② 中国石油青海油田公司采油五厂, 青海德令哈 816400;
③ 西南石油大学地球科学与技术学院, 四川成都 610500;
④ 中国石油西南油气田分公司川西北气矿, 四川绵阳 621700;
⑤ 中国石油玉门油田分公司老君庙采油厂, 甘肃酒泉 735019
② Oil Production Plant 5, Qinghai Oilfield Company, PetroChina, Delingha, Qinghai 816400, China;
③ School of Geosciences and Technology, Southwest Petroleum University, Chengdu, Sichuan 610500, China;
④ Northwest Sichuan Gas Field, Southwest Oil and Gas Field Company, PetroChina, Mianyang, Sichuan 621700, China;
⑤ Laojunmiao Production Plant, Yumen Oilfield Company, PetroChina, Jiuquan, Gansu 735019, China
大庆长垣油田历经五十多年的勘探与开发,目前处于高密井网、细分单层开采阶段,平均井距已达到80~200m。虽然井网已经很密,但长垣油田储层属陆相河流—三角洲沉积,砂层厚度小,相变快,所以难以仅依靠井资料确定井间窄小河道砂体的边界位置及各河道砂体之间的连通关系,影响了油田后期注水开采和剩余油挖潜。长垣油田勘探实践表明,井网密度为100口/km2时,河道砂体描述符合率不足80%,密井网区井间储层描述的精度仍需要提高[1-2]。
高密度地震资料平面网格尺寸一般为20m×20m,与钻井相比,具有横向高密度采样的优势,可提供大量的井间储层信息。目前,利用地震资料开展的储层预测技术普遍应用于勘探阶段和开发初期。但是对于在油田开发后期、密井网条件下,如何利用井震结合的储层预测技术提高井间砂体描述精度的研究较少,而多是侧重于流程化应用,缺乏对密井网关键环节的系统研究[3-5]。为了确定长垣油田高密井网下砂体的连通关系和井间窄小河道的边界位置,本文采用井震结合反演技术,精细刻画储层,指导剩余油挖潜。
1 研究区储层特征研究区BSX区块位于长垣油田北部,长垣油田开发层系为萨尔图、葡萄花、高台子油层,储层段发育大型鸟足状三角洲沉积。三角洲相可进一步细分为三角洲分流平原亚相、内前缘亚相和外前缘亚相(图 1)。其中,三角洲分流平原亚相多发育条带状河道砂体和透镜状河道砂体,单层砂岩厚度为2~7m;三角洲内前缘亚相发育众多窄小的树枝状—网状水下分流河道砂体和大面积分流间块状泥质岩,河道砂体厚度为2~4m;三角洲外前缘亚相以发育席状砂为主,分布面积较大,单层砂体较薄,厚度一般小于2m。向湖盆中心方向,砂体变成零星、断续的透镜体状而逐渐消失[6-11]。
BSX区块面积为12km2。1964年投入开发,共有基础井、一次加密井、二次加密井、一类油层聚驱井、三次加密井、二类油层聚驱井六套井网,井数共计1200口。2008年采集的三维地震资料面元尺寸为20m×20m,目的层频率范围为10~80Hz,主频为45Hz左右。
单井纵波阻抗曲线表明,该地区砂岩纵波阻抗低(< 6.5×106kg/m3·m/s),泥岩纵波阻抗高(>7.0×106kg/m3·m/s),可以利用纵波阻抗区分砂、泥岩(图 2)。
通过储层井震标定剖面可见,地震资料能够反映储层的横向变化(图 3)。“虚线框”内从W1、W2井到W3、W4井(井与井平均距离为150m),岩相变化快,从泥岩转变为砂岩,地震响应也相应发生了变化,即由强振幅变化为弱振幅。这反映了目的层段地震响应与岩性之间的对应关系,为通过井震结合反演方法预测储层提供了可行性。
在密井网条件下,运用地质统计学反演方法进行储层预测,是以井点的声波阻抗作为输入,以声波阻抗与储层参数(岩性、孔隙度等)之间的关系作为桥梁,采用变差函数作为空间插值手段,以叠后地震数据作为约束,井震结合,得到高分辨率的储层三维模型。反演结果在井点处与井吻合,井间预测结果能反映地震资料的横向细微变化,从而兼顾了地震数据的横向变化趋势与测井数据的纵向分辨能力。该方法特点是能够满足开发阶段油藏与单个砂体的精细描述要求[12-14]。具体实现步骤如下(图 4)。
首先,按随机路径选择一个待估网格点,根据目的层的变差函数,分析空间已知井点(图上已知点孔隙度分别为18.2%、27.3%、12.4%、23.0%)对待估点的影响权重。
其次,估计该节点的累积条件分布函数,任择其一作为该节点的模拟值,并把该点的模拟值作为已知值,用于对其他点的模拟中。
