利用地球物理综合预测方法识别页岩气储层甜点——以四川盆地长宁区块下志留统龙马溪组为例
陈胜1,2, 赵文智1,2, 欧阳永林2, 曾庆才2, 杨青2, 侯华星2, 盖少华1, 包世海2, 李新豫2, 张连群2, 常鑫2
1.中国石油大学(北京)
2.中国石油勘探开发研究院

作者简介:陈胜,1985年生,工程师,博士研究生;主要从事常规及非常规储层地震预测与烃类检测方面的研究工作。地址:(065007)河北省廊坊市广阳区中国石油勘探开发研究院廊坊院区。ORCID: 0000-0001-5265-6085。E-mail: cs69@petrochina.com.cn

摘要

四川盆地长宁区块是中国最早进行页岩气勘探开发的地区,但以往地震工作量投入相对较少,尚未精细刻画出页岩气商业开采的“甜点区”。为此,基于测井及三维地震解释成果等资料,通过地震岩石物理分析和建模,确定页岩气储层甜点地球物理响应特征,并以此为依据,应用全道集叠前反演技术预测了总有机碳含量( TOC)、优质储层厚度、地层脆性及地层压力等关键评价参数的平面分布情况;应用模糊优化综合评价方法确定了甜点的空间展布。研究结果表明:①该区页岩气储层甜点具有明显的低密度、低纵波速度、低泊松比、低纵横波速度比特征,且 TOC越高,上述特征越明显;②优质页岩储层(Ⅰ、Ⅱ类区)在纵向上主要分布于下志留统龙马溪组底界上部约30 m范围内,平面上主要分布于三维地震区块的中部,建议优先开发;③Ⅲ类储层区各项关键评价指标均较低,建议选择性开发。

关键词: 页岩气; 甜点预测; 岩石物理; TOC; 三维地震; 脆性; 压力; 四川盆地; 长宁区块; 早志留世
Comprehensive prediction of shale gas sweet spots based on geophysical properties: A case study of the Lower Silurian Longmaxi Fm in Changning block,Sichuan Basin
Chen Sheng1,2, Zhao Wenzhi1,2, Ouyang Yonglin2, Zeng Qingcai2, Yang Qing2, Hou Huaxing2, Gai Shaohua1, Bao Shihai2, Li Xinyu2, Zhang Lianqun2, Chang Xin2
1. China University of Petroleum, Beijing 102249, China
2. PetroChina Petroleum Exploration & Development Research Institute, Beijing 100083, China
Abstract

Shale gas exploration and development in China were firstly conducted in the Changning block of the Sichuan Basin. Due to insufficient seismic surveys in the past years, shale gas sweet spots for commercial production have not been pinpointed. In this paper, based on well logging data and 3D seismic data interpretation results, geophysical responses of sweet spots in shale gas reservoir were determined through seismic rock physical analysis and modeling. Then, the planar distribution of some key reservoir parameters, including TOC, high-quality reservoir thickness, brittleness and formation pressure, were predicted through prestack inversion of all gathers. Spatial distribution of sweet spots was assessed using fuzzy optimization. Results show that shale gas sweet spots feature low density, low P-velocity, low Poisson's ratio, and low P-to-S velocity ratio, especially in the case of higher TOC; that high-quality shale reservoirs (ClassⅠandⅡ) concentrate vertically within an interval of 30 m above the bottom of the Lower Silurian Longmaxi Fm and laterally within the central part of the 3D seismic survey, so these reservoirs should be preferred for recovery; and that Class Ⅲreservoirs should be recovered selectively, for their key parameters are relatively low.

Keyword: Shale gas; Sweet spot; Rock physics; TOC; 3D seismic; Brittleness; Pressure; Sichuan Basin; Changning block; Early Silurian
1 地质概况

四川盆地面积约18× 104km2, 是中国常规天然气探明储量及累计产量最多的盆地[1], 也是目前中国页岩气探明储量和产量最丰富的盆地之一[2]。长宁区块位于该盆地川南低陡穹形带, 为一个完整的向斜, 区内断层较为发育, 是中国重要的页岩气建产区之一(图1)。

