随着常规油气资源的日益紧缺,非常规页岩气资源日益受到各国的重视,中国也已经意识到页岩气对解决能源问题的重要性。页岩气储层多具有复杂多变的矿物组成、低孔隙度、超低基质渗透率以及富含有机质且成熟度不同等特征[1-4]。受这些条件限制,页岩气储层测井评价存在很大的困难。目前,国内外学者对于页岩气储层测井评价的主要技术思路有两种:一是基于岩心刻度测井的多元统计建模方法;二是基于岩心标定测井的多矿物最优化方法,这两种方法都依赖岩心分析数据[5-10]。页岩气开采成本很高,提高单井产量极其重要[11],利用测井、地震信息预测和评价页岩气产量“甜点”关系着勘探开发的成败[12]。
1 工区概况与储层特征鹰潭页岩气区位于美国东得克萨斯盆地,紧邻墨西哥湾,目的层鹰潭页岩沉积于白垩纪晚期,为该区一套主要的烃源岩,同时也是储层,埋深在1830~3650m之间,厚度约30~90m。该套页岩的上部发育泥灰岩,下部与致密石灰岩呈不整合接触。这套页岩发育于北高南低的单斜上,该单斜构造比较平缓,但由于埋藏深度的不同,有机质成熟度不同,从北向南依次发育油区、湿气区及干气区。
从X射线衍射矿物含量分析资料看,该页岩气储层岩石矿物组成以方解石为主,约占岩石总质量的61.6%;石英含量次之,约占总质量的10.9%;黏土矿物含量较低,约占岩石总质量的18.5%,主要是伊利石与伊/蒙混层,含少量的云母;部分层段发育黄铁矿,约占岩石总质量的1.8%(图 1)。该页岩气储层的低黏土矿物含量、高方解石含量特征决定了其岩石脆性很好,有利于水力压裂等增产措施的实施,且部分地区页岩气储层段发育天然裂缝。
该页岩气储层岩石干酪根属于Ⅱ型,此类干酪根通常形成于中等深度的海洋还原环境,主要源自细菌分解后的浮游生物遗骸,含氢量高、含碳量低,在温度与成熟度逐渐增加的情况下可生成油或气。从5口取心井的岩石热解分析数据看,该页岩气储层总有机碳含量比较丰富,约为0.13%~7.68%,平均为2.77%(图 2),其中页岩气储层下段总有机碳含量明显高于上段。从储层物性分析资料看,该页岩气储层物性极差,孔隙度分布在0.9%~14.5%之间,平均为5.5%;储层基质渗透率极低,分布范围为0.00014~0.00116mD,平均为0.00030mD(图 3),页岩气储层下段物性好于上段。
从美国经验来看,页岩气的勘探开发需要进行大量钻井,主要是水平生产井;为了提高项目经济性,一般都不采集测井资料,只有少部分垂直导眼井采集测井资料。为了认识页岩气储层特征并作为临近水平井地质导向钻进的参考井,对极少部分垂直导眼井进行钻井取心,并建立岩心资料与测井曲线之间的对应关系,因此,页岩气储层测井评价的主要对象是垂直导眼井[5-6]。
鹰潭页岩气区垂直导眼井主要采集了自然伽马、井径、自然电位、阵列感应电阻率、补偿中子、岩性密度、声波时差等常规测井资料与自然伽马能谱测井资料;在多口垂直导眼井中进行了目的层全井段取心,获得了丰富的岩心分析数据。该区垂直导眼井位置分布均匀,基本控制了整个区块。
2.2 测井响应特征页岩气储层的测井响应特征与常规油气储层、泥质围岩或灰质围岩等明显不同。常规油气层一般呈低自然伽马、低密度、高电阻率等特征,自然伽马曲线一般只受储层中泥质的影响;而在页岩气储层中自然伽马值是干酪根含量和泥质含量的函数,页岩气储层的高自然伽马值特征主要是由于页岩气储层中的有机质含量引起的。一般泥质围岩呈高自然伽马、高密度、低电阻率等特征,致密灰质围岩呈低自然伽马、高密度、高电阻率等特征,它们都与页岩气储层响应特征不同(图 4、图 5)。
