基于FLAIR实时流体录井资料的油层产能预测方法<br/>——以珠江口盆地珠一坳陷为例

基于FLAIR实时流体录井资料的油层产能预测方法
——以珠江口盆地珠一坳陷为例

2024-01-14袁胜斌张振波

录井工程 2023年4期

丰帆袁胜斌张振波熊亭汪芯刘畅

（①中法渤海地质服务有限公司；②中海石油（中国）有限公司深圳分公司）

0 引言

近年来，珠江口盆地珠一坳陷的勘探成功，使该区域成为重要的勘探目标。在油气勘探开发领域中，油层产能预测正确与否起着至关重要的作用。油层产能预测的传统方法主要包括公式法、统计分析法及智能算法等[1-9]，但是针对珠一坳陷的油层产能预测方法少且定量化程度低，其主要的研究方法有：（1）珠江口盆地惠州凹陷储层测井产能分级与识别方法，是在储层类别划分基础上将储层分类和产能分级相结合的产能评价方法[1]；（2）恩平凹陷M油藏层内纵向强非均质性低渗油藏产能评价方法，采用分段产能评价方法进行精细产能评价，有效提高该类油藏产能预测精度[2]。由于上述两种方法主要以定性评价为主，无法为勘探提供重要的技术支持。

为满足珠一坳陷勘探开发的需求，探究出一种油层产能定量化评价的方法，成为当前珠一坳陷油层产能预测的关键技术难题。FLAIR（Fluid Logging &Analysis In Real Time）实时流体录井技术是法国地质服务公司研究和开发的一种现场油气实时监测和识别技术，其优势非常突出，主要表现为：（1）独特的C6+检测技术，可以检测nC6、nC7、nC8、nC7H4等具有指示油作用的重组分，而且各组分具有精度高的特点；（2）定量、恒温脱气及双气路检测，具有高数据质量，可提高资料纵向上和横向上的可比性，消除再循环气的影响，得到储层真实的含气量；（3）钻前严格的质量控制试验，保证气体数据质量可靠[10-14]。因此，本文以FLAIR 实时流体录井为研究对象，通过对FLAIR 录井、测井资料的深入研究，建立了新方法油层产能预测模型，最终达到了油层产能预测定量化评价的目的，为珠一坳陷油藏的勘探与开发提供了重要依据。

1 区域地质背景

珠一坳陷是珠江口盆地油气聚集与分布最为丰富的地区，位于南海珠江口盆地北部浅水区，是珠江口盆地北部坳陷带的一个负向构造单元，水深主要为50～150 m，面积约为4×104km2。该坳陷呈北东走向，南北分别被番禺低隆起-东沙隆起带和北部隆起带所夹持，平面上自西向东依次分布阳江、恩平、西江、惠州、陆丰及韩江凹陷，主要生油层为文昌组湖相泥岩，恩平组湖沼相泥岩也有一定生油能力，韩江组、珠江组及珠海组是主要的油气产层，总地质资源量高[15-18]。

2 传统油层产能预测模型

通过大量的测试、岩壁心及测井数据分析来看，影响油层产能高低的4个关键因素是：

（1）渗透率，是流体在压力差下通过多孔岩石有效孔隙能力的一种量值和影响储层产能的最重要参数，其数值越大表明储层导油能力越大[3-4]。

（2）有效孔隙度，是岩石中相互连通的孔隙占岩石体积的百分比，储层孔隙度是储层物性的综合反映，其数值越大表明储层含油能力越大[3-4]。

（3）含油饱和度，在储层孔隙度和渗透率相同条件下，含油饱和度越高，储层含油和产油越多[3-4]。

（4）有效厚度，在油井产能计算中，油层的有效厚度越大，其产能越高[3-4]。

为了最大限度地排除外在因素和油气性能的影响，使油层自身的性质对储层的产能起到决定性的影响[3-7]，本文以珠一坳陷A 1 井-A 15 井测试的油层产能数据为样本，将基于测试段油层的四参数（渗透率、有效孔隙度、含油饱和度、有效厚度）作为研究对象，分别建立这些参数与油层产能的预测模型，对储层进行评价（图1）。

图1 四参数与油层产能关系的传统预测模型

因为测井资料是据0.1 m 递加的数据，无法直接获得测试段油层的渗透率、有效孔隙度及含油饱和度数据，所以选取该测试段测井资料计算出来的油层平均渗透率、平均有效孔隙度、平均含油饱和度和有效厚度作为研究对象，将四参数分别与油层产能进行回归拟合，得到四参数与油层产能关系的传统预测模型（图1），但拟合结果表明相关性r2只有0.154 6～0.5097，回归拟合效果不理想，无法满足油层产能预测的需求。因此，需要在传统方法的基础上进行新方法的研究。

3 新方法油层产能预测模型

为了满足油层产能预测的需求，提高油层产能预测模型的拟合效果，引入FLAIR 实时流体录井技术，该技术具有高精度、高质量、高可靠性及可检测到指示油中nC6、nC7、nC8、C7H14等重烃组分的优势。

3.1 FLAIR 油指数F

根据FLAIR 气体各组分的意义，建立衍生参数FLAIR 油指数F，用来表示重烃组分的占比情况，其数值大小反映油层含油饱和度的高低，可以间接代替含油饱和度，计算公式如下：

