CN110658555A - 储层流体因子构建方法及储层流体识别方法 - Google Patents
储层流体因子构建方法及储层流体识别方法 Download PDFInfo
- Publication number
- CN110658555A CN110658555A CN201810694157.7A CN201810694157A CN110658555A CN 110658555 A CN110658555 A CN 110658555A CN 201810694157 A CN201810694157 A CN 201810694157A CN 110658555 A CN110658555 A CN 110658555A
- Authority
- CN
- China
- Prior art keywords
- modulus
- fluid
- rock
- water
- reservoir
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000012530 fluid Substances 0.000 title claims abstract description 205
- 238000010276 construction Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000011435 rock Substances 0.000 claims abstract description 86
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 68
- 239000011148 porous material Substances 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 229920006395 saturated elastomer Polymers 0.000 claims description 17
- 239000004576 sand Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000007790 solid phase Substances 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 10
- 230000035945 sensitivity Effects 0.000 abstract description 9
- 230000008859 change Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000005755 formation reaction Methods 0.000 description 4
- 239000012071 phase Substances 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009933 burial Methods 0.000 description 2
- 125000001183 hydrocarbyl group Chemical group 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 description 1
- 241000219475 Bougainvillea Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003027 oil sand Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
公开了一种储层流体因子构建方法及储层流体识别方法。该方法可以包括：根据工区内的测井数据、录井数据和实验室岩心测试数据，针对目标储层，建立包含纵波模量和纵横波模量比的岩石物理模板；将实际测井数据交会至岩石物理模板上，确定100％含水砂岩线为不同孔隙流体砂岩的分界线；将100％含水砂岩线作为基准线，将与100％含水砂岩线的相对距离作为判别砂岩孔隙流体性质的指示参数；对100％含水砂岩线进行拟合，获得100％含水砂岩线的拟合结果，进而获得流体因子RPTI表达式。本发明针对储层的岩石物理特点构建有针对性的组合关系，综合两种独立流体因子的优势，得到流体敏感性更高的流体因子，提高储层流体识别的精度。
Description
技术领域
本发明涉及油气地球物理技术领域，更具体地，涉及一种储层流体因子构建方法及储层流体识别方法。
背景技术
储层流体识别技术是进行油气藏预测和油气储层描述的重要手段，在油气藏的勘探和开发过程中都有着举足轻重的地位。储层流体识别是以岩石物理理论为指导，利用地球物理数据获取与孔隙流体性质有关的地球物理响应建立流体因子，从而指示储层中流体的性质。但是目前常用的流体因子构建方法较为简单，常用的流体因子普适性差。尤其是在目前勘探程度深入、复杂油气储层逐渐成为主要勘探目标的情况下，常规流体因子的弱点更为突出。因此，研发适用于复杂油气储层的流体因子是目前储层流体识别工作的重点和难点。
