2. 中国石化西北油田分公司, 乌鲁木齐 830011
2. North West Oil Field Corporation, SINOPEC, Urumqi 830011, China
0 引言
岩溶缝洞型碳酸盐岩储层是指裂缝和溶蚀孔洞同时存在的碳酸盐岩储层，其在塔里木盆地深层油气勘探开发中占有至关重要的地位[1]。该类储层的特点是埋深大、储层类型多、孔隙结构复杂、连通性差、油水关系复杂，以及对于优质储层段单井产量高[2]。由于裂缝和溶蚀孔洞的发育程度、产状、大小和空间分布均呈强非均质性, 导致部分井的储层最初表现为高产，但随开发时间推移, 产能快速下降[2-3]。为应对部分溶蚀孔洞型储层连通性差及空间分布非均质性的问题，油气业界常采用斜井或水平井钻遇空间非均匀分布的多套储层，以提高开发效益[2]。由于深部储层压力大，加之缝洞非均质分布，钻井过程中经常出现泥浆漏失、井筒流体不稳定而造成的井壁坍塌，甚至大段放空等现象，这不仅增加了钻井成本，在严重的情况下，还可能会造成钻井事故, 无法钻达目的层位[4]。因此, 对于岩溶缝洞型碳酸盐岩储层，准确预测与评价裂缝与岩溶孔洞的发育状况与空间分布位置，确定地下储层的应力分布状态，是获取高效优质储层和开展安全钻井生产的重要保障与基础[5]。
对埋藏于7 000~8 000 m深的强非均质岩溶缝洞型碳酸盐岩储层，仅依靠地质露头和取心描述显然难以实现储层中缝洞的精确评价与预测。目前，得益于高密度与高精度地震勘探和成像测井技术的发展，采用高分辨率地震资料业已能够精确评价裂缝的空间展布及详细雕刻缝洞体的空间分布状态；而成像测井信息一方面可为地震预测结果提供标定数据，另一方面可对裂缝分布参数给出可靠的统计结果[6]。在应用地震属性开展断裂与裂缝系统的评价与预测方面，前人开展了诸多创新性的研究。Bahorich等[7]应用地震相干属性描述了研究目标区的断层、三角洲、河道等地质特征，得到了目标地质体的空间分布参数。Roberts[8]采用地震反射面曲率的空间变化趋势，预测了小断层和裂缝的空间分布，获取了与其他评价方法基本一致的结果。为了更好地识别远小于地震波长的线状裂缝分布，Silva等[9]利用蚂蚁体算法自动识别裂缝，极大提高了裂缝断面的识别精度与解释速度。基于成像测井技术的高精度和高分辨率特性，所获数据能更好地响应井孔周围地层的地质特征细节，尤其可以对井筒周围的裂缝分布与地层的应力分布状态进行可靠的定量评价[10]，以实现优化的油藏管理[11]。从电成像资料中提取得到碳酸盐岩储层中的裂缝，计算裂缝的倾角走向，能够指导斜井、水平井设计，以钻遇大规模储集体。
本文先利用相干体、蚂蚁体等多种地震属性以及地震反演数据体进行断裂带的裂缝预测、描述裂缝发育区的裂缝空间分布状态、圈定有利含油气分布圈闭；再利用成像资料提取的裂缝分布信息标定地震属性预测结果，综合多臂井径测量的井筒崩落以及诱导缝信息，分析某工区的应力空间分布；再结合井震标定预测的裂缝倾角和走向信息优化设计大斜度或水平井轨迹，为后期压裂设计提供基础资料。以期融合地震多属性优化方法与电成像测井信息，描述新疆某工区内断裂和裂缝展布，预测优质储层，统计评估地层的空间应力分布，实现科学高效的井轨迹优化设计。
1 SHB工区碳酸盐岩储层地球物理响应特征 1.1 构造沉积与地震响应特征SHB工区位于新疆顺托果勒低隆起北部[12](图 1)，处于阿瓦提坳陷、满加尔坳陷与沙雅隆起的结合部，构造位置有利于油气聚集。奥陶系中下统沉积了巨厚的碳酸盐岩，而该区受到NS方向和NE方向的应力作用，形成了大规模的NE向及NW向的走滑断裂体系，该体系断穿了多个层位。加里东晚期—海西早期构造运动对走滑断裂带进一步改造，同时还伴随着海西晚期热液溶蚀作用，形成了以断裂控制为主的多种成因叠加改造形成的裂缝-洞穴型储集体。该工区不仅具有奥陶系碳酸盐岩储集体发育的特点(大型溶蚀孔洞发育)且储盖组合好，同时奥陶系上统桑塔木组存在着巨厚泥岩、灰质泥岩及泥灰岩组合，沉积稳定，成为了较好的区域盖层[13](图 2)。该区经历了多期复杂沉积构造演化过程，为多期次缝洞发育和油气成藏富集提供了良好的地质条件。
该地区受到区域性挤压、压扭和张扭应力的作用，断裂在平面上具有明显的方向性，主要发育NE向、NW向和近NS向3个方向上的断裂破碎带(图 2)。断裂破碎带后期不断受到溶蚀作用，最终形成了一系列溶蚀孔洞。从该地区二维及三维地震资料来看，剖面上这些断裂破碎带具有如下特点：垂向上表现为陡直(倾角>80°)的正断层或逆断层，断距不大，断裂往往成对出现；且正断层组合形成拉分地堑、地垒；逆断层组合形成背冲式断层。剖面特征主要表现为陡倾(直立)向下直插基底，向上分叉，散开形似花朵或棕榈树的正花状(或半花状)断裂样式，而溶蚀孔洞储层表现出“单个串珠反射”“串珠反射群”或“杂乱反射”等特点。
1.2 储层结构与测井响应特征碳酸盐岩储层的孔隙结构与组合的类型有所不同，这使得其储层拥有不同的空间结构，SHB工区储层一般可划分为：裂缝型、孔洞型(孔隙-孔洞型)、裂缝孔洞型储层和洞穴型(裂缝-洞穴型储层)。
裂缝型储层：自然伽马值一般较低；电阻率曲线具有很明显的降低趋势，电阻率数值一般是低到中等；微侧向或者是微球形聚焦的测井曲线值在裂缝发育段比双侧向拥有更多的起伏；井径微微扩张；中子响应升高，密度响应降低，同时由于裂缝常伴随孔隙流体高压，所以声波时差曲线读数变大；成像测井显示暗色的正弦波状裂缝，裂缝相互交叉也可以形成网状、树枝状等裂缝组合特征。