鹰潭页岩气储层主要发育钙质页岩,目的层与上下围岩测井响应特征有明显不同,表现为高自然伽马值和高电阻率值。目的层自然伽马值约为50~100API,自然伽马能谱测井显示其去铀伽马值较低,约为20~40API,反映页岩气储层发育于还原环境,有机质含量丰富;深感应电阻率值较高,大于30Ω·m;声波时差值较高,约为78μs/ft,密度值较低,约为2.50g/cm3,补偿中子孔隙度值较高,约为0.16,反映了其物性相对较好及总有机碳含量较高;光电俘获截面指数呈低值,约为4.0bar/e。从典型井测井响应特征来看,该页岩气储层下段测井响应特征与上段也不同,下段自然伽马值更高、密度值更低、补偿中子孔隙度值及声波时差值均更高,反映了页岩气储层下段具有更高的总有机碳含量和更好和的物性特征(图 6)。
从鹰潭页岩气储层岩石矿物组成来看,主要由石英、方解石、黄铁矿、斜长石、钾长石、白云石、云母等骨架矿物,以及伊利石、伊/蒙混层、海绿石、高岭石等黏土矿物组成,岩石矿物组成复杂。为了降低测井评价难度,通过合并性质相近矿物并排除次要矿物,将该页岩岩石物理体积模型简化为石英、方解石、黏土矿物等;由于页岩气储层中富含有机质,且主要以干酪根的形式存在,因此将干酪根加入岩石物理体积模型,页岩气储层中的流体主要为石油或天然气和地层水,据此建立了页岩气储层的岩石物理体积模型。根据此岩石物理体积模型对岩心分析数据进行了合并处理。
2.3.1 岩心刻度多元统计建模方法[13-16]鹰潭页岩气区具有丰富的岩心分析数据,因此首先利用岩心刻度多元统计建模方法对该区测井资料进行处理解释。首先对建模井测井数据进行标准化,分析测井响应参数与岩心分析数据之间的对应关系,寻找储层参数的敏感测井参数;然后利用统计学原理建立储层参数与敏感测井参数之间的数量关系,并对建立的统计模型进行误差分析,优选误差最小的统计模型作为最终的解释模型,并分析模型的精度。按照上述步骤,建立了该页岩气区方解石含量、石英含量、黏土矿物含量、干酪根含量等岩石组分含量和孔隙度、含水饱和度、总有机碳含量等储层特征参数的评价解释模型(表 1),并分析这些模型的解释精度:其中孔隙度与总有机碳含量的解释精度最高;黏土矿物含量的解释精度次之;含水饱和度和方解石含量的解释精度最差;干酪根含量解释模型虽然相关系数很高,但是由于误差传递的影响,解释精度也比较低。最后,利用这些解释模型对该区实际测井资料进行了处理解释。
为了检验两种解释方法,又利用多矿物最优化方法对该区块井资料进行了处理解释。多矿物最优化方法是一种通过建立测井信息与地层参数之间的误差函数,利用最优化理论求出使误差最小的解,而且这种解释方法还提供了一种检验解释结果可靠性的概率方法。
根据鹰潭页岩气储层岩心分析结果,设定岩石物理体积模型为:石英+方解石+伊利石+干酪根+油/气+水,输入自然伽马、电阻率、密度、补偿中子孔隙度、铀含量、干酪根含量曲线。页岩气储层与常规储层最大的不同是岩石物理体积模型中加入了干酪根,干酪根的响应参数确定是利用多矿物最优化方法解释页岩气储层的一个难点。通常情况下,干酪根形成于还原环境,可以使地层中铀元素沉淀下来,从而具有高自然伽马值特征,干酪根具有较低的密度、较高的氢指数和较低的光电俘获截面指数;干酪根作为一种有机物,可以认为是不导电的,但受其不同类型与热成熟度的影响,它的响应特征参数变化很大,难以准确确定[5]。因此,需要首先计算地层中的干酪根含量,然后与其他测井曲线作为输入曲线,在多矿物最优化解释模块中进行处理。
具体地,首先利用Passey方法计算地层总有机碳含量[19]:
${\rm{TOC = }}\left( {\Delta \lg {R_{\rm{t}}}} \right) \times {10^{2.297 - 0.1688{R_0}}}$ | (1) |
$\Delta \lg {R_{\rm{t}}} = \lg \frac{{{R_{\rm{t}}}}}{{{R_{{\rm{基线}}}}}} + K \cdot \left( {\Delta t - \Delta {t_{基线}}} \right)$ | (2) |
式中Ro——镜质组反射率,%;
Rt——地层电阻率,Ω·m;
R基线——非烃源泥岩基线电阻率,Ω·m;
K——刻度因子,取0.02;