早期广泛应用的流体识别技术主要是基于地震振幅解释的技术。随着岩石物理理论的发展，地震岩石物理理论在储层流体识别中的作用逐渐得到重视，成为含油气储层流体性质表征的重要发展方向。在岩石物理理论的指导下，通过储层流体地震波响应分析，可以将与流体性质有关的特性表征为流体因子，用于判别流体类型。Ostrander等(1984)利用泊松比的低值异常指示含气砂岩储层。Goodway等(2001)和Gray等(1999)通过研究证明了拉梅参数对于含油气储层的良好指示性能。Smith等(2003)提出了流体因子角的概念并基于此构建了流体因子。基于对Biot-Gassmann双相介质理论的研究，Russell等(2003)指出Gassmann流体项f是一种可以检测流体性质的参数，并构建了相应的反射系数近似方程。在Hedlin(2000)针对岩石模量性质研究的基础上，Han等(2003，2004)简化了Gassmann方程，并提出可以计算出流体体积模量Kf作为指示孔隙流体性质。李景叶等(2008)认为Kfρf是敏感性最高的流体因子。印兴耀等(2010)基于Russell的研究发展了一种弹性阻抗反演方法用于直接在地震尺度估算Gassmann流体项。宗兆云等(2012)利用纵、横波模量重新推导了Gassmann流体项的计算公式并提出了基于叠前反演的流体项估算方法。Al-Dabagh等(2011)认为体积模量和密度的乘积Kρ也是储层流体的良好指示因子。Yin等(2014)进一步阐述了流体体积模量Kf在流体识别中的优势，并提出了一种可以直接反演Kf的叠前反演方法。印兴耀等(2015)从流体对地震波的影响机理出发阐述了流体识别的基础问题并概述了基于岩石物理研究的地震流体识别方法。石玉梅等(2016)基于Kuster-Tosoz方程和Gassmann方程建立了一种地层体积模量分解方法，用于估计地层孔隙流体的体积模量，并应用于储层流体识别。
随着研究的深入，地球物理学家们发现在复杂的储层条件下，单一的流体因子无法准确指示孔隙流体性质，不能满足流体识别工作的需要，此时可以使用基于组合运算的流体因子提高流体敏感性，增强流体识别效果。基于组合运算的流体因子是利用多个物理意义明确的流体因子进行运算或利用物理意义明确的流体因子和其他弹性参数进行运算得到的组合流体因子。目前常见的组合流体因子一类是独立流体因子之间的简单乘积，如拉梅参数与密度的乘积λρ和μρ，体积模量和密度的乘积Kρ，杨氏模量和密度的乘积Eρ，流体体积模量与流体密度的乘积Kfρf等。另一类是基于更复杂运算的组合流体因子。流体因子角θf是利用Shuey提出的Zoppritz方程的两项近似计算含水砂岩的反射系数等于0时的入射角，其定义式为Fluid_Factor＝A+Bsin2θf，A,B分别为截距和梯度。基于Biot-Gassmann双相介质理论，Russell等(2003)指出流体项f是一种可以检测流体性质的参数，并构建了相应的反射系数方程，表达式为
Quakenbush等(2006)通过研究纵、横波阻抗的交会利用两种阻抗的间接组合建立了泊松阻抗，提高了流体识别精度，泊松阻抗的表达式是PI＝IP-cIS。宁忠华等(2006)归纳了常用的流体因子，并通过将弹性参数进行组合提出了不同类型的组合流体因子。Liu等(2012)根据现有流体因子的特点，通过改进提出了一个新的组合流体因子
综上所述，目前常见的流体因子构建方法通常是基于岩石物理理论，在岩石物理分析的基础上选取储层岩石的弹性参数作为指示储层孔隙流体性质的流体因子。对于复杂储层，尤其是致密储层而言，由于孔隙少，流体含量也少，而且流体对于地震波的影响也会减小。因此常见的流体因子的敏感性会降低，在实际应用中出现不适用的情况。常用的组合流体因子虽然可以综合独立流体因子的优势，但是由于组合方式过于简单、储层岩石物理特征的针对性不足，构建的流体因子也不能完全反映储层的流体性质。因此，有必要开发一种储层流体因子构建方法及储层流体识别方法。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种储层流体因子构建方法及储层流体识别方法，其针对储层的岩石物理特点构建有针对性的组合关系，综合两种独立流体因子的优势，得到流体敏感性更高的流体因子，提高储层流体识别的精度。
根据本发明的一方面，提出了一种储层流体因子构建方法。所述方法可以包括：根据工区内的测井数据、录井数据和实验室岩心测试数据，针对目标储层，建立包含纵波模量和纵横波模量比的岩石物理模板，其中，所述岩石物理模板包括泥岩趋势线、含水砂岩趋势线，与不同含水饱和度的含水砂岩线；将实际测井数据交会至所述岩石物理模板上，确定所述100％含水砂岩线为不同孔隙流体砂岩的分界线；将所述100％含水砂岩线作为基准线，将与所述100％含水砂岩线的相对距离作为判别砂岩孔隙流体性质的指示参数；对所述100％含水砂岩线进行拟合，获得所述100％含水砂岩线的拟合结果，进而获得流体因子RPTI表达式。
优选地，通过多项式拟合获得100％含水砂岩线的拟合结果：
其中，M为纵波模量，i为幂数，ai为Mi的拟合系数，n为最高幂数。
优选地，所述流体因子RPTI表达式为：
RPTI＝f0+f(M)-M/μ (2)
其中，f0是流体因子的标准值，f(M)为100％含水砂岩线的拟合结果，M为纵波模量，M/μ为纵横波模量比，μ为剪切模量。
优选地，将纵波模量的单位设定为km2/s2·g2/cm6，保证纵波模量和纵横波模量比的量纲相同。
