高玉飛,王盤根,于斌,王海峰,解超
(中海油研究總院,北京 100028)
隨著油氣資源需求的持續增加和油田勘探開發的日趨成熟,油藏描述和不確定性分析在儲層評價和優化油田開發方案方面變得愈加關鍵[1-3]。J油田是2017年新發現的油田,受困于海洋條件的限制,該油田勘探井少(目前只有3口井),井距大(1.5~3km),且主力含油層位埋藏深(-1800m~-2200m),導致其在構造、儲層以及油藏特征等方面均存在較強的不確定性。
該文從構造特征、沉積體發育規模、儲層孔隙度下限等地質特征入手,分析該油田的不確定性因素,并確定其分布范圍,以地質模型為載體,分析其對儲量的影響,開展不確定性分析,確定儲量分布的P10,P50,P90(一個油田的儲量分布符合正態分布,P50指最可能出現的值,出現概率最大,也叫推薦值;P10和P90出現概率較小,P10代表儲量低值也叫悲觀值,P90代表儲量高值也叫樂觀值)。
J油田位于遼西凹陷北洼和中洼之間的低凸起上,整體構造形態為被斷層復雜化,地層向南傾的斷鼻構造。含油層系發育于古近系沙河街組沙二段,高點埋深-1820m,閉合幅度約200m(圖1)。
巖性主要為細砂巖、中—粗砂巖,局部含礫。巖心觀察常見沉積構造中代表強水流的塊狀層理、交錯層理等,測井曲線形態為齒化箱形,泥巖顏色灰綠—灰褐色,砂巖含量高,屬典型的辮狀河三角洲沉積(圖2),發育水下分流河道、水下分流間灣、遠砂泥微相。
地質模型不確定性因素主要來自于以模型實現為基礎的儲量計算[4-6]。J油田處于開發的前期研究階段,鉆井資料少,地質不確定性強,該文從構造特征、儲層特征、油藏特征入手,分析影響儲量的不確定性因素。

1—探明含油面積;2—斷層;3—等值線;4—探井圖1 J油田含油面積圖(綠色部分為含油面積范圍)

1—細礫巖;2—粗砂巖;3—中砂巖;4—細砂巖;5—塊狀構造;6—平行層理;7—沖刷面圖2 J油田辮狀河三角洲前緣水下分流河道巖心特征
2.1.1 構造不確定性
影響儲量的構造不確定性主要是構造層面的深度。構造層面深度的高低影響地質體的總體積,從而影響地質儲量,可以采用地質統計學的方法得到其分布范圍[7-9]。統計J油田周圍相鄰井區鉆前預測深度與實鉆證實深度的誤差值(表1),其誤差主要集中在-3m~3m(圖3)。
2.1.2 儲層不確定性
(1)儲層規模

表1 J油田鉆前預測深度與實鉆深度誤差分析

圖3 鉆前鉆后構造深度誤差圖
目前研究區基礎資料薄弱,難以定量化表征儲層三維特征及分布規律。通過現代沉積研究及文獻調研[10-11],研究區與塔里木盆地庫車坳陷黃山組辮狀河三角洲露頭以及新疆彩南南油田辮狀河三角洲沉積在沉積相、物源距離、滲透率、流體性質、油藏類型、隔夾層分布等多個方面具有相似性,可進行類比研究。由于辮狀河三角洲呈現典型的“砂包泥”特征,在建模時,采用在砂巖背景上表征泥巖分布的方法,而辮狀河三角洲前緣的泥巖主要為分流間灣沉積,因此,參考相似露頭及油田,確定研究區分流間灣寬度變化范圍300~700m,以500m居多,厚度變化范圍1~3m,以2m居多。但是分流間灣的長度沒有統計數據,通過研究典型辮狀河三角洲俄羅斯勒拿河三角洲分流間灣特征發現,辮狀河三角洲分流間灣長寬比呈一定比例,近似于2(表2),將這個規律用于該次研究,則分流間灣長度應是其寬度的2倍,即600~1400m。

