基于多參數變膠結指數的致密砂礫巖飽和度精細評價：以準噶爾盆地烏爾禾組為例

胡婷婷, 張奔, 毛晨飛, 陳國軍, 黨宛笛, 高明, 孫欣艷

(1.中國石油新疆油田分公司勘探開發研究院, 烏魯木齊 836413; 2.中國石油集團測井有限公司地質研究院, 西安 710000; 3.中國石油測井有限公司新疆分公司, 克拉瑪依 834000)

由于致密砂礫巖儲層具有非均質性強、成巖作用復雜等特點,使影響儲層參數的地質因素難以確定,造成使用常規阿爾奇模型進行飽和度評價時膠結指數m與飽和度指數n偏離理論值,進而導致計算的儲層飽和度數值不準確[1-3]。

目前對于飽和度計算的研究主要分為：一是調整儲層因素方面的參數改進阿爾奇模型;二是建立關于孔隙結構的導電模型從而實現含水飽和度[4-6]的表征。李軍等[7]針對庫車地區砂礫巖開展孔隙度大小、平均粒徑、膠結物含量、裂縫孔隙度等研究改善阿爾奇方程對致密砂巖的適用性,但未對孔隙結構進行定量表征。張建升等[8]利用壓汞和核磁測井資料,建立結合喉道半徑、核磁孔隙度和滲透率的變膠結指數m模型,該研究需用核磁測井數據來實現毛管半徑的連續表征,在只有常規測井資料的井中無法使用。李永貴等[9]從成巖相測井識別對孔隙結構進行分類,建立與孔隙度相關的膠結指數m計算模型,但對于未取心井段無法進行有效識別與表征。宋明星等[10]分析了陽離子交換量、陽離子當量電導、陽離子交換容量等參數的變化規律,建立適用于低阻砂巖氣層含水飽和度計算的Waxman-Smits模型(W-S飽和度模型),此模型考慮因素較復雜,在實際測井資料處理中有一定的局限性。

綜上可知,前人的研究成果多是將影響儲層參數的部分因素加以考慮,或是通過特殊測井資料建立變膠結指數m的計算模型,但將常規測井資料及巖心分析化驗數據綜合考慮的計算膠結指數m的方法缺少深入和系統的研究。為此,針對研究區烏爾禾組致密砂礫巖儲層飽和度評價計算精度較低的問題,在前人研究基礎上,基于巖電、孔滲、粒度、鑄體薄片等實驗數據,綜合分析孔隙結構、孔隙度、粒度中值及黏土含量與膠結指數m的關系,采用多元回歸擬合建立多參數綜合的變膠結指數計算模型,以期提高研究區致密砂礫巖儲層探井解釋評價的準確性。

1 研究區砂礫巖特征

準噶爾盆地烏爾禾組砂礫巖儲層巖石類型主要為低孔低滲(孔隙度2.2%～12%,平均為6.7%;滲透率0.01～260 mD,平均0.239 mD)的大中礫巖、砂礫巖、含砂礫巖、含礫砂巖、砂巖,以及少量泥巖[圖1(a)～圖1(c)]。儲層巖性較粗,礫石直徑變化較大,一般為2～20 mm,個別達到35 mm,顆粒支撐,分選較差。黏土礦物主要成分為伊與蒙混層和綠泥石,其次為伊利石、高嶺石和綠與蒙混層[圖1(d)]。這種儲層致密、孔隙結構復雜、非均質性強的特點造成采用統一巖電參數開展研究區飽和度評價時出現較大誤差。

圖1 研究區砂礫巖儲層巖性圖

2 膠結指數m影響因素分析

阿爾奇公式建立了巖石電阻率與孔隙度、含水飽和度之間的實驗關系,認為在100%含水的純石英砂巖中,巖性有關的系數a=b=1,m=n=2,該模型表達式為

(1)

(2)

式中：F為地層因素;I為電阻率增大系數;Ro為飽含水下巖石電阻率,Ω·m;Rw為地層水電阻率,Ω·m;Rt為含油氣巖石電阻率,Ω·m;φe為有效孔隙度,小數;a、b為巖性有關的系數,無量綱;m為膠結指數,無量綱;n為飽和度指數,無量綱。

前人研究發現阿爾奇參數中m的變化對飽和度計算的影響遠大于a、b、n變化帶來的影響[11-12]。m的主要影響因素包括孔隙結構、孔隙度、顆粒大小、泥質含量等[13-14]?；诖?開展研究區膠結指數m影響因素分析,以建立適用于研究區砂礫巖的精確變膠結指數模型。

