CN104153768B - 一种评价花岗岩储层储集性能的方法 - Google Patents

Abstract

本发明公开了一种评价花岗岩储层储集性能的方法，包括以下步骤：对工区已钻井的常规录井、测井资料、岩心、成像测井以及地层综合评价结果进行全面收集；基于录井工程参数建立功指数计算模型，拟合出功指数趋势线；建立功指数比值模型，获取功指数比值的计算结果，结合监测的录井工程参数对花岗岩储集层进行定性识别；构建岩石完整性、储集层发育程度和岩石稳定性3个储集层发育表征系数计算模型；建立区域花岗岩储集层识别与地层储集性能定量评价标准；完成对新的探区或成熟的探区的储层储集性能的定量评价。本方法提高了花岗岩储集层的识别精度，并且实现了对花岗岩储层储集性能的定量优化评价，满足了实际地质应用中的需要。

Description

一种评价花岗岩储层储集性能的方法

技术领域

本发明涉及石油天然气勘探开发技术领域，尤其涉及一种评价花岗岩储层储集性能的方法。

背景技术

储集层评价是油气勘探开发中的一个重要环节，对于花岗岩地层而言，其储集层的识别与储层储集性能的快速评价对于钻井安全、开发方案编制等均有重要的指导意义。在过去对储层储集性能的评价方法中，测井、录井采用了多种方式，但均存在自身的局限性：

目前对于花岗岩储集层的评价，效果最佳的方法主要有电磁测向仪(EMG-200)、X-射线计算机层析(CT)扫描仪、微Lambda测井、环形声波测井、全井眼地层微电阻率成像(FMI)、DSI偶极横波成像仪和井下电视仪(BHTV)等一系列新仪器和新技术，这些方法和设备能测量出储层裂缝的倾角、走向、宽度、长度，以及裂缝、孔洞的充填程度和视孔隙度等，甚至还能识别出微裂缝及亚微观裂缝，评价精度完全满足工程需要。但受成本控制的影响，该类技术往往仅用于工区重点井、关键井上，且一旦仪器出现故障，往往会消耗大量的作业时间，严重影响作业成本的控制。

对于常规储集层评价方法，就录井而言目前独立依靠录井资料判断花岗岩储层的方法较少，且研究及应用程度较低，且大多都是借鉴碳酸盐岩的评价方法，如在深入分析牙轮钻头破岩机理后基于录井工程参数所建立的功指数计算模型，根据该模型的计算结果与功指数趋势线之间的变化趋势，可在钻进过程中实时对花岗岩储层发育段进行定性识别，其储集层识别率可达80％，但受钻井、地质因素的影响，该方法对于储集层定量评价效果较差，对于储集层发育程度的评价率低于50％，因此还需进一步改进。

对测井储集层评价方法而言，目前常用的主要是通过分析常规测井曲线在储集层发育段的响应特征来识别储层，并通过建立储层物性参数(地层孔隙度、裂缝张开度等)的计算模型，来对地层储集性能进行全面评价。该类方法就储层的定性识别方面较录井方法有较大提升，可达到90％左右，但对储集层的定量评价其所需计算参数较多，评价模型受储集层发育形态影响较大，评价结果往往与现有技术成像测井评价结果误差较大。

发明内容

本发明提供了一种评价花岗岩储层储集性能的方法，本发明在常规测井、录井资料的基础上建立相应的花岗岩储集层评价模型，并引入模糊数学理论通过对模型的不断改进分析和处理来提高储集层评价水平，详见下文描述：

一种评价花岗岩储层储集性能的方法，所述方法包括以下步骤：

对工区已钻井的常规录井、测井资料、岩心、成像测井以及地层综合评价结果进行全面收集；

基于录井工程参数建立功指数计算模型，拟合出功指数趋势线；建立功指数比值模型，获取功指数比值的计算结果，结合监测的录井工程参数对花岗岩储集层进行定性识别；

构建岩石完整性、储集层发育程度和岩石稳定性3个储集层发育表征系数计算模型；

建立区域花岗岩储集层识别与地层储集性能定量评价标准；

完成对新的探区或成熟的探区的储层储集性能的定量评价。

所述功指数计算模型具体为：

$W_m=[Y_J+Y_J\·{(\frac{Y_J}{a}\·\frac{R}{b})}^{\frac{1}{c}}+\frac{\mathrm{\π}}{4}\·N\·D]R\·Z$

