计面通量、有效驱替通量等概念,其中面通量可以解决网格大小问题,有效驱替通量在面通量的基础上考虑孔隙度,可以准确描述注入水的真实流速,流速越大,作用在岩石颗粒上的压力梯度越大,岩石颗粒越容易脱落并运移,孔喉变化越显著。金忠康等[47]则是将上述过水倍数转换为含水饱和度变化量,并利用商业软件实现渗透率时变数值模拟。

总体看,目前物性时变主要根据室内水驱油实验和密闭取心井资料进行分析(表1),但大部分油田岩样分析数据有限,参数点可能存在较大波动,不足以形成可靠规律;利用分形理论进行储层物性变化定量描述,也需要基于不同水驱阶段岩心压汞实验数据;测井评价法中不同阶段钻完井测井解释渗透率也基于初始孔渗关系,其数据精度可靠性有限。综上,目前对渗透率定量时变参数表征精确度不够,能直观反映渗透率变化参数数据点不足。

表1 调研油田渗透率时变规律总结Table 1 Variation laws of permeability in water-flooding reservoir

2.2 相渗曲线时变分析现状

国内外大量研究表明,经过长时间注水开发,储层岩石表面吸附原油能力降低,岩石润湿性向亲水方向增强,残余油饱和度降低,等渗点右移,两相流动区间增大[1,49-51]。为实现相渗曲线定量、连续时变表征,需要获取随开发过程不断变化的相渗曲线。由于直接测定相渗曲线昂贵耗时,且难以代表整个油藏,前人在间接获取相渗曲线方法上研究颇多,总结为如下3类方法。

(1)矿场资料回归统计。刘显太[40]对胜利油区中高渗透砂岩油藏相对渗透率曲线进行统计分析,回归得到了端点变化值与渗透率变化倍数以及油、水相渗透率与绝对渗透率的关系。王守磊等[52]、吕栋梁等[53]通过交替条件期望法对多个影响相渗曲线的储层物性参数进行多元回归,根据相渗曲线幂函数式,建立了相渗曲线4个端点以及特征参数表征模型。

(1)

(2)

式中:Krw为水相相对渗透率;Kro为油相相对渗透率;Krw(Sor)为残余油饱和度下的水相相对渗透率;Kro(Swi)为束缚水饱和度下的油相相对渗透率;Sw为含水饱和度;Swi为初始含水饱和度;Sor为残余油饱和度;m为水相指数;n为油相指数。

(2)动态资料反演。油田开发到中后期,多位学者提出利用动态数据计算相渗曲线,根据不同水驱曲线适应条件的差异,分别利用甲、乙、丙、丁、俞启泰、张金庆水驱特征曲线及新型近似理论水驱曲线,结合相渗曲线经验公式,推导出油水相指数、残余油饱和度的数学表达式,并计算相渗曲线[54-57]。

(3)机器学习算法仿真预测。李春雷等[58]提出机器学习算法获取实时、准确的相渗曲线,充分利用现场测井曲线资料,优选敏感参数,结合相渗曲线特征点数据,构建水驱储层相渗曲线预测样本集,优选机器学习算法对油水相相对渗透率进行预测,并从地质因素和端点值进行约束优化,实现高精度相渗曲线的智能生成。

在如何连续表征相渗曲线的动态变化问题上,目前主要是将相渗曲线的时变问题转换为相渗曲线端点及油水相指数的时变[41]。矿场资料回归统计及机器学习算法预测两种方法均基于不同储层物性参数获取相渗曲线,具有多解性,且难以直接应用到数值模拟中,动态资料反演法计算的是某一开发阶段的相渗曲线,未能实现相渗曲线变化的连续表征。

2.3 数值模拟软件模拟物性时变发展现状

国内外主流数值模拟软件主要包括斯伦贝谢Petrel RE平台、CMG软件以及tNavigator。2017年斯伦贝谢Petrel RE平台及Intersect模拟器可利用Python语言实现储层物性变化的分区动态表征[59]。CMG软件从影响微粒运移的因素、数值模型中微粒的类型、与微粒运移和温度有关的润湿性变化等几方面模拟微粒运移。tNavigator软件利用过水倍数,表征流体对储层的冲刷程度,对可变参数渗透率、传导率、相渗曲线进行时变模拟,并允许设置时变参数上限值,防止其溢出理论范围。

2.4 储层物性时变研究技术展望

传统岩心分析、室内驱替实验等方法在应用过程中存在手段单一、局限性大等问题,而基于实际岩心或数字岩心的孔隙网络模型、孔隙分形表征等技术具有可重复性及预测性,在非常规油气储层孔隙结构描述中广泛研究与应用[34,60-61],其也是研究水驱砂岩油藏储层物性时变行之有效的方法。此外,储层物性时变影响因素众多,现场应用多基于具体油田岩心分析结果进行统计回归,且仅考虑了部分因素,难以有效推广。近年来大数据、机器学习算法等在油气行业快速发展,为综合考虑开发、地质等多因素影响下的储层物性参数变化预测提供了新手段。

在储层物性时变理论应用到实际油田开发过程中,商业数值模拟软件的逐步完善,使得通过建立油藏动态地质模型精细模拟和预测优势通道及剩余油分布易于实现,从而为油田开发调整、分采分注、优化措施等提供更加可靠的依据。同时,储层物性时变理论在水驱砂岩油藏中实现应用,又将进一步深入推动其他各类油藏储层物性的时变研究。