P氣田基于地質模型的儲量不確定性分析

高玉飛，胡光義，王暉，孫立春

(中海油研究總院，北京 100027)

?

P氣田基于地質模型的儲量不確定性分析

高玉飛，胡光義，王暉，孫立春

(中海油研究總院，北京 100027)

地質建模的最終目的是建立反映地質認識的地質模型，并對儲層的不確定性以及由此帶來的儲量不確定性進行定量表征。南海P氣田正處于開發的前期研究階段，井點資料少，儲層的縱橫向變化快，儲量不確定性強。該文以地質模型為載體，探討了該氣田地質儲量不確定性分析的方法，總結了相似氣田地質儲量不確定性分析的一般方法：通過對變量的敏感性分析，確定影響該氣田地質儲量的主要變量，以此為基礎通過拉丁超立方概率分析法進行儲量評價及地質模型的優選，最終確定構造和氣水界面的變化是影響該氣田儲量的主要因素，P50是該氣田可動用儲量。該方法為前期研究階段的儲量動用提供了新的思路。

地質模型；變量；不確定性分析；地質儲量；拉丁超立方法

0 引言

P氣田位于番禺低隆起南部，白云凹陷北坡第二排北掉的反向斷裂帶上，為復雜斷塊型氣田，主要氣藏都發育了東、西2個構造高點。各目的層高點埋深-3110.0～-3160.0m，圈閉面積為7.60～16.60km2，主要含氣層系是新近系下中新統珠江組下部。目前該氣田處于前期研究階段，只有兩口鉆井，加之地震資料品質相對較差，儲層認識不清，地質儲量不確定性強。因此，地質儲量影響因素及儲量動用規模的確定成為該氣田開發中需要解決的首要問題。

油氣田開發過程中，從初期的儲集層地質基礎研究到建立三維靜態儲集層地質模型都包含許多不確定性[1-3]。以往對儲量的不確定性研究中，通常采用在某一確定的地質概念模型基礎上，通過改變其種子數的方法產生多個實現，并對這些實現中的不確定性給予定性評價及模型優選或采用算術平均進行簡單的概率計算[4]。但是這種方法帶有明顯的局限性，因為它忽略了地質參數本身的不確定性對儲量造成影響的本質，而偏向于數學統計的結果；其次從模型的等概率實現中無法優選合適(既接近真實，又反映風險)的模型進行油藏數值模擬。

近年來，隨著儲層不確定性分析的不斷發展，地質模型在儲量計算過程中造成的儲量不確定性分析受到了很多專家的關注，越來越多的地質工作者開始關注地質參數引起的儲量不確定性，例如：吳健祥[5]通過對巖相模型的不確定性研究分析了某地區儲量的不確定性；霍春亮[6]等人在分析渤海灣某油田時在充分分析地質模型的基礎上，結合蒙特卡洛法進行儲量不確定性的分析；孫立春[7]等人則利用數學方法分析了某氣田孔隙度以及含水飽和度對儲量的不確定性的影響。

綜上所述，在基礎資料匱乏、地質因素復雜的地區，單一一種方法分析儲層的不確定性已經捉襟見肘，特別是針對海上油田，在利用地質模型計算儲量的不確定性分析中考慮的因素必須擴展到建模過程中參數的合理選取。鑒于此，該文從影響地質儲量基礎地質參數入手，逐一分析各個參數本身的不確定性，結合合理的數理統計，綜合探討影響儲量的各種地質參數的敏感性，從而提出合適的計算模型并確定動用儲量規模。

1 地質參數分析

影響儲集層地質模型的不確定性變量很多，但是對儲量的影響程度又各有不同，因此需要分析各個變量對儲量的敏感性。

該次研究遵循只探討與地質模型有關的變量，從建模過程中選擇變量的原則。在P氣田的建模過程主要存在構造因素、氣水界面、孔隙度的變程、孔隙度下限值以及含氣飽和度等5個不確定性的變量。以下就各個變量的取值范圍分述之。