2.1 孔隙結構對m的影響

孔隙結構指儲集層孔隙和吼道的幾何形狀、大小、分布及相互連通和配比關系,控制著巖石的滲流能力和電性特征[15],是飽和度評價的關鍵因素。對孔隙結構微觀研究主要通過壓汞、掃描電鏡、鑄體薄片、CT(computed tomography)成像等實驗室分析以及核磁測井等新技術實現[16-17],但以上實驗存在周期長、測井成本高的問題。張濤等[18]以儲層品質因子為紐帶將宏觀概念滲透率、孔隙度和微觀概念毛管半徑、孔隙形狀因子、毛管彎曲度結合,建立基于常規測井資料的儲層孔隙結構評價方法。

(3)

式(3)中：RQI為儲層品質因子;Fs為形狀因子,無量綱;r為毛管半徑;τ為毛管彎曲度,無量綱;K為滲透率,10-3μm2。

儲層品質因子RQI能準確地反映孔隙結構和巖石物理性質的變化,當毛管半徑增大,孔隙結構變好,因此選用RQI定量表征孔隙結構。選取研究區有巖心測試數據的取心段RQI指數與m進行相關性分析,如圖2所示?？梢钥闯?隨著RQI的增大,孔隙結構變好,膠結指數m也隨之增大,兩者具有很好的對數正相關關系(R2=0.786 8)。

圖2 膠結指數m與RQI相關分析

2.2 導電孔隙度對m的影響

有效孔隙度指具有儲集性質的有效孔隙體積占巖石體積的百分數,但并非所有的有效孔隙都參與離子的遷移或者流體的流動,其中參與離子遷移的那部分有效孔隙度定義為導電孔隙度[19]。研究表明,有效孔隙度和導電孔隙度差值與膠結指數m之間呈正線性相關,而導電孔隙度與有效孔隙度的關系比較復雜[20]。李雄炎等[11]從導電性能角度出發,根據Maxwell方程發現地層因素與導電孔隙度φf之間的關系為

(4)

假定有效孔隙度與導電孔隙度之間存在線性關系,設置相應的邊界條件,可得

(5)

聯立式(4)和式(5)可得

(6)

以式(6)中A為橫坐標,φe為縱坐標,將研究區物性實驗測得有效孔隙度代入式(6),計算出線性方程的斜率G=0.540 4;將G代入式(4)便可求解對應取心點的導電孔隙度?；诖?分析有效孔隙度和導電孔隙度差值與膠結指數m之間的關系(圖3),發現隨有效孔隙度和導電孔隙度差值的增大膠結指數m也隨之增大,兩者具有較強的正線性相關性(R2=0.852 9)。

m為膠結指數

2.3 粒度大小對m的影響

粒度大小變化是儲層非均質性的直觀表現,研究區烏爾禾組儲層巖性主要以砂礫巖為主,具有粒級變化大非均質性強的特點。粒度中值是指累積曲線上與累積百分含量為50%處相對應的粒徑[21],可以有效表示巖石粒徑變化。

MD=-log2d

(7)

式(7)中：MD為粒度中值,mm;d為粒徑,mm。

選取粒度中值MD來分析粒度對m的影響。對研究區有粒度實驗的樣品進行統計與m做相關性分析(圖4),發現隨著MD的減小膠結指數m隨之減小,兩者具有較好的指數相關性(R2=0.872 6)。

圖4 m與MD相關分析

2.4 黏土含量對m的影響

由于黏土礦物自身具有水敏性,會導致孔隙結構復雜化,進而影響儲層孔滲性能[22],在飽和度評價中不能忽視黏土礦物的影響。大量的研究和實驗結果表明,泥質含量與膠結指數m的關系基本呈三段式變化的規律[23-24]：①當泥質含量較低在儲層中基本無連續分布時,泥質主要以分散的形式存在與孔隙和吼道當中,使巖石孔隙度變小,孔隙結構復雜,導電性變差,m一般隨著泥質增加而增大;②當連續分布的泥質增加時,一部分分散于孔隙和吼道中使巖石導電性變差,另一部分則形成連續分布構成導電通路使得導電性變好,在某一范圍內兩者對導電性的影響將相互抵消,使得m隨著泥質含量的變化較小;③當泥質增加到一定程度時,它將會對巖石的導電性起到主要影響,此時m將會隨著泥質增加而減小。

研究區黏土礦物主要成分為伊與蒙混層和綠泥石且相對穩定,泥質含量較低(一般在10%以內)。選取全巖分析實驗數據和膠結指數m做相關性分析(圖5),結果表明：隨著黏土含量的增加膠結指數m隨之減小,兩者具有明顯的線性負相關關系(R2=0.859 6)。

圖5 m與Vsh相關分析

3 基于常規測井的影響因子參數求取

3.1 RQI的表征

儲層品質因子RQI指數中的有效孔隙度可由密度測井曲線(DEN)表征,其表達式為

(8)

