厚層低滲氣藏“甜點”預測
——以東海陸架盆地西湖凹陷Z氣田花港組為例

2023-12-12 08:23:48何賢科婁敏涂齊催李炳穎蔡華

石油地球物理勘探 2023年6期

何賢科，婁敏*，涂齊催，李炳穎，蔡華

（1.中海石油（中國）有限公司上海分公司，上海 200335；2.中海石油（中國）研究總院有限責任公司，北京 100028）

0 引言

東海深層低滲氣藏主要分布在3500 m 以下[1]，資源量巨大[2]。為了實現深層低滲氣藏的高效開發，準確預測“甜點”具有重要的意義。

目前對“甜點”的預測主要集中在非常規儲層方面，如頁巖氣[3]、頁巖油[4]、煤層氣[5]、致密油[6]、致密氣[7-12]等。對于致密氣的“甜點”預測，應用的地球物理方法主要包括：①地震資料優化處理，如保真、保幅寬頻、高分辨率地震資料疊前成像等；②儲層反演，如疊前AVO 反演、巖相約束的孔隙度(Φ)反演、密度反演等；③地震沉積學技術，如利用地層切片對巖相開展“甜點”垂向分布規律分析。總體上，不同地區“甜點”的地震響應特征不同，地球物理預測方法雖有差異，但研究思路相似。具體而言，“甜點”類型的劃分是“甜點”預測的基礎，巖石物理敏感參數的識別是“甜點”預測的關鍵，儲層反演是“甜點”預測的核心。因此，在地質特征定性分析、劃分“甜點”類型的基礎上，尋找不同“甜點”的巖石物理敏感參數，應用合適的反演技術，可以預測“甜點”的空間展布特征。

西湖凹陷Z 氣田是近期東海陸架盆地發現的大型低滲氣田之一，儲層非均質性強，“甜點”的空間展布規律直接影響開發井位的設計方案。前人研究主要集中在“甜點”的地質特征[13-16]、儲層分類[17]、地質成因[18]、測井評價[19]等方面。在利用地球物理技術預測“甜點”方面[20-21]，尚未進一步開展不同類型“甜點”的精細預測。

為此，本文在劃分“甜點”類型的基礎上，分析不同類型“甜點”的巖石物理特征及變化規律；然后建立合適的地質—地球物理模型，模擬儲層的地震反射特征；通過疊前彈性反演，實現厚儲層內部“甜點”的精細表征，為大型低滲氣田的有效開發提供地球物理技術支持。

1 甜點儲層特征

Z 氣田位于西湖凹陷中央反轉構造帶中北部，主要開發層系為H3(花港組三段)，發育河流—三角洲相沉積[22-23]。砂體儲層厚度約為200 m，非均質性強，埋深大于3500 m，一般具有低孔、低滲特征。H3 進一步可以細分為H3a、H3b、H3c 三個小層[24]。其中，H3a 儲層為特低孔、特低滲，H3b、H3c 儲層均以中低孔、中低滲為主，但是在局部發育物性相對較好的“甜點”。

1.1 “甜點”分類及地質特征

在前人研究成果[25-30]的基礎上，綜合考慮產能、物性、孔隙結構等因素，同時將控制上述參數的沉積相和成巖相及相關參數納入“甜點”評價標準。據此，研究區“甜點”可進一步劃分為三類(表1)，即Ⅰ類、Ⅱ類和Ⅲ 類。Ⅰ類和Ⅱ類“甜點”為高產層段，具有自然產能；Ⅲ 類需要進行儲層壓裂改造。

表1 Z 氣田H3b“甜點”分類評價參數及特征表

由表1 可見，Ⅰ類和Ⅱ類“甜點”差異較大。Ⅰ類“甜點”孔隙度(Φ)大于11%，滲透率大于10 mD，孔隙結構以大孔喉道型為主；Ⅱ類“甜點”孔隙度為9%～11%，滲透率為3～10 mD，孔隙結構以中孔喉道型為主。

1.2 “甜點”敏感地球物理參數分析

通過巖石孔隙度Φ與巖石物理實驗實測縱波模量(M)交會分析(圖1a)、測井數據計算的縱波模量與楊氏模量(E)交會分析(圖1b)，可以發現：相對于非“甜點”儲層，“甜點”儲層具有低M、低E的特征；Ⅰ類“甜點”的M低于45GPa，區分度較高，但是M較難用于區分Ⅱ類“甜點”。