图1 四川盆地长宁区块下志留统龙马溪组底界构造图

长宁区块在震旦系— 中三叠统发育两套优质页岩, 下寒武统筇竹寺组和下志留统龙马溪组[3, 4]。龙马溪组黑色页岩与上覆下志留统石牛栏组石灰岩构成了良好的储盖组合[5, 6]。龙马溪组全段富含笔石, 指示其处于较强的还原环境, 为深水陆棚相沉积[7], 厚约500 m, 分布稳定, 由下至上分为2段, 即龙一段和龙二段。其中龙一段为优质页岩, 又明显分成上、下两个亚段:上亚段为灰色页岩, 总有机碳含量(TOC)一般小于2%; 下亚段为碳质页岩和黑色页岩, 页理发育, TOC高于2%, 为有利的页岩气勘探开发层段。

2 页岩气储层甜点地震预测方法
2.1 研究思路

首先在地震资料和测井资料解释的基础上进行地震岩石物理分析及建模, 确定页岩储层岩石物理特征, 并建立甜点评价参数与敏感弹性参数间的定量关系。然后, 利用此定量关系进行井震结合全道集叠前弹性参数反演, 从而预测TOC、储层厚度、地层压力、页岩脆性等评价参数的空间分布。最后, 采用模糊优化分析方法对甜点关键参数预测结果进行综合分析及分类评价, 确定页岩气甜点分布。

2.2 关键技术

2.2.1 地震岩石物理分析及建模

由于页岩气赋存状态较为复杂, 地震岩石物理建模技术仍在探索当中[8]。笔者采用自相容模型和流体替换模型相结合的岩石物理建模方式, 将TOC分为3部分, 即固体有机质、吸附气和游离气, 应用自相容模型将有机质固体和吸附气作为岩石骨架部分进行处理, 而应用流体替换模型对游离气进行处理, 建立页岩储层地震岩石物理模型, 如图2所示。

图2 页岩储层岩石物理建模流程图

2.2.2 基于全道集的叠前同时反演技术

传统的叠前反演是基于部分叠加数据体进行的, 但部分叠加过程中损失了地震原始叠前道集中的AVO信息, 必然会对弹性参数的反演精度造成不利的影响。而基于叠前全CRP道集的叠前同时反演技术则充分利用了原始道集中完整的AVO信息, 可提高弹性参数的反演精度[9]。这就为甜点预测提供了较好的数据基础。

为提高叠前同时反演的抗噪能力, 确保反演精度, 须对原始道集进行优化处理。通过对原始CRP道集(图3-a)剩余时差校正(图3-b)及超道集(图3-c)处理, 获得高品质的叠前道集; 再利用层速度把CRP道集转化为角度域道集(图3-d), 经优化处理后的道集质量得到明显改善, 可直接进行叠前同时反演。

图3 叠前道集优化处理对比图

弹性参数的反演精度直接决定了预测结果的可靠性。因此在进行叠前同时反演过程中要采取严格的质量控制措施。在反演之前, 会对整个数据体的目标线进行多次参数实验, 每次实验均会得到一个反演结果, 基于反演结果进行一次正演, 生产一个合成道集, 将合成道集与原始道集相减得到误差道集, 当误差道集趋于白噪音时, 才可以实施整个数据体的反演。图4是本工区反演质量控制结果, 可见合成道集与原始道集的振幅、频率和AVO特征趋于一致, 误差道集近似白噪音。

图4 反演质量控制图

2.2.3 基于模糊优化分析技术的页岩气储层甜点综合评价技术

模糊优化综合评价技术是以模糊数学为基础依据, 应用模糊关系耦合的基本原理, 将一些边界难以确定、定量分析难度大的因素定量化的一种综合分析评价方法[10]。该方法通过构建模糊子集把反映被评价对象的各个评价指标进行定量化, 然后利用模糊变换原理对各指标进行综合评价分析。

模糊优化分析步骤:①选择评价指标, 建立评价单元矩阵; ②应用取大取小法则的数学变换方法对评价单元矩阵进行运算, 确定各单项评价指标的取值上限和下限; ③利用层次分析方法确定各单项评价指标在最终结果中所的占权重, 得到权重向量; ④利用上述结果计算评价值, 并根据评价值的大小进行综合排序评价(本区储层综合评价值介于0~1), 评价值越大, 目标区为甜点的几率越大。

