利用ECS测井资料评价复杂岩性储层渗透率

李兴丽, 陆云龙, 齐奕

(中海石油(中国)有限公司天津分公司, 天津 300452)

0 引 言

渗透率是储层物性评价、渗流特性研究和油藏开采的重要参数[1]。渤海油田获取渗透率的途径主要有岩心实验室测量、试井解释渗透率、测井解释渗透率等方法。受海上条件限制,前2种方法成本较高,且不连续,通常采用测井解释得到连续的渗透率数值。目前砂泥岩储层主要通过常规测井基于孔隙度渗透率关系计算储层渗透率[2],而复杂岩性储层孔隙度渗透率关系复杂,常规测井难以准确计算,通常结合阵列声波[3]、核磁共振[4]等测井新技术进行评价。

地层元素能谱测井(ECS)测量地层元素类型与含量,通过计算得到地层矿物含量,实现地层岩性识别[5]。基于约翰逊提出的Lambda渗透率模型,充分挖掘ECS测井应用潜力,根据其提供的矿物含量、骨架密度、矿物比表面积等参数实现渗透率定量计算。对渤海部分井处理发现,该方法在复杂岩性储层中计算的渗透率与岩心分析渗透率基本吻合,可为复杂岩性储层渗透率评价提供一种有效手段。

1 ECS测井评价渗透率理论模型

1986年Johnson等[6]提出Λ参数,作为连通孔隙大小的动态电性评价参数,该参数中的电场动态变化受颗粒表面积与孔隙体积影响。由于孔隙喉道电场对其贡献最大,Johnson等认为对于简单孔隙几何因子地层,渗透率与Λ和地层因素F有关,

K∝Λ2φm

(1)

式中,K为地层渗透率,mD*非法定计量单位,1 mD=9.87×10-4 μm2,下同;φ为孔隙度,%;m为胶结指数,无量纲。

由于Λ参数难以测量,对于简单孔隙几何因子地层,孔隙表面积与孔隙体积之比与Λ成反比,渗透率可以通过式(2)表示,即Lambda渗透率

KΛ=Z1φm(S/Vp)2≡Z1φmS0ρm1-φφ2

(2)

式中,KΛ为Lambda渗透率,mD;S为孔隙表面积,m2;Vp为孔隙体积,m3;Z1为比例常数,无量纲;ρm为骨架密度,g/cm3;S0为颗粒比表面积,m2/g。

泥质矿物对表面积贡献最大,并且不同的泥质矿物其比表面积为唯一的定值[7]。比表面积可以通过不同矿物成分百分比的线性组合表示。考虑到实际上并不是所有的比表面积都参与到流体流动,此时比表面积可通过式(3)表示

S0=∑MiviS0i

(3)

式中,Mi为矿物含量,%;S0i为矿物的比表面积,m2/g;vi为矿物校正系数,无量纲。

通过式(2)、式(3)可得到Lambda渗透率的表达式

(4)

Herron等[8]通过大量岩心实验发现,当渗透率小于100 mD时,式(4)计算的渗透率与岩心分析渗透率存在一定误差。渗透率小于100 mD时,通常对式(4)进行校正

式中,KΛ1为渗透率小于100 mD时对应的Lambda渗透率,mD。

ECS测井能够提供准确的地层矿物成分含量与骨架密度,结合常规测井与岩电分析可以得到孔隙度与胶结指数,通过地区岩心适当刻度即可确定式(4)中的地区经验系数,实现Lambda渗透率定量计算。

2 Lambda渗透率模型计算方法在渤海油田的应用

2.1 实例1

QHD油田储层岩性复杂,其中QHD-5井钻遇到灰质砂砾岩、鲕粒白云岩、白云质鲕粒砂岩、砂砾岩、凝灰质砂岩、砂岩等,其储集空间以次生溶蚀孔和粒间孔为主,储层物性差别大,非均质性强。图1(a)为QHD-5井岩心分析孔隙度渗透率关系,可以看出该井孔隙度渗透率关系较差。为了提高该油田的孔隙度渗透率关系,通过邻井以及邻近油田岩心孔隙度渗透率数据进行整体回归[见图1(b)]。数据点包含了从低孔隙度渗透率到高孔隙度渗透率的大部分数据点,回归关系有所提高。但在勘探初期井少情况下,单井孔隙度渗透率关系难以满足渗透率的精确计算。

图1 QHD-5井与邻井岩心分析孔隙度渗透率关系图

通过Lambda渗透率模型、多矿物模型、孔隙度渗透率回归模型对QHD-5井渗透率进行计算(见图2)。该井岩性复杂,包括高岭石、石英、白云岩、石灰岩等多种矿物,多矿物模型中加入1种特殊矿物模拟复杂岩性(见第9道岩性剖面)。该井孔隙度计算与岩心分析(见第7道)相吻合,证实孔隙度计算的准确性。第8道为不同方法计算的渗透率曲线与岩心分析渗透率对比结果,通过该区块不同井岩心孔隙度渗透率数据回归得到回归渗透率模型。该模型计算渗透率曲线(蓝线)严重依赖于岩心数据,岩心数据的代表性决定该模型计算渗透率曲线的准确性。图2中在岩心孔隙度范围内计算的渗透率数值基本在孔隙度渗透率关系模型附近,对于孔隙度较低层段,渗透率计算与其他方法相比差异较大。

