亞諾斯盆地DC區塊儲層井震結合三維地質建模

王 煥, 馮 方, 馬彩琴, 李水靜

(1.中國地質大學(北京) 能源學院,北京 100083; 2.中國石化集團國際石油勘探開發有限公司,北京 100191)

亞諾斯盆地DC區塊儲層井震結合三維地質建模

王 煥1,2, 馮 方2, 馬彩琴2, 李水靜2

(1.中國地質大學(北京) 能源學院,北京 100083; 2.中國石化集團國際石油勘探開發有限公司,北京 100191)

DC區塊位于南美亞諾斯盆地東部前隆構造帶上,構造幅度低,含油面積小,儲層橫向變化快,油藏描述難度大。文章通過鉆井和地震相結合的建模方法再現了地下真實地質情況。通過鉆井分層數據和地震精細構造解釋相結合建立了研究區構造模型,構造模型顯示區塊整體構造呈東高西低的趨勢,在主要鉆井區,構造呈南北走向的“脊”型分布,受海浪和沿岸流改造作用的影響,“脊”的東側構造下降幅度大于西側,這進一步驗證了地質認識。在構造模型基礎上,通過單井相與均方根振幅屬性體相結合,分別利用鉆井縱向分辨率高的優勢和地震橫向分辨率高的優勢建立了研究區巖相模型,為下一步尋找有利砂體提供依據。在地質統計學分析的基礎上,通過測井解釋與波阻抗反演地震數據體相結合建立了巖相模型控制下的儲層參數模型。各屬性模型之間逐次進行協克里金約束,在多次等概率實現后通過統計計算最終得到不確定性最低、可靠性最高的模型。模型校驗結果表明地質模型質量較高,地質模型儲量豐度圖可為井位設計提供參考,在該地質模型基礎上的鉆井獲得成功。該地質模型的建立及取得的認識可為該盆地同類型油氣藏的勘探開發提供借鑒。

地質建模;地震約束;變差函數;隨機模擬;亞諾斯盆地

亞諾斯盆地位于南美洲北部哥倫比亞境內,屬于富油氣前陸盆地,西部以東科迪勒拉山為界,東部與圭亞那地盾毗鄰,南部及北部分別與沃佩斯隆起、阿普雷隆起相接[1],總面積為22.5×104km2。DC區塊位于該盆地東部前隆構造帶上,商業開發區面積30 km2,目前已鉆井17口,其中14口井獲油氣發現,主要含油層系為古近系卡沃內拉組[2]。已鉆井顯示油藏圈閉面積小、幅度低、橫向非均質性強、油水關系較復雜、井網不規則、單井產量遞減迅速[3]。為有效開發該油藏,在儲層精細研究的基礎上建立油藏三維地質模型是解決這一難題的有效途徑,但是受該地區上述地質因素和資料的限制,通過常規沉積微相建模方法無法建立研究區有效的地質模型。本文結合區域地質認識,在對地質和地震資料充分研究的基礎上,通過鉆井和地震相結合、確定性和隨機性相結合等方式建立了與地下真實地質情況符合度較高的三維地質模型,為下一步地質研究及井位設計提供有利依據。

1 基礎地質特征

DC區塊位于南美洲亞諾斯盆地中部,根據亞諾斯前陸盆地構造特征及演化特點,將其劃分為山前逆掩推覆帶、前淵帶、斜坡帶3個二級構造單元,其中斜坡帶可進一步劃分為走滑斷裂帶、斜坡正斷帶、斜坡無斷帶3個三級構造單元[4]。

盆地中生代地層由老到新分別為下白堊統Une組、上白堊統Gacheta組及Guadalupe組,其中Gacheta組海相泥頁巖被認為是盆地主要烴源巖;新生代以來受科迪勒拉造山作用的影響,伴隨著海平面的升降,依次發育了古近系古新統Braco組、始新統Mirador組、漸新統—中新統Carbonera組以及中新統Leon組等海陸交互相沉積,在盆地西側形成了一系列沉積、沉降中心,地層厚度自西向東逐漸超覆減薄。