最后,重复上述过程,对全部网格点进行模拟,生成一个初始模型。根据地震特征对初始模型进行迭代修改并更新模型,直至模型与实际地震数据达到最佳吻合,将最终所得模型作为反演结果[15-16]。
3.1 井网优选研究区范围内井数众多,钻井时间跨度大,测井系列差别大,所以利用井曲线去建立实体网格属性模型时,必须要有所取舍。研究区1200口钻井合成记录中,与实测地震相关性达到80%以上的占比达95%。分析认为,与地震相关性小于80%的钻井大多是二十世纪八十年代以前所钻探,而地震数据为2008年采集,二者的采集时间不一致,导致井震匹配性低(图 5)。因此这些井震相关性低的井不参与地质统计学反演,而选用与地震采集时间接近、井资料齐全的井进行储层反演[17-18]。
声波和密度测井数据是井震结合反演预测的核心。大庆长垣五十多年来所使用的测井仪器种类较多,导致井之间出现系统差别和随机差别,降低了井震结合预测储层的精度。因此,依据全区稳定分布的标准层和标准井,对测井曲线进行标准化处理,使同一类型储层具有统一的测井响应特征。标准层一般选择SⅡ顶部稳定分布的泥岩层,由于它为非储层,受开发注水影响很小,所以能够反映不同年代、不同仪器的影响。选取2008年以后钻探、测井资料齐全且与地震资料采集时间相近的井作为标准井。采用直方图主峰法进行曲线标准化校正,将其他井的主峰校正到与标准井曲线主峰一致为止。
对比BSX区块700口井标准化处理前、后的声波测井数据(图 6)可见,经过标准化校正后多井之间的声波曲线一致性得到明显改善,满足井震结合反演储层预测的要求。
在井震标定的基础上,提取井旁道地震子波。首先,将标准化后的声波、密度测井相乘生成纵波阻抗,并给定一个初始(声波)速度将纵波阻抗从深度域转换到时间域;其次,依据地震资料的频谱特征,选择匹配的主频,生成理论Ricker子波(主频为45Hz),二者褶积合成地震记录;最后,精细调整合成地震记录与井旁地震道的匹配关系,直至二者相关性大于80%,提取此时井旁道子波并输出。
图 7为BSX区块均匀分布的128口井的井旁道子波,根据目的层储层特征,提取多井子波或空变子波。该区地层构造平缓,因此,可采用多井子波进行最终反演运算(图 7中加粗黑线)。
构造模型的精度和尺度影响反演预测结果的可靠性。构造模型的纵向尺度一般为油层组级别,纵向厚度为15m左右,可以满足勘探阶段的要求(图 8a);对于开发后期、高密度网条件下,油层组级构造模型尺度太大。所以,必须建立小层级的构造模型,每个小层的纵向厚度为2~4m,以满足对单砂体的描述需求(图 8b)。
采用井震结合手段,建立小层级构造模型,以井点分层为主,以地震构造层面为趋势约束。采用克里金插值方法获得各个小层平面分布,再利用解释出的断层与其进行交切处理,使层位、断层及其相互关系符合实际地质情况,一般构造模型网格尺寸设置为20m×20m×0.1m。
对比反演剖面(图 8c、图 8d)可以看到,小层级约束反演的纵向分辨能力更高,因此,小层级反演对于识别薄储层具有优势。
3.5 变差函数地质统计学反演通过变差函数实现储层表征,变差函数是影响储层预测效果的重要因素之一。变差函数表示为模拟变量Z(x)和Z(x + h)因距离h而产生的半方差γ(h),用来反映储层数据点间的相关性,表达式为
$ \gamma \left( h \right) = \frac{1}{{2N\left( h \right)}}\sum\limits_i^{N\left( h \right)} {{{\left[ {Z({x_i}) - Z({x_i} + h)} \right]}^2}} $ | (1) |
式中N(h)是符合距离为h的样点数。
变差函数关键参数是变程,变程的大小受储层发育规模影响,因此,变程能够表征砂体的分布范围和厚度,按方向可分为主变程、次变程和垂直变程[19-20]。变差函数的求取一般依据井点数据拟合得到,长垣油田井网密度大,可以得到相对可靠的变差函数及其变程值。在小层构造模型约束下,拟合各个小层变差函数。BSX区块K1小层的变差函数中样本点与拟合线匹配性较好,主变程、次变程、垂直变程分别为500m、300m及2.7m(图 9)。
在小层构造模型下,输入三维地震、子波及标准化处理后的测井曲线数据,通过变差函数为核心的地质统计学运算,进而得到砂体预测三维模型结果。地质统计学反演结果是多个等概率的岩性模型,为了降低预测结果的多解性,综合多个反演结果求得最终的砂岩概率模型。
从BSX区块砂岩概率剖面(图 10)可以得到井震反演结果的三点认识:一是纵向上可以分辨薄层砂体;二是横向上能够识别井间砂体的变化,并与地震反射波形特征相符;三是与井解释结果吻合程度高。并且与后验井匹配较好,证实井震结合反演结果能够预测井间砂体的展布。
