随着非常规油气勘探开发的逐渐深入, 致密砂岩气已成为全球天然气勘探开发的重点目标之一。目前关于致密砂岩气藏“甜点”定义还没有统一的标准, 但气藏开发中, 储层评价级别一般根据测井资料的孔隙度和渗透率大小进行划分, “甜点”储层一般对应的是相对高孔、高渗段, 大部分油气都聚集于这些“甜点”储层中[1]。
近年来, 国内外学者对致密砂岩气“甜点”进行了相关研究。DOMENICO[2]认为地层流体影响纵横波速度比; SMITH等[3]和FATTI等[4]基于CASTAGNA泥岩基线方程[5]提出了流体因子的概念, 并利用其进行含气性检测; GOODWAY等[6]建立了利用拉梅参数(λ, μ)、密度(ρ)进行流体预测的方法, 采用地震反演得到的λρ和μρ进行孔隙流体和岩性的描述, 具有一定的优越性; RUSSELL等[7]在Biot-Gassmann方程的基础上改进了纵波速度方程, 提出了将密度(ρ)与孔隙流体项f的乘积ρf作为流体因子参数进行流体识别的方法; 许翠霞等[8]通过对松辽盆地英台气田致密砂岩气研究, 认为利用拉梅参数与横波速度比值(λ/vS)进行气层识别的精度高, 其识别结果与测井解释结果吻合较好, 能够提高气层识别能力; 印兴耀等[9]研究了包含Gassmann流体项的弹性阻抗公式, 并基于此提出了孔隙流体参数叠前反演方法; 洪忠等[10]通过岩石物理建模和贝叶斯判别结合叠前反演结果等预测致密碎屑岩气藏的岩性及流体概率, 提高了岩性及流体识别的成功率; 刘力辉等[11]将坐标旋转技术用于地震物相的分析, 并通过射线弹性阻抗反演进行“甜点”储层预测; SHARMA等[12]提出采用Eρ参数检测页岩脆性, 发现其对岩性更加敏感; MARK等[13]对比泊松比和密度属性, 提出了泊松阻抗的概念, 指出旋转纵波阻抗和横波阻抗交会图的坐标轴可以有效区分任意两种岩性流体类型, 提高岩性和流体识别的精度。目前在多类“甜点”预测方法应用过程中依然存在两点不足:①岩性区分过程中大多是基于阻抗、纵横波速度比等单一岩石物理弹性参数进行岩性识别划分; ②流体识别的叠前弹性参数包含了密度项, 受制于密度反演的稳定性, 流体识别精度受到影响。
东海西湖N区块HG组H3b段是该地区主力产气层段, 岩性以致密砂岩和泥岩为主, 该储层段具有低孔、低渗且横向变化差异大等特点, 有效砂体纵向叠置模式复杂, 而且致密砂岩与泥岩阻抗差异较小, 难以区分[14]。此外, 由于弹性参数和地震属性受不同因素影响, 对“甜点”的敏感程度亦存在差异, 因此需要进一步研究可以用于提高致密气藏“甜点”识别精度的方法和技术。本文根据研究区H3b段岩石物理特征, 开展了敏感参数的对比及优选, 在叠前同时反演基础上利用坐标旋转合成砂泥岩SynVpVs属性及E/λ属性, 并利用这些属性对西湖凹陷N区块致密砂岩气“甜点”进行了预测, 取得了较好的结果。
1 储层基本特征 1.1 基本地质特征东海西湖N区块位于西湖凹陷中央背斜带玉泉构造带中部(图 1), 是一个挤压应力作用下形成的大型反转背斜构造, 研究区于2014年在X1井H3b段获得勘探突破, 天然气产量51.3×104m3/d。储层埋深在3600~4000m之间, 发育大套砂体夹有部分泥岩, 砂岩厚度为90~130m, 呈现巨厚砂的特点。储层整体致密, 孔隙度7.0%~18.3%, 平均值为9.5%, 渗透率在(0.01~261.00)×10-3μm2, 底部存在0~30m厚、孔隙度大于10%、渗透率大于5×10-3μm2物性相对较好的条带, 含气性变化较大(图 2), 是研究区主力开发层段。
|
图 1 研究区位置 |
|
图 2 X3—X1井测井解释连井剖面(1mD≈10-3μm2) |
H3b段致密砂岩储层的纵波速度为3500~5200m/s, 横波速度为2100~3400m/s, 纵横波速度比为1.40~1.83, 密度为2.25~2.65g/cm3; 泥岩的纵波速度为3300~4900m/s, 横波速度为1800~2900m/s, 纵横波速度比为1.60~1.95, 密度为2.55~2.72 g/cm3。砂岩与泥岩之间阻抗差异小, 纵横波速度比值域存在一定差异(图 3)。
|
图 3 砂岩与泥岩纵横波速度比对比 |
