儲層敏感流體因子反演及烴類檢測

王 迪 張益明 牛 聰 張玉華 韓 利

(①中海油研究總院有限責任公司,北京 100028；②中國海洋石油國際有限公司,北京 100028)

0 引言

深水濁積砂巖儲層是當前世界油氣勘探、開發的熱點目標，以西非的尼日爾三角洲盆地為典型代表[1-4]。相比陸地和淺水沉積，深水區油氣勘探、開發成本高且風險大。因此，如何準確預測優質儲層并開展烴類檢測對深水勘探尤為重要。

AVO技術和疊前反演是烴類檢測的關鍵技術手段。早在20世紀80年代，Ostrander[5]利用AVO技術識別流體。隨后，Smith等[6]提出了流體因子的概念。Goodway等[7]利用λρ-μρ(λ、μ為拉梅系數，ρ為密度)交會分析檢測烴類。Russell等[8]利用縱波波阻抗與橫波波阻抗構建了新的流體指示因子。Quakenbush等[9]探討了基于泊松阻抗檢測流體的方法。寧忠華等[10]通過引入縱波、橫波波阻抗的高階項提高流體因子的敏感性。王棟等[11]利用縱波、橫波波阻抗多次冪的組合形式壓制噪聲。張玉潔等[12]基于噴流效應對Russell流體因子進行了推廣和應用。姜仁等[13]利用Russell流體因子檢測致密儲層的含氣性。鄭靜靜等[14]對各類流體因子進行了分類與系統總結。謝玉洪等[15]認為“暗點”型油氣藏的流體指示因子可以放大Ⅱ類AVO異常的差異。李坤等[16]利用混合概率模型驅動的疊前地震反演方法刻畫復雜巖性油氣藏、直接檢測流體。

一般情況下，可通過間接計算疊前反演的縱波、橫波波阻抗等參數獲得流體因子，但容易出現累計誤差。為此，人們提出了直接反演流體因子的方法。宗兆云等[17]利用包含拉梅系數的彈性阻抗方程直接反演拉梅參數。印興耀等[18]根據包含Gassmann流體項的彈性阻抗方程直接反演高精度流體項。肖鵬飛[19]通過直接反演流體因子提高了碳酸鹽巖縫洞含油氣儲層的識別精度。楊培杰等[20]建立了一種敏感流體因子定量分析方法。桂金詠等[21]提出了面向實際儲層的流體因子優選方法。高剛等[22]討論了砂巖敏感識別因子的建立及直接提取方法。張世鑫[23]發現，受孔隙度影響復雜儲層會產生“流體假象”，因此剔除孔隙度對流體因子的影響至關重要。Yin等[24]推導了基于等效流體體積模量的近似公式，實現了固液解耦，并提出基于貝葉斯理論的反演方法。李超等[25]、劉曉晶等[26]、鄧煒等[27]和宗兆云等[28]廣泛探討了等效流體體積模量的直接反演方法。

在實際應用中，流體因子往往受諸多因素影響，由于“流體假象”廣泛存在，因此消除孔隙度對流體檢測的影響，真正突顯流體性質差異的敏感參數顯得至關重要。為此，本文在綜合分析儲層地震響應特征的基礎上，提出了一種新的流體因子敏感性定量分析方法，使流體因子具有“對流體性質敏感度高、對孔隙度敏感度低”的特征，能夠最大限度地突出流體異常、壓制孔隙度的影響。實際應用結果表明，文中方法能夠有效區分油層和高孔隙水層，與鉆井數據吻合率高。

1 區塊概況

尼日爾三角洲盆地位于非洲大陸西部，面積達12×104km2，是世界上最大的海退型三角洲盆地，也是當今熱門的深水勘探區域。盆地發育東、西兩套深水扇沉積體系，物源主要來自尼日爾河水系(圖1)。研究區位于東部深水扇，水深為1100～1800m， 主力儲層為中新統R1180層系發育的水道化朵葉砂體，單層厚度大且物性好，孔隙度為22%～32%。研究區共有W1、W2和W3等三口鉆井(表1)。

表1 研究區鉆井結果

圖1 研究區位置示意圖

2 儲層地震響應特征及影響因素

2.1 疊后振幅響應特征及影響因素

圖2為過W1、W2和W3井的連井地震剖面。由圖可見，儲層均表現為 “亮點”特征，其中W3井振幅最強，鉆遇水層，W1和W2井振幅稍弱，鉆遇油層。根據表1可知，W1、W2、W3井砂巖孔隙度分別為26.0%、23.4%、29.7%，推測物性可能是導致水層出現“亮點”的主要原因。