1.1 地層劃分

在鉆井資料較少的情況下,收集了亞諾斯盆地大量區域二維和三維地震資料,以高分辨率層序地層學理論為指導,在時間地層框架內,通過等時對比和基準面旋回識別,分析不同級次的地層內部結構特征[5]。根據成因地層的堆積樣式在地震和測井上的表現特征,開展精細井震標定,建立等時地層格架,進行精細地層劃分及對比,確定小層砂體、單砂體的時空展布規律。DC區塊主要含油層系為漸新統—中新統Carbonera組,沉積環境為三角洲—淺海相,平面分布范圍廣泛,垂向地層厚度約304.8 m。Carbonera組可被劃分為C1～C8總共8個段,其中儲層主要為屬性較好的C3、C5和C7段,以灰色—褐色細砂巖為主。主力含油層段C5縱向上又可劃分為C5A、C5B和C5C砂層組,對主力砂層組C5C可進一步細分為C5C1和C5C2小層,從而建立了適合研究區沉積特征的小層對比方案。

1.2 沉積相特征

DC區塊儲層沉積砂體處于三角洲前緣沉積相帶上,砂體成因多樣,既有三角洲前緣水下分支河道砂體,又包括河口砂壩、遠砂壩等。由于海平面周期性的升降,三角洲前緣砂體前積、疊加,加之受海浪及沿岸流的改造作用,使得砂體連通關系復雜,儲層砂體整體上呈透鏡狀或條帶狀展布。

1.3 非均質性評價

平面上,研究區中部砂體最為發育,西部和東部砂體發育較差,砂體分布橫向變化快,砂體間連通性差,延伸范圍有限,平面展布面積較小,砂體呈條帶狀和橢圓狀分布形態。

縱向上,研究區儲層C5A與C5B之間隔層由C5A下部的泥質粉砂巖和泥巖組成,含少量的粉砂巖,厚度在15～35 m之間,平均厚度21 m,能夠阻擋流體的運移和聚集。C5B與C5C之間的隔層由C5B下部的泥質粉砂巖和泥巖組成,厚度較小,平均厚度約為5 m,對流體的運移和聚集具有一定的阻擋作用。

井壁取芯化驗分析結果表明DC區塊儲層屬于高孔高滲儲層。孔隙度分布范圍為17.0%～35.6%,峰值約為24%;滲透率分布范圍較廣,樣品數據點大多數分布在20～3 900 mD,平均滲透率約為1 500 mD。

2 井震結合地質建模

地質模型是油藏描述的一種表征方式,它能夠精細表征儲層空間結構和儲層屬性特征[6]。DC區塊油水關系復雜,儲層橫向變化快,鉆井主要沿構造長軸南北方向呈條帶狀分布,因此建立這種不規則稀井網下的油藏三維地質模型難度很大。針對該區塊的實際特點,在開發地質綜合研究的基礎上,結合地質、測井、地震等資料,利用地震的橫向分辨率高的優勢和鉆井的縱向分辨率高的優勢,同時應用地質統計學,分析屬性參數的空間相關性,大幅提高了三維地質模型的精度。

2.1 構造模型

小層對比與地震解釋相結合建立研究區構造模型,主要采用了2類數據:① 地震精細構造解釋的C5C1和C5C2頂面構造圖和斷層多邊形;② 已鉆井的地層劃分和小層對比結果。對模型中的地層界面采用地震解釋層位的構造趨勢進行約束,并通過小層對比結果進行校正,不僅使模型的構造與鉆井數據達到完全符合,而且展現了構造在平面和垂向上正確的疊置形態。研究區構造模型如圖1所示,模型邊界為商業開發區邊界,研究區內發育一條近南北向的高角度正斷層。

圖1 構造模型

從圖1可以看出,DC區塊構造整體上呈東高西低的趨勢,在主要鉆井區,構造呈南北走向的“脊”型分布,具有中間高、兩側低的特點; “脊”的東側構造下降幅度大于西側,這主要是由于該地區受來自西側海水的沖刷與回流作用,砂體緩慢被帶向海的一側,使得壩前砂體構造變化緩;由于壩頂的屏障作用,壩后砂體受海水的改造作用弱,構造較陡。構造模型進一步驗證了該地質認識。

