大慶F油層巖石礦物含量對速敏的影響

趙明國， 賈 輝， 張明龍， 文 韜

(1.東北石油大學提高采收率教育部重點實驗室，大慶 163318； 2.華北油田勘探開發研究院，任丘 062550)

大慶特低滲油田F油層為大慶油田外圍主力產油層，位于地下1 750～2 000 m，儲層非均質性強，斷層發育，平均孔隙度為12%，有效滲透率在0.50×10-3～22.4×10-3μm2，平均為7.4×10-3μm2，地層壓力系數0.97，是典型的“三低”油層[1]。研究分析該區塊低滲儲層速敏對高效開發尤為重要。

速敏是指巖心滲透率隨注入速度的升高而驟然降低的現象。中國在確定注水開發時，就開始研究速敏。現在學者們普遍認為引起速敏的主要原因有流體流動速度，巖心膠結程度，驅替液礦化度。流體流速增加，運移的微粒逐漸變多，孔喉狹小處被堵塞的概率變大[2]；巖心膠結程度越差，微粒越容易脫落，速敏傷害的概率變大；速敏傷害與流體電解質濃度、pH、鹽度有關，不同電解質濃度，pH，鹽度與巖心可以發生物理化學反應，造成速敏[3]。師俊峰等[4]認為速敏是指在生產作業過程中儲層中各種微粒因流體流動速度增加引起的顆粒運移，并堵塞孔道而造成儲層滲透率下降的可能性及其程度。

在綜合考慮影響速敏的三個主要原因后，為了了解儲層滲透率變化與儲層中流體流動速度的關系，并找到臨界流速，進行速敏性評價實驗,進一步確定出速敏指數[5]。本文創新地通過研究F油層中各種礦物含量與巖心流動實驗中速敏之間的關系，分析F油層與速敏有關的主控礦物，分析主控礦物含量與速敏之間的相關程度，擬合一個多變量的速敏指數的計算公式。以更新的視角解剖儲層各種礦物含量對大慶F油層的速敏傷害，并為該油層提出一種新的認識儲層的方法。

1 實驗部分

1.1 實驗材料

巖心：取自F油層同一深度的天然巖心。

1.2 實驗設備

奧林巴斯BTX臺式X射線衍射分析儀如圖1所示，鑄體薄片、DMLP 偏光顯微鏡測定重礦物含量如圖2所示，恒速恒壓泵、活塞容器、巖心夾持器、壓力表、手動泵等，速敏實驗裝置如圖3所示。

1為壓力顯示器；2為恒速恒壓泵；3為三通閥門；4為蒸餾水；5為壓力傳感器；6為標準鹽水；7為天然巖心；8為試管；9為手動泵圖3 速敏實驗裝置圖Fig.3 Diagram of velocity sensitive experimental device

圖1 奧林巴斯BTX臺式X射線衍射分析儀Fig.1 Olympus BTX desktop X-ray diffraction analyzer

圖2 萊卡DMLP偏光顯微鏡Fig.2 Leica DMLP polarizing microscope

1.3 實驗方法

利用奧林巴斯BTX臺式X射線衍射分析儀，鑄體薄片、萊卡DMLP偏光顯微鏡，依照中國石油天然氣行業標準《巖石礦物能譜定量分析方法》(SY/T 6189—2018)和《巖心重礦物鑒定》(Q/SY DQ 0343—2000)，對巖心進行分析，得出礦物含量(百分數)。使用速敏實驗裝置以逐漸遞增流速梯度得出滲透率在不同驅替速度下的數據，同時記錄下滲透率突變的速度，這就是臨界流速，再根據滲透率變化，利用式(1)計算出速敏指數。

巖心的速敏指數計算公式為

(1)

式(1)中：DV為速敏指數;Kmax為臨界流速前巖心滲透率的最大值，μm2;Kmin為速敏傷害后的最小滲透率，μm2。

速敏程度評價標準[6]：DV≤5%，無；5%70%，強。

2 礦物含量與速敏相關性分析

檢測F油層巖心礦物含量和速敏結果如表1所示。

SPSS是一種最常用的統計分析軟件[7]。使用SPSS 軟件中的相關性分析功能，分析Pearson相關與偏相關。

2.1 Pearson相關分析

Karl Pearson在1895年提出了Pearson相關系數[8]，適用于二元正態分布資料。是用來定量描述兩個變量之間的線性關系的密切程度和相關方向的統計指標[9]。若一個變量X與另一個變量Y之間有確定的線性關系，則它們的相關系數為1或者-1。正、負號代表方向，正號為正相關，負號為負相關。其值在-1與1之間。

(2)

利用式(3)對相關系數進行檢驗，這是因為有誤差的存在，需要對其進行檢驗。

(3)

式(3)中:n為樣本數；n-2為自由度。

當t>t0.05(n-2)時，即顯著性P<0.05時，變量間有相關關系;當顯著性P≥0.05時，說明無相關性。顯著性P<0.05，說明有相關性，需進一步對它的相關程度進行判斷。對上面實驗數據進行Pearson相關性分析，結果如表2所示。

