珠江口盆地是南海北部大陆架边缘的一个以新生代地层充填为主的张性盆地。珠三坳陷位于珠江口盆地西部，是南海西部油田主要的油气聚集区，在其次一级的构造单元文昌B凹陷靠近神狐隆起的位置，发育了连片分布的近物源陡坡扇三角洲前缘沉积储层，并且发现了多个厚度大、储层物性好的中、小型油田^[1]。经过多年的开发后，目前油田进入了开发后期，油藏含水率高、采出程度高、产量递减快。而近物源陡坡扇三角洲由于近物源多期河道快速堆积，砂体垂向堆叠，导致扇三角洲体系储层平面及纵向非均质性较强，对优势渗流通道认识不清，又进一步加剧了油田的剩余油分布预测的难度。

针对油田储层优势渗流通道认识不清的问题，本文以文昌W油田为例，在密闭取心等资料的基础上，通过引入微观表征参数进行流动单元划分，明确平面及纵向优势渗流通道，并结合生产动态对剩余油主要聚集区进行预测^[2]，为后期中高渗油藏的精细挖潜提供依据。

文昌W油田位于南海北部大陆架珠江口盆地西部珠三坳陷的文昌B凹陷中部东侧，珠三南大断裂带西侧，是该区域的主力油田之一。该油田在第三系发育珠江组和珠海组两套地层，珠海组从下到上又细分珠海组一段段、珠海组二段。珠海组二段又分为九个油组，其中珠海组二段Ⅰ油组为研究区的主力产层之一，也是本文研究的目的层段。该油组为受珠三南断裂控制的半背斜式断鼻构造，构造走向近E-W向，构造向北、东、南方向倾没，发育一套典型的粒度向上变细的退积型扇三角洲前缘沉积，具有储层厚度大（64~ 110 m）、物性好（中~高渗）、天然能量充足的特点。随着油田的逐步开发，在经过开发中期井间加密调整之后，目前含水达到90%，采出程度接近47%，由于储层非均质性，油田各生产井开发效果存在较大的差异，影响了后期油藏的精细挖潜。

中外学者从不同角度对流动单元的形成机制和控制因素进行了大量研究，提出了多种流动单元划分方法。较为常用的方法是流动分层指数（FZI）划分，其主要是根据测井解释孔渗参数求取的储层品质因子（RQI）与标准孔隙度（ϕ_z），利用图版法求取不同FZI区间进行划分^[2-6]。通过该方法的应用，我们发现在本油田对于不同类型流动单元的区分效果并不明显，各井基本上以Ⅰ类流动单元为主，分析认为可能是在不同的流动单元之间，储集层的物性参数并没有表现出应有的差异导致^[7-8]。而本次研究区B8井进行了全储层井段密闭取心，并进行了大量微观实验。这也为本次采用微观表征参数来划分流动单元类型奠定了良好的基础。

毛管力与湿相或非湿相流体饱和度的关系曲线，称为毛管压力曲线。它不仅是孔喉半径分布和孔隙体积的函数，也是孔喉连接方式的函数^[9]。孔隙大小分布越集中则表明其分选性愈好，在毛管压力曲线上就会出现一个平台。而当孔喉分选较差时，毛管压力曲线就是倾斜的。研究区岩样数量较多，而且表现出强烈的非均质性，应用不同储层特征的压汞曲线来反应不同的流动单元类型是比较可行的一种方法，根据压汞曲线形态、排驱压力等参数将研究区岩样分为三种类型（图 1）。

图 1(Fig. 1)

图 1 不同类型渗流单元划分对比

Ⅰ类：平台靠左，孔喉分选好，喉道半径大，启动压力低，中值压力低，孔喉以大孔为主，孔喉连通性较好；排驱压力0.003~0.010 MPa，孔隙平均半径16~38 μm，最大进汞饱和度88.14%~94.41%；岩性相对较粗，以细砂级别以上含砾砂岩和中-细砂岩为主，测井曲线表现箱型，该类储层主要发育于主河道及分支河道微相。

Ⅱ类：孔喉分选较好，喉道半径较大，孔喉以大中孔为主，连通性较好；排驱压力0.008 ~0.012 MPa，孔隙平均半径13~18 μm，最大进汞饱和度88.50% ~91.20%；岩性中-细砂岩为主，含少量含砾粗砂岩，测井曲线表现钟型，该类储层主要发育于分支河道及河口坝微相。

Ⅲ类：连通性较差，孔隙结构中等，表现为启动压力、中值压力中等；排驱压力0.008~ 0.015 MPa，孔隙平均半径6~ 10 μm，最大进汞饱和度84.00%~ 89.13%；岩性中-细砂岩为主，含少量泥质粉砂岩，测井曲线表现齿形，该类储层主要发育于河道侧缘微相。