2.2 巖相模型

單井相與均方根振幅屬性體相結合建立巖相模型。由于不同沉積微相內孔滲等屬性參數的展布特征是不相同的,因此相約束建模是十分必要的[7]。由于研究區平面上沉積微相研究成果較少,建立沉積微相模型難度較大,但是地震資料較為豐富,經鉆井分析,該區地震均方根振幅屬性體一定程度上能夠反映該區砂體分布情況,因此采用均方根振幅屬性體作為地震約束來模擬巖相模型。

本次地震數據約束儲層巖相建模的關鍵是建立砂、泥巖的空間概率分布模型。概率是本次建模中井震結合的關鍵參數,深度域的地震均方根振幅屬性體經過歸一化后再轉換成砂、泥巖空間分布概率模型,砂巖概率分布模型如圖2所示,泥巖概率分布模型如圖3所示。

圖2 砂巖概率分布

圖3 泥巖概率分布

縱向上以單井巖相劃分成果為硬數據,平面上以砂、泥巖空間分布概率模型為軟數據進行序貫指示模擬,得到巖相模型,如圖4所示,從而實現在平面沉積微相資料不足的情況下,應用鉆井縱向分辨率優勢和地震橫向分辨率優勢，建立能夠較好地反映研究區砂、泥巖分布的巖相模型,為下一步相控屬性建模奠定基礎。

平面上,區域背景研究者認為亞諾斯盆地整體的物源方向為自東向西,但從圖4中可以看出砂體大體上呈北東南西向分布,這主要是由于后期受到沿岸流及海浪的改造作用;垂向上,在C5C1小層,只有少部分井鉆遇砂巖;在C5C2小層,研究區南部,砂巖大套發育,研究區北部,砂巖在C5C2層上部較發育,下部未發育。巖相模型可為尋找有利砂體提供依據。

圖4 巖相模型

2.3 屬性模型

測井解釋與波阻抗體相結合建立屬性模型。儲層屬性模型是地質模型的核心,是以三維參數體的形式反映儲層內孔隙度、滲透率等參數的空間分布特征[8]。

2.3.1 變差函數分析

地質統計學能夠再現數據的空間變化特征,它是基于使用變差函數進行數據內插的方法,而變差函數是反應儲集層非均質性和各向異性的最重要的參數[9]。因此,屬性建模前首先對儲層參數進行數據變換和變差函數分析,并且分層、分相單獨進行分析。

平穩變差函數模型主要有4種:球狀模型、指數模型、高斯模型和立方模型。需要根據數據連續性的強弱優選合適的變差函數模型。經過數據分析,該研究區屬性參數的變差函數與指數模型最接近。C5C1和C5C2小層的砂巖孔隙度變差函數分析結果見表1所列。

表1 孔隙度變差函數分析結果

變差函數圖中,一個基臺的出現表明在該基臺值對應的變程范圍內屬性參數具有連續性,超過此變程數據連續性變差。C5C2小層砂巖孔隙度垂向數據分析的變差函數圖如圖5所示,從圖5可知垂向上數據具有多次連續性,反映到地質特征上即為垂向上多套砂體疊加沉積,這在已鉆井中得到證實,如圖6所示。圖6為DC3井的測井曲線,左側為自然伽馬曲線,右側為電阻率曲線,測井曲線顯示垂向上2期砂體沉積。因此,地質統計學分析結果驗證了地質認識,基于地質統計學的地質建模能夠較真實地反映地下儲層參數空間展布形態。

圖5 垂向數據變差函數分析圖

圖6 DC3井實鉆測井曲線

2.3.2 儲層參數建模

儲層參數模型包括屬性參數(凈毛比、孔隙度、滲透率)模型和流體參數(飽和度)模型[10]。經鉆井分析,研究區的波阻抗反演地震數據體一定程度上反映了屬性參數的分布規律,特別是孔隙度的分布。因此,將測井解釋數據離散化后,調用變差函數分析結果,利用波阻抗體作為約束條件,采用地質統計學中連續型參數隨機實現目前最成熟的算法——序貫高斯模擬方法,建立不同巖相控制下的儲層參數模型,這是一種確定性建模和隨機性建模相結合的方法,因此可以實現多次模擬,且每次模擬計算的模型都是等概率的。為了降低地質模型的隨機性和不確定性,本次建模中通過對多個等概率隨機模擬模型做統計分析,采用合適的計算方法最終得到最佳的模型。