式中：F为FLAIR 油指数，10-6；∑C总为FLAIR 气体各组分体积分数数值之和，10-6。

3.2 FLAIR 校正油指数F′

由于FLAIR 气体各组分易受井眼尺寸、脱气效率和钻井参数等因素的影响，为了提高同井纵向上和不同井横向上气测值的可比性，还需要对其各组分进行单位体积岩石校正[19-20]，参考校正公式如下：

式中：VOLC1为单位体积岩石甲烷含量，即甲烷校正值，L/L；k1为与脱气器单位时间所脱钻井液量、色谱分析仪单位时间进样量以及单位换算相关的常量，无量纲；k2为不同钻井液体系中甲烷脱气效率的倒数，无量纲；t为钻时，min/m；Q为钻井液排量，L/min；G为实测甲烷值，10-6；D为井眼或钻头尺寸，mm。

对FLAIR 气体各组分进行单位体积岩石校正后，得到FLAIR校正油指数F'，计算公式如下：

式中：F'为FLAIR 校正油指数，L/L；VOL∑C总为FLAIR 气体各组分单位岩石体积校正数值之和，L/L。

同样因为录井资料是1 m 递加数据，无法直接获取测试段油层的FLAIR 校正油指数F′，所以选取该测试段录井资料计算的平均FLAIR 校正油指数Fa′作为研究对象，若测试段深度为非整数（存在小数的情况），需要对测试段深度四舍五入求整后，才能根据录井资料计算出平均FLAIR 校正油指数Fa′，将其与油层产能进行回归拟合，得到平均FLAIR 校正油指数Fa′与油层产能关系预测模型（图2），其r2为0.6759，高于传统方法的平均含油饱和度与油层产能的0.4753，在油层产能预测中代替平均含油饱和度效果更佳，但仍未达到理想的拟合效果。

图2 平均FLAIR校正油指数Fa′与油层产能关系预测模型

3.3 油层产能指数W

通过建立测试段油层的平均渗透率Ka、平均有效孔隙度ϕa、平均FLAIR 校正油指数Fa′及有效厚度z的函数关系，来提高拟合效果，即建立油层产能指数W，计算公式如下：

式中：W为油层产能指数（若测试段油层为多层，则W为各个单层油层产能指数的累加，W量纲由方程中各参数的量纲所决定）；Ka为测试段油层的平均渗透率，mD；ϕa为测试段油层的平均有效孔隙度，%；Fa′为测试段油层的平均FLAIR 校正油指数，L/L；z为测试段油层的有效厚度（若在斜井中，则取垂向的有效厚度），m。

将油层产能指数W与油层产能进行回归拟合，得到油层产能预测模型（图3），计算公式如下：

图3 油层产能指数W与油层产能关系预测模型

式中：y为油层产能，m3/d；x为油层产能指数W。

综合来看（表1），15 口测试井中只有3 口井的产能预测效果差，总体上相关性r2约为0.81，达到了理想的拟合效果。

表1 A 1井-A 15井各测试段计算参数统计

利用这种新方法建立的油层产能预测模型效果较好，明显优于传统方法，可以满足油层产能预测的需求。

4 应用效果

A 16井位于陆丰M构造，在恩平组钻遇多套厚层细砂岩储层，荧光直照亮黄色，面积30%～40%，滴照呈乳白色，快速扩散，FLAIR 实时流体录井资料指示油的重组分nC6、nC7、nC8及C7H14体积分数最大值分别为 87.76×10-6、39.67×10-6、34.11×10-6及93.53×10-6，异常幅度高（图4），随钻电阻率最大值为18.85 Ω·m，录井和测井资料均达到油层解释标准。

图4 A 16井录、测井解释成果图

应用新方法在测试井段3 498.5～3 516.7 m 对本井进行产能预测，测试段录、测井共解释2 层油层，将储层划分为单层1（3 498.5～3509.5 m 井段）和单层2（3 511.3～3 516.7 m 井段）。测井计算得到单层1 平均渗透率Ka、平均有效孔隙度ϕa及有效厚度（垂直）z分别为36.4 mD、16.7%及9.9 m；单层2 平均渗透率、平均有效孔隙度及有效厚度（垂直）分别为44.8 mD、17.5%及4.7 m。计算平均FLAIR 校正油指数Fa′需要对储层段进行四舍五入求整，单层1和单层2 求整后分别为3 498.0～3510.0 m 和3 511.0～3517.0 m，运用公式计算得到单层1 的Fa′值为0.0314 L/L，单层2的Fa′值为0.0178 L/L，根据油层产能指数公式得到单层1 油层产能指数W1为13.7465，单层2油层产能指数W2为8.0987（表2），所以测试井段的油层产能指数W为W1+W2＝21.8452。

表2 A 16井测试段计算参数统计

应用新方法油层产能预测模型，预测油层产能为414.6 m3/d，最终本井产油487.3 m3/d，产少量气，未见水，产能差值为-72.7 m3/d；应用传统油层能预测模型，预测产能为119.77 m3/d，其产能差值为-367.53 m3/d。如图5 红线所示，新方法建立的产能预测结果与实际产能符合度更高，基于FLAIR 实时流体录井资料的油层产能预测方法取得了较好的应用效果，为勘探决策提供了重要的技术支持。