引用本文
丰帆, 袁胜斌, 张振波, 熊亭, 汪芯, 刘畅. 基于FLAIR实时流体录井资料的油层产能预测方法——以珠江口盆地珠一坳陷为例[J]. 录井工程, 2023,34(4): 20-26.
FENG Fan, YUAN Shengbin, ZHANG Zhenbo, XIONG Ting, WANG Xin, LIU Chang. The method for reservoir productivity prediction based on FLAIR real-time fluid mud logging data：Taking Pearl River Mouth basin as an example[J]. Mud Logging Engineering, 2023,34(4): 20-26.
Doi:10.3969/j.issn.1672-9803.2023.04.004  
Permissions
Copyright©2023, 《录井工程》杂志社
《录井工程》杂志社 所有
基于FLAIR实时流体录井资料的油层产能预测方法——以珠江口盆地珠一坳陷为例
丰帆①, 袁胜斌①, 张振波①, 熊亭②, 汪芯①, 刘畅①
①中法渤海地质服务有限公司
②中海石油（中国）有限公司深圳分公司

作者简介：丰帆 工程师,1982年生.2006年毕业于成都理工大学资源勘查工程专业,现在中法渤海地质服务有限公司从事录井综合解释评价工作。通信地址:300457天津市开发区信环西路19号天河科技园1号楼3层。电话:13602181593。E-mail:fengfan@cfbgc.com

收稿日期: 2023-10-08
摘要

针对珠江口盆地珠一坳陷油层产能预测方法少且定量化程度低等问题,基于FLAIR录井资料,采用回归拟合的研究方法,优选产能预测敏感参数,通过计算油层产能指数,建立了适用于该区域的油层产能预测模型。研究结果表明：平均FLAIR校正油指数与产能正相关性更高,能够代替含油饱和度预测油层产能;利用油层的平均渗透率、平均有效孔隙度、平均FLAIR校正油指数及有效厚度计算的油层产能指数能够准确预测油层产能。在实际应用中建立的新模型预测结果与实际产能符合度更高,取得了较好效果,为勘探开发提供了重要的技术支持。

关键词: FLAIR录井; 产能预测; 产能指数; 预测模型; 校正油指数; 珠一坳陷
中图分类号:TE132.1 文献标志码:A
The method for reservoir productivity prediction based on FLAIR real-time fluid mud logging data：Taking Pearl River Mouth basin as an example
FENG Fan①, YUAN Shengbin①, ZHANG Zhenbo①, XIONG Ting②, WANG Xin①, LIU Chang①
①China-France Bohai Geoservices Co., Ltd., Tianjin 300457 China
②CNOOC （China） Shenzhen Branch, Shenzhen,guangdong 518000 China
Abstract

Aiming at the problems of few methods and low quantification degree of oil reservoir productivity prediction in Zhu-Ⅰ Depression of Pearl River Mouth basin, the research method of regression fitting based on mud logging and well logging data is used to optimize the sensitive parameters of productivity prediction, and the reservoir productivity index is calculated. Finally, a reservoir productivity prediction model suitable for this area is established. The research result shows that: the average FLAIR corrected oil index has a higher positive correlation with productivity, and it can replace oil saturation to predict reservoir productivity; The reservoir productivity index calculated by the following four parameters: average permeability, average effective porosity, average FLAIR correction oil index and effective thickness can accurately predict the reservoir productivity. In practical application, the predicted results of the new model are in better agreement with the actual production capacity, and good results have been obtained. It can provide important technical support for exploration and development.