孔洞型储层：常规自然伽马值为低—中值，一般反映岩性较纯；深、浅双侧向有一定差异，电阻率有所降低，孔洞连通性越好，电阻率降低越明显；微球聚焦曲线有起伏，井径在孔洞较为发育段有一定扩径，中子、密度、声波曲线变化较大，显示出较高孔隙度的特征；成像测井显示麻点状孔洞特征。
裂缝孔洞型储层：该类储集层裂缝的存在对溶蚀孔洞起连通作用，大大改善了储层的渗透能力，从而提高了储层的导电能力。在常规和成像测井资料上比单一的裂缝型及孔洞型储层更容易识别。其主要特征为：自然伽马值为低值(5~15 API)，变化平缓；井径曲线通常表现为扩径，电阻率值是低中值，数值为70~300 Ω·m；3条孔隙度曲线间的关系通常表现为声波时差值增大时密度值降低；密度曲线测值为2.63~2.71 g/cm3，声波时差值为48~54 μs/ft①，而中子值在1%~4%之间。
① ft(英尺)为非法定计量单位，1 ft=0.304 8 m。下同。
洞穴型储层：洞穴型储层可以划分为未充填洞穴型、部分充填型和全充填型，其中储集性较好的为未充填洞穴型、部分充填型以及充填孔隙砂岩的洞穴型储层。洞穴型储层的测井响应特征是井眼有严重的扩径，密度值大大降低，声波时差值增大，深浅侧向电阻率曲线降低；由于可能含有油气或者水，中子响应升高。
岩溶缝洞型储层在地震剖面上常呈现“断裂+杂乱反射”特征，尤其是低信噪比地震资料，利用常规地震资料检测断层特别是小断层和裂缝非常困难。该类储层缝洞十分发育，裂缝系统复杂。对缝洞体空间刻画不清楚，井眼轨迹难以准确入靶，无法钻遇大规模储集体。此外，对目的储层段应力分布不清楚，深层钻井中，一旦井孔中的岩石被钻开，会导致井壁受到的压力增大，引发井筒扩径或者坍塌[14]。井筒不稳定会使钻井成本增加且井漏现象严重，导致斜井及水平井钻探成功率降低。
2 储层缝洞带识别与评价方法对于强非均质性复杂孔隙结构缝洞型储层，准确刻画裂缝空间展布及溶蚀孔洞发育范围对储层评价与高效开发至关重要。鉴于工区钻孔不多，缝洞的空间分布预测与评价仍以高精度三维地震资料为主，且以地震属性来识别和解释断层。为了降低地震属性对断层和裂缝解释的多解性，在地震属性识别与预测断裂与裂缝分布时，采用综合测井响应与电成像测井资料的裂缝解释结果对地震预测裂缝结果进行了统计标定，以提高裂缝评价结果的精度。
2.1 多类地震属性优化文中依据不同地震属性对不同断层特征的敏感性不同，利用相干体、倾角体、蚂蚁体以及曲率体属性等的优化融合[15-16]，实现了多地震属性优化融合检测断层和裂缝的空间分布，其详细流程如图 3所示。由于工区处于流砂区，深部地层的地震反射能量相对较弱，频率偏低，主频为25 Hz左右。因此，在实施多地震属性计算之前，首先对地震资料进行拓频和噪声压制处理，以得到高分辨率和高信噪比的地震资料；其次，在地震资料倾角属性提取环节，分别沿主测线和联络测线方向提取倾角体、残差倾角体和均方根倾角体；然后将均方根倾角体作为中间输入数据体提取边界增强的地震属性数据体，以此边界增强的地震属性数据体作为输入，提取蚂蚁体；再将主测线和联络测线倾角体作为输入，提取曲率体属性；最后，利用叠后波阻抗反演结果雕刻断裂和缝洞分布区的边界。
|
| 图 3 地震数据预处理和属性分析流程图 Fig. 3 Flowchart of seismic preprocessing and attributes analysis |
|
|
图 4为某工区T27层位的各地震属性水平切片图，现针对前4种主要属性的计算方法作简要描述。
|
| a. 相干体属性；b. 曲率体属性；c. 蚂蚁体属性；d. 倾角体属性；e. 最大波峰振幅属性；f. 均方根振幅属性。 图 4 T27各层位属性 Fig. 4 Stratigraphic attributes of T27 |
|
|
Bahorich等[7]将相似性属性算法应用到三维地震资料，有效地解释了断层系统，地震相干体属性应运而生。从利用地震道互相关值来表征相干性，到利用互相关系数构建协方差矩阵并对其进行特征分解的本征结构算法，相干体属性发展至今经历了三代。相干属性表示相邻道或者多道之间的相似性。相似度接近1表示地震反射具有相似的相位和振幅；相似度接近0意味着地震反射相位和振幅有变化，利用这个性质来寻找断层或裂缝。本文选用了能够突出断层和裂缝的方差相干属性(图 4a)，其计算关系[17]为
(1) 式中：V(x, y)表示基于方差的相干值；s(x, y)表示信号在(x, y)处的强度；r为以(x，y)为中心对称的方形时窗的尺度；(2r+1)为分析时窗的大小；i, j分别是时窗在x, y方向上的移动步长计数。
2.1.2 曲率体属性曲率属性在描述圈闭和预测裂缝方向及分布方面效果显著。利用曲率可判断地层的弯曲程度, 从而对地下裂缝等细微构造进行识别(图 4b)。曲率表征曲线上某点的弯曲程度[8]。设R为曲线上某点(x, y)正切圆的半径，那么曲线上某点坐标(x, y)的曲率可定义为曲线沿与半径R垂直方向的变化速度：
(2) 式中：K为曲线在该点的曲率，是半径的倒数。
曲率与层面的二次导数密切相关，其品质对噪声相当敏感[8]。本文计算曲率体属性的输入数据为沿主测线和联络测线的倾角体属性。
