地质统计学储层建模技术在印尼马六甲ai和n油田的应用

《地质统计学储层建模技术在印尼马六甲ai和n油田的应用》由会员分享，可在线阅读，更多相关《地质统计学储层建模技术在印尼马六甲ai和n油田的应用（6页珍藏版）》请在金锄头文库上搜索。

1、2001-01-02 收到 2001-03-01 改回地质统计学储层建模技术在印尼马六甲AI 和 N 油田的应用宋春华 崇仁杰 程立芝( 中海石油研究中心开发设计院 北京 101149)摘 要 油田开发中后期, 油藏构造及油水关系已基本描述清楚, 该阶段油藏描述的重点是建立储层预测模型,对井点间及以外区域的储层参数作一定精度的内插或外推预测, 精细描述储层的连通性及储层物性在空间上的变化, 为建立精细的油藏模拟模型和描述剩余油的分布提供地质基础。印尼马六甲 AI 和 N 油田已进入高含水期, 由于海上钻井费用高, 因此钻井数目不可能象陆地油田那样多, 如果利用传统的插值方法描述储层属性, 极易

2、歪曲储层的非均质性。文中把钻井资料、 地震信息与沉积相分析结果相结合, 利用地质统计学中同位协克里金方法建立了储层地质模型。 相对于传统的方法而言, 地质统计学方法建立的储层预测模型更为合理。 在储层地质模型的基础上建立了油藏数值模拟模型, 历史拟合研究表明, 该地质模型较以往的地质模型更精细、 可靠、 合理。同时, 利用三维图形显示技术, 使地质模型的质量得到了有效控制, 从而能更真实直观地反映储层属性在三维空间的分布特征, 为油田调整井设计及生产动态分析提供了重要地质依据。图 1 AI 和 N 油田 Sand- B 油组顶面构造图关键词: 非均质性 地质统计学 同位协克里金方法 地质模型

3、储层属性模型1 前言AI 和 N 油田位于印尼马六甲海峡中苏门答腊盆 地的东北部, 油藏构造为一长轴近南北向、 构造幅度小于 25m 的背斜( 图 1) , 背斜构造形态简单, 断层不发 育。 油田主要储层为上第三系中新统下Sihapas 组, 埋深 11001400m。该套储层以三角洲相中细砂岩为主, 其物性好, 孔隙度为 24% 30% , 渗透率一般在10010- 3200010- 3?m2之间。 砂岩层分布稳定且 连通性好, 水体能量充足。油田原油性质好, 地面原油密度为 0. 790. 84g/ cm3, 地下原油粘度为 0. 52mPas, 属典型的块状底水轻质油藏。AI 和N 油

4、田于20 世纪 90 年代初投入开发, 迄今 共钻探井及生产井 12 口, 其中 N 油田 5 口, AI 油田 7口。在 N 油田的 5 口井中, 含工程报废井 1 口( MSN1井) , 干 井 2 口 ( MSN2、 MSN3 井) , 生 产 井 2 口 ( MSN4、 MSN5 井) 。 AI 油田的 7口井中, MSAI4井因钻空而废弃, 其余 6 口均为生产井, 目前除 MSAI3 井高含水已关闭外, 仍有 5 口井在生产, 截至 2000 年 7月底, N 油田采出程度为 18. 8%、 综合含水率为 92%,2001 年 中国海上油气( 地质) CHINA OFFSHORE

5、OIL AND GAS (GEOLOGY)第 15 卷 第 5 期AI 油田采出程度为 14. 4% 、 综合含水率为 96% 。 鉴于两油田均已进入高含水期, 笔者利用地质统计学方法建立了储层地质模型, 以期为油田调整井设计和生产动态分析提供地质依据。2 三维地质模型的建立地质建模的目的是为了分析储层在空间上的连续性和非均质性、 储层内水体的分布以及油水之间的关系, 并为油藏数值模拟提供地质模型。三维地质建模的核心是三维属性建模和三维显示, 现有的独立软件还 不能很好地同时满足三维属性建模和三维显示的要求。 如美国 ACE 公司的 Gridstat 地质统计学建模软件对储层属性模型的计算较为