首先以波阻抗反演地震數據體為協克里金約束條件,調用變差函數分析結果,通過序貫高斯隨機模擬方法生成了50個巖相模型約束下的等概率凈毛比模型,對50個等概率凈毛比模型進行算術平均得到最終的凈毛比模型。以凈毛比模型和波阻抗反演體作為協克里金約束條件,通過序貫高斯隨機模擬方法生成50個等概率相控孔隙度模型,對50個模型進行算術平均后再做平滑,得到最終的孔隙度模型,如圖7所示。

圖7 孔隙度模型

統計孔隙度與滲透率相關性,以孔滲相關系數為協模擬因子,這樣以孔隙度模型作為協克里金約束條件,測井解釋的滲透率數據為確定性條件,采用序貫高斯同位協同隨機模擬的方法,計算生成50個等概率滲透率模型。由于滲透率變差函數分析時對數據分布進行了對數變換,因此對50個模型反對數變換后再進行調和平均,得到最終的滲透率模型,如圖8所示。

圖8 滲透率模型

最后,在數據分析的基礎上,結合油水界面分布,通過克里金插值方法建立了地質模型的飽和度場,如圖9所示。

圖9 飽和度模型

2.4 模型較驗

通過模型校驗來檢驗地質模型的質量,將其不確定性控制在一定范圍內,這樣地質模型才能有實際應用價值[11]。

2.4.1 概率分布一致性校驗

根據統計概率約束原則,各屬性參數模擬實現的概率統計與數據離散化至三維網格后的概率統計以及原始測井曲線的概率統計應保持一致[12]。對DC區塊各屬性參數進行概率統計分析,結果表明模擬結果與原始數據的吻合程度較高。孔隙度的統計結果見表2所列。從表2可以看出孔隙度的模擬實現與數據離散化、原始測井解釋數據分布規律基本一致,說明孔隙度模擬實現保持了儲層原始參數的分布特征,真實反映出儲層屬性參數的空間變化規律,模擬實現精度較高。

表2 孔隙度分布統計 %

2.4.2 儲量復核

在上述地質模型的基礎上,計算原始地質儲量為27.59×107桶。地質人員實際核算儲量為26.83×107桶,兩者相對誤差為2.8%,在誤差允許范圍之內。

3 模型應用

在地質模型基礎上生成的儲量豐度圖對井位設計具有實際指導意義,本次建模的儲量豐度如圖10所示。從圖10可以看出,地質儲量主要集中在“脊”型條帶內,且在“脊”型條帶的中部位置儲量豐度最高,“脊”型條帶兩側儲量豐度較低。因此可以得出,該研究區甩開“脊”型條帶鉆井風險較大。

圖10 儲量豐度圖

在該地質模型指導下,2015年4月在研究區內新鉆DC6井,目的層平面位置位于DC5A井南側,“脊”型條帶中間位置。DC6井目的層段實際測井解釋孔隙度曲線(黑粗線)和模型預測孔隙度(填充條帶)對比如圖11所示,從圖11可知模型預測和實測吻合度較高。通過統計計算,模型預測準確度為88.9%。

DC6井于2015年5月開始試采,投產初期日產油1 024桶,含水7.8%,屬于研究區內的高產油井,取得良好的開發開采效果。

圖11 DC6井預測孔隙度和實測孔隙度對比

4 結 論

本文結合區域地質認識和前期地質研究成果,通過井震結合方法建立了研究區高精度三維地質模型,得到以下結論:

(1) 通過鉆井分層數據和地震精細構造解釋相結合建立了研究區構造模型,構造模型成果進一步驗證了地質認識。

(2) 通過單井巖相劃分和地震均方根振幅屬性體相結合建立了研究區巖相模型,巖相模型為尋找有利砂體提供了依據。

(3) 在變差分析基礎上,通過測井解釋和波阻抗體反演地震數據體相結合建立了巖相模型控制下的儲層參數模型。其中屬性模型之間逐次進行協克里金約束,并且在多次等概率實現后通過統計計算得到可靠性最高的模型。

(4) 模型校驗結果表明地質模型質量較高。儲量豐度圖對于開展鉆井井位設計具有實際指導意義,在該地質模型基礎上的鉆井獲得成功。

[1] 朱毅秀,劉洛夫,金強.亞諾斯盆地油氣地質特征及有利區帶預測[J].新疆石油地質,2004,25(1):110-113.