3 页岩气储层甜点综合评价
3.1 页岩气储层响应特征

根据TOC将长宁区块页岩储层分为3类:Ⅰ 类为优质页岩储层, TOC≥ 3%; Ⅱ 类为普通页岩储层, 2%≤ TOC< 3%; Ⅲ 类为较差页岩储层, TOC< 2%。图5是对已钻3口直井的龙马溪组3类页岩储层和底界灰岩围岩层段的岩石物理交会结果。其中红点代表Ⅰ 类页岩储层、黄点代表Ⅱ 类页岩储层、绿点代表Ⅲ 类页岩储层、黑点为石灰岩层段数据。结果表明:①Ⅰ 、Ⅱ 类页岩储层与围岩在纵波速度、泊松比、密度、速度比都有明显差异, 龙马溪组储层具有明显的低密度、低纵波速度、低泊松比、低纵横波速度比特征; ② 密度、纵波速度、泊松比、纵横波速度比均随着TOC的增加而降低, 地震定量预测优质页岩储层具备良好的岩石物理基础。

图5 N201— N209井区龙马溪组不同层段岩石物理交会分析图

为了优选对TOC敏感的弹性参数, 笔者对目的层段TOC和各弹性参数进行了回归分析, 图6是回归分析结果, 其中纵轴为测井解释TOC, 横轴为密度、波阻抗等弹性参数。从图中可以看出, 密度对页岩TOC最为敏感, 二者存在很好的负相关关系, 相关系数达87%, 而密度数据体可通过叠前反演获得, 该分析结果可作为TOC地震预测的依据。

图6 N201— N209井区TOC与关键地球物理参数间关系分析图

图7是通过岩石物理建模技术模拟不同孔隙度情况下纵波速度、密度随TOC及含气量变化而变化的岩石物理模板, 该模板中含气饱和度固定为70%, 所以游离气含量只与孔隙度有关。结果表明:①纵波速度随孔隙度、含气量、TOC的增加而降低, 这里的TOC仅为固体有机质与吸附气之和, 不包括游离气; ②在低孔隙度情况下, TOC(固体有机质+吸附气)对纵波速度影响作用明显, 而在高孔隙度情况下, 游离气含量是影响纵波速度变化的主导因素(图7-a); ③密度随孔隙度、含气量、TOC(固体有机质+吸附气)的增加而明显降低, 密度与TOC呈明显的线性关系, 且无论孔隙度高低, 吸附气、游离气含量对密度均有很明显的影响, 说明密度能较好反映页岩储层的TOC变化(图7-b)。

图7 纵波速度(a)、密度(b)分别随孔隙度、含气量、TOC变化关系图

3.2 TOC分布和优质页岩厚度预测

3.2.1 TOC分布预测

岩石物理分析结果表明TOC与密度存在很好的线性负关系, 本研究区二者间的定量关系式为:

TOC=– 16.893 DEN+46.441 (1)

图8-a是利用全道集叠前反演技术得到的密度反演数据体过井剖面, 剖面上的插入曲线是密度测井曲线(黑色), 可见反演结果与测井曲线的变化趋势高度吻合, 说明反演结果可靠。龙马溪组龙一段地层密度总体较低, 而龙一1亚段由于TOC变高, 其密度更低, 并且在横向上分布较为稳定。

图8 密度与TOC地震预测剖面图

利用公式(1), 可将叠前反演得到的密度体转换成TOC数据体。图8-b是过井TOC预测剖面, 可以看出, 位于底部的龙一1亚段TOC最高(蓝紫色), 在3%以上, 最高可达到6.5%, 剖面中的曲线为测井解释TOC, 地震预测与测井解释结果显示一致。

3.2.2 优质页岩厚度预测

在长宁区块, 对开发效果影响明显的优质储层TOC下限为3%。根据TOC预测结果, 在龙一1亚段顶、底所限时窗范围内统计TOC大于3%的地层厚度即为优质页岩储层厚度。图9为该区块龙马溪组龙一1亚段优质储层厚度预测图, 可以看出工区中部和中西部的优质储层厚度较大, 大部分区域逾15 m, 部分区域可达30 m, 并且优质储层厚度横向分布相对稳定, 显示出该区块具有较大的页岩气勘探开发潜力。