2.1.3 蚂蚁体属性蚂蚁追踪算法基于蚂蚁觅食思想来寻找断层[9]，用于从预处理的地震体提取断层(图 4c)。预处理可以是方差体属性也可以是倾角体属性等，“蚂蚁”将尝试提取属性中与断层相对应的特征。本工区将边缘强化后的倾角体作为输入数据。利用蚂蚁体雕刻技术，从俯视图中可以看到断裂在数据体上的展布，侧视图可以得到断层及裂缝发育的程度。在深度不同的水平剖面(图 5a—e)上，5号断裂带具有明显的分段性，从上述多个剖面的俯视叠加图可以看出，5号断裂带划分为3个圈闭(图 5f)，不同圈闭在垂向上破碎程度以及连通性并不尽相同。此外，多层叠合能够提高信噪比，去除随机噪声干扰，提高断层识别能力。
|
| a. 4 380 ms；b. 4 560 ms；c. 4 670 ms；d. 4 780 ms；e. 5 080 ms；f. 水平投影剖面(红线表示圈闭在水平方向的边界)。 图 5 蚂蚁体属性水平剖面 Fig. 5 horizontal sections of ant-tracking attribute |
|
|
从三维地震数据推导得到的倾角体属性是描述地层构造的重要属性。利用倾角体属性能够突出具有倾角的隐蔽小断层以及引起地震波细微变化的不同地层特征[15](图 4d)。为了计算倾角体属性，我们首先分别计算横线方向和深度方向的瞬时波数Kx(x, y)和Ky(x, y)：
(3) 
(4) 式中：u为输入数据；上标H为希尔伯特算子。由式(3)(4)可计算出瞬时倾角θ：
(5) 最大波峰振幅属性(图 4e)和均方根振幅属性(图 4f)属于地震基本属性，故在此省略。
2.2 电成像测井信息裂缝评价钻井过程中，泥浆侵入裂缝和溶蚀孔洞，造成裂缝、溶蚀孔洞与基质岩石的导电性出现差异。在电成像测井电导率图像中，由钻井泥浆填充的高电导率裂缝和溶蚀孔洞表现为条带状或斑块状暗色，而致密的基质岩石表现为低电导率的亮色。基于成像测井图像中电导率的这种差异，通过图像分割处理方法，可以拾取电导率图像上的裂缝和溶蚀孔洞。然而，实测资料处理时由于仪器噪声和仪器特殊结构，处理前需要对测量数据进行去噪和预处理。
2.2.1 电成像测井电导率图像预处理实际测井时，由于地层层理、泥质条带以及钻井诱导缝也表现为暗色高电导条带状异常，故会对裂缝和溶蚀孔洞的拾取造成干扰。在实测电成像测井资料处理中，需要针对层理、泥质条带以及钻井诱导缝的不同特点及其电成像响应进行异常剔除的目标处理。由于测量过程中仪器与井壁的磕碰、仪器电子元器件和线路等的影响，在电导率图像上总是存在不同程度的噪声。针对电成像测井192条纽扣电极的电导率曲线进行自适应多尺度形态学滤波处理，再经电成像预处理后成图，可以较好地将噪声剔除，提高测井数据的信噪比。另外，为了保持裂缝和溶蚀孔洞的连续性，还需要对电成像图中的空白条带进行填充，文中选用奇异谱分析插值方法进行处理[18-21]。
实现预处理的步骤如下：
1) 进行电扣深度的对齐、速度的校正、数据均衡化的处理、异常电极的校正等；
2) 将全井段的极板电导率数据刻度设为相应颜色，即按井周围展布成0°~360°方位上的静态图像；
3) 为更清晰地显示裂缝和孔洞信息，以2 ft为滑动窗长，在滑动窗长内按照1/2窗长为步长来移动窗口并进行静态色度标定，在窗口范围内反复进行标定一直到完全实现整个井段的标定，然后将静态图像转换成动态图像；
4) 对预处理电导率图像的空白带进行奇异谱插值填充[21]；
5) 基于自适应多尺度形态学滤波方法进行噪声压制处理[22]；
6) 使用Otsu最大类间方差法进行基质分离[23]。
2.2.2 地层层理和泥质条带电导率异常提取从地质事件的宏观分布特征[12]可知，地层层理在较大的层段上具有一定的倾角和倾向，层理厚度较细且均匀，在电成像测井数据中呈现低频的特点。对去噪后的电成像测井数据进行纵向一维形态学滤波处理，可提炼出反映泥质和层理的基质电导率曲线。如图 6所示，通过大尺度半圆型结构元素的处理，地层层理和泥质条带的信息被提取出来(图 6b)，在去除层理和泥质条带后的成像图中，裂缝和溶蚀孔洞得到增强(图 6b和图 6c黑色箭头指向的相同位置，层理和泥质条带都被去除了)，在二值图中的效果尤其明显。利用自适应多尺度形态学滤波，即可将地层层理和泥质条带去除，这为我们后面进行高导缝和溶蚀孔洞的提取提供了条件。
|
| a.原始微电导率测井成像图；b.半圆型结构元素处理后的结果；c.去除层理和泥质条带的结果。 图 6 多尺度半圆型结构元素地层层理和泥质条带提取 Fig. 6 Extraction of stratigraphic formation and shale strip using multi-scale semi-circular structure elements |
|
|
关于钻井诱导的压裂裂缝分布，径向延伸深度小，纵向可能会延伸较长，井孔图像上呈雁行状分布，可通过选定某一倾角范围实现异常剔除；对于泥质条带，可以结合自然伽马曲线和中子-密度灰岩孔曲线的重叠图或幅度差曲线加以剔除。
2.2.3 连通域标记法缝洞信息提取与参数计算方法首先在电导率背景分离后的二值图上定义连通域，用它表示一个像素点与其周围像素点的关系(图 7)。对于一个已知的像素点q，它有2个水平和2个垂直的相邻元素，从集合的角度上讲，q的这4个相邻像素的集合为N4(q)(图 7a)，即像素点q的四连通区域；q点在对角线上还有4个相邻元素，集合为ND(q)，有N4(q)∪ND(q)=N8(q)，即像素点q的八连通区域[24-27](图 7b)。对于连通区域(图 7c)，使用椭圆拟合方法，可以获得其对应的长轴、短轴及倾角参数(图 7d)。