式(8)中：ρb為密度測井值,g/cm3;ρma為巖石骨架密度值,g/cm3,取2.65;ρf為孔隙流體密度,一般取1。

滲透率與有效孔隙度具有指數正相關關系(圖6),可用式(9)進行連續表征。

圖6 K與φe相關分析

K=0.369 8e0.357 1φe

(9)

3.2 導電孔隙度的表征

將通過式(4)計算的導電孔隙度與對應實驗數據的有效孔隙度做相關性分析(圖7),發現隨著有效孔隙度的增大導電孔隙度呈指數增大,兩者具有很好相關性。因此導電孔隙度可用式(10)表征。

圖7 φe與φf相關分析

φf=0.000 5e42.977φe

(10)

3.3 粒度中值的表征

一般來說自然伽馬曲線能夠反映巖石粒度變化的特征[25],曲線波動越強,顆粒越不均勻,儲層非均質性越強。電阻率測井的影響因素包括礦物成分、含量、分布及孔隙幾何形態,當巖石骨架變大時,電阻率隨之變大;聲波測井與骨架大小、顆粒大小有密切關系,隨著骨架與顆粒大小的增加而減大[26]?；诖诉x取目的層位粒度分析實驗的數據與常規曲線進行相關性分析,最終選取自然伽馬(GR)、電阻率測井(RT)、聲波時差測井(AC)三條曲線建立了基于常規曲線的粒度中值MD連續表征模型,如式(11)所示。

MD=-1.04lnGR-0.018RT+0.025AC+0.426

(11)

3.4 黏土含量的表征

自然伽馬曲線是指示地層泥質含量最好的辦法,其異常值隨著泥巖含量增加而減小,選取測井曲線GR來對研究區泥質含量連續表征,其表達式為

(12)

(13)

式中：SH為自然伽馬相對值;GR為目的層段自然伽馬測井值;GRmax為純泥巖地層自然伽馬測井值;GRmin為純巖性地層自然伽馬測井值;GUCG為與年代地層有關的經驗系數,研究區選用老地層系數2。

4 多參數變膠結指數建模

首先分析膠結指數m與孔隙結構、有效孔隙度和導電孔隙度差值、粒度中值與黏土含量4個參數之間的關系,再基于常規測井資料對各影響因素的參數進行連續表征,分析結果表明：各因素均與m值具有較好的相關性且各因素的參數均易于表征。因此采用多元線性回歸擬合的方法建立多參數綜合考量的變膠結指數m建模。其模型表達式為

m=0.032 7lnRQI+2.329(φe-φf)+
0.461e0.050 2MD+0.022Vsh+0.768

(14)

5 實例應用

利用多參數變膠結指數模型來處理研究區探井D1井烏爾禾組低孔低滲砂礫巖儲層,處理結果如圖8所示。

圖8中,巖心分析孔隙度與利用密度曲線計算孔隙度絕對誤差為7.52%,巖心分析滲透率與測井解釋滲透率誤差小于一個數量級?？紫督Y構取心與擬合孔隙結構絕對誤差為5.89%,實驗粒度中值數據與擬合粒度中值絕對誤差為6.75%,多參數變膠結指數模型計算的m值與巖心分析m值的絕對誤差為5.09%,巖心分析含水飽和度與阿爾奇公式、多參數變膠結指數計算的含水飽和度絕對誤差分別為14.71%和5.48%。

分析可知,基于常規測井曲線表征的各參數均在較小誤差范圍內,可以很好地對各參數進行表征;基于多參數變膠結指數模型計算的飽和度與巖心分析飽和度之間誤差更小(明顯的優與阿爾奇公式計算出的飽和度),顯著提高了研究區砂礫巖儲層的飽和度計算精度。結果表明：該模型可應用于研究區探井解釋與儲量計算工作中。

6 結論

(1)基于研究區巖石物理實驗數據,分析了孔隙結構、孔隙度、粒度中值、黏土含量與膠結指數m的關系。結果表明膠結指數m與孔隙結構、有效孔隙度與導電孔隙度差值、粒度中值和黏土含量均具有較好的相關性。

(2)采用多元回歸擬合建立多參數綜合的變膠結指數計算模型,同時以常規測井資料為基礎,分別建立孔隙結構、孔隙度、粒度中值、黏土含量的表征方法,提高了模型的適用性。

(3)多參數變膠結指數模型計算的m與巖電實驗確定的m絕對誤差為5.09%,模型計算效果較好。最終計算含水飽和度與巖心分析的含水飽和度誤差僅為5.48%,而常規阿爾奇公式計算誤差為14.71%,該模型很好的提高研究區砂礫巖儲層飽和度計算精度,在探井解釋與儲量計算中取得較好的應用效果。