Keyword: FLAIR mud logging; productivity prediction; productivity index; prediction model; corrected oil index; Zhu-Ⅰ depression
0 引言

近年来, 珠江口盆地珠一坳陷的勘探成功, 使该区域成为重要的勘探目标。在油气勘探开发领域中, 油层产能预测正确与否起着至关重要的作用。油层产能预测的传统方法主要包括公式法、统计分析法及智能算法等[1, 2, 3, 4, 5, 6, 7, 8, 9], 但是针对珠一坳陷的油层产能预测方法少且定量化程度低, 其主要的研究方法有：（1）珠江口盆地惠州凹陷储层测井产能分级与识别方法, 是在储层类别划分基础上将储层分类和产能分级相结合的产能评价方法[1]; （2）恩平凹陷M油藏层内纵向强非均质性低渗油藏产能评价方法, 采用分段产能评价方法进行精细产能评价, 有效提高该类油藏产能预测精度[2]。由于上述两种方法主要以定性评价为主, 无法为勘探提供重要的技术支持。

为满足珠一坳陷勘探开发的需求, 探究出一种油层产能定量化评价的方法, 成为当前珠一坳陷油层产能预测的关键技术难题。FLAIR（Fluid Logging & Analysis In Real Time）实时流体录井技术是法国地质服务公司研究和开发的一种现场油气实时监测和识别技术, 其优势非常突出, 主要表现为：（1）独特的C6+检测技术, 可以检测nC6、nC7、nC8、nC7H4等具有指示油作用的重组分, 而且各组分具有精度高的特点; （2）定量、恒温脱气及双气路检测, 具有高数据质量, 可提高资料纵向上和横向上的可比性, 消除再循环气的影响, 得到储层真实的含气量; （3）钻前严格的质量控制试验, 保证气体数据质量可靠[10, 11, 12, 13, 14]。因此, 本文以FLAIR实时流体录井为研究对象, 通过对FLAIR录井、测井资料的深入研究, 建立了新方法油层产能预测模型, 最终达到了油层产能预测定量化评价的目的, 为珠一坳陷油藏的勘探与开发提供了重要依据。

1 区域地质背景

珠一坳陷是珠江口盆地油气聚集与分布最为丰富的地区, 位于南海珠江口盆地北部浅水区, 是珠江口盆地北部坳陷带的一个负向构造单元, 水深主要为50~150 m, 面积约为4× 104 km2。该坳陷呈北东走向, 南北分别被番禺低隆起-东沙隆起带和北部隆起带所夹持, 平面上自西向东依次分布阳江、恩平、西江、惠州、陆丰及韩江凹陷, 主要生油层为文昌组湖相泥岩, 恩平组湖沼相泥岩也有一定生油能力, 韩江组、珠江组及珠海组是主要的油气产层, 总地质资源量高[15, 16, 17, 18]。

2 传统油层产能预测模型

通过大量的测试、岩壁心及测井数据分析来看, 影响油层产能高低的4个关键因素是：

（1）渗透率, 是流体在压力差下通过多孔岩石有效孔隙能力的一种量值和影响储层产能的最重要参数, 其数值越大表明储层导油能力越大[3, 4]。

（2）有效孔隙度, 是岩石中相互连通的孔隙占岩石体积的百分比, 储层孔隙度是储层物性的综合反映, 其数值越大表明储层含油能力越大[3, 4]。

（3）含油饱和度, 在储层孔隙度和渗透率相同条件下, 含油饱和度越高, 储层含油和产油越多[3, 4]。

（4）有效厚度, 在油井产能计算中, 油层的有效厚度越大, 其产能越高[3, 4]。

为了最大限度地排除外在因素和油气性能的影响, 使油层自身的性质对储层的产能起到决定性的影响[3, 4, 5, 6, 7], 本文以珠一坳陷A 1井-A 15井测试的油层产能数据为样本, 将基于测试段油层的四参数（渗透率、有效孔隙度、含油饱和度、有效厚度）作为研究对象, 分别建立这些参数与油层产能的预测模型, 对储层进行评价（图1）。

图1 四参数与油层产能关系的传统预测模型

因为测井资料是据0.1 m递加的数据, 无法直接获得测试段油层的渗透率、有效孔隙度及含油饱和度数据, 所以选取该测试段测井资料计算出来的油层平均渗透率、平均有效孔隙度、平均含油饱和度和有效厚度作为研究对象, 将四参数分别与油层产能进行回归拟合, 得到四参数与油层产能关系的传统预测模型（图1）, 但拟合结果表明相关性r2只有0.154 6~0.509 7, 回归拟合效果不理想, 无法满足油层产能预测的需求。因此, 需要在传统方法的基础上进行新方法的研究。