|
| a. 四连通；b. 八连通；c. 椭圆函数拟合缝洞连通域；d. 拟合椭圆及其长短轴参数。 图 7 连通域及椭圆拟合示意图 Fig. 7 Schematic diagram of the connected domain fitting with the ellipse |
|
|
为了分离裂缝和溶蚀孔洞子图像，使用八连通计算一幅二值图像中的所有连接区域(图 8a)，图 8b显示了与之相对应的标记矩阵。每个不同连通区域中的像素被分配一个唯一的整数，该整数的范围是从1到连通区域的总数。换言之，标记值为1的像素属于第一个连通区域；标记值为2的像素属于第二个连通区域；依次类推。背景像素标记为0。裂缝和溶蚀孔洞的不同分布可以选择不同的连通度来划分连通区域，连通域划分之后即完成了缝洞的标记。
|
| a. 标记前的连通区域；b. 标记后的连通区域。 图 8 连通域标记矩阵 Fig. 8 Labeling matrix of the connected domain |
|
|
将连通域标记后的区域进行椭圆拟合，我们可提取该连通区域的各种属性，筛选出符合裂缝分布的属性，进行主成分分析后，获得一条反映裂缝分布的综合裂缝指数。在综合裂缝指数上，确定合适的阈值，划分出符合条件的连通区域，即可完成对图像中裂缝与溶蚀孔洞的分离。
提取连通区域的各种属性参数后，从中选取几个突出的敏感可靠的裂缝响应指标(表 1)，应用主成分分析方法[28-30]，把这些裂缝响应指标作线性组合, 将其重新组合成一条反映裂缝分布的综合裂缝指数，即可确定反映裂缝敏感信息的主成分。
| 连通域属性 | 裂缝 | 溶蚀孔洞 | 连通域属性 | 裂缝 | 溶蚀孔洞 |
| 像素面积 | 大 | 小 | 曲率 | 大 | 小 |
| 椭圆长轴 | 长 | 短 | 倾角 | 大 | 小 |
| 椭圆短轴 | 短 | 长 | 圆直径 | 大 | 小 |
| 椭圆纵横比 | 小 | 大 | 椭圆面积 | 大 | 小 |
图 9是用主成分分析标记连通区域的缝洞提取结果。主成分分析中高值处代表裂缝，取合适阈值后，可将裂缝和溶蚀孔洞分开。通过主成分分析标记连通区域的处理后，高导缝被很好地分离出来，并保持了各条裂缝的完整性(图 9d)。我们用多项式插值函数对裂缝进行拟合(图 9e)，并计算得到相应的裂缝产状参数(图 9f)。
|
| a. 原始电成像图；b. 图a的缝洞电导率二值图；c. 提取的孔洞二值图；d. 提取的裂缝二值图；e. 多项式拟合裂缝；f. 计算获得的裂缝倾角和倾向。 图 9 主成分分析标记连通区域的缝洞提取结果 Fig. 9 Fracture and vug extraction of the connected domain after principle component analysis labeling |
|
|
应用上述方法，对该工区的10口井的缝洞发育段电成像测井数据进行裂缝和溶蚀孔洞的提取, 其中8口井的裂缝参数结果如表 2所示。从表 2可知，裂缝倾角以中高角度为主，裂缝走向与最大主应力方向基本一致(NE—SW)。为了对方法的实用性进行评估，这里对A井和C井进行处理，并对结果加以详细分析。
| 井名 | 裂缝倾角/(°) | 裂缝走向 | 裂缝数 | 裂缝密度/(条/m) |
| B | 80 | NE—SW | 15 | 0.025 |
| D | 35 | NE—SW | 12 | 0.035 |
| E | 55 | NE—SW | 10 | 0.034 |
| F | 40 | NE—SW | 7 | 0.022 |
| G | 75 | NE—SW | 20 | 0.061 |
| H | 86 | NNE—SSW | 3 | 0.009 |
| I | 62 | NE—SW | 10 | 0.100 |
| J | 22 | N—S, NE—SW | 6 | 0.023 |
图 10是对A井裂缝型储层段进行形态学算法处理得到的缝洞分离及参数表征结果，由图 10可见，该井高导缝极为发育，多期裂缝相互穿切交叉，整体属于裂缝型储层。从裂缝方向的统计玫瑰图看到，整体裂缝倾角不大，裂缝倾向以SW向分布为主，溶蚀孔洞极少。
|
| 第4道中红色线为裂缝；第7道为计算获得的裂缝倾角和倾向。 图 10 A井碳酸盐岩裂缝型储层电成像缝洞提取及参数表征 Fig. 10 Fracture extraction and characterization from the electric image well logging data of Well A with carbonate reservoir |
|
|
从高精度的三维地震资料可以得到，该地区发育一条近S—N走向的断裂。过井地震剖面上呈“断裂+杂乱反射”特征，表明储层主要受断裂带控制[31]。从目前已完钻的井资料分析，6口井均放空漏失、钻遇裂缝，双侧向上深浅电阻率分开明显，具有较好的一致性(图 11)。沿断裂带分布的6口钻井资料揭示：工区油气成藏条件优越，奥陶系中—下部碳酸盐岩为储层，奥陶系上部桑塔木组大套泥岩为盖层，整体构成奥陶系内部的储盖组合。
|
