孟俊, 骆杨

(1.中国石化华北分公司, 河南 郑州 450006; 2.中国地质大学构造与油气资源教育部重点实验室, 湖北 武汉 430074)

0 引 言

裂缝表征是油气田勘探开发的一项基本内容[1],其研究具有较大困难[2]。裂缝的测井识别是裂缝表征的重要基础,而垂直裂缝的测井识别则是其中一个难点[3]。

裂缝测井识别主要有特殊测井和常规测井2条途径。特殊测井方法是通过发展对裂缝响应比较敏感的测井技术直接显示裂缝位置、特征等,如微电阻率扫描等成像测井[4]。这些方法可以准确识别垂直裂缝等各类裂缝,但昂贵的成本使其难以广泛应用,大部分老井也缺乏类似资料[5]。大量研究表明,各种常规测井对垂直裂缝的响应相对较弱,容易发生漏划[3]。因此,提高常规测井识别垂直裂缝的技术水平成为一个重要问题,这在以垂直裂缝为主的裂缝性储层研究中尤为关键。

鄂尔多斯盆地泾河油田长8段发育致密砂岩油藏,已有研究表明,大量发育的构造成因的垂直裂缝对该油藏的渗透性及产能有重要影响。因此,垂直裂缝的准确识别对该油藏的储层表征及进一步的油藏评价都具有重要影响。本文针对该油藏的地质特点,基于常规测井资料,采用小波变换技术,探讨该油藏的垂直裂缝识别方法,为储层裂缝的进一步表征奠定基础,也可为其他地区垂直裂缝的识别提供借鉴。

1 地质概况

鄂尔多斯盆地泾河油田在甘肃省和陕西省交界地区,位于伊陕斜坡、渭北隆起和天环向斜交接部位,目前正处于开发评价-开发初期阶段,其中,延长组长8段是该区块的重点开发层系。

长8段沉积相为辫状三角洲沉积相的三角洲前缘亚相,岩性主要为细粒长石岩屑砂岩和岩屑长石砂岩。基质孔隙度平均5.26%,渗透率平均0.173×10-3μm2,为特低孔隙度-超低渗透率储层。但在印支期、燕山期和喜山期等3期构造运动的作用下,经过构造挤压、沉降和抬升等复杂的构造演化,该层段大量发育断层及构造裂缝,形成了与裂缝分布有关的孔隙-裂缝型储层,根据体积法和Parsons公式计算[3],裂缝渗透率可达2.994×10-3μm2。因此,孔隙-裂缝型储层被认为是长8段获得油井高产的主要优质储层类型之一。

2 裂缝特征

对彬长地区长8段47口井的岩心进行观察及裂缝描述,裂缝以构造剪切缝为主,根据王允诚等[6]对裂缝的分类方法,可分为垂直缝(倾角75°～90°)、高角度斜交缝(75°～45°)、低角度斜交缝(45°～15°)和水平缝(0°～15°)等4种类型,其中水平缝为偶尔发育的水平微裂缝带。

2.1 垂直裂缝发育特征

(1) 长8段最为发育的裂缝类型是垂直裂缝,在岩心观察到的裂缝中其比例可达76%,其次为高角度斜交缝,比例为18%。

(2) 垂直裂缝的缝宽相对较大,约1～2 mm,且随着裂缝倾角的减小,裂缝宽度也有减小的趋势。

(3) 垂直裂缝中仅有12%被完全充填,充填物以方解石胶结物为主,其余均为未充填(约82%)或半充填(约6%)。

垂直裂缝较高的发育比例和较大的开启缝宽,使其在储层渗流中具有比其他类型裂缝更为突出的作用。

根据岩心观察结果统计,长8段可见垂直裂缝65条,平均线密度0.1 条/m,但垂直裂缝在不同岩性中的发育程度相差较大(见表1)。以线密度和裂缝长/岩层厚度比2项参数表示垂直裂缝的发育程度,随着泥质含量增加,垂直裂缝发育程度减小,而各项特征参数均在细砂岩中表现出较大优势,特别是从裂缝数量和裂缝总长度2个方面分析,长8段垂直裂缝主要集中于细砂岩层段。

由此可见,垂直裂缝的大量发育和在细砂岩中的集中分布,使得该类裂缝在研究区的砂岩储层评价中不可忽视。

表1 不同岩性垂直裂缝发育情况统计

2.2 垂直裂缝含油性

岩心观察可见(见图1),垂直裂缝中约71.9%具有油气显示,其中多为油斑级别。裂缝发育具有的较高含油饱和度特征使钻井液侵入导致的测井响应具有更大的异常,特别是与流体电阻率相关的异常。