优选地，建立包含纵波模量和纵横波模量比的岩石物理模板包括：根据测井数据、录井数据和实验室岩心测试数据来计算零孔隙度端元的岩石骨架弹性模量与最大孔隙度端元的岩石骨架弹性模量，进行内插，获得岩石骨架的弹性模量；根据所述岩石骨架的弹性模量，计算饱和岩石的弹性模量；根据所述饱和岩石的弹性模量计算纵波模量和纵横波模量比，进而获得岩石物理模板。
优选地，所述最大孔隙度端元的岩石骨架弹性模量的表达式为：
其中，KHM、μHM是最大孔隙度端元的岩石骨架的体积模量和剪切模量，P是有效压力，μS和v是固相的剪切模量和泊松比，n是配位数，
为临界孔隙度。
优选地，所述岩石骨架的弹性模量的表达式为：
其中，Kdry、μday是岩石骨架的体积模量和剪切模量，Ks是固相的体积模量，z为计算参数，
为孔隙度。
优选地，所述饱和岩石的弹性模量的表达式为：
其中，Ksat为饱和岩石的体积模量，μsat为饱和岩石的剪切模量，Kf是流体的体积模量。
优选地，所述纵波模量的表达式为：
所述纵横波模量比的表达式为：
M/μ＝M/μsat (7)。
根据本发明的另一方面，提出了一种储层流体识别方法，包括：根据叠前地震数据、测井数据、地震解释层位和地质约束信息进行叠前地震反演，获得纵波模量数据体和剪切模量数据体；将所述纵波模量数据体和所述剪切模量数据体带入所述流体因子表达式中，获得流体因子数据体，进行流体识别。
本发明的有益效果在于：针对实际工区储层的岩石物理特点建立岩石物理模板，通过研究模板表征的储层流体变化趋势建立流体因子，综合两种独立流体因子的优势，得到流体敏感性更高的流体因子，从而解决目前存在的复杂储层流体识别中常规流体因子流体识别精度低、组合流体因子针对性和可靠性差的问题，提高储层流体识别的精度。
本发明具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了根据本发明的储层流体因子构建方法的步骤的流程图。
图2a和图2b分别示出了根据本发明的一个实施例的岩石物理模板和实际井数据的交会图。
图3a和图3b分别示出了根据本发明的一个实施例的岩石物理模板与基于岩石物理模板的流体因子的简要示意图。
图4a和图4b分别示出了根据本发明的一个实施例的使用RPTI进行流体识别的岩石物理交会图与交会图部分放大的示意图。
图5a和图5b分别示出了根据本发明的一个实施例的流体因子RPTI曲线与含水饱和度曲线的示意图。
图6a和图6b分别示出了根据本发明的一个实施例的实际工区小角度叠加地震剖面与中角度叠加地震剖面的示意图。
图7示出了根据本发明的一个实施例的流体因子RPTI的剖面示意图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
图1示出了根据本发明的储层流体因子构建方法的步骤的流程图。
在该实施例中，根据本发明的储层流体因子构建方法可以包括：步骤101，根据工区内的测井数据、录井数据和实验室岩心测试数据，针对目标储层，建立包含纵波模量和纵横波模量比的岩石物理模板，其中，岩石物理模板包括泥岩趋势线、含水砂岩趋势线，与不同含水饱和度的含水砂岩线；步骤102，将实际测井数据交会至岩石物理模板上，确定100％含水砂岩线为不同孔隙流体砂岩的分界线；步骤103，将100％含水砂岩线作为基准线，将与100％含水砂岩线的相对距离作为判别砂岩孔隙流体性质的指示参数；步骤104，对100％含水砂岩线进行拟合，获得100％含水砂岩线的拟合结果，进而获得流体因子RPTI表达式。
在一个示例中，通过多项式拟合获得100％含水砂岩线的拟合结果：
其中，M为纵波模量，i为幂数，ai为Mi的拟合系数，n为最高幂数。
在一个示例中，流体因子RPTI表达式为：
RPTI＝f0+f(M)-M/μ (2)
其中，f0是流体因子的标准值，f(M)为100％含水砂岩线的拟合结果，M为纵波模量，M/μ为纵横波模量比，μ为剪切模量。
在一个示例中，将纵波模量的单位设定为km2/s2·g2/cm6，保证纵波模量和纵横波模量比的量纲相同。
在一个示例中，建立包含纵波模量和纵横波模量比的岩石物理模板包括：根据测井数据、录井数据和实验室岩心测试数据来计算零孔隙度端元的岩石骨架弹性模量与最大孔隙度端元的岩石骨架弹性模量，进行内插，获得岩石骨架的弹性模量；根据岩石骨架的弹性模量，计算饱和岩石的弹性模量；根据饱和岩石的弹性模量计算纵波模量和纵横波模量比，进而获得岩石物理模板。
在一个示例中，最大孔隙度端元的岩石骨架弹性模量的表达式为：
其中，KHM、μHM是最大孔隙度端元的岩石骨架的体积模量和剪切模量，P是有效压力，μS和v是固相的剪切模量和泊松比，n是配位数，
为临界孔隙度。
在一个示例中，岩石骨架弹性模量的表达式为：
其中，Kdry、μday是岩石骨架的体积模量和剪切模量，Ks是固相的体积模量，z为计算参数，
为孔隙度。
在一个示例中，饱和岩石的弹性模量的表达式为：
其中，Ksat为饱和岩石的体积模量，μsat为饱和岩石的剪切模量，Kf是流体的体积模量。
在一个示例中，纵波模量的表达式为：
纵横波模量比的表达式为：
M/μ＝M/μsat (7)。
具体地，根据本发明的储层流体识别方法可以包括：
