岩性油藏特征制约下超低渗透油层快速识别方法与模型

许长福¹，李雄炎^{2, 3}，周金昱^{4, 5}，李洪奇⁶，谭锋奇⁷，于红岩⁶

(1. 新疆油田公司 勘探开发研究院，新疆 克拉玛依，834000；

2. 中海油研究总院，北京，100027；

3. 中国石油大学 博士后流动站，北京，102249；

4. 低渗透油气田勘探开发国家工程实验室，陕西 西安，710018；

5. 中国石油长庆油田公司 勘探开发研究院，陕西 西安，710018；

6. 中国石油大学 地球物理与信息工程学院，北京，102249；

7. 中国科学院 地质与地球物理研究所，北京，100029)

摘要：复杂的岩石物理和特殊的渗流机理使得长庆油田超低渗透储层的流体识别比较困难。针对这一问题，基于微观岩石物理机理研究，得出岩性控制物性，物性制约含油性，这一特征与超低渗透岩性油藏的宏观控油规律相符；基于测井曲线响应特征模式的统计分析，在刻度一定前提下，当三孔隙度曲线的重合程度较高时，岩性较纯，对应地层段含油性较好；反之，则岩性不纯，对应地层段含油性较差，并且导致岩性不纯和物性变差的主要原因是泥质和钙质的存在。基于微观岩石物理规律和三孔隙度曲线响应特征，并综合反映流体性质的深感应电阻率和刻画储层物性的声波时差曲线，利用神经元非线性函数Sigmoid的突变性质衍生超低渗透油层的识别参数I_PR和产水率F_w。通过对研究区54口井的处理，衍生识别参数I_PR和F_w获得了83.33%的准确率。

关键词：岩性油藏；超低渗透油层；储层评价；流体识别；Sigmoid函数；衍生识别参数；产水率

中图分类号：TE19         文献标志码：A         文章编号：1672-7207(2012)01-0265-07

Method and model of rapidly identifying ultra-low permeability reservoir based on lithologic reservoir characteristics

XU Chang-fu¹, LI Xiong-yan^{2, 3}, ZHOU Jin-yu^{4, 5}, LI Hong-qi⁶, TAN Feng-qi⁷, YU Hong-yan⁶

(1. Exploration and Development Institute, Xinjiang Petroleum Company, Karamay 834000, China;

2. CNOOC Research Institute, Beijing 100027, China;

3. Postdoctoral Center of China University of Petroleum, Beijing 102249, China;

4. National Engineering Laboratory for Low Permeability Petroleum Exploration and Development, Xi’an 710018, China;

5. Exploration and Development Research Institute, PetroChina Changqing Oilfield Company, Xi’an 710018, China;

6. College of Geophysics and Information Engineering, China University of Petroleum, Beijing 102249, China;

7. Institute of Geology and Geophysics, Chinese Academy of Sciences, Beijing 100029, China)

Abstract: Due to the complicated petrophysical property and the special percolation mechanism, it is difficult to rapidly identify the ultra-low permeability reservoir. Based on the research of the microscopic petrophysical mechanism, the law that the lithologic character controls the physical property and the physical property restricts the oil saturation is discovered. Moreover, the law is consistent with the controlling rule on oil distribution in the lithologic reservoir. On the basis of the statistics and analysis of logs response characteristics, the rule that when the three porosity curves coincide well with each other in the certain scale and the corresponding stratomere contains more pure rock as well as higher oil saturation is obtained. In addition, the presence of clay and calcium leads to the deterioration of the lithologic character and the physical property. The nature of sudden change of the neuron nonlinear function Sigmoid is applied to constructing the parameter I_PR and water productivity of identifying the ultra-low permeability reservoir based on some factors including the microscopic petrophysical law, the three porosity curves’ response characteristics, the deep induction resistivity and the acoustic travel time. Because the deep induction resistivity can reflect the fluid nature the acoustic travel time is able to characterize the physical property of reservoir. By processing the 54 wells in the study area, the accuracy rate of derived parameter I_PR and water productivity is 83.33%

Key words: lithologic reservoir; ultra-low permeability reservoir; reservoir evaluation; fluid identification; Sigmoid function; derived parameter; water productivity

