深層縫洞型油藏井間連通路徑智能預測技術

康志江，張冬梅，張振坤，王睿奇，姜文斌，劉坤巖

［1. 中國石化 石油勘探開發(fā)研究院，北京 102206；2. 中國地質大學（武漢） 計算機學院，湖北 武漢 430074］

向地球深部進軍、拓展深層油氣資源，對筑牢中國能源安全的資源基礎具有重要的現(xiàn)實與戰(zhàn)略意義。據評價，全國深層超深層油氣資源達671×108t 油當量，占資源總量的34 %，是未來油氣勘探開發(fā)的現(xiàn)實領域。經多年勘探開發(fā)實踐，中國深層超深層油氣勘探開發(fā)取得了重要進展，為中國石油工業(yè)的發(fā)展拓寬了新領域。深層縫洞型碳酸鹽巖油藏是多期地質構造和巖溶作用改造形成的復雜油藏，儲集體結構復雜、非均質性強［1］。儲-滲空間類型包括大型溶洞、溶孔、斷裂、裂縫等，其中大型溶洞是重要的儲集體，不同尺度裂縫導流能力強、壓力傳導快，是流體流動的重要通道。注水開發(fā)中普遍存在注入水沿主通道單向突進、部分井水竄嚴重、水驅動用儲量較低等問題，直接影響了水驅開發(fā)效果。正確認識井間連通程度、水竄路徑對控水穩(wěn)油、優(yōu)化生產措施、提高采收率意義重大。

一般示蹤劑測試、干擾試井等測試技術［2-3］能較好預測井間連通程度，但縫洞型油藏井間縫洞體結構與物性差異大，導致測試結果不全面，示蹤劑回收率一般為30 % ～ 70 %，部分鄰井存在關井或不出水的情況，無法得到準確的示蹤劑含量。近年來國內外眾多學者也針對井間連通進行了系統(tǒng)預測研究，將油藏視為多井注采系統(tǒng)，引入多元線性回歸模型［4］、電容模型［5］、系統(tǒng)分析模型［6］等來預測井間連通程度［7］，但模型過于簡化，僅適于常規(guī)碎屑巖連續(xù)介質油藏，基于溶洞、溶孔、不同尺度裂縫的復合介質油藏不適用。

縫洞型油藏不同的巖溶系統(tǒng)連通特征差異較大，風化殼型巖溶沿暗河橫向連通為主，斷控型巖溶沿斷裂帶縱向連通為主。井間的連通路徑與洞孔縫的空間結構直接相關［8］，前人基于相干、曲率、振幅等多地震屬性認識靜態(tài)連通關系［9-13］，但碳酸鹽巖縫洞型油藏儲層埋深6 000 ～ 8 000 m，地震信號能量弱、分辨率低，受地震高精度成像精度等因素制約，影響連通路徑識別的精度［14-15］。有效融合地震多屬性、示蹤劑和地質數據等多信息預測縫洞體空間連通路徑是最有效方法。

基于人工智能技術系統(tǒng)建立井間“連不連”“連通程度如何”與“怎么連”的三步法井間連通路徑預測技術。①基于壓力趨勢、見水時間等鄰井響應參數，變異系數對比法判斷油井與油井之間連通性；②基于注水前后鄰近生產井指標變化幅度，多重分形譜法定量評價井間連通程度；③基于深度殘差網絡的地震多屬性非線性融合技術刻畫縫洞體空間結構，利用改進的強化學習和多目標算法自動搜索井間三維縫洞體連通路徑。以塔里木盆地塔河油田縫洞單元為例，開展風化殼型、斷控型和古暗河型3 類巖溶系統(tǒng)的井間連通程度評價、連通路徑自動搜索研究，為空間結構井網儲量控制、水驅-氣驅效果評價提供了分析依據，對深層縫洞型油藏提高采收率具有較好的指導意義［16-17］。