图1 垂直裂缝段岩心含油性统计

3 测井响应特征

测井响应特征分析是裂缝测井识别的基础,为识别裂缝提供判别依据[5]。纵向分辨率较高、探测深度较浅的常规测井方法,如深浅侧向电阻率、声波时差、密度、中子测井等,是地层中微观孔隙结构、流体性质、裂缝、岩性等多种信息形成的不同频率响应的信号之和[7]。裂缝(特别是开启裂缝)是地层中的非连续地质体,会造成测井响应呈现局部异常,而裂缝与基质渗透率的巨大差异引起的钻井液侵入异常也会加强这种局部特征。这种局部异常也会表现在测井曲线上,从而在一定程度上被用来指示裂缝[1]。

3.1 方法选择

基于常规测井的裂缝响应特征分析,通常是通过分析常规测井曲线或基于常规测井的指示曲线实现[3,5]。这在识别具有较小倾角或密集发育的裂缝(如斜交缝、网状缝)时有比较高的准确性。但是,垂直裂缝在常规测井曲线上的异常反应通常相对较弱[3]。统计泾河油田长8段的垂直裂缝测井响应特征也发现,研究区垂直裂缝段对应的大多常规测井曲线响应不明显:声波时差变化不明显,密度和中子测井在部分裂缝段略有响应,相比之下,深、浅电阻率离差异常与垂直裂缝发育段具有较好的对应性。

对此,需采取一定的处理方法强化垂直裂缝造成的响应特征。其中,通过一定的数学方法对数据进行分解是强化裂缝响应特征并进行裂缝识别的一个重要方向[8],小波变换则是其中一种被广泛应用的方法。Sahimi和Hashemi[9]研究认为孔隙度曲线经过小波变换后的高频部分可反映裂缝的存在。随后,国内外众多学者采用小波变换方法对声波时差等基本数据或含水饱和度等解释数据进行多尺度分解,识别单井裂缝,并取得较好效果[7-8,10-15]。已有众多学者利用小波变换方法,通过多尺度滤波、分解等步骤处理声波时差、电阻率、含水饱和度等测井数据或参数,重构多尺度信息,突出裂缝的响应特征,进而准确识别[7,12,14]。因此,本文将小波变换技术用于识别研究区的垂直裂缝,通过强化裂缝响应异常,总结垂直裂缝的响应特征,以确定裂缝识别的判别方法和依据。

3.2 响应特征

为了突出研究区垂直裂缝造成的测井响应异常,本文构造了孔隙度差值φD和电阻率离差RD曲线,其中φD为声波孔隙度和总孔隙度[5]的差值,RD为深、浅侧向电阻率差值。采用小波变换方法,选用dmey小波基对2条重构曲线进行一级分解,提取高频部分的小波分解系数并绝对值化,得到最终的裂缝识别信息曲线Dφ和DR,最后读取垂直裂缝段的Dφ和DR绝对值和相应的泥质含量(Vsh),绘制交会图(见图2)。

图2 垂直裂缝段Dφ和DR响应特征

由图2可见,细砂岩层段中,随着泥质含量减少,垂直裂缝引起的孔隙度异常减弱,而电阻率异常增加。这种变化可能与裂缝的低孔隙度、高渗透率特性有关,而裂缝含油则会强化这种响应特征。因此,采用孔隙度异常和岩性(泥质含量)进行辅助,深、浅电阻率离差异常可用于识别研究区细砂岩中的垂直裂缝段。

4 测井识别方法

(1) 重构曲线。按照前文所述构造孔隙度离差曲线φD和电阻率离差曲线RD。

(2) 小波分解。采用一维离散小波变换方法,选用dmey小波基对φD和RD曲线进行一级分解,获取高频部分信息。

(3) 滤波去噪。选用db4小波基在2级分解层次上,采取sqtwolog软阀值方法对上一步得到的高频信息进行滤波处理,得到曲线Dφ和DR。

(4) 裂缝识别。以DR曲线为主,并以泥质含量Vsh和Dφ曲线辅助,根据前述垂直裂缝段响应特征识别细砂岩中发育的垂直裂缝段。

与传统先滤波后进行小波分解的顺序不同,本文考虑到垂直裂缝造成的异常响应相对较弱,而预处理形式的滤波去噪会进一步减弱这种裂缝响应特征,增加垂直裂缝的识别难度。因此,本文将滤波去噪顺序置于小波分解之后,以后处理形式消除测井信号中随机信息的干扰,从而减小对裂缝响应异常的压制。事实证明,这种方法可有效保留垂直裂缝造成的测井异常响应,同时压制随机干扰,以便于垂直裂缝段的识别。