由仅根据井资料所成的沉积相图(图 11a)可见,BSX区块K1层发育大规模、南北向展布的复合河道砂体,砂体连通性好。但井震结合反演剖面(图 11b)揭示,井间砂体存在着明显的不连通或连通性不好,而不连通区正好沿着南北方向处于单一河道分界处。据此可以精确识别复合砂体单一河道边界。所以,仅依靠钻井是无法准确刻画单一河道边界,必须发挥地震资料的作用。
图 12为BSX区块K1层井间窄小河道识别的实例图。图 12a为根据反演结果预测的沉积微相图,将其与仅依据钻井资料绘制的沉积微相图(图 12c)对比发现,二者预测河道分布趋势一致,都呈南北向的河道展布特征。但是,基于井的沉积微相无法描述窄小河道的全部形态,只能在有井钻遇的部位进行局部刻画,而基于反演结果预测的沉积微相可清晰显示出窄小河道砂体的走向特征。在图 12a测线AA′存在一条窄小河道,平面图上显示这条河道中间部分从A井与A′井之间通过,从图 12b横穿河道的A与A′连井剖面可以看到,但河道两侧的井并没有钻遇该河道砂体,地震反演剖面则显示两井之间可能存在河道砂体(图 12b黑线圈内),突显了地震数据在井间河道砂体预测中的作用。图 12c基于井的沉积相图只将河道“首”和河道“尾”刻画出来,原因在于河道中间部分井点并没有钻遇到,因此无法判断河道在井间的走向。依据井震结合反演预测结果刻画出了K1层河道的展布特征(图 12d),该河道在两井间延伸长度约为1000m。
(1) 大庆长垣地区纵波阻抗区分砂、泥岩效果较好,地震资料能够反映储层横向变化特征,这是井震结合储层预测的基础和保证。
(2) 对井震的匹配精度、曲线标准化、小层构造模型及变差函数等关键技术环节进行质控,有利于提高地震反演预测模型精度,需要精细做好每一步。
(3) 密井网条件下的地质统计学反演方法可识别复合砂体单一河道边界及井间窄小河道砂体,该方法适用于油田开发后期井间砂体识别。
[1] |
杨懋新, 刘金平, 王允清, 等. 井震联合地质建模技术在扶杨油层油藏描述中的应用[J]. 石油地球物理勘探, 2010, 45(增刊1): 130-133. YANG Maoxin, LIU Jinping, WANG Yunqing, et al. Application of well-seismic joint geology modeling technique in reservoir characterization in Fuyang re-servoir[J]. Oil Geophysical Prospecting, 2010, 45(S1): 130-133. |
[2] |
边树涛, 狄帮让, 董艳蕾, 等. 地质统计反演在东濮凹陷白庙气田沙三段储层预测中的应用[J]. 石油地球物理勘探, 2010, 45(3): 398-405. BIAN Shutao, DI Bangrang, DONG Yanlei, et al. Application of geostatistical inversion in reservoir prediction in the third member of Shahejie Formation, Bai-miao Gas Field, Dongpu Depression[J]. Oil Geophysical Prospecting, 2010, 45(3): 398-405. |
[3] |
杨千里, 吴国忱. 基于贝叶斯理论的多尺度地震反演方法[J]. 地球物理学进展, 2016, 26(3): 50-54. YANG Qianli, WU Guochen. Multi-scale seismic inversion method based on Bayesian theory[J]. Progress in Geophysics, 2016, 26(3): 50-54. |
[4] |
王栋, 贺振华, 王珑, 等. 多波联合反演技术在SC盆地PLN地区油气勘探开发中的应用研究[J]. 石油物探, 2017, 56(6): 863-873. WANG Dong, HE Zhenhua, WANG Long, et al. Application of multi-wave joint inversion in exploration and development of oil and gas in the PLN area of SC Basin[J]. Geophysical Prospecting for Petroleum, 2017, 56(6): 863-873. DOI:10.3969/j.issn.1000-1441.2017.06.012 |