长庆油田超低渗透油藏(渗透率为0.1~1.0 mD)低、深、难问题突出，受沉积、成岩和后期构造作用的影响，使得超低渗透油藏非均质性严重，油水分异差，流体识别十分困难。渗透能力呈数量级减弱，导致超低渗透储层的岩石物理和渗流机理发生了“质”的变化，表现为岩石物理的复杂性和非达西渗流特征。微观孔喉结构的低品质性是超低渗透储层复杂岩石物理和非达西渗流的主控因素^[1-5]，主要表现在孔隙类型多样，孔隙空间狭小，喉道非常细小，孔隙连通性差等。由于超低渗透油层测井信息采集信噪比低，致使测井曲线呈现出多样性和模糊性；岩石物理的复杂性，导致渗透率和含油饱和度等重要参数难以准确求取；渗流机理的特殊性，造成达西定律已不能准确描述超低渗透储层中流体的渗流规律；上述因素致使高精度地建立超低渗透储层精细解释模型的难度较大。研究人员对低或特低渗透油气藏的非达西渗流机理、启动压力梯度、数值模拟等方面都进行较深入的研究^[6-12]，但基于非达西渗流特征建立相应储层参数精细解释模型的则较少见。因此，在不能准确计算超低渗透储层精细解释参数的大背景下，本文作者从岩性油藏宏观控油特征制约下的微观岩石物理机理研究与测井曲线模式统计分析相结合出发，以岩心和测井资料为基础，利用神经元非线性函数Sigmoid的突变性质^[13-14]，构造衍生识别参数(I_PR)和计算产水率(F_w)，并利用其识别超低渗透油层。超低渗透油层识别方法的研究，对该区及相似地区超低渗透油气层的勘探与开发具有一定的理论和实践意义。

1  超低渗透储层特征

1.1  岩性油藏特征

研究区为鄂尔多斯盆地伊陕斜坡的西南部镇北长8₁，目的区块未见构造圈闭，构造对油气没有明显的控制作用。研究区属于三角洲前缘沉积，沉积微相主要有水下分流河道、河口坝和分流间洼地3种。油气圈闭主要受沉积相带、物性变化控制，因此，主要发育岩性油藏。镇北长8₁岩性为灰绿色、浅棕色细砂岩和粉砂岩与灰黑色泥岩，储层岩性主要为致密细-中粒岩屑砂岩。储层孔隙类型以微孔和粒间孔为主，次为长石溶孔、岩屑溶孔，并含有少量的粒间溶孔、晶间孔和微裂缝等；孔隙类型组合主要为粒间孔-微孔、粒间孔-溶孔、溶孔-粒间孔和溶孔-微孔。多孔隙类型及其组合孔隙并存，使得岩石物理和渗流机理相对比较复杂，并导致平面、层间和层内都呈现较强的非均质性。

在岩性油藏，沉积特征通常是制约油水分布的主控因素；同时，沉积环境也控制着岩性的分布，因此，岩性往往是控油元素中重要方面。

图1和图2所示分别为研究区岩性与物性、物性与含油性之间的关系。由图1可知：随着岩石颜色的加深，岩石物性逐渐变好，即岩性的变化控制着物性；由图2可知：随着岩石物性变好，含油级别逐渐变高，即物性的变化制约着含油性。因此，岩性、物性和含油性在研究区呈现的规律为：岩性控制物性，物性制约含油性。这一由微观岩石物理机理得出的规律符合研究区超低渗透岩性油藏的宏观控油特征。

图1  岩性和物性的关系

Fig.1  Relationship between lithologic character and physical property

图2  物性与含油性的关系

Fig.2  Relationship between physical property and oil saturation

1.2  曲线响应特征

对于岩性油藏，沉积环境和流体性质是控制测井曲线形态和数值最重要的因素，因此，测井曲线是反映地层和流体信息最直接的第一手资料。测井曲线响应特征的研究及模式提取也是地层评价过程的重要方面。对研究区超低渗透储层测井曲线响应特征的统计分析可知：单类型测井曲线的响应特征包括岩性、孔隙度和电阻率系列曲线在不同类型储层无明显差异，但三孔隙度和深感应电阻率曲线响应特征的组合，在不同类型储层则存在一定的规律，即在刻度一定的前提下，三孔隙度曲线重合程度较好，且深感应电阻率曲线有一定程度的响应时，对应地层段的含油丰度较高；反之，则对应地层段的含油丰度较低。基于三孔隙度曲线在超低渗透油层的这一响应模式，衍生特征参数I_TP，见图3。图3中：φ_N为中子孔隙度，%；φ_D为密度孔隙度，%；φ_S为声波孔隙度，%；C_NL为中子测井值，%；D_EN为密度测井值，g/cm³；A_C为声波时差测井值，μm/s；ΔC_NL为中子相对值；ΔD_EN为密度相对值；ΔA_C为声波时差相对值。三孔隙度曲线的刻度如图3(b)所示，为了保持三孔隙度曲线的形态，基于刻度的最大值和最小值，计算三孔隙度曲线的相对值如图3(c)所示；为了继续保持三孔隙度曲线的形态，同时使曲线的刻度为从左向右，即左边为最小值，右边为最大值，将图3(c)转化为图3(d)。

