APP下载

东海X 气田基于测井参数的渗透率及产能预测方法研究

2024-01-04锋,陈现,王

海洋石油 2023年4期
关键词:伽马物性岩心

魏 锋,陈 现,王 迪

(1.中国石油化工股份有限公司上海海洋油气分公司勘探开发研究院,上海 200120;2.中国石油化工股份有限公司石油勘探开发研究院无锡石油地质所,江苏 无锡 214126;3.中国石油化工股份有限公司西南油气分公司勘探开发研究院,四川 成都 610041)

由于海上钻井成本极高,井资料有限,尤其是开发井,往往只测自然伽马和电阻率曲线,没有任何孔隙度曲线,估算的渗透率存在很大的不确定性。储层的渗透率通常利用岩心的孔渗关系求得,受成本限制,海上的岩心资料有限,通常不同层位,不同区域的储层渗透率需要借鉴其他层位、其他区域的岩心孔渗关系求得,储层的渗透率计算结果存在一定的误差。对产能计算公式分析后发现,产能计算公式里,储层的渗透率对产能计算结果有重要的影响。求取更为准确的储层渗透率,用来更好地预测产能,对指导油田的生产有重大的意义。

含烃饱和度反映的是成藏时油气的充注程度,渗透率高的储层,在成藏时,同样大小的作用力下,油气的充注程度往往也高,因此,在纯的油气层,物性高低影响了含烃饱和度。在纯的油气层,经过统计发现,束缚水饱和度与渗透率存在着负相关的关系,即含烃饱和度与渗透率成正相关的关系。考虑到含烃饱和度与产能影响因素之间存在一定的关系,如果能把含烃饱和度直接融入到产能预测方法中,将有助于提高产能预测的精确度。本文基于以上认识,针对海上少井少资料的特点,探索一种准确预测产能的方法,更加客观可靠地认识油气藏的产能特征。

1 渗透率计算方法研究

1.1 综合孔隙参数法

目前,计算绝对渗透率的最常用方法是利用岩心的孔渗关系。利用钻井取心和旋转井壁心的化验分析资料,可以得到渗透率与孔隙度的关系。然而,不同的层位,不同的岩性颗粒,不同的泥质含量,其渗透率的差异较大。同一个气层,泥质含量的不同,渗透率大小也是明显不同的[1]。图1 是K2 井岩心孔隙度和渗透率的关系图,从图上可以看出,两者相关性较低,利用该公式求渗透率,误差比较明显。自然伽马值的大小在东海碎屑岩地层可以反映泥质含量的大小[2],即同样大小的孔隙度,自然伽马值越高,渗透率往往越低[3],因此,把自然伽马和孔隙度结合在一起,共同作为影响渗透率的重要参数,可以提高渗透率的计算精度[4]。

图1 K2 井岩心渗透率与孔隙度的关系Fig.1 Relationship between core permeability and porosity of Well K2

在碎屑岩地层,自然伽马值直接反映了地层中吸附的放射性物质含量,如黏土,粉砂等。本文统计了HY2 井岩心泥质含量和自然伽马值的关系(图2),呈指数正相关,且相关性较高。本文尝试用自然伽马直接代替泥质含量等参数结合孔隙度建立与渗透率的关系。

图2 HY2 井岩心泥质含量与自然伽马的关系Fig.2 Relationship between shale content and natural gamma ray in Well HY2 core

表1 K2 井壁心物性表Table 1 Physical property of borehole core of Well K2

1.2 综合孔隙参数法应用效果

从表1 可以建立K2 井渗透率与综合孔隙参数的关系图(图3),从图3 可以看出,通过数据拟合可知,把自然伽马和孔隙度融合在一起的综合孔隙参数与渗透率的相关性是很高的。利用综合孔隙参数法求得的渗透率与岩石的真实渗透率之间的相关系数达到0.96(图4),而利用单孔隙度求得渗透率与岩石真实的渗透率之间的相关系数只有0.72(图5),证明了利用综合孔隙参数法求得的渗透率精度高于单孔隙度法求得的渗透率。

图3 K2 井岩心渗透率与综合孔隙参数的关系图Fig.3 Relationship between core permeability and comprehensive pore parameters of Well K2