其中，W_m为功指数计算值，Y_J为钻压，R为转盘转速，Z为钻时，N为扭矩，D为钻头直径，a、b分别为区域统计最大钻压和统计最大转速，c为试验调试数据。

所述功指数比值模型具体为：

W_B＝W_m/W_N

式中，W_B为功指数比值，W_N为功指数趋势线的值，W_m为功指数计算值，比值小于1即表明为储层段。

所述岩石完整性、储集层发育程度和岩石稳定性3个储集层发育表征系数计算模型具体为：

$K_v={\left(\frac{V_p}{V_r}\right)}^2$

$R_F=\frac{E_{\mathrm{ma}}-E}{E_{\mathrm{ma}}}$

$R_g=K_b\·G=8.836{\mathrm{\ρ}}_b^2(V_P^2{V}_S^2-\frac{4}{3}{V}_S^4)$

其中，K_v为岩石完整性系数，V_p为测井得到的纵波声速，V_r为岩石骨架的理论声速，R_F为储层发育程度系数，E_ma为岩石骨架的理论杨氏模量，E为计算所得的杨氏模量，R_g为岩石稳定性系数，V_S为测井声波横波速度；K_b为岩石的体积模量；G为岩石的剪切模量；ρ_b为地层密度。

所述建立区域花岗岩储集层识别与地层储集性能定量评价标准具体为：

1)对工区关键井的录井、测井评价模型所的结果进行数据归一化处理；

2)建立模糊评判矩阵；

3)计算各评价参数的权值；

4)建立综合评价参数矩阵；

5)将测录井的综合评价参数与地层最终评价结果进行对比分析，统计得到适用于工区的花岗岩储集层识别与地层储集性能快速评价标准。

本发明提供的技术方案的有益效果是：

1)本发明首次针对花岗岩储层引入功指数评价模型对储层进行评价，从而实现在钻井过程中对该类地层的储集层定性识别。

2)本发明从花岗岩储集层发育对岩石自身力学性质的影响出发，创新性的利用岩石力学参数来构建了可表征储集层发育的储层发育表征系数，减小了常规测井资料评价花岗岩储集层多解的问题。

3)本发明首次提出利用模糊数学的手段有效结合测井、录井信息，提高了花岗岩储集层的识别精度，并且实现了对花岗岩储层储集性能的定量优化评价，满足了实际地质应用中的需要。

4)本发明较高精地层评价仪而言更加节约时间与成本，能够在新井停钻后第一时间利用井场常规录井、测井资料对花岗岩储层进行评价。

附图说明

图1为基于常规测井、录井资料评价花岗岩储层储集性能的流程图；

图2为录井功指数储层识别成果图；

图3为测井储层评价模型处理成果图；

图4为测录井综合评价花岗岩储层储集性能成果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

本发明实施例以常规录井、测井资料为基础，依托模糊数学为实施手段对渤海油田某工区花岗岩储层进行了储层识别与评价，具体流程见图1，详见下文描述：

101：工区资料分析；

在对新井进行花岗岩储集层评价之前，首先需要对工区已钻井的常规录井、测井资料、岩心、成像测井以及地层综合评价结果进行全面收集。

102：基于录井工程参数建立功指数计算模型，拟合出功指数趋势线；建立功指数比值模型，获取功指数比值的计算结果，结合监测的录井工程参数对花岗岩储集层进行定性识别；

在深入分析了钻头在花岗岩储层钻进时的做功原理后，基于录井工程参数可建立功指数计算模型，如式1所示。根据已计算得到的花岗岩储层段的功指数值即可拟合出功指数趋势线。

$W_m=[Y_J+Y_J\·{(\frac{Y_J}{a}\·\frac{R}{b})}^{\frac{1}{c}}+\frac{\mathrm{\π}}{4}\·N\·D]R\·Z$ 式1

其中，W_m为功指数计算值，Y_J为钻压，R为转盘转速，Z为钻时，N为扭矩，D为钻头直径，a、b分别为区域统计最大钻压和统计最大转速。c为试验调试数据，具体调试方法为首先选取区域井况较好的井作为目标井，考虑在相同的钻井工艺条件下，岩石强度相同时，每破碎单位体积的岩石所做的功相近，其功指数值也应相近。因此可在目标井中选取两段钻井、地质情况相对稳定且相似的井段，分别假设一系列系数c的值代入这两个井段计算其功指数值，最后分析两井段功指数比值，比值最接近1时所对应的c值即为系数c的真值。