Δt——声波时差,μs/ft;
Δt基线——非烃源泥岩声波时差,μs/ft。
在没有纵波时差曲线的井,也可以利用地层密度或中子孔隙度曲线代替纵波时差曲线来进行计算。总有机碳含量为质量分数,作为输入曲线处理时,需要将质量分数转换为体积分数,计算公式为[20]:
${V_{\ker{\rm{ogen}}}}{\rm{ = }}\frac{{{\rm{TOC}} \times {\rho _{\rm{b}}} \times \kappa }}{{{\rho _{\ker{\rm{ogen}}}}}}$ | (3) |
式中Vkerogen——干酪根含量,%;
ρkerogen——干酪根密度,g/cm3;
ρb——地层密度,g/cm3;
κ——转换系数,与干酪根类型及成熟度有关。
一般地,页岩气储层黏土矿物含量比较高,电阻率响应方程一般采用归一化Wax—Simits公式[7]:
$\frac{1}{{{R_{\rm{t}}}}}{\rm{ = }}\frac{{S_{{\rm{wt}}}^n}}{{\phi _{\rm{t}}^{ - m}}}\left[ {\frac{1}{{{R_{\rm{w}}}}} + \frac{{{Q_{{\rm{vn}}}}}}{{{S_{{\rm{wt}}}}}}\left( {\frac{1}{{{R_{{\rm{wsh}}}}}} - \frac{1}{{{R_{\rm{w}}}}}} \right)} \right]$ | (4) |
式中Swt——含水饱和度;
φt——储层孔隙度;
m——胶结指数;
n——饱和度指数;
Rw——页岩气储层的地层水电阻率,Ω·m;
Qvn——归一化的阳离子交换容量,变化范围为0.0~1.0;
Rwsh——围岩的地层水电阻率,Ω·m。
2.3.3 两种方法解释结果比较采用以上两种方法,分别对该页岩气区实际测井资料进行了处理解释,得到了岩石矿物组分剖面、孔隙度、含水饱和度和地层总有机碳含量。图 7为该区某取心井综合解释成果图,第1道至第3道显示的为常规测井系列曲线;第4道和第5道显示的分别为多元统计建模方法与多矿物最优化方法得到的岩性剖面,可以帮助认识地层岩石的脆性,为后续压裂改造提供帮助;第6道至第11道显示的分别为两种方法测井解释与岩心分析黏土矿物含量、石英含量、方解石含量、总有机碳含量、孔隙度和含水饱和度对比(图中红色实线为多元统计建模方法解释结果,蓝色实线为多矿物最优化方法解释结果,黑色圆点为岩心分析结果)。从两种解释方法与岩心分析结果对比来看,多元统计建模方法得到的结果与岩心分析结果符合更好,多矿物最优化方法得到的矿物含量与岩心分析结果符合不好,特别是黏土矿物含量与岩心分析结果相差较大,这主要是由于目前主流的商业解释软件中多矿物最优化分析模块采用的测井响应方程没有考虑有机质的影响,对此类储层的处理效果不好。
对该取心井目的层测井解释与岩心分析储层参数平均值进行了误差分析(表 2),利用多元统计建模方法得到的结果中,绝对误差最低的是干酪根含量,约为0.2%,绝对误差最高的是含水饱和度,约为3.2%;相对误差最低的是方解石含量,约为2.0%,相对误差最高的是含水饱和度,约为12.9%。利用多矿物最优化方法得到的结果中,绝对误差最低的是孔隙度,约为0.8%,绝对误差最高的是黏土矿物含量,约为15.1%;相对误差最低的是方解石含量,约为12.0%,相对误差最高的是黏土矿物含量,约为67.1%。从分析结果来看,在岩心分析数据足够丰富时,多元统计建模方法得到的解释结果中绝对误差与相对误差更低,因此在鹰潭页岩气区最终采用了多元统计建模方法得到的解释结果。但是,由于页岩气储层地质特征的复杂性,目前的解释方法无法达到常规储层测井评价的精度。
由于页岩气储层特殊的地质特征,页岩气生产井产量递减很快,初始月产量(即第一个月累计产量)占整个生产期产量的大部分,而且初始月产量与最终可采储量有很好的相关性,因此初始月产量可以很好地表征页岩气生产井的产量水平[22-23]。从美国鹰潭页岩气勘探开发经验来看,不同页岩气生产井的初始月产量差别很大(图 8)。