H3b段致密砂岩储层中, 干层段纵波速度为4200~5200m/s, 横波速度为2500~3400m/s, 密度为2.40~2.65g/cm3; 相对高孔渗砂岩纵波速度为3600~4600m/s, 横波速度为2100~2900m/s, 密度2.28~2.55g/cm3; 含水层段纵波速度为3650~4350m/s, 横波速度为2100~2700m/s, 密度为2.31~2.45g/cm3; 产层段纵波速度3600~4400m/s, 横波速度为2300~2700m/s, 密度2.28~2.45g/cm3(图 4、图 5和图 6)。研究区致密砂岩储层中的相对高孔渗砂岩纵波速度相对较低, 纵波阻抗值小, 含气水层与产气段纵波阻抗值无明显差异。
|
图 4 砂岩、泥岩、高孔渗储层、干层、产气层及含水层纵波速度对比 |
|
图 5 砂岩、泥岩、高孔渗储层、干层、产气层及含水层横波速度对比 |
|
图 6 砂岩与泥岩、高孔渗储层、干层、产气层及含水层密度对比 |
储层岩石物理弹性参数对岩性、物性、含气性的敏感程度是开展研究区地球物理反演的基础和解决地质问题的关键[15]。地质条件的差异导致划分岩性、物性及含气性的弹性参数亦千差万别, 通过弹性参数的对比分析可以从大量样本中选取敏感参数及门槛值进行定量表征。
2.1 坐标旋转砂岩敏感参数研究与合成处理对H3b段岩石物理特征进行分析后发现:砂岩、泥岩纵波阻抗重叠范围大, 砂岩和泥岩无明显的优势聚集区间, 不能用特征区间值区分砂岩和泥岩(图 7a); 砂体和泥岩在纵横波速度比值域有一定的识别能力(图 7b), 按照1.68的特征值划分, 还有部分砂岩不能识别, 识别精度不高。
|
图 7 H3b段岩石物理参数交会 a纵波阻抗与纵横波速度比; b砂岩和泥岩纵横波速度比与自然伽马; c砂岩和泥岩合成属性SynVpVs与自然伽马 |
纵波阻抗及纵横波速度比交会图(图 7a)显示, 根据黑色虚线所示直角坐标系可提高砂泥岩识别能力, 坐标关系描述为:O-XY—O′-X′Y′, 根据直角坐标旋转公式:
| $ \left\{\begin{array}{l}{X=X^{\prime} \cos \theta-Y^{\prime} \sin \theta} \\ {Y=Y^{\prime} \sin \theta+Y^{\prime} \cos \theta}\end{array}\right. $ | (1) |
式中:X表示纵波阻抗AI; Y表示纵横波速度比vP/vS; θ表示坐标系旋转角度。
| $ X^{\prime}=X \cos \theta+Y \sin \theta $ | (2) |
| $ Y^{\prime}=Y \cos \theta-X \sin \theta $ | (3) |
新坐标系中Y′是研究所需要的具有岩性区分识别能力的参数, 命名为SynVpVs。
将θ、AI、vP/vS参数代入公式(4)计算岩性敏感属性SynVpVs数据体:
| $ S_{\mathrm{synV}_{\mathrm{p}} \mathrm{V}_{\mathrm{s}}}=A_{0} \times A_{1}+B_{0} \times \frac{v_{\mathrm{P}}}{v_{\mathrm{S}}}+C_{0} $ | (4) |
式中:A0=-3.61154×10-5; B0=-1;C0=2.07727。
由纵横波速度比与伽马测井交会图(图 7b)可看出, 以纵横波速度比值1.68为界限可以划分砂岩和泥岩, 砂岩分布如图 7b中所示黑色虚线框内, 但识别精度有限, 部分泥岩不能有效识别。合成属性SynVpVs与伽马测井交会图(图 7c)显示, SynVpVs属性0.01值为界限可以有效划分砂泥岩, 砂岩识别精度明显提高, 图 7c中所示黑色虚线框内泥岩样点数分布明显减少。比较结果表明:合成属性SynVpVs参数对砂岩和泥岩的区分识别能力明显高于纵横波速度比参数, 改善了纵横波速度比属性砂岩和泥岩识别效果, 提高了识别精度。
2.2 优质储层敏感参数分析在有效区分泥岩的致密砂岩中, 相对高孔渗的优质储层是天然气有利的聚集体。结合研究区储层评价标准, 孔隙度≥10%, 渗透率≥5×10-3μm2的砂岩为优质储层。由X1井测井解释及岩石物理特征分析结果可知, H3b段优质储层相对于其它储层, 具有明显的低纵波阻抗(高声波、低密度)特点(图 8), 利用低纵波阻抗特征可以较好区分优质储层与一般储层。纵波阻抗与孔隙度、纵波阻抗与渗透率交会图显示, 以纵波阻抗10750g/cm3·m/s为界限, 低于该界限即为优质储层, 反之, 则为一般储层, 从而识别优质储层与一般储层(图 9)。
|
图 8 X1测井曲线(1ft≈0.3048m, 1mD≈10-3μm2) |
|
图 9 优质储层敏感参数交会分析结果(1mD≈10-3μm2) a纵波阻抗与孔隙度; b纵波阻抗与渗透率 |
