薄互層型低階煤儲層測井綜合解釋及應用
——以澳大利亞S區塊煤儲層為例

付詩雯，譚成仟，張銘，張奔

（1.西安石油大學 地球科學與工程學院，陜西 西安 710065；2.中國石油勘探開發研究院，北京 100083）

0 引言

低階煤形成于煤化作用初期，在全球范圍廣泛分布，具有重要的研究意義。煤層氣以吸附性為主的特性決定了其與常規儲層的在測井解釋方面的差異性（鄭慶林等，2012）。煤儲層綜合解釋的目的是通過測井數據的處理與分析表征煤層及煤儲層參數空間分布。前人針對含氣量的研究采用BP神經網絡預測法（潘和平和劉國強，1997）、回歸吸附法、等溫吸附模擬法（仲米虹，2017）等；對灰分的計算采用回歸方程分析法（吳拓，2010）、模擬測井資料解釋煤層灰分（陳繼亮，1990）等。隨著煤儲層及其參數解釋精度要求提高，表征指數數量增多，基于煤礦開發建立的解釋系統和方法已無法滿足研究的需求（梁明星和孫文杰，2013），需要進一步提高煤層識別以及煤儲層參數精度，從而更加準確地反映煤儲層及其參數的三維空間分布特征。

S區塊位于澳大利亞博文-蘇拉特盆地東南部，所處位置如圖1紅色方框所示（26°～28°S,149°～151°E）。由于煤層中干基灰分含量主要集中在10%～30%，平均值為18.47%，因此該礦煤炭屬中品位煤。S區塊落實煤礦地質資源量0.57×108t。該區廣泛發育薄互層型低階煤，本文基于常規測井、成像測井數據及巖心數據確定煤層識別標準，利用測井數據與巖心數據的敏感性分析結果建立煤儲層參數表征模型，并利用灰分解釋結果劃分煤層煤階，實現S區塊煤儲層綜合測井解釋，為研究同類型的煤儲層提供參考依據，為煤層氣勘探、工程建設等項目提供理論基礎（文俊等，2019）。

1 地質概況

博文-蘇拉特盆地位于澳大利亞中東部地區，S區塊位于該疊合盆地東南部，發育東部斜坡帶、中央坳陷帶和西部斜坡帶3大構造單元（唐穎等，2017），并伴有少量凹陷和斷層，面積約22000 km2（圖1）。

圖1 澳大利亞S區塊區域構造簡圖（據唐穎等，2017修改）

S區塊目的煤層位于中侏羅統Injune Creek群Walloon亞群地層中，含煤地層主要由炭質泥巖、砂巖、粉砂巖和煤層組成，不同巖性呈薄互層狀相互交互沉積，煤巖廣泛發育其間（李樂忠，2016；秦勇等，2019）。目的煤層自上而下分為Juandah和Taroom兩套煤層組，埋深跨度0～600 m，其中Juandah分為4個大層組，Taroom分為2個大層組，125個單煤層，單煤層平均厚度0.29 m。單煤層數量多，連續性較差，厚度與層數變化較大，煤層分叉、尖滅、合并的現象較為嚴重，這無疑為后續研究增加了難度。

2 測井綜合解釋

煤儲層以吸附氣為主的特性決定了測井解釋方法與解釋參數的特殊性。與常規儲層相比，煤層識別及儲層參數表征是煤儲層測井解釋的重點，本文就這兩方面展開對薄互層型低階煤儲層的測井解釋。

2.1 煤儲層綜合識別

隨著煤層氣勘探開發研究不斷深入，所面臨的煤儲層愈加復雜，如何準確高效識別煤層是目前煤層氣研究難點。A1井煤儲層所對應的常規測井曲線如圖2所示，曲線特征符合煤儲層測井響應特征“三高三低”特點，但顯然依靠常規測井曲線并不能準確識別煤層厚度小于0.5 m的單煤層，S區塊薄互層型低階煤層氣受其巖性、沉積環境、機械易碎性等影響，普遍存在煤層層數多，煤層厚度薄、與碎屑巖頻繁交錯沉積的特點，極大增加了S區塊的煤層識別難度。

圖2 A1井煤層測井響應特征圖

由測井曲線敏感性分析的可行性得知，在煤儲層眾多常規測井曲線中，密度曲線分辨率最高，能夠有效反映煤層，因此可通過設置起始值，步長以及截止值確定不同的測井密度對應的煤層厚度，與煤層實際厚度對比，以二者之間相對誤差最小的密度值作為煤層識別的最佳常規測井曲線解釋標準值，結合自然伽馬等其他測井曲線特征識別煤儲層。在煤層的實際厚度的計算中，主要來自于根據巖心資料所統計出的煤層厚度。在沒有連續取心數據的井中，依靠成像測井解釋的煤層厚度作為煤層的實際厚度，同樣將其與不同密度測井值所對應的煤層厚度誤差最小值作為最優解釋值用以識別煤層。通過對S區塊30口井測井解釋煤厚與真實煤厚的對比，確定S區塊煤層最佳解釋值為1.74 g/cm3，即密度測井值小于1.74 g/cm3為煤，該值能夠實現S區塊煤層的有效識別。以這種常規測井數據結合巖心分析數據與成像測井數據的方法識別煤層，識別效果準確性高，成本也有所減少，經濟可行（淮銀超等，2016）。