3 新方法油层产能预测模型

为了满足油层产能预测的需求, 提高油层产能预测模型的拟合效果, 引入FLAIR实时流体录井技术, 该技术具有高精度、高质量、高可靠性及可检测到指示油中nC6、nC7、nC8、C7H14等重烃组分的优势。

3.1 FLAIR油指数F

根据FLAIR气体各组分的意义, 建立衍生参数FLAIR油指数F, 用来表示重烃组分的占比情况, 其数值大小反映油层含油饱和度的高低, 可以间接代替含油饱和度, 计算公式如下：

F=10× （nC6+nC7+nC8+C7H14）2/∑ C总 （1）

∑ C总=C1+C2+C3+iC4+nC4+iC5+nC5+nC6+

nC7+nC8+C6H6+C7H8+C7H14 （2）

式中：F为FLAIR油指数, 10-6; ∑ C总为FLAIR气体各组分体积分数数值之和, 10-6。

3.2 FLAIR校正油指数F′

由于FLAIR气体各组分易受井眼尺寸、脱气效率和钻井参数等因素的影响, 为了提高同井纵向上和不同井横向上气测值的可比性, 还需要对其各组分进行单位体积岩石校正[19, 20], 参考校正公式如下：

VOLC1=（k1× k2× t× Q× G）/D2 （3）

式中：VOLC1为单位体积岩石甲烷含量, 即甲烷校正值, L/L; k1为与脱气器单位时间所脱钻井液量、色谱分析仪单位时间进样量以及单位换算相关的常量, 无量纲; k2为不同钻井液体系中甲烷脱气效率的倒数, 无量纲; t为钻时, min/m; Q为钻井液排量, L/min; G为实测甲烷值, 10-6; D为井眼或钻头尺寸, mm。

对FLAIR气体各组分进行单位体积岩石校正后, 得到FLAIR校正油指数F′ , 计算公式如下：

F′ =10× （VOLnC6+VOLnC7+VOLnC8+VOLC7H14）2/VOL∑ C总 （4）

VOL∑ C总=VOLC1+VOLC2+VOLC3+VOLiC4+VOLnC4+VOLiC5+VOLnC5+VOLnC6+VOLnC7+VOLnC8+VOLC6H6+VOLC7H8+VOLC7H14 （5）

式中：F′ 为FLAIR校正油指数, L/L; VOL∑ C总为FLAIR气体各组分单位岩石体积校正数值之和, L/L。

同样因为录井资料是1 m递加数据, 无法直接获取测试段油层的FLAIR校正油指数F′ , 所以选取该测试段录井资料计算的平均FLAIR校正油指数Fa′ 作为研究对象, 若测试段深度为非整数（存在小数的情况）, 需要对测试段深度四舍五入求整后, 才能根据录井资料计算出平均FLAIR校正油指数Fa′ , 将其与油层产能进行回归拟合, 得到平均FLAIR校正油指数Fa′ 与油层产能关系预测模型（图2）, 其r2为0.675 9, 高于传统方法的平均含油饱和度与油层产能的0.475 3, 在油层产能预测中代替平均含油饱和度效果更佳, 但仍未达到理想的拟合效果。

图2 平均FLAIR校正油指数Fa′ 与油层产能关系预测模型

3.3 油层产能指数W

通过建立测试段油层的平均渗透率Ka、平均有效孔隙度ϕ a、平均FLAIR校正油指数Fa′ 及有效厚度z的函数关系, 来提高拟合效果, 即建立油层产能指数W, 计算公式如下：

W= Ka×ϕa×Fa'×z（6）

式中：W为油层产能指数（若测试段油层为多层, 则W为各个单层油层产能指数的累加, W量纲由方程中各参数的量纲所决定）; Ka为测试段油层的平均渗透率, mD; ϕ a为测试段油层的平均有效孔隙度, %; Fa′ 为测试段油层的平均FLAIR校正油指数, L/L; z为测试段油层的有效厚度（若在斜井中, 则取垂向的有效厚度）, m。

