2. 加拿大自然资源部加拿大地质调查局, Alberta 3303
2. Natural Resources Canada, Geological Survey of Canada, Alberta, Canada, 3303
地层压裂技术创新引发了页岩气勘探革命,也推动了页岩油的勘探与开发。初步估计,全世界页岩油资源丰富,继在威利斯顿盆地、西加拿大沉积盆地等发现大量页岩油后,2012年3月,西班牙雷普索尔的阿根廷子公司(YPF PE)在门多萨省Payun Oeste和Valle del Rio Grande区块发现了10亿当量桶的页岩油气;2013年,澳大利亚自然资源公司林肯能源宣称在阿卡林加盆地(Arckaring Basin)发现了储量达2 330亿桶(原地资源量)的世界级页岩油田。2016年11月,美国地质调查局宣称在德州西部二叠系盆地(Permian Basin)发现大规模的油层,可采储量足有200亿桶。我国在鄂尔多斯盆地延长组、准噶尔盆地吉木萨尔凹陷平地泉组、松辽盆地青山口组等发现大量页岩油。尽管如此,迄今我国还未对页岩油资源进行系统评价,尚未查明页岩油的资源量。由于页岩油大多赋存于有机质孔中,因此有必要建立有效的有机质孔预测模型,以便准确评价页岩油资源规模,为页岩油资源评价和勘探开发提供关键参数。
近年来,国内外对页岩有机质孔研究大都集中在页岩的高成熟及过成熟阶段[1],其目的是为页岩气评价及勘探生产服务[2-4]。研究方法主要有实验测试法与观测法,如温压模拟法、氦气测试法、CT扫描、核磁共振等[5-7]。目前,随着页岩油勘探的深入,中低成熟阶段页岩有机质孔的研究开始受到关注。Modica等[8]认为有机质孔是页岩油的主要存储空间,并建立了有机质孔隙度定量预测模型——PhiK模型,采用容积法计算页岩油资源量;郭秋麟等[9]建立了有机质面孔率与干酪根类型、有机质成熟度的关系,并用该模型测算了12个样品的有机质孔隙度,为计算页岩油资源奠定了基础;吴松涛等[10]采用温压模拟与纳米CT三维表征技术,研究了泥页岩孔隙随温度变化的演化特征;Chen等[11]提出了一种利用岩石热解仪(Rock-Eval)测试数据修正页岩有机质孔的评价方法,并用于西加拿大泥盆系Duvernay页岩有机质孔的评价。
在北美低成熟阶段海相页岩中存在大量的有机质孔,并赋存丰富的页岩油资源,而我国中低成熟阶段湖相页岩(延长组、青山口组等)在扫描电镜下观察到的有机质孔不如北美海相页岩发育[12]。因此,我国中低成熟阶段湖相页岩是否存在大量有机质孔、是否赋存大规模页岩油资源有待研究。
本次研究从页岩有机质成因机制角度出发,结合扫描电镜观察的面孔率统计结果,建立中低成熟阶段页岩有机质孔预测的理论模型和统计模型,并对比这2种模型的计算结果,初步探讨中低成熟阶段页岩有机质孔与高成熟—过成熟阶段有机质孔的区别,以期为页岩有机质孔研究和页岩油资源评价与勘探提供参考。
1 理论模型有机质孔发育程度与原始有机碳含量、有机质成熟度和有机质类型等有关。根据物质守恒定律可以建立有机质孔隙度的理论模型,包括转化率模型和产烃率模型。
1.1 转化率模型转化率模型是指从有机质成熟演化及生烃过程出发而建立的有机质孔隙度计算方法。Jarvie等[3]、Modica等[8]、Chen等[11]均采用这种方法。计算公式如下:
$ {{p}_{\text{om}}}=i\text{TOC}\times \text{Cc}\times k\times T\text{r }\times ({{\rho }_{\text{rock}}}/{{\rho }_{\text{TOC}}})\times {{10}^{4}} $ | (1) |
式中:pom为有机质孔隙度,%;iTOC为原始有机碳质量分数,%;Cc为可转化碳质量分数,%;k为换算系数,取1.18;Tr为转化率,即有机碳转化成烃的百分率,%;ρrock和ρTOC分别为岩石和有机碳密度,g/cm3。
原始有机碳的恢复方法主要有2种:一是图版法[13-14];二是根据热解参数直接计算法[2]。公式如下:
$ i\text{TOC }=\text{ }\frac{\text{TOC}}{1-T\text{r}\times \text{Cc}} $ | (2) |
式中:TOC为有机碳质量分数,%。
转化率(Tr)一般采用化学动力学方法或盆地模拟方法求取,也可从实验获得的热解烃中求取,公式为
$ T\text{r}=\frac{(S{{2}_{\text{i}}}-S{{2}_{\text{z}}})}{S{{2}_{\text{i}}}}\times 100 $ | (3) |
式中:S2i为原始热解烃,mg HC/g rock;S2z为目前热解烃,mg HC/g rock。
转化率是有机质成熟度Ro的函数,可采用以下回归公式[8]计算:
$ T\text{r}=\frac{100}{1+20\ 645.5\ {{\text{e}}^{-12.068{{R}_{\text{o}}}}}} $ | (4) |