步骤101，根据工区内的测井数据、录井数据和实验室岩心测试数据，针对目标储层的特征，建立包含纵波模量和纵横波模量比的岩石物理模板，其中，岩石物理模板包括泥岩趋势线、含水砂岩趋势线，与不同含水饱和度的含水砂岩线。岩石物理模板是有针对性的，要建立合适的岩石物理模板，需要根据一个给定的工区的地质特点，综合考虑矿物、埋深、压力、温度梯度、流体特征等因素的影响，在常用的独立流体因子中，纵波模量M和纵横波模量比M/μ是流体敏感性较高、流体性质指示能力较强的两种，使用这两种流体因子建立岩石物理模板，其效果会比较好。
其中，建立包含纵波模量和纵横波模量比的岩石物理模板包括：
首先根据测井数据、录井数据和实验室岩心测试数据来计算不同埋深、不同岩性条件下的模量—孔隙度趋势。临界孔隙度
将孔隙介质的岩石和声波特征分成两个截然不同的区域，在这里只需考虑孔隙度小于
的区域。在这个区域包含两个特殊的端点值：零孔隙度端元和最大孔隙度端元。零孔隙度端元具有矿物的体积模量和剪切模量，最大孔隙度端元的弹性模量要利用Hertz-Mindlin接触理论来计算，获得最大孔隙度端元的岩石骨架弹性模量如公式(3)。
两个孔隙度段元的中间部分可以用Hashin-Shtrikman上限进行内插。在孔隙度为
时，岩石骨架的比例是
原先球形填充相的浓度是
那么在孔隙度是时的岩石骨架的弹性模量的表达式为公式(4)。
图2a和图2b分别示出了根据本发明的一个实施例的岩石物理模板和实际井数据的交会图。
然后，将Hertz-Mindlin理论和Hashin-Shtrikman模型计算出的岩石骨架的弹性模量带入Gassmann方程可以得到饱和岩石的弹性模量，表达式为公式(5)，计算得到纵波模量和纵横波模量比分别为公式(6)、公式(7)，进而建立岩石物理模板如图2a所示，砂岩孔隙度的变化范围是5％到35％，含水饱和度的变化范围是0到100％；泥岩的孔隙度变化范围是10％到60％。图中包含两条不同的趋势线，上面的线表示纯泥岩，下面的线表示压实的含水砂岩，另外还有不同含水饱和度的砂岩线。
步骤102，图2b是实际测井数据中的纵波模量和纵横波模量比在岩石物理模板上的交会，点的颜色表示测井解释结果，其中黑色部分是泥岩，点大都与模板中的泥岩线较为接近；浅灰色部分是含水砂岩，点大都落在模板中含水饱和度为100％的砂岩线上方；深灰色部分为含油砂岩，点大都落在含水饱和度为100％的砂岩线下方。在图2b中，关注砂岩部分可以发现，100％含水砂岩线是包含不同孔隙流体的砂岩的分界线。
步骤103，如图2b所示，沿着100％含水砂岩线的方向是地层的压实方向，而垂直于100％含水砂岩线的方向是流体变化的方向。不同含水饱和度的曲线有相互平行的趋势，在较小的孔隙度变化范围内，平行的趋势更为明显。因此，可以将100％含水砂岩线作为基准线，而将与基准线的相对距离作为判别砂岩孔隙流体性质的指示参数，即流体因子RPTI。
步骤104，对100％含水砂岩线进行拟合，求得曲线的解析式。由于岩石物理模板是根据实际工区地质情况建立的，因此100％含水砂岩线以及不同含水饱和度的砂岩线能够反映该工区的流体变化趋势。纵波模量M和纵横波模量比M/μ的量纲差异过大，为了保证拟合的稳定性令纵波模量的单位为km2/s2·g2/cm6。通过多项式拟合获得100％含水砂岩线的拟合结果f(M)为公式(1)，则基于岩石物理模板的流体因子RPTI为公式(2)。
流体因子相当于将岩石物理模板进行坐标转换，获得基于岩石物理模板的流体因子。图3a和图3b分别示出了根据本发明的一个实施例的岩石物理模板与基于岩石物理模板的流体因子的简要示意图。图3a是对于图2中岩石物理模板的一种抽象，图中黑色曲线是100％含水砂岩线，深色区域表示含油气的砂岩，浅色区域表示含水的砂岩。根据流体因子RPTI表达式，将图3a中基于100％含水砂岩线的坐标轴进行旋转和变换，即得到基于岩石物理模板的流体因子，如图3b所示，图中横坐标是RPTI，可以看出它对含油气砂岩和含水砂岩区分准确，这是因为RPTI通过变换综合了两种弹性参数的敏感性。
100％含水砂岩线的位置是由岩石物理模型决定的，因此根据它建立的流体因子组合策略有着坚实的理论基础，受到人为因素的影响较小。在100％含水砂岩线的拟合过程中，多项式的阶数是根据储层的地质情况决定的。在保证拟合精度的前提下，越低的阶数越有利于提高计算效率、降低计算复杂度。
根据本发明的一种储层流体识别方法，包括：根据叠前地震数据、测井数据、地震解释层位和地质约束信息进行叠前地震反演，获得纵波模量数据体和剪切模量数据体；将所述纵波模量数据体和所述剪切模量数据体带入所述流体因子表达式中，获得流体因子数据体，进行流体识别。
具体地，根据叠前地震数据、测井数据、地震解释层位和地质约束信息进行叠前地震反演，获得纵波模量数据体和剪切模量数据体：在勘探工区中根据目的层的深度和地质特点，考虑动校正拉伸、干扰波、多次波等因素来设计宽方位角的三维观测系统，保证有足够的偏移距、方位角。经过激发、接收，得到可以满足叠前地震反演需求的宽方位大角度的叠前地震资料。将叠前资料进行保幅的预处理，然后结合工区的测井数据、地震解释层位和地质约束信息进行地震反演，得到纵波模量数据体和剪切模量数据体。
将纵波模量数据体和剪切模量数据体带入流体因子表达式中，获得流体因子数据体，进行流体识别，数据体中的负值部分即为含油气储层。