基于图3(d)中3条曲线的重合程度，计算I_TP如式(1)所示。三孔隙度曲线重合较好，则I_TP较大；反之，则I_TP较小。

I_TP=1-

   (1)

图3  测井曲线转化过程

Fig.3  Transformation process of logs

补偿中子、补偿密度和声波时差分别基于不同物理原理来测量地层的物理参数，并能利用岩石物理体积模型计算各自的孔隙度。由于声波时差不受洞穴和高角度裂缝的影响，只受骨架和粒间孔隙影响，因  此，声波孔隙度反映的是岩石粒间孔隙度，即有效孔隙度；而补偿中子和补偿密度受洞穴、裂缝、泥质和钙质等的影响比较严重，故其计算的孔隙度为岩石总孔隙度^[15]。当岩性较纯时，中子、密度和声波孔隙度值较为接近；当岩性不纯，夹杂泥质和钙质，洞缝存在时，中子和密度孔隙度大于声波孔隙度。图3(a)所示是由图3(b)中的三孔隙度曲线计算的中子、密度和声波孔隙度，由于补偿密度与密度孔隙度成反比，因此，图3(a)中的三孔隙度均为从左到右刻度。图3(a)所示和图3(b)均是反映三孔隙度曲线的重合程度，即刻画岩性的纯度，因此，I_TP可以指示岩性的纯度。由研究区岩性油藏的宏观控油规律，岩性控制物性，物性制约含油性可知：I_TP在一定程度上也能反映储层的物性和含油性。I_TP与渗透率、含油饱和度之间的关系分别见图4和图5。由图4和5可知：I_TP与储层物性、含油性之间存在较好的线性正相关关系。综上所述，尽管I_TP是由三孔隙度曲线衍生的，但在一定程度上也能反映地层的岩性、物性和含油性，故可以用于识别研究区超低渗透储层中流体类型的特征。

图4  I_TP与渗透率K之间的关系

Fig.4  Relationship between I_TP and permeability

图5  I_TP与含油饱和度S_o之间的关系

Fig.5  Relationship between I_TP and oil saturation

2  超低渗透油层识别方法与模型

2.1  衍生识别参数(I_PR)

在所有的测井曲线中，深感应电阻率(R_t, Ω·m)曲线最能反映流体之间的差异，声波时差曲线最能表征岩石孔隙度，并能间接反映岩石的渗透能力。因此，基于I_TP，引入深感应电阻率和声波时差值，构造参数I_TP×ΔR_t×ΔA_C，其中，ΔR_t和ΔA_C计算公式如下。

，  (2)

图6所示为I_TP×ΔR_t×ΔA_C在不同类型储层的分布，按照其值，将不同类型储层的分布状态划分为4种，见表1。由于图6中每个点代表的是1口井在目的层段的I_TP×ΔR_t×ΔA_C，这种“以点替面”的做法使得I_TP×ΔR_t×ΔA_C存在一定的片面性。为了在目的地层段增大油层与油水同层、水层之间I_TP×ΔR_t× ΔA_C的差距，便于有效区分不同类型储层，引入神经元非线性函数Sigmoid。Sigmoid函数的输出是限制在2个有限值之间的连续非减函数^[14]，表达式如下式所示：

             (3)

表1 不同类型储层的分布基于I_TP×ΔR_t×ΔA_C

Table1  Distribution of different types of reservoirs based on I_TP×ΔR_t×ΔA_C

为了保证基于Sigmoid函数的I_TP×ΔR_t×ΔA_C能精确地区分不同类型储层，构造函数y₁和y₂如式(4) 所示。表1给出了它们在4种状态下的大小关系。基于表1中y₁和y₂的关系，联合解得y₂中的未知数a=20，b=0.27。

图6  I_TP×ΔR_t×ΔA_C在不同类型储层的分布

Fig.6  Distribution of I_TP×ΔR_t×ΔA_C in different types of reservoirs

     (4)

