DB盆地 B区块无井区储层预测技术

(整期优先)网络出版时间:2020-09-14
/ 2

DB盆地 B区块无井区储层预测技术

丁珊珊 1,邝朋飞 2,丁艳红 1,李志勇 1,万应明 1,程莎 1

中国石化地球物理公司华北分公司,河南郑州 450000; 2.中国石化天然气分公司河南销售中心,河南郑州 450000)

摘要: 近年来,中非石化产业合作已取得丰硕成果,非洲地区已成为中国石化原油资源第二大来源地。乍得目前已探明石油储量16亿桶,且仍有较大潜力,位于乍得西南部的 DB盆地蕴含着丰富的石油和天然气资源,但整个地区勘探程度相对较低,对该区进行地震解释与砂岩储层预测,为下一步勘探开发提供理论基础。本文以盆地内B区块(无井区)为研究对象,在缺少钻、测井资料的情况下,使用三维地震数据进行储层预测。在构造解释与三维地震资料分析的基础上,针对目的层进行振幅属性分析,借助邻区井的实际钻、测井资料进行储层交汇分析,最后对研究区地震资料进行无井波阻抗反演。分析认为此区域依靠地震数据只能预测砂组;西部地区振幅相对较强,而东部振幅相对较弱,说明研究区在西部地区地层信息相对丰富,储层发育相对较好;通过对邻区井主要目的层的多种数据的交叉实验,发现孔隙度(POR)和声波阻抗(AI),结合泥质含量的交汇图结果是最理想的,能有效区分砂泥岩;通过波阻抗反演,砂岩波阻抗整体大于泥岩波阻抗,能识别主要目的层储层分布特征,提高储层预测的精度。

关键词:储层预测技术; 属性提取与分析;储层交汇分析;波阻抗反演

作者简介:丁珊珊(1987.03.11),1987年生,2012年毕业于长江大学石油工程专业,主要从事地震地质解释工作。

1、研究区地质特征

B区块位于DB盆地的北部,其沉积背景和沉积演化受盆地控制。DB盆地的形成主要受中非裂谷系的区域构造运动的控制,受右旋走滑伸展的影响,中部非洲大断裂构造活动强烈,主要为近源的伸展裂陷湖盆。研究区的目的层为Kedeni 层和Mangara层,主要是砂岩和页岩的沉积层,由河流相、浅湖相组成,有超过1000m厚的沉积物。

2、三维地震资料分析

基于B区块三维地震资料在进行层位和断层精细解释的基础上,针对研究区的主要目的层Kedeni层和Mangar层,我们进行了构造成图及圈闭的落实和统计,发现了5个构造圈闭。Kedeni组总圈闭面积27.77km2,闭合高度18-260m,分布在西部凹陷区、中西部断阶区、中央凹陷区和工区中南部构造转换带(图1)。

5f5f1e1d8438e_html_b30f286ad848e1d3.png

图1 B区块Kedeni组顶部圈闭分布图

对本区三维地震资料的主要目的层Kedeni层和Mangar层的频谱分析(如图2所示蓝色框中),地震数据的带宽是7-40 hz,如果以Kedeni层的层速度为3300m/s,那么地层的最大分辨率约21m(1/4λ)。邻区钻井数据显示,每口井中的砂体厚度大多不到10m,所以此区域依靠地震数据不能确定单砂体,储层预测砂组为主要研究对象。

5f5f1e1d8438e_html_1a85329f6bab4508.png

图2 B区块Benoy-W1和Benoy-1连井地震剖面

3、地震属性提取分析

地震数据体的属性(Seismic volume attributes)是一种从地震数据体或者是由地震数据体产生的其他数据体中提取的地震属性,这些属性主要是通过各种数学分析方法从地震数据体中拾取隐藏在其中的岩性和储层物性有关的信息的工程[1-2]。每一种地震属性都是从不同角度反映储层的特征, 它们与储层岩性、储层物性、孔隙流体性质之间的关系非常复杂, 同一种属性在不同的条件下代表的意义完全不同。地震属性与所预测对象之间的关系复杂,不同工区和不同储层对所预测对象敏感的地震属性是不完全相同的 [3-4]。针对本次研究区的主要目的层Kendeni和Mangara进行了振幅属性分析。从振幅属性图上可以看出(图3、图4),研究区在Kedeni层和Mangara层整体上均西部地区振幅相对较强,而东部振幅相对较弱的整体态势,说明研究区在西部地区地层信息相对丰富,储层发育相对较好。

5f5f1e1d8438e_html_da2d5f6ec84a6d9.png

图3 Kedeni 层振幅属性图

5f5f1e1d8438e_html_cee819d47536f805.png

图4 Mangara 层振幅属性图

4、储层交汇分析

由于研究区缺乏钻井资料,所以本次研究主要借助邻区的钻井资料对储层进行分析预测。为了更好地区分砂岩和泥岩,本研究采用了多参数识别方法。

5f5f1e1d8438e_html_ca53078018605817.png

图5 Benoy2井2330m-3010m井段泥质含量与声波交汇图

我们从Benoy2井的在井段2330m-3010m处的粘土含量(VSH)数据和声波数据的交汇图(图5)可以看出,主要目标区间的砂岩速度和泥岩速度(Kedeni和Mangara地层)存在一个较大的重叠区域。此外,自然伽马(GR)和粘土含量(VSH)数据的交汇图以及密度(DEN)和粘土含量(VSH)数据的交叉图也都难以有效区分砂岩和泥岩。