本发明针对实际工区储层的岩石物理特点建立岩石物理模板，通过研究模板表征的储层流体变化趋势建立流体因子，综合两种独立流体因子的优势，得到流体敏感性更高的流体因子，从而解决目前存在的复杂储层流体识别中常规流体因子流体识别精度低、组合流体因子针对性和可靠性差的问题，提高储层流体识别的精度。
应用示例
为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。
根据工区内的测井数据、录井数据和实验室岩心测试数据，针对目标储层，建立包含纵波模量和纵横波模量比的岩石物理模板，其中，建立包含纵波模量和纵横波模量比的岩石物理模板包括：
首先根据测井数据、录井数据和实验室岩心测试数据来计算不同埋深、不同岩性条件下的模量—孔隙度趋势。临界孔隙度
将孔隙介质的岩石和声波特征分成两个截然不同的区域，在这里只需考虑孔隙度小于的区域。在这个区域包含两个特殊的端点值：零孔隙度端元和最大孔隙度端元。零孔隙度端元具有矿物的体积模量和剪切模量，最大孔隙度端元的弹性模量要利用Hertz-Mindlin接触理论来计算，获得最大孔隙度端元的岩石骨架弹性模量如公式(3)。
两个孔隙度段元的中间部分可以用Hashin-Shtrikman上限进行内插。在孔隙度为时，岩石骨架的比例是
原先球形填充相的浓度是那么在孔隙度是
时的岩石骨架的弹性模量的表达式为公式(4)。
然后，将Hertz-Mindlin理论和Hashin-Shtrikman模型计算出的岩石骨架的弹性模量带入Gassmann方程可以得到饱和岩石的弹性模量，表达式为公式(5)，计算得到纵波模量和纵横波模量比分别为公式(6)、公式(7)，进入建立岩石物理模板。
对100％含水砂岩线进行拟合，求得曲线的解析式。由于岩石物理模板是根据实际工区地质情况建立的，因此100％含水砂岩线以及不同含水饱和度的砂岩线能够反映该工区的流体变化趋势。根据图2b的100％含水砂岩线进行拟合，得到的拟合结果为：
f(M)＝0.0168·M4-0.2608·M3+1.5140·M2-4.1784·M+7.7957 (8)，
则流体因子的表达式为：
RPTI＝f0+0.0168·M4-0.2608·M3+1.5140·M2-4.1784·M+7.7957-M/μ (9)。
图4a和图4b分别示出了根据本发明的一个实施例的使用RPTI进行流体识别的岩石物理交会图与交会图部分放大的示意图。
利用公式(9)对图2b中用到的井数据的流体因子RPTI值进行计算，并用RPTI的值表示交会图中点的颜色，结果如图4a所示。从图中可以看出，流体因子的等值线方向与100％含水砂岩线平行，其垂直方向是流体性质变化方向，图中表示砂岩的点主要集中在下半部分。将图中黑色方框中的区域进行放大，去掉模板，用一条黑色曲线代替100％含水砂岩线，如图4b所示。流体因子RPTI的标准值与100％含水砂岩线精确重合，非含油的储层位于标准值上方，含油储层位于标准值下方。这里取f0＝0，则RPTI的正值表示非含油的储层或非储层，负值表示含油储层。
图5a和图5b分别示出了根据本发明的一个实施例的流体因子RPTI曲线与含水饱和度曲线的示意图。
将计算得到的流体因子曲线与实测的含水饱和度曲线对比，如图5a和图5b所示。从图中可以看出，流体因子曲线出现异常的位置与含水饱和度曲线出现异常的位置相同。在2050米-2010米处，流体因子的低值异常清晰地指示出含油砂岩储层的位置。
图6a和图6b分别示出了根据本发明的一个实施例的实际工区小角度叠加地震剖面与中角度叠加地震剖面的示意图。
图7示出了根据本发明的一个实施例的流体因子RPTI的剖面示意图。
利用地震数据进行叠前反演得到纵波模量和剪切模量后带入流体因子表达式得到如图7的流体因子剖面。图7中的井数据是用颜色表示的岩性和流体性质，红色和绿色分别表示含油砂岩储层和含水砂岩地层，剖面中1.78s处的流体因子的低值异常与井上的含油储层位置对应，准确地指示了含油砂岩储层的位置。而1.73s和1.82s处流体因子的值明显高于前者，对应于含水层，因此可以证明该流体因子对于储层流体的识别较为准确。
综上所述，本发明针对实际工区储层的岩石物理特点建立岩石物理模板，通过研究模板表征的储层流体变化趋势建立流体因子，综合两种独立流体因子的优势，得到流体敏感性更高的流体因子，从而解决目前存在的复杂储层流体识别中常规流体因子流体识别精度低、组合流体因子针对性和可靠性差的问题，提高储层流体识别的精度。
本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种储层流体因子构建方法，其特征在于，包括：
根据工区内的测井数据、录井数据和实验室岩心测试数据，针对目标储层，建立包含纵波模量和纵横波模量比的岩石物理模板，其中，所述岩石物理模板包括泥岩趋势线、含水砂岩趋势线，与不同含水饱和度的含水砂岩线；
将实际测井数据交会至所述岩石物理模板上，确定所述100％含水砂岩线为不同孔隙流体砂岩的分界线；
将所述100％含水砂岩线作为基准线，将与所述100％含水砂岩线的相对距离作为判别砂岩孔隙流体性质的指示参数；
对所述100％含水砂岩线进行拟合，获得所述100％含水砂岩线的拟合结果，进而获得流体因子RPTI表达式。
2.根据权利要求1所述的储层流体因子构建方法，其中，通过多项式拟合获得100％含水砂岩线的拟合结果：
其中，M为纵波模量，i为幂数，ai为Mi的拟合系数，n为最高幂数。
3.根据权利要求2所述的储层流体因子构建方法，其中，所述流体因子RPTI表达式为：