表2 勒拿河三角洲分流間灣長寬比統計
綜上所述,確定泥巖次變程(表征寬度)變化范圍300~700m,最可能值為500m;泥巖主變程(表征長度)是次變程2倍,最可能值為1000m;垂向變程變化范圍1~3m,最可能值為2m。
(2)有效孔隙度下限
有效孔隙度下限是決定地質體儲層體積的重要參數,當孔隙度大于該值時為有效儲層,當孔隙度小于該值時則為無效儲層,有效孔隙度下限越低,則有效儲層體積越大,地質儲量也越大;有效孔隙度越高,則有效儲層體積越小,地質儲量亦越小。利用已鉆井的測壓資料,可確定有效孔隙度的下限(圖4)。在孔隙度小于等于15%范圍內,所有測壓點為致密點代表無效儲層,當孔隙度大于18%時,所有測壓點為有效點,即為有效儲層,當孔隙度在15%~18%之間時,有一部分測壓致密點,但是數量較少,所以可以確定,孔隙度下限值變化范圍為15%~18%。

圖4 沙二段電纜地層測試測壓點泥質含量與孔隙度關系圖
2.1.3 油藏不確定性
J油田沙二段為構造油藏,縱向上可以劃分為4個小層。第一個小層可采用12井油底作為油水界面,第二個小層在12井鉆遇了油水界面,所以這兩個小層油水界面是確定的,但是第3個小層,11井鉆遇油底-1968m,12井鉆遇水頂-2046m(圖5),真實的油水界面應該在這兩個深度之間,所以確定其油水界面變化范圍-2046m~-1968m。

圖5 J油田2口井連井對比圖
在完成不確定性因素分析之后,需針對研究目的,選取隨機建模的方法,對各個不確定性因素的敏感性進行分析。
隨機建模法敏感性分析是每次只改變一個因素,而其他因素不變,進行隨機建模,利用模擬的儲量與基礎模型的儲量進行對比,得到每個參數的敏感性。
該次研究進行了多次運行實驗,依據因素分析結果,進行不確定性變量設定。首先,采用蒙特卡洛采樣方法,使每個因素隨機的在整個分布范圍內采樣,將運行次數設定為1255次,得到敏感性分析結果(圖6)。分析結果顯示,油水界面對儲量的影響最大,正影響19.5%,負影響12%,敏感系數達31.5%;孔隙度下限值對儲量的影響次之,且只有負影響,敏感系數達16.8%;泥巖主變程對儲量的正影響為3.7%,負影響為10%,敏感系數為13.7%;泥巖次變程對儲量的正影響為1%,負影響為7%,敏感系數為8%;而構造對儲量的正影響為2.8%,負影響為4%,敏感系數為6.8%。選取敏感系數大于10%的因素為主要敏感性因素,其他因素為非敏感因素。

圖6 各個不確定性因素敏感性分析結果
儲量不確定性分析是在參數設定范圍內,依據采樣方式,進行建模參數多次隨機采樣,應用隨機參數,建立多個地質模型,對有限的模型實現統計分析,得到不確定性分析結果[12-13]。
根據敏感性分析結果,選取油水界面、孔隙度下限值、主變程3個主要敏感性因素開展該次不確定性分析,采用蒙特卡洛輔以拉丁超立方和正交陣列采樣方式,設置實現次數81次。結果表明,J油田儲量分布范圍:P10為1901.87萬m3、P50為2114.64萬m3、P90為2372.11萬m3(圖7)。P50是儲量分布中頻率最高值即最可能值,推薦其作為開發方案編制的基礎,而針對P10設置風險方案,針對P90設置潛力方案。

圖7 J油田儲量分布圖
(1)J油田構造層面深度分布范圍為-3m~3m;油水界面變化范圍為-2006m~-1968m;泥巖主變程變化范圍為600~1400m;泥巖次變程變化范圍為300~700m;有效孔隙度下限變化范圍為15%~18%。
(2)通過敏感性分析發現,油水界面、有效孔隙度下限和泥巖主變程是影響地質不確定性的3個主要變量。
(3)儲量不確定性分析表明,J油田分布范圍為P10為1901.87萬m3,P50為2114.64萬m3,P90為2372.11萬m3,P50可作為優選的儲量規模開展開發方案編制。