2. 中国石油(土库曼斯坦)阿姆河天然气公司, 北京 100034
2. CNPC International (Turkmenistan), Beijing 100034, China
三维油气藏地质建模是油气藏评价、开发地质、油藏工程和开发方案设计的基础。油气藏地质模型集成了地震、地质、测井、油藏工程和开发工程等资料和研究成果,为储量复算、油气藏工程研究、开发方案设计等提供了基础信息[1-2]。数值模拟通过输入流体、岩石和地质模型及动态数据,基于渗流方程对生产动态进行拟合,预测流体动态分布[3-4]。在碳酸盐岩裂缝孔隙型储层中,裂缝既是储集空间,更是油气藏流体主要的渗流通道,裂缝发育程度和平面展布受岩性、构造变形等多种因素影响,产生的差异性是造成储层非均质性的主要原因[5]。常规的双重介质建模方法是通过测井数据或钻井取心,利用统计学算法或克里金算法进行空间差值计算,方法随机性强,建立的裂缝孔隙型油藏模型与测试和生产情况一致性低,难以准确反映碳酸盐岩储层井间的变化,直接导致历史拟合效果差,数字模拟结果的精度无法达到历史拟合、产能预测、开发方案编制等油气藏精细描述的要求,制约了对油气藏开展科学、高效的开发[6]。
本文以土库曼斯坦阿姆河盆地下侏罗统碳酸盐岩气藏为例,介绍地震的碳酸盐岩双重介质建模技术。该区储层为裂缝孔隙型储层,沉积于深水坡折背景,以生物礁滩为主,受后期多期构造活动的改造,属于典型的碳酸盐岩裂缝孔隙型储层[7-8]。试油、试采结果和动态数据分析表明,裂缝预测和地质建模对该区开发方案的编制和高效开发至关重要[9-10]。针对研究区碳酸盐岩裂缝孔隙型储层的地质特征,本次研究综合了地质、测井、生产动态等数据,充分利用地震资料在储层预测及裂缝预测方面具有空间连续性的优势,提出了基于地震的复杂碳酸盐岩双重介质建模技术,建立了研究区气藏的双重介质气藏地质模型,提高了油气藏地质模型的精度和历史拟合的准确性,为油气藏工程研究、开发方案编制、开发工程实施和动态分析提供了高精度油藏模型。同时,通过数值模拟的手段开展了储层连通性评价、水体能量估算、水侵通道刻画及水侵时间预测,为气田防水、控水部署提供了依据。
1 地震预测关键技术针对碳酸盐岩裂缝孔隙型储层中基质孔隙非均质性强、裂缝发育复杂的特点,本文分别采用多级相控反演礁滩体内幕储层预测技术和多属性融合裂缝预测技术,对储层展布以及裂缝展布特征进行刻画,从而为后续的双重介质建模垫定基础。具体流程见图 1。
|
图 1 多级相控反演技术流程图 |
在建立低频模型的过程中,针对研究区目的层生物礁滩相沉积横向变化大、不同相带阻抗值域分布范围不同的特点(图 2a)[11],利用沉积相控建立低频模型的方法,在平面上利用地震属性响应的沉积相特征,并利用统计得到的不同相岩石阻抗概率密度函数,进行地质统计模拟,优选符合地质规律且与前期地质认识一致的模型作为低频模型,此为第一级相控(图 2b)。
|
图 2 多级相控反演过程中不同阶段反演剖面 (a)常规地震反演剖面;(b)相控低频模型剖面;(c)确定性反演剖面;(d)二级相控反演剖面 |
为了精细刻画礁滩体内幕,预测结果需要有较高的分辨率。结合相控低频模型,利用地震资料、通过递推方法反演得到确定性反演阻抗(图 2c)。结合确定性反演反映的网状礁滩平面展布特征,横向以其作为变化趋势,纵向上以测井、岩心划分的不同沉积相分布比例进行约束,此为二次相控(图 2d)。应用不同沉积相对应的阻抗概率密度函数,利用地质统计学随机反演方法,最终结合开发动态认识优选符合认识的结果并输出,据此进行礁滩体内幕储层的精细刻画。
1.2 多属性融合裂缝预测技术针对研究区目的层碳酸盐岩地层复杂的地质情况,首先通过构造导向滤波提升地震资料品质[12],再基于解释性处理,分别采用线性相干加强技术和曲率体技术对裂缝进行预测。