圖1 “甜點”巖石物理分析

Ⅱ類“甜點”主要為中粗砂巖，自然伽馬(GR)較低(圖1c)，對Ⅱ類“甜點”有一定區分度。當GR≤60 API 時，大部分為含礫砂巖和粗砂巖；當GR＞60 API 時，各粒度砂巖疊置，無法區分。為了實現Ⅱ類“甜點”可預測的目的，采用GR 劃分儲層類型，即當GR≤60 API時，為Ⅱ類“甜點”砂巖；當 60 API＜GR≤75 API 時，為各粒度疊置混合砂巖；當75 API＜GR≤100 API 時，為細砂巖；當GR＞100 API 時，為泥巖。因此，Ⅱ類“甜點”預測時只考慮 GR≤60 API的儲層。

1.3 “甜點”地震響應特征

由圖2 可見，對儲層地震反射特征影響較大的兩個因素分別是孔隙類型和孔隙度。隨著泥質含量的增加，砂巖底面的地震反射AVO 曲線的截距為正且增加，但是梯度逐漸減小，曲線趨于平緩(圖2a)。隨著含氣飽和度的增加，砂巖底面的地震反射AVO 曲線的截距為正且增加，但是當含氣飽和度超過50%后，AVO 曲線無明顯變化(圖2b)。隨著原生孔隙占比降低、砂巖孔隙連通性的變好，砂巖底面的地震反射AVO 曲線的截距逐漸減小，由正變負，但是梯度逐漸增大(圖2c)。隨著孔隙度的增加，砂巖底面的地震反射AVO 曲線的截距增加，由負變正，但是梯度逐漸減小，由正變負(圖2d)。

為了對比“甜點”與非“甜點”的AVO 響應特征，分別將研究區Z1 井Ⅰ類和Ⅱ類“甜點”的速度、密度設置與圍巖一致，實現非“甜點”儲層替換，具體參數見表2。

表2 Z1 井簡化地層模型的彈性參數

從圖3 可以看出，Ⅰ 類“甜點”是引起AVO 異常的主要原因，Ⅰ類“甜點”替換為非“甜點”后反射振幅明顯減弱。Ⅱ類“甜點”與非“甜點”的物性差異不大，所以替換前、后的AVO 響應沒有明顯的變化。由此可見，Ⅰ 類“甜點”在疊后地震資上表現為強振幅特征，而Ⅱ類“甜點”振幅無明顯異常。

圖3 Ⅰ類（a）和Ⅱ類（b）“甜點”替換前（左）、后（右）地震響應特征對比

影響“甜點”識別精度的因素主要為孔隙度和厚度。通過AVO 正演模擬不同孔隙度和不同厚度甜點的AVO 響應特征(圖4)可以看到，Ⅰ類“甜點”在疊前地震正演中得到的縱波模量為異常低值，同時隨著孔隙度的增大，縱波模量變小。

圖4 不同孔隙度（a）和不同厚度（b）“甜點”儲層特征

隨著孔隙度的變化，地震反演方法對甜點的預測精度規律如下(圖4a)：當孔隙度＜9%時，無法準確預測“甜點”的位置和厚度；當孔隙度＞15%時，“甜點”預測厚度要大于真實厚度；當孔隙度在10%～15%時，“甜點”預測厚度與真實厚度基本一致。

隨著厚度的變化，地震反演對甜點的預測精度規律如下(圖4b)：當厚度＜12 m 時，反演結果無法同時準確地確定“甜點”的位置和厚度；當厚度范圍在12～35 m 時，“甜點”預測厚度與真實厚度基本吻合；當厚度＞35 m 時，可以確定“甜點”的位置但預測厚度存在一定偏差。因此，對于孔隙度＞10%、厚度＞12 m 的“甜點”，反演預測結果的可靠性較高，即采用疊前反演方法可較好地表征厚度＞12 m 的Ⅰ類“甜點”。

2 “甜點”地震預測方法

2.1 技術流程

圖5 甜點預測的關鍵技術與流程

2.2 關鍵技術

2.2.1 Ⅰ類“甜點”縱波模量直接反演技術

由圖6a 可見，隨著泥質含量的增加，ν(縱橫波模量比)增大，二者之間相關性較高，這表明ν可作為儲層預測的敏感參數。

圖6 泥質含量變化引起彈性參數的變化（左）及砂泥巖ν 直方圖（右）

由圖6b 可見，砂巖與泥巖ν范圍存在一定的差異，砂巖ν≤1.4，泥巖ν＞1.4。

由圖7a 可見，砂巖ν值低，泥巖ν值高，這表明利用ν可較好地區分砂巖與泥巖。由圖7b 可見，砂巖區域Ⅰ類“甜點”存在低縱波模量值的特征，這更進一步驗證了縱波模量用于區分Ⅰ類“甜點”的可行性。