6、成熟, 而三维显示功能却存在很大不足; DGI 公司 Earth Vision 软件主要应用于构造建模和三维可视化, 其只有很简单的储层属性建模模块。为此, 笔者把 Earth Vision 软件先进的三维可视 化技术与Gridstat 软件建立的精细储层属性模型相结合, 实现了两软件的优势互补, 并以此为基础建立了三维地质模型。根据研究需要, 利用该模型可作立体模型、 栅状模型、 任意切片或剖面模型等, 以用于指导油田调整井井位的确定。2. 1 地质统计学理论与协克里金模型 地质统计学是以区域化变量为基础, 以变异函数为主要工具, 对 在空间分布上既有随机性又有结构性的地质变量进行统计分析。

7、地质统计学的最大优点是能够最大限度地利用各种地质信息, 它不仅考虑了待估点与信息样品间的空间位置关系, 而且考虑了各信息样品间的空间位置关系等几何因素 1、 2, 因此相对于传统的方法, 地质统计学储层属性建模方法更合理。图 2 地质统计学分析流程AI 和 N 油田已进入开发中后期, 由于海 上钻井工程费用高, 故在近 8km2的含油面积内仅钻井 12 口, 但该油田地震资料品质高, 曾先后进行过三维地震采集和地震储层反演研 究, 从而弥补了钻井资料的不足。根据钻井资料、 高分辨率地震反演结果和地质研究成果, 笔者采用地质统计学中同位协克里金法建立了该油田的储层属性模型。 2. 1. 1 地质

8、统计学分析流程 地质统计学分析具有其独特的方法。首先选择变量并分析其分布特征, 再结合地质特征选择不同方向作 变异函数分析; 之后根据变异函数图分析变量的异向性; 最后通过套构组合选择克里金计算模型。地质统计学分析流程如图 2 所示。2. 1. 2 数据统计分析 孔隙度是描述 储层特征的重要参数, 本次研究选定测井资料精细处理得出的孔隙度为区域化变量。在 AI和 N 油田的12 口井中, 除水平井 MCAI7井外, 其余 11 口井均有测井解释孔隙度数据。 纵向上, 测井解释孔 隙度数据的密度为每米 10 个数据点; 平面上, 井间距为 300500m 不等。根据测井解释孔隙度数据统计得出:

9、?max为 32. 3% , ?min为 0. 1% , 均值为 14. 7% , 标准偏差为 8. 47。统计结果表明, 孔隙度样品数符合正态分布。2. 1. 3 变差函数及其地质分析 变差函数是地质统计学特有的工具, 它既能描述区域化变量的结构变化 3、 4, 又能描述区域化变量的随机变化。变差函数计算式为341第 15 卷 第 5 期 宋春华等: 地质统计学储层建模技术在印尼马六甲AI和N油田的应用r( x, h) =1 2Var Z( x) - Z( x + h) *( h) =1 2N( h)N( h)i= 1 ( xi) - Z( xi+ h) 2式中: *( h) 为变差值, N

10、( h) 为对应不同滞后距 h 的数据对数目, x 为三维空间任意点。实际计算中, 对于不等间距的数据点需考虑滞后距和容差, 在研究某一方向的变差函数时要考虑角度容差。根据研究区井间距及数据点的分布, 得出滞后容差为 100m、 角度容差为 30 , 依据两参数可分别计算水平方向 0 ( N-S 向) 、 45 ( NE-SW 向) 、 90 ( E- W 向) 、 135 ( SE- NW 向) 和垂直方向孔隙度的变差函数( 图 3) 。 利用球型模型拟合孔隙度变差函数得到实际计算模型, 球型模型为*( h) =0 h = 0C0+ C3h 2a-h3 2a30 a式中: C0为块金效应,

11、表示 h 很小时两数据点间的品位变化; a 为相关程, 其大小反映了研究对象中某区域化变量的变化程度; C 为基台值, 反映某区域化变量在研究范围内的变异强度。 图 3 是AI 和 N 油田垂直方向和水平各方向孔隙度变差函数及拟合图。 从图3 可以看出, 垂直方向的变程小于水平各方向, 而基台值则大于水平各方向, 表明垂直方向孔隙度变化大。 垂直方向的相关程约为18m,这与该油田三角洲砂体的厚度基本一致; 平面上, SE-NW 方向的最大相关程为 6095m, 代表了三角洲砂体 的延伸长度, 反映在该方向上砂体延续性好。该方向正好与物源输入方向 ( NE-SW 向) 垂直, 与储层侧向展布方向