圖2 過W1、W2和W3井的連井地震剖面粉色曲線代表含水飽和度，藍色曲線代表孔隙度

進一步分析影響疊后振幅的因素，包括流體性質、孔隙度和儲層厚度。根據研究區地質特征設計楔狀模型(表2)，采用30Hz雷克子波進行正演模擬，提取砂巖頂界面的疊后反射振幅響應(圖3)。可見：①當油層和水層孔隙度為26%時，振幅存在明顯差異，油層振幅強于水層。②隨著水層孔隙度逐漸增大，振幅逐漸增強，當水層孔隙度達到30%時，振幅與孔隙度為26%的油層基本相當。③受調諧作用影響，油層和水層的振幅在調諧厚度處達到最大值；考慮到砂巖厚度范圍主要為20～25m，在該范圍內，隨著厚度增加振幅稍微減弱，但這種差異遠小于由于流體性質和孔隙度變化引起的振幅差異。上述現象說明，流體類型和孔隙度是振幅響應特征的主控因素，高孔隙含水砂巖形成假“亮點”，導致利用疊后振幅預測流體性質存在多解性。

表2 楔狀模型巖石物理參數

圖3 砂巖頂界面的疊后反射振幅響應

2.2 疊前AVO響應特征及影響因素

圖4為W1、W2和W3井井旁地震道集。由圖可見，油層和水層表現為遠道振幅增強的II、III類AVO異常，W3井的異常值最大、W1井次之、W2井最小，即水層AVO異常比油層更明顯。

圖4 W1、W2和W3井井旁地震道集

為了解出現該現象的原因及AVO影響因素，以W1井為例，基于Gassmann方程開展流體和孔隙度替代研究。首先，保持原狀油層(含水飽和度為10%)不變，孔隙度由22%增加到34%，間隔為3%。然后，將油層替換為水層(含水飽和度為90%)，再做一次孔隙度替換。采用Aki-Richard方程進行AVO正演模擬，得到不同孔隙度的AVO正演道集(圖5)。可見，隨著孔隙度增加，油層和水層均表現為遠道振幅逐漸增強的AVO響應特征。為了直觀對比、分析油層和水層AVO異常差異，提取圖5道集3350ms波谷位置的P(截距)×G(梯度)屬性(圖6)。可見：當孔隙度相同時，油層的P×G

圖6 不同孔隙度的P×G屬性(a)油層； (b)水層

值(圖6a)大于水層(圖6b)；當水層孔隙度大于油層孔隙度時，如水層孔隙度為34%、油層孔隙度為28%時，前者的P×G值明顯大于后者。上述現象說明物性是引起水層AVO異常的主要原因，導致利用常規AVO屬性預測流體性質存在多解性。

3 擴展AVO屬性及烴類檢測

3.1 擴展AVO屬性的提出

對圖6的P和G進行交會分析(圖7)，可見：當孔隙度相同時，油層和水層的P、G均有差異，單獨依據P或G可區分油層、水層；當孔隙度不同時，油層和水層的P、G存在一定重疊，如孔隙度為31%的水層的G與孔隙度為34%的油層相當，P與孔隙度為28%的油層相當，因此單獨利用P或G均不能有效區分油層、水層；油層和水層的P-G交會圖的斜率基本相同，隨孔隙度的變化曲線近乎平行，如果在兩者之間劃定一條分界線，按照該分界線進行坐標旋轉，則能區分不同孔隙度的油層和水層。

圖7 不同孔隙度的P-G交會圖

為了合理劃定油層和水層之間的分界線，開展不同含水飽和度條件下的正演模擬，得到P-G交會分析結果(圖8)。可見，在相同孔隙度條件下，隨著含水飽和度逐漸增大，P和G的絕對值均遞減，且P-G隨孔隙度的變化規律與隨含水飽和度的變化規律不同。鑒于研究區測井解釋定義水層的臨界含水飽和度為70%，因此將含水飽和度為70%時的P-G隨孔隙度變化的分界線(圖8的黑色實線)定為油層和水層的分界線。

設劃定的油、水分界線與P軸的夾角為θ，根據坐標旋轉公式，得

Pr=Pcosθ-Gsinθ

(1)

Gr=Psinθ+Gcosθ

(2)

式中：Pr為坐標旋轉后的截距；Gr為坐標旋轉后的梯度。

根據式(1)、式(2)對圖8進行坐標旋轉，得到Pr-Gr交會圖(圖9)。可見，在不同孔隙度條件下，水層的Gr均大于零，油層的Gr均小于零，利用Gr能夠有效區分油層和水層，因此定義Gr為擴展AVO屬性。

圖8 不同含水飽和度的P-G交會圖

圖9 Pr-Gr交會圖

3.2 方法有效性試驗

圖10為過W1、W2和W3井的連井P×G剖面、Gr剖面。由圖可見：W1井和W2井油層的P×G屬性均表現為高值，但是W3井的水層“異常”更明顯，烴類檢測結果與實鉆結果不符(圖10a)；利用擴展AVO屬性Gr能夠有效突出W1井和W2井的油層異常，壓制W3井的水層“異常”假象，使油氣檢測結果更準確(圖10b)，說明利用擴展AVO屬性可在一定程度上減少高孔含水砂巖引起的預測多解性。