选取典型井H3b段干层、含气水层、一般气层和高产气层敏感岩石物理参数直方图进行分析(图 10), 主要包括合成属性(E/λ)以及纵波阻抗(AI)、纵横波速度比(vP/vS)、泊松比(σ)、拉梅参数(λ)、杨氏模量(E)、体积模量(K)、剪切模量(G)等参数。高产气层、一般气层和含气水层及干层弹性参数重叠范围比较大, 高产气层和一般气层特征参数不明显。
|
图 10 不同流体性质优质储层弹性参数直方图 a合成属性(E/λ); b纵横波速度比(vP/vS); c泊松比(σ); d纵波阻抗(AI); e拉梅参数(λ); f剪切模量(G); g杨氏模量(E); h体积模量(K) |
研究发现合成属性E/λ对高产气层、一般气层比较敏感, 相对其它7个参数, E/λ参数值区别气层及含气水层、干层能力最强, 含气水层及干层随着E/λ值增加而减小, E/λ值3.5基本可以区分气层与干层、含气水层。该参数可由σ计算得到且不包含反演不易较准确获得的密度选项。
求取E/λ的公式为:
| $ \frac{E}{\lambda}=\frac{(1+\sigma) \times(1-2 \sigma)}{\sigma} $ | (5) |
| $ \sigma=\left(\frac{v_{r}^{2}-1}{0.5 v_{r}^{2}-1}+1\right) \times\left(\frac{v_{r}^{2}-1}{0.5 v_{r}^{2}-1}-2\right) $ | (6) |
式中:E表示杨氏模量; λ表示拉梅参数; σ表示泊松比; vr表示纵横波速度比。
3 “三步法”“甜点”分布预测效果分析将经过坐标旋转得到的SynVpVs属性数据体、优质储层纵波阻抗数据体和E/λ属性数据体与钻井测井解释结论和试气结论进行对比, 分析两者的吻合程度, 分别检验上述3种属性预测结果的准确性。
图 11为SynVpVs合成属性X3—X1连井剖面, SynVpVs值≥0.01时, 预测为砂岩, SynVpVs值＜0.01时, 预测为泥岩, 图中所示钻井曲线为伽马测井曲线, 虚线为砂体顶底预测解释方案。可见, 砂体预测结果与单井钻遇砂体发育情况吻合。
|
图 11 SynVpVs合成属性X3—X1连井剖面 |
图 12为SynVpVs合成属性预测砂体与vP/vS属性预测砂体结果的叠合显示, 其中SynVpVs属性按照大于门槛值0.01方案解释砂体, vP/vS属性按照小于1.68门槛值方案解释砂体。vP/vS属性预测砂体范围明显大于SynVpVs合成属性预测的范围, vP/vS属性将部分泥岩解释为砂岩, 与图 2a和图 2c交会图显示效果相一致, 降低了砂体预测精度。SynVpVs合成属性预测砂体精度明显高于vP/vS属性预测精度。
|
图 12 X3—X1合成属性SynVpVs预测砂体与vP/vS预测砂体剖面比较 |
图 13为X3—X1连井剖面的纵波阻抗(AI)反演剖面, 黄红色表示AI小于等于107500g/cm3·m/s, 解释为优质储层, 图中虚线所示位置为解释的优质储层的顶底位置, 对比图 14连井剖面中优质储层解释结果, 可以看出两口井的优质储层解释结果与纵波阻抗反演结果大体一致, 研究区4口井预测厚度与实钻结果吻合, 相对误差小于3%(表 1), 优质储层分布预测精度高。
|
图 13 X3—X1井纵波阻抗连井剖面 |
|
图 14 X3—X1优质储层E/λ属性剖面 |
|
表 1 “甜点”的预测厚度误差统计表 |
图 14为优质储层的E/λ属性剖面, 黄红色表示优质储层(E/λ>3)相对富气区。实钻效果与预测方案一致, X3井H3b段下部含气水层, X1井H3b段下部为51.3×104m3/d高产气层, 优质储层E/λ参数属性预测结果与单井测井解释结果和实际产能非常吻合。
图 15中黑色粗线轮廓范围代表砂体内部利用低纵波阻抗属性(小于门槛值107500g/cm3·m/s)预测的优质储层分布范围, 黄红色范围内为E/λ属性大于3.5优质储层含气储层空间分布, 即H3b段“甜点”平面展布。区内4口井中X1井和X2井位于黄红色区域, 优质储层厚度较大, 为有利“甜点”分布区, 其中X1井是高产井, X2井是目前重点开发井; X3井钻遇一定厚度优质储层, 测试为含气水层, 位于青色区域, 为非“甜点”区; X4井位于优质储层尖灭边缘, 与该井实际钻遇目的层致密岩性基本吻合。对比预测结果及实钻结果可以看出, 两者吻合度较高, “甜点”的预测厚度相对误差均小于3%, 绝对误差小于0.6m(表 1), 预测结果与实钻揭示的含气情况一致, 验证了该方法的有效性。在无井区域的东南部, 预测有较大面积“甜点”分布, 具有形成较大构造-岩性圈闭的潜力, 是下一步的重点勘探区域。