在裂缝预测过程中,通过本征值相干预测发现相干平面上存在上覆膏盐层与礁滩体边界引起的裂缝假象,影响了裂缝预测准确性。本次研究通过线性相干加强分析可以较清晰地刻画研究区内的大断层,同时对小断裂以及裂缝也可较精细地刻画,有效消除了本征值相干预测中的裂缝假象。
最大正曲率体属性对于裂缝预测具有良好效果。从最大正曲率剖面(图 3)可以观察到逆断层的上盘轴部存在明显的变形和较大的曲率值,钻井结果也证实了该区域裂缝的高度发育。此外,在最大正曲率剖面上,生物丘滩体响应特征明显,其弯曲度相对于构造褶皱和断裂附近的形变程度更小,即生物丘滩体的最大正曲率值通常小于裂缝的最大正曲率值。因此,利用曲率体属性可在一定程度上消除生物丘滩的影响[13]。
|
图 3 地震剖面(上)与最大正曲率剖面(下) |
通过属性比例融合技术,本次研究将最大正曲率数据体与线性相干加强数据体进行融合(图 4)。这种融合方法能够进一步增强裂缝的预测效果。由图 4可见,基于最大正曲率数据体与线性相干加强数据体的融合数据可以清晰地预测裂缝发育区带及裂缝走向。
|
图 4 研究区多属性融合裂缝预测结果 |
由于气藏储层属裂缝—孔隙型,本次三维地质模型的建立采用双重介质建模技术,包含基质模型和裂缝模型,其中基质模型包括构造模型、基质岩相模型和基质属性模型(图 5)。
|
图 5 基于地震的双重介质建模流程 |
首先,基于地震资料解释的断层和构造建立构造模型,可以真实反映地层格架和断层。然后,建立基质岩相和属性模型,针对碳酸盐岩储层井间复杂的变化情况,利用地震多级相控反演礁滩体内幕储层预测技术表征碳酸盐岩储层非均质性特征;最后,在建立裂缝模型时,为了更精准地表征裂缝发育程度及平面展布特征,利用地震多属性融合裂缝预测技术可对裂缝开展精细刻画,对裂缝强度模型及离散裂缝网络模型[14-16]进行约束,达到准确刻画裂缝分布特征的效果。利用双重介质模型,可以对气田开展数值模拟,对未来的生产情况进行预测。
2.1 构造建模构造模型由断层模型和层面模型组成,反映的是储层的空间格架,是整个三维地质模型的基础。断层模型体现了断层面与断层的三维关系。层面模型体现了三维空间上地层界面的分布。构造模型的准确性会直接影响后续储层相模型和属性模型的精确性。利用地震解释得到的速度场、断层解释结果及构造图建立构造模型,可以客观地反映研究区内断层组合关系,刻画构造展布特征。采用“井震结合”的方法,将地震解释成果通过速度场进行时深转换,在井点地质分层的控制下利用构造图建立层面模型,将层位与断层耦合建立构造模型。
2.2 基质属性模型岩相模型反映的是不同岩相的几何形态及其三维空间展布,是建立基质物性参数属性模型的基础。本次岩相模型的建立,纵向上结合单井岩心资料和测井解释结果,以单井岩相划分为基础,平面上以反演储层厚度为约束,空间上利用以反演为基础的岩相分布概率体作为约束。利用前期得到的多级相控反演储层预测结果,采用序贯指示模拟的方法进行计算。该方法以随机函数理论为基础,通过对变差函数的调整和分析,确定主变程、次变程和垂向变程,最终模拟研究区的岩相分布形态。
基质物性包括孔隙度和渗透率。本次研究在岩相模型的基础上,采用序贯高斯模拟方法,纵向上以单井测井资料为基础,横向上以地震反演结果作为约束,以此反映储层物性及分类品质。最后,综合建立储层孔隙度、渗透率等属性三维空间分布。
2.3 裂缝模型研究区由于钻井较少,取得成像测井资料的井更少。单纯依靠随机模拟会增加裂缝建模的不确定性,导致后续数值模拟不准确,历史拟合难度大。本次裂缝建模采用离散裂缝网络(DFN)建模技术,以地震多属性融合裂缝预测结果为约束,根据测井、岩心等资料反映的裂缝特征,建立与实际裂缝特征一致的裂缝,将特征相似、成因相同的裂缝归为一类裂缝集合,由各类裂缝集合共同组成裂缝网络模型,对裂缝系统的几何形态和渗流行为进行精细描述。