图9 四川盆地长宁区块龙马溪组龙一1亚段优质储层厚度地震预测分布图

3.3 地层压力预测

超压地层是页岩气高产的必要条件之一[11]。基于地震资料的地层压力预测方法有压等效深度法、压实平衡方程方法、Eaton法、Fillippone方法等。这些方法都是利用超压地层引起地层层速度降低这一特征进行压力预测[12] , 其中Eaton法参数较少, 适合于勘探区块, 笔者将地震叠加速度转换为层速度后采用Eaton法对地层压力进行了预测。Eaton公式中地层速度由处理阶段的速度分析结果经测井速度校正得到, 浅层无测井数据层段的速度来自于速度分析结果, 压力预测所需密度则完全由地震叠前反演得到。

预测结果显示, 龙马溪地层下部龙一1亚段地层压力系数明显高于其它地层, 超压异常明显, 地层压力系数大于1.5, 最高可达2.5, 如图10-a所示。图10-b为该区块龙一1亚段地层压力系数地震预测平面分布图, 可以看出区块中部和东部的地层压力系数较高, 超压地层横向稳定分布。图中的黑线为构造解释断裂分布, 对比发现地层压力平面分布受断层控制作用明显, 断层附近的压力系数相对偏低。

图10 N201— N209井区龙马溪组地层压力系数地震预测图

3.4 脆性预测

页岩储层脆性对页岩气压裂效果影响极大[13]。实验及生产数据研究均表明, 页岩脆性与岩石杨氏模量成正比, 与泊松比成反比, 优质页岩储层表现为高杨氏模量、低泊松比特征[14]。常用脆性计算方法有2种:①对杨氏模量和泊松比进行规一化处理, 然后进行平均计算出脆性指数; ②基于矿物组分和含量的计算方法。两种方法相比, 第一种方法从岩石力学的角度出发, 更能反映地层的脆性[15]。因此, 笔者采用了脆性指数法。首先由叠前弹性参数反演得到纵波、横波速度及密度, 然后根据公式(2)、(3)计算泊松比和杨氏模量, 最后根据公式(4)计算页岩储层脆性指数。

式中 表示泊松比; E表示杨氏模量; Zs表示横波阻抗; BI表示脆性指数; ρ 表示密度; vp表示纵波速度; vs表示横波速度; maxmin分别表示泊松比最大值、最小值; EmaxEmin分别表示杨氏模量最大值、最小值。北美研究成果表明, 页岩气甜点脆性指数一般应在40%以上[16]

通过基于全道集的叠前同时反演可直接得到纵波速度、横波速度和密度, 杨氏模量和泊松比可由这3个量计算得到。图11-a、11-b、11-c分别为地震预测杨氏模量、泊松比和脆性指数剖面。对比分析结果表明, 龙马溪组龙一地层整体表现为高杨氏模量、低泊松比特征, 龙一1亚段的高杨氏模量、低泊松比特征更为明显, 脆性指数普遍较高, 大于50%, 且横向展布稳定, 为最有利压裂层段, 有利于后期储层压裂改造。

图11 过N209井XLine591杨氏模量(a)、泊松比(b)、脆性指数(c)预测剖面对比图

3.5 甜点综合评价及其应用效果

笔者在优质页岩储层中优选出厚度大、TOC高、地层脆性好、地层超压明显的区域作为甜点区。通过模糊优化分析技术建立了长宁区块页岩甜点综合评价体系, 如表1所示。

表1 N201— N 209井区页岩气有利区综合评价结果统计表

甜点综合预测平面分布如图12所示, 红色和紫色区域为Ⅰ 类甜点区, 黄色是Ⅱ 类类甜点区, 其他区域为非甜点区。其中, Ⅰ 类甜点区, 是最有利的页岩气开发甜点区, 建议优先开发; Ⅱ 类甜点区是相对有利的页岩气开发甜点区, 建议作为开发接替区; Ⅲ 类区各项指标均较低, 建议选择性开发。

图12 四川盆地长宁区块甜点综合预测平面分布图

选取新完钻的H4和H2两个平台验证预测结果的可靠性, H4平台位于地震预测一类甜点区内, 6口水平井获得17.51× 104~23.68× 104 m3/d的测试产量, 平均测产量20.92× 104 m3/d。H2平台位于地震预测三类区内, 5口水平井获得1.00× 104~6.64× 104 m3/d的测试产量, 平均测产量4.39× 104 m3/d。对比结果如表2所示, 预测甜点区分布趋势与生产结果吻合。