1.1 構造因素

建模軟件對與構造不確定性的分析是以設定不同層位的偏差進行的，即選取目的層位構造解釋的變化范圍，以其偏差作為變化幅度，隨機取值建立構造模型，所以偏差往往設置成誤差范圍的一半。

(1)

式中：Sr—建立的構造層面值(m)；Sbc—初始構造值(m)；U1s—初始值的偏差，可為一個面也可為一個常數(m)；Usgs—以0為均值1為偏差的一個正態分布值，常數。

P氣田地區幾個相關氣田的地震資料品質低，造成地質層面的解釋存在很大的不確定性(表1)。綜合P氣田和其相鄰P2氣田各井實鉆深度與疊前偏移深度的偏差，2個氣田各井偏差的平均值為30m。因此將構造因素研究的偏差幅度設為15m。

表1 實鉆深度與疊前偏移深度(PSDM)偏差

1.2 氣水界面

在沒有鉆到氣水界面的氣層，往往通過測井的氣底界面或者壓力測試來確定氣水界面，這樣必然導致氣水界面的不確定性。測井解釋P-1井ZJ組氣層的氣底是-3227.2m，FMT外推氣水界面是-3252m，因此確定氣水界面的不確定性范圍為-3252～-3227.2m。

1.3 孔隙度的變程

變差函數反映了空間某一方向上兩點變量的相關性，而變程就是反映這個相關性的最大距離，不同方向上變程不同，空間上最大變程的方向即為變差函數的主變程的方向，與此方向垂直的方向上的變程稱為次變程。在資料比較充足的情況下，往往通過井點數據的實驗變差函數的分析，確定變差函數的主方向以及變程的大小[8]。

從地質的角度來看，相建模的過程中，平面上與物源平行的方向往往是沉積相延伸范圍最廣、分布最穩定的方向，也是相關關系最好的方向，即主變程的方向。該區基礎資料少，地震資料品質差，從現有的資料中很難通過實驗變差函數的分析確定合適的孔隙度變程及其方向，考慮到沉積相是影響儲層孔隙度的主要因素，因此在孔隙度模擬的過程中，利用沉積相與孔隙度潛在的關系，通過分析沉積相來確定孔隙度的變程的設置，以沉積相或者砂體的展布范圍作為設置變程的基礎[5-8]。

P氣田ZJ組屬于低水位沉積期，以海相濱岸砂巖沉積為主，濱岸砂巖濱岸沉積相的延伸范圍在很大程度上受控于海岸地貌特征，物源方向與岸線往往垂直，因此當時沉積的濱岸坡折帶的長度可以近似為沉積相沿物源方向的變化范圍[9-13]，由此來確定濱岸砂巖的孔隙度的主變程范圍，結合前人的研究成果[9-13]，確定變化范圍是3000～6000m。次變程的確定一是考慮到在變差函數中一般小于主變程，再從沉積的角度次變程要控制整個氣田的1井區，因此其變化范圍設置為2400～4800m。

1.4 含氣飽和度

由于井點值與等值線面積權衡值之間存在一定的差異，前者計算值為54.6%，后者為55.6%，因此設置含氣飽和度的變化范圍為54.6%～55.6%。

1.5 孔隙度下限

在P氣田，實驗巖心的分析取心氣層孔隙度的最低值是9%，從累積烴柱與孔隙度的關系圖上看(圖1)，該區累積烴柱是從孔隙度為6%開始才出現明顯的變化，因此確定6%～9%為孔隙度下限的變化范圍。

(a)P-1井孔隙度；(b)P-2井孔隙度圖1 P-1和P-2井累積烴柱高度與孔隙度關系圖

2 敏感性分析

確定了變量的取值范圍，使用Petrel軟件的不確定性分析模塊，進行各個變量對儲量影響的敏感性分析。該次變量敏感性分析采用的思路是：只變化一個變量，固定其他變量不變，觀察儲量的變化情況，通過對儲量結果的統計，計算變量對儲量的相對影響。相對影響的計算是以最小值與平均值的差值除以平均值為負影響，以最大值與平均值的差值除以平均值為正影響，做出敏感性分析圖[7]。