圖7 Gr、ν 對巖性（a）和孔隙度、縱波模量對甜點（b）的區分

Ⅰ類“甜點”的敏感彈性參數為M，而儲層敏感參數為ν。為消除間接反演所導致的累計誤差，需要構建M、ν的平面波反射特征方程。

Zeoppritz方程的近似公式為

將式(2)、式(3)代入式(1)，可得到基于M、ν、ρ的平面波反射特征方程，具體形式為

相比于疊前AVO 反演及疊后反演，疊前彈性阻抗反演利用了疊前部分疊加道集資料，綜合利用了疊后反演與疊前反演的優點，不僅可以反演對儲層較為敏感的彈性參數和物性參數，而且具有較強的抗噪能力。因此，本文在Connolly 彈性阻抗方程的基礎上，提出了基于M、ν及ρ的彈性阻抗公式

由式(5)可知，為了獲得縱波模量、ν及密度，必須從反演中得到至少三個不同角度的彈性阻抗體，即EI(θ1)、EI(θ2)、EI(θ3)。

為了簡化計算，可將式(5)模型進行線性變換，方程兩邊取對數，可以得到模型

方程組(7)表達成矩陣的形式為

式（8）是一個線性方程組，只需知道三個相互獨立的彈性阻抗數據體，用常規的求解方法便可以求得M、ν和ρ。與基于縱波速度、橫波速度及密度彈性阻抗方程反演的間接計算相比，該方法誤差更小。

圖8 為縱波模量直接提取與間接提取的反演結果對比，可以發現直接提取的反演結果誤差更小、更加準確。

圖8 不同參數直接提取（a）與間接提取（b）反演結果對比

2.2.2 Ⅱ類“甜點”擬縱橫波速度比反演技術

式中：G為反演參數的樣點數；f為地震正演算子；d為實際地震記錄。因此，反演參數的后驗概率分布為

式中Gk是當前甜點的反演參數樣點數。反演的目標函數為

在反演過程中，針對反演參數值，可利用以下概率公式進行反演值的優選，即

式中：π為平穩后驗概率分布；m*為更新解；m′為原有解。

將式(11)代入式(14)并簡化常數項，即可得到接受概率表達式

式中：T2是指Ⅱ類“甜點”;T1是指 Ⅰ 類“甜點”。利用式(17)即可計算得到 Ⅱ類“甜點”的概率體。

在 Ⅰ 類“甜點”和 Ⅱ類“甜點”分布特征預測的基礎上，采用 FFP 技術，定義各類“甜點”的概率密度函數(PDFs)；然后對反演結果的每一樣本點應用貝葉斯模糊判別分析(Bayesian Inference)計算各種“甜點”類型的空間分布概率(圖9b、圖9c)，最后疊加就可以形成各類“甜點”的概率體(圖9d)。

圖9 過開發井剖面

3 應用效果

應用本文方法預測H3b“甜點”分布特征(圖9),發現Ⅰ 類“甜點”主要分布在中下部(H3b3、H3b4 小層)，Ⅱ類“甜點”主要分布中部(H3b2小層)。

鉆井資料揭示：“甜點”垂向分布主要受控于沉積環境，H3b 早期以高能辮狀水道沉積為主，在單期水道中部的中—粗砂巖發育Ⅰ類“甜點”；H3b 中晚期以中低能水道沉積為主，Ⅱ類“甜點”主要發育在單期水道下部的中粗砂巖，少量發育在水道中部的中細砂巖。

由圖10 可見，Ⅰ 類“甜點”主要分布在研究區中南部和西南部，多發育在高能辮狀水道中；Ⅱ類“甜點”主要從東北方向沿著南部方向廣泛分布，主要發育在中低能辮狀水道中。據此，設計、部署井位11口，目前已完鉆4 口(A1～A4 井)。新鉆井結果表明本文研究預測的“甜點”是可靠的,Ⅰ類“甜點”厚度吻合率高達80%以上，Ⅱ類達70%以上(表3)。該成果指導了氣田井位的部署，實現了高效開發。