|
图 15 目的层“甜点”平面预测 |
1) 西湖N区块H3b段砂岩和泥岩波阻抗等岩石物理参数分布范围重叠, 仅用单一的岩石物理参数识别精度有限, 多解性较强, 采用本文所提出的逐级递进预测技术一定程度上降低了“甜点”预测的多解性, 提高了“甜点”预测精度。
2) 合成属性SynVpVs包含了纵波阻抗、vP/vS信息, 对岩性分布的预测比vP/vS属性预测精度更高; 合成E/λ属性含气性判别能力和精度高于其它诸如vP/vS等岩石物理参数。
3) 西湖N区块H3b段“甜点”预测分布范围较大, 是该区块下一步勘探的有利区块。
| [1] |
张林清, 张会星, 姜效典, 等. 弹性参数反演与属性融合技术在"甜点"预测中的应用[J]. 天然气地球科学, 2017, 28(4): 582-589. ZHANG L Q, ZHANG H X, JIANG X D, et al. Application of elastic parameters inversion and attribute fusion technology in the "sweet spot" prediction[J]. Natural Gas Geoscience, 2017, 28(4): 582-589. |
| [2] |
DOMENICO S N. Elastic properties of unconsolidated porous sand reservoirs[J]. Geophysics, 1977, 42(7): 1339-1368. DOI:10.1190/1.1440797 |
| [3] |
SMITH G C, GIDLOW P M. Weighted stacking for rock property estimation and detection of gas[J]. Geophysical Prospecting, 1987, 35(9): 993-1014. DOI:10.1111/gpr.1987.35.issue-9 |
| [4] |
FATTI J L, VAIL P J, SMITH G C, et al. Detection of gas in sandstone reservoirs using AVO analysis:A 3-D seismic case history using the geostack technique[J]. Geophysics, 1994, 59(9): 1362-1376. DOI:10.1190/1.1443695 |
| [5] |
CASTAGNA J P, BATZLE M L, EASTWOOD R L. Relationships between compressional-wave and shear-wave velocities in clastic silicate rocks[J]. Geophysics, 1985, 50(4): 571-581. DOI:10.1190/1.1441933 |
| [6] |
GOODWAY B, CHEN T, DOWNTON J. Improved AVO fluid detection and lithology discrimination using Lamé petrophysical parameters; "λρ", "μρ", & "λ/μ fluid stack", from P and S inversions[J]. Expanded Abstracts of 67th Annual Internat SEG Mtg, 1997, 183-186. |
| [7] |
RUSSELL B H, HEDLIN K, HILTERMAN F, et al. Fluid-property discrimination with AVO:A Biot-Gassmann perspective[J]. Geophysics, 2003, 68(1): 29-39. |
| [8] |