[2] 劉亞明,張春雷.哥倫比亞油氣地質與勘探[J].石油實驗地質,2011(3):226-232.

[3] 馮方,王曉杰,呂本勛,等.亞諾斯前陸盆地MM油田成藏規律及成藏模式[J].吉林大學學報(地球科學版),2015,45(5):1269-1277.

[4] 馮方,王曉杰,胡俊峰,等.南美洲Llanos盆地Dorotea區塊巖性-構造油藏勘探開發技術與實踐[J].中國石油勘探,2015,20(3):79-88.

[5] 徐佑德,肖永軍,劉汝強.松遼盆地長嶺斷陷火山巖儲層識別與預測[J].合肥工業大學學報(自然科學版),2010,33(8):1230-1233.

[6] 王志章.現代油藏描述技術[M].北京:石油工業出版社,1999:78-79.

[7] 呂坐彬,趙春明,霍春亮,等.精細相控儲層地質建模技術在老油田調整挖潛中的應用:以綏中36-1油田為例[J].巖性油氣藏,2010,22(3):100-105.

[8] 霍春亮,古莉,趙春明,等.基于地震、測井和地質綜合一體化的儲層精細建模[J].石油學報,2007,28(6):66-71.

[9] 趙延靜.復雜油藏地質建模及其模型驗證[D].東營:中國石油大學,2010.

[10] 穆劍東,董平川,趙常生.多條件約束儲層隨機建模技術研究[J].大慶石油地質與開發,2008,27(4):17-19.

[11] 陳建陽,于興河,李勝利,等.多地震屬性同位協同儲集層地質建模方法[J].新疆石油地質,2008,29(1):106-108.

[12] 王贊惟,畢建軍,包鳳.井震聯合隨機建模在敖南地區的應用[J].大慶石油地質與開發,2009,28(2):37-39.

(責任編輯 張淑艷)

3D geological modeling with well and seismic data of DC block in Llanos foreland basin

WANG Huan1,2, FENG Fang2, MA Caiqin2, LI Shuijing2

(1.School of Energy Resources, China University of Geosciences(Beijing), Beijing 100083, China; 2.Sinopec International Petroleum Exploration and Production Co., Ltd., Beijing 100191, China)

DC block, with low amplitude structure and small oil-bearing area, is located in the eastern slope of Llanos foreland basin in South America. The reservoir changes fast in horizontal direction, and it is difficult to describe the reservoir characteristic. In this paper, the underground geological condition was recreated by modeling combining well and seismic data. Based on the seismic structure interpretation and layer division data, the structure model was made. The structure model showed that the structure was becoming higher from west to east, and in the main drilling area, there was a north-south “ridge” shape. By the function of waves and longshore current transformation, the structural decline on the east side was faster than that on the west side, which further strengthened the geological understanding. Based on the structure model, taking the longitudinal advantages of well logging and lateral advantages of seismic data, using single well facies as hard data and sand/shale probability distribution model calculated from seismic RMS attribute as soft data, the lithofacies model was established using sequential indicator simulation. The lithofacies model provided the basis to find favorable sand body in the next step. Based on the geostatistics analysis and seismic wave impedance constraints, reservoir parameter models under the control of lithofacies were set up using sequential Gaussian random simulation technology. Every parameter model was constrained successively, and the final property models with highest reliability were obtained after the calculation of several equal-probability models. Model calibration results showed that the geological model was in high quality, and the reserves abundance map was given, which gave the proposal for the drilling well location. Drilling on the basis of this 3D geological model was successful. This geological modeling process and understanding had a certain reference value to the exploration and development of the similar reservoirs in this basin.

geological modeling; seismic constraint; variation function; stochastic simulation; Llanos basin

2016-05-16；

2017-04-17

中國石油化工集團公司科技攻關資助項目(JP08014)

王 煥(1986-),女,山東泰安人,中國地質大學(北京)博士生,中國石化集團國際石油勘探開發有限公司工程師.

10.3969/j.issn.1003-5060.2017.05.020

P618.130.21

A

1003-5060(2017)05-0673-06