CN111781659B - 薄层单期砂体连通关系识别方法 - Google Patents

Abstract

本发明涉及一种薄层单期砂体连通关系识别方法。主要解决了薄层砂发育区块，不能提高薄层砂井间连通关系认识、优化选井选层的问题。包括以下步骤：1）、建立垂向可分性曲线典型模式，确定需要细分的沉积单元层号及单元内部细分单砂体的个数；2）、建立生产井连井对比剖面，生成细分后的新的沉积单元界限数据库；3）、自动劈分生成分层数据库，生成单砂体级别的各沉积单元随机相带图；4）、人机交互绘制薄层砂具有成因模式的相带图；5）、采用平面识别单砂体做法，精细追踪薄层砂单砂体间的连通关系，将层位不连通的层勾绘到不同的相带中。该识别方法通过垂向曲线可分性分析，细分到单砂体级别，精细判断薄层砂单砂体间的连通关系。

Description

薄层单期砂体连通关系识别方法

技术领域

本发明涉及油田储层研究技术领域，特别涉及一种薄层单期砂体连通关系识别方法。

背景技术

进入高含水期，剩余油分布更加零散，薄差油层中三大矛盾突出、干扰加剧。部分薄层砂单元不论在垂向上还是平面上，还没有划分到单期砂体，不同期次的薄层砂笼统的勾绘在一起，导致注采井网交错、井间连通复杂。对薄差油层的认识不足，造成缺少持续有效的调整对策。因此，针对薄层砂，提供一种能够从垂向和平面上识别薄层单期砂体连通关系的方法是非常重要的。

中国专利CN201310517846.8公开了一种“薄单砂层厚度预测方法”，是利用三维地震提取的平均反射强度属性简单、快捷定量描述薄单砂层厚度的有效预测方法，包括地震属性的优选、确定提取属性的时窗范围、提取平均反射强度属性并归一化处理、建立平均反射强度值与单砂层厚度的关系式、单砂层厚度计算及极值校正、编制单砂层厚度图。提高了薄单砂层预测的效率和有效性，使得单砂层厚度预测吻合率大于80％。

文献《地质统计学反演方法及其在薄层砂体预测中的应用》，有效地综合了地质、测井和三维地震数据,反演结果是多个等概率的波阻抗数据体实现,符合输入数据的地质统计学特征并受地质模型的约束,具有测井数据的垂向分辨率高和地震数据的横向分辨率高的优势,可用于不确定性评价。

实际使用过程中发现相关技术至少存在以下问题：

主要侧重于井震结合预测薄单砂层厚度，解决的是钻井提高单砂层砂岩钻遇率的问题，而对于薄层砂发育区块的生产井，如何提高薄层砂井间连通关系认识，优化选井选层，提高挖潜的效果与效益方面没有解决方法。

发明内容

本发明所要解决的技术问题是克服背景技术中存在的对于薄层砂发育区块没有从垂向和平面识别到单砂体，因而不能提高薄层砂井间连通关系认识、优化选井选层的问题，而提供一种薄层单期砂体连通关系识别方法，垂向上通过对原沉积单元分层进行可分性论证，将薄层砂细分到最小单元，即识别到单砂体级别；平面上对于已细分到单砂体级别的单元，如果局部仍存在不连通层位，多方向做生产井连井剖面，精细判断薄层砂单砂体间的连通关系，将层位对应，连通好的层勾绘到一起，层位不对应，不连通的层单独勾绘。

本发明解决其问题可通过如下技术方案来达到：该薄层单期砂体连通关系识别方法，包括以下步骤：

1)、收集沉积单元分层界限数据库、井位坐标数据库及生产井测井曲线矢量化数据，利用精细地质解释与对比软件，加载数据，生成对比工区，利用测井曲线矢量化数据，建立垂向可分性曲线典型模式，以生产井沉积单元为单位，按照模式进行可分性统计、分类，确定需要细分的沉积单元层号及单元内部细分单砂体的个数；

2)、根据步骤⑴确定的细分沉积单元层号及单元内部细分单砂体的个数，在所述精细地质解释与对比软件中建立生产井连井对比剖面，进行单元内部单砂体细分对比，生成细分后的新的沉积单元界限数据库；