图4 岩心渗透率与综合孔隙参数计算的渗透率的关系图Fig.4 Relationship between core permeability and permeability calculated by comprehensive pore parameters

图5 岩心渗透率与单孔隙计算的渗透率的关系图Fig.5 Relationship between core permeability and permeability calculated by single pore

2 产能预测模型的建立与验证

2.1 模型的建立

根据产能公式,储层的产能是测试压差、厚度、流体黏度和储层物性等参数的函数,为了更好地表征储层的产能,构建了米产气指数q,寻找储层参数与米产气指数的关系,为今后储层的产能预测进行指导[5]。

式中:Q为油气层产能,m3/d;h为油气层的有效厚度,m;Pe为油气层压力,MPa;Pw为井眼流动压力,MPa;μ为流体的黏度,mPa·s;re为泄气半径,m;rw为井眼的半径,m;ke为流体的有效渗透率,10−3μm2。

从产能公式来看,产能的大小取决于油气藏的供油或者供气半径、油气层的有效厚度、油气藏流体的黏度、油气藏的有效渗透率等因素[6]。从东海目前的勘探和开发经验来看,通过测压可以得到储层的地层压力,在试油时带的压力计可以求得储层的流动压力[7]。由于东海目前以气藏为主,而气藏的黏度相对比较稳定,根据经验,不同渗透率地层可以计算相应的泄气半径[8]。因此,对产能影响最大的是测试层或者生产层的有效渗透率[9]。

从产能公式看,产能与储层的有效渗透率成正比[10]。为了更有效直接反映储层特征参数与产能之间的关系,统计了多口探井的试油资料,求得了米采气指数q,单位为 104m³/(d·MPa·m)。

式中:h 为油气层的有效厚度,m;Pe为油气层压力,MPa;Pw为井眼流动压力,MPa。

针对渗透率精度低的问题,利用上一节中综合孔隙参数法计算的渗透率精度有明显提高。表2 为统计的探井的试油数据,计算米采气指数。为了探索含气饱和度与米采气指数之间的关系,结合含气饱和度与渗透率构建了一个综合物性参数M,令其中K为渗透率,10−3μm2;Sg为含气饱和度,%;Sw为含水饱和度,%。

统计东海部分测试层的产能和物性参数,并建立交会图(图6)。从图中可知,两者的相关系数为0.85,作为对比,也建立综合物性参数与产能的关系(图7),可以看出,两者的相关系数为0.87,相关性有一定程度的提高。

图7 米采气指数与综合物性参数的关系图Fig.7 The relationship between productivity index per reservoir thickness and comprehensive physical parameters

2.2 模型的验证

利用本方法对K1井DST2层(3 565.6~3 568.2 m)进行了验证,经过计算,综合物性参数为87.15×10−3μm2,利用本图版法计算的米采气指数为0.51×104m³/(d·MPa·m),而经过测试证实,本层的米采气指数为0.54×104m³/(d·MPa·m),非常接近,证明了本方法的有效性。

3 结论

(1)在岩心实验分析的基础上得出的综合孔隙参数与渗透率有比较高的相关性,实践证明,利用此方法求得的渗透率更加准确。

(2)在求得了合理的渗透率的基础上,结合含气饱和度等参数,拟合得到的综合物性参数,与米产气指数有较高的相关性,经证实,本方法求得的米采气指数与测试的米采气指数是比较接近,证明了本方法可行。

猜你喜欢

伽马物性岩心
宇宙中最剧烈的爆发:伽马暴
基于车载伽马能谱仪的土壤放射性元素识别研究
R1234ze PVTx热物性模拟计算
中韩天气预报语篇的及物性分析
LKP状态方程在天然气热物性参数计算的应用
Understanding Gamma 充分理解伽马
一种页岩岩心资料的保存方法
低孔低渗储层物性下限确定方法及其适用性
Acellular allogeneic nerve grafting combined with bone marrow mesenchymal stem cell transplantation for the repair of long-segment sciatic nerve defects: biomechanics and validation of mathematical models
长岩心注CO2气水交替驱试验模拟研究