纵向上依据单井成像测井结果,根据裂缝倾向将裂缝分为四组,分别对每组裂缝生成裂缝强度曲线。在建立裂缝强度的过程中,首先,基于地震多属性融合裂缝预测结果,以断层距离模型为约束,建立趋势模型。然后,运用克里金算法建立不同分组下的裂缝强度模型,以裂缝强度模型为约束,采用随机建模方法,构建离散裂缝网络模型。最后,利用Oda算法[17]计算得到裂缝属性模型,包括孔隙度、Sigma因子及渗透率。
2.4 双重介质模型在上述裂缝属性模型的基础上,利用Sigma因子表征基质与裂缝间的连通关系[18],将基质属性模型与裂缝属性模型有机结合起来,组成双重介质模型(图 6)。与简单地将基质与裂缝属性相加建立的总孔隙度模型和渗透率模型相比,双重介质模型可有效反映基质和裂缝系统的真实渗流特征,更好地匹配试井解释有效渗透率结果。在油藏数值模拟中,通过数值模拟历史拟合的手段,确定模型的准确性,进一步为后续的开发方案编制提供依据。
|
图 6 基于地震的双重介质三维地质模型 |
A气田位于研究区之内,由于碳酸盐岩气藏储层非均质性强,裂缝复杂,横向变化快,因而对储层连通性认识不清。通过本文方法建立模型,基于地震预测结果优化调整,对裂缝渗流通道进行合理表征。在此基础上开展数值模拟研究,从静态的角度评价储层连续性,从动态角度评价实际流体连通性的快慢,从而实现了对碳酸盐岩储层连通性的动、静态评价,刻画了储层连通通道,为后续开发方案的设计及配产调整提供了依据。
3.1.1 储层静态连续性分析静态连续性分析以多级相控反演礁滩体内幕储层预测技术为基础,主要包括有效厚度分析及储层反演剖面分析。
图 7为反演的有效储层厚度图,据此可分析储层连通性的基质基础,平面上三口井之间存在连通通道。通过孔隙度反演剖面(图 8)可以看出,气层主要发育在构造高部位,且主要在XVhp层内发育,向构造底部逐渐过渡到气水层。气水层主要在XVhp底部和XVa1层内发育。气藏内部虽然非均质性较强,但是储层分析结果表明,井间储层存在一定的连通性,其中A-21井与A-101D井间连通性较好,A-101D与A-102D井存在一定的连通性,连通性一般,主要是因为A-101D井上部和A-102D井下部储层较发育。从反演剖面可以看出,两井之间依然存在连通通道,对井间储层起到了连通作用。
|
图 7 A气田反演有效储层厚度图 |
|
图 8 A气田反演储层孔隙度剖面 |
基于地震双重孔隙模型开展数值模拟,进行历史拟合,模拟地下流体运移规律。通过单井拟合检验模拟效果,推算储层开发现状,确定井间流体连通性。首先对气田单井油压、日产气量等参数进行拟合。如果拟合平均误差低于5%,可认为基于地震资料构建的地质模型具有较高的准确性,且数值模拟结果能够准确反映储层流体的运移状况,因此可作为生产预测的可靠基础模型。
基于压力拟合结果,以一条过储层连通通道剖面为例(图 9),对比历年地层压力变化。可以明显看到,在气藏开发初期(2019年),地层压力基本保持原始状态,两井间地层压力差异较大;随着开发生产的进行,到2020年两口生产井的压降漏斗逐渐向外扩散传递,由于生产时间相对较短,压降漏斗传播距离较近;到2021年,随着气田采气速度与采气规模的增大,开采时间延长,压降漏斗随之增大,两口井已经建立连通关系,压降速度趋于一致,两井间地层压力差异较小。说明经历了三年的生产后,两井间的流体形成了动态的连通通道。
|
图 9 2019年(上)、2020年(中)、2021年(下)数值模拟地层压力剖面 |
B气田位于研究区内,仅生产半年就见地层水,根据出水动态判断为裂缝型水侵。由于碳酸盐岩气藏储层裂缝发育情况复杂,对水侵通道认识不清。通过本文方法建立模型,结合地震预测建立了精准的裂缝模型,利用数值模拟开展渗流规律研究,从而精细地表征了流体渗流特征。