3)、收集小层砂岩数据库，利用油藏自动绘图软件，加载步骤⑵生成的沉积单元分层界限数据库及小层砂岩数据库，软件自动劈分生成分层数据库，通过分层界限相类型计算，软件生成单砂体级别的各沉积单元随机相带图；

4)、在步骤⑶沉积单元随机相带图基础上，结合砂体分布规模、物源方向、测井曲线形态，人机交互绘制薄层砂具有成因模式的相带图，分为六种砂体类型；

5)、在步骤⑷绘制完成的成因模式相带图基础上，对于同一沉积单元内局部存在单砂体层位错开的区域，采用平面识别单砂体做法，精细追踪薄层砂单砂体间的连通关系，将层位不连通的层勾绘到不同的相带中。

所述步骤(1)垂向可分性曲线典型模式包括完全可分、基本可分、勉强可分、不可分四种类型；所述步骤(4)六种成因类型砂体包括河控含残留水下河道、河控断续条带状、河湖双控过渡型、浪控远砂坝、浪控滨外坝、浪控稳定型；所述步骤⑸平面识别单砂体做法，主要对同一沉积单元内局部存在单砂体层位错开的区域，根据薄层砂层位对应关系、曲线形态，多方向做生产井连井剖面，精细判断薄层砂单砂体间的连通关系，将层位对应，连通好的层勾绘到一起，层位不对应，不连通的层单独勾绘。

所述精细地质解释与对比软件为GPTlog软件；油藏自动绘图软件为GPTmap软件。

本发明与上述背景技术相比较可具有如下有益效果：

1、本发明形成了薄层单期砂体连通关系识别方法。首先将垂向没有细分到最小单元的不同期薄层砂，细分到单一期次砂体。细分单砂层后，砂体规模、组合发生明显变化，连通关系更清楚。其次，平面上对于已细分到单砂体级别的单元，如果局部仍存在不连通层位，以前做法是软件采用就近、随机的方式将不同层位的单砂体笼统勾绘在一起，不能自动判断连通关系，造成全连通假象，本发明的方法是人机交互，多方向做生产井连井剖面，根据薄层砂层位对应关系、曲线形态，精细判断薄层砂单砂体间的连通关系，将层位不对应，不连通的层勾绘到不同的相带中，连通关系更准确。