根据测井解释结果,研究了鹰潭页岩气井初始月产量与地质特征的关系发现:同一分区内,地质条件相似,生产井初始月产量略有差异(图 8),造成这种差异的主要因素是生产井水平段长度和压裂级数等工程因素,一般认为工程因素可以通过经验积累与参数优化人为控制;而不同分区之间,地质条件不同(图 9),生产井初始月产量相差很大(图 8)。
利用典型曲线对同一分区内不同生产井的产量进行平均,以消除工程因素对产量的影响,这样得到的某一分区初始月产量代表了该分区的总体产量水平,主要受该分区地质条件的控制。通过研究鹰潭页岩气区不同分区初始月产量与对应分区储层有效厚度、孔隙度、含气饱和度、总有机碳含量及岩石脆性等储层参数关系发现,初始月产量与储层有效厚度、含气饱和度、总有机碳含量及岩石脆性等参数相关性不好,而只与孔隙度相关性好,且呈正相关关系,储层孔隙度是该页岩气区不同分区产量差异的主控地质因素。
3.2 产量分级与“甜点”预测[24]鹰潭页岩气区岩石物理分析表明,纵波阻抗可以表征页岩气储层孔隙度,因此纵波阻抗与初始月产量也有很好的相关性,利用地震资料反演纵波阻抗可以预测产量“甜点区”。利用鹰潭页岩气区实际产量进行标定,建立了产量分级标准:Ⅰ级产量“甜点区”,孔隙度介于7.5%~8.0%,纵波阻抗介于8850~9250[(m/s)·(g/cm3)];Ⅱ级产量“甜点区”,孔隙度介于7.0%~7.5%,纵波阻抗介于9250~9650[(m/s)·(g/cm3)];Ⅲ级产量“甜点区”,孔隙度介于6.5%~7.0%,纵波阻抗介于9650~10100[(m/s)·(g/cm3)](图 10)。
(1)页岩气储层地质特征复杂,测井评价比较困难;在只有常规测井资料且岩心分析数据比较丰富时,采用多元统计建模方法比多矿物最优化方法可以获得更加准确的储层参数。但是,不管应用哪种解释方法,目前该类储层的解释精度都无法达到常规储层解释精度。
(2)页岩气是一种非常规油气资源,勘探开发成本很高,提高单井产量对项目成败有重要影响,识别产量“甜点”显得极其重要。经分析,在鹰潭页岩气区,储层孔隙度是造成不同分区产量差异的主要控制因素,利用地震资料反演纵波阻抗可以预测鹰潭页岩气产量“甜点区”,大大提高该页岩气区勘探开发效益。
[1] |
李新景, 胡素云, 程克明. 北美裂缝性页岩气勘探开发的启示[J].
石油勘探与开发, 2007, 34(4): 392–400.
Li Xinjing, Hu Suyun, Cheng Keming. Suggestions from the development of fractured shale gas in north America[J]. Petroleum Exploration and Development, 2007, 34(4): 392–400. |
[2] |
董大忠, 王玉满, 李新景, 邹才能, 管全中, 张晨晨, 等. 中国页岩气勘探开发新突破及发展前景思考[J].
天然气工业, 2016, 36(1): 19–32.
Dong Dazhong, Wang Yuman, Li Xinjing, Zou Caineng, Guan Quanzhong, Zhang Chenchen, et al. Breakthrough and prospect of shale gas exploration and development in China[J]. Natural Gas Industry, 2016, 36(1): 19–32. |
[3] |
荆铁亚, 杨光, 林拓, 陈亮, 王金意. 中国中上元古界页岩气地质特征及有利区预测[J].
特种油气藏, 2015, 22(6): 5–9.