[5] |
朱石磊, 杨瑞召, 刘志斌, 等. 密集井网下随机地震反演方案及砂体预测[J]. 石油地球物理勘探, 2018, 53(2): 361-368. ZHU Shilei, YANG Ruizhao, LIU Zhibin, et al. Stochastic seismic inversion scheme and sand body prediction in dense well pattern areas[J]. Oil Geophysical Prospecting, 2018, 53(2): 361-368. |
[6] |
赵翰卿. 大庆油田精细储层沉积学研究[M]. 北京: 石油工业出版社, 2012. ZHAO Hanqing. Study on Fine Reservoir Sedimento-logy in Daqing Oilfield[M]. Beijing: Petroleum Industry Press, 2012: 86-88. |
[7] |
黄薇, 王始波, 张玉鹏, 等. 地震沉积学在薄储层岩性油藏勘探中的应用[J]. 大庆石油地质与开发, 2018, 37(1): 1-8. HUANG Wei, WANG Shibo, ZHANG Yupeng, et al. Application of seismic sedimentology in the exploration of the lithological oil reserovirs in the thin layer[J]. Petroleum Geology & Oilfield Development in Daqing, 2018, 37(1): 1-8. |
[8] |
何宇航, 王庆宇, 朱伟, 等. 基于密井网水下分流河道单砂体原型地质模型[J]. 大庆石油地质与开发, 2018, 37(3): 43-48. HE Yuhang, WANG Qingyu, ZHU Wei, et al. Prototype geological model for the individual sandbody of the underwater distributary channel based on the dense well pattern[J]. Petroleum Geology & Oilfield Development in Daqing, 2018, 37(3): 43-48. |
[9] |
蔡义峰, 熊婷, 姚卫江, 等. 地震多属性分析技术在薄层砂体预测中的应用[J]. 石油地球物理勘探, 2017, 52(增刊2): 140-145. CAI Yifeng, XIONG Ting, YAO Weijiang, et al. Thin sandstone prediction with seismic multi-attribute analysis[J]. Oil Geophysical Prospecting, 2017, 52(S2): 140-145. |
[10] |
赵海波, 唐晓花, 李奎周, 等. 基于地震岩石物理分析与叠前地质统计学反演技术的齐家地区致密薄储层预测[J]. 石油物探, 2017, 56(6): 854-857. ZHAO Haibo, TANG Xiaohua, LI Kuizhou, et al. Tight thin-bed reservoir prediction using rock physics analysis and prestack geostatistical inversion in the Qijia area[J]. Geophysical Prospecting for Petroleum, 2017, 56(6): 854-857. |
[11] |
吴胜和, 金振奎. 储集层建模[M]. 北京: 石油工业出版社, 1999. WU Shenghe, JIN Zhenkui. Reservoir Modeling[M]. Beijing: Petroleum Industry Press, 1999. |
[12] |
Haas A, Dubrule O. Geostatistical inversion:A sequential method for stochastic reservoir modeling constrained by seismic data[J]. First Break, 1994, 13(12): 561-569. |