RPTI＝f0+f(M)-M/μ (2)
其中，f0是流体因子的标准值，f(M)为100％含水砂岩线的拟合结果，M为纵波模量，M/μ为纵横波模量比，μ为剪切模量。
4.根据权利要求1所述的储层流体因子构建方法，其中，将纵波模量的单位设定为km2/s2·g2/cm6，保证纵波模量和纵横波模量比的量纲相同。
5.根据权利要求1所述的储层流体因子构建方法，其中，建立包含纵波模量和纵横波模量比的岩石物理模板包括：
根据测井数据、录井数据和实验室岩心测试数据来计算零孔隙度端元的岩石骨架弹性模量与最大孔隙度端元的岩石骨架弹性模量，进行内插，获得岩石骨架的弹性模量；
根据所述岩石骨架的弹性模量，计算饱和岩石的弹性模量；
根据所述饱和岩石的弹性模量计算纵波模量和纵横波模量比，进而获得岩石物理模板。
6.根据权利要求5所述的储层流体因子构建方法，其中，所述最大孔隙度端元的岩石骨架弹性模量的表达式为：
其中，KHM、μHM是最大孔隙度端元的岩石骨架的体积模量和剪切模量，P是有效压力，μS和v是固相的剪切模量和泊松比，n是配位数，
为临界孔隙度。
7.根据权利要求5所述的储层流体因子构建方法，其中，所述岩石骨架的弹性模量的表达式为：
其中，Kdry、μday是岩石骨架的体积模量和剪切模量，Ks是固相的体积模量，z为计算参数，
为孔隙度。
8.根据权利要求5所述的储层流体因子构建方法，其中，所述饱和岩石的弹性模量的表达式为：
其中，Ksat为饱和岩石的体积模量，μsat为饱和岩石的剪切模量，Kf是流体的体积模量，K为岩石基质的体积模量。
9.根据权利要求5所述的储层流体因子构建方法，其中，所述纵波模量的表达式为：
所述纵横波模量比的表达式为：
M/μ＝M/μsat (7)。
10.一种储层流体识别方法，其特征在于，利用权利要求1-9中任意一项所述的储层流体因子构建方法，包括：
根据叠前地震数据、测井数据、地震解释层位和地质约束信息进行叠前地震反演，获得纵波模量数据体和剪切模量数据体；
将所述纵波模量数据体和所述剪切模量数据体带入所述流体因子表达式中，获得流体因子数据体，进行流体识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810694157.7A CN110658555A (zh) | 2018-06-29 | 2018-06-29 | 储层流体因子构建方法及储层流体识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810694157.7A CN110658555A (zh) | 2018-06-29 | 2018-06-29 | 储层流体因子构建方法及储层流体识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110658555A true CN110658555A (zh) | 2020-01-07 |
Family
ID=69026618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810694157.7A Pending CN110658555A (zh) | 2018-06-29 | 2018-06-29 | 储层流体因子构建方法及储层流体识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110658555A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111856583A (zh) * | 2020-06-12 | 2020-10-30 | 中国石油天然气股份有限公司 | 基于孔隙度约束条件下的储层含水饱和度定量预测方法 |
| CN111983677A (zh) * | 2020-07-13 | 2020-11-24 | 中国石油天然气股份有限公司 | 基于Russell属性因子的储层孔隙度预测方法及装置 |
| CN113495293A (zh) * | 2020-04-01 | 2021-10-12 | 中国石油天然气股份有限公司 | 油藏流体预测方法及装置 |
| CN117471549A (zh) * | 2023-11-13 | 2024-01-30 | 北京美方信科技有限公司 | 一种利用地震低频信息进行流体识别的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103135135A (zh) * | 2013-02-26 | 2013-06-05 | 中国石油天然气股份有限公司 | 一种基于疏松砂岩模型进行烃类定量预测的方法和装置 |
| CN103163553A (zh) * | 2013-02-01 | 2013-06-19 | 中国石油天然气股份有限公司 | 基于多重孔隙介质模型的地震烃类检测方法及装置 |
| US20140156245A1 (en) * | 2012-12-04 | 2014-06-05 | OOO Rock Flow Dynamics | Systems and methods for automated identification of surfaces for building of geologic hydrodynamic model of oil and gas deposit by seismic data |