Jing Tieya, Yang Guang, Lin Tuo, Chen Liang, Wang Jinyi. Geological characteristics and prospective zone prediction of Meso-Epiproterozoic shale gas in China[J]. Special Oil & Gas Reservoirs, 2015, 22(6): 5–9. |
[4] |
许坤, 李丰, 姚超, 吕雷. 我国页岩气开发示范区进展与启示[J].
石油科技论坛, 2016, 35(1): 44–49.
Xu Kun, Li Feng, Yao Chao, Lv Lei. Progress in China's demonstration zones of shale gas development[J]. Oil Forum, 2016, 35(1): 44–49. |
[5] | Campbell R L Jr, Truman R B. Formation evaluation in the Devonian shale[C], SPE-15212-MS, Unconventional Gas Technology Symposium, Louisville, Kentucky, USA, 18-21 May 1986. |
[6] | Vanorsdale C R. Evaluation of Devonian shale gas reservoirs[J]. SPE Reservoir Engineering, 1987, 2(2): 209–216. DOI:10.2118/14446-PA |
[7] |
刘双莲, 陆黄生. 页岩气测井评价技术特点及评价方法探讨[J].
测井技术, 2011, 35(2): 112–116.
Liu Shuanglian, Lu Huangsheng. Evaluation methods and characteristics of log evaluation technology in shale gas[J]. Well Logging Technology, 2011, 35(2): 112–116. |
[8] |
莫修文, 李舟波, 潘保芝. 页岩气测井地层评价的方法与进展[J].
地质通报, 2011, 30(Supp.1): 400–405.
Mo Xiuwen, Li Zhoubo, Pan Baozhi. Method and advance of shale gas formation evaluation by means of well logging[J]. Geological Bulletin of China, 2011, 30(Supp.1): 400–405. |
[9] |
张作清, 孙建孟. 页岩气测井评价进展[J].
石油天然气学报, 2013, 35(3): 90–95.
Zhang Zuoqing, Sun Jianmeng. Progress of logging evaluation on shale gas reservoirs[J]. Journal of Oil and Gas Technology, 2013, 35(3): 90–95. |
[10] |
王濡岳, 丁文龙, 王哲, 李昂, 何建华, 尹帅. 页岩气储层地球物理测井评价研究现状[J].
地球物理学进展, 2015, 30(1): 228–241.
Wang Ruyue, Ding Wenlong, Wang Zhe, Li Ang, He Jianhua, Yin Shuai. Application of geophysical well logging in shale gas reservoir evaluation[J]. Progress in Geophysics, 2015, 30(1): 228–241. DOI:10.6038/pg20150134 |
[11] |
逄仁德, 崔莎莎, 尹宝福, 侯云翌. 鄂尔多斯盆地陆相页岩气缝网压裂技术应用分析[J].
中国石油勘探, 2015, 20(6): 66–71.
Pang Rende, Cui Shasha, Yin Baofu, Hou Yunyi. Network fracturing and its application to continental shale gas in Ordos Basin[J]. China Petroleum Exploration, 2015, 20(6): 66–71. |
[12] |
吴奇, 梁兴, 鲜成钢, 李峋. 地质-工程一体化高效开发中国南方海相页岩气[J].
中国石油勘探, 2015, 20(4): 1–23.
Wu Qi, Liang Xing, Xian Chenggang, Li Xun. Geoscience-toproduction integration ensures effective and efficient south China marine shale gas development[J]. China Petroleum Exploration, 2015, 20(4): 1–23. |
[13] |
吴庆红, 李晓波, 刘洪林, 陈霞. 页岩气测井解释和岩心测试技术——以四川盆地页岩气勘探开发为例[J].
石油学报, 2011, 32(3): 484–488.
Wu Qinghong, Li Xiaobo, Liu Honglin, Chen Xia. Log interpretations and the application of core testing technology in the shale-gas:taking the exploration and development of the Sichuan Basin as an example[J]. Acta Petrolei Sinica, 2011, 32(3): 484–488. DOI:10.7623/syxb201103017 |
[14] |
柳筠. 涪陵地区页岩气测井评价参数研究[J].
江汉石油科技, 2015(3): 34–41.
