中国陆上油田大多处于开发中后期,储层非均质性较强,剩余油呈整体离散、局部富集分布特征,尚有大量剩余油滞留地下。精准描述剩余油分布位置对于提高油田采收率、实现老油田稳产具有重要意义。目前,一种方法是通过描述影响剩余油分布的主控因素,包括地质因素(如储层展布、存储空间、断层发育等)和开发因素(水驱波及范围、注采关系等)间接预测。由于影响剩余油分布的因素众多、各种因素组合关系复杂,导致剩余油描述结果与实际情况常常不一致。另一种方法是基于开发井数据的油藏数值模拟方法,在三维模型基础上,通过计算机模拟开发井不同时期的生产数据,实现剩余油分布预测。油藏数值模拟方法的不足之处在于结果受参数影响大、混层开采产量劈分难、井间多解性强,因此剩余油分布预测结果稳定性差[1-3]。
叠前地震反演方法融合了不同入射角的道集信息,通过分析振幅随入射角的变化特征,基于Zeoppritz公式可得到与储层岩性和流体紧密联系的弹性参数[4]而用于预测剩余油分布特征。叠前反演方法在海相碳酸盐岩、火山岩及致密砂岩天然气预测及高效勘探与开发中发挥了较大的作用[5-7]。近年来,理论研究和方法试验均证实了叠前地震反演方法预测剩余油分布范围的可行性[8-9]。
本文以大庆长垣高含水油田为例,在含流体岩石物理特征分析基础上,结合井、震资料,应用相控叠前地质统计学反演方法预测剩余油分布范围,以寻找潜力目标,实施挖潜。
1 研究区概况长垣油田北部BSX区块面积约为16 km2,发育大型河流—三角洲相(可进一步细分为三角洲平原、内前缘和外前缘亚相)沉积。砂体窄、薄,平面上呈分叉状、枝状分布,垂向上表现为砂、泥岩薄互层,横向连续性差。其中,三角洲分流平原多期河道叠加,砂岩相对较厚,单层厚度为2~7 m;内前缘相发育众多窄小的枝状河道,砂岩单层厚度为2~4 m;三角洲前缘相河道不太发育,以席状砂为主,砂岩单层厚度一般小于2 m [10-11]。
BSX区块构造平缓,发育NE向断层。区内主要发育萨尔图、葡萄花、高台子油层,深度为700~1100 m,厚度约为380 m。进一步可划分为8个油层组、35个砂岩组、114个沉积单元。在纵向上呈砂、泥岩薄互层沉积,在平面上储层非均质性严重。
自1964年以来,BSX区块经历了基础井、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开发,目前剩余油整体分布零散、局部富集,综合含水率达到96%以上,平均采收率为50%~54%。
2 含流体岩石物理特征分析随着注水开发的推进,储层含水饱和度(Sw)逐渐增大。明确因Sw 变化而引起的声波响应规律是相控叠前地质统计学反演预测剩余油分布范围的基础。因此,通过声波实验、密闭取心井声波测井、岩石物理模拟及地震正演等技术,描述含水变化对地震波的影响,并建立含流体岩石物理定量解释图板。
2.1 声波实验分析根据施行觉等[12]对大庆砂岩样品的实验结果(表 1、图 1)可知:纵波速度(VP)与Sw曲线关系分为两段,当Sw由0增至55%时,VP基本不变;当Sw从55%增加至100%时,VP由3300 m/s增加至4000 m/s,变化幅度约为20%。分析认为,纵波在介质中传播时,当Sw很小时,无法对原有的储层状态形成足够“扰动”,其体积模量和速度主要为岩心样品原有状态的反映;当Sw 足够大时,此时的体积模量和速度受Sw的变化影响较大。
横波速度(VS)随着Sw 的增大没有明显变化,这与横波不能在流体中传播的认识一致。长垣油田储层Sw为20%~80%,这就为联合纵、横波进行含水(油)饱和度的预测提供了实验依据。同时,由于实验室声波是由超声换能器激发得到的,其频率为500 Hz,而地震波的频率在100 Hz以下,存在频散现象,故其波速值不能直接用于低频,但其变化规律可作为参考。
2.2 密闭取心井声波测井曲线分析利用密闭取心井的岩心Sw 分析数据,结合纵、横波测井曲线,可进一步明确Sw的变化所引起的声波响应特征。实际上VP、VS 曲线与孔隙度的关系较密切,随着孔隙度增大,VP、VS 均减小,且减小幅度基本一致,因此可以利用VP/VS 分析SW 的变化,排除因孔隙度变化而产生的干扰。
图 2为Q731密闭取心井的岩性解释、深侧向电阻率测井(RLLD)曲线、SW(岩心分析)、VP/VS 的纵向分布图。由图可见,钙质层电阻率值最大,呈尖峰状,泥岩最小,砂岩介于二者之间。在砂岩段中,整体上SW 较高处,电阻率较低、VP/VS 较大,局部受采样间隔和测量误差的影响会有波动。
图 3为Q731密闭取心井的Sw与VP/VS 相关分析。由图可见,随着Sw的增大,VP/VS 也变大,二者呈正相关,这为联合纵、横波进行含水(油)饱和度的预测提供了支撑。
本文应用PRD典型混合模型(基于XU-White的改进型模型,适用于胶结程度不高或注水开发改造程度较大的砂、泥岩地层)进行模拟分析。首先,输入油藏实际压力、温度、流体性质等参数;其次,以Wyllie时间平均方程[13]建立等效矿物的弹性模型,假设岩石骨架的泊松比近似常量,以基于DEM理论的Kuster-Toksoz方程[14]求取岩石骨架体积模量和剪切模量;然后,基于Gassmann方程[15]计算饱含孔隙流体岩石的等效体积模量和剪切模量;最后,通过体积模量、剪切模量与VP、VS的关系计算得到VP和VS曲线。