| US9176243B2 (en) * | 2006-02-24 | 2015-11-03 | Hanner Zueroher | Locating oil or gas actively by exciting a porous oil and gas saturated system to give off its characteristic resonance response, with optional differentiation of oil, gas and water |
| CN105487122A (zh) * | 2014-09-18 | 2016-04-13 | 中国石油化工股份有限公司 | 用于确定储层流体识别因子的敏感性的方法及系统 |
| CN106556866A (zh) * | 2015-09-24 | 2017-04-05 | 中国石油化工股份有限公司 | 一种利用岩石物理模板对储层定量解释的方法 |
-
2018
- 2018-06-29 CN CN201810694157.7A patent/CN110658555A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9176243B2 (en) * | 2006-02-24 | 2015-11-03 | Hanner Zueroher | Locating oil or gas actively by exciting a porous oil and gas saturated system to give off its characteristic resonance response, with optional differentiation of oil, gas and water |
| US20140156245A1 (en) * | 2012-12-04 | 2014-06-05 | OOO Rock Flow Dynamics | Systems and methods for automated identification of surfaces for building of geologic hydrodynamic model of oil and gas deposit by seismic data |
| CN103163553A (zh) * | 2013-02-01 | 2013-06-19 | 中国石油天然气股份有限公司 | 基于多重孔隙介质模型的地震烃类检测方法及装置 |
| CN103135135A (zh) * | 2013-02-26 | 2013-06-05 | 中国石油天然气股份有限公司 | 一种基于疏松砂岩模型进行烃类定量预测的方法和装置 |
| CN105487122A (zh) * | 2014-09-18 | 2016-04-13 | 中国石油化工股份有限公司 | 用于确定储层流体识别因子的敏感性的方法及系统 |
| CN106556866A (zh) * | 2015-09-24 | 2017-04-05 | 中国石油化工股份有限公司 | 一种利用岩石物理模板对储层定量解释的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘倩: "致密储层岩石物理建模及储层参数预测", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113495293A (zh) * | 2020-04-01 | 2021-10-12 | 中国石油天然气股份有限公司 | 油藏流体预测方法及装置 |
| CN113495293B (zh) * | 2020-04-01 | 2023-09-26 | 中国石油天然气股份有限公司 | 油藏流体预测方法及装置 |
| CN111856583A (zh) * | 2020-06-12 | 2020-10-30 | 中国石油天然气股份有限公司 | 基于孔隙度约束条件下的储层含水饱和度定量预测方法 |
| CN111983677A (zh) * | 2020-07-13 | 2020-11-24 | 中国石油天然气股份有限公司 | 基于Russell属性因子的储层孔隙度预测方法及装置 |
| CN117471549A (zh) * | 2023-11-13 | 2024-01-30 | 北京美方信科技有限公司 | 一种利用地震低频信息进行流体识别的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shipton et al. | Structural heterogeneity and permeability in faulted eolian sandstone: Implications for subsurface modeling of faults | |
| WO2018010628A1 (zh) | 一种基于大面积致密储层地震岩石物理反演方法 | |
| Furre et al. | CO2-induced seismic time shifts at Sleipner | |