表1 礦物含量測定Table 1 Mineral content determination

根據表2的數據分析結果可以得出，長石、碳酸鹽和重礦物的相關系數r的顯著性P都大于0.05，因此以上幾種礦物與巖石速敏指數沒有相關性；同時結果顯示，伊利石、高嶺石、綠泥石、伊蒙混層、石英的相關系數r的顯著性P都小于0.05，則這幾種礦物與速敏指數可能有相關性。還需進行偏相關分析，這是因為Pearson相關性分析結果可能是相關變量的干擾的結果。

表2 巖石礦物與速敏指數的相關性Table 2 Correlation between rock minerals and velocity sensitivity index

2.2 偏相關分析

在分析多變量與一個特定變量之間的關系時，偏相關的作用就顯得尤為顯著。偏相關分析就能在控制其他變量干擾的情況下，研究兩個變量之間的相關性[10]。

控制一個變量的偏相關的公式為

(4)

式(4)中:rxy,z是控制了z變量的情況下x和y的偏相關系數；控制多個變量的以此類推。

同樣，需要對偏相關進行檢驗，公式為

(5)

式(5)中:r為偏相關系數;n為樣本數;k為可控制變量數;n-k-2是自由度。

當t>t0.05(n-k-2)時，即顯著性P<0.05，變量間存在偏相關關系;顯著性P≥0.05時，無相關性。如果顯著性P<0.05，即有相關性，需進一步研究判斷。同樣對實驗數據進行控制變量的偏相關分析，得到結果如表3所示。

表3 控制變量下巖石礦物與速敏指數的相關性Table 3 Correlation between rock minerals and velocity sensitivity index under control variables

根據偏相關分析結果顯示，綠泥石、石英的礦物含量對速敏的相關系數顯著性都遠大于0.05，因此它們與速敏指數不相關,由此可見在Pearson相關性分析中是受到了其他相關礦物的干擾。伊利石、高嶺石和伊蒙混層的礦物含量的偏相關系數顯著性小于0.05，相關系數分別為39.17%、57.4%、38.9%。更進一步說明該儲層的速敏主控礦物為伊利石、高嶺石和伊蒙混層。

由速敏實驗結果，繪制伊利石、高嶺石和泥質與速敏指數的關系曲線如圖4～圖6所示。

圖4 伊利石與速敏指數關系Fig.4 Relation between illite and velocity sensitivity index

圖5 高嶺石與速敏指數關系Fig.5 Relationship between kaolinite and velocity sensitivity index

圖6 伊蒙混層與速敏指數關系Fig.6 Relation between the slip layer layer and velocity sensitivity index

由此可以得出伊利石、高嶺石和伊蒙混層會隨著礦物含量的增加，速敏指數也增加，伊蒙混層平均含量低，對速敏的影響程度最高，高嶺石平均含量高，對速敏的影響程度最低，伊利石的影響程度介于二者之間，因此，影響程度由高到低的順序是伊蒙混層，伊利石，高嶺石。

2.3 多元線性回歸礦物含量與速敏的關系式

由以上結論可知，速敏指數與兩種以上礦物含量有關，因此可對其進行數學線性回歸擬合，得到一個可供現場參考的數學模型，方便對F油層速敏在知道礦物含量后的直接計算。多元線性回歸來研究礦物含量與速敏指數的關系，并進行擬合和檢驗[11]。 通過擬合該模型的公式為

DV=α1x1+α2x2+α3x3+β

(6)

式(6)中：DV為速敏指數，%；α1、α2、α3、β為常數，無量綱；x1、x2、x3為相關礦物含量, %。

對實驗數據使用SPSS軟件的數學線性回歸公式可得：α1=6.261，α2=7.931，α3=7.988,β=23.331。則該公式擬合成為：DV=6.261x1+7.931x2+7.988x3+23.331，R2=0.902。

使用該公式對F油層其他速敏巖樣進行檢驗可得表4所示結果。

從檢驗結果中可以看出，式(6)計算結果誤差很小，均不超過10%。因此式(6)具有很高的工程應用價值，為F油層的速敏認識提供了一種新的方法和認識。

3 結論

(1)F油層礦物主要包括黏土礦物、碎屑礦物和重礦物。黏土礦物中主要有伊利石、高嶺石、綠泥石、伊蒙混層；碎屑礦物中主要包括石英、長石、碳酸鹽；重礦物含量較少。

(2)通過速敏實驗得到F油層2.22%強速敏, 24.44%中偏強速敏，53.33%巖心中偏弱速敏，8.89%弱速敏。由此可知，該油層速敏狀況屬于中偏弱。

(3)根據雙變量相關性和偏相關分析結果，得出伊利石、高嶺石和伊蒙混層的礦物含量是造成儲層速敏的主要礦物，隨著它們自身含量的增加引起速敏指數的增加。其中伊蒙混層影響最大，高嶺石最小，伊利石介于兩者之間。

(4)經過多元線性回歸擬合出關系式為DV=6.261x1+7.931x2+7.988x3+23.331，擬合效果好，能為油田開發在認識礦物含量之后快速得到速敏提供一種新便捷方法。