将油层产能指数W与油层产能进行回归拟合, 得到油层产能预测模型（图3）, 计算公式如下：

y=32.632x0.8295 （r2=0.813 4） （7）

式中：y为油层产能, m3/d; x为油层产能指数W。

图3 油层产能指数W与油层产能关系预测模型

综合来看（表1）, 15口测试井中只有3口井的产能预测效果差, 总体上相关性r2约为0.81, 达到了理想的拟合效果。

表1 A 1井-A 15井各测试段计算参数统计

利用这种新方法建立的油层产能预测模型效果较好, 明显优于传统方法, 可以满足油层产能预测的需求。

4 应用效果

A 16井位于陆丰M构造, 在恩平组钻遇多套厚层细砂岩储层, 荧光直照亮黄色, 面积30%~40%, 滴照呈乳白色, 快速扩散, FLAIR实时流体录井资料指示油的重组分nC6、nC7、nC8及C7H14体积分数最大值分别为87.76× 10-6、39.67× 10-6、34.11× 10-6及93.53× 10-6, 异常幅度高（图4）, 随钻电阻率最大值为18.85 Ω · m, 录井和测井资料均达到油层解释标准。

图4 A 16井录、测井解释成果图

应用新方法在测试井段3 498.5~3 516.7 m对本井进行产能预测, 测试段录、测井共解释2层油层, 将储层划分为单层1（3 498.5~3 509.5 m井段）和单层2（3 511.3~3 516.7 m井段）。测井计算得到单层1平均渗透率Ka、平均有效孔隙度ϕ a及有效厚度（垂直）z分别为36.4 mD、16.7%及9.9 m; 单层2平均渗透率、平均有效孔隙度及有效厚度（垂直）分别为44.8 mD、17.5%及4.7 m。计算平均FLAIR校正油指数Fa′ 需要对储层段进行四舍五入求整, 单层1和单层2求整后分别为3 498.0~3 510.0 m和3 511.0~3 517.0 m, 运用公式计算得到单层1的Fa′ 值为0.031 4 L/L, 单层2的Fa′ 值为0.017 8 L/L, 根据油层产能指数公式得到单层1油层产能指数W1为13.746 5, 单层2油层产能指数W2为8.098 7（表2）, 所以测试井段的油层产能指数W为W1+W2=21.845 2。

表2 A 16井测试段计算参数统计

应用新方法油层产能预测模型, 预测油层产能为414.6 m3/d, 最终本井产油487.3 m3/d, 产少量气, 未见水, 产能差值为-72.7 m3/d; 应用传统油层能预测模型, 预测产能为119.77 m3/d, 其产能差值为-367.53 m3/d。如图5红线所示, 新方法建立的产能预测结果与实际产能符合度更高, 基于FLAIR实时流体录井资料的油层产能预测方法取得了较好的应用效果, 为勘探决策提供了重要的技术支持。

图5 A 1井-A 16井油层产能预测模型

5 结论

（1）尽管影响油层产能的因素存在一些次要因素, 比如地质条件、钻井条件和试油条件, 但实践证明, 在珠江口盆地珠一坳陷使用新方法建立的油层产能预测模型, 产能预测评价效果较好, 具有良好的实用性和准确性, 在油层产能预测方面具有一定的推进作用。

（2）基于FLAIR实时流体录井资料的油层产能预测方法, 开拓了一种录、测井资料预测油层产能的定量化评价新方法, 具有重要的借鉴意义, 提升了FLAIR录井技术在石油勘探开发领域的影响力。