Liu Yun. Study on the parameters for shale gas logging evaluation in Fuling area[J]. Jianghan Petroleum Science and Technology, 2015(3): 34–41. |
[15] |
石文睿, 张占松, 张建平, 赵红燕, 石元会, 黄强. 建南东岳庙段页岩气常规测井解释模型研究——以JYHF-1井为例[J].
天然气勘探与开发, 2014, 37(2): 29–34.
Shi Wenrui, Zhang Zhansong, Zhang Jianping, Zhao Hongyan, Shi Yuanhui, Huang Qiang. Conventional welllogging interpretation model for shale gas in Dongyuemiao member of Jiannan area:an example from JYHF-1 well[J]. Natural Gas Exploration and Development, 2014, 37(2): 29–34. |
[16] |
张培先. 页岩气测井评价研究——以川东南海相地层为例[J].
特种油气藏, 2012, 19(2): 12–15.
Zhang Peixian. Logging evaluation of shale gas:a case study of marine shale in southeastern Sichuan[J]. Special Oil & Gas Reservoirs, 2012, 19(2): 12–15. |
[17] |
余杰, 秦瑞宝, 李敬功. 页岩气储层测井评价[C]//中国油气论坛. 非常规油气勘探开发技术专题研讨会论文集. 北京: 石油学会, 2011: 112-120.
Yu Jie, Qin Ruibao, Li Jingong. Logging evaluation of shale gas reservoir[C]//China oil and gas forum.Proceedings of the symposium on unconventional oil and gas exploration and development.Beijing:Petroleum Institute, 2011:112-120. |
[18] |
秦瑞宝, 余杰. 多矿物处理方法在北美页岩油气藏测井评价中的应用[J].
石油地球物理勘探, 2013, 48(Supp.1): 175–180.
Qin Ruibao, Yu Jie. Application of multi-mine soft model in a shale oil & gas reservoir logging evaluation[J]. Oil Geophysical Prospecting, 2013, 48(Supp.1): 175–180. |
[19] | Passey Q R, Creaney S, Kulla J B, Creaneys, Stroud J D. A Practical model for organic richness from porosity and resistivity logs[J]. AAPG Bulletin, 1990(74): 1777. |
[20] | Rick Lewis, David Ingraham, Marc Pearcy. new evaluation techniques for gas shale reservoirs[R]. Reservoir Symposium 2004 by Schlumberger. |
[21] |
彭嫦姿, 彭俊, 陈燕辉, 张汉荣. 四川盆地元坝地区大安寨段页岩气"甜点"地震预测[J].
天然气工业, 2014, 34(6): 42–47.
Peng Changzi, Peng Jun, Chen Yanhui, Zhang Hanrong. Seismic prediction of sweet spots in the Da'anzhai Shale Play, Yuanba area, Sichuan Basin[J]. Natural Gas Industry, 2014, 34(6): 42–47. |
[22] |
郭小哲, 赵刚. 页岩气藏压裂缝网模拟及沟通效果评价[J].
特种油气藏, 2015, 22(1): 99–102.
Guo Xiaozhe, Zhao Gang. Simulation of fracturing network of shale gas reservoir and evaluation on communication results[J]. Special Oil & Gas Reservoirs, 2015, 22(1): 99–102. |
[23] |
白玉湖, 陈桂华, 徐兵祥, 冯汝勇, 陈岭. 页岩气产量递减典型曲线模型及对比研究[J].
中国石油勘探, 2016, 21(5): 96–102.
Bai Yuhu, Chen Guihua, Xu Bingxiang, Feng Ruyong, Chen Ling. Comparison of typical curve models for shale gas production decline prediction[J]. China Petroleum Exploration, 2016, 21(5): 96–102. |
[24] |
梁兴, 王高成, 徐政语, 张介辉, 陈志鹏, 鲜成钢, 等. 中国南方海相复杂山地页岩气储层甜点综合评价技术——以昭通国家级页岩气示范区为例[J].
天然气工业, 2016, 36(1): 33–42.
Liang Xing, Wang Gaocheng, Xu Zhengyu, Zhang Jiehui, Chen Zhipeng, Xian Chenggang, et al. Comprehensive evaluation technology for shale gas sweet spots in the complex marine mountains, South China:a case study from Zhaotong national shale gas demonstration zone[J]. Natural Gas Industry, 2016, 36(1): 33–42. |