图3为泾河12井垂直裂缝段识别结果。根据上述识别方法,在岩性识别的细砂岩层段内,以DR曲线为主进行识别,Vsh值越小,则要求DR曲线越大,且Dφ曲线值越小,反之亦然。在图3所示井段,A井1 362.3～1 366.1 m井段的Vsh值较小,其对应的DR值变化较大且Dφ值变化较小,具有垂直裂缝发育的响应特征,而岩心观察和成像测井资料也证实该段发育垂直裂缝。相比之下,B井段Vsh值较大,其对应的DR值部分层段变化较大,但对应的Dφ值则比较平缓;C段与A段的Vsh和DR值起伏程度相近,但其对应的Dφ值变化。可见,B段和C段响应特征与前述的垂直裂缝响应特征均不同,成像测井资料也证实,这2个井段不发育垂直裂缝。

上述分析可见,将传统的孔隙度和电阻率异常识别方法与小波变换相结合,以电阻率响应特征异常为主,可较好地识别泾河油田长8段的垂直裂缝发育段。

需要说明的是,常规测井识别裂缝的能力受裂缝特征、流体性质及测井质量等多因素控制。对于给定的测井数据,小波变换增强其裂缝识别能力,是通过突出裂缝响应特征,而不是提高测井曲线分辨率,因此对裂缝分辨能力的提高有限。尽管如此,这种处理对测井响应相对微弱的垂直裂缝的识别仍有比较明显的作用。

图3 泾河12井长8段垂直裂缝段测井识别

5 结 论

(1) 孔隙裂缝型储层是泾河油田长8段获得油井高产的主要优质储层类型之一,垂直裂缝是主要的裂缝类型,主要发育在细砂岩中且具有较好的含油性。

(2) 相对于常规测井曲线对垂直裂缝识别的困难,小波变换方法可以放大垂直裂缝造成的电阻率异常特征,减弱岩性变化和随机干扰等因素形成的异常变化。这使得对井下垂直裂缝段的识别,更加直观、准确。

(3) 对于泾河油田长8段垂直裂缝发育层段,将传统的孔隙度和电阻率异常识别方法与小波变换相结合,以电阻率响应特征异常为主,考虑泥质含量变化对孔隙度和电阻率异常的影响,可实现常规测井的有效识别。

参考文献:

[1] Laongsakul P, Dürrast H. Characterization of Reservoir Fractures Using Conventional Geophysical Logging [J]. Sonklanakarin Journal of Science and Technology, 2011, 33(2): 237.

[2] Olson J E, Laubach S E, Lander R H. Natural Fracture Characterization in Tight Gas Sandstones: Integrating Mechanics and Diagenesis [J]. AAPG Bulletin, 2009, 93(11): 1535-1549.

[3] 穆龙新, 赵国良, 田中元, 等. 储层裂缝预测研究 [M]. 北京: 石油工业出版社, 2009.

[4] 高松洋. 成像测井资料在裂缝识别中的应用 [D]. 东营: 中国石油大学(华东), 2007.

[5] 孙建孟, 刘蓉, 梅基席, 等. 青海柴西地区常规测井裂缝识别方法 [J]. 测井技术, 1999, 23(4): 28-32.

[6] 王允诚. 裂缝性致密油气储集层 [M]. 北京: 地质出版社, 1992.

[7] 高伟, 王允诚, 徐静, 等. 小波分析在测井裂缝识别中的应用 [J]. 西南石油大学学报: 自然科学版, 2008, 30(1): 51-53.

[8] Tokhmechi B, Memarian H, Rasouli V, et al. Fracture Detection from Water Saturation Log Data Using a Fourier-Wavelet Approach [J]. Journal of Petroleum Science and Engineering, 2009, 69(1/2): 129-138.

[9] Sahimi M, Hashemi M. Wavelet Identification of the Spatial Distribution of Fractures [J]. Geophysical Research Letters, 2001, 28(4): 611-614.

[10] Surjaatmadja J, Stan S, Champak B, et al. Analysis of Generated and Reflected Pressure Waves during Fracturing Reveals Fracture Behavior [C]∥ San Antonio, Texas: Society of Petroleum Engineers, 2002.

[11] Mohebbi A, Haghighi M, Sahimi M. Conventional Logs for Fracture Detection & Characterization in One of the Iranian Field [C]∥ Dubai, U. A. E: International Petroleum Technology Conference, 2007.

[12] 肖大志. 基于常规测井资料小波多尺度分析的裂缝识别方法 [J]. 工程地球物理学报, 2011, 8(2): 216-221.

[13] Zhang X F, Pan B Z, Wang F, et al. A Study of Wavelet Transforms Applied for Fracture Identification and Fracture Density Evaluation [J]. Applied Geophysics, 2011, 8(2): 164-169.

[14] 张文静. 小波多尺度分析方法识别储层裂缝 [D]. 东营: 中国石油大学(华东), 2009.

[15] 张晓峰, 潘保芝. 二维小波变换在成像测井识别裂缝中的应用研究 [J]. 石油地球物理勘探, 2012, 47(1): 173-176.