式中:Ro为干酪根镜质体反射率,%。
可转化碳质量分数采用以下回归公式[15]计算:
$ \text{Cc}=0.85\text{ }\times H{{I}_{\text{o}}} $ | (5) |
式中:HIo为干酪根原始氢指数,mg HC/g TOC。
1.2 产烃率模型近10年来,产烃率一直是我国生烃量计算的关键参数,目前产烃率也还是中国石油第四次油气资源评价重点研究的参数。
根据物质守恒定律,每克原始有机碳产Whc毫克烃后,消耗的有机质重量为
$ {{m}_{1}}=\frac{{{W}_{\text{hc}}}}{1\ 000\times k} $ | (6) |
式中:Whc为产烃率,mg HC/g TOC;m1为有机质重量,mg。
在原始有机碳含量为iTOC的页岩中,每克岩石消耗的有机质重量为
$ {{m}_{2}}={{m}_{1}}\times i\text{TOC} $ | (7) |
式中:m2为有机质重量,mg。
每克岩石消耗的有机质体积占岩石体积百分比为
$ {{p}_{\text{om}}}=({{m}_{2}}/{{\rho }_{\text{TOC}}})/(1/{{\rho }_{\text{rock}}})={{m}_{2}}({{\rho }_{\text{rock}}}/{{\rho }_{\text{TOC}}}) $ | (8) |
将式(6)代入式(7),然后再将式(7)代入式(8),得到
$ {{p}_{\text{om}}}=\frac{{{W}_{\text{hc}}}}{k\times 1\ 000}\times i\text{TOC}\times ({{\rho }_{\text{rock}}}/{{\rho }_{\text{TOC}}}) $ | (9) |
以Ⅱa型干酪根产烃率图版为例,如果原始有机碳质量分数为3%,岩石和有机碳密度分别为2.6 g/cm3和1.2 g/cm3,那么随着热演化程度的增加,有机质孔隙度变化(表 1)如下:① 2种模型计算结果比较一致,其主要原因是这2种方法的基本原理是一致的;②在Ro < 0.7%时产烃率模型计算结果相对较大,而在Ro > 0.7%时产烃率模型计算结果相对较小;③在Ro > 1.0%时,理论曲线趋缓,之后有机质孔增量变小,说明有机质孔主要产生于生油窗阶段而不是高演化阶段,这一结论与Milliken等[16]的研究成果一致。Milliken等[16]通过测试和对比Ro为1.0%和2.1%的2组样品,认为成熟度(Ro > 1.0%)对有机质孔隙系统(孔隙大小、结构等)影响较小。
(1)有机质面孔率与干酪根类型、有机质成熟度关系
郭秋麟等[9]初步建立了有机质面孔率与干酪根类型、有机质成熟度关系。无论是从成因角度分析,还是从样品电子扫描图像观测,页岩有机质孔发育程度与有机质类型和有机质成熟度密切相关。在同等成熟度阶段,有机质面孔率大小取决于干酪根类型。Ⅰ型干酪根面孔率最大,Ⅱ型次之,Ⅲ型最小;在干酪根类型相同的情况下,有机质面孔率与成熟度Ro成正比。
通过对我国中低成熟阶段页岩(Ⅱa型干酪根)样品的电子扫描图片(图 1)观察,发现国内页岩有机质孔发育程度不如北美地区的Eagle Ford页岩[6]、Mowry页岩[8]、Duvernay页岩[11]等海相页岩(表 2)。从趋势看,面孔率总体随Ro的增大而增大(图 2)。
(2)中国Ⅱa型干酪根面孔率与Ro的关系模型
根据有机质面孔率估算页岩有机质孔的表达式如下:
$ {{p}_{\text{om}}}=\frac{{{p}_{\text{surf}}}}{100}\times \text{TOC}\times ({{\rho }_{\text{rock}}}/{{\rho }_{\text{TOC}}}) $ | (10) |
式中:psurf为有机质面孔率,%;TOC为有机碳质量分数,%。
以Ⅱa型干酪根为例,有机质面孔率与Ro成正比,可以采用以下关系表示:
$ \left\{ \begin{align} &{{p}_{\text{surf}}}=0, {{R}_{\text{o}}}<0.4 \\ &{{p}_{\text{surf}}}=a\ {{\text{e}}^{b{{R}_{\text{o}}}}}, 0.4\text{ }\le {{R}_{\text{o}}}\le 1.3 \\ \end{align} \right. $ | (11) |
式中:psurf为有机质面孔率,%;Ro为有机质成熟度,%;a和b为回归系数,与有机质类型有关[以Ⅱa型干酪根为例(图 2),a = 1.41,b = 1.98]。
2.2 北美中低成熟阶段页岩有机质面孔率与Ro关系模型以美国怀俄明州粉河盆地(Powder River Basin)Mowry页岩为例,Modica等[8]根据45口井共53个测试点的Ⅱ型干酪根页岩的TOC和Ro值,并利用PhiK模型计算出了有机质孔隙度(表 3)。Modica等[8]采用式(10)换算出了53个点所对应的有机质面孔率,然后统一按TOC质量分数为6%将面孔率折算为有机质孔隙度,这样就可以找到Ro与有机质面孔率、有机质孔隙度的关系(表 3、图 3)。从图 3可看出,Mowry页岩有机质面孔率与Ro之间具有很好的对数关系,相关系数达到0.96。统计模型为
