含岩屑砂岩也称为富(长石)岩屑砂岩, 主要具有如下特点:①物质含量方面, 此类砂岩的陆源碎屑颗粒、长石与岩屑含量超过75%(即除石英砂岩以外); ②成因条件方面, 此类砂岩是与地质隆升事件有关的近源堆积的复杂砂岩, 主要分布于强烈隆起的山前凹陷区内; ③沉积背景方面, 它常在冲积扇、水下扇、辫状河等沉积相中产出。

国内外将岩屑砂岩储层归属于非常规储层的一个亚类型, 所以, 岩屑砂岩及含岩屑砂岩储层的油气勘探开发需要遵循非常规油气勘探开发的规律^[1-3]。测井评价是整个研究体系中的关键环节, 它是介于含岩屑砂岩的微观成岩与宏观地质的中间认知尺度, 也是联系二者的重要桥梁, 测井技术的参与是完善含岩屑砂岩认知链条的关键一环。

测井技术的理论基础是地球物理, 其主要研究方法也基于地球物理, 传统技术和手段在很大程度上限制了测井技术深层次地认识含岩屑砂岩, 还缺乏深入探讨含岩屑砂岩中不同矿物的性质对测井响应及“甜点”的影响。测井认知的有限性以及技术的局限性, 已成为对含岩屑砂岩储层开展多学科攻关的不利因素。

在“甜点”测井识别技术研究方面, 含岩屑砂岩储层的矿物成分复杂, “甜点”的测井响应机理尚不清楚, 尤其是针对岩屑矿物组分对测井响应特征值影响的研究极少^[4-5]。已有研究大多忽略了矿物组分对测井响应的影响, 储层流体识别图版(如声波时差与电阻率交会图版、孔隙度与电阻率交会图版等), 大多采用测井曲线平均值制作, 难以保证流体识别的准确性。

在饱和度计算方面, 目前有两大因素影响含岩屑砂岩储层饱和度的计算。一是岩屑的多矿物特性导致储层岩石骨架复杂多变, 难以保证孔隙度计算精度, 在实际测井解释中, 目前主要采用理论骨架参数识别储层和计算储层孔隙度^[6-7]; 二是含岩屑砂岩的成岩作用与孔隙结构变化复杂, 即使是相同的岩性, 也可能因为成岩作用与孔隙结构不同, 导致计算饱和度的阿尔奇公式参数m变化, 无法保证储层的饱和度计算精度^[8-9], 致使很多储层评价出现错误。目前, 对于含气饱和度的评价以及岩电参数的确定, 多数是根据地区分岩性取值, 或是采用双水泥质骨架导电模型^[10]计算含水饱和度, 或建立孔、渗综合指数和束缚水饱和度与孔隙结构指数及饱和度指数的关系^[11-13]。上述方法难以解决含岩屑砂岩储层的饱和度计算难题。

由上述分析可知, 含岩屑砂岩储层的描述与预测较为困难, 因而此类储层的油气勘探开发也很困难^[14]。描述困难的原因在于:含岩屑砂岩储层的孔、渗演化^[15]异常复杂, 已非单一专业可独立表征。其中, 测井专业的难点在于:在流体定性识别方面, 传统方法不适用于此类储层的流体识别; 在流体定量计算方面, 难以确定岩石骨架和饱和度计算参数。本文分析了含岩屑砂岩储层的测井评价意义及技术难点, 重点研究了含岩屑砂岩储层“甜点”的识别方法与饱和度计算方法, 以促进对该类砂岩储层的研究。

我国中西部盆地储层与隆升事件关系密切^[16-17], 其绝大多数为致密的低渗透储层, 增储上产所研究的主要储层对象就是含岩屑砂岩。因此, 对含岩屑砂岩油气研究的意义主要表现在以下4方面。

1) 含岩屑砂岩储层的油气储量规模巨大。此类储层主要分布在我国中西部盆地, 新一轮资源评价结果表明, 中国中西部四大盆地致密碎屑岩油气资源量占碎屑岩总资源量的45.3%, 在国家油气资源战略构成中占据重要地位, 且随着勘探程度不断提高, 其所占比重还将会增大^[18]。其中, 致密砂岩油气储量与含岩屑砂岩密不可分, 因此, 含岩屑砂岩储层的研究是重大科学问题。