[13] |
Rothman D H. Geostatistical inversion of 3D seismic data for thin sand delineation[J]. Geophysics, 1988, 53(2): 332-339. |
[14] |
Dubrule O, Thibaut M, Lamy P, et al. Geostatistical reservoir characterization constrained by 3D seismic data[J]. Petroleum Science, 1998, 4(2): 121-128. |
[15] |
徐立恒, 李杰, 姜岩, 等. 利用断层模型约束反演技术进行储层预测[J]. 石油地球物理勘探, 2012, 47(3): 473-476. XU Liheng, LI Jie, JIANG Yan, et al. Reservoir prediction using inversion constrained by faults model[J]. Oil Geophysical Prospecting, 2012, 47(3): 473-476. |
[16] |
徐立恒, 陈显森, 姜岩, 等. 不同变差函数变程下随机反演与随机模拟对比分析[J]. 物探与化探, 2012, 36(2): 224-227. XU Liheng, CHEN Xianshen, JIANG Yan, et al. A comparative analysis of stochastic inversion and stochastic simulation on different ranges of variograms[J]. Geophysical and Geochemical Exploration, 2012, 36(2): 224-227. |
[17] |
卢勉, 姜岩, 李操, 等. 利用三维地震资料识别长垣油田曲流河废弃河道[J]. 石油地球物理勘探, 2017, 52(6): 1290-1297. LU Mian, JIANG Yan, LI Cao, et al. Identification of meandering river abandoned channels in Changyuan Oilfield on 3D seismic data[J]. Oil Geophysical Prospecting, 2017, 52(6): 1290-1297. |
[18] |
赵谦, 周江羽, 张莉, 等. 利用地震波形-振幅响应技术预测海相碎屑岩岩性组合——以北康盆地为例[J]. 石油地球物理勘探, 2017, 52(6): 1280-1289. ZHAO Qian, ZHOU Jiangyu, ZHANG Li, et al. Prediction of marine clastic rocks assemblage with seismic waveform and amplitude responses:an example in Beikang Basin, South China Sea[J]. Oil Geophysical Prospecting, 2017, 52(6): 1280-1289. |
[19] |
樊鹏军, 马良涛, 王宗俊, 等. 地质统计学反演中变差函数地质含义及求取方法探讨[J]. 地球物理学进展, 2017, 32(6): 2442-2447. FAN Pengjun, MA Liangtao, WANG Zongjun, et al. Variogram geological implication and its calculating method discussing for geostatistical inversion[J]. Progress in Geophysics, 2017, 32(6): 2442-2447. |
[20] |
钟铁, 李月, 杨宝俊, 等. 陆地地震勘探随机噪声统计特性[J]. 地球物理学报, 2017, 60(2): 655-670. ZHONG Tie, LI Yue, YANG Baojun, et al. Statistical features of the random noise in land seismic prospecting[J]. Chinese Journal of Geophysics, 2017, 60(2): 655-670. |