此次首先对取心井B8井进行研究。将岩心进行归位处理后，根据选取的孔隙度（ϕ）、渗透率（K）、泥质含量（V_sh）、粒度中值（M_d）、最大孔喉半径（R_d）和流动分层指数（FZI）等6个指标，应用聚类分析，将取心井段的62个岩心样品聚类为4类流动单元，奠定神经网络模式识别的基础（图 2）。

图 2(Fig. 2)

图 2 B8井密闭取芯井流动单元类型划分

完全依赖实验室岩样压汞曲线确定流动单元分类，受到岩样数量的限制，而用测井数据进行流动单元分类及评价较为有代表性。本文将分类样品所对应的测井数据作为样本，通过自组织神经网络建立测井读数与类别的非线性关系，并基于各井的测井数据预测流动单元类型。

利用遗传神经网络进行流动单元划分，对样本的选择至关重要，所选择样本的优劣很大程度上决定了神经网络的应用效果。首先在取心关键井流动单元划分的基础上，优选出了泥质含量、电阻、中子、补偿密度和补偿声波这5条曲线作为自组织神经网络的输入，训练后利用该网络对各口井流动单元进行精细划分与识别（图 3）。

图 3(Fig. 3)

图 3 ZH2 Ⅰ油组流动单元剖面图

该方法划分的流动单元类型是否与生产相匹配呢?我们通过对已钻井不同流动单元水淹层厚度占比进行统计。统计结果显示，Ⅰ类流动单元水淹较为严重，是油井产量的主要贡献段，Ⅱ、Ⅲ类贡献相对较小（图 4）。而各井射孔段Ⅰ类流动单元厚度占比与初期比采液指数呈正相关；比例越高，比采液指数越高，并且流动单元划分结果与PLT产量剖面吻合度较高；综合以上表明本次流动单元划分与实际生产吻合度较高，划分相对合理。

图 4(Fig. 4)

图 4 射孔段Ⅰ类流动单元厚度比例与比采液指数关系图

本次主要是通过建立流动单元的模型，采用相控约束下的地震协同序贯指示随机模拟方法，同时结合沉积微相以及砂体展布特征得到7个小层平面流动单元展布特征（图 5）。从平面整体上看，顺物源方向，流动单元逐渐由Ⅰ ~ Ⅱ类向Ⅲ ~ Ⅳ类变化。纵向上，ZH₂Ⅰ-1-2和ZH₂Ⅰ-2-1以及ZH₂Ⅰ-3-2小层流动单元类型以Ⅰ ~ Ⅱ类为主，好于其它小层。整体上，受沉积相的影响，B1井区位于河道主体部位，以Ⅰ类为主，其次是B3井区以Ⅰ ~ Ⅱ类为主，B5井区位于河道侧缘以Ⅲ ~ Ⅳ类为主。

图 5(Fig. 5)

图 5 ZH2 Ⅰ油组各小层流动单元平面展布图

文昌W油田ZH₂Ⅰ油组受西侧边水驱动，水淹层渗透率明显较未水淹层高，显示边水沿高渗通道突进的现象较为明显，而河道主体区物性较好，水体通过高渗通道自西向东驱替。在此位置部署的几口开发井含水均达到95%以上，部分开发井已进行侧钻，表明该水驱条带水驱程度较强，而南北翼部的开发井目前含水在70%左右，受波及程度较低。

从流动单元分布特征来看，研究区ZH₂Ⅰ油组河道主体区与南、北两翼流动单元分布具有明显的差异。对于河道主体区，ZH₂Ⅰ-1-2和ZH₂Ⅰ- 2-1小层等上部层位流动单元以Ⅰ类为主，为该油藏的优势渗流区域，水淹程度高，是油井产量主要贡献层段。而中部的ZH₂Ⅰ-2-3小层流动单元以Ⅱ ~ Ⅲ类为主，产量贡献相对较小，剩余油较为富集。而扇体北翼开发井较少，同时流动单元类型以Ⅱ ~ Ⅲ类为主，结合生产特征分析认为剩余油较为富集，为后期主要的挖潜区域。

针对油田剩余油的分布认识，2018年在北翼构造低部位部署了1口B1H1调整井。该井上部ZH₂Ⅰ-1-2和ZH₂Ⅰ-2-1以Ⅰ类流动单元为主，下部小层以Ⅲ类流动单元为主，钻遇油水界面为原始油水界面，钻遇油层均未水淹，投产初期产油200 m³/d，预测累增油7.87×10⁴ m³。进一步验证了本文研究成果的可靠性。

（1）将岩心实验的微观表征参数引入到流动单元划分中，可以有效解决中高渗油藏优势渗流通道认识不清的问题，研究表明优势渗流区主要以Ⅰ类流动单元为主，Ⅱ、Ⅲ类流动单元非优势渗流条带为主要的剩余油富集区。

（2）对于开发后期边底水油藏，通过基于微观表征参数的流动单元划分方法对优势渗流通道精细刻画，实现了油藏剩余油的精细描述，避免了完全依赖油藏数值模拟进行剩余油分布预测的局限性，在油田高采出程度、高含水的情况下，可以实现油藏的精细挖潜。