$ {{p}_{\text{surf}}}=65.146\text{ln}({{R}_{\text{o}}})+32.864 $ | (12) |
在以上换算过程中,页岩岩石密度和有机碳密度分别取2.6 g/cm3和1.2 g/cm3。
3 统计模型与理论模型计算结果对比 3.1 统计模型与理论模型的影响因素及计算结果对比在统计模型中,关键参数为TOC含量和有机质面孔率,面孔率统计结果与干酪根类型、有机质成熟度、上覆盖层厚度等因素有关,受后期成岩演化的影响较大;在理论模型中,关键参数为原始TOC含量和转化率(或产烃率),计算结果同样与干酪根类型、有机质成熟度等因素有关,但与上覆盖层厚度及后期成岩演化无关。
(1)共同点
在干酪根类型相同的情况下,成熟度越高,有机质孔越发育(图 4);同等成熟度条件下,Ⅰ型干酪根比Ⅱ型和Ⅲ型干酪根有更高的面孔率和更多的有机质孔,Ⅲ型干酪根面孔率很低,有机质孔不发育。
(2)差异
在统计模型中,有机质成熟度Ro小于1.2%时,观测到的面孔率较小;在理论模型中,有机质成熟度Ro达到0.8%以后,就有较多的有机质孔出现,这与统计模型差别较大(图 4)。
3.2 统计模型与理论模型的适用性我国湖相页岩不适合理论模型,但适合统计模型。从统计结果(图 2)看,湖相页岩Ⅱa型有机质面孔率与Ro之间呈指数关系,即在中低成熟阶段,面孔率增长较慢。
北美海相页岩既适合理论模型,也同样适合统计模型。从Mowry页岩有机质面孔率与Ro的统计结果(图 3)来看,它们之间呈对数关系,即在中低成熟阶段,面孔率增长较快。
4 问题探讨(1)理论模型与统计模型的区别
在生油窗阶段(中低成熟阶段),理论模型计算结果为有机质孔隙度的上限值,即未遭受破坏时的有机质孔隙度最大值,而统计模型计算结果则接近实际观测值,即经历各种成岩作用和固体沥青充填[17]等影响后的实际结果。统计模型的准确性依赖于样品数据的来源、数量和代表性。本次研究的数据点还不够充分,有待今后不断改进和完善。
(2)在生油窗阶段(中低成熟阶段)与生气阶段(高成熟—过成熟阶段)的差异
高成熟—过成熟阶段页岩有机质孔非常发育,如四川盆地龙马溪组[18]和筇竹寺组页岩,有机质孔占页岩总体积的30%[9];中低成熟阶段的页岩有机质孔不太发育,如鄂尔多斯盆地延长组页岩、准噶尔盆地芦草沟组页岩,观察到的有机质孔比理论模型计算的要少很多。原因可能是:在埋藏早期,强烈的压实作用使有机质孔受到较大影响。在相同的成熟阶段,上覆盖层厚度越小,保留的孔隙越大、越多,面孔率也越高;反之,面孔率越低。另外,在成岩之后,如生物硅质物源容易形成格架,可以减缓对有机质的压实影响,有利于有机质孔的保存。
(3)国内(湖相为主)与北美(海相)的不同
差异主要体现在中低成熟阶段的页岩。我国主要产油页岩,如鄂尔多斯盆地延长组长7页岩、松辽盆地青山口组青一段页岩、准噶尔盆地芦草沟组页岩等,都属于中低成熟阶段的湖相页岩,从观察到的样品测试数据和各类资料发现,有机质孔并不发育,但北美的典型页岩,如Bakken页岩、Eagle Ford页岩[6]、Mowry页岩[8]、Duvernay页岩[11]等都属于海相页岩,在中低成熟阶段同样发育较多的有机质孔。产生这种差异的原因目前还不清楚。同样是Ⅱ型干酪根,湖相和海相都存在较强的非均质性,且湖相Ⅱ型干酪根的非均质性明显强于海相。
(4)页岩孔隙度测试数据精确度问题
页岩孔隙度数据主要来自样品的常规测试、核磁共振测试、氦气测试、CT扫描等,受测试方法和仪器精度的影响,特别是孔隙度小于3%的样品,测试误差和精确度都得不到很好的保证。另外,常规的测井和核磁测井方法,测试孔隙度小于3%的页岩时,误差也较大。
(5)在中低成熟阶段进行页岩有机质孔隙度的定量预测,对页岩油资源评价意义重大,无论在国内还是在国外,这项研究尚处于起步阶段,还有许多问题需要深入研究。
5 结论(1)基于有机质孔形成机制,依据物质平衡原理建立了中低成熟阶段页岩转化率和产烃率2种有机质孔隙度定量预测模型,这2种模型都能够较好地预测页岩有机质孔隙度的上限值,对页岩油资源评价具有参考价值。
(2)基于样品观测及统计结果,初步建立了中低成熟阶段面孔率与Ro的关系模型,并依据有机质面孔率估算页岩的有机质孔隙度,该模型可以计算页岩有机质孔隙度的近似值,为页岩油资源评价提供重要参数。
(3)我国湖相页岩不适合理论模型,但适合统计模型。从统计结果看,湖相页岩Ⅱa型有机质面孔率与Ro之间呈指数关系,即在中低成熟阶段,面孔率增长较慢;北美海相页岩既适合理论模型也同样适合统计模型。从Mowry页岩有机质面孔率与Ro的统计结果看,它们之间呈对数关系,即在中低成熟阶段,面孔率增长较快。
[1] |