2.2 煤儲層參數綜合測井解釋

儲層參數測井解釋是煤儲層綜合解釋中的關鍵環節也是最終落腳點，煤儲層測井資料不僅能夠反映儲層物理特征，還可以通過分析不同測井參數對巖心參數發生變化時的反應程度間接得到儲層各項物性參數，本次研究基于巖心分析的儲層參數與測井數據之間的相關性，通過測井數據對巖心數據的敏感性分析結果建立S區塊的含氣量及灰分的參數解釋模型，并應用灰分解釋模型劃分S區塊低階煤的煤階，實現煤儲層參數綜合解釋。

2.2.1 含氣量

含氣量決定著煤層氣開發效率、資源量以及資源潛力（李文桃，2018）。本文利用常規測井數據連續性強、巖心分析含氣量數據準確性高的特點，通過建立巖心分析含氣量與測井資料之間的相關性優選相關性較好的測井資料，根據這些測井資料對含氣量變化的敏感程度來建立煤層含氣量表征模型，實現煤層氣儲層含氣量的計算。基于前人研究成果以及煤層氣儲層參數的測井解釋精度需求，本文選擇煤層埋深、密度、自然伽馬、中子孔隙度與巖心分析含氣量開展相關性分析（圖3）。圖3表明，隨著地層深度增加，一方面地層壓力增加，含氣量隨之升高；另一方面地層溫度升高，不利于甲烷的吸附，在雙重作用下煤層含氣量呈現前期快、后期慢的非線性增長。而煤層中的含氣量增長意味著煤巖密度降低，故兩者呈負線性相關。煤巖中黏土礦物增加降低了煤巖對甲烷的吸附效應，因此含氣量與自然伽瑪呈現負的相關性。此外煤巖孔隙度較高，但過高的孔隙度使得煤層氣吸附量減少，因此含氣量隨中子孔隙度的增加而減小（淮銀超等，2018）。

圖3 含氣量與測井參數的相關性分析

由圖3可見S區塊含氣量與上述四個測井參數之間的相關性較好（R>0.6），因此可利用測井數據與含氣量之間的相關性開展不同測井數據對含氣量的影響程度分析，建立含氣量參數解釋模型，表達式為：

式（1）中：k1為綜合影響因子，無量綱；DEP為煤層埋藏深度，m；DEN為密度測井值，g/cm3；GR為伽馬測井值，API；NPHI為中子孔隙度，%。a、b、c、d分別為四個測井資料對應的敏感系數。

敏感系數由敏感性分析結果決定，要確定某一測井資料對含氣量的敏感程度，要求在其余測井資料不變的條件下分析由確定測井數據的變化引起含氣量相對變化值，此相對變化值即可作為該測井資料敏感性分析結果。根據含氣量與測井數據之間相關性分析結果（圖3）開展測井資料與巖心含氣量之間的敏感性分析。結果顯示，如果將中子孔隙度敏感系數設置為1，則密度測井的敏感系數為1.13，埋藏深度的敏感系數為1.83，自然伽馬的敏感系數為2.79。即綜合影響因子表達式變為：

以k1為自變量，含氣量為因變量，分析兩者的相關性，建立的含氣量預測模型如下（淮銀超等，2017）：

式（3）中GC為含氣量，m3/t。

由圖4可見，由敏感性分析所得的綜合影響參數與巖心含氣量之間的擬合程度較好。這種預測模型適用于井眼環境較好的地層，然而煤儲層本身的機械易碎性使得鉆井過程中井眼垮塌現象時有發生。由于密度測井儀需貼壁測量地層密度，擴徑現象嚴重的井段對密度測井值影響較大，使得密度測井曲線可能發生不同程度的畸變而不能如實反映地層密度，導致上述模型預測精度較低。其他類型測井資料也會收到擴徑影響但變化范圍較小。因此在這種情況下（井徑>60 mm）不再使用密度測井值作為預測含氣量的有效參數，則綜合影響因子表達式變為：

圖4 綜合影響因子與含氣量相關性分析（好井眼）

以k1為自變量，含氣量為因變量，分析兩者的相關性，建立的含氣量預測模型如下：

由圖5可見，擴徑條件下模型的解釋精度有所下降，但其擬合程度仍然較好，可以實現對于S區塊煤儲層含氣量的有效預測。

圖5 綜合影響因子與含氣量相關性分析（壞井眼）

2.2.2 灰分

灰分是煤中有機質及礦物質在一定條件下經過分解、化合等復雜反應而形成的，是煤中礦物質的不可燃燒組分（李煥同等，2017；韓澤偉和韓卓鵬，2020）。灰分決定著煤燃燒值以及含氣量，是煤儲層關鍵參數（李劍浩等，2005）。主要成分為黏土礦物，呈現高自然伽馬測井值特性（于振峰等，2019）。一方面礦物質密度一般情況下高于煤巖密度，因此灰分含量越高，密度測井值越高；另一方面灰分會影響煤巖導電性，灰分含量的增加會使得電阻率減少（孟召平等，2011）。根據上述的測井數據與灰分的巖心分析成果相關性分析基礎上優選煤層埋深、密度、自然伽馬以及深側向電阻變化變化率作為基礎參數，開展測井數據與灰分之間相關性分析（圖6）。灰分隨自然伽馬測井值的增加而增加，呈線性正相關；密度與灰分之間也表現出良好的正相關性，灰分含量隨密度測井值的增加而增加。灰分與埋深相關性較小，隨埋深增加，灰分變化并不明顯；隨電阻率變化率的增加，灰分逐漸減小。

圖6 灰分與測井資料相關性分析圖

由圖6可見，S區塊含氣灰分與密度、自然伽馬測井值以及深側向電阻率變化率的相關性較好，可選擇這三種測井資料作為基礎參數，結合其測井響應對于灰分的敏感程度，構建灰分參數解釋模型。綜合影響因子表達式為：

式（6）中：k2為綜合影響因子，無量綱；DEN為密度測井值，g/cm3；GR為自然伽馬測井值，API；LLD為深側向電阻率變化率，%。e、f、g分別為三個測井資料對應的敏感系數。

采用與含氣量分析同樣的方法開展灰分與測井數據的敏感性分析，根據該分析結果添加密度測井數據、伽馬測井數據及深側向電阻率變化率的敏感系數，敏感性分析結果表明若將深側向電阻率變化率的敏感系數設置為1，則自然伽馬測井敏感系數為1.68，則密度測井的敏感系數為2.36，即綜合影響參數表達式變為：

以該參數為自變量，灰分為因變量，分析兩者的相關性，建立的灰分預測模型如下（圖7；淮銀超等，2017）：

圖7 綜合影響因子與灰分相關性分析（好井眼）

式（8）中ASH為灰分，%。同樣地，去除在擴徑條件下密度測井值對灰分預測值的影響，將綜合影響參數的表達式改為：

以該參數為自變量，灰分為因變量，分析兩者之間的相關性，建立的灰分預測模型為（圖8）：

圖8 綜合影響因子與灰分相關性分析（壞井眼）

煤變質程度與溫度、壓力及發育時間長短有關。研究煤的變質程度可為有效找礦提供有利依據（唐紅松和王滋平，2005）。S區塊煤巖變質程度較低，為褐煤-長焰煤。煤的工業組分分析結果表明，煤中固定碳含量越多，灰分含量越少。固定碳含量隨煤階升高而增大，因此灰分含量隨煤階升高而減少。由取心資料可得該區塊灰分大于18%的煤為褐煤，小于18%的煤為長焰煤。可利用前文得到的灰分表征模型劃分出A1#、A3#低階煤儲層煤階（圖9～10）。

3 應用效果分析

本次S區塊內共有各種類型的煤層氣開發井30口，共完成30口井的儲層參數綜合測井解釋。圖9為A1井（井徑<60 mm）的含氣量及灰分的計算成果圖，圖10為A3井（井徑>60 mm）的含氣量及灰分的計算成果圖。圖中藍色圓點標識代表各參數取心數據，可見含氣量與灰分的計算結果與巖心分析結果的擬合程度較好。表1為A1井、A2井、A3井與A4井的含氣量與灰分測井解釋值與巖心實測值的對比表。經計算可得，含氣量的平均相對誤差為7.97%，灰分的平均相對誤差是8.61%。測井解釋結果精度較高，可利用該參數模型進行參數的批量計算，并能根據灰分解釋結果有效識別S區塊低階煤的變質程度。

表1 A1、A2、A3、A4井含氣量與灰分測井解釋值與實測值對比分析表

圖9 A1井含氣量、灰分測井解釋成果圖

圖10 A3井含氣量、灰分測井解釋成果圖

4 結論

（1）S區塊的薄互層型低階煤儲層成因復雜，非均質性強，薄層識別困難，利用煤儲層的各類測井資料響應特征結合巖心分析結果確定了整個區塊的最佳測井密度解釋值，實現了煤儲層的有效識別。

（2）利用測井數據建立的儲層參數解釋模型，充分考慮了各個測井資料對于儲層參數的影響程度。這種測井解釋模型準確度高，連續性強，為預測及評價儲層參數，提高煤層氣開發效率提供新思路。利用灰分大小識別該區低階煤煤階，有利于深入研究不同變質程度下儲層參數的變化特征，有效指導煤層氣勘探開發。

（3）對于擴徑井段，測井解釋模型的準確性明顯下降，不僅是因為剔除了密度測井的影響，忽略擴徑對其他測井資料的影響也是導致精度下降的重要原因。因此對于壞井眼的參數模型解釋方法還有待改進。