运用式1计算所得的功指数值与功指数趋势线之间的关系，结合监测的录井工程参数即可对花岗岩储集层进行快速定性识别，如图2所示，功指数值在趋势线左边的井段即为储集层发育的区域，且功指数值偏离趋势线越远，储集层越发育。

为消除不同井之间的功指数差异，因此引入如式2所示的功指数比值模型，该模型不仅消除了环境的影响因素，还使判别结果更加直观，经统计认为，该值小于1即表明为储层段。

W_B＝W_m/W_N 式2

式中，W_B为功指数比值，W_N为功指数趋势线的值，W_m为功指数计算值。

根据式1和式2，可得到功指数比值的计算结果，将该结果与区域关键井的储集层评价资料进行对比统计，得到如表1所示的功指数储层评价标准。表1为渤海某油田的花岗岩潜山地层储集性能功指数评价标准，不同地区，其变化范围有所不同。

表1功指数储集层评价标准

在随钻过程中，即可利用式2所得结果，对储层进行快速识别，并利用表1所示标准对相应储层进行初步的随钻半定量评价。

图2中，1号、3号、5号层位功指数值均在功指数趋势线左边，且功指数比值均小于1，指示为储层段，与完钻测井解释对比较为吻合；2号、4号、6号层位功指数比值大于1，且功指数较功指数趋势线明显靠右，呈明显的致密层特征，与测井解释结果一致。

103：构建岩石完整性、储集层发育程度和岩石稳定性3个储集层发育表征系数计算模型；

基于常规测井资料，根据式3～式6所示的测井岩石力学参数经验计算公式计算构成储层发育特征参数所需的岩石力学参数：

岩石的泊松比(μ)：

$\mathrm{\μ}=\frac{\mathrm{\Δ}{t_s}^2-2\mathrm{\Δ}{t_c}^2}{2(\mathrm{\Δ}{t_s}^2-\mathrm{\Δ}{t_c}^2)}$ 式3

岩石的剪切模量(G)：

$G=({\mathrm{\ρ}}_b/{\mathrm{\Δt}}_s^2)\×\mathrm{\β}$ 式4

岩石的杨氏模量(E)：

$\begin{array}{c}E=2G(1+\mathrm{\μ})\\ =\frac{{\mathrm{\ρ}}_b}{{\mathrm{\Δt}}_s^2}\left(\frac{{3\mathrm{\Δt}}_s^2-4{\mathrm{\Δt}}_c^2}{{\mathrm{\Δt}}_s^2-{\mathrm{\Δt}}_c^2}\right)\×\mathrm{\β}\end{array}$ 式5

岩石的体积模量(K_b)：

$K_b={\mathrm{\ρ}}_b(\frac{1}{{\mathrm{\Δt}}_c^2}-\frac{4}{3{\mathrm{\Δt}}_s^2})\×\mathrm{\β}$ 式6

上式中，Δt_c、Δt_s分别为地层的纵、横波时差，ρ_b为地层密度，β为单位换算因子，β＝9.290304×10⁷，μ是岩石的泊松比，表征岩石横向应变与纵向应变的比值，是反映材料横向变形的弹性常数。

在计算得到了相关岩石力学参数之后，即可运用式7～式9构建能够较好反应储层发育的储层发育表征系数，即岩石完整性、储层发育程度和岩石稳定性3个系数，其中在储层发育段，岩石完整性系数变低，储层发育程度系数变高，岩石稳定性系数变低，并且在花岗岩储集层发育处的响应特征见图3所示。

$K_v={\left(\frac{V_p}{V_r}\right)}^2$ 式7

$R_F=\frac{E_{\mathrm{ma}}-E}{E_{\mathrm{ma}}}$ 式8

$R_g=K_b\·G=8.836{\mathrm{\ρ}}_b^2(V_P^2{V}_S^2-\frac{4}{3}{V}_S^4)$ 式9

其中，K_v为岩石完整性系数，V_p为测井得到的纵波声速，V_r为岩石骨架的理论声速，R_F为储层发育程度系数，E_ma为岩石骨架的理论杨氏模量E为计算所得的杨氏模量，R_g为岩石稳定性系数，V_S为测井声波横波速度。