据此模拟了Sw分别为0、25%、50%、75%、100%时的纵波速度、密度及纵波阻抗曲线(图 4)。由图可见,随着Sw的增大,纵波速度、密度和纵波阻抗值均增大。其中,密度均匀增大,Sw每增加25%,密度增加0.5%。而VP变化幅度有差异,Sw为0~50%时,VP变化小;Sw为50%~100%时,VP变化相对较大。岩石物理模拟结果与声波实验结果整体趋势一致,但岩石物理模拟的VP变化幅度没有实验室条件下大,这是由于在实验室条件下采用对干燥岩心注水,而在岩石物理模拟条件下采用模拟水驱油以增大Sw。
同时,根据不同SW的纵波阻抗求取反射系数,再分别与地震子波褶积得到合成地震记录(图 4)。采用零相位子波,主频为45 Hz(与研究区实际地震资料主频一致),长度为100 ms。由图 4可见,随着SW的增大,合成地震反射振幅(红色虚线框处)逐渐减弱,SW每增加25%,减弱幅度为5%~10%。SW在50%~100%时地震反射振幅变化较大,证实了高含水期利用高密度地震资料预测剩余油具有可行性[16]。
通过上述模型,可模拟得到VP、VS曲线。结合岩心实测分析数据,可建立VP/VS与纵波阻抗关系图板(图 5)。通过图板可以定量表征不同SW砂体的弹性参数响应特征,这为相控叠前地质统计学反演预测剩余油分布提供了基础。
根据含流体岩石物理图板,应用相控叠前地质统计学反演方法,利用纵、横波速度测井曲线与不同入射角度叠加地震数据相结合,以Zeoppritz公式为核心,采用相控蒙特卡洛算法模拟SW 的空间分布[17-18]。具体实现过程(图 6)为:①通过保真去噪处理,得到不同入射角部分叠加地震资料;②基于钻井岩相解释数据,利用序贯指示模拟方法建立岩相模型;③在岩相控制下,采用蒙特卡洛算法建立纵、横波弹性参数模型,并以纵、横波弹性参数与含水(油)饱和度关系为纽带,建立含水(油)饱和度模型;④提取不同入射角地震子波,与弹性参数模型褶积生成合成地震数据体;⑤将合成地震数据体与不同入射角叠加地震数据进行残差运算,并以残差为迭代终止条件,当残差较大时,重新计算岩性模型、弹性参数模型和SW 模型,直至残差降到符合预设条件,从而控制弹性参数、SW模型精度,实现含水(油)饱和度分布范围预测。
BSX区块地震资料频宽为6~80 Hz,主频为45 Hz,网格大小为10 m×10 m,最大入射角为45°。叠前地震道集资料的质量直接影响反演效果,进而影响剩余油预测精度。采用叠前去噪保幅处理,包括叠前噪声压制、动校正时差校正及一致性振幅补偿等,可使振幅相对平衡、保真[19-20]。
将地震道集按照近、中、远角度进行部分叠加,即0°~15°、15°~30°、30°~45°的入射角叠加(图 7)。由图可见,地震信噪比均较高,趋势基本一致,局部存在规律性变化。图 8为根据不同入射角叠加地震资料提取的井旁地震子波,可见随着地震道集入射角度的增大,子波振幅强度相应减弱,间接反映出地震资料具有稳定的AVO效应,为相控叠前地质统计学反演提供了可靠的数据基础。
将部分角度叠加地震数据和岩相、测井曲线、概率分布函数、变差函数等信息相结合,采用马尔科夫链—蒙特卡洛算法可获得可靠的储层空间分布特征。通过分析井资料和地质信息可获得概率分布函数和变差函数,其中概率分布函数描述特定岩性对应的岩石物理参数分布的可能性,而变差函数描述在横向和纵向上地质特征的结构和特征尺度[21]。
在进行高分辨率的岩性指示模拟时,应用马尔科夫链—蒙特卡洛算法模拟生成高分辨率的VP/VS、纵波阻抗弹性参数体,并以VP/VS、纵波阻抗与含水(油)饱和度关系图板为纽带,可生成含油饱和度体。
在运算过程中,通过弹性参数与不同角度子波褶积正演,并利用与不同角度叠加地震体的残差进行控制,在岩相约束下实现弹性参数和含油饱和度空间模拟。其中,“相控”的作用主要体现在对含油饱和度模拟时采用岩相约束。研究区油气存在于砂岩中,泥岩中没有油气充注,在相控作用下保证了含油饱和度只在砂岩中才有值;同时,在砂岩内部,基于弹性参数与含油饱和度的关系,可实现砂岩内部的含油饱和度赋值。
由图 9可见,岩相、弹性参数及含油饱和度预测结果整体趋势一致,泥岩区域含油饱和度接近0;在砂岩内部,低纵波阻抗、低VP/VS 区域含油饱和度较高,这保证了含油饱和度预测结果的合理性。
利用取心井的含油饱和度实测分析数据,对相控叠前反演含油饱和度预测结果进行分析、评价。由图 10可见,厚砂体顶部含油饱和度高、底部含油饱和度低,这与油田注水开发实际情况相吻合。厚砂体的底部一般物性较好,属于优势水进通道,在长期注水冲刷下容易形成水淹层,导致厚砂体上部的油气无法得到有效驱动而形成剩余油富集。
剩余油预测结果与同时期的取心井实测数据一致。研究区6口井作为后验井用于检验剩余油预测精度,按相对误差 < 20%进行定量统计,含油饱和度预测符合率预(测样点数(符合)/实测样点数)平均达76.5%(表 2)。