2、根据本发明研究成果，总结出两种剩余油类型。

垂向细分到单一期次砂体后，主要形成层间干扰型剩余油。采取的对策是细分重组，并结合智能注水和调剖工艺，缓解层间矛盾。

单元内不能细分，且垂向不连通形成注采不完善型剩余油。采取的对策是补孔、大修进一步完善薄差油层的注采关系。

附图说明

附图1是本发明实施例中步骤⑴中垂向可分性曲线典型模式图；

附图2是本发明实施例步骤⑴中在原沉积单元内垂向细分对比实例图；

附图3本发明实施例步骤⑵中建立连井剖面对原沉积单元内单砂体细分对比的示意图；

附图4本发明实施例中步骤⑶中软件生成的单砂体级别的沉积单元随机相带图；

附图5本发明实施例步骤⑷中六种成因模式相带图；

附图6本发明实施例步骤⑷中薄层砂垂向细分到单砂体后储层特征变化对比图；

附图7本发明实施例步骤⑸中细分后单元内仍局部存在单砂体层位错开的小层连井剖面图；

附图8本发明实施例步骤⑸中S22_a单元将层位对应连通好的层勾绘到一起层位不对应不连通的层单独勾绘的沉积单元相带图；

附图9本发明实施例中步骤⑸中新老相带图绘制方法进行对比的沉积单元相带图；

附图10本发明实施例步骤⑸中对垂向细分单砂体后形成的层间干扰型剩余油采取调剖、细分措施的分析图；

附图11本发明实施例步骤⑸中单元内平面存在不连通层位，形成注采不完善型剩余油，采取补孔、大修措施的分析图。

具体实施方式：

下面结合附图及实施例将对本发明作进一步说明：

实施例1：

使用本发明所述的薄层单期砂体连通关系识别方法，以大庆油田杏十区纯油区东部为例，说明本发明方法的实施过程。

步骤⑴收集沉积单元分层界限数据库、井位坐标数据库及生产井测井曲线矢量化数据，利用GPTlog软件，加载数据，生成对比工区，利用测井曲线矢量化数据，建立垂向可分性曲线典型模式(见附图1)，包括完全可分、基本可分、勉强可分、不可分四种类型。以生产井沉积单元为单位，按照可分性曲线典型模式，进行沉积单元可分性统计，分类。参与统计的生产井，如果原沉积单元内完全可分+基本可分+勉强可分的井数占到所有井70％以上，可以确定垂向上能够细分到单砂体级别。杏十区纯油区东部垂向上原沉积单元分为54个，首先通过可分性分析，有5个沉积单元完全可分+基本可分+勉强可分的井数占到所有井70％以上，因此确定这5个单元是需要进一步细分的层号。以SⅡ8_a单元为例，参与统计井可分比例达到91.6％，确定垂向上可以进一步细分(见附表1为沉积单元可分性统计表)。然后依据附图1曲线典型模式,统计单元内自然层平均发育个数，确定单元内部细分单砂体的个数。以SⅡ8_a单元为例，在垂向对比实例中，在原沉积单元内发育2个自然层居多，曲线可分比例高，因此确定单元内部细分单砂体的个数是2个(见附图2)。垂向单砂体可分性方法能够实现分层依据定量，可操作性强。

步骤⑵根据步骤⑴确定的细分沉积单元层号及单元内部细分单砂体的个数，在GPTlog软件中建立生产井连井对比剖面，进行单元内部单砂体细分对比(见附图3)，生成细分后的新的沉积单元界限数据库。

步骤⑶收集小层砂岩数据库，利用GPTmap软件，加载步骤⑵生成的沉积单元分层界限数据库及小层砂岩数据库，软件自动劈分生成分层数据库，通过分层界限相类型计算，软件生成单砂体级别的各沉积单元随机相带图(见附图4)，这是油田常规方法。

步骤⑷在步骤⑶沉积单元随机相带图基础上，以砂体成因理论为指导，人机交互，结合砂体分布规模、物源方向、测井曲线形态，绘制薄层砂具有成因模式的相带图，分为六种砂体类型，包括河控含残留水下河道、河控断续条带状、河湖双控过渡型、浪控远砂坝、浪控滨外坝、浪控稳定型。从新老相带图对比看，砂体沉积环境定位及描述更准确，地质认识更加深刻(见附图5)。薄层砂垂向细分到单砂体后砂体规模、组合发生明显变化。例如SⅡ8_a单元，细分前主体与非主体薄层砂分布规模比较大，细分后，SⅡ8_a1单元主体薄层砂分布规模明显减小，以条带状为主，表外储层大面积分布，SⅡ8_a2单元识别出了水下残留河道，细分单砂体后，连通关系更清楚(见附图6)。

步骤⑸在步骤⑷绘制完成的成因模式相带图基础上，对于沉积单元内不能再进一步细分的，但局部仍存在单砂体层位错开的小层，以S22_a单元为例(见附图7)，以前做法是软件采用就近、随机的方式将不同层位的单砂体笼统勾绘在一起，不能自动判断连通关系，造成全连通假象，以S22_a单元为例。此次平面识别单砂体方法是多方向做生产井连井剖面，根据薄层砂层位对应关系、曲线形态，精细判断薄层砂单砂体间的连通关系，将层位对应，连通好的层勾绘到一起，层位不对应，不连通的层单独勾绘(见附图8)。对S22_a单元采用原方法和单砂体识别方法绘制相带图进行对比，打星号的位置为平面存在层位不对应，不连通的层，原方法笼统勾绘在一起，本发明的方法分别勾绘，S22_a单元共识别出7个画法发生变化的区域，新绘制的相带图平面上薄层砂单砂体之间连通关系更准确(见附图9)。

由于以前常规方法对薄层砂的连通关系认识不清楚，很难寻找出潜力层，该区块应用薄层单期砂体连通关系识别方法，在杏十区东部精细挖潜示范区进行应用，分析剩余油分布，指导措施选井选层。