| GR. 自然伽马；RD. 深侧向电阻率；RS. 浅侧向电阻率；CAL. 井径。in(英寸)非法定计量单位，1 in=2.54 cm。 图 11 联井剖面(上)及过井地震剖面(下) Fig. 11 Wells reservoir section(up) and cross hole seismic section(down) |
|
|
E井钻进至井深X 736.69 m(一间房组，层位：O2yj)时发生井漏，共漏失钻井液30.04 m3，其中密度1.29 g/cm3的钻井液23.84 m3，密度1.27 g/cm3的钻井液6.20 m3。原因分析：钻遇奥陶系中统一间房组(O2yj)裂缝发育地层而发生井漏。从测井曲线上分析，深侧向电阻率为389.6~887.1 Ω·m，浅侧向电阻率为88.4~133.8 Ω·m，自然伽马为9.1~13.5 API，井径为15.24 cm，声波时差为52.9~53.2 μs/ft，中子值为0.88%~1.49%。处理结果显示：泥质质量分数为1.72%，孔隙度为2.22%，裂缝孔隙度为0.55%。从成像资料上分析，X 732.0~X 738.0 m微电阻率扫描成像显示裂缝发育, X 736.69 m处奥陶系中统一间房组裂缝发育而发生井漏。综合评价为Ⅱ类储层，主要表现为裂缝型储层特征。
结合测井与地震资料，分析了优质储层发育与断裂空间分布的关系，揭示了油气分布规律与有利勘探目标。
3 工区应力分布与缝洞储层评价应用 3.1 电成像测井地层应力统计针对岩溶缝洞型储层的强非均质性以及复杂的孔隙结构，石油工业上经常通过设计水平井来钻遇大规模储集体。深层钻井中，一旦井筒中的岩石被钻开，井壁受到的压力增大，可能导致井孔扩径或者坍塌[14]。井孔不稳定会使钻井成本增加甚至导致无法钻遇储层。电成像测井具有高分辨率和高井眼覆盖率的特点，从图像中提取的井筒崩落(图 12a)和诱导缝(图 12b)可以用来确定应力方向。通常，井孔崩落表示的方向与最大水平主应力SHmax垂直，诱导缝表示最大主应力的方向[20](图 13)。从该工区10口井电成像资料中，拾取得到该工区的应力分布，最大主应力方向以NE—SW为主，局部为NW—SE。
|
| a. 井H成像资料(井筒崩落)；b. 井B成像资料(钻井诱导缝)。 图 12 各井成像资料 Fig. 12 Image logging data of the wells |
|
|
|
| a. 井孔应力分布示意图，红色表示压应力(最小主应力)，蓝色表示张应力(最大主应力)；b. 井筒中诱导缝与井筒崩落分布示意图(井筒崩落方向与最大主应力一致，诱导缝与最大主应力垂直)。 图 13 应力与井筒崩落示意图 Fig. 13 Schematic diagram of stress and wellbore collapse |
|
|
该工区油气成藏条件优越，奥陶系中—下部碳酸盐岩为储层，奥陶系上部桑塔木组大套泥岩为盖层构成奥陶系内部储盖组合。从目前已完钻的井资料分析，6口井均放空漏失、钻遇裂缝，双侧向上深浅电阻率分开明显，具有较好的一致性，过井地震剖面上呈“断裂+杂乱反射”特征，表明储层主要受断裂带控制。
井E部署在落实的工区中奥陶Z号圈闭内，圈闭面积为17.24 km2，圈闭类型为断控裂缝-洞穴型，圈闭层位为奥陶系中统一间房组—鹰山组上段。圈闭边界的刻画主要采用RTM(逆时偏移)数据体振幅变化率属性以及反演雕刻体属性，目前圈闭资料的信噪比和保真度较高，圈闭落实可靠。其中，E井位于该三维工区5号主干走滑断裂带派生次级断裂上，在相干体、蚂蚁体、曲率体和反演体上显示断裂以规模储集体发育为主(图 14a—e)，考虑到图 14中直井处于属性显示缝洞发育区的边缘部位，为准确钻到缝洞发育有利部位，井孔下端设计侧钻斜井段，图 14e目标层的波阻抗反演结果看到，斜井段完全钻穿了缝洞发育段的中心位置，这一钻井设计考虑得到实际钻探结果的证实。
|
| a. 相干体属性；b. 曲率体属性；c. 蚂蚁体属性；d. 倾角体属性；e. 目标层波阻抗反演体。不同颜色线条表示不同的地层层位，黑线表示E井。 图 14 过井E靶点B2二维地震属性剖面 Fig. 14 Target spot B2 across Well E on the 2-D seismic attribute section |
|
|
多种地震属性和反演资料证实：该地区储集体发育受断裂控制明显，成像资料显示裂缝以中高角度为主。这种高角度断裂控制的断溶型储集体决定了直井的成功率较低，而向主断面侧钻的水平井和斜井均钻遇良好的储集体，并获得高产油气流[21]。工区最大主应力方向主要为NE—SW, 局部为NW—SE(图 15)，应力方向取决于井口到走滑断裂带的距离。沿着最小主应力方向(垂直于最大主应力)，井筒不容易发生垮塌，从属性和反演资料中，设定目标靶点，且沿着最小主应力方向钻进斜井，可降低钻井风险的同时，尽可能地钻遇有利储层[32]。
|
| 图 15 根据10口井成像资料中井筒崩落及诱导裂缝走向绘制该地区的应力分布 Fig. 15 Stress distribution according to ten image wells logging data about wellbore collapsing and strike of fractures |
|
|