编辑 孔宪青

参考文献
[1] 侯博恒, 谢明英, 李伟, 等. 层内纵向强非均质性低渗油藏产能评价方法: 以恩平凹陷M油藏为例[J]. 石油地质与工程, 2022, 36(5): 57-60.
HOU Boheng, XIE Mingying, LI Wei, et al. A productivity evaluation method for high vertical heterogeneity and low permeability reservoirs within layers-A case study of M reservoir in Enping Sag[J]. Petroleum Geology and Engineering, 2022, 36(5): 57-60. [本文引用:2]
[2] 冯进, 赵冰, 张占松, 等. 珠江口盆地惠州凹陷储层测井产能分级与识别方法[J]. 物探与化探, 2020, 44(1): 81-87.
FENG Jin, ZHAO Bing, ZHANG Zhansong, et al. Logging productivity classification and identification of reservoir in Huizhou Sag, Pearl River Mouth Basin[J]. Geophysical and Geochemical Exploration, 2020, 44(1): 81-87. [本文引用:2]
[3] 葛百成, 文政, 郑建东, 等. 利用测井资料预测油层自然产能的评价方法[J]. 大庆石油地质与开发, 2003, 22(1): 54-56.
GE Baicheng, WEN Zheng, ZHENG Jiand ong, et al. An evaluation method for predicting reservoir natural productivity using well logging data[J]. Petroleum Geology and Oilfield Development In Daqing, 2003, 22(1): 54-56. [本文引用:6]
[4] 谭成仟, 宋子齐, 吴向红, 等. 储层油气产能的灰色理论预测方法[J]. 系统工程理论与实践, 2001, 21(10): 101-106.
TAN Chengqian, SONG Ziqi, WU Xianghong, et al. Grey theory prediction method of reservoir oil and gas productivity[J]. Systems Engineering Theory and Practice, 2001, 21(10): 101-106. [本文引用:6]
[5] 毛志强, 李进福. 油气层产能预测方法及模型[J]. 石油学报, 2000, 21(5): 58-61.
MAO Zhiqiang, LI Jinfu. Method and models for productivity prediction of hydrocarbon reservoirs[J]. Acta Petrolei Sinica, 2000, 21(5): 58-61. [本文引用:2]
[6] 许延清, 李舟波, 陆敬安, 等. 利用测井资料预测油气储层产能的方法研究[J]. 长春科技大学学报, 1999, 29(2): 179-183.
XU Yanqing, LI Zhoubo, LU Jing′an, et al. Study on the method of predicting oil and gas reservoir productivity with well logging data[J]. Journal of Changchun University of Science and Technology, 1999, 29(2): 179-183. [本文引用:2]
[7] 藤赛男, 李元生, 张莉莉, 等. 凝析气藏产能评价方法研究[J]. 海洋石油, 2022, 42(3): 28-35.
TENG Sainan, LI Yuansheng, ZHANG Lili, et al. Research on productivity evaluation method of gas-condensate reservoirs[J]. Offshore Oil, 2022, 42(3): 28-35. [本文引用:2]
[8] 宋义民, 卢昊, 钟小军, 等. 油层产能录井评价与预测方法研究与实践[J]. 录井工程, 2017, 28(1): 1-7.
SONG Yimin, LU Hao, ZHONG Xiaojun, et al. Research and practice on evaluation and prediction method of reservoir productivity logging[J]. Mud Logging Engineering, 2017, 28(1): 1-7. [本文引用:1]
[9] 黄佑德, 李庆春, 赵旭亚. 地化录井产能预测方法[J]. 断块油气田, 1997, 4(3): 8-11.
HUANG Youde, LI Qingchun, ZHAO Xuya. Prediction method of geological logging productivity[J]. Fault-Block Oil and Gas Field, 1997, 4(3): 8-11. [本文引用:1]
[10] 袁胜斌. FLAIR“重组分”解释评价原则及其应用[J]. 录井工程, 2008, 19(4): 46-49.
YUAN Shengbin. FLAIR "Recombination Score" explains the evaluation principles and their application[J]. Mud Logging Engineering, 2008, 19(4): 46-49. [本文引用:1]
[11] 袁胜斌, 倪朋勃, 邴磊, 等. 白云凹陷FLAIR流体录井气水层解释评价方法[J]. 录井工程, 2015, 26(4): 37-40.