函数y₁和y₂的曲线图见图7，它们之间的位置满足表1中所描述的大小关系，即当I_TP×ΔR_t×ΔA_C＜0.2时，基本都不是油层，函数y₂使其值变得更小；当I_TP×ΔR_t×ΔA_C≥0.4时，基本都是高产层，函数y₂使其值变得更大，接近于上限值1；当0.2≤I_TP× ΔR_t×ΔA_C＜0.4时，随着I_TP×ΔR_t×ΔA_C的改变，函数y₂的变化幅度大于y₁，其目的是放大油层与油水同层、水层之间的差异，尤其是在油水共存的区间0.2≤I_TP×ΔR_t×ΔA_C≤0.3。因此，识别参数I_PR的计算公式如下：

  (5)

图7  y₁和y₂的曲线图

Fig.7  Diagrams of function y₁ and y₂

2.2  产水率

与识别参数I_PR侧重于区分油层与油水同层、水层不同的是，产水率则较倾向于准确地划分油水同层和水层。由储层评价知识可知，产水率与含水饱和度之间存在特定的函数关系^[15]。对于超低渗透储层的非达西渗流特征，选用Sigmoid函数来描述含水饱和度(S_w)与产水率(F_w)之间的关系，见图8，在含水饱和度约为55%时，产水率出现突变；它们之间的函数关系如下式所示。

(6)

I_PR能标定储层的含油性，F_w可以刻画储层的含水性，利用二者建立识别油层、油水同层和水层的图版见图9，图版精度为95.95%。从图9可见：存在2个水层和1个油水同层的异常点，其共同的原因是这3口井目的地层段的岩性纯度相对较低，钙质含量相对较高(导致研究区储层物性变差的主要因素是泥质和钙质的存在)，尽管储层段与上下围岩电阻率的差值并不大，即储层段的含油性并不算太好，但基岩电阻率的绝对值普遍偏大，造成异常油水同层和水层I_PR的偏大。因此，3个异常点主要是岩性的差异所致。

图8  研究区岩心分析含水饱和度和产水率之间的关系

Fig.8  Relationship between analytic water saturation and water productivity in study area

图9  I_PR与产水率的交会图

Fig.9  Cross plot of I_PR and water productivity

根据图9的图版，确定I_PR和F_w在水层、油层和油水同层的下限值见表2。

表2  I_PR和产水率在不同类型储层的下限值

Table 2  Lower limits of I_PR and water productivity in different types of reservoirs

3  应用效果分析

利用衍生特征参数I_PR和产水率F_w来识别研究区超低渗透储层中的流体，A井的处理成果图见图10。I_PR在41~45号层的值基本都小于0.3，即41~45号层均不为油层；F_w在41~44号层的值均在10%~90%范围内，为油水同层；45号层的F_w＞90%，则为水层。由于I_PR与F_w分别刻画储层的含油性和含水性，因此，二者应呈现反比的规律。41~45号层的I_PR与F_w也验证了这一结论。综合解释41~44号层为油水同层，45号层为水层。A井目的层段压裂改造试油，日产油7.91 t，日产水6.30 m³，为油水同层，与解释结论相符。

图10  A井的处理成果图

Fig.10  Processing result of well A

精细解释研究区54口井，包括10口水井，10口油水井，34口油井，并与压裂改造试油数据进行对比，衍生的特征参数I_PR和产水率F_w能准确识别5口水井，8口油水井和32口油井，识别的准确率为83.33%。

4  结论

 (1) 对于超低渗透岩性油藏，岩性控制物性，物性制约含油性的作用明显。因此，岩性是控制储层特征和流体类型的主要因素。

(2) 反映流体类型的深感应电阻率、刻画储层物性的声波时差和三孔隙度曲线的重合程度综合制约着超低渗透储层中流体类型。

(3) 对于存在启动压力梯度的非达西渗流超低渗透储层，Sigmoid函数能理想地描述其渗流特征；同时，通过控制Sigmoid函数突变的时机和幅度，能有效衍生识别参数I_PR。

(4) 刻画储层含油性能指标I_PR能准确区分油层与非油层，但钙质含量较高导致非油层高阻，是影响该参数识别精度的重要因素；表征储层产水能力的F_w可以准确划分油水同层与水层，二者结合才能准确识别超低渗透油层、油水同层和水层。

参考文献：

[1] 王瑞飞, 沈平平, 宋子齐, 等. 特低渗透砂岩油藏储层微观孔喉特征[J]. 石油学报, 2009, 30(4): 560-563.
WANG Rui-fei, SHEN Ping-ping, SONG Zi-qi, et al. Characteristics of micro-pore throat in ultra-low permeability sandstone reservoir[J]. Acta Petrolei Sinica, 2009, 30(4): 560-563.