圖10 過W1、W2和W3井的連井P×G剖面(a)、 Gr剖面(b)粉色曲線代表含水飽和度，藍色曲線代表孔隙度，圖12同

4 敏感流體因子反演及烴類檢測

4.1 流體因子敏感性定量分析

AVO反映界面的反射信息，由于沒有消除子波的影響，當背景巖石性質、砂泥巖組合模式等發生變化時，會給儲層預測結果帶來不確定性。為進一步增強烴類檢測的可靠性，需要綜合疊前反演結果，其關鍵在于優選研究區的敏感流體因子。目前常用的流體因子篩選方法是基于Dillon等[29]提出的流體指示系數，通過測井曲線計算目標層段油氣層與水層的流體因子平均值之差衡量流體識別能力，并沒有考慮孔隙度對流體識別效果的影響。通過前文分析可知，孔隙度是導致研究區烴類檢測多解性的關鍵因素，因此流體因子必須具有“對流體性質敏感度高、對孔隙度敏感度低”的特征。為此，本文提出了一種基于流體替代和孔隙度替代的流體因子敏感性定量評價方法，具體實現步驟為：

(1)保持原狀地層孔隙度不變，基于Gassmann方程進行流體替代，根據

(3)

計算流體敏感系數A。式中：Pw為含水狀態的彈性參數；Po為含油狀態的彈性參數。

(2)保持原狀地層流體性質不變，基于Ga-ssmann方程進行孔隙度替代，根據

(4)

計算孔隙度敏感系數B。式中：Pφ1表示孔隙度為φ1的彈性參數值；Pφ2表示孔隙度為φ2的彈性參數值。

(3)為了突出流體、壓制孔隙度的影響，定義評價因子C，其與A和B的關系為

(5)

C值越大代表對流體敏感性越高、對孔隙度敏感性越低。當A=B時，C=0；當AB時，C>0，說明參數對流體性質更敏感，極限值為1。根據C值可優選研究區的最佳敏感流體因子。

以W1井鉆遇油層為例，基于Gassmann方程開展流體和孔隙度替代分析，流體性質由原狀油層(含水飽和度為10%)替換成水層(含水飽和度為90%)，孔隙度由原狀的26%增加到30%，獲得不同彈性參數的值(表3)，然后計算A、B和C(表4)，并進行直方圖統計分析(圖11)。可見：λρ、λ/μ、PI和f等四個參數對流體性質均較敏感，其中λρ敏感性最高(圖11a)；λρ、PI和f對孔隙度較敏感，容易受孔隙度變化的影響，導致流體檢測出現多解性，而λ/μ對孔隙度敏感性低(圖11b)；壓制孔隙度影響后，與其他參數相比，λ/μ對流體敏感性最高(圖11c)。因此，選擇λ/μ作為該區的最佳流體因子。

圖11 不同彈性參數的A(a)、 B(b)、 C(c)直方圖

表3 流體和孔隙度替代后彈性參數值

表4 根據表3數據計算的敏感系數值

4.2 方法有效性試驗

圖12為過W1、W2和W3井的λρ、λ/μ疊前反演剖面。由圖可見：λρ容易受孔隙度影響，雖然W1井和W2井油層有異常，但是W3井水層異常更明顯，烴類檢測結果與實鉆結果不符(圖12a)；利用λ/μ開展烴類檢測，W1井和W2井油層表現為λ/μ低值，W3井水層表現為λ/μ相對高值(圖12b)，壓制了高孔含水砂巖的異常假象，有效區分了油層、水層。

圖12 過W1、W2和W3井的λρ(a)、 λ/μ(b)疊前反演剖面

5 應用效果

利用擴展AVO屬性和流體因子λ/μ開展R1180層油氣平面展布規律預測，圖13 為R1180層均方根振幅、Gr、λ/μ反演結果。由圖可見：均方根振幅(圖13a)展示了東、西兩支朵葉沉積體，其中W1井鉆遇西支朵葉，W2井和W3井鉆遇東支朵葉，朵葉體在平面上表現為“亮點”異常，西支朵葉振幅強于東支朵葉；Gr(圖13b)、λ/μ(圖13c)反演結果明顯壓制了W3井水層的強振幅異常，有效保留了W1井和W2井油層異常，且西支朵葉烴類檢測異常范圍小于強振幅異常范圍。上述結果說明強振幅并非都是烴類的響應，部分是由于高孔含水砂巖引起的，從而有效規避了勘探風險，對西支朵葉的下一步鉆探部署具有重要意義。

圖13 R1180層均方根振幅(a)、Gr(b)、λ/μ(c)反演結果

6 結論和認識

復雜儲層的流體檢測受孔隙度影響較大，消除孔隙度的影響是準確識別流體的關鍵。本文針對常規AVO屬性和疊前流體因子篩選方法的缺陷，提出了一種新的流體因子敏感性定量分析方法。基于坐標旋轉的擴展AVO屬性，有效區分了不同孔隙度條件下的油層和水層，降低了常規AVO屬性的多解性，提高了油氣預測精度。基于流體替代的流體因子敏感性定量分析，優選λ/μ參數突出流體并壓制孔隙度的影響。實際應用效果證實，文中方法能夠有效壓制高孔含水砂巖引起的地震強振幅“亮點”假象，提高烴類檢測成功率，對其他類似區塊的烴類檢測具有借鑒意義。