多矿物模型理论上通过仪器对地层响应特征能够最为真实地反映地层特性,因此最具代表性,但计算渗透率曲线(黑线)严格受到矿物成分影响。如果矿物成分计算准确,则渗透率相对准确,否则出现较大偏差。如该井3 345 m以下,由于特殊矿物较难模拟,矿物成分计算误差较大,渗透率计算与岩心分析相差较多;Lambda渗透率模型通过岩心矿物成分与渗透率刻度,具有一定的代表性,能够反映矿物成分含量与渗透率之间的定量关系,具有较为普遍的适用性,因此计算的渗透率曲线(红线)与岩心分析基本一致,证实该方法的可靠性。该井3 308～3 330 m段(见图2中第5道绿色填充)实施压裂作业并进行测试,压裂前无产出,压裂后产油64 m3/d,产气5 976 m3/d,可见该处储层渗透性较差,但在荧光显示较好的2个位置,Lambda渗透率模型计算的渗透率与孔隙度渗透率关系计算的渗透率基本一致,分析认为此处对油气贡献较大。

图2 QHD-5井渗透率解释成果对比图*非法定计量单位,1 ft=12 in=0.304 8 m,下同

2.2 实例2

BZ油田沙河街组储层岩性含钙,岩心分析发现碳酸盐岩含量超过3%时,碳酸盐岩含量或岩心分析孔隙度与渗透率无相关关系,此时对于碳酸盐岩含量较高的储层利用孔隙度渗透率关系难以准确计算渗透率。如图3所示,该油田A井沙一段渗透率较低,沙二段渗透率较高,而B井沙一段渗透率较高,沙二段渗透率较低,2口井沙一段与沙二段具有不同的孔隙度渗透率关系。

图4为A井、B井沙一段与沙二段储层中子—密度交会图。由图4可知A井沙一段含钙较高,导致渗透率较低,而B井沙二段含钙较高,导致渗透率较低。因此,在开发阶段,采用沙一段与沙二段孔隙度渗透率关系的平均值计算渗透率,使得开发井渗透率计算变得十分复杂。

通过Lambda渗透率模型对BZ油田某开发井渗透率进行计算(见图5)。该井3 109～3 120 m段计算的渗透率(见第6道红线)比用孔隙度渗透率关系平均值计算的渗透率(见第6道蓝线)高,其余井段基本一致。该井段沙一段为射孔段,通过2种方法分别对该井进行产能计算(见表1)。由表1可见,原方法沙一段产能17 m3/d,明显比Lambda方法(54 m3/d)低,其配产与实际生产相差34 m3/d,而Lambda法在其他井段渗透率与原方法基本一致,其配产与实际生产相差3 m3/d,从而证实沙一段Lambda法计算渗透率的合理性。

图3 BZ油田A井、B井沙一段、沙二段孔隙度渗透率关系对比图

图4 BZ油田A井、B井沙一段、沙二段储层中子—密度交会图

图5 BZ油田某开发井孔隙度渗透率关系平均值法与Lambda法计算的渗透率比较

计算方法ϕ-K(E3S1)Lambda(E3S1)全井配产(ϕ-K)全井配产(Lambda)实际产能产能/(m3·d-1)1754186223220

3 结 论

(1) 针对渤海油田复杂岩性储层渗透率计算问题开展研究,基于Lambda渗透率模型借助ECS测井技术提供的矿物成分、骨架密度等参数实现储层渗透率的定量计算。

(2) 通过渤海油田部分井应用发现,该方法简单实用,受岩心数据影响较小,储层渗透率可直接通过ECS矿物模型计算,相对多矿物模型具有一定的确定性。

(3) 通过岩心对比与生产动态证实,对于复杂岩性储层Lambda方法能够得到合理的渗透率值,为复杂岩性储层测井评价提供一种有效手段,同时扩展了ECS测井在储层评价中的应用。

参考文献:

[1] 张诗笛, 冯文光, 杨宇. 常规测井估算渗透率新方法 [J]. 石油天然气学报, 2010, 32(4): 260-264.

[2] 荆万学. 常规测井资料计算砂岩储层渗透率的理论思考 [J]. 测井技术, 2002, 26(1): 46-48.

[3] Tang X M, Cheng C H. Fast Inversion of Formation Permeability from Stoneley Wave Logs Using a Simplified Biot-Rosenbaum Mode [J]. Geophysics, 1996, 61(3): 639-645.

[4] 王光海, 李高明. 用核磁共振测井确定渗透率的原理和方法分析 [J]. 测井技术, 2001, 25(2): 101-104.

[5] 袁祖贵, 成晓宁, 孙娟. 地层元素测井(ECS)——一种全面评价储层的测井新技术 [J]. 原子能科学技术, 2004, 38(增刊): 208-213.

[6] Johnson D L, Koplik J, Schwartz L M. New Pore-size Parameter Characterizing Transport in Porous Media [J]. Phys Rev Let, 1986(57): 2564-2567.

[7] Van Olphen H, Fripiat J J. Data Handbook for Clay Minerals and Other Non-metallic Minerals [M]. New York City: Pergamon Press, 1979: 346.

[8] Herron M M, Johnson D L, Schwartz L M. A Robust Permeability Estimator for Siliciclastics [C]∥Herron SPE, 1998: 777-787.