1 縫洞型油藏連通路徑智能預測方法

基于不同巖溶系統(tǒng)縫洞結構，結合生產動態(tài)數據自動提取整個縫洞單元壓力下降趨勢、生產井見水時間先后關系、各類激勵下相鄰井響應情況等多種特征，從壓力與含水兩個角度認識井間連通關系，判斷井間是否連通。分析注水引起的井間能量變化情況，考慮到注采井間滲透率大小和注水前后生產指標變化幅度成正比，用多重分形譜刻畫鄰近生產井指標變化程度。構建靜態(tài)搜索空間，融合地震多屬性數據刻畫縫洞體空間結構，基于改進強化學習自動搜索與靜動態(tài)特征吻合的井間三維連通路徑。井間連通路徑智能預測主要包括以下幾個關鍵技術。

1.1 基于生產動態(tài)的井間連通性自動判斷

縫洞型油藏生產過程是復雜的非線性動力系統(tǒng)，改變相互連通生產井的工作制度，井間壓力場、飽和度場、速度場均會重新分布，受影響井的井口壓力與產量指標也會有相應的變化，因此定量分析鄰近生產井生產指標變化，能有效判斷井間的連通性。常用的井間動態(tài)連通性判斷主要包括壓力下降趨勢、干擾試井等分析方法。由于不同巖溶系統(tǒng)復雜的縫洞結構使得油藏動態(tài)響應特征多樣，頻繁工作制度調整導致井間相互干擾，人工判別的主觀性強、效率低、可靠性差。

本研究中將各井注采數據歸一為時序數據，融合多方法設計井間連通性自動判斷方法。其中壓力趨勢下降法基于流壓數據，采用分段線性擬合算法對數據進行趨勢分析，鄰井趨勢線下降一致判斷為井間連通。注采響應綜合法基于注水井的注水量，鄰井產油、產水與壓力數據，考慮注水后鄰井滯后反應設置滑動時間窗口，提取生產指標顯著波動變化特征判斷井間是否連通。新開井類干擾法與干擾試井類似，采用最小二乘法根據開井后鄰井產油、產水與壓力變化趨勢判斷新井投產對鄰井的影響程度。生產特征相似性法基于經驗模態(tài)分解和動態(tài)時間規(guī)整算法，根據鄰井間的產液量、壓力、動液面生產動態(tài)相似性判斷井間是否連通。見水時間一致性法基于見水時間及含水率上升速度判別井間連通關系。研究采用變異系數法設置各評價方法權重，以綜合認識流體流向，自動判斷井間是否連通，具體技術框架如圖1所示。

圖1 連通性自動判斷技術流程圖Fig.1 Schematic diagram showing the connectivity judgment procedure

1.2 注采井間連通程度定量評價

由注水井、周圍生產井及連通關系組合而成的復雜注采系統(tǒng)，注入水注入油層后，原油或地層水通過連通好的儲層向生產井驅替，因此持續(xù)注水后相鄰連通生產井會出現(xiàn)壓力增大、動液面上升、產液量及含水率變化等特征，間接反映層內連通關系，變化幅度越大連通性越好。由于碳酸鹽巖儲層溶蝕孔洞、裂縫空間分布具有自相似結構，生產數據呈非正態(tài)分布特征，井間滲透率大小和注水前后生產指標變化幅度成正比，可用多重分形譜定量描述鄰近生產井指標變化程度［18］。多重分形譜f(α)定義為具有相同奇異性指數α子集的Hausdorff 維數，用配分函數χq(δ) 描述多重分形譜f(α)分布特征。

式中：N(δ)表示分形個數；Pi(δ)為第i個分形窗口的概率測度。

τ(q)是質量指數，定義如下：

參數q和τ(q)經過勒讓德變換計算得到。輸入生產數據計算多重分形譜寬以反映概率測度分布的非均勻程度。當注水井的鄰井生產曲線變化劇烈、響應明顯時，多重分形譜的譜寬較大；當鄰井生產曲線變化平緩、響應不明顯時，多重分形譜的譜寬較小。研究通過分析井點間的壓力、產量的變化，用多重分形細致刻畫持續(xù)注水后鄰近生產井指標變化程度，以定量描述井間流動能力，特征提取過程見圖2。進一步基于滑動窗口提取最大波動等特征采用模糊綜合評價方法建立定量評價模型，根據計算得到的綜合連通系數相對大小量化表征連通程度。