對每個變量進行100次實現，分析其敏感性(表2、圖2)，含氣飽和度和變程對儲量的相對影響都小于5%，影響結果小，不是儲量的主要影響因素?？紫抖鹊南孪拗祵α康南鄬τ绊憺?%～7%，這是一個值得考慮的因素。氣水界面的影響因素較大，為14%～20%，這是因為氣水界面的變化影響了巖石體積，從而引起孔隙體積也發生較大的變化，造成儲量變化范圍增大。構造因素是P氣田ZJ30-2組最大的影響因素，其相對影響達到了50%左右，由此可見，構造在儲量評價中存在較大的風險。通過以上分析，可以看出構造因素、氣水界面、孔隙度的下限值是P氣田ZJ組3個重要的影響因素，可以作為下一步分析的變量。

表2 各變量敏感性分析

圖2 P氣田ZJ組不確定性因素敏感性分析

3 儲量評價及模型優選

對儲層參數進行敏感性分析的目的是為了進行儲量計算，確定儲量的風險和潛力，并挑選合適的模型提供給下一步的數值模擬[5-8]。在儲量評價過程中通常采用蒙特卡洛法進行儲量概率的計算，但是這種取樣方法在取樣次數不夠充足的情況下，取值一般聚集在中值附近(圖3a)，該文采用拉丁超立方取樣法進行對比。

(a)蒙特卡洛取樣；(b)拉丁超立方取樣圖3 兩種取樣方法比較

拉丁超立方取樣法根據設置的運行次數將變量的分布范圍分為幾個等概率的區域，運行多少次就會設置多少個區域(圖3b)。每一次取樣都是隨機的從一個等概率區域內選擇一個值，下一次取樣就會到下一個等概率區域進行取值。與蒙特卡洛法相比，這種方法取樣的區間更廣，所以也就更能突出變量的不確定性。

在儲量計算中采用概率儲量的概念，概率儲量不僅能提供更準確的儲量計算結果，還能更好的描述儲量的不確定性，因此可以獲得關于儲量的準確判斷，從而更合理地評價儲量的風險和潛力[9-10]。

利用優選的3個變量，采用拉丁超立方的取樣方法進行150次實現。在150次實現后，根據儲量累積概率分布圖求出3個概率儲量P10為3.396、P50為7.503、P90為14.517，分別稱為“悲觀”、“最可能”和“樂觀”儲量。

一般認為，一個油(氣)藏的真實儲量(或稱為實際儲量)是不可能精確預測并求得的[11-17]。然而，概率密度曲線可以反映這個真實儲量落入某一區間的可能性。真實儲量大于P90的概率只有10%，說明P90是相對樂觀的估計。相反，真實儲量小于P10的可能性只有10%，說明P10是相對有把握的估計。P50表示大于和小于真實儲量的可能性都是50%。

該次模擬的P50為7.503×108，與容積法計算值相比(表3)，其小于探明與控制儲量之和而大于探明儲量，進一步說明了它的可靠性。由此選擇P50作為該次模擬的最佳值，推薦作為油田開發的動用儲量并挑選出該值所對應的模型，作為提供給油藏進行下一步分析的地質模型。

表3 模擬值與容積法計算值比較

4 結論

(1)通過對各個變量的敏感性分析，確定了P氣田儲量的主要影響因素：構造因素、氣水界面、孔隙度下限值，其中構造因素對儲量的影響最大。

(2)由于各個影響因素的不確定性較強，對于P氣田的不確定性分析，采用拉丁超立方的取樣方法，取樣的區間更廣，更能突出各個因素的不確定性。

(3)P氣田不確定性分析的結果表明，該次模擬的P50是最佳值，大于探明儲量而小于探明儲量與控制儲量之和，相對風險最小，又考慮了部分潛力，可推薦作為油田開發的動用儲量，該P50所對應的地質模型，可作為開發方案編制的推薦模型。

[1] Tyler K J，Omdal S．Faster history matching and uncertainty in predicted production profiles with stochastic modeling[A]． SPE26420， 1994：100-110.