通过数值模拟得到含水饱和度历年的变化情况。从过该井的含水饱和度剖面(图 10)可以看出,产水主要来自于气田南部的中下层,通过裂缝逐渐向上推进。同时,通过数值模拟预测的地层压力平面分布表明井区南部地层压力受水侵影响明显升高,也说明了南部为水源方向。通过基质渗透率及裂缝渗透率综合刻画储层高渗通道,结合水体分布范围刻画了气田水侵通道(图 11中箭头所示)。综合分析认为井区南部为主要的水源方向,此结论为后续的治水、堵水等水侵治理提供了依据。
|
图 10 B气田含水饱和度剖面 |
|
图 11 B气田水侵综合评价图 |
(1)本文基于地震开展双重介质建模,通过多级相控反演礁滩体内幕储层预测技术对基质模型进行约束,通过地震多属性融合裂缝预测技术对裂缝模型进行约束,精细表征了碳酸盐岩储层非均质性以及裂缝分布特征,提高了复杂碳酸盐岩建模精度,进而提升了数值模拟预测的准确性。
(2)基于地震建立的双重介质模型,对研究区展开数值模拟,预测流体动态分布,有效确定了研究区内气田的储层连通性及水侵方向,为下一步开发方案的制定提供了必要的参考信息。
| [1] |
杨辉廷, 颜其彬, 李敏. 油藏描述中的储层建模技术[J]. 天然气勘探与开发, 2004, 27(3): 45-49. YANG Huiting, YAN Qibin, LI Min. Reservoir modeling methods in reservoir description[J]. Natural Gas Exploration and Development, 2004, 27(3): 45-49. |
| [2] |
吴胜和, 李宇鹏. 储层地质建模的现状与展望[J]. 海相油气地质, 2007, 12(3): 53-60. WU Shenghe, LI Yupeng. Reservoir modeling: current situation and development prospect[J]. Marine Origin Petroleum Geology, 2007, 12(3): 53-60. |
| [3] |
宋海渤, 黄旭日. 油气储层建模方法综述[J]. 天然气勘探与开发, 2008, 31(3): 53-57. SONG Haibo, HUANG Xuri. Review on reservoir modeling methods[J]. Natural Gas Exploration and Development, 2008, 31(3): 53-57. DOI:10.3969/j.issn.1673-3177.2008.03.014 |
| [4] |
于兴河. 油气储层表征与随机建模的发展历程及展望[J]. 地学前缘, 2008, 15(1): 1-15. YU Xinghe. A review of development course and prospect of petroleum reservoir characterization and stochastic modeling[J]. Earth Science Frontiers, 2008, 15(1): 1-15. |
| [5] |
CASTORO A, DE GROOT L, FORSYTH D. Accurate Reservoir Modeling through Optimized Integration of Geostatistical Inversion and Flow Simulation: A North Sea Case Study[Z]. DEVEX, Aberdeen, 2009, 1-5.