圖2 基于多重分形的波動程度提取過程Fig.2 The extraction of fluctuation degree based on multifractal

1.3 基于地震多屬性融合的三維連通路徑強化學習搜索

針對超深層碳酸鹽巖不同巖溶縫洞系統(tǒng)，預測井間三維連通路徑空間展布特征，直觀表征縫-洞、洞-洞、井-洞的空間配置關系是連通評價的基礎。連通路徑預測主要包括：基于深度學習地震多屬性非線性融合、基于強化學習的最優(yōu)連通路徑搜索和井間多連通路徑智能多目標優(yōu)化3項技術。

1.3.1 基于深度殘差網絡的地震多屬性非線性融合

地震多屬性數據描述了不同尺度儲集空間分布，如相干技術刻畫大尺度裂縫、均方根振幅（RMS）技術描述溶洞，曲率檢測中小尺度裂縫與微縫隙。為增強同相軸的橫向連續(xù)性、強化邊界特征，需進一步融合地震多屬性。傳統(tǒng)模型驅動的多信息融合技術存在構建先驗項約束不全面、正則化參數敏感等問題，隨著深度學習技術的發(fā)展，數據驅動融合非線性建模能力更強［19］。

研究基于相干、RMS等地震屬性，基于有監(jiān)督的深度殘差網絡構建空間特征提取模塊獲取孔、縫和洞的局部結構特征，以精細刻畫儲層孔、縫和洞的展布規(guī)律，網絡結構如圖3 所示。地震屬性融合網絡構建主要包括特征提取和地震屬性重構兩部分。特征提取網絡由兩個連續(xù)的卷積層組成，設計參數校正線性單元和下采樣層，用步長為2的卷積核進行下采樣，并拼接提取特征圖。為融合特征重構地震多屬性圖像，研究采用反卷積對特征圖進行上采樣，以恢復屬性切片數據的細節(jié)和精細特征，在編碼器和解碼器之間建立跳躍連接，各上采樣后將編碼器的特征映射到編碼器并與相應的特征圖進行拼接，恢復降采樣過程丟失的細節(jié)。深度殘差網絡融合模塊對地震多屬性進行特征融合，新融合屬性刻畫縫洞體邊界更為清晰。

圖3 深度學習融合網絡結構圖Fig. 3 The structure diagram of deep learning fusion network

1.3.2 基于強化學習的最優(yōu)連通路徑搜索

碳酸鹽巖油藏復合介質空間尺度差異大、不連續(xù)，各向異性，孔縫洞結構使得三維連通路徑搜索環(huán)境復雜，搜索效率大幅度降低［20］。研究將井間三維連通通道搜索過程視為馬爾可夫決策過程，將三維地震體中的碳酸鹽巖復合介質多相流視為強化學習智能體，以多屬性融合后的三維地震體作為搜索環(huán)境，采用QLearning 強化學習實現(xiàn)油藏注采井間三維路徑的自動搜索［21］。由于縫洞型油藏流體在裂縫、溶洞流動中往往沿滲透率大的方向流動，依據流體流動規(guī)律結合啟發(fā)式思想設計新的獎勵函數，提高連通路徑搜索效率。

1.3.3 井間三維連通路徑多目標優(yōu)化

深部斷裂帶、暗河是縫洞型油藏主要流動通道，壓降梯度大、流速高，注入水往往沿著高滲透帶竄進，生產指標短期變化劇烈；溶洞為主要儲集空間，通過溶洞連通的路徑體積較大，洞內流體容積足夠平衡壓力波動，短期內生產指標變化不顯著。因此井間存在多條溝通能力不一的連通路徑，既有沿大尺度裂縫溝通、突破時間較短的通道，又有通過溶洞彌散擴散速度較慢、流通體積較大的途徑，為典型的多約束多目標優(yōu)化問題［22］。井間多連通路徑搜索考慮最短連通路徑、最大流通體積等優(yōu)化目標，具體設計如下。