[2] 姜漢橋,谷建偉,陳民鋒,等.時變油藏地質模型下剩余油分布的數值模擬研究[J].石油勘探與開發,2005,32(2):91-93．

[3] 裘懌楠，賈愛林．儲層地質模型10年[J]．石油學報，2000，21(4):101-104．

[4] 李少華,張昌民,彭裕林,等.儲層不確定性評價[J].西安石油大學學報(自然科學版),2004,19(5):16-20.

[5] 吳建祥.一種地質模型不確定性分析的新方法[J].內蒙古石油化,2008,34(20):16-17.

[6] 霍春亮,劉松,古莉,等.一種定量評價儲集層地質模型不確定性的方法[J].石油勘探與開發,2007,34(5):574-579.

[7] 孫立春，高博禹，李敬功．儲層地質建模參數不確定性研究方法探討[J]．中國海上油氣，2009，21(1)：35-38.

[8] 吳勝和，金振奎，黃滄鈿．儲層建模[M]．北京:石油工業出版社,1999：9-11.

[9] 鄭榮才，鄭哲，高博禹，等.珠江口盆地白云凹陷珠江組海底扇深水重力流沉積特征[J].巖性油氣藏，2013，(2)：2-8.

[10] 朱筱敏，黃捍東，代一丁，等.珠江口盆地番禺4洼文昌組層序格架與沉積體系研究[J].巖性油氣藏，2014，(4)：1-8.

[11] 喬博，張昌民，杜家元，等.珠江口盆地淺水區和深水區重力流沉積特征對比[J].巖性油氣藏，2011，(2)：59-63.

[12] 耿威，鄭榮才，魏欽廉，等.白云凹陷珠海組儲層沉積學特征[J].巖性油氣藏，2008，(4):98-104.

[13] 邢文禮，張尚鋒，杜家元，等.稀疏井網條件下利用測井曲線識別層序界面方法探討——以珠江口盆地珠江組為例[J].巖性油氣藏，2010，(2):111-114.

[14] 徐鐘濟．蒙特卡羅方法[M]．上海:上?？茖W技術出版社，1987：261-291.

[15] 宋立新,陳超,趙慶輝.已探明未動用儲量評價方法研究[J].特種油氣藏，2001，8(2)：46-50.

[16] Gair R．Integrating deterministic and probabilistic reserves[A]．SPE 82000， 2003：1-7.

[17] 王振國，楊仁超，路中奇，等. 蘇里格氣田西區S47區塊石盒子組八段沉積微相[J].山東國土資源，2014，30(3)：38-43.

Analysis on Uncertainty of Reserve Based on Geology Model in P Gas Field

GAO Yufei，HU Guangyi，WANG Hui，SUN Lichun

(CNOOC Research Institute, Beijing 100027, China)

The ultimate goal of geological modeling is to set up a reasonable geological model and characterize the uncertainty of reservoir and reserves. The South China Sea P gas field is at the stage of early study and its well data is lack, the lateral and vertical variety of reservoir is very quick, so the uncertainty of the reserve is very strong. This paper discussed the method for the uncertainty of reserve based on geology model, then the general method about the uncertainty of similar gas field has been summarized. Through analysis on the sensitivity about the variable, the main variable has been determined. Based on this study, reserve evaluation and optimization of geological model have been done by Latin Hypercube Sampling. At last the change of structure and OWC is defined as the main factor affected the reserve of the gas field, and P50 is the producing reserve. The method provide a new thought for reserve utilization at the stage of early study.

Geological model； variable；analysis on uncertainty；geological reverse；Latin Hypercube method

2016-03-30；

2016-08-06；編輯：王敏

國家重大專項基金項目，項目編號為2011ZX05024-001作者簡介：高玉飛(1983—)，男，山東膠州人，工程師，主要從事石油開發地質工作；E-mail：215954707@qq.com

TE155

A

高玉飛，胡光義，王暉，等.P氣田基于地質模型的儲量不確定性分析[J].山東國土資源，2016,32(10)：16-20.GAO Yufei，HU Guangyi，WANG Hui，etc. Analysis on Uncertainty of Reserve Based on Geology Model in P Gas Field[J].Shandong Land and Resources, 2016,32(10)：16-20.