2) 含岩屑砂岩的未动用储量巨大、勘探开发风险高。以天然气为例, 截至2016年, 中石化致密砂岩的天然气未动用储量占全部天然气未动用储量的63.50%, 远超其它类型的总和。从风险上看, 川西新场气田须家河组二段的探明储量高, 早期钻探的8口探井中, 测试的天然气无阻流量中有3口井大于1×10⁶m³/d, 2口井大于4×10⁵m³/d, 截止目前, 高于1×10¹¹m³的天然气剩余储量难以动用。大牛地气田位于鄂尔多斯盆地北部, 其气藏为低渗致密砂岩岩性气藏, 该气田的部分储量达到经济开发规模, 未动用储量曾接近70%。近年来, 水平井技术的应用使上述的部分未动用储量达到经济开发规模, 但水平井钻探风险依然很大, 该气田水平井开发的经济界限为单井无阻流量6×10⁴m³/d, 以该气田的大98井区为例, 2013年前已钻水平井无阻流量大于6×10⁴m³/d的成功率仅为54.76%。由此可见, 即使是钻井设计非常谨慎的水平井, 在该区仍有大于45%的井难以获得经济效益, 含岩屑砂岩的勘探开发风险巨大。

3) 对“甜点”识别与分布的研究能力有限, 这也是造成上述问题的主因。含岩屑砂岩的“甜点”分布与石英砂岩的“甜点”分布特征迥异, 以大牛地气田为例, 该气田太原组太2段储层以石英砂岩为主, 在太原组之后, 因鄂尔多斯盆地北部阴山隆起, 造成该气田山西组山1段储层以含岩屑砂岩为主, 岩屑平均含量达到26%。如果将该气田的产能从北到南划分成北、中、南相同的3个带, 统计和对比相同带内两套地层测试产能的变化规律, 可以发现, 两套地层的产能变化规律完全相反(图 1, 图 2), 其中, 在北部山1段钻遇的绝大多数直井不具经济价值, 向南产能逐步增高; 太2段的产能分布相反, 含岩屑砂岩的评价难度与风险很大。该案例为致密砂岩储层的“甜点”预测提供启示:储层母岩及其展布特征很可能控制储层“甜点”的分布规律。弄清其规律, 有助于“甜点”预测, 避免投资风险。目前类似研究的文献资料不多。

图 1(Fig. 1)

图 1 山1段同相带产能分布

图 2(Fig. 2)

图 2 太2段同相带产能分布

4) 含岩屑砂岩的多学科系统研究有限, 测井技术更是不足。目前含岩屑砂岩的研究主要集中于微观尺度的成岩作用, 可探究一些含岩屑砂岩与储层“甜点”微观成因的解释关系, 如含岩屑砂岩与溶蚀孔或孔隙喉道类型的成因关系等^[19], 但这些微观发现与宏观“甜点”预测之间缺乏完整认知链条, 这正是含岩屑砂岩未动用储量规模巨大、勘探开发风险高的技术难点。

石英砂岩储层矿物成分相对单一, 含岩屑砂岩与石英砂岩最大的区别是储层矿物成分复杂多变, 因而引发出3个测井评价难点:一是测井曲线的信号响应更复杂, 多种矿物测井响应信号与成岩、孔隙结构及储层流体等测井响应信号混杂一起^[20], “甜点”储层的测井信号微弱而难以辨认; 二是储层矿物成分复杂, 导致岩石骨架多变和饱和度计算公式参数不稳定^[21-22], 使此类储层的孔隙度和饱和度计算精度不高^[23]; 三是这类储层因岩屑矿物的性质各异, 使其纵横向的物性变化异常复杂, “甜点”分布不确定, 识别和预测困难, 加之大多数油气田的储层含油气丰度不高, 使其“甜点”在宏观与微观的识别与预测更加困难。