周文, 徐浩, 余谦, 等. 四川盆地及其周缘五峰组-龙马溪组与筇竹寺组页岩含气性差异及成因. 岩性油气藏, 2016, 28(5): 18-25. ZHOU W, XU H, YU Q, et al. Shale gas-bearing property differences and their genesis between Wufeng-Longmaxi Formation and Qiongzhusi Formation in Sichuan Basin and surrounding areas. Lithologic Reservoirs, 2016, 28(5): 18-25. |
[2] |
张小龙, 张同伟, 李艳芳, 等. 页岩气勘探和开发进展综述. 岩性油气藏, 2013, 25(2): 116-122. ZHANG X L, ZHANG T W, LI Y F, et al. Research advance in exploration and development of shale gas. Lithologic Reservoirs, 2013, 25(2): 116-122. |
[3] |
JARVIE D M, HILL R J, RUBLE T E, et al. Unconventional shale-gas systems:the Mississippian Barnett Shale of north-central Texas as one model for thermogenic shale-gas assessment. AAPG Bulletin, 2007, 91(4): 475-499. DOI:10.1306/12190606068 |
[4] |
CHALMERS G, BUSTIN R, POWER I M. Characterization of gas shale pore systems by porosimetry, pycnometry, surface area, and field emission scanning electron microscopy/transmission electron microscopy image analyses:examples from the Barnett, Woodford, Haynesville, Marcellus, and Doig units. AAPG Bulletin, 2012, 96(6): 1099-1119. DOI:10.1306/10171111052 |
[5] |
CURTIS M E, CARDOTT B J, SONDERGELD C H, et al. Development of organic porosity in the Woodford Shale with increasing thermal maturity. International Journal of Coal Geology, 2012, 103: 26-31. DOI:10.1016/j.coal.2012.08.004 |
[6] |
POMMER M, MILLIKEN K. Pore types and pore-size distributions across thermal maturity, Eagle Ford Formation, southern Texas. AAPG Bulletin, 2015, 99(9): 1713-1744. DOI:10.1306/03051514151 |
[7] |
崔景伟, 朱如凯, 崔京钢. 页岩孔隙演化及其与残留烃量的关系:来自地质过程约束下模拟实验的证据. 地质学报, 2013, 87(5): 730-736. CUI J W, ZHU R K, CUI J G. Relationship of porous evolution and residual hydrocarbon:evidence from modeling experiment with geological constrains. Acta Geologica Sinica, 2013, 87(5): 730-736. |
[8] |
MODICA C J, LAPIERRE S G. Estimation of kerogen porosity in source rocks as a function of thermal transformation:example from the Mowry Shale in the Powder River Basin of Wyoming. AAPG Bulletin, 2012, 96(1): 87-108. DOI:10.1306/04111110201 |
[9] |