1） 基于最短路徑長度的優(yōu)化目標f1

路徑長度表示注采井間途經節(jié)點連通通道距離總和。定義如下：

式中：len表示路徑節(jié)點數量；xi，yi，zi為路徑途經狀態(tài)位節(jié)點的坐標。

2） 基于最大流通體積的優(yōu)化目標f2

溶洞占比表示連通通道中儲層為溶洞的節(jié)點占路徑總節(jié)點數的比例。定義如下：

式中：C為溶洞節(jié)點的數量；si為路徑中屬于溶洞的狀態(tài)位。

如何自動優(yōu)化地震多屬性描述的不同儲集體閾值等參數、反映實際地質構造特征是研究的關鍵。研究構建基于Q-Learning 的NSGA Ⅲ井間三維連通路徑多目標搜索算法，自動搜索路徑、識別路徑途經儲集體類型，刻畫連通通道的形態(tài)及三維空間展布，算法流程如圖4所示。

圖4 Q-Learning井間三維連通路徑多目標搜索流程圖Fig.4 The multi-objective search process of Q-Learning 3D connected path between wells

將井間三維連通通道搜索過程視為馬爾可夫決策過程（MDP）S，A，P，r，γ。其中：S表示狀態(tài)集合；A表示動作；P=P(s'|s，a)，是狀態(tài)轉移函數，表示在狀態(tài)s下執(zhí)行動作a后到達狀態(tài)s'的概率；r=r(s)，是獎勵函數，表示轉移到狀態(tài)s時所能獲得的獎勵期望；γ∈(0，1)，是遠期收益的折扣因子。策略選擇函數可表示為表示狀態(tài)為s時采取動作a的概率。Q表用于存儲狀態(tài)s下執(zhí)行動作a時累計預計的獎勵Q(s，a)。

2 不同巖溶背景井間連通路徑預測

受古地貌、古水系和深大斷裂作用，碳酸鹽巖縫洞型油藏形成具有不同地貌分布特征的巖溶系統(tǒng)，主要包括剝蝕作用形成的風化殼巖溶、斷裂控制的斷控型巖溶和古水系控制的古暗河巖溶，不同的巖溶系統(tǒng)呈分區(qū)、分帶分布特征，對應不同的縫洞空間配置關系和連通特征［23］。采用論文提出的井間連通程度自動評價技術，系統(tǒng)分析不同巖溶背景典型縫洞單元的三維連通通道空間展布形態(tài)及生產動態(tài)響應特征。

2.1 風化殼巖溶連通特征

風化殼型巖溶系統(tǒng)主要分布在巖溶高地，在多期構造作用下由于抬升和風化剝蝕作用形成不整合面，發(fā)育在表層巖溶帶風化面以下0 ～ 60 m 內［24］。受表生巖溶作用影響，儲集空間以表層網狀斷裂及沿著裂縫局部溶蝕擴大形成的溶蝕孔洞為主，局部小型巖溶洞穴發(fā)育，密集發(fā)育的中小尺度斷裂和巖溶管道是主要連通通道。

以實際縫洞單元為例，融合相干、振幅、螞蟻體等地震多屬性，采用強化學習自動搜索部分井組三維連通通道，其二維投影如圖5 所示。受控于古地貌，巖溶水順縫而流，單元裂縫溶蝕明顯，形成多個局部表層巖溶縫洞系統(tǒng)。風化殼巖溶井間連通通道范圍大，多向連通，整體沿風化殼層呈不規(guī)則分布形態(tài)。

圖5 塔里木盆地奧陶系風化殼巖溶典型單元三維連通通道投影圖Fig.5 Three-dimensional connected channel projection of a typical unit of the Ordovician weathering crust karst， Tarim Basin

其中TK617CH 井組自動搜索的井組三維連通通道如圖6所示。圖6a二維投影圖顯示井間通過不規(guī)則網狀裂縫溝通，網狀裂縫間分布溶蝕作用形成的小規(guī)模密集分布溶蝕孔洞。由圖6b 可知TK609 和TK629井周較大溶洞發(fā)育，大溶洞間通過多條裂縫溝通。TK617CH 井組呈多連通通道結構，裂縫網絡是連片分布的關鍵，縱向上多為表層洞-縫-洞連通模式。