含岩屑砂岩“甜点”的识别, 主要采用岩心刻度测井曲线技术研究成岩作用与测井曲线的响应特征, 理清岩屑砂岩与孔、渗发育关系, 寻找高渗、已溶蚀的“甜点”储层。具体对策是:针对大多数致密储层因油气的测井曲线响应信号太微弱、非油气干扰因素容易掩盖储层含气响应的特点, 选取孔隙最好位置, 读取能代表储层流体信号的自然伽马、密度、声波时差与电阻率等曲线特征点, 制作特征点流体识别图版, 取代传统的读取测井曲线平均值制作流体识别图版的方法。

在上述特征点分析基础上, 分析对含气最敏感的测井曲线, 再提取测井曲线中的含气响应敏感因子, 采用数学方法有序地叠加, 放大含气响应敏感因子, 形成一条适合含岩屑砂岩储层的流体识别曲线, 即IGAS曲线。该方法是通过岩心与测井曲线响应信号的分类精细刻度, 寻找含岩屑砂岩储层的“甜点”测井特征的测井识别技术与测井曲线“甜点”信号的重构放大方法。最终形成含岩屑砂岩的储层“甜点”的测井识别技术。

式中:I_GAS为重构的含气敏感曲线值, 其值越高, 则表示含气性越好; A、B、C分别为声波时差、电阻率与自然伽马的敏感因子; D为地区经验系数; Δt_AC为声波时差; R_t为电阻率; γ_GR为自然伽马。

利用该方法对大牛地气田含岩屑砂岩含气储层进行识别。图 3为自然伽马与电阻率的交会结果, 从图 3中可以看出, 自然伽马曲线对岩屑含量的高、低可起到判断作用, 虽然部分气层的电阻率介于50~100Ω·m, 与差气层和含气层的电阻率相近, 但也有测试出气的层段的电阻率高于100Ω·m, 大于大部分的差气层和含气层的电阻率。图 4为自然伽马与声波时差的交会结果, 从图 4中可看出, 声波时差在区分气层与差气层、含气层上能起到一定的作用。因此, 利用自然伽马、电阻率与声波时差对气体的敏感性, 建立了一条适合含岩屑砂岩储层的流体识别曲线, 利用该曲线可以较好地识别储层的“甜点”与非“甜点”层(图 3, 图 4)。

图 3(Fig. 3)

图 3 自然伽马与电阻率交会结果

图 4(Fig. 4)

图 4 自然伽马与声波时差交会结果

从图 5可以看出, 在2791~2797m段I_GAS平均值高达66.728, 指示该层为良好的气层, 测试结果显示, 该层无阻流量为2.98×10⁴m³/d。从图 6可以看出, 在2656~2662m段I_GAS平均值仅为1.980, 指示为干层, 测试结果显示, 无阻流量为0。综上所述, 说明该识别方法准确有效。

图 5(Fig. 5)

图 5 含气指示曲线识别“甜点”(一)

图 6(Fig. 6)

图 6 含气指示曲线识别“甜点”(二)

由于含岩屑砂岩储层矿物成分复杂, 影响了储层孔隙度与含水饱和度的计算精度, 针对此难点, 以大牛地气田上古生界地层为目标, 开展了两方面的探索研究。

一是针对含岩屑砂岩储层孔隙度计算精度不高的问题, 探索了含岩屑砂岩储层的孔隙度计算方法。岩心分析结果表明, 大牛地地区的岩屑砂岩的主要岩屑包括片岩、灰云岩、千枚岩、凝灰岩、中酸性喷发岩、花岗岩、板岩和粉砂岩等, 各种矿物的加入, 使不同地层的岩石骨架为非固定值, 影响了孔隙度计算的精度。为此, 引入三孔隙度曲线(密度、声波和中子)致密储层特征点统计的方法, 将致密层的三孔隙度值纳入测井的岩性分析交会图版上, 延伸至孔隙度为零处, 即可获得一套地层的岩石混合骨架值, 具体可参考专利“一种地层岩石骨架的测井识别方法”^[24]。该方法优选出多矿物储层混合骨架值, 依据孔隙度计算模型(公式(2)至公式(4)), 计算含岩屑砂岩储层的孔隙度。