图3中，1号层位岩石完整性、稳定性系数明显偏低，储层发育程度系数较高，表明此段为较好储层段，后经测井解释结果证明该段为裂缝发育段，具有较好的储集性能；2号～4号层段，岩石完整性、稳定性系数增大，储层发育程度系数减小明显，指示此类层段储集性不佳，后测井解释证明，这3个层位均为致密层。

104：建立区域花岗岩储集层识别与地层储集性能定量评价标准；

在建立了花岗岩储集层的测井、录井评价模型之后(式1～式2，式7～式8)，运用如式10～式13所示的模糊数学计算方法，可以得到1个测录井综合评价参数。

1)参数的归一化

由于测井、录井方法的地质、物理响应机制不同，且不同仪器的各自测量状态也存在一定的差异，因而造成各参数在量纲、数量级上也存在较为明显的差异。因此，在对测井、录井参数进行分析之前，必须根据储层对各自曲线的响应特征，对其进行归一化处理，归一化原则以储层储集性越好，其归一化值趋近于1为原则，即：

$\left\{\begin{array}{c}{X}^{\′}=(X-X_{\min })/(X_{\max }-X_{\min })\\ X^{\′\′}=1-(X-X_{\min })/(X_{\max }-X_{\min })\end{array}\right.$ 式10

式中，X′为R_F的归一化值，X″分别为K_v、R_g和W_B的归一化值，无量纲；X为取样点曲线值；X_min为曲线最小值；X_max为曲线最大值。

2)权值系数计算

根据模糊数学原理，计算各参数权值前首先需构成一个评判矩阵，由于本发明选用的为四参数评价模型，因此若假设有n个样品，则可建立一个4行n列的评判矩阵：

$R=\left[\begin{array}{cccc}{X}_{11}& X_{12}& \·\·\·& X_{1n}\\ X_{21}& X_{22}& \·\·\·\·& X_{2n}\\ X_{31}& X_{32}& \·\·\·& X_{3n}\\ X_{41}& X_{42}& \·\·\·& X_{4n}\end{array}\right]$ 式11

上述四种参数在综合判断储层时，由于其对储层的敏感程度不完全相同，即响应程度存在差异，因此在定量判识储层时，需要根据其重要性，进行合理的权重分配，各曲线的权重计算公式为：

$\left\{\begin{array}{c}{\mathrm{\ω}}_{\mathrm{ij}}=X_{\mathrm{ij}}/\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{X}_{\mathrm{ij}}\\ W_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ij}}/n\end{array}\right.$ 式12

式中，ω_ij为第i条曲线、第j个取样点上的权值系数(i＝1～4，j＝1～n)；X_ij为评判矩阵中的值；n为某一曲线取样点的总个数；W_i为第i条曲线的权值系数。

3)测录综合评价参数的建立

利用式12即可构建出四条储层判识曲线的权值系数集A＝(W₁,W₂,W₃,W₄)，按照乘积求和算法，即可求出潜山花岗岩地层每个取样点的地层测录综合评价参数矩阵B：

$\begin{array}{c}B=A\⊗R\\ =(W_1,W_2,W_3,W_4)\⊗\left[\begin{array}{cccc}{X}_{11}& X_{12}& \·\·\·& X_{1n}\\ X_{21}& X_{22}& \·\·\·& X_{2n}\\ X_{31}& X_{32}& \·\·\·& X_{3n}\\ X_{41}& X_{42}& \·\·\·& X_{4n}\end{array}\right]\\ =\left(\begin{array}{c}{W}_1\·X_{11}+W_2\·X_{21}+W_3\·X_{31}+W_4\·X_{41}\\ W_1\·X_{12}+W_2\·X_{22}+W_3\·X_{32}+W_4\·X_{42}\\ \·\·\·\·\·\·\\ W_1\·X_{1n}+W_2\·X_{2n}+W_3\·X_{3n}+W_4\·X_{4n}\end{array}\right)=\left(\begin{array}{c}{B}_1\\ B_2\\ \·\·\·\\ B_n\end{array}\right)\end{array}$ 式13