表2 长宁区块验证井测试产量与预测结果对比表
4 结论

1)基于全道集的叠前同时反演技术充分利用了叠前道集中的AVO信息, 是关键评价参数地震预测的核心技术。模糊优化分析是甜点综合预测的关键。

2)龙马溪页岩储层的密度参数对TOC最敏感, 可以通过叠前反演密度数据体计算TOC数据体。

3)优质储层厚度和地层压力系数在最终评价结果中权重较高, 是长宁区块页岩气高产富集的主控因素; 由于龙一1亚段TOC和脆性指数总体较高且分布相对稳定, 造成TOC和脆性指数所占权重相对较低。

4)龙马溪组优质页岩储层在纵向上主要分布在龙一1亚段, 该亚段总体TOC较高、地层超压异常明显、脆性指数高, 是有利的页岩气开发层段; 同时越靠近龙马溪地层底界, TOC、地层压力系数、脆性指数等关键评价指标具有升高的趋势。

5)对页岩储层平面分布进行了综合评价划分, 作为甜点的Ⅰ 类区和Ⅱ 类区主要分布在工区的中部, 建议优先开发。Ⅲ 类区各项关键评价指标均较低, 建议选择性开发。

The authors have declared that no competing interests exist.

参考文献
[1] 戴金星, 吴伟, 房忱琛, 刘丹. 2000年以来中国大气田勘探开发特征[J]. 天然气工业, 2015, 35(1): 1-9.
Dai Jinxing, Wu Wei, Fang Chenchen & Liu Dan. Exploration and development of large gas fields in China since 2000[J]. Natural Gas Industry, 2015, 35(1): 1-9. [本文引用:1]
[2] 张金川, 姜生玲, 唐玄, 张培先, 唐颖, 荆铁亚. 我国页岩气富集类型及资源特点[J]. 天然气工业, 2009, 29(12): 109-114.
Zhang Jinchuan, Jiang Shengling, Tang Xuan, Zhang Peixian, Tang Ying & Jing Tieya. Accumulation types and resources characteristics of shale gas in China[J]. Natural Gas Industry, 2009, 29(12): 109-114. [本文引用:1]
[3] 张满郎, 谢增业, 李熙喆, 谷江锐, 杨威, 刘满仓. 四川盆地寒武纪岩相古地理特征[J]. 沉积学报, 2010, 28(1): 128-139.
Zhang Manlang, Xie Zengye, Li Xizhe, Gu Jiangrui, Yang Wei & Liu Mancang. Characteristics of lithofacies paleogeography of Cambrian in Sichuan Basin[J]. Acta Sedimentologica Sinica, 2010, 28(1): 128-139. [本文引用:1]
[4] 蒲泊伶, 蒋有录, 王毅, 包书景, 刘鑫金. 四川盆地下志留统龙马溪组页岩气成藏条件及有利地区分析[J]. 石油学报, 2010, 31(2): 225-230.
Pu Boling, Jiang Youlu, Wang Yi, Bao Shujing & Liu Xinjin. Reservoir forming conditions and favorable exploration zones of shale gas in Lower Silurian Longmaxi Formation of Sichuan Basin[J]. Acta Petrolei Sinica, 2010, 31(2): 225-230. [本文引用:1]
[5] 张汉荣. 川东南地区志留系页岩含气量特征及其影响因素[J]. 天然气工业, 2016, 36(8): 36-42.
Zhang Hanrong. Gas content of the Silurian shale in the southeastern Sichuan Basin and its controlling factors[J]. Natural Gas Industry, 2016, 36(8): 36-42. [本文引用:1]
[6] 张金川, 聂海宽, 徐波, 姜生玲, 张培先. 四川盆地页岩气成藏地质条件[J]. 天然气工业, 2008, 28(2): 151-156.
Zhang Jinchuan, Nie Haikuan, Xu Bo, Jiang Shengling & Zhang Peixian. Geological condition of shale gas accumulation in Sichuan Basin[J]. Natural Gas Industry, 2008, 28(2): 151-156. [本文引用:1]
[7] 陈祖庆, 杨鸿飞, 王静波, 郑天发, 敬朋贵, 李苏光, . 页岩气高精度三维地震勘探技术的应用与探讨——以四川盆地焦石坝大型页岩气田勘探实践为例[J]. 天然气工业, 2016, 36(2): 9-20.
Chen Zuqing, Yang Hongfei, Wang Jingbo, Zheng Tianfa, Jing Penggui, Li Suguang, et al. Application of 3D high-precision seismic technology to shale gas exploration: A case study of the large Jiaoshiba shale gas field in the Sichuan Basin[J]. Natural Gas Industry, 2016, 36(2): 9-20. [本文引用:1]