5f5f1e1d8438e_html_35419d8787556f8f.jpg

图6 Benoy2井孔隙度、波阻抗、泥质含量交汇图

通过对Bneoy2井主要目的层的多种数据的交叉实验,发现孔隙度(POR)和声波阻抗(AI),结合泥质含量的交汇图结果是最理想的,能有效区分砂泥岩(图6)。从图中可以看出粘土含量(VSH)由不同的颜色表示,暖色代表低Vshale值,指示砂岩;砂岩和泥岩之间有明显的边界。砂岩是主要集中于红斜线之上并且其阻抗值应大于3.0×104 kg/m 3 ·m/s。红色斜线拟合公式如下:

POR=-1.575*10-5 AI+0.6544

这里,POR是孔隙度值,g/cm 3, AI是声波阻抗,kg/m 3·m/s (AI >3.0×104 kg/m 3 ·m/s)。利用上述公式的约束可以有效地区分砂岩和泥页岩。

5、波阻抗反演技术

波阻抗反演是岩性地震勘探的重要手段之一,利用地表观测的地震资料,以已知的井资料为约束,对地下岩层空间结构和物理性质进行求解的过程[5-7]。反演与测井资料密不可分,但研究区没有响应的测井资料。为了更好地预测储层,本文对研究区三维地震资料进行无井波阻抗反演。

直接利用研究区三维地震资料,在研究区多个位置提取目的层附近零相位地震子波,为了保证子波的稳定性对提取的多个地震子波求平均[8-10];利用多个解释层位和断层建立层序格架。最后综合对比分析邻区地球物理特征研究成果:砂岩波阻抗整体大于泥岩波阻抗,识别主要目的层储层分布特征,进行储层预测(图7)。

5f5f1e1d8438e_html_b0f9fe9b8f0a9722.png

图7 B区块过line488波阻抗反演剖面

在地震波阻抗反演的基础上,沿着各个主要目的层提取波阻抗平面图。

Kedeni地层顶部砂组有利相对波阻抗值域:8×106–2.4×107 kg/m3·m/s,储层主要发育在斜坡区、隆起区、凹陷区等西部的研究区范围,总体呈指状分布,东部整体储层欠发育(图8)。

Mangara地层中上部砂组有利相对波阻抗值域:9.5×106–3×107 kg/m3·m/s,储层主要分布在南部斜坡区和凹陷区,主要呈NW-SE向,研究区东部整体储层欠发育(图9)。

5f5f1e1d8438e_html_8d8a3940e9e79a44.png

图8 B区块Kedeni地层顶部波阻抗反演平面图

5f5f1e1d8438e_html_e26de921b6ce2807.png

图9 B区块Mangara地层顶部波阻抗反演平面图

6、结论

通过精细构造解释以及三维地震资料、地震属性、储层交汇和波阻抗反演的综合应用、分析,使储层识别精度得到大幅度提高,在DB盆地B区块储层识别中取得显著效果,清晰了主要储层在平面和空间上的分布形态,同时也证明了该区块油气勘探具有良好的勘探前景,在该区域值得推广应用。

参考文献

[1] 王永刚,谢东,乐友喜,等. 地震属性分析技术在储层预测中的应用[J]. 石油大学学报(自然科学版),2003,27(3):30–32.

[2]宋劲. 地震属性在小断层及裂缝发育带预测中的应用[J]. 矿业安全与环保, 2014, 41(2):32–40.

[3]于建国,姜秀清,等. 地震属性优化在储层预测中的应用[J]. 石油与天然气地质,2003,24(3):291–294.

[4]井涌泉,栾东肖,张雨晴,等.基于地震属性特征的河流相叠置砂岩储层预测方法[J].石油地球物理勘探,2018,53(5):1049–1058.

[5] 徐云霞文鹏飞张如伟,等.无井波阻抗反演在西沙水合物研究中的应用 [J].CT理论与应用研究,2017,26(4):425–434.

[6]迟唤昭,刘财,单玄龙,等.谱反演方法在致密薄层砂体预测中的应用研究[J].石油物探,2015,54(3):337–344.

[7]季玉新,刘春园,陈东,等. 分频反演方法及其在塔河A 区储层预测中的应用[J]. 石油与天然气地质,2010,31(1):38–42.

[8]戴永寿,张彧豪,张鹏,等.时变地震子波提取研究方法综述[J].石油物探,2020,59(2): 169–176.

[9]王守君,方中于,史文英,等. 海洋地震资料子波零相位化技术研究与应用[J]. 大庆石油地质与开发,2015,54(5):551–559.

[10]李志英,姜福豪,胡超俊,等.基于地震子波相关性分析的采集参数优选方法研究[J].石油物探,2019,58(5):681–688