郭秋麟, 陈晓明, 宋焕琪, 等. 泥页岩埋藏过程孔隙度演化与预测模型探讨. 天然气地球科学, 2013, 24(3): 439-449. GUO Q L, CHEN X M, SONG H Q, et al. Evolution and models of shale porosity during burial process. Natural Gas Geoscience, 2013, 24(3): 439-449. |
[10] |
吴松涛, 朱如凯, 崔京钢, 等. 鄂尔多斯盆地长7湖相泥页岩孔隙演化特征. 石油勘探与开发, 2015, 42(2): 167-176. WU S T, ZHU R K, CUI J G, et al. Characteristics of lacustrine shale porosity evolution, Triassic Chang 7 member, Ordos Basin, NW China. Petroleum Exploration and Development, 2015, 42(2): 167-176. DOI:10.11698/PED.2015.02.05 |
[11] |
CHEN Z, JIANG C. A revised method for organic porosity estimation in shale reservoirs using Rock-Eval data:example from Duvernay Formation in the Western Canada Sedimentary Basin. AAPG Bulletin, 2016, 100(3): 405-422. DOI:10.1306/08261514173 |
[12] |
王志伟, 卢双舫, 王民, 等. 湖相、海相泥页岩孔隙分形特征对比. 岩性油气藏, 2016, 28(1): 88-93. WANG Z W, LU S F, WANG M, et al. Fractal characteristic of lacustrine shale and marine shale. Lithologic Reservoirs, 2016, 28(1): 88-93. |
[13] |
乌立言. 生油岩热解快速定量评价. 北京: 科学出版社, 1986. WU L Y. Quick evaluation quantitatively on the pyrogenation of source rocks. Beijing: Science Press, 1986. |
[14] |
郭秋麟, 米石云, 石广仁, 等. 盆地模拟方法原理. 北京: 石油工业出版社, 1998. GUO Q L, MI S Y, SHI G R, et al. Principle method of basin modeling. Beijing: Petroleum Industry Press, 1998. |
[15] |
ORR W L. Comments on pyrolytic hydrocarbon yields in source rock evaluation//Bjøroy M. Advances in petroleum geochemistry. Chichester:Wiley & Sons Ltd., 1981:775-787.
|
[16] |
MILLIKEN K L, RUDNICKI M, AWWILLER D N, et al. Organic matter-hosted pore system, Marcellus ormation(Devonian), Pennsylvania. AAPG Bulletin, 2013, 97(2): 177-200. DOI:10.1306/07231212048 |
[17] |
MASTALERZ M, SCHIMMELMANN A, DROBNIAK A, et al. Porosity of devonian and Mississippian New Albany Shale across a maturation gradient:insights from organic petrology, gas adsorption, and mercury intrusion. AAPG Bulletin, 2013, 97(10): 1621-1643. DOI:10.1306/04011312194 |
[18] |
王飞宇, 关晶, 冯伟平, 等. 过成熟海相页岩孔隙度演化特征和游离气量. 石油勘探与开发, 2013, 40(6): 764-768. WANG F Y, GUAN J, FENG W P, et al. Evolution of overmature marine shale porosity and implication to the free gas volume. Petroleum Exploration and Development, 2013, 40(6): 764-768. DOI:10.11698/PED.2013.06.19 |