[8] 李霞, 周灿灿, 李潮流, 程相志, 胡松. 页岩气岩石物理分析技术及研究进展[J]. 测井技术, 2013, 37(4): 352-359.
Li Xia, Zhou Cancan, Li Chaoliu, Cheng Xiangzhi & Hu Song. Advances in petrophysical analysis technology of shale gas[J]. Well Logging Technology, 2013, 37(4): 352-359. [本文引用:1]
[9] Hampson DP, Russell BH & Bankhead B. Simultaneous inversion of pre-stack seismic data[C]//SEG-2005-1633, 2005 SEG Annual Meeting, 6-11 November 2005, Houston, Texas, USA. [本文引用:1]
[10] 李武广, 杨胜来, 王珍珍, 董谦, 吴克柳, 王海洋. 基于模糊优化分析法的页岩气开发选区模型[J]. 煤炭学报, 2013, 38(2): 264-270.
Li Wuguang, Yang Shenglai, Wang Zhenzhen, Dong Qian, Wu Keliu & Wang Haiyang. Shale gas development evaluation model based on the fuzzy optimization analysis[J]. Journal of China Coal Society, 2013, 38(2): 264-270. [本文引用:1]
[11] 郭彤楼, 张汉荣. 四川盆地焦石坝页岩气田形成与富集高产模式[J]. 石油勘探与开发, 2014, 41(1): 28-36.
Guo Tonglou & Zhang Hanrong. Formation and enrichment mode of Jiaoshiba shale gas field, Sichuan Basin[J]. Petroleum Exploration and Development, 2014, 41(1): 28-36. [本文引用:1]
[12] Chen Sheng, Zhao Wenzhi, Ouyang Yonglin, Zeng Qingcai, Yang Qing, Hou Huaxing, et al. Prediction of sweet spots in shale reservoir based on geophysical well logging and 3D seismic data: A case study of Lower Silurian Longmaxi Formation in W4 block, Sichuan Basin, China[J]. Energy Exploration & Exploitation, 2017, 35(2): 147-171. [本文引用:1]
[13] 石晓闪, 刘大安, 崔振东, 孙波, 唐铁吾. 页岩气开采压裂技术分析与思考[J]. 天然气勘探与开发, 2015, 38(3): 62-65.
Shi Xiaoshan, Liu Da'an, Cui Zhendong, Sun Bo & Tang Tiewu. Fracturing technology for shale gas[J]. Natural Gas Exploration and Development, 2015, 38(3): 62-65. [本文引用:1]
[14] 李澈, 李雨澈, 郭佳. 地球物理技术在页岩储层脆性评价中的应用[J]. 当代化工, 2014, 43(5): 732-735.
Li Che, Li Yuche & Guo Jia. Application of geophysical technologies in the evaluation of brittleness of shale gas reservoir[J]. Contemporary Chemical Industry, 2014, 43(5): 732-735. [本文引用:1]
[15] 才博, 丁云宏, 卢拥军, 王晓冬, 杨振周, 孙豪, . 非常规储层体积改造中岩石脆性特征的判别方法[J]. 重庆科技学院学报(自然科学版), 2012, 14(5): 86-88.
Cai Bo, Ding Yunhong, Lu Yongjun, Wang Xiaodong, Yang Zhenzhou, Sun Hao, et al. Study of rock brittleness for stimulated reservoir volume fracturing technology[J]. Journal of Chongqing University of Science and Technology (Natural Sciences Edition), 2012, 14(5): 86-88. [本文引用:1]
[16] Ross DJK & Bustin RM. Characterizing the shale gas resource potential of Devonian-Mississippian strata in the western Canada sedimentary basin: Application of an integrated formation evaluation[J]. AAPG Bulletin, 2008, 92(1): 87-125. [本文引用:1]