许翠霞, 马朋善, 赖令彬, 等. 致密砂岩含气性敏感参数——以松辽盆地英台气田营城组为例[J]. 石油勘探与开发, 2014, 41(6): 712-716. XU C X, MA P S, LAI L B, et al. Sensitivity parameters of tight sand gas:A case study of Lower Cretaceous Yingcheng Formation of Yingtai gas field in Songliao Basin, NE China[J]. Petroleum Exporation and Development, 2014, 41(6): 712-716. |
| [9] |
印兴耀, 张世鑫, 张繁昌, 等. 利用基于Russell近似的弹性波阻抗反演进行储层描述和流体识别[J]. 石油地球物理勘探, 2010, 45(3): 373-380. YIN X Y, ZHANG S X, ZHANG F C, et al. Utilizing Russell approximation based elastic wave impendence inversion to conduct reservoir description and fluid identification[J]. Oil Geophysical Prospecting, 2010, 45(3): 373-380. |
| [10] |
洪忠, 张猛刚, 朱筱敏. 基于岩石物理的致密碎屑岩气藏岩性及流体概率预测[J]. 石油物探, 2015, 54(6): 735-744. HONG Z, ZHANG M G, ZHU X M. Prediction on lithology and fluid probabilities of tight clastic gas reservoir based on rock physics[J]. Geophysical Prospecting for Petroleum, 2015, 54(6): 735-744. DOI:10.3969/j.issn.1000-1441.2015.06.012 |
| [11] |
刘力辉, 李建海, 刘玉霞. 地震物相分析方法与"甜点"预测[J]. 石油物探, 2013, 52(4): 432-437. LIU L H, LI J H, LIU Y X. Seismic reservoir property facies analysis and sweet spot predition[J]. Geophysical Prospecting for Petroleum, 2013, 52(4): 432-437. DOI:10.3969/j.issn.1000-1441.2013.04.014 |
| [12] |
SHARMA R K, CHOPRA S. New attribute for determination of lithology and brittleness[J]. Expanded Abstracts of 82nd Annual Internat SEG Mtg, 2012, 1-5. |
| [13] |
MARK Q B, BRUCE S, CHRIS T. Poisson impedance[J]. The Leading Edge, 2006, 25(2): 128-138. |
| [14] |
姜雨, 涂齐催. 利用岩石物理分析及叠前反演技术解决致密砂岩气储层预测问题——以西湖凹陷A区块为例[J]. 海洋地质前沿, 2015, 31(11): 36-42. JIANG Y, TU Q C. The reservoir prediction of tight gas sandstone by using petrophysical analysis and pre-stack inversion technology[J]. Marine Geology Frontiers, 2015, 31(11): 36-42. |
| [15] |
唐建明, 杨军, 张哨楠. 川西坳陷中、浅层气藏储层识别技术[J]. 石油与天然气地质, 2006, 27(6): 879-893. TANG J M, YANG J, ZHANG S N. Recognition of shallow-middle gas reservoirs in western Sichuan depression[J]. Oil&Gas Geology, 2006, 27(6): 879-893. DOI:10.3321/j.issn:0253-9985.2006.06.019 |