|
| [6] |
SEIFERT D, JENSEN J L. Using sequential indicator simulation as a tool in reservoir description: issues and uncertainties[J]. Mathematical Geology, 1999, 31(5): 527-550. DOI:10.1023/A:1007563907124 |
| [7] |
李菡韵, 王兴志, 刘勇, 等. 阿姆河盆地右岸B区西部卡洛夫—牛津阶气藏气水分布模式[J]. 新疆石油地质, 2017, 38(5): 625-630. LI Hanyun, WANG Xingzhi, LIU Yong, et al. Gas and water distribution patterns of Callovian-Oxfordian gas reservoirs in western block B of the right bank, Amu Darya basin[J]. Xinjiang Petroleum Geology, 2017, 38(5): 625-630. |
| [8] |
成友友, 穆龙新, 朱恩永, 等. 碳酸盐岩气藏气井出水机理分析——以土库曼斯坦阿姆河右岸气田为例[J]. 石油勘探与开发, 2017, 44(1): 89-96. CHENG Youyou, MU Longxin, ZHU Enyong, et al. Water producing mechanisms of carbonate reservoirs gas wells: a case study of the right bank field of Amu Darya, Turkmenistan[J]. Petroleum Exploration and Development, 2017, 44(1): 89-96. |
| [9] |
聂明龙, 童晓光, 刘群明, 等. 土库曼斯坦阿姆河右岸地区盐下碳酸盐岩气藏类型及油气富集因素[J]. 石油实验地质, 2016, 38(1): 70-75. NIE Minglong, TONG Xiaoguang, LIU Qunming, et al. Types of pre-salt carbonate gas reservoirs and hydrocarbon enrichment factors of Amu Darya right bank area in Turkmenistan[J]. Petroleum Geology and Experiment, 2016, 38(1): 70-75. |
| [10] |
费怀义, 徐刚, 王强, 等. 阿姆河右岸区块气藏特征[J]. 天然气工业, 2010, 30(5): 13-17. FEI Huaiyi, XU Gang, WANG Qiang, et al. Characteristics of gas reservoirs in the Amu Darya right bank block, Turkmenistan[J]. Natural Gas Industry, 2010, 30(5): 13-17. |
| [11] |
XI X, LING Y, ZUO Z, et al. The application of a low-frequency model constrained by seismic velocity to acoustic impedance inversion[C]. SEG Technical Program Expanded Abstracts, 2013, 32: 3278-3282.
|
| [12] |
FEHMERS G C, HÖCKER C F W. Fast structural interpretation with structure-oriented filtering[J]. Geophysics, 2003, 68(4): 1286-1293. |
| [13] |
汪文, 文光耀, 龚幸林, 等. 多属性融合裂缝预测技术在复杂盐下碳酸盐岩地层中的应用[C]. 2022年油气田勘探与开发国际会议, 2022, 559-564. WANG Wen, WEN Guangyao, GONG Xinglin, et al. The application of multi-attribute fusion for fracture prediction in carbonate reservoir[C]. 2022 International Conference on Oil and Gas Field Exploration and Development, 2022, 559-564. |
| [14] |
郑松青, 张宏方, 刘中春, 等. 裂缝性油藏离散裂缝网络模型[J]. 大庆石油学院学报, 2011, 35(6): 49-54. ZHENG Songqing, ZHANG Hongfang, LIU Zhongchun, et al. Discrete fracture network model for fractured reservoirs[J]. Journal of Daqing Petroleum Institute, 2011, 35(6): 49-54. |
| [15] |
王建华. DFN模型裂缝建模新技术[J]. 断块油气田, 2008, 15(6): 55-58. WANG Jianhua. DFN model: a new modeling technology for fracture[J]. Fault-Block Oil and Gas Field, 2008, 15(6): 55-58. |
| [16] |
郎晓玲, 郭召杰. 基于DFN离散裂缝网络模型的裂缝性储层建模方法[J]. 北京大学学报(自然科学版), 2013, 49(6): 964-972. LANG Xiaoling, GUO Zhaojie. Fractured reservoir modeling method based on discrete fracture network model[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2013, 49(6): 964-972. |
| [17] |
苗青, 周存俭, 罗日升, 等. 碳酸盐岩裂缝型油藏裂缝预测及建模技术[J]. 特种油气藏, 2014, 21(2): 37-40. MIAO Qing, ZHOU Cunjian, LUO Risheng, et al. Fractured prediction and modeling of fractured carbonate oil reservoir[J]. Special Oil & Gas Reservoirs, 2014, 21(2): 37-40. |
| [18] |
吕心瑞, 韩东, 李红凯. 缝洞型油藏储集体分类建模方法研究[J]. 西南石油大学学报(自然科学版), 2018, 40(1): 68-77. LYU Xinrui, HAN Dong, LI Hongkai. Study on the classification and modeling of fracture-vug oil deposits[J]. Journal of Southwest Petroleum University (Science & Technology Edition), 2018, 40(1): 68-77. |

杨大有,河北省涿州市华阳东路东方地球物理公司科技园区研究院海外业务部,072751。Email: