M 油田儲層裂縫識別及建模研究

余常燕，溫 柔，張小軍，龐 菲，趙曉紅，陳貞萬，張紅濤

（1.中國石油長慶油田分公司第一采油廠，陜西延安 716000；2.北京凱博瑞石油科技有限公司，北京 100083）

裂縫作為油氣藏主要的運移通道，是儲層評價不可或缺的組成部分，直接影響著油氣井的產能。從巖心觀察、成像測井、野外剖面等資料中可看到研究區發育有天然裂縫，根據動態監測及動態響應特征可判斷出研究區發育有動態裂縫。由于裂縫發育會對研究區油藏的注水開發產生影響，因此對裂縫的識別尤為重要，本文通過對裂縫的識別并建立模型，為油氣田下步開發提供依據。

1 研究區開發現狀

M 油田目前查明的含油面積約為58.01 km2，可開采的地質儲量約為3 500.51×104t。最早于1996 年進入開發階段，1996-2001 年為勘探評價階段，2002-2007年為老區開發階段，2008-2015 年為滾動擴邊階段，2016 年以后進入精細注采調整階段[1]。目前油藏開發面臨主要矛盾突出，因此，從裂縫角度，對油藏下步開發提供參考。

2 裂縫識別

2.1 天然裂縫識別

根據研究發現[2-4]，M 油田的裂縫受燕山期和喜馬拉雅期2 個古構造應力場的影響而生成，該地區的長6 儲層有兩組天然裂縫，分別是北西向、東西向的一組共軛剪切裂縫和南北、北東向一組共軛剪切裂縫（圖1）。根據巖心觀察，發現在巖心中發育有高角度裂縫（圖2）。通過對單井的聲電成像測井的分析發現有趨近水平的裂縫發育。綜合以上資料顯示M 油田發育不同方向的天然裂縫。

圖1 天然裂縫產狀玫瑰花圖

圖2 M 油田巖心觀察

2.2 動態裂縫識別

通過研究資料表明[5-6]，注水井由于長期注水，在近井地帶形成高壓，致使原本充填的裂縫被激活，并且不斷延伸，這些裂縫被稱為動態裂縫。由于動態裂縫直接影響著注采井組間的注采見效情況，為了油藏的調整開發，本次研究運用壓力降落試井、示蹤劑監測、干擾試井、剩余油測井、產液測試、吸水測試、動態響應等來識別動態裂縫。根據對野外露頭儲層剖面的照片資料（圖3）分析發現，裂縫在厚層泥頁巖中非常發育。

圖3 野外露頭長6 儲層剖面圖

3 天然裂縫建模

3.1 成像測井建立天然裂縫模型

根據該地區的測井資料，總結裂縫發育的曲線特征，發現裂縫發育的井段深淺感應電阻負異常，GR 和SP 曲線旋回特征一致，AC 曲線微小齒化波動。

3.2 分形維數建立天然裂縫模型

依據測井曲線對裂縫響應的敏感程度不同，M 油田長6 儲層采取差異性分析，裂縫發育段及裂縫的發育程度可以通過自然伽馬曲線和聲波時差的分形維數差值來表示。

采用R/S 方法分別求取GR 和AC 的分形維數（DAC、DGR）。從DAC 中去掉DGR 中沉積旋回和巖性變化的影響因素，則可以得到反映裂縫發育情況的因子參數D。通過研究發現裂縫發育帶的GR 分形特征與無裂縫段相近，但在AC 分形特征上區別明顯，裂縫的發育使得AC 分形值增大（圖4、圖5）。

圖4 N 井GR 分形值裂縫識別

圖5 N 井AC 分形值裂縫識別

3.3 單井裂縫識別

以取心井裂縫預測模型為標準對全區常規測井曲線齊全的測井資料進行了目的層段裂縫識別和預測。

3.4 天然裂縫模型

以單井預測裂縫段為基礎，通過離散到模型網格，通過0 和1 表示（0 為無裂縫和1 為有裂縫），運用序貫高斯模擬的方法隨機差值建立M 油田裂縫發育模型；在裂縫識別的基礎上參考巖心觀察與成像測井解釋裂縫密度，結合縱向網格厚度計算單個網格裂縫密度，再通過序貫高斯模擬的方法差值生成M 油田裂縫密度模型；依據裂縫密度模型集合成像測井、動態分析、動態檢測等手段確定裂縫發育主要方向，在Petrel裂縫模擬模塊中模擬出北東32°、北東60°及東西向三組主要方向的裂縫模型（圖6～圖8）。

圖6 M 油田裂縫發育模型圖

圖7 M 油田裂縫密度模型圖

4 人工裂縫建模及方法

4.1 裂縫建模方法

國內學者關于裂縫的研究[7]，除了以儲層裂縫識別和預測為研究對象之外，同時也在探索如何建立反映裂縫表征參數和裂縫空間展布的三維定量模型，但是由于裂縫本身的復雜性和不穩定性，使得建立的儲層裂縫模型完全符合實際情況難度較大。目前主要有等效連續模型和離散裂縫網絡模型這兩種研究模型，用以建立裂縫性儲層模型及進行流體流動研究。在建立等效連續模型的過程中，將模擬區劃分在不同的網格當中，對于裂縫的處理是統一的，使之屬性在各個網格當中能夠得到體現，而網格間無法產生流動性，所建立的模型準確度很有限；而在離散裂縫網絡模型的建立過程中，利用數學及地質力學中的相關公式對單獨的裂縫進行計算，賦予其應有的各類屬性。并在此基礎上，將隨機建模和確定性建模這兩種方法相結合，對于收集到的資料進行整合，建立能夠反映天然裂縫所具有的非均質性特征的模型。

4.1.1 等效連續模型 等效連續模型的建立是以網格為基礎，通過對儲層所具有的非均質特性進行詳細的闡述和分析，將其進行劃分，使之存在于不同的網格當中，同時對網格數量做出設定之后，通過賦予網格相關屬性的常數值進一步實現模型的建立。然而，在該模型中，單一的裂縫情況很難顯示。該方法相對簡單，因此能夠比較容易的模擬裂縫，但由于無法較為完善的表現裂縫的非均質性且對介質之間竄流函數的確定是不穩定的，所以也存在較大的不足。

4.1.2 離散裂縫網絡模型 離散裂縫網絡模型是目前世界上最先進的裂縫建模方法。該建模方法通過在三維空間中展布、排列各種不同類型的裂縫片，使之組合成為完整的裂縫網絡，從而構建裂縫模型（圖9）。而在各類裂縫網絡當中，組成的裂縫片具有不同的屬性，如形狀大小、走向傾角、開合程度以及附帶的基質塊等，它們之間存在的差異使得裂縫系統所呈現的幾何形態及其發育中出現的滲流行為等方面能夠進行有效的描述。

圖9 離散裂縫網絡模型

對于DFN 建模方法而言，既可以是確定性的，也可以是隨機性的。就確定性建模方法來看，是以裂縫生長及發展的歷史為基礎，采用數學和地質學當中相關的方法對該過程進行分析和模擬的。而通過隨機分布建立的網絡模型會受到隨機模擬方法和概率的影響。首先根據各井的成像測井解釋數據、巖心數據或其他地震數據計算裂縫的發育密度，從而約束生成隨機裂縫的所在位置及發育程度；然后通過所獲得的裂縫呈現的幾何狀態、開度情況以及所位于的方位等資料信息對其參數進行預測，同時也可以利用地震信息來約束。在此之后，對單一屬性經過分布特征的分析，根據正態分布、對數正態分布以及冪律分布等隨機分布公式進行裂縫的隨機生成；最后通過隨機模擬，對模型中的裂縫條數或發育密度進行調整，直至預期目標的實現。

確定性建模方法是利用數學和地質學實現的，隨機建模方法與之相比具有較大優勢，主要體現在以下兩個方面。一方面，可以避免連續逼近的發生。隨機建模方法當中通過概率分布的應用能夠整合裂縫信息，同時對每條裂縫的詳細屬性進行顯示，能夠有效避免在裂縫尺度方面發生問題。另一方面，通過隨機建模方法能夠對裂縫資料及流體流動的特征在一定程度上進行約束，使得模型與實際儲層之間建立有機的聯合。

DFN 技術通過數據信息建立離散裂縫網絡模型對裂縫系統進行描述，憑借模型自身所具有的多學科資料的協同優勢，能夠將不同類型的尺度數據進行結合，從各個角度對裂縫進行充分認識，同時利用條件約束，最終使得裂縫網絡模型的建立，從而在三維空間當中對天然裂縫的發育情況進行預測。由此可見，DFN模型對于地下裂縫的實際情況能夠更好的展示。

4.2 人工裂縫數學模型

人工裂縫半長與地層破裂壓力和改造強度有關，結合巖石力學實驗結果預測裂縫寬度，采用它們之間的關系建立人工裂縫模型，在模型中用一個個的長方形表示人工裂縫位置（圖10）。

圖10 M 油田長6 儲層人工裂縫模型圖

預測裂縫半長的公式如下：

式中：Fc-裂縫半長，m；Sb-砂比，%；Py-破裂壓力，MPa。

預測裂縫寬度的公式如下：

式中：Wf-裂縫寬度；Xf-裂縫半長；A-泵速；C-壓裂液黏度；G-剪切模量；μ-泊松比；IB-巖石脆性系數；Ki-巖性校正。

4.3 裂縫屬性建模與驗證

基于裂縫模型，采用DFN 算法建立裂縫屬性模型。可以通過三維空間的各類裂縫片組成的裂縫網絡集團來構建整體的裂縫模型，實現了對裂縫系統從幾何形態體現其滲流行為的真實模型描述。

通過對比裂縫滲透率與含水率分布平面圖發現，裂縫滲透率高的部位目前含水率較高，與前期認識相符，因此認為裂縫模型較為可靠（圖11）。

圖11 M 油田長6 儲層裂縫滲透率模型圖

5 結論

（1）從M 油田巖心觀察、成像測井、野外露頭儲層剖面等資料中可看到研究區發育有天然裂縫，根據動態監測及動態響應特征可判斷研究區發育有動態裂縫。

（2）基于裂縫模型，采用DFN 算法建立裂縫屬性模型。通過三維空間的各類裂縫片組成的裂縫網絡集團來構建整體的裂縫模型，實現了對裂縫系統從幾何形態體現其滲流行為的真實模型描述。

（3）通過對比裂縫滲透率與含水率分布平面圖，認為建立的裂縫模型較為可靠。