12、一致。图 3 AI和N油田孔隙度变差函数及拟合图对于一定沉积相的储层而言, 其在不同范围和不同方向具有不同的变异性。 为了用一种合适的理论变差 函数拟合不同方向的变差函数, 必须进行套构组合, 即把出现在不同方向上和不同范围内同时起作用的变差函数组合起来。就某一储层来看, 由于受沉积相和物源的影响, 通常具有几何异向性, 即不同方向变异程度相同而连续性不同。从 AI 和N 油田孔隙度变差函数及拟合图可以看出: 平面上, SE-NW 方向相关程最大, 为椭球的主342中 国 海 上 油 气 ( 地 质 ) 2001年图 4 AI 和 N 油田孔隙度垂向变差函数及拟合图轴方向, NE-SW 方向相

13、关程最小, 为短轴方向, 两方向相 关程之比即为砂体的长宽比; 主轴方向与垂直方向相关程之比为砂体的宽厚比。变差函数自动套构组合的拟合模型为: 砂体的长宽比为 1. 5, 宽厚比为 574; 这与三角洲 砂体的特征相吻合 5, 在进行孔隙度结构拟合时, 考虑到孔隙度在极小范围内变化甚微, 因此设定 C0为零, 即当h 很小时, 孔隙度不发生变化( 图 4) 。2. 1. 4 同位协克里金法 协克里金法是指某一区域 化变量可用与之相关的若干变量来研究 3。该方法不仅考虑了所选区域化变量的空间相关性, 而且考虑了所选区域化变量与其相关属性的空间相关性, 这种空间相关 性可用于指导和约束所选区域化变

14、量的插值。AI 和N 油田储层物性相关性研究结果表明, 岩心分 析与测井解释的孔隙度和渗透率, 以及地震反演孔隙度等呈一定的相关性。 由于钻井孔隙度、 渗透率等分析样品密度较小, 地震反演孔隙度数据密度虽大, 但可靠程 度相对较低, 因此在建立该油田储层预测模型时, 选择测井解释孔隙度值为第一属性, 而将地震反演孔隙度值作为相关属性, 用于指导和约束储层孔隙度模型的计算。 同位协克里金法由于使用的是待估点网格上的地震数据, 不必寻找最近的地震数据, 因此内插效果更可靠。相关分析结果显示, 测井解释孔隙度与地震反演孔隙度呈线性相关, 相关程度大于 0. 5, 孔隙度模型计 算时, 选择地震反演孔

15、隙度的可信度为 0. 6。2. 2 储层属性模型计算 克里金计算模型一旦确定, 即可计算孔隙度模型, 并通过孔渗关系计算渗透率模型。 综合考虑AI 和N 油田的井网密度、 油藏特征及模型纵向分辨率、 计算机容量, 确定模型平面网格步长 为 50m50m, 垂向网格步长为 2ft, 模型网格节点超过 400万个, 垂向网格步长能基本满足精细描述储层非均质性的要求。2. 3 三维显示及模型分析 三维显示是三维建模的一项重要技术。 根据地质、 油藏分析的需要, 可利用三维显示技术从不同的角度、 深度或范围对精细模型进行观察分析。 根据Gridstat 建立的储层属性模型, 输出 Earth Visi

16、on 软件可以接受的三维网格文件, 加载到与储层属性模型构造及网格相匹配的 Earth Vision 软件的构造模型中, 利用 Earth Vision 软件的可视化功能, 可显示油田储层的孔隙度立体模型( 图 5) 、 孔隙度栅状剖面模型( 图 6) 及单井模型、 连井剖面等。 通过对 AI 和N 油田储层属性模型的分析, 获得了以下新的地质认识:图 5 AI和N油田孔隙度立体模型图图 6 AI和N油田孔隙度栅状剖面模型图343第 15 卷 第 5 期 宋春华等: 地质统计学储层建模技术在印尼马六甲AI和N油田的应用( 1) N 与 AI 两油田之间的水体是连通的, 砂体内泥岩夹层分布局限, 砂体横向连通性好, 从而改变了以 往对两油田间水体是否连通的不确定性认识。( 2) 区域性泥岩层控制着油田油水的分布, 两油田 Sand-A、 Sand- B、 Sand-C 等 3 个油组之间的泥岩层分布稳定, 不同油组之间的油