YUAN Shengbin, NI Pengbo, BING Lei, et al. FLAIR fluid logging gas and water layer interpretation evaluation method in Baiyun sag[J]. Mud Logging Engineering, 2015, 26(4): 37-40. [本文引用:1]
[12] 曹英权, 熊亭, 袁胜斌, 等. 特色录井技术在低孔渗储层解释评价中的应用: 以陆丰凹陷古近系为例[J]. 录井工程, 2022, 33(2): 52-57.
CAO Yingquan, XIONG Ting, YUAN Shengbin, et al. Application of characteristic logging technique in interpretation and evaluation of low porosity and permeability reservoirs: A case study of Paleogene in Lufeng Sag[J]. Mud Logging Engineering, 2022, 33(2): 52-57. [本文引用:1]
[13] 张兴华, 徐长敏, 熊亭, 等. FLAIR、地球化学录井技术在珠江口盆地陆丰凹陷低对比度油层中的应用[J]. 海洋石油, 2021, 41(4): 49-56.
ZHANG Xinghua, XU Changmin, XIONG Ting, et al. Application of FLAIR and geochemical logging techniques to low contrast reservoir in Lufeng Sag, Pearl River Mouth Basin[J]. Offshore Oil, 2021, 41(4): 49-56. [本文引用:1]
[14] 张振波, 郭明宇, 袁胜斌, 等. 基于FLAIR资料的渤海太古界潜山储层流体评价方法研究[J]. 石油地质与工程, 2022, 36(3): 40-44, 50.
ZHANG Zhenbo, GUO Mingyu, YUAN Shengbin, et al. Study on fluid evaluation method of Archean buried hill reservoir in Bohai Sea based on FLAIR data[J]. Petroleum Geology and Engineering, 2022, 36(3): 40-44, 50. [本文引用:1]
[15] 熊万林, 朱俊章, 施洋, 等. 珠江口盆地珠一坳陷原油密度分布及其成因[J]. 海洋地质前沿, 2019, 35(1): 43-52.
XIONG Wanlin, ZHU Junzhang, SHI Yang, et al. The distribution and origin of crude oil density in Zhu-Ⅰ Depression of Pearl River Mouth Basin[J]. Marine Geology Frontiers, 2019, 35(1): 43-52. [本文引用:1]
[16] 米立军, 张向涛, 陈维涛, 等. 珠江口盆地珠一坳陷古近系油气富集规律及下一步勘探策略[J]. 中国海上油气, 2018, 30(6): 1-13.
MI Lijun, ZHANG Xiangtao, CHEN Weitao, et al. Hydrocarbon enrichment law of Paleogene in Zhu-I Depression of Pearl River Mouth Basin and its next exploration strategy[J]. China Offshore Oil and gas, 2018, 30(6): 1-13. [本文引用:1]
[17] 朱俊章, 朱明, 史玉玲, 等. 珠一坳陷油气成藏组合划分及有利成藏组合预测[J]. 海洋地质前沿, 2022, 38(5): 67-75.
ZHU Junzhang, ZHU Ming, SHI Yuling, et al. Division of hydrocarbon accumulation assemblages and prediction of favorable accumulation assemblages in Zhu-Ⅰ Depression[J]. Marine Geology Frontiers, 2022, 38(5): 67-75. [本文引用:1]
[18] 王宁, 张铜耀, 明承栋, 等. 珠江口盆地东部珠一坳陷古近系不同类型烃源岩和原油热裂解生气特征[J]. 海洋地质前沿, 2022, 38(8): 67-76.
WANG Ning, ZHANG Tongyao, MING Chengdong, et al. Different types of Paleogene source rocks and characteristics of pyrolysis gas generation of crude oil Zhu-Ⅰ Depression, Pearl River Mouth Basin[J]. Marine Geology Frontiers, 2022, 38(8): 67-76. [本文引用:1]
[19] 黄小刚. 气测录井甲烷校正法与气测解释方法选择原则[J]. 录井工程, 2007, 18(4): 1-5.
HUANG Xiaogang. Gas logging methane correction method and gas interpretation method selection principle[J]. Mud Logging Engineering, 2007, 18(4): 1-5. [本文引用:1]
[20] 尚锁贵. 气测录井影响因素分析及甲烷校正值的应用[J]. 录井工程, 2008, 19(4): 42-45, 53.
SHANG Suogui. Analysis of influencing factors of gas logging and application of methane correction[J]. Mud Logging Engineering, 2008, 19(4): 42-45, 53. [本文引用:1]