图 11为基于相控叠前地质统计学反演得到的单层砂体厚度及含油饱和度,可见含油饱和度分布趋势与南北走向的砂体展布特征一致,整体剩余油分布零散、局部富集,表明了预测结果对于精准寻找剩余油潜力区具有实际价值。
针对BSX区块剩余油整体分布零散、局部富集的特征,基于相控叠前地质统计学反演剩余油预测结果,明确了5种剩余油分布类型及挖潜对策,为指导剩余油的高效挖潜提供了依据。
井网控制精度不够、注采不完善等导致局部区域剩余油相对富集,具体包括河道与断层边界封闭区域、井间窄河道、厚砂体顶部、河道边部遮挡及河道间薄层砂等5种类型(图 12),相应地可采用补充直井、水平井、分支井及压裂补孔调整等措施实施剩余油开发。
根据含油饱和度预测结果指导剩余油挖潜措施方案编制实例如图 13所示。图 13a为仅根据井资料而制作的沉积相图,其中2口油井(Y-1、Y-2)位于河道砂体,1口水井(S-1)位于河间砂体,据此认为油井与水井之间砂体薄、连通关系差,剩余潜力较小。但根据砂岩反演结果连井剖面(图 13b),油井与水井之间砂体连续性较好,厚度相对较大,属于河道沉积。据此对沉积相图进行了修改、完善(图 13c),并根据含油饱和度平面预测结果(图 13d),认为该处含油饱和度较高,存在剩余油潜力。结合注采关系,对3口井进行补孔,利用水井驱动2口油井挖潜河道边部剩余油,2口油井日产油分别为5.3 t和4.2 t。按照此方法,目前已在BSX区块发现128个潜力部位,指导了17口井措施方案的编制,取得了较好的挖潜效果。
针对大庆长垣河流—三角洲相砂体油藏,明确了含流体岩石物理特征,形成了相控叠前地质统计学反演预测剩余油的方法,建立了5种剩余油分布类型及挖潜对策,在指导挖潜措施中效果显著。
(1)明确了随Sw 逐渐增大引起的VP、VS 响应特征,即随着SW的增大,VP整体逐渐变大,当Sw由0增至50%时,VP变化小;而Sw在50%~100%时,VP变化大。建立了VP/VS、纵波阻抗与SW的岩石物理关系图板,可以定量描述不同SW的砂体的弹性参数响应特征。
(2)相控叠前地质统计学反演方法可以充分利用纵、横波速度测井曲线与不同入射角部分叠加地震数据,以VP/VS、纵波阻抗与Sw关系图板为纽带,生成高分辨率的岩相体及相控下的含油饱和度体,保证了含油饱和度预测结果与岩相趋势一致。通过后验井检验,本文含油饱和度预测结果平均符合率达76.5%。
(3)基于相控叠前地质统计学反演预测剩余油分布范围,明确了长垣5种剩余油分布类型及挖潜对策,取得了较好的效果。同样,本文方法适用于其他陆相油藏剩余油分布范围预测及挖潜。
[1] |
林承焰, 孙廷彬, 董春梅, 等. 基于单砂体的特高含水期剩余油精细表征[J]. 石油学报, 2013, 34(6): 1131-1136. LIN Chengyan, SUN Tingbin, DONG Chunmei, et al. Fine characterization of remaining oil based on a single sand body in the high water cut period[J]. Acta Petrolei Sinica, 2013, 34(6): 1131-1136. |
[2] |
吴晓慧. 大庆长垣油田特高含水期水驱精细挖潜措施后产量变化规律[J]. 大庆石油地质与开发, 2018, 37(5): 71-75. WU Xiaohui. Changed laws of the production after waterflooding finely-tapped-potential stimulations for Daqing placanticline oilfields at the stage of extra-high watercut[J]. Petroleum Geology & Oilfield Development in Daqing, 2018, 37(5): 71-75. |
[3] |
王延光, 李皓, 李国发, 等. 一种用于薄层和薄互层砂体厚度估算的复合地震属性[J]. 石油地球物理勘探, 2020, 55(1): 153-160. WANG Yanguang, LI Hao, LI Guofa, et al. A composite seismic attribute used to estimate the sand thickness for thin bed and thin interbed[J]. Oil Geophysical Prospecting, 2020, 55(1): 153-160. |
[4] |
徐立恒, 宋宝权, 韩嵩, 等. 变尺度构造模型在地质统计学反演储层预测中的应用[J]. 石油学报, 2019, 40(2): 190-196, 239. XU Liheng, SONG Baoquan, HAN Song, et al. Application of variable-scale structure model on geo-statistics inversion reservoir prediction[J]. Acta Petrolei Sinica, 2019, 40(2): 190-196, 239. |