圖6 塔河油田TK617CH井組三維連通通道Fig. 6 Three-dimensional connected channel of TK617CH well group， Tahe oilfield

進一步采用多重分形、模糊綜合評價等技術判斷TK617CH 井組注水期間各生產井生產動態(tài)變化情況，自動計算的波動程度、最大波動和連通系數如表1 所示。TK617CH 井與TK608，TK609，TK629 等3 口井連通，判斷連通程度TK609＞TK608＞TK629。TK617CH井組同期注入示蹤劑，示蹤劑測試的突破時間、示蹤劑峰值濃度和劈分系數等參數也反映了相同的連通關系與連通程度。以TK608 生產井為例，其濃度產出曲線呈多峰形態(tài)，尖峰個數表征流體在儲層溝通通道數目，反映多通道連通模式見圖7。井間連通路徑與生產動態(tài)響應、示蹤劑測試結果吻合，共同反映風化殼多通道網狀裂縫連通模式。

表1 塔河油田TK617CH井組連通特征參數Table 1 The characteristic parameter table of TK617CH well group connectivity

圖7 塔河油田TK617CH-TK608井對示蹤劑濃度曲線Fig.7 The tracer concentration curve of TK617CH-TK608 well pair， Tahe oilfield

2.2 斷控巖溶連通特征

斷控型巖溶受控于多期構造運動形成的深大斷裂，經溶蝕和熱液改造形成的條帶狀油藏［25］。斷裂帶內部發(fā)育張扭段、壓扭段和平移段縫洞體，弱張扭段、強壓扭段、弱壓扭段是油氣富集區(qū)。

選取典型斷控巖溶縫洞單元為研究對象，對TH10348，TH10337，TH10328 和T728CH 等4 個井組采用算法自動搜索三維連通通道，通道二維投影如圖8所示。連通通道整體明顯呈條帶狀分布特征，通道上半段主要沿北北東方向TP12CX 深大斷裂帶溝通，下半段走向與北北西方向S86-S99深大斷裂平行的次級斷裂方向一致。

圖8 塔河油田奧陶系斷控巖溶典型單元三維連通通道投影圖Fig.8 Three-dimensional connected channel projection of a typical unit of the Ordovician fault-controlled karst in Tarim Basin

TH10328-TH10323X 井間自動搜索的連通通道主體沿北北東方向展布，基本和TP12CX 大斷裂帶發(fā)育方向一致（圖9）。TH10328 井注水后，注入流體沿斷裂驅替，TH10323X 井受效后含水率快速上升，注采響應顯著，動態(tài)響應特征見表2。同期投放示蹤劑，10 d突破，12 d 見峰值，峰值濃度是背景值6.5 倍，為典型大尺度斷裂溝通特征。

表2 塔河油田動態(tài)特征參數Table 2 The parameter table of dynamic characteristics for Tahe oilfied

圖9 塔河油田TH10328-TH10323X井對三維連通通道Fig.9 Three-dimensional connected channel of TH10328-TH10323X well pair in Tahe oilfield

TH10348-TH10364CH 井間自動搜索連通通道整體呈U 型管狀為縫-洞-縫連通模式（圖10）。該井對位于兩大斷裂帶交匯區(qū)，壓扭應力形成斷隆帶，儲集體分布受斷裂控制，TH10364CH 井周裂縫發(fā)育，流體沿高角度裂縫垂向溶蝕在TH10348 井底形成大溶洞。水驅過程沿縫洞體先垂向后橫向，通過高角度裂縫與底部大溶洞溝通，如圖中紅色箭頭所示。TH10348 井連續(xù)注水，注水后TH10364CH 井受效，日產油、含水率緩慢上升。同期投放示蹤劑，17 d突破，18 d見峰值，峰值濃度211.4 cd，峰值濃度約為背景值114.9 cd 的2倍，呈典型局部彌散擴散溶洞溝通特征。