该工区E井部署在落实的工区中奥陶Z号圈闭内。井E初始设计为水平井，后经两次调整，第一次调整沿NW—SE方向侧钻(与最大主应力方向垂直)，斜井段约200 m, 靶点为B1(图 16)。但裂缝发育条数较少，实钻漏失速度也较慢，整体实钻储层发育差，油气显示弱，未达到调整设计目的。井E实施第二次调整设计, 留出原轨迹中直井段, 向NE方向侧钻，侧钻目标能量较强，侧钻轨迹沿NE向断裂，与裂缝呈一定的角度(与最大主应力方向相差约15°), 有利于贯穿多条裂缝, 钻遇规模储集体, 靶点为B2(图 14e、图 17)。
|
| 图 16 井轨迹在振幅变化率平面上的投影 Fig. 16 Projection of wellbore trajectory on the amplitude variety percentage section |
|
|
|
| 图 17 井E轨迹与储层雕刻体 Fig. 17 Well E trajectory and the geobody of the around reseviors |
|
|
从钻遇储层角度来看，第二次钻井轨迹的调整是沿着缝洞储层发育方向，能够尽可能钻遇裂缝发育带，但是侧钻方向与最大水平主应力方向近乎平行，不利于钻井过程的安全作业。实际钻井数据表明：第二次轨迹调整钻进过程中，钻压达到2 N, 转速达20 r/m，扭矩长期维持在17~18 kN·m, 且伴随憋停顶驱现象。继续下钻时，钻进扭矩由18 kN·m增至19 kN·m，憋停顶驱现象更加频繁，若继续钻进，摩阻、扭矩将持续增大，井下小钻具长期处于高摩阻、高扭矩状态，极易出现卡钻及断钻风险，必须提前完钻。因此，在设计水平井过程中，必须考虑最大主应力方向，以避免卡钻、断钻、井筒坍塌等事故的发生。
4 结论与建议1) 采用优化地震属性与测井信息融合的方法，可以较好地揭示缝洞的空间分布与连通状态。
2) 根据电成像测井资料中的井筒崩落以及钻井诱导缝的分布情况，可以预测工区应力分布，研究区主应力和裂缝分布以NE—SW为主，且由电成像资料提取的裂缝以中高角度为主，储层主要受断裂带控制。
3) 由于岩溶性缝洞型储层缝洞分布的强非均质性，采用直井开发具有一定的经济局限性，需采用井震融合优化设计水平井、斜井开发，以钻遇大规模储集体并提高产能。
4) 研究区水平井和斜井均应沿NW—SE方向, 这样尽可能钻遇裂缝及溶洞发育带且避免因井壁垮塌、放空漏失而造成的工程事故及对应深度段测井资料缺失等问题。
5) 在类似研究区这样的深井和超深井探区，复杂的储层环境以及应力分布特征使得优化钻井轨迹的设计显得尤为重要，一方面，可以避免井壁垮塌、放空漏失等钻井工程事故，另一方面，也可以为取得完整的测井资料提供条件。多地震属性优化与电成像测井信息的融合，除了实现储层缝洞发育带的识别和评价外，还能有效指导水平井或斜井的井轨迹优化设计，有效规避钻井风险，提高油气发现的成功率。
致谢: 在资料收集整理和项目研究中，中石化西北分公司顺北项目部、勘探开发研究院测井研究所及顺北项目部专家给予了指导和帮助，谨致谢忱。
| [1] |
孙龙德, 邹才能, 朱如凯, 等. 中国深层油气形成、分布与潜力分析[J]. 石油勘探与开发, 2013, 40(6): 641-649. Sun Longde, Zou Caineng, Zhu Rukai, et al. Formation, Distribution and Potential of Deep Hydrocarbon Resources in China[J]. Petroleum Exploration and Development, 2013, 40(6): 641-649. |
| [2] |
焦方正. 塔里木盆地深层碳酸盐岩缝洞型油藏体积开发实践与认识[J]. 石油勘探与开发, 2019, 46(3): 552-558. Jiao Fangzheng. Practice and Knowledge of Volumetric Development of Deep Fracture-Vuggy Carbonatereservoirs in Tarim Basin, NW China[J]. Petroleum Exploration and Development, 2019, 46(3): 552-558. |
| [3] |
田军. 塔里木盆地油气勘探成果与勘探方向[J]. 新疆石油地质, 2019, 40(1): 1-11. Tian Jun. Petroleum Exploration Achievements and Future Targets of Tarim Basin[J]. Xinjiang Petroleum Geology, 2019, 40(1): 1-11. |
| [4] |
Wei Ju, Shen Jian, Qin Yong, et al. In-Situ Stress State in the Linxing Region, Eastern Ordos Basin, China: Implications for Unconventional Gas Exploration and Production[J]. Marine and Petroleum Geology, 2017, 86(1): 66-78. |
| [5] |
Rajabi M, Tingay M, Heidbach O. The Present-Day State of Tectonic Stress in the Darling Basin, Australia: Implications for Exploration and Production[J]. Marine and Petroleum Geology, 2016, 77(2): 776-790. |