[2] 李中锋, 何顺利. 低渗透储层非达西渗流机理探讨[J]. 特种油气藏, 2005, 12(2): 35-38.
LI Zhong-feng, HE Shun-li. Non-Darcy percolation mechanism in low permeability reservoir[J]. Special Oil and Gas Reservoirs, 2005, 12(2): 35-38.

[3] 黄远智, 王恩志, 韩小妹. 低渗透岩石非饱和非Darcy渗流机理[J]. 清华大学学报: 自然科学版, 2005, 45(9): 1202-1205.
HUANG Yuan-zhi, WANG En-zhi, HAN Xiao-mei. Non-Darcy percolation mechanism for seepage in low-permeability rock[J]. J Tsinghua Univ: Sci & Tech, 2005, 45(9): 1202-1205.

[4] 刘建军, 刘先贵, 胡雅衽. 低渗透岩石非线性渗流规律研究[J]. 岩石力学与工程学报, 2003, 22(4): 556-561.
LIU Jian-jun, LIU Xian-gui, HU Ya-ren. Study on nonlinear seepage of rock of low permeability[J]. Chinese Journal of Rock Mechanics and Engineering, 2003, 22(4): 556-561.

[5] 黄延章. 低渗透油层渗流机理[M]. 北京: 石油工业出版社, 1998: 12-20.
HUANG Yan-zhang. Percolating flow mechanism of low permeability reservoir[M]. Beijing: Petroleum Industry Press, 1998: 12-20.

[6] Prada A, Civan F. Modification of Darcy’s law for the threshold pressure gradient[J]. Journal of Petroleum Science and Engineering, 1999, 22(4): 237-240.

[7] Torsten F, Hans D V. Investigation of non-Darcy flow in tight-gas reservoirs with fractured wells[J]. Journal of Petroleum Science and Engineering, 2006, 54: 112-128.

[8] WEN Zhang, HUANG Guan-hua, ZHAN Hong-bin. Non-Darcian flow in a single confined vertical fracture toward a well[J]. Journal of Hydrology, 2006, 330: 698-708.

[9] Hadim H. Non-Darcy natural convection of a non-Newtonian fluid in a porous cavity[J]. International Communications in Heat and Mass Transfer, 2006, 33: 1179-1189.

[10] Christos D T. A methodology for the derivation of non-Darcian models for the flow of generalized Newtonian fluids in porous media[J]. J Non-Newtonian Fluid Mech, 2002, 105: 79-110.

[11] 杨正明, 于荣泽, 苏致新, 等. 特低渗透油藏非线性渗流数值模拟[J]. 石油勘探与开发, 2010, 37(1): 94-98.
YANG Zheng-ming, YU Rong-ze, SU Zhi-xin, et al. Numerical simulation of the nonlinear flow in ultra-low permeability reservoirs[J]. Petroleum Exploration and Development, 2010, 37(1): 94-98.

[12] 朱维耀, 刘今子, 宋洪庆, 等. 低/特低渗透油藏非达西渗流有效动用计算方法[J]. 石油学报, 2010, 31(3): 452-457.
ZHU Wei-yao, LIU Jin-zi, SONG Hong-qing, et al. Calculation of effective startup degree of non-Darcy flow in low or ultra-low permeability reservoirs[J]. Acta Petrolei Sinica, 2010, 31(3): 452-457.

[13] 仪垂祥. 非线性科学及其在地学中的应用[M]. 北京: 气象出版社, 1995: 131-132.
YI Chui-xiang. Nonlinear sciences and their applications in geosciences[M]. Beijing: China Meteorological Press, 1995: 131-132.

[14] 朱大奇, 史慧. 人工神经网络原理及应用[M]. 北京: 科学出版社, 2006: 9-18.
ZHU Da-qi, SHI Hui. Theory and applications of artificial neural network[M]. Beijing: Science Press, 2006: 9-18.

[15] 雍世和, 张超谟. 测井数据处理与综合解释[M]. 东营: 中国石油大学出版社, 2007: 238-241.
YONG Shi-he, ZHANG Chao-mo. Logging data processing and comprehensive interpretation[M]. Dongying: China University of Petroleum Press, 2007: 238-241.

(编辑 杨幼平)

收稿日期：2011-02-24；修回日期：2011-05-30

基金项目：国家高技术研究发展计划(“863”计划)项目(2009AA062802)

通信作者：许长福(1968-)，男，新疆乌鲁木齐人，高级工程师，从事油气田开发科研与生产；电话：0990-6879021；E-mail: Xchangfu@petrochina.com.cn