圖10 塔河油田TH10348-TH10364CH井對連通通道Fig.10 Connected channel of TH10348-TH10364CH well pair in Tahe oilfield

典型斷控型縫洞單元連通通道整體受斷裂及構造綜合控制，與注采響應、示蹤劑測試等動態(tài)特征吻合。

2.3 古暗河巖溶連通特征

古暗河型巖溶系統(tǒng)是長期徑流溶蝕作用形成的地下河道，距風化面往下60 ～ 220 m，包括表層風化淋漓帶和深層暗河溶洞帶。表層風化淋漓帶儲層多為溶蝕孔縫、大洞穴，深層暗河溶洞帶以較大規(guī)模溶洞為主，井間連通多沿主河道、支流河道展布［26-27］。

實際縫洞某單元發(fā)育有淺層和深部暗河，局部段通過高角度裂縫溝通淺層與深部暗河［28-29］，用算法自動搜索單元部分井組三維連通通道，其二維投影如圖11所示。由圖11 可見連通沿暗河各干流、支流呈條帶狀展布，通道上分布較大規(guī)模溶洞，通道整體延伸較廣、連續(xù)性較強。

圖11 塔里木盆地奧陶系古暗河巖溶典型單元三維連通通道投影圖Fig.11 Three-dimensional connected channel projection of a typical unit of Ordovician ancient underground river karst， Tarim Basin

以單元TK603CH 井組為例，自動搜索三維連通通道如圖12 所示。由于存在垮塌、充填，連通路徑平面上呈現(xiàn)分段性特征（圖12a），TK603CH 井和TK643 井位于單元淺層暗河上半段，S67 井、TK602 井和TK666井位于暗河下半段。沿淺層暗河發(fā)育大片連續(xù)溶洞，溶洞通過高角度裂縫溝通，縱向呈分層特征（圖12b）。其中S67 井和TK603CH 井沿淺層暗河發(fā)育支流洞，TK602 沿淺層暗河發(fā)育廳堂洞，沿深層暗河發(fā)育小規(guī)模溶洞。綜上所述，位于古暗河巖溶的TK603CH 井組，識別通道沿暗河呈分段條帶分布形態(tài)，通道上連片分布各類廳堂洞、支流洞；縱向上呈分層模式，深淺層暗河不同規(guī)模溶洞通過高角度裂縫連通。

圖12 塔河油田TK603CH井組三維連通通道Fig. 12 Three-dimensional connected channel TK603CH well pair， Tahe oilfield

以TK603CH-S67 井對為例分析注水期間動態(tài)響應特征。如表3 所示，TK603CH 井于2008 年11 月10 日持續(xù)注水，注水后S67 井日產油與含水率均緩慢上升，同期投放示蹤劑，突破濃度較低，是背景濃度的2.19 倍，突破時間為4 d，為暗河通道快速溝通特征，動態(tài)評價結果與靜態(tài)搜索路徑儲集體分布特征吻合。

表3 塔河油田TK603CH-S67井組動態(tài)特征參數Table 3 Dynamic characteristic parameters of TK603CHS67 well pair， Tahe Oilfield

3 結論

1） 風化殼巖溶縫洞連通范圍廣，多向連通性好，整體呈不規(guī)則面狀展布，示蹤劑濃度產出曲線呈多峰形態(tài)，靜動態(tài)特征共同反映井對間多通道連通模式。

2） 斷控巖溶連通通道以主干斷裂和次級斷裂為主，沿斷裂呈條帶狀連通，注采受效方向單一。沿斷裂溝通井對注采響應明顯，示蹤劑推進速度快、峰值濃度高；斷裂帶交匯區(qū)由于垂向溶蝕作用形成溶洞，連通通道通過高角度裂縫和底部大溶洞溝通，示蹤劑見峰時間長，峰值濃度較低。

3） 古暗河巖溶主要溝通通道是不同尺度的河道，上下層河道通過高角度裂縫溝通，由于暗河充填與垮塌，平面呈分段性。井間示蹤劑推進速度快，峰值濃度較低。