| [6] |
漆立新. 塔里木盆地顺托果勒隆起奥陶系碳酸盐岩超深层油气突破及其意义[J]. 中国石油勘探, 2016, 21(3): 38-50. Qi Lixin. Oil and Gas Breakthrough in Ultra-Deep Ordovician Carbonate Formations in Shuntuoguole Uplift, Tarim Basim[J]. China Petroleum Exploration, 2016, 21(3): 38-50. |
| [7] |
Bahorich M S, Farmer S L. 3-D Seismic Discontinuity for Faults and Stratigraphic Features: The Coherence Cube[J]. The Leading Edge, 1995, 10: 1053-1058. |
| [8] |
Roberts A. Curvature Attributes and Their Application to 3D Interpreted Horizons[J]. First Break, 2001, 19(2): 85-100. DOI:10.1046/j.0263-5046.2001.00142.x |
| [9] |
Silva C C, Marcolino C S, Lima F D. Automatic Fault Extraction Using ant Tracking Algorithm in the Marlim South Field, Campos Basin[R]. Houston: SEG Technical Program Expanded Abstracts, 2005: 857-860.
|
| [10] |
Mark R P T, Richard R H, Chris K M, et al. Present-Day Stress and Neotectonics of Brunei: Implications for Petroleum Exploration and Production[R]. AAPG Bulletin, 2009, 93(1): 75-100.
|
| [11] |
Nguyen T T B, Tomochika T, Hoang P S, et al. Present-Day Stress and Pore Pressure Fields in the Cuu Long and Nam Con Son Basins, Offshore Vietnam[J]. Marine and Petroleum Geology, 2007, 24(2): 607-615. |
| [12] |
焦方正. 塔里木盆地顺北特深碳酸盐岩断溶体油气藏发现意义与前景[J]. 石油与天然气地质, 2018, 39(2): 207-216. Jiao Fangzheng. Significance and Prospect of Ultra-Deep Carbonate Fault-Karst Reservoirs in Shunbei Area, Tarim Basin[J]. Oil & Gas Geology, 2018, 39(2): 207-216. |
| [13] |
郑孟林, 王毅, 金之钧, 等. 塔里木盆地叠合演化与油气聚集[J]. 石油与天然气地质, 2014, 35(6): 925-934. Zheng Menglin, Wang Yi, Jin Zhijun, et al. Superimposition, Evolution and Petroleum Accumulation of Tarim Basin[J]. Oil & Gas Geology, 2014, 35(6): 925-934. |
| [14] |
Plumb, Richard A, Stephen H H. Stress-Induced Borehole Elongation: A Comparison Between the Four-Arm Dipmeter and the Borehole Televiewer in the Auburn Geothermal Well[J]. Journal of Geophysical Research: Solid Earth, 1985, 90(B7): 5513-5521. DOI:10.1029/JB090iB07p05513 |
| [15] |
Wang Lei, Su Zhaoyang, Shen Jinsong, et al. Faults and Fractures Detection Using Multiple Seismic Attributes and Sculpture Technique[C]//81st EAGE Conference and Exhibition, London: European Association of Geoscientists & Engineers, 2019.