| Qi et al. | Attribute expression of fault-controlled karst—Fort Worth Basin, Texas: A tutorial | |
| Hunt et al. | Quantitative estimate of fracture density variations in the Nordegg with azimuthal AVO and curvature: A case study | |
| EP2846175A2 (en) | Seismic survey analysis | |
| CN103163553B (zh) | 基于多重孔隙介质模型的地震烃类检测方法及装置 | |
| US20040054478A1 (en) | Method of wave diagnostics of the oil-and-gas-deposit | |
| Zeng et al. | Carbonate seismic sedimentology: a case study of Cambrian Longwangmiao formation, Gaoshiti-Moxi area, Sichuan Basin, China | |
| CN110658555A (zh) | 储层流体因子构建方法及储层流体识别方法 | |
| WO2007071196A1 (fr) | Procede d'exploration directe de gisements de petrole, de gaz naturel et de gaz de houille | |
| CN104213899A (zh) | 一种地层岩石骨架的测井识别方法 | |
| CN104459778A (zh) | 一种基于双相介质固液解耦的叠前地震反演方法及系统 | |
| Chen et al. | The application study on the multi-scales integrated prediction method to fractured reservoir description | |
| Lynn et al. | Relationship of P-wave seismic attributes, azimuthal anisotropy, and commercial gas pay in 3-DP-wave multiazimuth data, Rulison Field, Piceance Basin, Colorado | |
| WO2017160273A1 (en) | Dip estimation via a modified structure tensor | |
| CN111381292B (zh) | 一种预测砂岩含烃储层的测井解释方法与装置 | |
| Schlesinger et al. | Seismic velocities on the Nova Scotian margin to estimate gas hydrate and free gas concentrations | |
| Zhang et al. | Azimuthal anisotropy analysis applied to naturally fractured unconventional reservoirs: A Barnett Shale example | |
| Gao et al. | Seismic structure and texture analyses for fractured reservoir characterization: An integrated workflow | |
| US8532954B2 (en) | Method of characterizing a CO2 plume in a geological storage aquifer | |
| Eiken et al. | Sensitivity of time-lapse seismic data to pore pressure changes: Is quantification possible? | |
| Arsalan et al. | Application of extended elastic impedance: A case study from Krishna-Godavari Basin, India | |
| US20110093201A1 (en) | Method for evaluating fluid pressures and detecting overpressures in an underground medium | |
| Hongliu et al. | Carbonate seismic sedimentology: A case study of Cambrian Longwangmiao Formation, Gaoshiti-Moxi area, Sichuan Basin, China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200107 |