[5] |
印兴耀, 宗兆云, 吴国忱. 岩石物理驱动下地震流体识别研究[J]. 中国科学: 地球科学, 2015, 45(1): 8-21. YIN Xingyao, ZONG Zhaoyun, WU Guozhen. Research on seismic fluid identification driven by rock physics[J]. Scientia Sinica(Terrae), 2015, 45(1): 8-21. |
[6] |
肖鹏飞. 叠前地震流体识别技术在碳酸盐岩缝洞型储层中的应用[J]. 石油物探, 2020, 59(3): 450-461. XIAO Pengfei. Application of pre-stack seismic fluid identification to carbonate fracture-cavity reservoirs[J]. Geophysical Prospecting for Petroleum, 2020, 59(3): 450-461. |
[7] |
刘道理, 李坤, 杨登锋, 等. 基于频变AVO反演的深层储层含气性识别方法[J]. 天然气工业, 2020, 40(1): 48-54. LIU Daoli, LI Kun, YANG Dengfeng, et al. A gas-bearing property identification method for deep reservoirs based on frequency-dependent AVO inversion[J]. Natural Gas Industry, 2020, 40(1): 48-54. |
[8] |
徐斌, 陈学华, 张杰, 等. 依赖频率的纵、横波衰减参数叠前反演方法[J]. 石油地球物理勘探, 2022, 57(6): 1427-1435. XU Bin, CHEN Xuehua, ZHANG Jie, et al. Pre-stack inversion method for frequency-dependent P-wave and S-wave attenuation parameters[J]. Oil Geophysical Prospecting, 2022, 57(6): 1427-1435. |
[9] |
刘妍君, 侯思伟, 王振奇, 等. 密井网下基于AVO三参数地震反演储层预测及应用[J]. 断块油气田, 2020, 27(6): 750-753, 765. LIU Yanjun, HOU Siwei, WANG Zhenqi, et al. Reservoir prediction and application based on AVO three-parameter seismic inversion under condition of dense well pattern[J]. Fault-Block Oil & Gas Field, 2020, 27(6): 750-753, 765. |
[10] |
徐立恒, 马耀军, 朱遂珲, 等. 油田开发后期井间砂体识别[J]. 石油地球物理勘探, 2019, 54(2): 390-397. XU Liheng, MA Yaojun, ZHU Suihui, et al. Cross-well sand-body identification in the oilfield development late stage[J]. Oil Geophysical Prospecting, 2019, 54(2): 390-397. |
[11] |
李冰, 申春生, 李林, 等. 基于沉积过程的三角洲前缘薄互层储层精细分析[J]. 沉积学报, 2019, 37(5): 1058-1068. LI Bing, SHEN Chunsheng, LI Lin, et al. Fine reservoir analysis of thin interbed layers in a delta based on sedimentary process[J]. Acta Sedimentologica Sinica, 2019, 37(5): 1058-1068. |
[12] |
施行觉, 徐果明, 靳平, 等. 岩石的含水饱和度对纵、横波速及衰减影响的实验研究[J]. 地球物理学报, 1995, 38(增刊1): 281-287. SHI Xingjue, XU Guoming, Jin Ping, et al. The laboratory study of influence of water saturation on rocks velocity and attenuation[J]. Chinese Journal of Geophysics, 1995, 38(S1): 281-287. |