|
| [16] |
Marfurt, Kurt J. Seismic Attributes as the Framework for Data Integration Throughout the Oilfield Life Cycle[R]. Anaheim, California: Society of Exploration Geophysicists, 2018.
|
| [17] |
Abdulmajid L, Suhail A, Mohamed D, et al. Fault Detection Using Seismic Attributes and Visual Saliency[C]. SEG Technical Program Expanded Abstracts, Dallas, Texas: Society of Exploration Geophysicists, 2016, 1939-1943.
|
| [18] |
Recht B. A Simpler Approach to Matrix Completion[J]. Journal of Machine Learning Research, 2011, 12(11): 3413-3430. |
| [19] |
Cai Jianfeng, Candes E J, Shen Zuowei. A Singular Value Thresholding Algorithm for Matrix Completion Export[J]. Society for Industrial and Applied Mathematics, 2008, 20(4): 1956-1982. |
| [20] |
Li Chuang, Huang Jianping, Li Zhenchun, et al. Regularized Least-Squares Migration of Simultaneous-Source Seismic Data with Adaptive Singular Spectrum Analysis[J]. Petroleum Science, 2017, 14(1): 61-74. DOI:10.1007/s12182-016-0134-1 |
| [21] |
李振苓, 沈金松, 李思, 等. 成像测井电导率图像空白带奇异谱插值和缝洞孔隙度分离方法[J]. 测井技术, 2017, 41(1): 33-40. Li Zhenling, Shen Jinsong, Li Si, et al. Singular Spectral Interpolation of Blank Strips in Formation Micoro-Scanner Conductivity Image and Separation of Porosity Between Fracture and Karst Cave[J]. Well Logging Technology, 2017, 41(1): 33-40. |
| [22] |
李振苓, 沈金松, 李曦宁, 等. 用形态学滤波从电导率图像中提取缝洞孔隙度谱[J]. 吉林大学学报(地球科学版), 2017, 47(4): 1295-1307. Li Zhenling, Shen Jinsong, Li Xining, et al. Estimating Porosity Spectrum of Fractureand Karst Cave from Conductivity Image by Morphological Filtering[J]. Journal of Jilin University (Earth Science Edition), 2017, 47(4): 1295-1307. |
| [23] |
Otsu N. A Threshold Selection Method from Gray-Level Histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62-66. |
| [24] |
Rafael C G, Richard E W. Digital Image Processing[M]. 2nd ed. New Jersey: Reading, Mass, Addison-Wesley Publishing Co, Inc, 1987.
|
| [25] |
Niblack W. An Introduction to Digital Image Processing[M]. Denmark: Strandberg Publishing Company Birkeroed, 1985.
|
| [26] |
Al-Shammaa A A M, Mohamed R. Extraction of Connected Components Skin Pemphigus Diseases Image Edge Detection by Morphological Operations[J]. International Journal of Computer Applications, 2012, 46(18): 7-13. |
| [27] |
Drapeau J, Géraud T, Coustaty M, et al. Extraction of Ancient Map Contents Using Trees of Connected Components[C]//International Workshop on Graphics Recognition. Berlin: Springer, 2017: 115-130.
|
| [28] |
Jolliffe I T. Principal Component Analysis[M]. New York: Springer, 2002.
|
| [29] |
Saporta G, Niang N. Principal Component Analysis: Application to Statistical Process Control[M]. London: John Wiley & Sons, 2009: 1-23.
|
| [30] |
Abdi H, Williams L J. Principal Component Analysis[J]. Wiley Interdisciplinary Reviews: Computational Statistics, 2010, 2(4): 433-459. |
| [31] |
马乃拜, 金圣林, 杨瑞召, 等. 塔里木盆地顺北地区断溶体地震反射特征与识别[J]. 石油地球物理勘探, 2019, 54(2): 398-403. Ma Naibai, Jin Shenglin, Yang Ruizhao, et al. Seismic Response Characteristics and Identification of Fault-Karst Reservoir in Shunbei Area, Tarim Basin[J]. Oil Geophysical Prospecting, 2019, 54(2): 398-403. |
| [32] |
Farran H, Harris J, Al Jabri S H, et al. An Integrated Approach for Evaluating and Characterising Horizontal Well Inflow and Productivity in Heterogeneous Carbonate Reservoirs[C]//International Petroleum Technology Conference. International Petroleum Technology Conference, Doha: American Association of Petroleum Geologists, 2005.
|