式中B_i(i＝1,2,…,n)即为每个取样点上的地层测录综合评价参数。

根据对参数归一化过程的分析，可知该综合评价参数值越大，储层越发育，反之，则储层越不发育。通过观察测井综合评价参数的变化情况，即可有效对储层进行定性评价。

105：完成对新的探区或成熟的探区的储层储集性能的定量评价。

对于新的探区，可利用上述方法对储层进行定性识别，但在较为成熟的探区，可分别对区域关键井进行测录综合评价参数的计算，再将结果与各自井的成像、岩心等综合评价结果进行对比统计，得到如表2所示的花岗岩储层储集性能定量评价标准，进而对储层进行更进一步的定量评价。表2为渤海某油田的花岗岩潜山地层储集性能定量评价标准，不同地区，其变化范围有所不同。

表2区域花岗岩储层储集性能定量评价标准

运用上述计算流程计算新井的测录井综合评价参数，做到第一时间对储层进行定性评价，再利用工区标准对其进行储层储集性能定量评价，最终完成评价。

对新开的井，运用功指数计算方法，首先在钻进过程中对花岗岩储集层进行快速初步的识别，在停钻测井结束之后，在运用上述计算方法获得该井的测录井综合评价参数，利用表2所示评价标准，对花岗岩储层进行进一步的定性识别与定量评价，结果如图4所示。图中“测录综合评价”道可用于对储层的定性评价，该道中的综合评价系数越大，表明地层储集性能越好，反之则致密。“储层发育程度”道主要用于对地层储集性能的定量评价，该道将储集性能划分为1～4四个等级，分别对应表2中的储集性十分好、较好、一般和较差。可以看出，测录井综合评价储集层的结果与成像测井结果吻合，较常规测井解释结果精度有明显提高。如在1653m～1658m，常规测井解释该段为致密层，但通过测录综合评价系数可以看出该段储集性能较好，与成像测井在该段的高电导结果一致。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种评价花岗岩储层储集性能的方法，其特征在于，所述方法包括以下步骤：

对工区已钻井的常规录井、测井资料、岩心、成像测井以及地层综合评价结果进行全面收集；

基于录井工程参数建立功指数计算模型，拟合出功指数趋势线；建立功指数比值模型，获取功指数比值的计算结果，结合监测的录井工程参数对花岗岩储集层进行定性识别；

构建岩石完整性、储集层发育程度和岩石稳定性3个储集层发育表征系数计算模型；

建立区域花岗岩储集层识别与地层储集性能定量评价标准；

完成对新的探区或成熟的探区的储层储集性能的定量评价；

所述建立区域花岗岩储集层识别与地层储集性能定量评价标准具体为：

1)对工区关键井的录井、测井评价模型所得结果进行数据归一化处理；

2)建立模糊评判矩阵；

3)计算各评价参数的权值；

4)建立综合评价参数矩阵；

5)将测录井的综合评价参数与地层最终评价结果进行对比分析，统计得到适用于工区的花岗岩储集层识别与地层储集性能快速评价标准；

所述功指数计算模型具体为：

$W_m=\[Y_J+Y_J\·{(\frac{Y_J}{a}\·\frac{R}{b})}^{\frac{1}{c}}+\frac{\mathrm{\π}}{4}\·N\·D\]R\·Z$

其中，W_m为功指数计算值，Y_J为钻压，R为转盘转速，Z为钻时，N为扭矩，D为钻头直径，a、b分别为区域统计最大钻压和统计最大转速，c为试验调试数据；

所述功指数比值模型具体为：

W_B＝W_m/W_N

式中，W_B为功指数比值，W_N为功指数趋势线的值，W_m为功指数计算值，比值小于1即表明为储层段；

所述岩石完整性、储集层发育程度和岩石稳定性3个储集层发育表征系数计算模型具体为：

$K_v={\left(\frac{V_p}{V_r}\right)}^2$

$R_F=\frac{E_{ma}-E}{E_{ma}}$

$R_g=K_b\·G=8.836{\mathrm{\ρ}}_b^2(V_P^2{V}_S^2-\frac{4}{3}{V}_S^4)$

其中，K_v为岩石完整性系数，V_p为测井得到的纵波声速，V_r为岩石骨架的理论声速，R_F为储层发育程度系数，E_ma为岩石骨架的理论杨氏模量，E为计算所得的杨氏模量，R_g为岩石稳定性系数，V_S为测井声波横波速度；K_b为岩石的体积模量；G为岩石的剪切模量；ρ_b为地层密度。