式中:Δt_mf为混合流体声波时差; ρ_mf为混合流体密度; Δt_sh为泥质声波时差; ρ_sh为泥质密度; Δt_ma为骨架声波时差; ρ_ma为骨架密度; φ为孔隙度; V_sh为泥质含量; V_ma为矿物体积含量。

研究表明, 用此骨架计算的孔隙度与岩心实验数据完全吻合, 如图 7所示。原孔隙度计算采用石英的岩石骨架计算孔隙度(即“原”一道), 计算的孔隙度与岩心孔隙度有时吻合, 有时相差较大, 这是因为该地层在强水动力沉积时, 储层石英含量高, 此时采用石英骨架计算的孔隙度与岩心分析的结果基本一致, 当水动力变弱, 岩屑含量增加时, 此时岩石骨架变化大, 孔隙度计算精度低; 本文采用求取的混合骨架来计算孔隙度, 很好地避免了上述问题, 测井计算的孔隙度与岩心分析孔隙度吻合性好(即“现”一道中), 计算孔隙度的绝对误差小于5%, 满足储量计算要求, 为准确判断“甜点”储层与孔隙度高但不出气的干层即高孔隙度干层提供识别依据。

图 7(Fig. 7)

图 7 大牛地气田某取心井孔隙度计算结果

二是针对含岩屑砂岩含油气饱和度计算精度低, 采用基于电阻率测井的变m值解释技术, 降低因成岩成因因素的影响而导致电阻率不能完全反映储层流体信息的难题, 形成适合于含岩屑砂岩储层的含气饱和度计算方法。

近年来的系列研究已充分证明, 致密储层中的m值不是定值, 而是变量^[25]。即使相同岩性的致密储层, 也可能因成岩作用及孔隙结构差异而不同, 此时饱和度计算精度较低。在饱和度计算中, m值是一个被认为与孔隙结构和成岩作用有关的参数。当储层致密时, 储层中孔隙结构和成岩作用的电阻率信号远大于油气、孔隙等其它信号, 此时该信号因过大, 饱和度计算引入岩电实验的m值时, 它难以代表评价地层的m真值, 而是融入了孔隙结构和成岩作用信号, 因此饱和度计算精度与前面的孔隙度同样不准确。可见, 研究此类储层中m值的变化规律是此类饱和度计算的关键。由于致密储层中的m值成因与电阻率曲线成因具有趋同性, 因此可用电阻率研究m值的近似规律。本文将致密干层的含水饱和度定为大于95%, 将该饱和度代入饱和度计算公式中, 反求出电阻率与m值的变化关系, 得到m值解释图版(图 8), 再将该关系代入大牛地气田测井评价中, 计算的饱和度与岩心分析饱和度基本一致, 获得了良好的计算效果。

图 8(Fig. 8)

图 8 可变m值图版

图 9是利用图 8所示的图版计算的饱和度结果, 可以看出, 图 9中倒数第4道饱和度与密闭取心实验得到的饱和度基本一致, 测井解释该储层为气层, 该段1684~1689m加压压裂后, 产气为2.14×10⁴m³/d, 验证了测井计算结果的可靠性。可见, 用变m值法计算得到的含气饱和度准确可靠。

图 9(Fig. 9)

图 9 计算的孔隙度和饱和度与岩心分析结果的对比

开展含岩屑砂岩的测井评价研究, 有助于建立微观发现与宏观“甜点”预测之间的认知链条, 挖掘巨大的未动用储量, 降低勘探开发风险。本文以大牛地气田上古生界储层为例, 开展含岩屑砂岩“甜点”识别与储层饱和度评价方法研究, 得出如下结论:

1) 采用岩心刻度测井曲线技术, 通过读取能代表储层流体信号的特征点, 建立特征点识别图版, 分析对含气最敏感的测井曲线, 提取含气响应敏感因子, 形成岩屑砂岩的储层“甜点”的测井识别技术;

2) 通过优选适合多矿物储层混合骨架值方法, 准确计算含岩屑砂岩的有效孔隙度, 计算结果与岩心物性分析结果一致;

3) 基于电阻率测井的变m值饱和度计算方法计算的饱和度在含岩屑砂岩储层中得到密闭取心分析饱和度验证, 证明变m值饱和度计算方法准确可靠。