[13] |
QADROUH A N, CARCIONE J M, BA J, et al. Backus and Wyllie averages for seismic attenuation[J]. Pure and Applied Geophysics, 2018, 175(1): 165-170. |
[14] |
HU G K and WENG G J. Connections between the double-inclusion model and the Ponte Castaneda-Willis, Mori-Tanaka, and Kuster-Toksoz models[J]. Mechanics of Materials, 2000, 32(8): 495-503. |
[15] |
DE FIGUEIREDO L P, GRANA D, BORDIGNON F L, et al. Joint Bayesian inversion based on rock-physics prior modeling for the estimation of spatially correlated reservoir properties[J]. Geophysics, 2018, 83(5): M49-M61. |
[16] |
HAMID H, PIDLISECKY A. Multitrace impedance inversion with lateral constraints[J]. Geophysics, 2015, 80(6): M101-M111. |
[17] |
樊中海, 胡渤, 宋吉杰, 等. 地震反演储层描述精度影响因素分析[J]. 石油地球物理勘探, 2022, 57(2): 441-451. FAN Zhonghai, HU Bo, SONG Jijie, et al. Analysis of influencing factors in reservoir description accuracy by seismic inversion[J]. Oil Geophysical Prospecting, 2022, 57(2): 441-451. |
[18] |
郭同翠, 姜明军, 纪迎章, 等. 叠前地质统计学反演在页岩甜点和薄夹层预测中的应用——以西加拿大盆地W区块为例[J]. 石油地球物理勘探, 2020, 55(1): 167-175. GUO Tongcui, JIANG Mingjun, JI Yingzhang, et al. The application of prestack geostatistical inversion in the prediction of shale sweet spots and thin interbeds: a case study of Block W in Western Canada Basin[J]. Oil Geophysical Prospecting, 2020, 55(1): 167-175. |
[19] |
邓炜, 梁金强, 匡增桂, 等. 高渗水合物储层的孔隙可压缩性反演[J]. 地球物理学报, 2021, 64(1): 298-313. DENG Wei, LIANG Jinqiang, KUANG Zenggui, et al. Pore compressibility seismic inversion for high-permeability hydrate reservoir[J]. Chinese Journal of Geophysics, 2021, 64(1): 298-313. |
[20] |
DE FIGUEIREDO L P, GRANA D, SANTOS M, et al. Bayesian seismic inversion based on rock-physics prior modeling for the joint estimation of acoustic impedance, porosity and lithofacies[J]. Journal of Computational Physics, 2017, 336(C): 128-142. |
[21] |
宗兆云, 孙乾浩, 陈维涛, 等. 惠西南地区储层含油气性叠前地震固液解耦识别[J]. 中国海上油气, 2020, 32(4): 56-64. ZONG Zhaoyun, SUN Qianhao, CHEN Weitao, et al. Pre-stack seismic solid-liquid decoupling identification for oil-gas reservoirs in southwestern Huizhou area[J]. China Offshore Oil and Gas, 2020, 32(4): 56-64. |