对于垂向细分到单一期次砂体后，层间干扰大的井组，主要利用细分重组，并结合智能注水和调剖工艺，缓解层间矛盾；已拓展潜力11井次、已制定重组5井次。例如：SⅡ8_a单元X10-4-B355井组垂向细分前原沉积单元内垂向发育2个自然层，在解剖前相带图中，表现为油水井是主体席状砂—主体席状砂，和主体席状砂—非主体席状砂连通，动用相对均匀。但通过垂向细分单砂体精细识别后，细分为SⅡ8_a1和SⅡ8_a2 2个单砂体单元，SⅡ8_a1单元油水井是薄层砂之间连通，动用相对差，SⅡ8_a2单元识别出水下分流河道，油水井砂体发育好，动用好，2个单砂体单元间存在层间干扰(见附图10)，通过对水井X10-4-B355调剖，减缓了层间矛盾。

针对单元内不能细分，但平面存在不连通层位，进行分别勾绘，解剖后注采不完善的井组，主要利用补孔，进一步完善薄差油层的注采关系；已拓展补孔潜力5井次。例如：SⅡ2_a单元X10-5-W38井组在平面单砂体识别前，软件将平面不同层位的井笼统勾绘在一起，误以为油水井注采完善，动用好，但通过多方向做油水井连井剖面，发现X10-5-W38水井射孔层与已经射孔的油井层位不对应，实际不连通，存在注采不完善问题。通过含水饱和度图，发现水井附近一口未射孔的油井层位与水井对应，因此，补开该油井，完善了注采关系(见附图11)。

通过应用薄层单期砂体连通关系识别方法，指导方案实施，已累积受效增油0.24×10⁴吨，按80％的技术贡献率计算，直接获得经济效益261.98万元，取得了较好的开发效果。

表1

Claims (4)

1.一种薄层单期砂体连通关系识别方法，其特征在于：包括以下步骤：

1 ）、收集沉积单元分层界限数据库、井位坐标数据库及生产井测井曲线矢量化数据，利用精细地质解释与对比软件，加载数据，生成对比工区，利用测井曲线矢量化数据，建立垂向可分性曲线典型模式，以生产井沉积单元为单位，按照模式进行可分性统计、分类，确定需要细分的沉积单元层号及单元内部细分单砂体的个数；

所述垂向可分性曲线典型模式包括完全可分、基本可分、勉强可分、不可分四种类型；

2）、根据步骤1）确定的细分沉积单元层号及单元内部细分单砂体的个数，在所述精细地质解释与对比软件中建立生产井连井对比剖面，进行单元内部单砂体细分对比，生成细分后的新的沉积单元界限数据库;

3）、收集小层砂岩数据库，利用油藏自动绘图软件，加载步骤2）生成的沉积单元分层界限数据库及小层砂岩数据库，软件自动劈分生成分层数据库，通过分层界限相类型计算，软件生成单砂体级别的各沉积单元随机相带图;

4）、在步骤3）沉积单元随机相带图基础上，结合砂体分布规模、物源方向、测井曲线形态，人机交互绘制薄层砂具有成因模式的相带图，分为六种砂体类型;

5）、在步骤4）绘制完成的成因模式相带图基础上，对于同一沉积单元内局部存在单砂体层位错开的区域，采用平面识别单砂体做法，精细追踪薄层砂单砂体间的连通关系，将层位不连通的层勾绘到不同的相带中。

2.根据权利要求1所述的薄层单期砂体连通关系识别方法，其特征在于：所述步骤4）六种成因类型砂体包括河控含残留水下河道、河控断续条带状、河湖双控过渡型、浪控远砂坝、浪控滨外坝、浪控稳定型。

3.根据权利要求1所述的薄层单期砂体连通关系识别方法，其特征在于：所述步骤5 ）平面识别单砂体做法，主要对同一沉积单元内局部存在单砂体层位错开的区域，根据薄层砂层位对应关系、曲线形态，多方向做生产井连井剖面，精细判断薄层砂单砂体间的连通关系，将层位对应，连通好的层勾绘到一起，层位不对应，不连通的层单独勾绘。

4.根据权利要求1所述的薄层单期砂体连通关系识别方法，其特征在于：所述精细地质解释与对比软件为GPTlog软件; 油藏自动绘图软件为GPTmap软件。

Images